Transcript
1. 3MÉTOD ODOSDE PLANEACI ÓN AGR GREGA GADA DA: MÉTODO HEUR URÍ STI CO Y MÉTOD ODOSDE OP OPTI MI ZACI ÓN
PLANI FI CACI ÓN AGREGADA
Lapl ani ficaci ónagregadadel aproducci ón( APP,por sussi gl aseni ngl és)esunenf oqueparal agest i ónde operaci onesquesecent ranensat i sf acerl ademanda enl oquerespect aal aproducci ón,manodeobra, i nvent ari oyot rosconcept os. 18meses. 3meses. Suf unci ónradi caen est abl ecerl osni vel es deproducci ónenun t i empoquegener al mentefluct úaent re:
MÉTODOS
Losmét odosde producc i ónagr egada vandesde:
l asi mpl i st a( por ej empl oensayoyerr or)
l auti l i zaci ónde mét odosdec ál cul o cuadráticos. Si nembar go,l a pl ani ficaci óndel a producc i ónagr egada puedet enerunabase mat emát i casi ndej arde serf áci ldeapl i cary entender
MÉTODO PERSEGUI R LA PLANI FI CACI ÓN
Lapl ani fic aci ónde persec uci ónrequi ere unsegui mi ent o cont i nuodel a demandayelaj ust e par acumpl i rconesa demanda
horasext r aor di nari as
t r abaj ot emporal
l asubcont r at aci ón
MÉTODO PLANI FI CACI ÓN DE NI VEL La planificación deni vel consi ste:
para sat i sf acerl a demanda
t omarl a demanda medi aanual ydi vi di rl a porl ashoras necesarias
hacerl a progr amaci ón acor deal resultado.
MÉTODO PLANI FI CACI ÓN HI BRI DA Ut i l i zauna combi naci óndel a est rategi ade persec uci ónyl as t écni casde pl ani ficaci ónde ni vel .
Mi raelcost odel os pedi dospendi ent esde ent regaen comparaci ónconel cost odemant enerel i nvent ari oydesarrol l a l osni vel esópt i mosde cadauno.
MÉTODO HEURÍ STI CO Lapal abr aheurí st i coprovi enedel apal abragri ega “ Heuri skei n”quesi gni ficadesc ubri r .
Losheurí st i coss onunconj unt oderegl asquet rat ande descubri runaomássol uci onesespec í ficasdeun probl emadet er mi nado. Ci enci aqueest udi al osproc esosdedeci si ónres pect oaun campodeconoci mi ent oc oncr et o,comosonl ases t rat egi as cogni t i vas.
Sucont r apart i daf ormalencomput aci óneselal gori t mo.
Unmét odoheurí st i coesun procedi mi ent opararesol ver unprobl emade Est asr egl asest ánbasadas opt i mi zaci ónmedi ant euna enrazonami ent os oxi maci óni nt ui t i va,en deduct i vosdepersonas, apr l aquel anat ural eza debi doasui nt ui ci ón, i nt rí nsec adelprobl emase conoci mi ent oyexperi enci a.u sademaner ai nt el i gent e paraobt enerunabuena sol uci ón.
SEGÚN POLYA( 1957) ,CUANDO SERESUELVEN PROBLEMAS, I NTERVIENEN CUATRO OPERACI ONESMENTALES: 1. Ent ender el probl ema
4. Revi sar
2.Tr azar unpl an
3. Ej ecut ar elpl an (resolver)
COMO SE APLI CA es aplicable a cualquier ci enci a
Pri nci pi os
i ncl uyel a elaboración demedi os auxi l i ares
estrategias
Regl as
progr amas que f ac i l i t e nl a búsqueda deví asde sol uci óna probl emas
LOSPROCEDI MI ENTOSHEURÍ STI COSCOMO MÉTODO CIENTÍ FI CO PUEDEN DI VI DI RSEEN PRI NCI PI OS,REGLASYESTRATEGI AS.
Los Procedi mi ent os Heurí st i coss on f ormas:
det rabaj o
queapoyanl a real i zaci ón consc i ent ede actividades mental es exigentes.
de pensami ento
PRI NCI PI OSHEURÍ STI COS:
Const i t uyensugerenci aspar aencont r ar ( di rect ament e)l ai deadesol uci ón;posi bi l i t a det ermi nar ,port ant o,al avez,l osmedi osyl a ví adesol uci ón.Dent rodeest ospri nci pi osse dest acanl aanal ogí ayl areducc i ón.
LASREGLASHEURÍ STI CASQUE MÁSSEEMPLEAN SON:
Separ arl odadodel o buscado. Repres ent ar magni t udesdadasy buscadasc on variables. Det ermi narsise t i enenf órmul as adecuadas.
Ut i l i zarnúmeros ( est ruc t urasmás n si mpl es)e l ugarde datos.
Ref ormul arel probl ema.
ESTRATEGI ASHEURÍ STI CAS Elt rabaj ohaci aadel ant e:
separt edel odadoparareal i zarl asr eflexi onesquehan deconduci ral asol uci óndelpr obl ema.
Elt rabaj ohaci aat rás: seexami napri mer ament el oques ebusc ay,apoyándose del osconoci mi ent osqueseti enen,seanal i zanposi bl es res ul t adosi nt ermedi osdel oquesepuedededuci rl o busc ado,hast al l egaral osdados.
MÉTODOSDEOPTI MI ZACI ÓN Losmét odosdeopt i mi zaci ónes unar amadel asmat emát i cas queconsi st ent eenelusode model osmat emát i cos , est adí st i cosyal gori t moscon obj et odereal i zarunproc esode t omadedeci si ones. Est ospri nci pi osgeneral esnos hanl l evadoaut i l i zarenl os di f erent esni vel esdelsi st ema l osprocedi mi ent osde pl ani ficaci ónyopt i mi zaci ónque mej orseadec uenalperfil comput aci onaldelmodel o.
Progr amaci ón Li neal( LP)
Mét odos Hí bri dos
Progr amaci ón Est ocást i ca
Progr amaci ón Ent er aMi xt a ( MI P)
Progr amaci ón con Rest ri cc i ones ( CP)
LOSMÉTODOSDEOPTI MI ZACI ÓN MÁSOCUPADOSSON LOSSI GUI ENTES: Laopt i mi zaci óncl ási ca: •
seocupasil ares t ri cc i ónnoexi st e,oesunares t ri cc i óndei gual dad,conmenoroi gualnúmero devari abl es.
Opti mi zaci ónconrest ri cc i onesdedesi gual dad-opt i mi zaci ónnocl ási ca: •
seestabl ecesil arest ri cci óncont i enemayorcant i daddevari abl esquel af unci ónobj et i vo,ol a rest ri cc i óncont i enerest ri cc i onesdedesi gual dad,exi st enmét odosenl osqueenal gunoscasos sepuedenencont r arl osval or esmáxi mosomí ni mos.
Opti mi zaci ónest ocást i ca: •
cuandol asvari abl esdelprobl ema( f unci ónobj et i voy/ orest ri cci ones)sonvari abl esal eat ori as elt i podeopt i mi zaci ónreal i zadaesopt i mi zaci ónest ocást i ca.
Opt i mi zaci ónconi nf ormaci ónnoperf ect a: •
enest ecasol acant i daddevari abl es,omásaúnl af unci ónobj et i vopuedeserdesconoci dao t ambi énvari abl e.
LosMul t i pl i cadoresdeLagr ange: •
nombradosasíenhonoraJosephLoui sLagr ange,sonunmét odopar at rabaj arc onf unci ones devari asvari abl esquei nt eresamaxi mi zaromi ni mi zar ,yest ásuj et aaci ert asr est ri cci ones.
