RELOJ

miércoles, 30 de noviembre de 2011

CASOS DE TRANSPORTE

CASO I:

INTERPRETACIÓN:
  • Se necesita 700 unidades del producto1 para el cliente 2 y 300 unidades del producto1 para el cliente3.
  • Se necesita 300 unidades del producto2 para el cliente 3 y 700 unidades del producto2 para la ficticia.
  • Se necesita 500 unidades del producto3 para el cliente1,  800 unidades del producto3  para el cliente4 y 200unidades del producto3 para la ficticia.


CASO II:
INTERPRETACION:
  • Se necesita 50 unidades del almacen1 para el mayorista1,  50 unidades del almacen1 para el mayorista3 y 50 unidades del almacen1 para el mayorista4.
  • Se necesita 75 unidades del almacen2 para el mayorista2 y  25 unidades del almacen2 para el mayorista4.
  • Se necesita 50 unidades del almacen3 para el mayorista4.
  • El mayorista1 demanda 100unidades pero se podrá asignar 50unidades demandadas y lo faltante es demanda insatisfecha.

miércoles, 23 de noviembre de 2011

TRANSPORTES

Interpretación:
·         Se necesita 20 unidades de electricidad para iluminación y 40 unidades de electricidad para la ficticia.
·         Se necesita 10 unidades de gas natural para el aire acondicionado y 30 unidades de gas natural para la ficticia.
·         Se necesita 10 unidades de celda solar para la calefacción y 20 unidades de celda solar para la ficticia.

domingo, 6 de noviembre de 2011

INTERPRETACION DE LOS DATOS RESULTADO DEL LINDO

Una empresa manufacturera ha descontinuado la producción de cierta línea de productos no provechosa.  Esto creó un exceso considerable en la capacidad de producción. El gerente está   considerando dedicar esta capacidad en exceso  a uno o más de tres  productos,  llamémoslos losproductos1,2,y3.La  capacidad disponible   de la máquinas que podría limitar la producción se  resume en la tabla siguiente:
TIPO DE MAQUINA
TIEMPO   DISPONIBLE
FRESADORA
500H/SEMANA
TORNO
350
RECTIFICADORA
150

El número de horas de máquina requerida por cada unidad de los productos respectivos      es:
Coeficiente de Productividad(en horas       máquina por unidad)
TIPO   DE MAQUINA
PRODUCTO 1
PRODUCTO  2
PRODUCTO 3
FRESADORA
9
3
5
TORNO
5
4
0
RECTIFICADORA
3
0
2

El  departamento de ventas indica que  el potencial de ventas para los productos 1 y 2  es     mayor   que la tasa de producción máxima y   que el potencial de ventas para el producto 3 es de 20 unidades por semana.
La utilidad  unitaria será   de $30, $12  y $15, para los productos 1,2 y 3, respectivamente.

Formúlese  el modelo PL para determinar cuánto debe producir la empresa de cada producto para maximizar la utilidad.
Solución :
Variable de decisión:
Xi= Cantidad a producir  del producto  i(i=1,2,3)

Función Objetivo:
Maximizar=30x1+12x2+15x3
Restricciones:
Tiempo:
Fresadora: 9x1+3x2+5x3<=500
Torno:       5x1+4x2<=350
Rectificadora:3x1+2x3<=150
Potencial de ventas del producto3:
X3<=20
No negatividad:
xi>=0     



 RESULTADO:


LP OPTIMUM FOUND AT STEP      0

        OBJECTIVE FUNCTION VALUE

1)            1742.857
La tasa de la producción máxima es de 1742.857

  VARIABLE        VALUE          REDUCED COST
        X1        26.190475          0.000000
Se debe de producir 27 productos de X1 por semana

        X2        54.761906          0.000000
Se debe de producir 55 productos de X2 por semana


        X3        20.000000          0.000000
Se debe de producir 20 productos de X3 por semana


       ROW   SLACK OR SURPLUS     DUAL PRICES
     FRES)         0.000000          2.857143
Se tiene 0 horas de holgura esto significa que todas las horas se están laborando. Por cada hora adicional que se labore se gana s/.2.85143/hora.

     TORN)         0.000000          0.857143
Se tiene 0 horas de holgura esto significa que todas las horas se están laborando. Por cada hora adicional que se labore se gana s/.0.857143/hora.

   RECTIF)        31.428572          0.000000
Se tiene 31.4 horas de superflua, esto significa que se debe añadir 31.4 horas más a lo disponibleactualmente por cada hora adicional se gana s/.0 /hora.

  PVENTAS3)         0.000000          0.714286
Por cada venta adicional se gana s/.0.71/por unidad.

 NO. ITERATIONS=       0


 RANGES IN WHICH THE BASIS IS UNCHANGED:

                           OBJ COEFFICIENT RANGES
 VARIABLE         CURRENT        ALLOWABLE        ALLOWABLE
                   COEF          INCREASE         DECREASE
       X1       30.000000         0.750000        15.000000
C1:      (30-15) <=C1<= (30+0.75)
                                         (15) <=C1<= (30.75)
La cantidad máxima del producto X1 es de 30.75 y la mínima es 15.

       X2       12.000000        12.000000         0.600000
C2:      (12-0.6) <=C2<= (12+12)
      (11.4) <=C2<= (24)
La cantidad máxima del producto X2 es de 24 y la mínima es 11.4.



       X3       15.000000         INFINITY         0.714286
C3:      (15-0.714286) <=C3<= (15+infinito)
                   (14.285714) <=C3<= (infinito)
La cantidad máxima del producto X1 puede ser  infinito y la mínima es 14.285714.


                           RIGHTHAND SIDE RANGES
      ROW         CURRENT        ALLOWABLE        ALLOWABLE
                    RHS          INCREASE         DECREASE
     FRES      500.000000        54.999996       137.500000
(500-137.5) <=b1<= (500+54.999996)
(362.5) <=b2<= (554.999996)
La cantidad de horas máximas serán de 554.999996  y las mínimas serán de 362.5.

     TORN      350.000000       183.333313        73.333336
(350-73.333336) <=b2<= (350+183.333313)
(212.5) <=b2<= (533.333313)
La cantidad de horas máximas serán de 212.5  y las mínimas serán de533.333313.

   RECTIF      150.000000         INFINITY        31.428572
(150-31.428572) <=b3<= (150+infinito)
(118.571428) <=b3<= (infinito)
La cantidad de horas máximas serán de infinito y las mínimas serán de 118.571428.

  PVENTAS       20.000000        27.500000        20.000000



Reponder:

1.- ¿Cuántas horas de fresadora se están usando?
ROW   SLACK OR SURPLUS     DUAL PRICES
     FRES)         0.000000          2.857143
Se tiene 0 horas de holgura esto significa que todas las horas se están laborando.

2.-¿Cuál es el plan de producción?
  VARIABLE        VALUE          REDUCED COST
        X1        26.190475          0.000000
Se debe de producir 27 productos de X1 por semana

        X2        54.761906          0.000000
Se debe de producir 55 productos de X2 por semana


        X3        20.000000          0.000000
Se debe de producir 20 productos de X3 por semana


3.-¿Cuántas horas ociosas tiene el área de torno?
ROW   SLACK OR SURPLUS     DUAL PRICES
    TORN)         0.000000          0.857143
Se tiene 0 horas de holgura esto significa que todas las horas se están laborando.

4.-¿Cuántas horas extras puede trabajar la rectificadora?
RECTIF      150.000000         INFINITY        31.428572
(150-31.428572) <=b3<= (150+infinito)
(118.571428) <=b3<= (infinito)
La cantidad de horas máximas serán de infinito y las mínimas serán de 118.571428.

5.-¿Qué área puede ser utilizada que genere más ganancia?
ROW   SLACK OR SURPLUS     DUAL PRICES
     FRES)         0.000000          2.857143
Se tiene 0 horas de holgura esto significa que todas las horas se están laborando. Por cada hora adicional que se labore se gana s/.2.85143/hora.

MÉTODO SIMPLEX DUAL (EXCEL)

EJEMPLO DEL MÉTODO SIMPLEX PRIMAL (EXCEL)

MÉTODO SIMPLEX

Resuelve la programación lineal en interaciones. Cada interación desplaza la solución a un nuevo punto esquina que tiene potencial de mejorar el valor de la función objetivo.
El método simplex implica cálculos voluminosos y tediosos, por ese motivo se utiliza lo programas de cómputo; pues permiten resolver o facilitar el cálculo automáticamente.
1)      Espacio de soluciones en forma de ecuación
Para estandarizar:
·         Todas la restricciones (excepto las de no negatividad) son ecuaciones con lado derecho no negativo.
·         Todas las variables son no negativas.
1.1) conversión de desigualdades a ecuaciones.
En las desigualdades la diferencia entre el lado derecho y el lado izquierdo de la restricción (≤) representa, por consiguiente, la cantidad no usada u holgura del recurso.
Para convertir una desigualdad en ecuación, se le agrega una variable de holgura al lado izquierdo de la restricción. Si se define s1 como holgura la ecuación se convierte de la siguiente manera:
6x1 + 4x2 + s1 = 24, s1 ≥ 0
La conversión de  (≥) a (=) se logra restando una variable de excedencia del lado izquierdo de la desigualdad. Ejm:
x1 + x2 - s1 = -3, s1 ≥ 0
Lo importante es saber que las variables de holgura y de excedencia, s1 y S1 siempre son no negativas.
El único requisito primordial es que el lado derecho de la ecuación sea no negativo. Esta condición se puede satisfacer siempre, si es necesario multiplicando ambos lados de la ecuación resultante por (-1) ejm:
-x1 + x2 = -3
-x1 + x2 + s1 = -3, s1 ≥ 0 (-1)
x1 - x2 - s1 = 3
En el método simplex encontramos dos tipos de soluciones:
PRIMAL:

Paso1: escoger el valor más negativo de las ZJ – CJ, y se llama variable entrante.
Paso2: elegir la mejor división de: LD/entr, y se le llama variable saliente.
Paso3: pasar el pivote a su inversa.
Paso4: los demás valores de la variable saliente se dividen entre el pivote.
Paso5: la columna se divide entre el pivote con el signo cambiado.
Los demás valores restantes:

Y así sucesivamente.
Esta forma de resolver las programaciones lineales finaliza cuanla la función objetiva y el lado derecho sean mayores o iguales que 0.
DUAL:
Los pasos siguientes para resolver son los mismos para el primal.
Esta forma de resolver las programaciones lineales finaliza cuanla la función objetiva y el lado derecho sean menores o iguales que 0.

BIOGRAFÍA DE GEORGE BERNARD DANTZIG


George Bernard Dantzig nació el 8 de Noviembre de 1914 en Portland, Oregon, EEUU. Su padre era profesor de Matemáticas, se retiró dejando su puesto de Jefe del Departamento de Matemáticas en la Universidad de Maryland poco después de la Segunda Guerra Mundial. Su madre era una lingüista especializada en idiomas eslavos.
Dantzig estudió su carrera en la Universidad de Maryland, donde se graduó en 1936. Le disgustaba el hecho de no haber visto ni una sola aplicación en alguno de los cursos de Matemáticas que había tomado allí. Al año siguiente hizo estudios de postgrado en la escuela de Matemáticas de la Universidad de Michigan. Sin embargo, exceptuando la Estadística, le pareció que los cursos eran demasiado abstractos; tan abstractos, que él sólo deseaba una cosa: abandonar sus estudios de postgrado y conseguir un trabajo.
En 1937 Dantzig dejó Michigan para trabajar como empleado en Estadística en el Bureau of Labor Statistics. Dos años después se inscribía en Berkeley para estudiar un Doctorado en Estadística.
La historia de la tesis doctoral de Dantzig es ahora parte del anecdotario de las Matemáticas. Durante su primer año en Berkeley, se inscribió en un curso de Estadística que impartía el famoso profesor Jerzy Neymann. Este profesor tenía la costumbre de escribir en la pizarra un par de ejercicios al comenzar sus clases para que, como tarea para el hogar, fueran resueltos por sus alumnos y entregados en la clase siguiente. En una ocasión llegó tarde a una de las clases de Neymann y se encontró con dos problemas escritos en la pizarra. Supuso que eran problemas de tarea y, consecuentemente, los copió y los resolvió, aun cuando le parecieron "un poco más difíciles que los problemas ordinarios". Unos días después se los entregó a Neymann, disculpándose por haber tardado tanto. Aproximadamente seis semanas después, un domingo a las 8:00 de la mañana, Neymann llegó aporreando la puerta de Dantzig, explicándole que había escrito una introducción a uno de los artículos de Dantzig y que quería que la leyera a fin de poder enviar el artículo para su publicación. Los dos "problemas de tarea" que Dantzig había resuelto eran, en realidad, dos famosos problemas no resueltos de la Estadística. Las soluciones de estos problemas se convirtieron en su tesis doctoral, a sugerencia de Neymann.
No obstante, Dantzig no terminó su doctorado hasta 1946. Poco después del comienzo de la Segunda Guerra Mundial se unió a la Fuerza Aérea de Estados Unidos y trabajó con el Combat Analysis Branch of Statistical Control. Después de recibir su Doctorado, regresó a la Fuerza Aérea como el asesor de Matemáticas del U. S. Air Force Controller. Fue en ese trabajo donde encontró los problemas que le llevaron a hacer sus grandes descubrimientos. La Fuerza Aérea necesitaba una forma más rápida de calcular el tiempo de duración de las etapas de un programa de despliegue, entrenamiento y suministro logístico.
El profesor Dantzig centró básicamente sus desarrollos científicos, cronológicamente, en la RAND Corporation y las universidades de Berkeley y Stanford en California, con asignaciones temporales en otros centros como el IIASA en Viena. (Es gozosa la anécdota que él cuenta como la razón principal para moverse de Berkeley a Stanford, la "culpa" es de un aparcamiento de coches para los profesores en la misma puerta de su nuevo Dpto. con tal mala fortuna que este aparcamiento ya había desaparecido cuando él se incorporó a Stanford).
El trabajo de Dantzig generalizó lo hecho por el economista, ganador del Premio Nobel, Wassily Leontief. Dantzig pronto se dio cuenta de que los problemas de planeación con los que se encontraba eran demasiado complejos para las computadoras más veloces de 1947 (y aun para las de la actualidad).
Habiéndose ya establecido el problema general de Programación Lineal, fue necesario hallar soluciones en un tiempo razonable. Aquí rindió frutos la intuición geométrica de Dantzig: "Comencé observando que la región factible es un cuerpo convexo, es decir, un conjunto poliédrico. Por tanto, el proceso se podría mejorar si se hacían movimientos a lo largo de los bordes desde un punto extremo al siguiente. Sin embargo, este procedimiento parecía ser demasiado ineficiente. En tres dimensiones, la región se podía visualizar como un diamante con caras, aristas y vértices. En los casos de muchos bordes, el proceso llevaría a todo un recorrido a lo largo de ellos antes de que se pudiese alcanzar el punto de esquina óptimo del diamante".
Esta intuición llevó a la primera formulación del método simplex en el verano de 1947. El primer problema práctico que se resolvió con este método fue uno de nutrición.
El 3 de octubre de l947 Dantzig visitó el Institute for Advanced Study donde conoció a John von Neumann, quien por entonces era considerado por muchos como el mejor Matemático del mundo. Von Neumann le habló a Dantzig sobre el trabajo conjunto que estaba realizando con Oscar Morgenstern acerca de la teoría de juegos. Fue entonces cuando Dantzig supo por primera vez del importante teorema de la dualidad.
Otro de sus grandes logros es la teoría de la dualidad, ideado conjuntamente con Fulkerson y Johnson en 1954 para resolver el paradigmático problema del Agente Viajero (resolviendo entonces problemas con 49 ciudades cuando, hoy día, mediante modernas implementaciones del método, se resuelven problemas con varios miles de ciudades y hasta un millón de nodos) es el precursor de los hoy utilísimos métodos de Branch-and Cut (Bifurcación y corte) tan utilizados en programación entera para resolver problemas de grandes dimensiones.
Muchos de los problemas a resolver mediante Programación Matemática se enmarcan en planificación dinámica a través de un horizonte temporal. Muchos de los parámetros se refieren al futuro y no se pueden determinar con exactitud. Surge entonces la programación estocástica o programación bajo incertidumbre. Esta rama, con un gran desarrollo hoy día, y un tremendo potencial para el futuro, debe su desarrollo a dos trabajos seminales que de forma independiente son debidos a los profesores E.Martin L Beale y George B. Dantzig en 1955.
Así mismo es de gran utilización su método denominado Descomposición de Dantzig- Wolfe (desarrollado conjuntamente con Philip Wolfe en 1959-1960) (cuyo dual es el método de Descomposición de Benders, tan utilizado hoy día en Programación Estocástica), para resolver problemas de programación lineal estructurados.
El libro "Linear Programming and Extensions" (1963), ha sido su gran libro de referencia durante los 42 años que median desde su publicación. Ha cerrado el ciclo de su extensa bibliografía con el libro en dos tomos "Linear Programming" (1997 y 2003), escrito conjuntamente con N. Thapa.
En 1976 el presidente Gerald Ford otorgó a Dantzig la Medalla Nacional de Ciencias, que es la presea más alta de los Estados Unidos en Ciencia. En la ceremonia en la Casa Blanca se citó a George Bernard Dantzig "por haber inventado la Programación Lineal, por haber descubierto métodos que condujeron a aplicaciones científicas y técnicas en gran escala a problemas importantes en logística, elaboración de programas, optimización de redes y al uso de las computadoras para hacer un empleo eficiente de la teoría matemática".
El profesor G. B. Dantzig no pudo conseguir el premio Nobel, pero recibió un cúmulo de distinciones, entre otras la mencionada anteriormente, el premio Von Neumann Theory en 1975, Premio en Matemáticas Aplicadas y Análisis Numérico de la National Academy of Sciences en 1977, Harvey Prize en Ciencia y Tecnología de Technion, Israel, en 1985. Fue miembro de la Academia de Ciencias y de la Academia Nacional de Ingeniería de EEUU. Las Sociedades de Programación Matemática y SIAM instituyeron hace años un premio que lleva su nombre, premio que es uno de los más prestigiosos de nuestra comunidad.
Dantzig se sorprendió de que el método simplex funcionara con tanta eficiencia. Citando de nuevo sus palabras: "La mayor parte de las ocasiones el método simplex resolvía problemas de m ecuaciones en 2m o en 3m pasos, algo realmente impresionante. En realidad nunca pensé que fuese a resultar tan eficiente. En ese entonces yo aún no había tenido experiencias con problemas en dimensiones mayores y no confiaba en mi intuición geométrica. Por ejemplo, mi intuición me decía que el procedimiento requeriría demasiados pasos de un vértice al siguiente. En la práctica son muy pocos pasos. Dicho con pocas palabras, la intuición en espacios de dimensiones mayores no es muy buena guía. Sólo ahora, 52 años después de haber propuesto el método simplex por primera vez, la gente está comenzando a tener una idea de por qué el método funciona tan bien como lo hace".
Una precisión acerca de la terminología: un simplex es un tipo especial de conjunto convexo poliédrico. Más concretamente, sean P1, P2, . . . , Pn+1 n+1 puntos (o vectores) en R. Se dice que los vectores tienen independencia afín si los n vectores P1 P2, P1 P3, . . . , P1 Pn, P1 P son linealmente independientes. Si los puntos tienen independencia afín, entonces el conjunto convexo más pequeño que contiene los n+1 puntos en se llama n-simplex. En R, tres puntos tienen independencia afín si no son colineales. El conjunto convexo más pequeño que contiene tres puntos no colineales es un triángulo con estos puntos como vértices. Por tanto, un 2-simplex es un triángulo. En R, cuatro puntos tienen independencia afín si no son coplanares. El conjunto convexo más pequeño que contiene cuatro de tales puntos es un tetraedro. Este es el 3-simplex. Los triángulos y los tetraedros son conjuntos poliédricos convexos, no obstante que los conjuntos convexos poliédricos no son necesariamente simplex. El método simplex fue llamado así por George Dantzig, aunque no está claro por qué eligió ese nombre. Habría sido más adecuado llamarlo "método del conjunto convexo poliédrico".
Por último, pero no lo último, es importante reseñar la aplicación de programación matemática que el profesor Dantzig fue desarrollando a lo largo de los años para diversos sectores industriales y de la Administración, destacando a título de ejemplo el proyecto PILOT, para una mejor planificación del sector energético y, por tanto, un mayor ahorro energético.
El 13 de Mayo de 2004, George Bernard Dantzig, murió a la edad de 90 años en su casa de Stanford debido a complicaciones con la diabetes y problemas cardiovasculares.
A pesar de los grandes adelantos en la optimización computacional ocurridos durante los últimos 20 años (por ejemplo, los avances en los métodos de punto interior), el método Simplex inventado por George B. Dantzig en 1947 es aún la herramienta principal en casi todas las aplicaciones de la programación lineal.
Dantzig es considerado como uno de los tres fundadores de la programación lineal, compartiendo dicho honor con Von Neumann y Kantorovich. A través de su investigación en teoría matemática, computación, análisis económico y aplicaciones de problemas industriales ha logrado contribuir más que cualquier otro investigador al desarrollo de la programación lineal.