CAPÍTULO II MARCO TEÓRICO

Documentos relacionados
1. Modelo de Transporte

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

V II Muestreo por Conglomerados

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

4 METODOLOGIA ADAPTADA AL PROBLEMA

Números Complejos PREGUNTAS MÁS FRECUENTES

Ensayos de control de calidad

Una Secuencia de Decisiones. Localización de Instalaciones. Importancia. Una Secuencia de Decisiones. Factores Económicos. Factores No Económicos

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

La inferencia estadística es primordialmente de naturaleza

Intensificación en Estadística

TEMA 6 MUESTREO POR CONGLOMERADOS MONOETÁPICO

Una Propuesta de Presentación del Tema de Correlación Simple

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

ESTADÍSTICA poblaciones

6. ESTIMACIÓN PUNTUAL

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

G - Métodos de Interpolación

REGRESIÓN LINEAL SIMPLE

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

Estadística Descriptiva

x x x x x Y se seguía operando

ANTES DE COMENZAR RECUERDA

V Muestreo Estratificado

Tema 2: Distribuciones bidimensionales

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

. Si vamos calculando así las potencias n-ésimas de la unidad imaginaria, descubriremos que son cíclicas y que cada 4 términos se repiten: ( )

Objetivos. El alumno será capaz de programar algoritmos que incluyan el manejo de arreglos utilizando funciones.

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Estadística Espacial. José Antonio Rivera Colmenero

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

LOS NÚMEROS COMPLEJOS

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

MEDIDAS DE CENTRALIZACIÓN

Unidad 2. Reactores Continuos

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

MEDIDAS DE TENDENCIA CENTRAL

Aplicaciones de Balances de Energía en Reactores Batch

4º MEDIO: MEDIDAS DE POSICIÓN

PROGRAMACIÓN MATEMÁTICA Y TEORIA DE LA CARTERA: UNA APLICACIÓN CON MAPLE. Eva Mª del Pozo García Mª Jesús Segovia Vargas Zuleyka Díaz Martínez

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

11. Optimización no lineal con restricciones

Calibración de modelos gravitacionales acotados en origen, para predecir variaciones en el total atraído de movilidad laboral

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

TEMA 2: LOS NÚMEROS COMPLEJOS

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis estadístico de datos muestrales

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Qué es la estadística? presentación, análisis e interpretación de datos numéricos con e fin de realizar una toma de decisión más efectiva.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva Introducción

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

MEDIDAS DE TENDENCIA CENTRAL

EJERCICIOS RESUELTOS TEMA 3.

PROBABILIDAD Y ESTADISTICA

Programación lineal flexible con restricciones difusas

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

GENERACION DE VARIABLES ALEATORIAS

TEMA 4: VALORACIÓN DE RENTAS

Aplicación de Boostrapping en Regresión I

EL DIAGRAMA DE DISPERSIÓN Y EL ANÁLISIS DE CORRELACIÓN

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

CENTRO DE MASA centro de masas centro de masas

MEDIDAS DE FORMA Y CONCENTRACIÓN

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

PARÁMETROS ESTADÍSTICOS ... N

GENERALIDADES SOBRE MÓDULOS

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

Transcripción:

CAPÍTULO II MARCO TEÓRICO - -

MARCO TEÓRICO El marco teórco de este trabajo propoe los métodos heurístcos factbles que resolverá este problema. Co lo que se buscará cubrr las egecas de los datos dspobles para ecotrar ua solucó cercaa al óptmo. 2. Defcó de Ivestgacó de Operacoes E la actualdad los mercados de cosumo so muy dversos y compettvos por lo cual el área de vestgacó de operacoes adquere ua relevaca úca para lograr ua vetaja compettva e relacó co otros marcos estratégcos. Es por ello que el Grupo Embotelladora BRET S.A. co su plata Embotelladora Tropcal Orzaba S.A., requere de ua ueva técca heurístca para el mejorameto de sus rutas, y así cosoldarse como uo de lo prcpales embotelladores del sstema Peps e la zoa oretal del país. Las raíces de la vestgacó de operacoes se remota a muchas décadas atrás, cuado se hcero los prmeros tetos de utlzar el método cetífco e la admstracó de ua empresa. E su co fue aplcado a las estrategas bélcas e los servcos mltares, solctados a prcpos de la seguda guerra mudal. La vestgacó de operacoes se defe como u efoque cetífco de toma de decsoes que la operacó de sstemas orgazacoales requere. Se aplca a problemas que se refere a la coduccó y coordacó de operacoes y/o actvdades detro de ua orgazacó, trata de resolverlos medate ua perspectva dferete. [] - 2 -

2.2 Algortmos Heurístcos La vestgacó de operacoes utlza algortmos heurístcos para facltar la plaeacó y solucó de problemas detro de la empresa. U algortmo es ua secueca de pasos que coduce a la realzacó de ua tarea. També es u cojuto ordeado fto y be defdo de etapas que coduce a la obtecó de u resultado. [2] Los procedmetos heurístcos so a f de cueta herrametas que os srve para obteer solucoes efcetes a problemas reales, es por ello que uo de sus propóstos es ecotrar ua solucó cercaa al óptmo e u tempo razoable. Embotelladora Tropcal Orzaba S.A. vede grades catdades de productos e ua red de Cetro de Dstrbucó (CeDs) localzados e comudades y cudades del Estado de Veracruz. Es por esa razó que se precsa establecer rutas de trasportacó que permta dstrbur efcetemete sus productos medate las flota de vehículos dspobles. 2.3 Qué es el TSP? U problema clásco de la vestgacó de operacoes es el problema del agete vajero (TSP, por sus sglas e glés, Travelg Salesma Problem), y se formula de la sguete maera. U agete vajero, partedo de la cudad orge, debe vstar por lo meos ua vez cada cudad o clete de u cojuto de ellas (prevamete especfcados), y retorar al puto de partda. U recorrdo co estas característcas es llamado tour. El - 3 -

problema cosste e ecotrar el tour para el cual la dstaca total recorrda sea míma. Se asume que se cooce, para cada par de cudades, la dstacas etre ellas. [3] E la sguete fgura 3. se muestra u tour e u TSP de ocho cudades. Fgura 2. 2.4 Problema de Trasporte El problema geeral de trasporte se refere a la dstrbucó de cualquer be desde cualquer grupo de cetros de sumstro, llamados orígees, a cualquer grupo de cetros de recepcó, llamados destos, de tal forma que se mmce los costos totales de dstrbucó. Cada uo de los orígees precsa certa catdad de udades que debe ser dstrbudas a los destos. Cada desto tee certa demada de udades que debe recbrse de los orígees. La formulacó del problema de trasporte se preseta a cotuacó: Mmzar - 4 -

m Z = c = Sujeta a: j = = S, para =,2,..., m. (Restrccó de Oferta) m = = b j, para j =,2,...,. (Restrccó de Demada) 0 ( =,2,..., m. ; j =,2,...,. ) 2.5 Flujo de Costo Mímo Etre los modelos de optmzacó de redes, el problema de flujo de costo mímo ocupa ua poscó mportate, ya que abarca ua ampla clase de aplcacoes y su solucó es muy postva. Al gual que los problemas de flujo mámo, toma u flujo e la red co capacdades lmtadas e sus arcos. Lo msmo sucede co los problemas de la ruta más corta y de trasporte o de asgacó, dode se cosdera u costo o dstaca para el flujo a través de u arco, y puede maejar varos orígees y varos destos co costos asocados. A cotuacó se descrbe el problema del flujo de costos mímo. La red es ua red drgda y coea. Al meos uo de los odos es u odo fuete. - 5 -

Al meos uo de los odos es u odo demada. El resto de los odos so odos de trasbordo. Se permte el flujo a través de u arco solamete e la dreccó dcada por la flecha, dode la catdad máma de flujo está dado por la capacdad del arco. S el flujo ocurre e ambas dreccoes se represeta co u par de arcos e dreccó opuesta. La red tee sufcetes arcos co sufcetes capacdades para permtr que todos los flujos geerados por los odos fuete llegue a los odos demada. El costo del flujo a través del arco es proporcoal a la catdad de ese flujo, dode se cooce el costo por udad. El objetvo es mmzar el costo total de evar el sumstro dspoble a través de la red para satsfacer la demada. [] Para la formulacó del modelo, se cosderara ua red coea e la que al meos odos cluya u odo orge y otro desto. Las varables de decsó so las sguetes: = flujo a través del arco j, y la formacó cluye c = costo por udad de flujo a través del arco j, u = capacdad del arco j, b j = flujo eto geerado e el odo. El valor de b j depede de la aturaleza del odo, e dode - 6 -

b > 0, s es u odo fuete, b < 0, s es u odo demada, b = 0, s es u odo trasbordo. El objetvo del modelo es mmzar el costo total de evar los recursos dspobles a través de la red para satsfacer la demada dada. Utlzado la covecó de que las sumas se toma sólo sobre arcos estetes, la formulacó de programacó leal es Mmzar Z = = c Sujeta a j = b, para cada odo de la oferta j = b, para cada odo de la demada j = 0, para cada odo de trasbordo 0 u, para cada arco j. - 7 -

La prmera sumatora de las restrccoes represeta el flujo total que sale del odo, la seguda, el flujo total que etra al odo ; la dfereca es el flujo eto geerado e este odo. E alguos casos es ecesara ua cota feror a f de que o se obtega valores egatvos: L > 0, para el flujo que pasa por cada arco j, L = Flujo mímo. Cuado se requere de cota ferores o superores se debe crear restrccoes de seleccó co varables de decsó y para evtar el flujo forzado por ese arco: y L, y U, y = 0,. 2.6 Cobertura de Cojutos E el modelo d cobertura de cojutos todas las varables so baras, para cada restrccó, todos los coefcetes del lado zquerdo so 0 o y el lado derecho es de la forma ( ). La fucó objetvo sempre mmza c + c +... + c 2 2, e dode c j >0 para todas las,2,.,. Su objetvo es dar servco a todos los elemetos del prmer cojuto, utlzado la meor catdad de elemetos posbles del segudo cojuto. E este proyecto el prmer cojuto so el CeDs y el segudo cojuto las rutas de reparto. - 8 -

2.7 Veco más Cercao Es el heurístco utlzado para resolver el problema de ecotrar el camo más corto (el camo de logtud míma) desde cada odo haca cualquer otro odo e la red que o haya sdo cludo au e la ruta que está creádose, co el objetvo de dsmur el costo o la dstaca total de la ruta. [4] E este proyecto fue utlzado este heurístco, modfcádose al veco más lejao por razoes de coveeca que será descrtas más adelate e el capítulo IV. - 9 -