Tema No. 2 Programación de Metas. Introducción
|
|
- María Dolores Murillo Ortiz de Zárate
- hace 7 años
- Vistas:
Transcripción
1 UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA ÁREA DE TECNOLOGÍA DEPARTAMENTO DE GERENCIA INVESTIGACIÓN DE OPERACIONES PROFESOR: Dr. JUAN LUGO MARÍN Tema No. 2 Programación de Metas Introducción El concepto de la programación por metas (PM) fue introducido por A. Charnes y W. W. Cooper. La PM es un enfoque poderoso que se ha construido a partir de la programación lineal. Ambas áreas de estudio son actualmente objeto de considerable interés y desarrollo, y representan temas potencialmente importantes para los futuros gerentes, tomadores de decisiones y administradores. La programación por metas se aplica generalmente a modelos lineales; es una extensión de la PL que permite a la persona que planifica aproximarse lo más posible para satisfacer diversas metas y restricciones. Con dicha extensión la persona que toma las decisiones puede incorporar, por lo menos en un sentido heurístico, su propio sistema de preferencias al enfrentarse a múltiples metas antagónicas. Algunas veces se considera que es un intento de colocar en un contexto de programación matemática un concepto que combina las ideas de satisfacción y complacencia. Este término fue acuñado por Herbert Simon, ganador del Premio Nobel de economía, para transmitir la idea de que en algunas ocasiones las personas no buscan las soluciones óptimas, sino más bien soluciones suficientemente buenas o aproximaciones aceptables ; en otras palabras, ese término se refiere al deseo de maximizar varios objetivos en forma simultánea a niveles mínimamente satisfactorios. 1
2 Programación de Metas - Conceptualizacion En el Tema No. 1 todos los problemas formulados tenían un solo objetivo, como por ejemplo maximizar ganancias o minimizar costos. No obstante, en muchas ocasiones nos enfrentamos a situaciones que pueden tener objetivos múltiples, es decir, dos o más metas por lograr. Estos objetivos, algunas veces, entran en conflicto entre sí. Solo se puede optimizar un objetivo a expensas de los otros. Los objetivos múltiples pueden presentarse en problemas lineales, enteros e, incluso, no lineales. Todo lo anterior entra en el objetivo del presente tema de Programación de Metas o Programación Multiobjetivo. La esencia de cómo se formula un modelo de programación lineal sigue siendo la misma en programación por meta, es decir, también se tiene una función objetivo que optimizar sujeta a una o más restricciones. Sin embargo, dentro de este marco de referencia se agregarán dos conceptos nuevos. El primero es el de las restricciones de meta, a parte de las restricciones de recurso que se han analizado. El segundo concepto es el de rango de prioridad entre las funciones de objetivo. Una vez que se establece un problema en el formato del modelo general de programación lineal, para obtener la solución puede aplicarse el método simplex, modificado solo para tomar en cuenta las prioridades. La programación por metas es un enfoque para tratar problemas de decisión gerencial que comprenden metas múltiples, algunas veces en conflicto. El tomador de decisiones debe ser capaz de establecer al menos una importancia ordinal, para clasificar estas metas. Una ventaja importante de la programación meta es su flexibilidad en el sentido de que permite al tomador de decisiones, experimentar con una multitud de variaciones de las restricciones y de prioridades de las metas cuando se involucra con un problema de decisión de objetivos múltiples. El primer paso en la formulación de un modelo de programación por metas consiste en fijar los atributos que se consideran relevantes para el problema que se está analizando. Una vez establecidos los atributos, se pasa a determinar el nivel de aspiración que corresponde a cada atributo, 2
3 es decir, el nivel de logro que el centro decisor desea alcanzar. Seguidamente, se conecta el atributo con el nivel de aspiración, por medio de la introducción de las variables de desviación negativa y positiva, respectivamente. Así para el atributo i-ésimo, se tiene la siguiente meta: donde, como es habitual, f(x) representa la expresión matemática del atributo i-ésimo, Ti su nivel de aspiración, ni y pi las variables de desviación negativa y positiva, respectivamente. Las variables de desviación negativa cuantifican la falta de logro de una meta con respecto a su nivel de aspiración, mientras que las variables de desviación positiva cuantifican el exceso de logro de una meta con respecto a su nivel de aspiración. Como un nivel de aspiración no puede simultáneamente sobrepasarse y quedar por debajo de él, al menos una de las dos variables de desviación tomarán valor cero cuando la meta alcanza exactamente su nivel de aspiración. Una vez clarificado el significado de las variables de desviación, es importante introducir el concepto de variable de decisión no deseada. Una variable de decisión se dice que no es deseada cuando al centro decisor le interesa que la variable en cuestión alcance su valor más pequeño (esto es cero). Cuando la meta deriva de un atributo del tipo más del atributo mejor (objetivo a maximizar) la variable no deseada (a minimizar), será la variable de desviación negativa (cuantificación de la falta de logro). Cuando por lo contrario, la meta está relacionada con un atributo que significa o resulta mejor (objetivo a minimizar) la variable no deseada (a minimizar) será la variable de desviación positiva. Finalmente, cuando se desea alcanzar exactamente el nivel de aspiración tanto la variable de desviación negativa como la positiva son variables no deseadas y por tanto variables a minimizar. Es importante destacar que estas variables de desviación llamadas no deseados son las que vamos a considerar en la ecuación objetivo, que siempre en un problema de metas tiene como objetivo la minimización de estas variables no deseadas. 3
4 Características de los problemas de Programación de Metas La Función Objetivo siempre busca minimizar. Por cada meta existirá una restricción meta. Las metas se satisfacen en una secuencia ordinal. Esto es, que las metas que deben clasificarse en orden de prioridad por el tomador de decisiones son satisfechas secuencialmente por el algoritmo de solución. Las metas con prioridad baja se consideran solamente después de que las metas de prioridad alta se han cumplido. La Programación de metas es un proceso de satisfacción, en el sentido de que el tomador de decisiones tratará de alcanzar un nivel satisfactorio en vez del mejor resultado posible para un solo objetivo. La noción fundamental de la Programación Meta, comprende incorporar todas las metas gerenciales en la formulación del modelo del sistema. En la programación Meta, en vez de intentar minimizar o maximizar la Función Objetivo directamente, como en la programación lineal, se minimizan las desviaciones entre las metas y los límites logrables dictados por el conjunto dado de restricciones en los recursos. Estas variables de desviación, que se denominan de "holgura" o "sobrantes" en programación lineal, toman un nuevo significado en la Programación Meta. Ellas se dividen en desviaciones positivas y negativas de cada una de las metas. El objetivo se convierte entonces en la minimización de estas desviaciones, dentro de la estructura prioritaria asignada a estas desviaciones. Las metas se satisfacen en el orden de prioridad establecido por el tomador de decisiones. Las metas no necesitan satisfacerse exactamente sino tan cerca como sea posible. 4
5 Formulación de un Modelo de Programación de Metas La formulación de un modelo de Programación Meta es similar al modelo de Programación Lineal (P.L). Inicialmente se deben definir las variables de decisión del modelo, después se deben de especificar, al menos teóricamente, todas las metas gerenciales en orden de prioridad. Un paso clave es la identificación y formulación de las restricciones, a los fines de este curso, recomendamos inicialmente formular las restricciones tradicionales del modelos (ya sean de recursos, demandas etc) y posteriormente las restricciones metas (recuerde que por cada meta debe existir una restricción meta). Finalmente proceda a formular la función objetivo, tenga en cuenta que la función objetivo en un problema de programación de metas siempre es de minimizar y las únicas variables que son consideradas en la misma son las variables desviacionales, tal como ya se señaló anteriormente. Formulación de Restricciones Metas En un problema de formulación de metas la formulación de las restricciones metas se considera sumamente relevante para el problema que se está analizando. Una vez que se haya establecido cada una de las metas, se pasa a determinar el nivel de aspiración que corresponde a cada atributo, es decir, el nivel de logro que el centro decisor desea alcanzar. Seguidamente, se conecta cada meta con su nivel de aspiración, por medio de la introducción de las variables de desviación negativa y positiva, respectivamente: n: variable de desviación negativa, cuantifica la falta de logro de una meta p: variable de desviación positiva, cuantifica el exceso de logro de una meta En general, la meta del atributo i-ésimo se escribe como: ax1 +bx2 +dni - - dpi + = Mi 5
6 Los valores de las variables de desviación son siempre positivas o cero, al menos una de las dos variables de desviación que definen la meta tendrá que ser cero. Las dos variables de desviación tomarán el valor cero cuando la meta alcance exactamente su nivel de aspiración, Mi. Una variable de desviación se dice que es no deseada cuando al centro decisor le conviene que la variable en cuestión alcance su valor más pequeño, es decir, cero. Formulación de la función objetivo La función objetivo para un problema de programación por meta siempre es minimizar alguna combinación de variables de desviación o variables desviacionales. Desde un punto de vista de toma de decisiones administrativa, esto significa que se está buscando la combinación de variables reales por ejemplo (mesas y sillas) que cumplan mejor con todos los objetivos. Esto podría llamarse optimizar un conjunto de objetivos "satisfactorios". La forma exacta de la función objetivo varía según la respuesta a estas dos preguntas: 1. Son conmensurables o proporcionales los objetivos? 2. Cuál es la importancia relativa de cada objetivo? Objetivos conmensurables de igual importancia: este es el caso más sencillo, aunque muy pocas veces se encuentra en la práctica. Aquí los objetivos se miden en una escala común conmensurables y tienen la misma importancia. Ponderación preferente de los objetivos: las ponderaciones de preferencia pueden aplicarse a cualquier grupo de objetivos conmensurables. Las ponderaciones deben reflejar la utilidad o el valor de los objetivos. Rango de prioridad de los objetivos: que pasa cuando los objetivos no son conmensurables, cuando no hay una escala común para 6
7 comparar las desviaciones de los diferentes objetivos?. Este es un caso importante, al que se enfrentan con frecuencia los administradores. Si el administrador puede ordenar o dar un rango para sus metas entonces la solución es posible. Quizás no sea una tarea fácil dar un rango a los objetivos de acuerdo con su importancia pero es algo que la mayoría de las personas entienden y pueden lograr. En la programación por objetivos se le asigna la prioridad P1al objetivo más importante, siguiendo P2 a una prioridad más baja. No existe límite en el número de niveles de prioridad pero debe asignarse una prioridad para cada variable de desviación. Se permiten empates o prioridades iguales. Los problemas de programación por meta se resuelven en orden de prioridad. Es decir, se prueba la optimización en el nivel de prioridad más alto ignorando las prioridades más bajas hasta optimizar este nivel. Aplicaciones de los Modelos de Programación de Metas La programación por metas es un enfoque para tratar problemas de decisión gerencial que comprenden metas múltiples o inconmensurables, de acuerdo a la importancia que se le asigne a estas metas. El tomador de decisiones debe ser capaz de establecer al menos una importancia ordinal, para clasificar estas metas. Una ventaja importante de la programación meta es su flexibilidad en el sentido de que permite al tomador de decisiones, experimentar con una multitud de variaciones de las restricciones y de prioridades de las metas cuando se involucra con un problema de decisión de objetivos múltiples. La programación meta también es aplicable, entre otras, en las siguientes áreas: 7
8 MERCADEO: Donde las metas conflictivas podrían ser: maximizar la participación del mercado, minimizar los costos de publicidad, maximizar el margen de ganancia por artículo vendido. CONTROL DE INVENTARIOS: Donde es necesario minimizar el número de faltantes y minimizar el costo de almacenaje. PRODUCCION: Donde es necesario minimizar el costo de fabricación, minimizar el número de producto rechazados y maximizar la utilización de recursos. Ejemplos de problemas de Programación de Metas Ejercicio de Metas Con Prioridad Considera la situación de Schwim Manufacturing Company en donde la administración desea alcanzar varias metas. Ahora supondremos que la administración desea ordenar dichas metas en orden de importancia y que la meta más importante tiene prioridad absoluta sobre la siguiente meta más importante y así sucesivamente. Para lograr que las metas de baja prioridad se consideren solamente después de lograr las metas de alta prioridad, se clasifican las metas en k rangos y las variables de desviación asociadas con las metas, se les asigna un número prioritario Pj (j = 1,2,..., k). Los factores de prioridad satisfacen P1>>>P2>>>...Pj>>>Pj+1. Las relaciones de prioridad implican que la multiplicación por n, no importa que tan grande sea n, no puede hacer una meta de baja prioridad tan importante como una meta de alta prioridad (por ejemplo: Pj>nPj+1). Ahora supongamos que la división de bicicletas de Schwim, además de lograr sus $ de meta primaria de utilidad, desea utilizar completamente sus departamentos de ensamblaje y terminación durante la reorganización que se avecina. Esto es, como una meta secundaria, la división desea minimizar el tiempo ocioso. La formulación del modelo es: 8
9 Minimizar Z = P1 (d1- + d1+) + P2(d2-+d3-) S.A. 15x1+25x2 +d1 - - d1 + = 600 x1 +3x2 + d2 - - d2 + = 60 x1 +x2 +d3 - - d3 + = 40 x1, x2, di -,di + = 0 Donde: x1 = Número de bicicletas de 3 velocidades producidas por día x2 = Número de bicicletas de 10 velocidades producidas por día d1 - = Cantidad por debajo de la utilidad perseguida d1 + = cantidad por encima de la utilidad perseguida d2 - = Tiempo ocioso diario en el departamento de ensamble d2 + = Tiempo extra diario en el departamento de ensamble d3 - = Tiempo ocioso diario en el departamento de terminación. d3 + = Tiempo extra diario en el departamento de terminación. Nota: Puesto que d1 - y d1 + se incluyen en la función objetivo, el modelo intentará lograr exactamente la utilidad diaria perseguida de $600, minimizando tanto las desviaciones positivas como las negativas. Con d2 + d3 + y eliminados de la función objetivo, sin embargo, el modelo no se preocupará del tiempo extra en el departamento de ensamble o terminación e intentará minimizar solamente el tiempo ocioso en estos departamentos. Debido a que la meta de utilidad perseguida es más importante que la meta de minimización del tiempo ocioso, a esta se le asigna prioridad P1. El 9
10 modelo intentará lograr esta meta hasta donde más le sea posible antes de considerar la meta secundaria de minimizar el tiempo ocioso de producción. Ejemplo 2: MTV Steel Company produce tres tamaños de tubos: A, B y C, que son vendidos, respectivamente en $10, $12 y $9 por pie. Para fabricar cada pie del tubo A se requieren 0.5 minutos del tiempo del procesamiento sobre un tipo particular de maquina de modelado. Cada pie del tubo B requiere 0.45 minutos y cada pie del tubo C requiere 0.6 minutos. Después de la producción, cada pie de tubo, sin importar el tipo, requiere de 1 onza de material de soldar. El costo se estima en $3, $4 y $4 por pie de los tubos A, B y C respectivamente. Para la siguiente semana, MTV Steel ha recibido pedidos excepcionalmente grandes que totalizan 2000 pies del tubo A, 4000 pies del tubo B y 5000 pies del tubo C. como solo se disponen de 40 horas de tiempo de maquina esta semana y solo se tienen en inventario 5500 de onzas de material de soldar, el departamento de producción no podrá satisfacer esta demanda, que requiere un total de 97 horas de tiempo de maquina y onzas de material de soldar. No se espera que continúe este alto nivel de demanda. En vez de expandir la capacidad de las instalaciones de producción, la gerencia de MTV Steel esta considerando la compra de algunos de estos tubos a por-veedores de Japón a un costo de entrega de $6 por pie del tubo A, $6 por pie del tubo B y $7 por pie del tubo C. Supóngase que la compañía se ha establecido una meta de ganancia de $ y desea que los costos de importación no superen los $ Formule este modelo como un problema de metas, sabiendo que la meta de ganancia es dos veces más importante que la meta de costos de importación. Tipo Precio de Venta Demanda (pie) Tiempo de Material Costo de Costo ($/pie) Máquina (min/pie) soldar (oz/pie) producción ($/pie) compra ($/pie) de 10
11 CANTIDAD DISPONIBLE 40HR 5500 OZ Identificación de las variables. AP = número de pies de Tubo A por producir BP = número de pies de Tubo B por producir. CP = número de pies de Tubo C por producir. AJ = número de pies de Tubo A por comprar a Japón. BJ = número de pies de Tubo B por comprar a Japón. CJ = número de pies de Tubo C por comprar a Japón. Variables de decisión. P+ = cantidad de dólares en que se excede la ganancia de la meta de $5500 P- = cantidad de dólares que faltan para la ganancia meta de $55000 I+ = cantidad de dólares en que las importaciones exceden la meta de $40000 I - = cantidad de dólares que faltan para que las importaciones alcancen la meta de $ DENTIFICACIÓN DE LA FUNCIÓN OBJETIVO MINIMIZAR 2P - + I + IDENTIFICACIÓN DE LAS RESTRICCIONES RESTRICCIONES DE DEMANDA AP + AJ = 2000 (DEMANDA TIPO A) BP + BJ = 4000 (DEMANDA TIPO B) CP + CJ = 5000 (DEMANDA TIPO C) RESTRICCIONES DE RECURSOS 0.5AP BP + 0.6CP 2400 (TIEMPO DE MAQUINA) AP + BP + CP 5500 (MATERIAL DE SOLDADURA) RESTRICCIONES DE METAS 7AP + 8BP + 5CP + 4AJ + 6BJ + 2CJ P + + P - = (META DE GANANCIA) 6AJ + 6BJ + 7CJ I + + I - = (META DE IMPORTACIÓN) RESTRICCIONES LÓGICAS AP, BP, CP, AJ, BJ, CJ, P +, P -, I +, I
12 Bibliografía Anderson, D.; Sweeney, D.; Williams, T. (2004). Métodos cuantitativos para los negocios. México. Editorial Thomson. Eppen, G.; Gould, F. J.; Moore, J.; Schmidt. C.; Weatherford, L. (1998). Investigación de Operaciones en la Ciencia Administrativa. México. Editorial Prentice Hall Hillier, F.; Liberman, G. (2001). Investigación de Operaciones. México. Editorial Mc. Graw Hill. Mathur, K.; Solow, D (1996). Investigación de Operaciones. El arte de la toma de decisiones. México. Prentice Hall. Taha, H. (2004). Investigación de Operaciones. México. Perason Prentice Hall. Wayne, W. (2005). Investigación de Operaciones. Aplicaciones y Algoritmos. México. Editorial Thomson. 12
Ejercicios Propuestos
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA ÁREA DE TECNOLOGÍA DEPARTAMENTO DE GERENCIA INVESTIGACIÓN DE OPERACIONES PROFESOR: Dr. JUAN LUGO MARÍN Tema No. 1 Modelación Matemática. Programación
Más detallesMODELIZACION 01. Universidad Nacional de La Pampa Facultad de Ciencias Económicas y Jurídicas 18 - Métodos Cuantitativos para la Administración
Bibliografía Mathur y Solow; Investigación de Operaciones - El arte de la toma de decisiones. Ed. Prentice Hall Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración.
Más detallesCasos especiales de la P. L.
Casos especiales de la P. L. Programación por Objetivos Proporciona una manera racional de intentar alcanzar varios objetivos de manera simultánea, jerarquizando los mismos o asociándoles una ponderación
Más detallesAsignatura: Investigación de Operaciones
Asignatura: Investigación de Operaciones Tema II: Programación Lineal Contenido: Definición de P.L. Planteamiento del modelo de P.L. Objetivos: Conocer e interpretar los elementos del modelo. Platear modelos
Más detallesII. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
II. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El estudiante, conocerá los fundamentos en que se basan las herramientas de la investigación de operaciones para la toma de decisiones.
Más detalles7. PROGRAMACION LINEAL
7. PROGRAMACION LINEAL 7.1. INTRODUCCION A LA PROGRMACION LINEAL 7.2. FORMULACION DE UN PROBLEMA LINEAL 7.3. SOLUCION GRAFICA DE UN PROBLEMA LINEAL 7.4. CASOS ESPECIALES DE PROBLEMAS LINEALES 7.4.1. Problemas
Más detallesTema No. 3 Métodos de Resolución de Modelos de Programación Lineal. El Método Gráfico y Método Simplex Autoevaluación y Ejercicios Propuestos
UNIVERSIDAD NACIONAL EXPERIMENTAL FRANCISCO DE MIRANDA ÁREA DE TECNOLOGÍA DEPARTAMENTO DE GERENCIA INVESTIGACIÓN DE OPERACIONES PROFESOR: Dr. JUAN LUGO MARÍN Tema No. 3 Métodos de Resolución de Modelos
Más detallesUNIDAD III. INVESTIGACIÓN DE OPERACIONES
UNIDAD III. INVESTIGACIÓN DE OPERACIONES Objetivo de la unidad: El alumno resolverá problemas utilizando la programación lineal y de proyectos para sugerir cursos de acción de mejora en las empresas turísticas
Más detallesSECUENCIA DIDÁCTICA. Módulo
SECUENCIA DIDÁCTICA Nombre de curso: Investigación de Operaciones Antecedente Clave de curso: MAT0902A21 Clave de antecedente: Módulo Competencia de Módulo: Desarrollar programas de cómputo utilizando
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: INVESTIGACION DE OPERACIONES CÓDIGO: CARRERA: NIVEL: INGENIERÍA DE SISTEMAS Cuarto No. CRÉDITOS: 4 CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: SEMESTRE / AÑO ACADÉMICO:
Más detallesClase #1 INTRODUCCIÓN: INVESTIGACIÓN DE OPERACIONES (I.O.) Y MODELAMIENTO MATEMATICO
Clase #1 INTRODUCCIÓN: INVESTIGACIÓN DE OPERACIONES (I.O.) Y MODELAMIENTO MATEMATICO CONTENIDO 1. Objetivos del curso 2. Programa Resumido 3. Evaluaciones 4. Bibliografía 5. Orígenes de la I. O. 6. Casos
Más detallesFACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA CIVIL SÍLABO. 1.1 Asignatura: INVESTIGACIÓN DE OPERACIONES
SÍLABO I. DATOS GENERALES 1.1 Asignatura: INVESTIGACIÓN DE OPERACIONES 1.2 Carácter: Electivo 1.3 Carrera Profesional: Ingeniería Civil 1.4 Código: 0802-08E02 1.5 Ciclo Académico: sexto ciclo 1.6 Horas
Más detallesCarrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos. Academias
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones Ingeniería en Agronomía AGM 0622 3 2 8 2. HISTORIA
Más detallesPlan de Estudios 2007 de la Licenciatura en Contaduría Unidad Académica de Contaduría y Administración
1 MODELOS OPERACIONALES 1. GENERALIDADES 3. ESTRUCTURA DIDACTICA Clave: M56 H S C: 4 Semestre: 5º. Créditos: 7 Área: Matemáticas 2. REQUISITOS Asignatura antecedente: Cálculo aplicado Asignatura consecuente:
Más detallesAPUNTE: Introducción a la Programación Lineal
APUNTE: Introducción a la Programación Lineal UNIVERSIDAD NACIONAL DE RIO NEGRO Asignatura: Matemática Carreras: Lic. en Administración Profesor: Prof. Mabel Chrestia Semestre: do Año: 06 Definición La
Más detallesINGENIERÍA EN MECATRÓNICA
INGENIERÍA EN MECATRÓNICA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Optativa II Métodos cuantitativos para la toma de decisiones en administración 2. Competencias
Más detallesIngeniería Mecánica e Industrial Ingeniería Industrial Ingeniería Industrial División Departamento Carrera(s) en que se imparte
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 15 de octubre de 2008 INVESTIGACIÓN
Más detallesContenido: Solución algebraica a los problemas de programación lineal con el método simplex.
Tema II: Programación Lineal Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Introducción El método simplex resuelve cualquier problema de PL con un conjunto
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DEPARTAMENTO DE FORMACIÓN BÁSICA PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica(s) FACULTAD DE INGENIERÍA 2. Programa (s)
Más detallesTrabajo Práctico Nº 8: Programación Lineal
Trabajo Práctico Nº 8: Programación Lineal 1. Utilice el método gráfico para resolver los siguientes problemas: a. Maximizar Z = x1 + x2 x 1 + 5x 2 = 0 b. Maximizar
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesProgramación Lineal. María Muñoz Guillermo Matemáticas I U.P.C.T. M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13
Programación Lineal María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13 Qué es la Programación Lineal? Introducción La Programación
Más detallesProblema 1. Problema 1. Problema 1. Problema 1. Problema 1. Modelos Lineales
Modelos Lineales ANALISIS DE SENSIBILIDAD PROTAC Inc. produce dos líneas de maquinaria pesada. Una de sus líneas de productos, llamada equipo de excavación, se utiliza de manera primordial en aplicaciones
Más detallesINVESTIGACION DE OPERACIONES (HAMDY A. TAHA) PROBLEMAS DE PLANTEAMIENTO DEL CAPITULO II
INVESTIGACION DE OPERACIONES (HAMDY A. TAHA) PROBLEMAS DE PLANTEAMIENTO DEL CAPITULO II (TAHA) 2.2-1 Se procesan tres productos a través de tres opciones diferentes. Los tiempos en minutos requeridos por
Más detallesUNIDAD II. PROGRAMACIÓN LINEAL
UNIDAD II. PROGRAMACIÓN LINEAL OBJETIVO DE APRENDIZAJE: El alumno identificará y analizará problemas de optimización de funciones y recursos para mejorar la operación de una organización. Introducción
Más detallesInvestigación de Operaciones I
Investigación de Operaciones I Nombre de la Materia Investigación de Operaciones I Departamento Ciencias Económicas Administrativas Academia Economía y métodos cuantitativos Clave Horas-teoría Horas-práctica
Más detalles1 de septiembre de 2017
- INSTITUTO TECNOLOGICO METROPOLITANO INGENIERIA DE PRODUCCCION Investigacion de operaciones I Planteamiento de Modelos - Metodo Grafico Wbaldo Londoño de septiembre de 207 Contenido - 2 3 4 5 6 7 8-9
Más detallesUNIVERSIDAD DEL CAUCA FACULTAD DE INGENIERIA ELECTRÓNICA Y TELECOMUNICACIONES PROGRAMA DE INGENIERIA DE SISTEMAS
UNIVERSIDAD DEL CAUCA FACULTAD DE INGENIERIA ELECTRÓNICA Y TELECOMUNICACIONES PROGRAMA DE INGENIERIA DE SISTEMAS ASIGNATURA: INVESTIGACIÓN DE OPERACIONES CODIGO: PIS109 / 338 MODALIDAD: PRESENCIAL TEORICO
Más detallesUniversidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9
IO04001 Investigación de Operaciones I Tema # 9 Otras aplicaciones del método simplex Objetivos de aprendizaje Al finalizar el tema serás capaz de: Distinguir y aplicar la técnica de la variable artificial.
Más detallesPROGRAMACION DE REDES. MODELOS DE TRANSPORTE
PROGRAMACION DE REDES. MODELOS DE TRANSPORTE El modelo de transporte o modelo de distribución es un ejemplo de un problema de optimización de redes. Se aplican para resolver ciertos tipos de problemas
Más detallesInstituto de Ciencias Básicas e Ingeniería
Instituto de Ciencias Básicas e Ingeniería Área Académica de Ingeniería Licenciatura en Ingeniería Industrial Gestión de la producción Tema: Modelo de lote económico (EOQ) Profesores: Marco Antonio Ramírez
Más detallesSECUENCIA DIDÁCTICA. Nombre de curso: Investigación De Operaciones Clave de curso: MAT1102A21. Módulo
SECUENCIA DIDÁCTICA Nombre de curso: Investigación De Operaciones Clave de curso: MAT1102A21 Antecedente: Estadística Clave de antecedente: MAT1002A21 Módulo Competencia de Módulo: Detectar oportunidades
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesOptimización. Condiciones de Karush-Kuhn-Tucker ITESM. Condiciones de Karush-Kuhn-Tucker Profr. E. Uresti - p. 1/30. Dr. E Uresti
Optimización Condiciones de Karush-Kuhn-Tucker Dr. E Uresti ITESM Condiciones de Karush-Kuhn-Tucker Profr. E. Uresti - p. 1/30 Las condiciones necesarias que deben satisfacer los óptimos de problemas de
Más detallesEcuaciones lineales CAPÍTULO 2
CAPÍTULO 2 2.1 ECUACIONES LINEALES 2.2 CARACTERÍSTICAS GRÁFICAS 2.3 FORMA DE PENDIENTE-INTERCEPCIÓN 2.4 DETERMINACIÓN DE LA ECUACIÓN DE UNA LÍNEA RECTA 2.5 ECUACIONES LINEALES CON MÁS DE DOS VARIABLES
Más detallesDirección de Operaciones
Dirección de Operaciones 1 Sesión No. 9 Nombre: Problemas de transporte y asignación. Primera parte. Objetivo Al finalizar la sesión, el alumno será capaz de Contextualización Cuál es el valor de estudiar
Más detalles5 de mayo de Evaluación 1 PETROLEO MUNDIAL C.A. El Constructor. Gasolina. Fábrica de calzados. calzados. Analisis de Sensibilidad
- INSTITUTO TECNOLOGICO METROPOLITANO INGENIERIA DE PRODUCCCION Investigacion de operaciones I sensibilidad-teoria de la Wbaldo Londoño 5 de mayo de 206 Contenido - 2 3 4 5 6 7-8 - La empresa puede comprar
Más detallesModelo de simulación-optimización para el mejoramiento de políticas de inventario en una empresa del sector plástico
Modelo de simulación-optimización para el mejoramiento de políticas de inventario en una empresa del sector plástico Juan Esteban de la Calle Echeverri Maria Alejandra Arango Juan Carlos Rivera Universidad
Más detallesFacultad de Ciencias Económicas, Jurídicas y Sociales - Métodos Cuantitativos para los Negocios
Ubicación dentro del Programa Unidad III UNIDAD II: PROGRAMACIÓN LINEAL 1. Característica. Formulación matemática de un problema de programación lineal. Planteo e interpretación de un sistema de inecuaciones.
Más detallesEntre sus requisitos se encuentra el curso DN-3520 Principios de Finanzas.
UNIVERSIDAD DE COSTA RICA FACULTAD DE CIENCIAS ECONOMICAS ESCUELA DE ADMINISTRACION DE NEGOCIOS CATEDRA DE METODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES PROGRAMA DEL PRIMER CICLO DEL 2006 Lic. Anaida
Más detallesINVESTIGACIÓN OPERATIVA Resolución Nº 376/10 R. ANEXO Carga Horaria: 150 horas Programa vigente desde: 2011 Carrera Año Cuatrimestre
INVESTIGACIÓN OPERATIVA Resolución Nº 376/10 R. ANEXO Carga Horaria: 150 horas Programa vigente desde: 2011 Carrera Año Cuatrimestre INGENIERÍA EN SISTEMAS Tercero Segundo CORRELATIVA PRECEDENTE (*) CORRELATIVA
Más detallesTEMA 2: PROGRAMACIÓN LINEAL.
TEMA : PROGRAMACIÓN LINEAL.. 1. INTRODUCCIÓN. La Programación Lineal (PL) puede considerarse como uno de los grandes avances científicos habidos durante la primera mitad del siglo XX y sin duda es una
Más detallesUNIVERSIDAD DE GUADALAJARA
UNIVERSIDAD DE GUADALAJARA FORMATO GENERAL PROGRAMA DE ASIGNATURA NOMBRE DE MATERIA INVESTIGACIÓN DE OPERACIONES II CÓDIGO DE MATERIA MC 110 DEPARTAMENTO CIENCIAS BIOLÓGICAS ÁREA DE FORMACIÓN BÁSICA PARTICULAR
Más detallesUnidad I: Programación Lineal
Unidad I: Programación Lineal 1.1 Definición, desarrollo y tipos de modelos de investigación de operaciones Actualmente la administración está funcionando en un ambiente de negocios que está sometido a
Más detallesComponentes de la Programación Lineal
Programación Lineal El desarrollo actual de la Programación Lineal para los negocios y la industria se debe al Dr. George Dantzig. Dantzig presentó su Método Simplex (1947) para resolver este tipo de problemas.
Más detallesProgramación Lineal. El método simplex
Programación Lineal El método simplex El método simplex es una herramienta algebraica que permite localizar de manera eficiente el óptimo entre los puntos extremos de una solución a un problema de programación
Más detallesUNIVERSIDAD DE GUADALAJARA
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS VALLES PROGRAMA DE ESTUDIO MÉTODOS DE OPTIMIZACIÓN I.- DATOS GENERALES DEL PROGRAMA DE ESTUDIOS 1. Nombre de la Asignatura: MÉTODOS DE OPTIMIZACIÓN
Más detallesPara poder elaborar el problema dual a partir del primal, este se debe presentar en su forma canónica de la siguiente forma:
TEORIA DE LA DUALIDAD. Cada problema de programación lineal tiene un segundo problema asociado con él. Uno se denomina primal y el otro dual. Los 2 poseen propiedades muy relacionadas, de tal manera que
Más detallesUniversidad Autónoma del Estado de México Licenciatura en Informática Administrativa Programa de Estudios: Modelos de Optimización
Universidad Autónoma del Estado de México Licenciatura en Informática Administrativa 2003 Programa de Estudios: Modelos de Optimización I. Datos de identificación Licenciatura Informática Administrativa
Más detallesMATE Método Simplex maximización estándar
MATE 3012 Método Simplex maximización estándar Problema de maximización estándar Un problema de maximización de programación lineal está en la forma estándar, si la función objetiva w = c 1 x 1 + c 2 x
Más detallesSECUENCIA DIDÁCTICA. Nombre de curso: Investigación de Operaciones para la Toma de Decisiones. Módulo IV Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Investigación de Operaciones para la Toma de Decisiones Antecedente: Estadísticas Módulo IV Competencia de Módulo: Clave de curso: MAT2204C11 Clave de antecedente:
Más detallesColección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30
1.- Dado el siguiente problema mín Z = 8x 1 + 9x + 7x 3 s. a: x 1 + x + x 3 40 x 1 + 3x + x 3 10 x 1 + x x 3 30 x 1 0, x 0, x 3 0 A) Plantear el problema dual y escribir las condiciones de la holgura complementaria
Más detallesAlineación Estratégica Eentro de un
Alineación Estratégica Eentro de un Proceso Productivo,Aplicando un Modelo de Optimización por Metas. No. de Reserva: 04-2014-08110025600-203 ISSB: 2007-977X Vol. 1, No. 3 Alineación Estratégica Dentro
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesPontificia Universidad Católica del Ecuador PROGRAMA ANALÍTICO CUARTO NO APLICA SEMESTRE II PRERREQUISITOS
PROGRAMA ANALÍTICO 1. DATOS INFORMATIVOS AGNATURA: INVESTIGACIÓN OPERATIVA CÓDIGO: 12859 CARRERA: NIVEL: ADMINISTRACIÓN DE EMPRESAS CUARTO No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 4 CRÉDITOS PRÁCTICA: SEMESTRE
Más detallesUINIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
UINIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO ASIGNATURA:
Más detallesInvestigación Operativa I
Investigación Operativa I Página 1 de 7 Programa de: Investigación Operativa I UNIVERSIDAD NACIONAL DE CÓRDOBA Facultad de Ciencias Exactas, Físicas y Naturales República Argentina Código: 6409 Carrera:
Más detallesUNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA
, UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA,, DEPARTAMENTO DE FORMACION BASICA PROGRAMA DE ASIGNATURA POR COMPETENCIAS :;::~ ':: : :.; _ ~. :- -. '.._.,,. _,.. '. :;: -: ' :'::-:'. ',;: ' -;,_..,. : : :..:
Más detallesPROGRAMA DE LA MATERIA: Investigación Operativa Módulos semanales 3 Días de dictado: L M M J V S 3
1 Técnico Superior en Análisis de Sistemas Plan 2003 Res: 6175/03 PROGRAMA DE LA MATERIA: Investigación Operativa 11318 Area: SISTEMAS Equipo Docente Silvio Hugo Solari Módulos semanales 3 Días de dictado:
Más detallesCOMPLETACION: Escriba la respuesta correcta. PARTE PRACTICA: Desarrolle en forma clara y ordenada cada uno de los siguientes ejercicios.
Funciones EXAMEN II PARCIAL /7/4 COMPLETACION: Escriba la respuesta correcta. Valor % c/u ) La pendiente de la ecuación x 5y es: ) El vértice de la función x es: x x ) El punto faltante de la función es
Más detallesCAPITULO 6. DECICISONES BAJO RIESGO -PROGRAMACION META
CAPITULO 6. DECICISONES BAJO RIESGO -PROGRAMACION META INTRODUCCION La mayoría de las situaciones de decisión real, sean personales o profesionales, se caracterizan por metas (atributos) y objetivos múltiples
Más detallesInformación general. Programación Lineal. Obligatoria básica o de fundamentación X. 3 Horas de trabajo independiente del estudiante
Información general Asignatura Programación Lineal Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos 3 Tipo de crédito Horas de trabajo con acompañamiento directo del profesor
Más detallesTEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES.
TEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES. 1. INTRODUCCIÓN. PLANTEAMIENTO DE PROBLEMAS EN INGENIERÍA QUÍMICA 2. PROBLEMAS EXPRESADOS MEDIANTE
Más detalles2.3 Clasificación de modelos matemáticos.
2.3 Clasificación de modelos matemáticos. Qué es un modelo? Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien
Más detallesInformación de la cátedra Profesores: Grupo 01: Prof. Fernando Sanchez.
2008: Hacia el proceso de autoevaluación y autorregulación. Asumiendo el reto para la excelencia profesional Misión Promover la formación humanista y profesional en el área de los negocios, con responsabilidad
Más detalles1. Datos descriptivos de la asignatura y del profesorado
1. Datos descriptivos de la asignatura y del profesorado Código: 619 Asignatura: Técnicas Cuantitativas de Decisión Empresarial Titulación: Licenciado en Administración y Dirección de Empresas Centro:
Más detallesMODELOS DE PROGRAMACION LINEAL VARIABLES Xij
MODELOS DE PROGRAMACION LINEAL VARIABLES Xij 1. Construcción de modelos de programación lineal con variables Xij. 2. Aplicaciones en finanzas, marketing, producción. 3. Modelos de transporte y transbordo.
Más detallesFoja 1 de 5. Programa de: Modelos Cuantitativos para la Toma de Decisiones. Código: OP4. Carrera: Maestría en Ciencias de la Ingeniería.
Programa de: Foja 1 de 5 Modelos Cuantitativos para la Toma de Decisiones UNIVERSIDAD NACIONAL DE CORDOBA FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y NATURALES REPUBLICA ARGENTINA Carrera: Maestría en Ciencias
Más detallesPrograma de estudio INVESTIGACIÓN DE OPERACIONES
e Programa de estudio 1.-Área académica Técnica 2.-Programa educativo Ingeniería Industrial 3.-Dependencia académica Facultad De Ingeniería Mecánica Eléctrica Cd. Mendoza 4.-Código 5.-Nombre de la Experiencia
Más detallesMG-617-T Modelos para la Toma de Decisiones en honor a Carlos Dreyfus
Pontificia Universidad Católica Madre y Maestra Recinto Santo Tomás de Aquino Vice Rectoría de Post Grado 1 MG-617-T Modelos para la Toma de Decisiones en honor a Carlos Dreyfus Ing. Rubén Darío Estrella
Más detallesFundamentos de la programación lineal. Función Objetivo (F.O.): Para seleccionar qué función objetivo debe elegirse se toma en cuenta lo siguiente:
Fundamentos de la programación lineal Se llama programación lineal al conjunto de técnicas matemáticas que pretenden resolver la situación siguiente: Optimizar (maximizar o minimizar) una función objetivo,
Más detallesUNIVERSIDAD RICADO PALMA
I. DATOS ADMINISTRATIVOS UNIVERSIDAD RICADO PALMA FACULTAD DE INGENIERIA Escuela de Ingeniería Informática Investigación de Operaciones I SYLLABUS 1.0 ESCUELA : Ingeniería Informática 1.1 CURSO : Investigación
Más detallesCapítulo 4 Método Algebraico
Capítulo 4 Método Algebraico Introducción En la necesidad de desarrollar un método para resolver problemas de programación lineal de más de dos variables, los matemáticos implementaron el método algebraico,
Más detallesCAPÍTULO 4 Funciones Económicas
CAPÍTULO 4 Funciones Económicas Introducción La actividad económica surge de la necesidad de utilizar recursos para producir los bienes materiales que satisfacen los deseos del hombre, ya sean básicos
Más detallesINTRODUCCIÓN A LA MODELACIÓN MATEMÁTICA Y OPTIMIZACIÓN
INTRODUCCIÓN A LA MODELACIÓN MATEMÁTICA Y OPTIMIZACIÓN Carlos Julio Vidal Holguín UNIVERSIDAD DEL VALLE FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA INDUSTRIAL Y ESTADÍSTICA 1. FORMULACIÓN DE MODELOS DE
Más detallesPlanteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías
Planteamiento de problemas de programación lineal M. En C. Eduardo Bustos Farías 1 Ejemplo. Breeding Manufacturing Inc. Mezcla de productos 2 La Breeding Manufacturing Inc., fabrica y vende dos tipos de
Más detallesFormulación de un Modelo de Programación Lineal
Formulación de un Modelo de Programación Lineal Para facilitar el planteamiento del modelo matemático general de la PL considere el siguiente problema: La planta HBB fabrica 4 productos que requieren para
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesMatemáticas
a la a la Matemáticas a la En esta lectura daremos una introducción a la modelación de problemas mediante programación lineal; pondremos énfasis en las etapas que componen la modelación. Cerraremos estos
Más detallesSOLVER PLANTEAR EL SIGUIENTE EJERCICIO CON SUS PASOS A SEGUIR Y DISEÑAR UN MODELO MATEMATICO CON SUS RESPECTIVAS FUNCIONES
SOLVER PLANTEAR EL SIGUIENTE EJERCICIO CON SUS PASOS A SEGUIR Y DISEÑAR UN MODELO MATEMATICO CON SUS RESPECTIVAS FUNCIONES 1. Analizar el problema ya que se tiene que realizar 2 tablas una para plantear
Más detallesUNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS FACULTAD DE CIENCIAS ECONOMICAS DEPARTAMENTO DE METODOS CUANTITATIVOS METODOS CUANTITATIVOS II
UNIVERSIDAD NACIONAL AUTONOMA DE HONDURAS FACULTAD DE CIENCIAS ECONOMICAS DEPARTAMENTO DE METODOS CUANTITATIVOS METODOS CUANTITATIVOS II Encuentre la ecuación de la recta que pasa por los siguientes puntos
Más detallesAnálisis de sensibilidad. M. En C. Eduardo Bustos Farias
Análisis de sensibilidad M. En C. Eduardo Bustos Farias Análisis de sensibilidad para la solución óptima. Es sensible la solución óptima a cambios en los parámetros de entrada? Posibles razones para responder
Más detallesINSTITUTO TECNOLÓGICO DE NUEVO LEÓN. Programación Lineal
Práctica # 2 Programación Lineal Objetivo: Comprender y aplicar los métodos gráfico y simplex de programación lineal para la optimización de recursos. Introducción: La programación lineal, salió a la luz
Más detallesASIGNATURA: INVESTIGACION OPERATIVA I CODIGO: 5C0002
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS DEPARTAMENTO ACADEMICO DE INGENIERIA DE TRANSPORTES SILABO ASIGNATURA: INVESTIGACION OPERATIVA I CODIGO: 5C0002
Más detalles6 OBJETIVOS, PRIORIDADES E INTERCAMBIOS
1.OBJETIVOS ORGANIZACIONALES. 6 OBJETIVOS, PRIORIDADES E INTERCAMBIOS MAXIMIZACION DE BENEFICIOS COMO UN OBJETIVO NO PROBABLE DE LA FIRMA La idea de maximizar beneficios tuvo su origen en los escritos
Más detallesProgramación Lineal. El modelo Matemático
Programación Lineal. El modelo Matemático 1 Modelización Definición 1.1 Consideremos el problema de optimización con restricciones, definido como sigue Min f(x) s.a. g i (x) b i i = 1, 2,..., m (P OR)
Más detallesI. DATOS DE IDENTIFICACIÓN INGENIERÍA EN ELECTRÓNICA. 7. Etapa de formación a la que pertenece: Optativa Disciplinaria
UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESIONAL Y VINCULACIÓN UNIVERSITARIA PROGRAMA DE UNIDAD DE APRENDIZAJE HOMOLOGADO I. DATOS DE IDENTIFICACIÓN
Más detallesPontificia Universidad Católica del Ecuador
. DATOS INFORMATIVOS FACULTAD: Facultad de Ciencias Administrativas y Contables CARRERA: Administración de Empresas Asignatura/Módulo: Investigación Operativa Código:859 Plan de estudios: A0 Nivel: 4 Prerrequisitos:
Más detallesInvestigación Operativa Dr. Ing. Jorge Víctor Pilar Cr. y Lic. Daniel J. Asulay
Universidad Nacional del Nordeste Facultad de Ciencias Económicas Asignatura: Profesor Titular: Profesor Adjunto: Investigación Operativa Dr. Ing. Jorge Víctor Pilar Cr. y Lic. Daniel J. Asulay A- Encuadre
Más detallesUNIVERSIDAD DE MANAGUA
UNIVERSIDAD DE MANAGUA Sistemático de Programación Lineal Problemas de Programación Lineal: Solución Gráfica, Analítica, Sensibilidad y Método Simplex Prof. MSc. Ing. Julio Rito Vargas Avilés IIIC- 2016
Más detallesCómo optimizamos en varias variables?
Cómo optimizamos en varias variables? Introducción La optimización intenta dar respuesta a un tipo general de problemas donde se desea elegir el mejor entre un conjunto de elementos. En su forma más simple,
Más detallesUNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4
Ing. César Urquizú UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4 Ing. César Urquizú Teoría de la dualidad El desarrollo de esta teoría de la dualidad es debido al interés que existe en la interpretación económica
Más detallesInformación general. Álgebra y programación lineal. Obligatoria básica o de fundamentación X. A 3 Horas de trabajo independiente del estudiante
Guía de asignatura Información general Asignatura Código 73210015 Álgebra y programación lineal Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos 3 Tipo de crédito Horas de trabajo
Más detallesProgramación Lineal. Supuestos del modelo
Programación Lineal Supuestos del modelo Supuestos de los modelos de programación lineal 1. Proporcionalidad 2. Aditividad 3. Divisibilidad 4. Certidumbre Proporcionalidad Es un supuesto sobre la función
Más detallesProblemas de PL con varias variables Análisis de Sensibilidad
UNIVERSIDAD NACIONAL DE INGENIERIA UN-NORTE SEDE-ESTELI Asignatura: Investigación de Operaciones I Problemas de PL con varias variables Análisis de Sensibilidad M.C. Ing. Julio Rito Vargas Avilés 1 P.
Más detallesUDI-Investigación de Operaciones
UNIVERSIDAD AUTÓNOMA DE ZACATECAS Francisco García Salinas ÁREA DE INGENIERÍAS Y TECNOLOGICAS UNIDAD ACADÉMICA DE INGENIERÍA PROGRAMA DE INGENIERÍA MECÁNICA UDI-Investigación de Operaciones Eje Formativo:
Más detallesSÍLABO MATERIA: MÉTODOS CUANTITATIVOS
MATERIA: MÉTODOS CUANTITATIVOS Programa: Maestría en Administración de Empresas (TC) Duración (en horas aula): 29 Horario: 10:40 a 12:00 y 14:40 a 16:00 Fechas: 23 de Junio al 1º de Julio de 2016 Nombre
Más detalles