WinQSB
WinQSB es un paquete de herramientas muy versátil que permite el análisis y resolución de
modelos matemáticos, problemas administrativos, de producción, proyectos, inventarios,
transporte, entre muchos otros. Ofrece una interfaz básica pero amigable, y es la aplicación por
excelencia utilizada por profesionales de Ingeniería Industrial y áreas administrativas para la
resolución de sus modelos de programación lineal, continua o entera.
(ADJUNTO PROBLEMA PASO A PASO )
Solución de un problema de programación
lineal mediante WinQSB
El primer paso para resolver un problema de programación lineal (PL) consiste en
el modelamiento matemático, y es en esta fase en la que el profesional de Ingeniería
Industrial debe desarrollar su mayor habilidad y destreza. Los pasos para resolver un
problema de PL se encuentran en el módulo de programación lineal.
El problema
Un herrero con 80 Kg. de acero y 120 Kg. de aluminio quiere hacer
bicicletas de paseo y de montaña que quiere vender, respectivamente a
20.000 y 15.000 pesos cada una para sacar el máximo beneficio. Para la de
paseo empleará 1 Kg. De acero y 3 Kg. de aluminio, y para la de montaña
2 Kg. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña deberá
fabricar para maximizar las utilidades?
El modelo matemático
Declaración de variables
x = Cantidad de bicicletas de paseo a producir
y = Cantidad de bicicletas de montaña a producir
Restricciones de capacidad
Aluminio:
x + 2y <= 80
Acero:
3x + 2y <= 120
Función Objetivo
Zmax = 20000x + 15000y
Ingresando a Linear and Integer
Programming (WinQSB)
Una vez se haya ingresado al módulo Linear and Integer Programming, se abrirá una
ventana de inicio del módulo, tal como se muestra a continuación:
En esta ventana podremos entonces crear un nuevo problema, o cargar uno que ya
hayamos desarrollado. Una vez demos clic en «Nuevo Problema (New Problem)» se
abrirá un menú emergente que nos permitirá ingresar los parámetros básicos del
problema:
El programa requiere que se definan las especificaciones del problema, que incluye el
nombre de problema, el número de variables, el número de restricciones, el criterio de
la función objetivo, los tipos de variable por defecto, y el formato de entrada de datos,
ya sea en forma de matriz o en forma de modelo normal.
El nombre de problema, los nombres de variables, nombres de restricción, el número
de variables, número de restricciones , el criterio de la función objetivo, tipos de
variables, y la entrada de datos formato se pueden modificar mediante el menú
Formato y menú Editar una vez se haya abierto el modelo.
Para el problema que estamos abordando es necesario que ingresemos los siguientes
parámetros:
Número de variables: 2 (x , y )
Número de restricciones: 2 (Disponibilidad de Aluminio y Acero)
Función Objetivo: Maximizar (Utilidades)
Tipos de variables por defecto: Enteras no negativas (Serán bicicletas, unidades
enteras)
Formato de entrada: Matriz (Recomendado)
Una vez se registren los parámetros y al dar clic en el botón OK, se mostrará la
siguiente ventana, en aras de utilizar las mismas variables que en el modelo,
mostraremos el método de renombrar las variables:
Desde el menú EDIT, también podremos modificar el nombre de las restricciones, tal
como se aprecia en la siguiente imagen:
La interfaz para ingresar los valores que controlan el problema es la siguiente:
En ella hemos registrado los datos que controlan nuestro problema de estudio. El
siguiente paso, consiste en resolver el problema, para ello damos clic en el
botón Solve and Analize: Este comando resuelve el problema . Si se especifica alguna
variable como un entero o binario, el programa utilizará automáticamente el método
de Branch and Bound (Rama y Cotas) para resolver el problema. El método
simplex modificado es utilizado para resolver problemas de programación lineal
continua.
Esta opción mostrará automáticamente un tabulado resumen de la solución si el
problema tiene una solución óptima, mostrará la inviabilidad de análisis si el problema
no es factible, o mostrará si el análisis no acotación si el problema no está acotado en
función objetivo o valores de las variables.
Este mensaje nos indica que el problema ha sido resuelto, y que existe una solución
óptima que ha sido encontrada. Al dar clic en Aceptar, nos llevará al cuadro resumen
de la solución:
Interpretar cada uno de los valores del cuadro solución, es cuan o más importante que
obtener la solución óptima, dado que de dicha interpretación podremos extraer un
buen análisis de sensibilidad:
Solution value: Valor solución, es el valor que toman las variables de decisión en
nuestra solución óptima, en este caso nos indica que se deberán producir 20 bicicletas
tipo paseo y 30 bicicletas tipo montaña.
Unit Cost or Profit: El costo unitario o contribución es el valor que les fue asignado a
las variables por nosotros en la función objetivo.
Total Contribution: Es la contribución total a la solución objetivo, es el producto del
valor solución * costo unitario o contribución.
Basic Status: Después de que el problema se resuelve , esto representa si la variable es
una variable de base, en el límite inferior, o en el límite superior en la tabla simplex
final.
Allowable MIN, MAX C(j): Para un coeficiente de la función objetivo en particular.
Este es el rango en que la base actual de la solución sigue siendo la misma.
Objective Function: Nos muestra el resultado de nuestra función objetivo, en este
caso la solución óptima tiene una función objetivo (utilidad) de $ 850.000
Left Hand Side: Del lado izquierdo, es el valor que toma la ecuación de cada
restricción luego de reemplazar las variables que la componen por los valores solución.
Por ejemplo, la ecuación de la restricción de Acero que es x + 2y <= 80, al reemplazar
los valores solución quedará: (20) + 2(30) <= 80, el valor del lado izquierdo será
entonces 80.
Right Hand Side: Del lado derecho, es el valor asignado por nosotros a las
restricciones como máximo o mínimo recurso disponible.
Slack o Surplus: Cuando la restricción en cuestión tiene el operador <=, corresponde
a una holgura, es decir, se puede interpretar como el recurso no utilizado. Cuando la
restricción en cuestión tiene el operador >=, corresponde a un exceso, es decir, se
puede interpretar como el recurso utilizado por encima de la restricción de mínimo
uso.
Shadow Price: El precio sombra de una restricción, es el cambio marginal de la
función objetivo cuando el valor del lado derecho de la restricción aumenta en una
unidad. En nuestro ejemplo sería así: por cada kg de acero adicional que tengamos
disponible, la función objetivo aumentará en $ 1250.
Qm
El software POM-QM (Production and Operations Management, Quantitative Methods) es una
herramienta que contiene los principales métodos cuantitativos para las asignaturas de
Investigación de operaciones I y II, así como otras propias de la carreras de Ingenierías. El orden en
que exploraremos el software, será en base al orden en que están orientados los temas en las
asignaturas de Investigación de operaciones I y II, y para ejemplificar el uso del software,
resolveremos problemas propuestos de los libros de textos aprobados en la planificación para el
año 2014 y que están disponibles en la biblioteca de la universidad.
Enfoque del Análisis Cuantitativo Definición del problema
El primer paso en el enfoque cuantitativo es desarrollar un enunciado claro y conciso acerca del
problema. Este enunciado dará dirección y significado a los siguientes pasos. En muchos casos,
definir el problema es el paso más importante y más difícil. Es esencial ir más allá de los síntomas
del problema e identificar las causas reales.
Desarrollo de un modelo
Un modelo es una representación (casi siempre matemática) de una situación. Lo que diferencia
el análisis cuantitativo de otras técnicas es que los modelos que se usan son matemáticos. Un
modelo matemático es un conjunto de relaciones matemáticas. Casi siempre, estas relaciones se
expresan como ecuaciones y desigualdades, ya que se encuentran en un modelo de hoja de
cálculo que suma, saca promedios o desviaciones estándar
. Recolección de datos
Una vez desarrollado un modelo, debemos obtener los datos que se usarán en él (datos de
entrada). La obtención de datos precisos para el modelo es fundamental; aun cuando el modelo
sea una representación perfecta de la realidad, los datos inadecuados llevarán a resultados
equivocados.
Desarrollo de una solución
El desarrollo de una solución implica la manipulación del modelo para llegar a la mejor solución
(óptima) del problema. En algunos casos, esto requiere resolver una ecuación para lograr la mejor
decisión. En otros casos, se podría usar el método de ensayo y error, intentando varios enfoques y
eligiendo aquel que resulte en la mejor decisión. La precisión de una solución depende de la
precisión de los datos de entrada y del modelo.
Pruebas de solución
Antes de analizar e implementar una solución, es necesario probarla cabalmente. Como la
solución depende de los datos de entrada y el modelo, ambos requieren pruebas. El modelo se
puede verificar para asegurarse de que sea lógico y represente la situación real. Análisis de los
resultados y análisis de sensibilidad
El análisis de resultados comienza con la determinación de las implicaciones de la solución. En la
mayoría de los casos, una solución a un problema causará un tipo de acción o cambio en la forma
en que opera una organización. Las implicaciones de tales acciones o cambios deben determinarse
y analizarse antes de implementar los resultados. Implementación de los resultados Es el proceso
de incorporar la solución a la compañía y suele ser más difícil de lo que se imagina. Incluso si la
solución es óptima y dará ganancias adicionales de millones de dólares, si los gerentes se oponen a
la nueva solución, todos los efectos del análisis dejan de tener valor.
SPSS
IBM SPSS Statistics uno de los software estadísticos más conocidos en las ciencias sociales y las
empresas de investigación de mercados, utilizado para resolver una gran variedad de problemas
de negocio e investigación.
Desde su creación en 1968 bajo el nombre de Statistical Packcage for Social Sciences, en la
actualidad es uno de los programas estadísticos más conocidos y utilizados tanto en las empresas
e institutos de investigación como en las organizaciones académicas. Como prueba de ello, hoy la
práctica totalidad de las universidades son usuarios de este producto.
Dada su gran popularidad, hoy en día empresas e institutos de investigación y de estadística,
organismos públicos, instituciones académicas, hospitales y centros de salud confían en SPSS para
resolver sus necesidades de análisis de datos.
Entre los tipos de análisis de datos que se pueden llevar a cabo con SPSS, destacan:
ESTADÍSTICA DESCRIPTIVA
Estadísticas descriptivas y frecuencias
Tablas de contingencia
Prueba T para muestras independientes (T-Test)
Análisis de varianza (ANOVA)
Análisis de correlaciones
ESTADÍSTICA INFERENCIAL
Análisis de regresión lineal y regresión múltiple
Análisis factorial: para la reducción de datos
Análisis de conglomerados o CLUSTER: para la agrupación de sujetos o individuos
Creación de escalas
Destaca sobre todo porque es muy fácil de usar y es comúnmente utilizado para quienes se
aventuran por primera vez en el análisis estadístico, pues SPSS es una buena opción de partida al
contar con una interfaz más amigable y requiere menos tiempo para familiarizarse con el
programa. Además, desde sus inicios ha evolucionado mucho y ya está disponible la versión 25 de
SPSS, que añade herramientas para la estadística Bayesiana, gráficos listos para su publicación y
una mejor integración con software de terceros.
Su punto negativo es que se trata de un software comercial de pago, por lo que para poder usarlo
es necesario comprar la licencia de SPSS. Si bien, si se compara con otras herramientas de análisis
de datos, no es de las más caras y cuenta con una versión de prueba de 30 días.
