Fuzzy mathematical programming applied to the material requirements planning (MRP)

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

Download "Fuzzy mathematical programming applied to the material requirements planning (MRP)"

Transcripción

1 Rev. Téc. Ig. Uiv. Zulia. Vol. 33, Nº 1, 77-86, 2010 Fuzzy atheatical prograig applied to the aterial requireets plaig (MRP) Martí Darío Arago Sera, Corado Augusto Urá Sera y Giovai Pérez Ortega Escuela de Igeiería de la Orgaizació, Facultad de Mias, Uiversidad Nacioal de Colobia, Sede Medellí. darago@ualed.edu.co, caserau@ualed.edu.co, gperez@ualed.edu.co Abstract A ratioal approach toward decisio-akig should take ito accout hua subectivity, rather tha eployig oly obective probability easures. This attitude towards the ucertaity of hua behavior led to the study of a relatively ew decisio aalysis field: Fuzzy decisio akig, which icorporates iprecisio ad subectivity ito the odel forulatio ad solutio process ad represets a attractive tool to aid research i idustrial egieerig whe the dyaics of the decisio eviroet liit the specificatio of odel obectives, costraits ad the precise easureet of odel paraeters. This article gives a overview of the applicatios that have fuzzy logic i the idustrial field ad presets a MRP odel to which apply soe of these cocepts. Key words: MRP, fuzzy logic, schedulig, fuzzy atheatical prograig, decisio aalysis, idustrial Egieerig. Prograació ateática difusa aplicada e la plaeació de requeriietos de aterial (MRP) Resue U efoque racioal para la toa de decisioes debe teer e cueta la subetividad huaa, e lugar de eplear sólo edidas co distribució de probabilidad. Esta actitud hacia la icertidubre del coportaieto huao ha llevado al estudio de u relativaete uevo capo de aálisis de decisió coo es, la toa de decisioes difusas, la cual icorpora la subetividad y la iprecisió e la forulació de odelos y procesos de solució y represeta ua atractiva herraieta de ayuda a la ivestigació e igeiería idustrial cuado la diáica de las decisioes está liitadas por iprecisioes e los odelos forulados. El presete artículo hace u resue de las aplicacioes que ha teido la lógica difusa e el capo idustrial y preseta u odelo MRP al cual se aplica alguos de estos coceptos. Palabras clave: MRP, lógica difusa, aálisis de decisioes, plaeació de la producció, igeiería idustrial, prograació ateática difusa. 1. Itroducció La igeiería idustrial ha sufrido iportates cabios co el eoraieto de las tecologías de la iforació, las cuales ha peritido diesioar la plaificació de la producció a cotextos cosiderados hasta hace sólo 30 años coo iaeables; así por eeplo, el aálisis sobre la deada de u producto e particular estaba sueto e la ayoría de los casos a las coclusioes obteidas del aálisis de ua serie de tiepos si teer e cosideració otras variables coo so los tiepos de suiistro, costos de operació, por lo que los étodos de Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

2 78 Arago y col. plaificació o era lo suficieteete apropiados para cotar co plaes de producció óptios, esto es la satisfacció de la deada al costo ás bao. Tato los uevos desarrollo e hardware y software, ha peritido u redireccioaieto de la plaificació, dado que co ellos se ha logrado itegrar o sólo variables lógicas si o tabié abiguas o difusas. Es así, coo surge etodologías que ivolucra la icertidubre e la prograació ateática para resolver probleas de plaificació. E las etodologías plateadas por los coutos difusos los expertos e el sistea aalizado puede ser iterrogados para proporcioar idicacioes relativas a las variables ivolucradas; la iforació obteida de esta aera, está represetada geeralete por frases ligüística que puede ser usadas adecuadaete a través de úeros difusos [1]. 2. Cocepto de couto difuso La teoría de coutos difusos fue itroducida por Lofti Zadeh, co el obetivo de proveer ua herraieta capaz de describir probleas e dode la iprecisió se derivada de la ausecia de u criterio para distiguir claraete etre diferetes categorías, ás que de la presecia de variables aleatorias [2]. Las propiedades de los coutos difusos se describe detro de u tipo de obetivos co u grado de ebresía, o grado de perteecia cotiuo e el itervalo [0,1] y se defie ateáticaete coo [3]: A ( x, ( x)), x U (1) A Las aplicacioes de la lógica difusa se ha ido cosolidado, lo cual ha hecho que actualete se etieda que la teoría de lógica difusa y la teoría de probabilidades está dirigidas a distitas clases de icertidubres [4]. 3. Aplicacioes de la lógica difusa e la igeiería idustrial Los odelos de lógica difusa aplicados a la aufactura se basa e la iteracció del eecutor y el aalista e la toa de decisioes coducetes a dar ua solució satisfactoria al problea [5]. A cotiuació se hace u resue de alguos de los trabaos que usa los odelos difusos para la solució de probleas e el capo idustrial: Petrovic [6] trató de idetificar el ivel de existecias y las catidades a ordear e ua cadea de suiistro, co u aálisis de dos fuetes de icertidubre: la deada de los clietes y abasteciieto extero de aterias prias; este odelo busca la reducció de costos e los procesos de fabricació y e geeral e la cadea de suiistros. Otra aplicació e la cadea de suiistro es presetada por Arago et al. [7] quiees aplica el cocepto difuso para decidir sobre la destiació de recursos e estrategias de vetas o de copras cuyos resultados so difusos. Tsuiura e 1992 [8] preseta u odelo de prograació ateática fuzzy para la plaificació agregada co últiples obetivos. Lee et al. [9] itroduce la aplicació de la Teoría de los Coutos Difusos al problea del diesioado del lote e u sistea MRP de ua úica etapa. Mula [10] proporcioa u uevo odelo de prograació lieal, deoiado MRPDet, para la Plaificació de la Producció a edio plazo e u etoro de fabricació MRP co restriccioes de capacidad, ulti-producto, ulti-ivel y ulti-período. Vasat [5], usa ua curva-s coo fució de perteecia para la selecció de ua ezcla de productos e ua fabrica de chocolates e dode la iforació co la que se cueta es iprecisa o difusa. Hop [11] aborda u odelo de balaceo de líea co tiepo de procesaieto difuso; y forula u étodo de prograació lieal biaria difusa para su solució. Chag y Liao [12] preseta u uevo efoque ediate la cobiació de apas auto orgaizativos y reglas difusas para la predicció del tiepo de fluo e ua fábrica de seicoductores. Kahraa et al. [13] propoe alguos odelos difusos basados e valores presete difusos para edir la flexibilidad de fabricació. Estos odelos so básicaete odelos de decisió de igeiería ecoóica e los que la icertidubre de los fluos de efectivo y las tasas de descueto se especifica coo úeros difusos triagulares. Hasuike [14] exaia varios odelos de probleas de decisió de ezcla de productos y probleas de Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

3 Prograació ateática difusa aplicada e la plaeació de requeriietos de aterial (MRP) 79 plaeació de la producció e codicioes de icertidubre. E geeral, la teoría de coutos difusos se ha aplicado apliaete e la igeiería idustrial e capos coo la plaeació, el cotrol de la calidad, la ergooía, uestreo de aceptació, distribucioes de plata, etre otros. Para Kahraa [15], La idoeidad y cotribució a la solució de probleas idustriales ha peritido que el uso de los coutos difusos, sea coparable al uso de la ivestigació de operacioes e la ayoría de sus capos. 4. Prograació ateática difusa La aplicació de coutos difusos e la toa de decisioes y ás específicaete e la prograació ateática, e su ayor parte, cosiste e trasforar las teorías clásicas e odelos difusos equivaletes [16]. Es así coo, e uchas situacioes prácticas e u problea de prograació lieal típico o es razoable exigir que la fució obetivo o las restriccioes se especifique de fora precisa; e tales situacioes, es coveiete utilizar algú tipo de prograació lieal difusa. E la Tabla 1 se uestra u problea típico de prograació lieal y su equivalete difuso. E el odelo difuso A i, B i, C, so úeros difusos, X i so variables difusas y las operacioes de sua y ultiplicació so operacioes aritéticas difusas, adeás el síbolo deota ua desigualdad difusa. Este odelo supoe que tato la fució obetivo coo las restriccioes puede icluir úeros y variables difusas Modelo de prograació lieal co úeros difusos al lado derecho de la restricció. U caso particular es cosiderar que el lado derecho de las restriccioes so iprecisas, por lo que B i podría ser defiido coo u valor perteeciete al itervalo[ bi, bi p i ].De acuerdo a esta cosideració se defie el siguiete odelo de prograació lieal difusa, e el cual se desea iiizar la fució obetivo: Tabla 1 Probleas de prograació lieal clásico y difuso Max z Mi z i i c x Sa. ax B ( i 1 i i x 0 ( Hipótesis 1 (4) B i es u úero difuso que tedría la siguiete fora 1 x bi Bi ( x) pi 0 si x bi pi si bi x bi pi x bi (5) dode x R, coo se puede apreciar e la Figura 1. Para cada vector X ( x1, x2,, x ), priero se calcula el grado, Di ( x), co el que x satisface la restricció i (i ) co la fórula: c x D ( x) B a x i i i 1 Problea clásico Sa. ax b ( i Max z 1 i i x 0 ( i C X N Problea difuso Sa. AX B ( i 1 i i X 0 ( (2) (3) (6) Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

4 80 Arago y col. 1 1 dode Di ( x )es u couto difuso e R,ysuitersecció, Di, es u couto difuso factible. i1 Ahora, para deteriar el couto difuso de valores óptios, se calcula los líites iferior y superior etre los cuales se ecotraría dichos valores. Para hallar el líite iferior de los valores óptios (z ) y el líite superior (z + ) del iso couto, se solucioa siguietes probleas de prograació lieal estádar: Mi z i c x Sa. ax b ( i Mi z 1 i i x 0 ( i c x Sa. ax b p ( i 1 i i i x 0 ( (7) (8) Hipótesis 2 El couto difuso de valores óptios (U), el cual es u subcouto difuso de R [17], dode el grado de satisfacció del decisor () aueta e la edida e que la respuesta obteida se acerca a z (Figura 2). La ecuació queda defiida por: 1 z U( x) z 0 b i x z si x z si z x z x z b+p i i Figura 1. Núero difuso b i. (9) La solució ás eficiete se ecuetra resolviedo el siguiete odelo de prograació lieal: Max i Sa. ( z z ) c x z 1 ax p b ( i N i i i x, 0 ( N ) ) (10) es el ivel que coo íio tiee que alcazar todas las fucioes de perteecia. Lo aterior se iterpretará coo el ivel de aspiració o de satisfacció de u decidor [18]. El aterior problea es u odelo para ecotrar x R sueto a que la ecuació (11) alcace el íio valor: Di U ( X ) (11) i1 Z- Z+ Figura 2. Núero difuso z. Esta etodología es plateada por Zadeh [3] y es llaada étodo siétrico (las restriccioes y etas so tratadas siétricaete) Modelo de prograació lieal co coeficietes tecológicos difusos Otro caso es supoer que el odelo de prograació lieal tiee coeficietes tecológicos difusos; es decir, la atriz de coeficietes A i tedría valores defiidos e los itervalos [a i,a i + d i ], por lo que u odelo prograació ateática difusa de iiizació tedría la siguiete fora: Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

5 Prograació ateática difusa aplicada e la plaeació de requeriietos de aterial (MRP) 81 Mi z i c X Sa. AX b ( i 1 i i X 0 ( (12) Hipótesis 3 El couto difuso de las i restriccioes C i, el cual es u subcouto de R, está defiido por: 1 Ci ( x) 0 1 ( a d ) x b i i i 1 dx i si a x b 1 i i si a x b i i 1 1 ( a d ) x i i si b ( a d ) x i i i 1 (13) Hipótesis 4 La fució ebrecía para el couto difuso de valores óptios (U), se defie igual al caso aterior Ver ecuació (9). Por lo tato, la ecuació (12) puede ser reescrita coo sigue: Max i Sa. ( z z ) c x z 1 ( a d d ) x b i i i i ( i x, 0 ( (14) Es de aotar que las restriccioes que cotiee el producto x, so restriccioes o lieales, lo que hace que el problea sea u odelo o lieal. 5. Modelo de pla de requeriieto de ateriales co lógica difusa Se ha cosiderado el siguiete odelo MRP para ilustrar la aplicació de la prograació lieal difusa e los sisteas de producció. La copleidad de u sistea MRP se traduce e la gra catidad de iforació que es ecesario aipular para adiistrar apropiadaete los procesos productivos. Es ecesario coocer, por lo tato, co aticipació la siguiete iforació: Tiepo de suiistro. La catidad íia de producció o de copra. El actual ivel de ivetario. Los copoetes ecesarios lista de ateriales (BOM). E el siguiete eeplo se ilustra u sistea MRP: Cosidereos u producto fial A8172, el cual posee la lista de ateriales ostrada e la Figura 3 y Tabla 2. Si supoeos ua deada para el AJ8172 e los próxios ocho periodos de 20, 30, 10, 20, 30, 20, 30 y 40. El resultado del MRP es dado a cotiuació e la Tabla 3. El cual a su vez da orige al pla de requeriietos de los copoetes que lo cofora de acuerdo a la lista de ateriales. Ua fució obetivo sería, etoces, realizar los pedidos cosiderado el taaño íio a pedir y el ivel de stock proedio que se geera e el horizote de plaeació. Es decir realizar el lazaieto de pedidos ta tarde coo sea posible pero si sobrepasar la fecha del requeriieto. Para ecotrar ua solució al odelo plateado defiios las variables e la Tabla 4. La fució obetivo estaría forulada de la siguiete aera: P Mi x ( T t) x i T i1 t 1 (15) Dicha fució busca solicitar el ayor úero de uidades del copoete i ta tarde coo sea posible, co lo cual se garatiza u ivel ivetario bao, teiedo presete las siguietes restriccioes: La catidad de ateriales requeridos ás las existecias e ivetario, debe ser igual o superior a la deada del periodo correspodiete y el taaño del pedido del copote i e el periodo t debe ser cero (0) o superior a LS(i): Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

6 82 Arago y col. N1100 W7348 L8811 R0098 A8172 Figura 3. Lista de ateriales A8172. Xit, it, LS() i (16) dode it, es u idicador de producció que puede ser uo (1), si el copoete i es iiciado e el periodo t o cero e caso cotrario. Ua siguiete restricció es: it, { 01., } No egatividad: x it, 0. Al cosiderar la deada deteriista cuado e la realidad es icierta, obtedreos ua solució que dea de ser óptia si la deada es diferete al valor proosticado, y lo ás probable es que así sea. Esto preseta ua situació Tabla 2 Iforació de etrada MRP A8172 L8811 R0098 N1100 W7342 Tiepo de suiistro Taaño íio de lote Copoetes L8811 (2), R0098 (1) N1100 (1), W7342 (1) N/a N/a N/a Ivetario iicial Tabla 3 MRP Iicial. Referecia A8172 Referecia: A8172 Días Deada Ivetarios Recepció de Pedidos Lazaieto de Pedidos Tabla 4 Defiició de variables Variable P T R(i,) D(i,) I(i,0) LS(i) X(i,t) M Defiició Núero de copoetes Horizote de plaeació Núero de copoetes i ecesarios para realizar copoetes Deada extera para el copoete i e el periodo t Ivetario iicial del copoete i Taaño de lote íio para el copoete i Catidad de pedido del copoete i solicitado e el periodo t U úero uy grade Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

7 Prograació ateática difusa aplicada e la plaeació de requeriietos de aterial (MRP) 83 difusa, dado que o se cooce y o se podría estiar la deada co precisió. Ua fora de flexibilizar la estiació de la deada, si recurrir a defiirla coo u valor úico para cada uo de los periodos de tiepo, es defiir u itervalo e el cual la probabilidad de que la deada se ecuetre e éste sea uy alta. Para defiir dicho itervalo los igeieros puede estiar (co el apoyo de expertos o datos históricos) u valor íio y áxio para la deada e cada uo de los periodos, coo se uestra e la Tabla 5. A cotiuació se aborda ua de las etodologías de la lógica difusa para el trataieto de la icertidubre e la deada y e los coeficietes tecológicos del odelo de prograació ateática MRP co icertidubre e la deada El odelo coo se ha plateado hasta ahora, es u odelo deteriístico que puede ser solucioado por uchos de los paquetes de optiizació que actualete se coercializa. Si ebargo el odelo se puede volver u poco ás copleo al cosiderar que la deada (D(i,t)) es u valor ipreciso que puede estar etre u valor íio (D (i,t)) y áxio (D (i,t)+ p (i,t)). Al teerse e cueta la aterior cosideració el odelo MRP iicial toa la fora de u odelo de prograació lieal difusa siilar al ostrado e la ecuació (4), por lo que se puede reescribir de la siguiete aera. Max P T i i1 t 1 Sa. ( z z ) ( Ttx ) z tlt () i xi 1 0 x 0 t Ii (, 0) ( Di (, ) ( Ri (, x ) p )) 0 1 p J 1 i (17) 5.2. MRP co icertidubre e los coeficietes tecológicos Otro caso de icertidubre y que es iherete a los odelos MRP, coo los presetados e este artículo, es cosiderar que el factorr(, i ), o está copletaete defiido para alguos copoetes dado los desperdicios que puede ser geerados e el proceso productivo; si ebargo, sí es posible defiir u itervalo de valores [R(i,), R(i,)+d(i,)] etre los cuales puede estar. De esta aera el odelo MRP presetado al iicio de este capítulo es siilar al problea plateado, por lo que puede reescribirse la ecuació (17) de la siguiete aera: Max P T i i1 t1 Sa. ( z z ) ( Ttx ) z tlt() i xi 1 1 x 0 t Ii (, 0) ( Di (, ) ( Ri (, ) di (, )) x ) 0 1 P 1 (18) Para la solució de este odelo se cosidera que el proceso para producir el producto AJ8172 ecesita etre 2 y 2.2 uidades del copoete L8811, del cual se puede geerar u desperdicio de 0 a 0.2 uidades Aálisis de resultados E la Tabla 6 se uestra los resultados de las variables x i, obteidos al aplicar la prograació ateática de aera clásica y co icertidubre e la deada y e los coeficietes tecológicos. Las deás variables x i que o está e la tabla tiee el valor de cero. El resultado obteido e la fució obetivo si cosiderar icertidubre presete e el odelo es z = Para el segudo caso se cosidero la icertidubre e la deada obteiedo que los valores de z + y z so Tabla 5 Deada para A8172 Periodo Deada Míia Deada Máxia Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

8 84 Arago y col. Producto i pedido e el periodo Método clásico Icertidubre e la deada Tabla 6 Resultados MRP Coeficietes Producto i tecológicos pedido e el difusos periodo Método clásico Icertidubre e la deada Coeficietes tecológicos difusos X 1(-1) 25 25,00 25 X 3(-5) 20 20,00 20 X ,00 35 X ,00 32 X ,00 35 X ,00 35 X ,00 25 X ,00 25 X ,50 25 X ,50 25 X ,50 40 X ,50 40 X 2(-4) 45 45,00 45 X ,00 45 X 2(-3) 45 56,99 51 X ,99 51 X 2(-1) 70 76,00 73,5 X ,00 73,5 X ,00 52,5 X ,00 52,5 X ,99 52,5 X ,99 52,5 X ,00 84 X , y 8349 respectivaete y la fució obetivo es z = 9143, lo cual puede cosiderarse coo ua solució iteredia que equilibra los criterios pesiistas y optiistas del decisor, dado que su ivel de auste a la eor solució z es de = , cifra que puede ser cosiderada coo ivel de satisfacció del decisor. Para la solució del problea co coeficietes tecológicos difusos, es iportate cosiderar que las fucioes (12) y (13) ivierte sus resultados, dado que el factor a i x es egativo e (18). Por lo tato los valores líites etre los que estará el couto de solucioes factibles, se obtiee reeplazado a a i por a i +d i para hallar z, por cosiguiete z + se calcula deado el coeficiete a i ivariable, dode z = 8349 y z + = La fució obetivo es etoces z = , la cual represeta u ivel de satisfacció de = 0.5, el cual se puede explicar cosiderado que el valor de z hallado es ua solució iteredia etre lo eor que puede ocurrir (esto es si a i = 2) y el caso eos favorable (que da lugar cuado a i = ). 6. Coclusioes E este artículo se ha ostrado la aplicació que posee la lógica difusa e el capo de la producció, ás específicaete e los sisteas MRP. La solució obteida peritió valorar el resultado co respecto al áxio beeficio que se tedría si se estuviera e u capo deteriista. Es ecesario aclarar etoces que el decisor tedrá cofiaza e que la ipleetació de la solució expresada, puede estar de coforidad co sus deseos, toda vez que el ídice de satisfacció es cosiderableete adecuado (aproxiadaete u 40% de satisfacció). Hay que aotar que e la edida que la iforació co la que cueta el decisor sea ás precisa, etoces la satisfacció será ayor. Auque iicialete, la fució obetivo era la plaeació óptia de pedidos que peritiera u ivel bao de ivetarios, el odelo puede ser apliado e ivolucrar costos o liitacioes de capacidad, forulado adeás odelos MRP II a los cuales sea posible aplicarles las técicas aquí aalizadas. Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

9 Prograació ateática difusa aplicada e la plaeació de requeriietos de aterial (MRP) 85 Ua de las ayores fortalezas que posee la lógica difusa aplicada a las técicas de toa de decisioes, es que se puede ivolucrar tato la iforació correspodiete a datos históricos coo opiioes subetivas o ituitivas de persoas expertas e el capo de aálisis. Lo que perite u trataieto ateático de la iprecisió que posee alguos paráetros. Vale decir que la técica o suprie dicha iprecisió o icertidubre, sio que establece u étodo para su aeo, es decir, e vez de igorar la icertidubre que es iherete al odelo geera solucioes que la ivolucra. Agradeciietos Los autores expresa sus agradeciietos a la DIME Uiversidad Nacioal de Colobia, por la fiaciació del proyecto: Desarrollo de odelos de prograació ateática fuzzy para la plaificació de la producció e cotextos de icertidubre. U caso aplicado a la idustria autootriz que da orige a este artículo. Referecias Bibliográficas 1. Caiazzo, F, et al. Fuzzy Perforace Evaluator of AMSS. Desig of Advaced Maufacturig Systes, Vol. 1,Spriger, Netherlads, 005, pp Matta, A. Desig of Advace Maufacture Systes. Vol 1, Netherlads, Spriger, 2005, pp Zadeh, L.A. Fuzzy Sets ad Their Applicatios to Cogitive ad Decisio Processes. Acadeic Press Ic. Lodo, pp McNeill, M. y Thro, E. Fuzzy Logic: A Practical Approach. Vol 1, AP Professioal, Nueva York, 994. pp Vasat, P. Optiizatio i Product Mix Proble Usig Fuzzy Liear Prograig. Departet of Matheatics, Aerica Degree Progra Nilai Iteratioal College Malaysia, 2004, pp Petrovic, D., Xie, Y., Burha, K. Coordiated Cotrol of Distributio Supply Chais i the Presece of Fuzzy Custoer Dead. Europea Joural of Operatioal Research, Vol. 185, Nº 1, febrero 2008, pp Arago, M.D.; Sera, C. y Pérez,G. Aplicacioes de lógica difusa a las cadeas de suiistro. Avace e Sisteas e Iforática, Vol. 5, Nº 3, diciebre, 2008, pp Tsuiura, Y. y Ge, M. Method for Solvig Multiobective Aggregate Productio Plaig Proble with Fuzzy Paraeters. Coputers ad Idustrial Egieerig, Vol 23, Nº 1-4, oviebre 1992, pp Lee, Y.Y, Kraer, B.A, Hwag C.L. A Coparative Study of Three Lot-Sizig Methods for the Case of Fuzzy Dead. Joural of Operatios ad Productio Maageet, Vol.11 No 7, 1991, pp Mula, J. et al. Aplicacioes de la Teoría de los Coutos Difusos e la Plaificació de la Producció: U Estudio de la Literatura. Meorias VIII Cogreso de Igeiería de Orgaizació. Legaés, septiebre, pp Hop, N.V. A Heuristic Solutio for Fuzzy Mixed-Model Lie Balacig Proble, Europea Joural of Operatioal Research, Vol. 168, No. 3, febrero 2006, pp Chag, P.C., Liao, T.W. Cobiig SOM ad Fuzzy Rule Base for Flow Tie Predictio i Seicoductor Maufacturig Factory, Applied Soft Coputig, Vol 6, Nº 2, eero, 2006, pp Kahraa C., Gülbay, M. y Kabak, Ö. Applicatios of Fuzzy Sets i Idustrial Egieerig: A Topical Classificatio. Fuzzy Applicatios i Idustrial Egieerig, Vol 2 Spriger Istabul, pp Hasuike, T y Ishii H. O Flexible Product-Mix Decisio Probles Uder Radoess Ad Fuzziess. Oega, Vol. 37, Nº 4, agosto, 2008 pp Kahraa, C., Beskese A. y Rua, D. Measurig Flexibility of Coputer Itegrated Maufacturig Systes Usig Fuzzy Cash Flow Aalysis. Iforatio Scieces, Vol. 168, Nº. 1-4, 2004, pp Petty, D.J., Stirlig, M.D., Travis, L.C. y Beett, R. (2000) Coditios for the successful ipleetatio of fiite capacity/ MRPII hybrid cotrol systes. Joural of Egieerig Maufacture, Part B, Proceed- Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

10 86 Arago y col. ig of the Istitutio of echaical Egieers, 214, B9, Klir, G.J y Yua, B.. Fuzzy Sets ed Fuzzy Logic, Theory ad Applicatios. Vol. 1, Pretice Hall PTR 1995, New Jersey: pp Correa, G.J. Aproxiacioes Metodológicas Para la Toa de Decisioes, Apoyadas e Modelos Difusos, tesis presetada a la Uiversidad Nacioal de Colobia, para optar al grado de Magíster e Igeiería de Sisteas Recibido el 23 de Marzo de 2009 E fora revisada el 2 de Noviebre de 2009 Rev. Téc. Ig. Uiv. Zulia. Vol. 33, No. 1, 2010

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

ÁREA DE INGENIERÍA QUÍMICA Prof. Isidoro García García. Operaciones Básicas de Transferencia de Materia. Tema 4

ÁREA DE INGENIERÍA QUÍMICA Prof. Isidoro García García. Operaciones Básicas de Transferencia de Materia. Tema 4 ÁRE DE IGEIERÍ QUÍMIC Operacioes Básicas de Trasferecia de Materia Tea 4 Operacioes Básicas de Trasferecia de Materia ITRODUCCIÓ a aoría de las corrietes de u proceso quíico está costituidas por varios

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

MODELOS DE PROBABILIDAD

MODELOS DE PROBABILIDAD 3 MODELOS DE PROBABILIDAD.- VARIABLES ALEATORIAS DISCRETAS E ocasioes, alguas variables aleatorias sigue distribucioes de probabilidad uy cocretas, coo por ejeplo el estudio a u colectivo ueroso de idividuos

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

4.1. Introducción a la Programación Lineal Entera (PLE)

4.1. Introducción a la Programación Lineal Entera (PLE) C APÍTULO 4 PROGRAMACIÓN ENTERA 4.. Itroducció a la Prograació Lieal Etera (PLE) Los prieros itetos para resolver u problea de prograació lieal etera surgiero de la etodología utilizada e la resolució

Más detalles

Para efectuar la evaluación de los criterios de integración se utilizó correspondiente a las distancias relativas de Hamming. i=1

Para efectuar la evaluación de los criterios de integración se utilizó correspondiente a las distancias relativas de Hamming. i=1 3.4 Evaluació de la implemetació y su compatibilidad co NC PAS:99:2008 La aplicació del modelo del CMI y la herramieta de medició (el CM ODUN) permitió cotrastar los resultados co lo establecido por la

Más detalles

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2 Cojutos coveos Ejeplos de cojutos coveos e R CONVEXIDAD Cojutos coveos Coveidad de fucioes DEFINICION: U cojuto A es coveo cuado, y A y λ [0,] se cuple λ + ( λ) y A R λ + ( λ) y λ = / y λ = 0 Cojuto coveo:

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

Más detalles

OPERACIONES CON POLINOMIOS.

OPERACIONES CON POLINOMIOS. OPERACIONES CON POLINOMIOS. EXPRESIONES ALGEBRAICAS. Ua epresió ateática que usa úeros o variables o abos para idicar productos o cocietes es u tério. Los térios,, (ab), so todos epresioes algebraicas.

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano (VSHFLILFDFLRQHVHQHOGRPLQLRGHOWLHPSR E capítulos ateriores se ha estudiado la respuesta de estado estable de los sistemas lieales ( cuado tæ ), estudiaremos ahora la respuesta trasitoria. La respuesta

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Capítulo 5 Distribución de esfuerzos en el suelo debido a cargas

Capítulo 5 Distribución de esfuerzos en el suelo debido a cargas Capítulo 5 Distribució de esfueros e el suelo debido a cargas 5. INTRODUCCIÓN Coo ya se ha explicado ateriorete ua cietació tiee el trabajo de trasferir las cargas de la estructura al suelo, cuado esto

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Uidad Cetral del Valle del Cauca acultad de Ciecias Admiistrativas, Ecoómicas y Cotables Programa de Cotaduría Pública Curso de Matemáticas iacieras Profesor: Javier Herado Ossa Ossa Ejercicios resueltos

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

COLEGIO CRISTIANA FERNÁNDEZ DE MERINO Trípoli No. 112, Col. Portales, México, D. F. Tel. 5604-3628, 5605-1509

COLEGIO CRISTIANA FERNÁNDEZ DE MERINO Trípoli No. 112, Col. Portales, México, D. F. Tel. 5604-3628, 5605-1509 COLEGIO CRISTIANA FERNÁNDEZ DE MERINO Trípoli No. 112, Col. Portales, México, D. F. Tel. 5604-3628, 5605-1509 MATEMATICAS SEGUNDO GRADO SECCIÓN SECUNDARIA ACTIVIDADES PARA DESARROLLAR EN CLASE CURSO 2015-2016

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

FEE02-15 FÓRMULAS Y EJEMPLOS. Incluye a los productos:

FEE02-15 FÓRMULAS Y EJEMPLOS. Incluye a los productos: FEE02-5 FÓRMULAS Y EJEMPLOS cluye a los productos: - Epresariales - Credifácil - El tiepo vale oro - Micro agropecuario - Agro crédito - Credigaadero - Credicostruye - Mi terreito - Multioficios - Crédito

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

Propuesta de un modelo para la gestión de los neumáticos de una flota de vehículos

Propuesta de un modelo para la gestión de los neumáticos de una flota de vehículos 5 th Iteratioal oferece o Idustrial Egieerig ad Idustrial Maageet XV ogreso de Igeiería de Orgaizació artagea, 7 a 9 de Setiebre de 2 Prouesta de u odelo ara la gestió de los euáticos de ua flota de vehículos

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

en. Intentemos definir algunas operaciones en

en. Intentemos definir algunas operaciones en OPERACIONES EN 8 E la secció aterior utilizamos fucioes de el primer couto y estudiar sus propiedades e Itetemos defiir alguas operacioes e Recordemos de cursos ateriores que tomamos al couto de los compleos

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas Sistemas Automáticos. Ig. Orgaizació Cov. Juio 05. Tiempo: 3,5 horas NOTA: Todas las respuestas debe ser debidamete justificadas. Problema (5%) Ua empresa del sector cerámico dispoe de u horo de cocció

Más detalles

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

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

1.1. Campos Vectoriales.

1.1. Campos Vectoriales. 1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

La característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera

La característica más resaltante de la capitalización con tasa de. interés simple es que el valor futuro de un capital aumenta de manera La Capitalizació co ua Tasa de Iterés Siple El Iterés Siple La característica ás resaltate de la capitalizació co tasa de iterés siple es que el valor futuro de u capital aueta de aera lieal. Sea u pricipal

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

UNIVERSIDAD DE GUADALAJARA

UNIVERSIDAD DE GUADALAJARA CETRO IVERSITARIO DE CIECIAS EACTAS E IGEIERÍAS SECRETARIA ACADÉICA DIVISIÓ DE IGEIERÍAS DEPARTAETO DE IGEIERÍA IDSTRIAL ACADEIA DE SISTEAS DE PRODCCIO PROGRAA DE ESTDIO: IGEIERIA DE PRODCCIO II SISTEA

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

ALGORITMOS Y DIAGRAMAS DE FLUJO

ALGORITMOS Y DIAGRAMAS DE FLUJO ALGORITMOS Y DIAGRAMAS DE LUJO Elabore diagramas de flujo para expresar la solució de los problemas que se preseta a cotiuació. Auque sólo se pida explícitamete e alguos casos, es ecesario que Ud. siempre

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Un comentario sobre New exact solutions for the combined sinh-cosh-gordon equation

Un comentario sobre New exact solutions for the combined sinh-cosh-gordon equation Lecturas Mateáticas Volue 32 (2011), págias 23 27 ISSN 0120 1980 U coetario sobre New exact solutios for the cobied sih-cosh-gordo equatio Jua Carlos López Carreño & Rosalba Medoza Suárez Uiversidad de

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

Automá ca. Capítulo6.LugardelasRaíces. JoséRamónLlataGarcía EstherGonzálezSarabia DámasoFernándezPérez CarlosToreFerero MaríaSandraRoblaGómez

Automá ca. Capítulo6.LugardelasRaíces. JoséRamónLlataGarcía EstherGonzálezSarabia DámasoFernándezPérez CarlosToreFerero MaríaSandraRoblaGómez Autoáca Capítulo6.LugardelasRaíces JoséRaóLlataGarcía EstherGozálezSarabia DáasoFerádezPérez CarlosToreFerero MaríaSadraRoblaGóez DepartaetodeTecologíaElectróica eigeieríadesisteasyautoáca Lugar de las

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

Abel Martín LAS FRACCIONES. - Las fracciones como parte de un todo - Egipto les espera

Abel Martín LAS FRACCIONES. - Las fracciones como parte de un todo - Egipto les espera LAS FRACCIONES - Las fraccioes como parte de u todo - Nuestros amigos prueba su máquia del tiempo. Egipto les espera Despegamos! E la evolució del pesamieto humao, 000 años a. C., los egipcios comieza

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

CONCEPTOS BÁSICOS DE PRESTAMOS. GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS AEXO I COCEPTOS SÍSMICOS BÁSICOS E este aeo se compila alguos de los coceptos sísmicos básicos pero ecesarios. Se itroduce los tipos de movimietos vibratorios, así como su descripció y otació matemática.

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

Transformaciones Lineales

Transformaciones Lineales Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,

Más detalles

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e

Más detalles

REGÍMENES FINANCIEROS

REGÍMENES FINANCIEROS EGÍMEES FIAIEOS are Badía, Hortèsia Fotaals, Merche Galisteo, José Mª Lecia, Mª Agels Pos, Teresa Preixes, Dídac aírez, F. Javier Sarrasí y Aa Mª Sucarrats DEPATAMETO DE MATEMÁTIA EOÓMIA, FIAIEA Y ATUAIAL

Más detalles

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

Ejercicios Resueltos ADC / DAC

Ejercicios Resueltos ADC / DAC Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,

Más detalles

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010)

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010) UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferecial Parcial 3 (27/10/2010) 1. Cosidere la fució f (x) = 3(x 1) 2/3 (x 1) 2 a) Halle el domiio b) Ecuetre los putos críticos,

Más detalles

PROGRAMACIÓN POR RESTRICCIONES PARA SOLUCIONAR PROBLEMAS DE PLANIFICACIÓN

PROGRAMACIÓN POR RESTRICCIONES PARA SOLUCIONAR PROBLEMAS DE PLANIFICACIÓN PROGRAMACIÓN POR RESTRICCIONES PARA SOLUCIONAR PROBLEMAS DE PLANIFICACIÓN Daiel Díaz Araya, Fracisco S. Ibáñez y Raymudo Q. Forradellas Departameto e Istituto de Iformática Uiversidad Nacioal de Sa Jua,

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

10. Estimadores 7 11. Estimación de las precisiones 8

10. Estimadores 7 11. Estimación de las precisiones 8 Ídice Págia 1. Objetivo de la ecuesta 1. Població objetivo 1 3. Cobertura geográfica 1 4. iseño de la uestra 1 4.1 Marco de la ecuesta 1 4. Foració de las uidades priarias de uestreo (UPM) 1 a) E urbao

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES. Mercedes Fernández mercedes@upucomillas.es

CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES. Mercedes Fernández mercedes@upucomillas.es CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES Mercedes Ferádez mercedes@upucomillas.es CONTENIDO El valor temporal del diero. Selecció de iversioes CONTENIDO El valor temporal del

Más detalles

Tema 5: Organización de la memoria: memoria principal.

Tema 5: Organización de la memoria: memoria principal. Objetivos: Tea 5: Orgaizació de la eoria: eoria pricipal Coocer las características geerales de los diferetes tipos de eoria que aparece e u coputador digital y aalizar la ecesidad de su orgaizació jerárquica

Más detalles

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción CAPÍTULO SEIS LA TRANSFORMADA Z 6. Itroducció E el Capítulo 5 se itrodujo la trasformada de Laplace. E este capítulo presetamos la trasformada Z, que es la cotraparte e tiempo discreto de la trasformada

Más detalles

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con

OBJETIVOS. Objetivos Generales. Objetivos Específicos. Profesora: María Martel Escobar. Una función f es creciente (estrictamente) si x, y Dom(f), con Curso -3 OBJETIVOS Objetivos Geerales Itroducir el cálculo de fucioes de ua variable como fudameto del aálisis ecoómico margial y los problemas de optimizació. Matemáticas Empresariales Doble Grado e ADE

Más detalles

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1 IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial

Más detalles

Modelo dependiente de la frecuencia para líneas de transmisión (FD-LINE)

Modelo dependiente de la frecuencia para líneas de transmisión (FD-LINE) Modelo depediete de la frecuecia para líeas de trasisió (FD-LIE) Realdo Iracheta Cortez Cetro de Ivestigació de Estudios Avazados del I.P.. iracheta@gdl.civestav.x RESUME E este artículo se ipleeta ua

Más detalles

denomina longitud de paso, que en un principio se considera que es constante,

denomina longitud de paso, que en un principio se considera que es constante, 883 Aálisis matemático para Igeiería. M. MOLERO; A. SALVADOR; T. MENARGUEZ; L. GARMENDIA CAPÍTULO 3 Métodos uméricos de u paso El objetivo de este capítulo es itroducir los métodos uméricos de resolució

Más detalles

10 Cálculo de las tasas centrales de mortalidad a partir de los dos años de edad. 10 Cálculo de las probabilidades de muerte.

10 Cálculo de las tasas centrales de mortalidad a partir de los dos años de edad. 10 Cálculo de las probabilidades de muerte. INDICE Págias Presetació. 2 I. La costrucció de las tablas de ortalidad para Cuba y provicias 2005-2007. 5 - Iforació básica utilizada. 5 - Aspectos relacioados co el étodo de costrucció de las tablas

Más detalles

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno: Uidad 5 Aualidades vecidas Objetivos Al fializar la uidad, el alumo: Calculará el valor de la reta de ua perpetuidad simple vecida. Calculará el valor actual de ua perpetuidad simple vecida. Calculará

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles