Modulo Metodos Probabilisticos-2013

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

CONTENIDO DIDCTICO DEL CURSO: 104561 MTODOS PROBABILSTICOS

1

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
PROGRAMA CIENCIAS BSICAS

104561 MTODOS PROBABILSTICOS
VLADIMIR DE JESS VANEGAS ANGULO
(Director Nacional)

2013

2
ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente mdulo fue diseado en el ao 2009 por William Ortegn docente de la
UNAD, ubicado en el CEAD de Ibagu el Autor es Ingeniero industrial especialista en
logstica de produccin y distribucin. Se ha desempeado como tutor de la UNAD desde
enero de 2008 hasta la fecha y ha sido catedrtico de Universidades de Ibagu. El presente
mdulo ha tenido 3 actualizaciones la primera realizada por la doctora Gloria Guzmn, la
segunda por el ingeniero William Ortegn y la tercera por Vladimir Vanegas Angulo.
El material ha sido revisado por el ingeniero William Mosquera y aportado para la
calidad del mismo.


3

INTRODUCCIN
LA INVESTIGACIN DE OPERACIONES Y EL USO DE MODELOS
Un poco de Historia
Se inicia desde la revolucin industrial, en los libros se dice que fue a partir de la segunda
Guerra Mundial. La investigacin de operaciones se aplica a casi todos los problemas. En
1947, en E.U., George Datzing encuentra el mtodo SIMPLEX para el problema de
programacin lineal. En la investigacin de operaciones, las computadoras son la
herramienta fundamental en la investigacin de operaciones.
Definicin
Investigacin de operaciones, es la aplicacin del mtodo cientfico por un grupo
multidisciplinario de personas a un problema, principalmente relacionado con la distribucin
eficaz de recursos limitados (dinero, materia prima, mano de obra, energa), que apoyados
con el enfoque de sistemas (este enfoque, es aquel en el que un grupo de personas con
distintas reas de conocimiento, discuten sobre la manera de resolver un problema en
grupo.). Puede considerarse tanto un arte como una ciencia. Como arte refleja los conceptos
eficiente y limitado de un modelo matemtico definido para una situacin dada. Como ciencia
comprende la deduccin de mtodos de clculo para resolver los modelos.
Pasos del Mtodo cientfico en IO
1. Delimitacin del problema
2. Modelacin del problema
3. Resolucin del modelo
4. Verificacin con la realidad
5. Implantacin
6. Conclusiones
TIPOS DE MODELOS Y SU SIGNIFICADO
Un modelo es una representacin ideal de un sistema y la forma en que este opera. El
objetivo es analizar el comportamiento del sistema o bien predecir su comportamiento futuro.
Obviamente los modelos no son tan complejos como el sistema mismo, de tal manera que
se hacen las suposiciones y restricciones necesarias para representar las porciones ms
relevantes del mismo. Claramente no habra ventaja alguna de utilizar modelos si estos no
simplificaran la situacin real. En muchos casos podemos utilizar modelos matemticos que,
mediante letras, nmeros y operaciones, representan variables, magnitudes y sus relaciones.
Modelos Matemticos

4
Un modelo es producto de una abstraccin de un sistema real: eliminando las complejidades
y haciendo suposiciones pertinentes, se aplica una tcnica matemtica y se obtiene una
representacin simblica del mismo.

Un modelo matemtico consta al menos de tres conjuntos bsicos de elementos:
1. Variables de decisin y parmetros
Las variables de decisin son incgnitas que deben ser determinadas a partir de la
solucin del modelo. Los parmetros representan los valores conocidos del sistema o
bien que se pueden controlar.
2. Restricciones
Las restricciones son relaciones entre las variables de decisin y magnitudes que dan
sentido a la solucin del problema y las acotan a valores factibles. Por ejemplo si una
de las variables de decisin representa el nmero de empleados de un taller, es
evidente que el valor de esa variable no puede ser negativa.
3. Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin, parmetros y
una magnitud que representa el objetivo o producto del sistema. Por ejemplo si el objetivo
del sistema es minimizar los costos de operacin, la funcin objetivo debe expresar la
relacin entre el costo y las variables de decisin. La solucin PTIMA se obtiene cuando el
valor del costo sea mnimo para un conjunto de valores factibles de las variables. Es decir
hay que determinar las variables x1, x2,..., xn que optimicen el valor de Z = f(x1, x2,..., xn)
sujeto a restricciones de la forma g(x1, x2,..., xn) b. Donde x1, x2,..., xn son las variables
de decisin Z es la funcin objetivo, f es una funcin matemtica.

Clasificacin de Modelos
Muchos problemas de decisin implican un gran nmero de factores o variables importantes
o pueden tener muchas opciones a considerar por lo que se hace necesario la utilizacin de

5
computadoras para su solucin. Por ejemplo una empresa puede contar con varias fbricas
donde produce bienes para enviar a cientos de clientes. Decidir la programacin de las
fbricas y determinar cules de ellas deben atender a cuales clientes, para minimizar costos,
implica cientos de variables y restricciones que pueden tener millones de posibles soluciones.
Los modelos de programacin lineal y programacin entera son las tcnicas ms utilizadas
para resolver problemas grandes y complejos de negocios de este tipo. En ellos se aplican
tcnicas matemticas para hallar el valor mximo (o el mnimo) de un objetivo sujeto a un
conjunto de restricciones.
La simulacin es una tcnica para crear modelos de sistemas grandes y complejos que
incluyen incertidumbre. Se disea un modelo para repetir el comportamiento del sistema.
Este tipo de modelo se basa en la divisin del sistema en mdulos bsicos o elementales
que se enlazan entre s mediante relaciones lgicas bien definidas. El desarrollo de un
modelo de simulacin es muy costoso en tiempo y recursos.
Problemas dinmicos los problemas dinmicos de decisin implican un tipo particular de
complejidad cuando hay una secuencia de decisiones interrelacionadas a travs de varios
perodos. Por ejemplo modelos de inventario, para determinar cundo pedir mercadera y
cunto debe mantenerse en existencia; los modelos PERT o de ruta Crtica para la
programacin de proyectos y los modelos de colas para problemas que involucran
congestin.
En los problemas complejos pueden aparecer variables exgenas o variables externas,
importantes para el problema de decisin, pero que estn condicionadas por factores que
estn fuera del control de la persona que decide, tales como condiciones econmicas,
acciones de los competidores, precios de las materias primas y otros factores similares. Las
restricciones pueden considerar ciertas polticas definidas por la empresa tales como que los
materiales tienen que adquirirse a determinados proveedores o que deben mantenerse
ciertos niveles de calidad.

6

La investigacin de operaciones, tiene mtodos de optimizacin aplicables a los siguientes
tipos de problemas:
1. METODOS DETERMINISTICOS: Ej., Programacin lineal, programacin entera,
probabilidad de transporte, programacin no lineal, teora de localizacin o redes,
probabilidad de asignacin, programacin por metas, teora de inventarios, etc.
2. METODOS PROBABILISTICOS: Ej. Cadenas de Markov, teora de juegos, lneas de
espera, teora de inventarios, etc.
3. METODOS HIBRIDOS: Tienen que ver con los mtodos determinsticos y
probabilsticos como la teora de inventarios.
4. METODOS HEURISTICOS: Son las soluciones basadas en la experiencia, como la
programacin heurstica.
Un Analista de investigacin de Operaciones debe elegir el plan de accin ms efectivo para
lograr las metas de la organizacin, debe seleccionar un conjunto de medidas de
desempeo, utilizar una unidad monetaria y tomar decisiones, debe seguir un proceso
general de solucin, en cualquier situacin, durante la toma de decisiones. Deben
establecerse los criterios de tomas de decisiones (Costos, Cantidades, Mximos, Mnimos
etc.), seleccionar las alternativas, determinar un modelo y evaluarlo, integrar la informacin
cuantitativa obtenida para luego decidir. Muchas veces hay que incorporar factores
cualitativos tales como el nimo y el liderazgo en la organizacin, problemas de empleo,
contaminacin u otras de responsabilidad social.
Nota: el proceso de abstraccin (idealizacin restriccin y simplificacin) siempre introduce
algn grado de error en las soluciones obtenidas, por lo que el ejecutivo no debe volverse
incondicional de un modelo cuantitativo y adoptar automticamente sus conclusiones como

7
la decisin correcta. La cuantificacin es una ayuda para el juicio empresarial y no un
sustituto de este.
Los modelos planteados se conocen como modelos determinsticos. En contraste, en
algunos casos, quiz no se conozcan con certeza los datos, ms bien se determinan a travs
de distribuciones de probabilidad, se da cabida a la naturaleza probabilstica de los
fenmenos naturales. Esto da origen a los as llamados modelos probabilsticos o
estocsticos.
Las dificultades evidentes en los clculos de los modelos matemticos han obligado a los
analistas a buscar otros mtodos de clculo que aunque no garantizan la optimalidad de la
solucin final, buscan una buena solucin al problema. Tales mtodos se denominan
heursticos. Suelen emplearse con dos fines: En el contexto de un algoritmo de optimizacin
exacto, con el fin de aumentar la velocidad del proceso. En segundo lugar para obtener una
solucin al problema aunque no ptima, la que puede ser muy difcil encontrar.


INDICE DE CONTENIDO
INTRODUCCIN .......................................................................................................
UNIDAD UNO: TCNICAS DE PRONSTICO, TEORA DE INVENTARIOS, TOMA DE
DECISIONES EN SISTEMAS DE INVENTARIOS
CAPITULO UNO: TCNICAS DE PRONSTICO 14
Leccin 1: Pronsticos 16
Leccin 2: Modelo de regresin lineal 22
Leccin 3: Modelo de promedio mvil 27
Leccin 4: Suavizacin exponencial 33
Leccin 5: Error del pronstico 39
CAPITULO DOS: TEORA DE INVENTARIOS 51
Leccin 6: Administracin de inventarios 53
Leccin 7: Modelo de inventarios EOQ 56
Leccin 8: Modelos de inventarios EOQ con descuentos 63
Leccin 9: Modelos de lote de produccin y el sistema de clasificacin ABC 68
Leccin 10: Modelo estocstico de inventarios 81
CAPITULO 3: ELEMENTOS PARA LA TOMA DE DECISIONES EN SISTEMAS DE
INVENTARIOS 88
Leccin 11: Modelos para la toma de decisiones en el sistema de inventarios 88
Leccin 12: Elementos que enmarcan el proceso decisorio en produccin e inventarios 90
Leccin 13: Factores de importancia para la toma de decisiones en inventarios 91
Leccin 14: Control de inventarios de tems individuales con demanda probabilstica 95
Leccin 15: Formas de revisin del nivel de inventario 97
UNIDAD 2 CADENAS DE MARKOV, TEORA DE COLAS Y PROGRAMACIN NO LINEAL
CAPITULO 4: CADENAS DE MARKOV 104
Leccin 16: Cadenas de Eventos Anlisis de MARKOV 104
Leccin 17: Descripcin de una cadena de Markov 106
Leccin 18: Clculo de las probabilidades de transicin 108
Leccin 19: Clasificacin de estados en una cadena de Markov 111
Leccin 20: Probabilidades de estado estable 112
CAPITULO 5: MODELOS DE LNEAS DE ESPERA 125
Leccin 21: Teora de lneas de espera 127
Leccin 22: Origen de la teora de colas 130
Leccin 23: Medidas de rendimiento 136
Leccin 24: Anlisis de costos 138
Leccin 25
CAPITULO 6 PROGRAMACIN NO LINEAL 143
Leccin 26: Programacin no lineal 143
Leccin 27: Programacin cuadrtica 146

!
Leccin 28: Multiplicadores de lagrange -condiciones Kunh TuckeR 147
Leccin 29: Tcnica del gradiente 148
Leccin 30: Mtodo de Newton- Raphson 150


10
UNIDAD 1

Nombre de la Unidad TCNICAS DE PRONSTICO, TEORA DE
INVENTARIOS

Introduccin
En la toma de decisiones tratamos con el diseo de planes
futuros. De esta forma los datos que describen la situacin
de decisin deben ser representativos de lo que ocurra en
el futuro. Por ejemplo, en control de inventarios basamos
nuestras decisiones en la naturaleza de la demanda del
artculo controlado durante un horizonte de planeacin
especfico. Asimismo, en planeacin financiera,
necesitamos predecir el patrn del flujo de efectivo en el
tiempo.
Este captulo presenta tres tcnicas para pronosticar
cambios futuros en el nivel de una variable deseada como
funcin del tiempo:

1. Regresin lineal
2. Promedio mvil
3. Suavizacin exponencial
La necesidad de proyecciones de la demanda es un
requerimiento general a lo largo del proceso de planeacin
y control. Sin embargo, tambin podran necesitarse ciertos
tipos de problemas de planeacin, como control de
inventarios, compras econmicas y control de costos,
pronsticos de los tiempos de espera, precios y costos. Las
tcnicas de pronsticos son igualmente aplicables.
El pronstico de los niveles de demanda es vital para la
firma como un todo, ya que proporciona los datos de
entrada para la planeacin y control de todas las reas
funcionales, incluyendo logstica, marketing, produccin y
finanzas. Los niveles de demanda y su programacin
afectan en gran medida los niveles de capacidad, las
necesidades financieras y la estructura general del
negocio. Cada rea funcional tiene sus propios problemas
especiales de pronstico.

11
El xito de un negocio depende a menudo de la habilidad
para pronosticar, es decir hacer predicciones sobre el
futuro. Estas predicciones se usan para tomar dos amplios
tipos de decisiones: decisiones operativas en curso y
decisiones estratgicas a largo plazo.
Las decisiones operativas en curso, son la asignacin de
pocos recursos, la compra de materias primas, la
determinacin de horarios de trabajo, etc.,
Las predicciones estratgicas a largo plazo tambin
dependen de predicciones exactas. De esta forma el
pronstico es la estimacin de las actividades futuras; se
basa en el uso de datos anteriores de una variable para
producir su desempeo futuro, solo son aplicables para
predecir la demanda de artculos para los que se dispone
de una cantidad sustancial de informacin anterior y no
para productos nuevos.

Justificacin
Las tcnicas de pronsticos disminuyen la incertidumbre
sobre el futuro, permitiendo estructurar planes y acciones
congruentes con los objetivos de la organizacin y permiten
tambin tomar acciones correctivas apropiadas y a tiempo
cuando ocurren situaciones fuera de lo pronosticado.
Pronosticar vs. Planear
Pronstico. Estimacin anticipada del valor de una variable,
por ejemplo: la demanda de un producto.
Presupuesto. Valor anticipado de la variable que una
compaa est en posibilidad de concretizar, por ejemplo:
la cantidad de producto que la compaa decide fabricar en
funcin de la demanda y de la capacidad instalada.
El conocimiento de las tcnicas de pronsticos es de poco
valor a menos que puedan aplicarse efectivamente en el
proceso de planeacin de la organizacin.

Caractersticas de los Pronsticos
Primera. Todas las situaciones en que se requiere un
pronstico, tratan con el futuro y el tiempo est
directamente involucrado. As, debe pronosticarse para un
punto especfico en el tiempo y el cambio de ese punto
generalmente altera el pronstico.
Segunda. Otro elemento siempre presente en situaciones
de pronsticos es la incertidumbre. Si el administrador

12
tuviera certeza sobre las circunstancias que existirn en un
tiempo dado, la preparacin de un pronstico seria trivial.
Tercera. El tercer elemento, presente en grado variable en
todas las situaciones descritas es la confianza de la
persona que hace el pronstico sobre la informacin
contenida en datos histricos.
La administracin de inventario es primordial dentro de un
proceso de produccin ya que existen diversos
procedimientos que nos va a garantizar como empresa,
lograr la satisfaccin para llegar a obtener un nivel ptimo
de produccin. Dicha poltica consiste en el conjunto de
reglas y procedimientos que aseguran la continuidad de la
produccin de una empresa, permitiendo una seguridad
razonable en cuanto a la escasez de materia prima e
impidiendo el acceso de inventario, con el objeto de mejorar
la tasa de rendimiento. Su xito va estar enmarcado dentro
de la poltica de la administracin de inventario:
1. Establecer relaciones exactas entre las necesidades
probables y los abastecimientos de los diferentes
productos.
2. Definir categoras para los inventarios y clasificar cada
mercanca en la categora adecuada.
3. Mantener los costos de abastecimiento al ms bajo
nivel posible.
4. Mantener un nivel adecuado de inventario.
5. Satisfacer rpidamente la demanda.
6. Recurrir a la informtica.
Algunas empresas consideran que no deberan mantener
ningn tipo de inventario porque mientras los productos se
encuentran en almacenamiento no generan rendimiento y
deben ser financiados. Sin embargo es necesario mantener
algn tipo de inventario porque:
1. La demanda no se puede pronosticar con certeza.
2. Se requiere de un cierto tiempo para convertir un
producto de tal manera que se pueda vender.
Adems de que los inventarios excesivos son costosos
tambin son los inventarios insuficientes, porque los
clientes podran dirigirse a los competidores si los
productos no estn disponibles cuando los demandan y de
esta manera se pierde el negocio. La administracin de
inventario requiere de una coordinacin entre los
departamentos de ventas, compras, produccin y finanzas;

13
una falta de coordinacin nos podra llevar al fracaso
financiero.
En conclusin la meta de la administracin de inventario es
proporcionar los inventarios necesarios para sostener las
operaciones en el ms bajo costo posible. En tal sentido el
primer paso que debe seguirse para determinar el nivel
ptimo

De inventario son, los costos que intervienen en su compra
y su mantenimiento, y que posteriormente, en qu punto se
podran minimizar estos costos.

intencionalidades
Formativas
Desarrollar una tcnica de decisin que comprenda
teora matemtica, si es necesario, y que conduzca a un
valor ptimo basado en los objetivos del tomador de
decisiones.
Permitir que los estudiantes resuelvan problemas del
campo de la ciencia, la tecnologa e ingeniera, con los
conocimientos interiorizados del curso acadmico en
mencin.
Fomentar en el estudiante caractersticas que deben
identificarlo en su desempeo y actuacin profesional de la
Ingeniera.
Denominacin de
captulos
Captulo 1 Tcnicas de pronstico
Captulo 2 Teora de inventarios
Captulo 3 Elementos para la toma de decisiones en
sistemas de inventarios


14

CAPITULO UNO: TCNICAS DE PRONSTICO
Introduccin
En la toma de decisiones tratamos con el diseo de planes futuros. De esta forma los datos
que describen la situacin de decisin deben ser representativos de lo que ocurra en el
futuro. Existen disponibles tres grupos de mtodos de pronsticos: Los cualitativos, los de
proyeccin histrica y los causales. Se diferencian entre s por la precisin relativa del
pronstico del largo plazo en comparacin con el corto plazo, el nivel de herramientas
matemticas requerido y la base de conocimiento como sustrato de sus proyecciones. Por
ejemplo, en control de inventarios basamos nuestras decisiones en la naturaleza de la
demanda del artculo controlado durante un horizonte de planeacin especfico. Asimismo,
en planeacin financiera, necesitamos predecir el patrn del flujo de efectivo en el tiempo.

Este captulo presenta tres tcnicas para pronosticar cambios futuros en el nivel de una
variable deseada como funcin del tiempo:

1. Regresin lineal
2. Promedio mvil
3. Suavizacin exponencial

La necesidad de proyecciones de la demanda es un requerimiento general a lo largo del
proceso de planeacin y control. Sin embargo, tambin podran necesitarse ciertos tipos de
problemas de planeacin, como control de inventarios, compras econmicas y control de
costos, pronsticos de los tiempos de espera, precios y costos. Las tcnicas de pronsticos
son igualmente aplicables.

El pronstico de los niveles de demanda es vital para la firma como un todo, ya que
proporciona los datos de entrada para la planeacin y control de todas las reas funcionales,
incluyendo logstica, marketing, produccin y finanzas. Los niveles de demanda y su
programacin afectan en gran medida los niveles de capacidad, las necesidades financieras

15
y la estructura general del negocio. Cada rea funcional tiene sus propios problemas
especiales de pronstico.

El xito de un negocio depende a menudo de la habilidad para pronosticar, es decir hacer
predicciones sobre el futuro. Estas predicciones se usan para tomar dos amplios tipos de
decisiones: decisiones operativas en curso y decisiones estratgicas a largo plazo.
Las decisiones operativas en curso, son la asignacin de pocos recursos, la compra de
materias primas, la determinacin de horarios de trabajo, etc.,
Las predicciones estratgicas a largo plazo tambin dependen de predicciones exactas. De
esta forma el pronstico es la estimacin de las actividades futuras; se basa en el uso de
datos anteriores de una variable para producir su desempeo futuro, solo son aplicables para
predecir la demanda de artculos para los que se dispone de una cantidad sustancial de
informacin anterior y no para productos nuevos.


16
Leccin 1: PRONSTICOS
La definicin de pronstico es simple, sin embargo encierra muchas situaciones que
intervienen en su resultado o bien en la consecucin del mismo.
Pronostico es un mtodo mediante el cual se intenta conocer el comportamiento
futuro de alguna variable con algn grado de certeza.
"Un pronstico es un inicio o una seal por donde se puede saber una cosa
futura mediante indicios"
1

El pronstico desempea un papel muy significativo en la planeacin de materiales, se
pueden encontrar pronsticos de abastecimiento, de condiciones, comerciales, de
tecnologa, precios, etc. Y en cualquiera de estos rtulos el pronstico es necesario para la
toma de decisiones.
Aunque es muy cotidiano que hoy en da el manejo de pronsticos en las pequeas y
medianas empresas, existen situaciones que tienen que ver con la planeacin de las
necesidades futuras. La problemtica primordial es la poca confianza del uso de la tcnica
pronstico.
Los pronsticos pueden ser utilizados para conocer el comportamiento futuros en muchas
fenmenos, tales como:

1. Mercadotecnia
Tamao del mercado
Participacin en el mercado
Tendencia de precios
Desarrollo de nuevos productos
2. Produccin
Costo de materia prima
Costo de mano de obra
Disponibilidad de materia prima
Disponibilidad de mano de obra

1
Enciclopedia Sopena, Editorial Ramon Sopena, S.A. Provenza 95, Barcelona pg. 952

17
Requerimientos de mantenimiento
Capacidad disponible de la planta para la produccin
3. Finanzas
Tasas de inters
Cuentas de pagos lentos
4. Recursos Humanos
Nmero de trabajadores
Rotacin de personal
Tendencias de ausentismo
Tendencia de llegadas tarde
5. Planeacin Estratgica
Factores econmicos
Cambios de precios
Costos
Crecimiento de lneas de productos
En el sector automotriz las insuficiencias de compra de materiales y produccin provienen
de pronsticos ventas, ya que es responsabilidad la misma rea de ventas o mercadeo de
los productos, sin embargo cuando los ordenadores de compra de materiales tienden en
compras excesivas o deficientes siempre son acusados, cuando verdaderamente el
generador de esos pronsticos es ventas.

Autores experimentados manifiestan que: "Si la demanda es inferior al pronstico, el
proveedor puede sospechar que el pronstico original era un intento por obtener un
precio favorable o alguna otra concesin. Si la demanda excede el pronstico, los
costos del proveedor pueden aumentar debido a la urgencia, las compras de
emergencia, y cambios en los programas de produccin."
2

De tal manera los proveedores hacen parte de ese conjunto de incertidumbre que presenta
el pronstico, por ello es prescindible que los ordenadores de los materiales ayuden a
estrechar los contactos con los diferentes proveedores y que generen un ambiente

2
Arbones alisani, !ogistica Empresarial. Editorial Al"aomega


1
empresarial fomentando flexibilidad y cooperacin al momento de sus requerimientos
Tambin es cierto que no se deben descartar que de manera regular las actualizaciones y
se ajusten a los pronsticos.

En el da a da se encuentran una diversidad de tcnicas para el planteamiento de
pronsticos y se estas se van desarrollando de manera exponencial, estas tcnicas pueden
ser cuantitativas y cualitativas y se pueden emplear separadas o en conjunto.
El sector automotriz la tcnica ms usada de pronsticos es la cuantitativa ya que esta se
sustenta en la toma de datos del pasado para hacer las proyecciones o predicciones del
futuro, algunas tcnicas cuantitativas hacen hincapi en identificar indicadores que sean
sobresalientes mediante los cuales se puedan crear modelos lineales o de regresin mltiple.

Algunas de las tcnicas de pronstico cuantitativas que en la actualidad se utilizan, se
desarrollaron durante el siglo XIX; un ejemplo de ello el anlisis de regresin y las tcnicas
de series de tiempo. Con la implementacin de tcnicas de pronstico ms complejas, junto
con la generalizacin del uso de las computadoras, los pronsticos acentuaron la atencin
durante los ltimos aos, y cualquier persona es capaz de operar datos a partir de un
software en una computadora de bolsillo y obtener pronsticos.

Quienes han desarrollado los modelos cuantitativos clasifican a algunos de los pronsticos
cuantitativos como repetitivos, es decir, que los valores que se pronostican continan un
proceder repetitivo a travs del tiempo, la labor de los quienes analizan este tipo de
pronsticos es el identificar ese comportamiento y desarrollar el pronstico, por consiguiente
el desarrollar dicho pronstico hace necesario tener en cuenta algunos factores como el valor
constante, tendencia, variaciones estacinales, variaciones cclicas, variaciones aleatorias y
puntos de modulacin.

Referente a los pronsticos cualitativos, se consideran ms comunes en las empresas de
servicios ya que se basan en la repuesta de opiniones de diversas personas, valorizando con
juicio dichas opiniones para utilizarlas al generar el pronstico. Estas tcnicas cualitativas
son ms flexibles que las cuantitativas, sin embargo son tan precisas y exactas como estas.

1!

Al momento de elaborar un pronstico y este resulta mal proyectado conlleva a que la
planeacin no funciona y todas las reas de la empresa se vuelven ineficientes,
repercutiendo en las finanzas y reflejando las pocas ventas obtenidas, abundancias en los
inventarios de productos que no requieren los clientes, reduccin de mrgenes, costos ms
altos, entre otros problemas.

En trminos de pronosticar variables importantes para una compaa o para una parte de
ella como son las ventas de la empresa, las horas de ausencia por empleado, los costos
operativos, las tasa de inters y tipos de cambio del mercado, entre otros, ms sin embargo,
las variables macroeconmicas median en las decisiones que tome la empresa para su
futuro.

Las necesidades de pronosticar

Los pronsticos se utilizan para acercarnos informacin futura y con ella elaborar un plan de
accin, de ah que las caractersticas de un pronstico sean:
Primera. Todas las situaciones en que se requiere un pronstico, tratan con el futuro
y el tiempo este directamente involucrado. As, debe pronosticarse para un punto
especfico en el tiempo y el cambio de ese punto generalmente altera el pronstico.
Segunda. Otro elemento siempre presente en situaciones de pronsticos es la
incertidumbre. Si el administrador tuviera certeza sobre las circunstancias que
existirn en un tiempo dado, la preparacin de un pronstico seria trivial.
Tercera. El tercer elemento, presente en grado variable en todas las situaciones
descritas es la confianza de la persona que hace el pronstico sobre la informacin
contenida en datos.

Tcnicas para el clculo de pronsticos

Cuando es difcil convertir en nmeros las variables que intervienen en la determinacin de
la demanda futura. La mayora es bajo costo y no requieren de equipo computacional para
hacerse, aunque su planeacin implica una gran inversin de tiempo por parte de los
directivos.


20
1. Opiniones de los gerentes/ejecutivos: se basa en la opinin general de un grupo
de directivos o gerentes de la empresa.
2. Tcnica Delphi: un grupo de expertos responde, de manera annima, a un
cuestionario que pregunta sobre las proyecciones de ventas de la empresa. Un
moderador lee en voz alta las respuestas y, entre todos, buscan consenso.
3. Informacin de los vendedores: consiste en recopilar las estimaciones realizadas
por los vendedores (o distribuidores) acerca de las ventas esperadas en sus territorios,
con el fin de suponer la tendencia y cambios futuros.
4. Anlisis del ciclo de vida: se basa en la evaluacin de las etapas de un producto o
servicio para predecir su del producto demanda en el mercado. Esto es, desde la
introduccin, inicio y crecimiento, hasta las etapas de madurez y declinacin.
5. Investigacin de mercados: se propone recolectar datos de diversas maneras
(entrevistas, cuestionarios) para probar hiptesis acerca del mercado.

QU TCNICA UTILIZAR?
Para determinar que tcnica de pronstico, se deben considerar los siguientes puntos:
1. Definir la naturaleza del problema de pronstico.
2. Explicar la naturaleza de los datos bajo investigacin.
3. Describir las capacidades y limitaciones de las tcnicas de pronstico potencialmente
tiles.
4. Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la
decisin de la seleccin, como son algunas medidas de error.

BASES DE PRONSTICO.
Ingreso por venta.
Costo de productos manufacturados.
Horas de mano de obra directa
Horas de maquinaria.
Costos de los insumos.

FUENTES DE PRONSTICO.
Externas: Actividades generales de la economa o factores geopolticos, que despus
se relacionan con las actividades empresariales.
Internas: Estima cada producto de una empresa, para despus hacer un pronstico
agregado de todas sus actividades.

CLASIFICACION DE LOS METODOS DE PRONOSTICOS.SEGN EL TIEMPO:
A Corto Plazo: alcance de un da a un ao, sirve para funciones de control, como
ajuste de la Tasa de produccin, del empleo, del pronstico de venta, etc.

21
A Mediano Plazo: con alcance de una estacin a uno o dos aos. Son usados para la
planeacin operativa, el flujo de caja, el programa de produccin y las ventas.
A Largo Plazo: con un alcance de dos a cinco aos, esto se usa para ampliar plantas,
producir nuevos productos, cambiar polticas, adoptar nuevas tecnologas.


22
Leccin 2: MODELO DE REGRESIN LINEAL
El anlisis de regresin es una de las tcnicas estadsticas la cual se utiliza en la
investigacin al relacionar entre dos o ms variables, una de sus utilizaciones est en la
construccin de modelos que permitan predecir el comportamiento de una variable Y
(dependiente, respuesta) en funcin de una o ms variables (independientes, predictivas) X.

El comportamiento de estas variables suelen definirse de manera previa lo que nos remite a
un modelo terico, o bien, se tiene el caso de que no exista una relacin establecida entre
estas y sea necesario establecer una primera aproximacin del comportamiento de las
mismas.

Lo anterior se puede lograr usando una herramienta grfica denominada diagrama de
dispersin lo que nos conducira a desarrollar un modelo emprico de la relacin que
mantienen las variables en estudio.
Ventajas
Es objetivo, solo depende de los resultados experimentales.
Es reproducible, proporciona la misma ecuacin no importa de quien realice el
anlisis.
Proporciona una estimacin probabilstica de la ecuacin que representa a unos datos
experimentales.
Proporciona intervalos pequeos de error.
Restricciones
Solo sirve para ajustar modelos lineales
Requiere tener al menos diez mediciones bajo las mismas circunstancias
experimentales.
Se requiere de algn equipo de clculo, de lo contrario, es muy engorroso el
procesamiento de la informacin.
Establece la relacin temporal para la variable de pronstico, implica una relacin causa-
efecto.
La ecuacin general es: Y= + x
Y = Variable dependiente = La altura de la recta.

23
= La pendiente de la recta. x = Variable independiente.

METODOS DE LOS MNIMOS CUADRADOS.
Para calcular y :

= altura de la lnea recta.
= pendiente de la recta.
Y = variable dependiente.
X = variable independiente.
x = promedio de los valores X.
y = promedio de los valores Y.
n = nmero de observaciones.


24
Ejemplo
Encontrar la lnea recta del mnimo cuadrado.


25
EJEMPLO:
La demanda de un artculo en los ltimos 4 aos se muestra a continuacin:
Demanda(unidades) 2006 2007 2008 2009
Aos 6 8 7 9
Con esta informacin se pide pronosticar la demanda para el ao 2010 y 2011 utilizando
regresin lineal.
Solucin:
Es necesario hallar la ecuacin de regresin y = o + [x, donde x representa el tiempo y Y
la demanda en unidades del artculo.
Procedemos a hallar o y [. teniendo en cuenta las ecuaciones planteadas anteriormente.

X
=
10
4
=2,5;
=
30
4
=7,5
[ =
79-(4)(2,5)(7,5)
30-(4)(2,5)
2
=
4
5
=0,8
o =
30-(0,8)(10)
4
=5,5
y = o + [x ; y = S +u,8x Esta sera la ecuacin de regresin, ahora para hallar la demanda
del ao 2010 reemplazamos a x por 5, ya que sera el valor que le correspondera en la tabla,
pues el 2009 es 4, as el 2011 seria 6.
Reemplazando obtendramos: y = S +u,8(S) = 9 uniJoJcs; y = S +u,8(6) = 9,8
1u uniJoJcs.

Entonces la demanda proyectada para el 2010 sera de 9 unidades y de 10 unidades para el
2011.
Aos X Demanda(y) X.Y X
2
2006 1 6 6 1
2007 2 8 16 4
2008 3 7 21 9
2009 4 9 36 16
TOTALES 10 30 79 30

26
TALLER DE APLICACIN
Solucione los siguientes ejercicios:
1. La demanda de un artculo en unidades en los ltimos 5 aos se describe a continuacin:

Utilice la tcnica de regresin lineal para estimar el nmero de unidades que se proyectan
de demanda para el ao 2010.
2. El nmero de estudiantes matriculados en los ltimos 4 aos en una institucin de
educacin bsica secundaria se describe a continuacin:

Mediante regresin lineal pronostique el nmero de estudiantes que se matricularan en el
ao 2010.


27
Leccin 3: MODELO DE PROMEDIO MVIL
El Promedio Mvil o PM es el indicador ms utilizado en anlisis tcnico, ya que es uno de
los indicadores experimentados ms antiguos que existen. La utilizacin de un promedio
mvil muestra la direccin y la duracin de una tendencia; el propsito de un promedio mvil
es el de ilustrar la tendencia, de una manera ms suavizada. Debido al hecho que el
promedio mvil es uno de los indicadores ms verstiles y de mayor uso dentro de todos los
indicadores, es la base del diseo de la mayora de sistemas y estrategias utilizados hoy en
da.

Un promedio mvil simple o aritmtico es calculado como la suma de un nmero
predeterminado de precios por un cierto nmero de perodos de tiempo, dividido por el
nmero de perodos de tiempo. El resultado es el precio promedio en dicho perodo de
tiempo. Los promedios mviles simples emplean la misma ponderacin para los precios. Es
calculado usando la siguiente frmula:

Promedio Mvil Simple = SUMA (precios de cierre) / n, donde n es el nmero de
perodos.

Un ejemplo de promedio mvil es el precio promedio del mercado en cierto perodo de
tiempo.
Se describen algunas de las propiedades ms comunes de los promedios mviles:
El promedio mvil es calculado con cierto perodo de tiempo predefinido.
Mientras ms corto el perodo, mayor la probabilidad de una seal falsa.
Mientras ms largo el perodo, menor es la sensibilidad del promedio mvil. Es decir,
ms certera pero existirn menos seales.
Como su mismo nombre lo implica, un promedio mvil es un promedio de un cuerpo
cambiante de data.

Por ejemplo, un promedio mvil de 50 perodos, utilizado al cierre, es constituido por la
sumatoria de los precios de cierre de los ltimos 50 perodos, dividido por 50.

2
Se le designa promedio MVIL, por que nicamente los ltimos perodos son los evaluados,
es decir, son los que estn siendo utilizados para calcular los resultados. Y de esa manera,
los datos siendo evaluados se mueven hacia adelante con cada da (o perodo) que avanza.

El anlisis de promedios mviles puede ser realizado a cualquiera de los siguientes
diferentes tipos de precio:
Precio de Apertura:
El anlisis del perodo se hace en base el precio de apertura de cada cuerpo.
Precio de Cierre:
El anlisis del perodo se hace en base el precio de cierre de cada cuerpo.
Precio ms Alto:
El anlisis del perodo se hace en base el precio ms alto de cada cuerpo.
Precio ms Bajo:
El anlisis del perodo se hace en base el precio ms bajo de cada cuerpo.
Precio Medio:
El anlisis del perodo se hace en base el precio medio de cada cuerpo.
Precio Medio = (Precio Alto + Precio Bajo) / 2
Precio Tpico:
El precio tpico del perodo es calculado de la siguiente forma:
Precio Tpico = (Precio Alto + Precio Bajo + Precio Cierre) / 3
Precio Ponderado:
El precio ponderado del perodo es calculado de la siguiente forma:
Precio Ponderado = (Precio Alto + Precio Bajo + Precio Cierre + Precio Cierre) / 4
Tipos de Promedios Mviles
Promedio Mvil Simple (SMA):
El Promedio Mvil Simple es sin duda el promedio mvil ms utilizado hoy en da.
El Promedio Mvil Simple es a veces llamado un promedio mvil aritmtico y bsicamente
es un precio promedio a travs de un perodo de tiempo.

Se calcula sumando los precios de cierre del par analizado durante cierto perodo de tiempo
y luego se divide dentro del mismo nmero de perodos.
Por ejemplo, el Promedio Mvil de los ltimos 10 das del precio de cierre, dividido
dentro de 10.

Debido al hecho que el Promedio Mvil Simple da el mismo peso a cada perodo de precio
siendo evaluado, mientras ms largo sea el perodo de tiempo evaluado, mayor ser la
suavizacin de los datos ms recientes.

2!
Promedio Mvil Exponencial (EMA):
El indicador de Promedio Mvil Exponencial reacciona ms rpidamente a cambios de
precios recientes que el Promedio Mvil Simple debido al hecho que suma los precios de
cierre del perodo actual al perodo anterior, dando as ms peso a los ltimos perodos de
precio.

El perodo es utilizado para determinar el peso relativo que debera ser asignado a perodos
previos. La frmula es utilizada para determinar el porcentaje.

Promedio Mvil Suavizado (SMMA):
Debido a que el indicador del Promedio Mvil Suavizado, suaviza el promedio mvil por
medio de la asignacin de mismos pesos a precios pasados que a precios recientes, es
recomendable utilizar el SMMA con perodos ms largos de tiempo para mejores resultados

Promedio Mvil Ponderado Lineal (LWMA)
Un Promedio Mvil Ponderado se calcula a travs de la multiplicacin de de cada perodo de
tiempo anterior por un peso. El peso est basado en el nmero de das del promedio mvil.

Un Promedio Mvil Ponderado Lineal, da ms peso a informacin ms reciente que a datos
ms antiguos.

El hecho de que es medido linealmente significa que el dato ms antiguo recibe un valor de
1, luego el dato que le sigue, un valor de 2, luego el dato que le sigue un valor de 3 y as
sucesivamente, hasta que el ltimo dato recibe un peso equivalente al perodo.
As que en un LWMA de 25, el peso del primer da es 1, mientras que el peso del da ms
reciente es de 25. Esto da 25 veces ms peso al precio de hoy que al de hace 25 das.

Consejos para Operar los promedios Mviles
Recuerde de SIEMPRE confirmar sus puntos de entrada y salida con otros indicadores
cuando utiliza cualquiera de las estrategias anteriormente mencionadas con promedios

30
mviles. Estos otros indicadores pueden ser, pero no se limitan a: MACD, Momentum, RSI,
Stochastics & Precio ROC.

Las seales falsas pueden ser evitadas al utilizar perodos ms largos de tiempo. Sin
embargo, a pesar de que esto har que se generen menos seales, las seales brindadas
sern ms certeras y exactas.

Cuando inserte promedios mviles en sus grficas, utilice perodos comnmente usados por
la mayora de inversionistas de Forex. Estos perodos pueden ser: 10, 50, 100 & 200

Algunos promedios mviles comnmente utilizados como el EMA 200, tambin son utilizados
como niveles de soporte o resistencia. As que cuando llegue a este nivel especfico, est
atento para observar posibles retracciones de precios.

La suposicin fundamental para esta tcnica es que la serie de tiempo es estable, en el
sentido de que sus datos se generan mediante el siguiente proceso constante:
yt= b+et donde b es un parmetro constante desconocido estimado a partir de los datos
histricos. Se supone que el error aleatorio et tiene un valor esperado cero y una varianza
constante. Adems, los datos para los diferentes periodos no estn correlacionados.

La tcnica del promedio mvil supone que las n observaciones ms recientes son igualmente
importantes en la estimacin del parmetro b. As, en un periodo actual t, si los datos para
los n periodos ms recientes son yt-n+1, yt-n+2,...e yt, entonces el valor estimado para el periodo
t+1 se calcula como
yt+1 = (yt-n+1+ yt-n+2 +...+yt)/n

No hay una regla exacta para seleccionar la base del promedio mvil, n. Si las variaciones
en la variable permanecen razonablemente constantes en el tiempo, se recomienda una n
grande. De otra forma, se aconseja un valor de n pequeo si la variable muestra patrones
cambiantes. En la prctica, el valor de n flucta entre 2 y 10.


31
Ejemplo. La demanda (en nmero de unidades) de un artculo de inventario durante los
pasados 24 meses se resume en la tabla. Utilice la tcnica del promedio mvil para
pronosticar la demanda del siguiente mes (t= 25)
TABLA
Mes, t Demanda, yt Mes, t Demanda, yt
1 46 13 54
2 56 14 42
3 54 15 64
4 43 16 60
5 57 17 70
6 56 18 66
7 67 19 57
8 62 20 55
9 50 21 52
10 56 22 62
11 47 23 70
12 56 24 72
Si utilizamos n = 3, la demanda estimada para el siguiente mes (t = 25) ser igual al promedio
de las demandas para los meses 22 al 24, es decir,
62+70+72
3
=68.
EJERCICIOS DE APLICACIN
Solucione los siguientes ejercicios:
1. La demanda de un artculo en unidades en los ltimos 5 aos se describe a
continuacin:

Utilice la tcnica del promedio mvil con k= 3 para estimar el nmero de unidades que
se proyectan de demanda para el ao 2009 y 2010.
2. El nmero de estudiantes matriculados en los ltimos 4 aos en una institucin de
educacin bsica secundaria se describe a continuacin:

32

Mediante promedio mvil con k= 4, pronostique el nmero de estudiantes que se matricularan
en el ao 2010 y 2011.


33
Leccin 4: SUAVIZACIN EXPONENCIAL
El mtodo de suavizacin exponencial es un mtodo de promedio mvil ponderado muy
refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas
recientes mayor ponderacin que a las demandas anteriores.

Es el mtodo de pronstico formal que se usa ms a menudo, por su simplicidad y por la
reducida cantidad de datos que requiere. A diferencia del mtodo de promedio mvil
ponderado, que requiere n periodos de demanda pretrita y n ponderaciones, la suavizacin
exponencial requiere solamente tres tipos de datos: el pronstico del ltimo periodo, la
demanda de ese periodo y un parmetro suavizador, alfa , cuyo valor flucta entre 0 y 1.0.
Para elaborar un pronstico con suavizacin exponencial, ser suficiente que calculemos un
promedio ponderado de la demanda ms reciente y el pronstico calculado para el ltimo
periodo.

En la suavizacin exponencial se asignan pesos a los datos pasados tal que los pesos
disminuyen al hacerse los datos ms antiguos, esto es que en un proceso cambiante, esto
es que los datos recientes son ms validos que los datos antiguos.

Este mtodo solo necesita el pronstico ms reciente, una constante de suavizacin (es un
valor arbitrario entre 0 y 1) y el ltimo dato real, y as se elimina la necesidad de almacenar
grandes cantidades de datos pasados.

La suavizacin exponencial requiere un valor de inicio. Si se tienen datos disponibles se
puede emplear un promedio sencillo para iniciar el proceso; si los datos no son seguros se
puede hacer una prediccin subjetiva.

La ecuacin correspondiente a este pronstico es:
Ft+1= (demanda para este periodo) + (1- ) (pronstico calculado para el ltimo periodo)
Ft+1= Dt + (1- )Ft

34
La constante de suavizacin a es un nmero entre 0 y 1 que entra multiplicando en cada
pronstico, pero cuya influencia declina exponencialmente al volverse antiguos los datos.

Una a baja de ms ponderacin a los datos histricos. Una a de 1 refleja una ajuste total
a la demanda reciente, y los pronsticos sern las demandas reales de los periodos
anteriores.

La seleccin depende de las caractersticas de la demanda. Los valores altos de a son
ms sensibles a las fluctuaciones en la demanda.

Los valores bajos de a son ms apropiados para demandas relativamente estables (sin
tendencia o ciclicidad), pero con una gran cantidad de variacin aleatoria.

La suavizacin exponencial simple es un promedio suavizado centrado en el periodo
presente. No se puede extrapolar para efectos de tendencia, por la que ningn valor de
a compensar completamente la tendencia en los datos.

Los valores ordinarios de a varan entre 0.01 y 0.40. Los valores bajos de a disminuyen
efectivamente la variacin aleatoria (ruido - dispersin).

Los valores altos son ms sensibles a cambios en la demanda (introducciones de nuevos
productos y error buscando cul valor reduce el error del pronstico.

Esto puede hacerse fcilmente modelando el pronstico en un programa de cmputo,
tratando con diferentes valores de a.

Un valor de a que proporcione aproximadamente un grado equivalente de suavizacin
tanto como un promedio mvil de un periodo es a =2 / (n + 1)


35
Esta forma de la ecuacin muestra que el pronstico para el periodo siguiente es igual al
pronstico del periodo actual ms una proporcin del error del pronstico correspondiente al
mismo periodo actual.

Para poner en marcha la suavizacin exponencial se requiere un pronstico inicial. Hay dos
formas de realizar este pronstico inicial: Usar la demanda del ltimo periodo, o bien, se
dispone de datos histricos, calcular el promedio de varios periodos recientes de demanda.
El efecto de la estimacin inicial del promedio sobre las estimaciones sucesivas del mismo
disminuye a lo largo del tiempo porque, con la suavizacin exponencial, las ponderaciones
asignadas a las demandas histricas sucesivas, que se utilizan para calcular el promedio,
disminuyen exponencialmente.

Ejemplo: Una empresa usa suavizacin exponencial simple con a = 0.1 para pronosticar la
demanda. El pronstico para la semana de octubre 1 fue de 500 unidades, mientras que la
demanda real fue de 450 unidades.

a) pronosticar la demanda de la semana de Octubre 8
b) Supngase que demanda real durante la semana de octubre 8 fue de 505 unidades.
Pronostique la demanda de la semana de octubre 15. Continese pronosticando hasta
noviembre 12 suponiendo que las demandas subsecuentes fueron realmente 516,
488, 467, 554 y 510.

Solucin
a) Pronosticar la demanda de la semana de Octubre 8
Ft = Ft-1 + a (At-1 - Ft-1)
Ft = 500 + 0.1 (450 - 500)
Ft = 495 unidades
b) Arreglando el procedimiento en forma tabular
Valor a = 0.1


36
Semana Demanda
real
Pronstico
anterior
Error del
pronstico
Factor Correccin Pronostico
suavizado
At-1 Ft-1 At-1 - Ft- 1 a a (At-1 - Ft-
1)
Ft = Ft-1 + a
(At-1 - Ft-1)
1 450 500 -50 0.1 -5 495
8 505 495 10 0.1 1 496
15 516 496 20 0.1 2 498
22 488 498 -10 0.1 -1 497
29 467 497 -30 0.1 -3 494
5 554 494 60 0.1 6 500
12 510 500 10 0.1 1 501
Lo idneo y deseable es comparar con otros niveles de a y graficar para poder hacer un
anlisis

Valor a = 0.3
Semana Demanda
real
Pronstico
anterior
Error del
pronstico
suavizado
At-1 Ft-1 At-1 - Ft- 1 a a (At-1 - Ft-
1)
Ft = Ft-1 + a
(At-1 - Ft-1)
0ct-01 450 500 -50 0.3 -15 485
8 505 485 20 0.3 6 491
15 516 491 25 0.3 8 499
22 488 499 -11 0.3 -3 495
29 467 495 -28 0.3 -9 487
Nov-05 554 487 67 0.3 20 507
12 510 507 3 0.3 1 508


37
Valor a = 0.6
Semana Demanda
real
Pronstico
anterior
Error del
pronstico
suavizado
At-1 Ft-1 At-1 - Ft- 1 a a (At-1 - Ft-
1)
Ft = Ft-1 + a
(At-1 - Ft-1)
0ct-01 450 500 -50 0.6 -30 470
8 505 470 35 0.6 21 491
15 516 491 25 0.6 15 506
22 488 506 -18 0.6 -11 495
29 467 495 -28 0.6 -17 478
Nov-05 554 478 76 0.6 45 524
12 510 524 -14 0.6 -8 515

_______________________
Monks Joseph G. Administracin de operaciones, serie Schaum., 1
a
edicin, Mxico D.F.,
Mc. Graw Hill., p.p. 168 - 170, 179 180


3
EJERCICIOS DE APLICACIN
1. Karls Copiers vende y repara mquinas de fotocopiado. El gerente necesita pronsticos
semanales de las solicitudes de servicios, a fin de poder programar las actividades de su
personal de servicio. El pronstico correspondiente a la semana del 3 de julio fue de 23
llamadas para servicio. El gerente aplica la suavizacin exponencial con = 0.25.
Pronostique usted el nmero de llamadas para servicio correspondientes a la semana del 7
de agosto, suponiendo que sta sea la semana prxima.

2. Los siguientes datos corresponden a las calculadoras vendidas (expresadas en unidades)
en una tienda de electrnica durante las ltimas 5 semanas.

Aplique la suavizacin exponencial con = 0.2, para pronosticar las ventas
correspondientes a las semanas 3 a 6.


3!
Leccin 5: ERROR DEL PRONSTICO
MEDICIONES DE RENDIMIENTO PARA EVALUAR MODELOS DE PRONSTICO.

Error Pronstico:

Habitualmente en los casos para proyectar un buen pronstico se debe contar con excelentes
instrumentos, metodologas y experiencia; ya que el mercado actual es muy cambiante,
dinmico y en muchas ocasiones tiende a tener muchos componentes aleatorios, lo que
conlleva a que pronosticar sea una labor compleja. Por tal motivo cantidades de empresas
de hoy en da, han creado puestos y departamentos dedicados a pronosticar la demanda.

Debido a que un pronstico es una estimacin se debe tener una tcnica de desempeo de
est, ya que esta tcnica ayudara a determinar cul es el mejor mtodo de pronsticos en
el caso que se quiera evaluar varios, y para revisar su desempeo en el tiempo en bsqueda
de mejorarlo.

Es importante utilizar una tcnica de estimacin del desempeo (estimacin del error) comn,
y no utilizar medidas propias, ya que en general las medidas propias hacen que se pierda
objetividad en el anlisis. Hay algo muy importante que tiene que tener las medidas del
desempeo en los pronsticos, que tanto midan cuando el pronstico fue mayor que el valor
real y viceversa, miremos los errores comunes en las empresas cuanto hacen la estimacin
del error de pronstico de ventas:
Solo cuentan el error cuando el pronstico es mayor a la venta real, ya que lo que les
importa a ellos es la venta perdida.
Solo cuentan el error cuando el pronstico es menor a la venta real, debido a que lo
importante es no tener mucho inventario.
No se cuenta la magnitud de la diferencia si no que se cuenta el nmero de veces que
el pronstico estuvo por encima y debajo de la venta real.

Estos errores y muchos mas no miden correctamente el desempeo del pronstico, y en
muchos casos dan la sensacin de que el pronstico est bien, mientras por el contrario en
la realidad no lo est.


40
La cantidad por la cual la demanda real difiere de la demanda pronosticada. Existen tres
mediciones de funcionamiento para evaluar un modelo de pronstico en el que Dt es la
demanda real en el periodo t y Ft, es la demanda pronosticada en el periodo t, encontramos:
RMSE: Error medio cuadrado
MAE: Error medio absoluto
MAPE: Error medio porcentual
EJEMPLO.

Se ha desarrollado un modelo de pronstico para predecir las ventas mensuales de un
modelo particular de carro basndose en los siguientes datos de los 6 meses anteriores,
donde hallaremos error de pronstico, error medio cuadrado (RMSE), error medio absoluto
(MAE), error medio porcentual(MAPE).


41

Como las ventas pronosticadas no son iguales que las ventas reales como podemos calcular
el error de pronstico:

Los errores de pronstico (+) indican que la demanda real excede el pronstico y los errores
(-) significan que la demanda est por debajo del pronstico.

Ahora hallaremos RMSE y tenemos:

42

RMSE = 72/6 = 3,46
MAE = 18/6 = 3
MAPE = 28/6 = 4,66

Autoevaluacin
TALLER.
1. En la Universidad de Tunja se escogieron 10 muestras de hombres al azar y se les
pregunto la estatura (x) y el nmero de calzado (y), arrojando los siguientes datos:

Halle la ecuacin de la lnea de regresin lineal (y). Cuando x: 1,75

43
2. Pronosticar las ventas diarias del almacn de zapatos Bucaramanga basndose en los
11 meses anteriores donde deber hallar:
a. Error pronostico
b. Error medio cuadrado (RMSE)
c. Error medio absoluto (MAE)
d. Error medio porcentual (MAPE)


44
AREA:

ESTADSTICA

Escuela de Ciencias Bsicas Tecnologa e
Ingeniera
CIENCIAS BSICAS

CURSO:
Mtodos
probabilsticos
UNIDAD: Tcnicas de pronstico y teora de inventarios
CAPTULO: Tcnicas de pronstico
LECCIN: Modelo de Regresin Lineal

NUMERO DE LA PRCTICA 1
NOMBRE DE LA PRCTICA Regresin lineal
NOMBRE DEL SOFTWARE WinQsb
Libre: ______x_____ Licenciado: _____________

Aspectos Tericos:

El trmino regresin se utiliz por primera vez en el estudio de variables antropomtricas: al
comparar la estatura de padres e hijos, result que los hijos cuyos padres tenan una estatura
muy superior al valor medio tendan a igualarse a ste, mientras que aquellos cuyos padres
eran muy bajos tendan a reducir su diferencia respecto a la estatura media; es decir,
"regresaban" al promedio.
4
La constatacin emprica de esta propiedad se vio reforzada ms
tarde con la justificacin terica de ese fenmeno.
El trmino lineal se emplea para distinguirlo del resto de tcnicas de regresin, que emplean
modelos basados en cualquier clase de funcin matemtica. Los modelos lineales son una
explicacin simplificada de la realidad, mucho ms gil y con un soporte terico por parte de
la matemtica y la estadstica mucho ms extenso

La idea es proyectar una variable a travs del tiempo, teniendo como referencia los datos
histricos de una variable, por ejemplo la demanda de un artculo en los ltimos aos y a

45
partir de estos datos pronosticar mediante una lnea de regresin el valor aproximado de la
demanda en el futuro, generalmente es vlido para unos cuantos perodos.

Ejemplo 1:

Teniendo en cuenta los datos histricos de la demanda de un artculo en los ltimos 5 aos,
realice el pronstico de la demanda para el ao 2011.Utilice el winqsb.

AOS 2005 2006 2007 2008 2009
DEMANDA(MILES
DE UNIDADES)
8 6 7 10 11

Solucin:

Utilice el modulo del winqsb titulado: forecasting and linear regression.

Luego seleccione file:


46

Nos dar la opcin de elegir new problem, para introducir los datos de un nuevo ejercicio
luego nos aparece el siguiente pantallazo, en donde vamos a darle un ttulo al problema y en
problema type marcamos time series forecasting, en time unit colocamos das, meses o aos
segn los datos del problema, para nuestro caso sern aos. En number of time units
colocamos el nmero de periodos de tiempo que tenemos, esto corresponde a los datos
histricos que se tienen para hacer el pronstico (5 en nuestro caso).


47

Le damos ok y obtenemos el siguiente cuadro, en donde se deben registrar los datos del
ejercicio:

Luego seleccionamos solve and analyze, y obtenemos el siguiente cuadro:


4

Seleccionamos como indica la figura y se obtiene el siguiente cuadro de resultados:


4!
Los valores que aparecen en los aos 6 y 7 son los valores proyectados para la demanda,
que en este caso sera de 8,4 es decir 8400 unidades para el ao 2010 y 2011.La dems
informacin corresponde a datos estadsticos de los clculos efectuados.

Podemos tambin realizar la grafica correspondiente a datos reales y proyectados, para
nuestro ejercicio nos quedara as:(utilizando la ventana indicada con la flecha.)

EJERCICIO

1. Halle el pronstico de la demanda para el mes de febrero y marzo de un artculo que en
los ltimos meses registro las siguientes ventas en millones de pesos:

Meses agosto septiembr
e
octubr
e
noviembr
e
diciembr
e
enero
Ventas(millones de
pesos)
3 4 5 4 6 3

Utilice el Winqsb como se mostro en el ejemplo, grafique los datos originales y los de
tendencia.

50
2. El nmero de estudiantes que se matricularon en una institucin educativa de bachillerato
en los ltimos cuatro aos se relacionan a continuacin:

aos 2007 2008 2009 2010
Estudiantes
matriculados
425 450 465 486

Con estos datos halle el pronstico de estudiantes que se matricularan para el ao 2011.


51
CAPITULO 2: TEORA DE INVENTARIOS
INTRODUCCIN
Los modelos de inventarios tienen mucha importancia en el mbito laboral de cualquier
empresa o negocio en el cual se necesite tener informacin completa sobre los diferentes
materiales o insumos que haya en existencia o que tengan que ser incluidos en la lista de
pedidos que deben ejecutarse temporalmente de acuerdo con las necesidades de
produccin de la empresa o segn el comportamiento de la demanda.

Existen diferentes modelos de inventarios, los cuales se aplican en relacin con los
requerimientos del negocio en el cual van a ser empleados y se convierten en una base para
la toma de decisiones por parte de los gerentes o encargados de produccin que son los que
estn pendientes de que no haya faltantes o sobrantes en la produccin, de modo que se
generen el denominado logro que no es otra cosa que poseer un stock de mercancas que
no se mueven o no producen ninguna ganancia.

OBJETIVOS
Conocer algunos de los ms efectivos mtodos para la toma de decisiones en cuanto
al manejo de inventarios y sus mtodos de control.
Determinar cul es el modelo de inventarios ms adecuado de acuerdo con la
empresa en la cual se vaya a implementar, de modo que se tenga una certeza de
cules son los artculos que se van a necesitar y en qu medida debe realizarse el
pedido.

CONCEPTOS GENERALES
DEFINICION
Son los artculos a la mano que un cliente puede comprar en un ambiente de
fabricacin, los inventarios son las materias primas para producir bienes terminados.
La madera, clavos, barniz y otros materiales necesarios para construir un librero son
los artculos de inventario, el medio de produccin es el cliente.
Son tcnicas usadas para ayudar a los gerentes a determinar cundo deben
ordenarse.

52
Consideremos las ventajas de tener grandes inventarios


53
Leccin 6: ADMINISTRACION DE INVENTARIOS
La administracin de un inventario es un punto determinante en el manejo estratgico de
toda organizacin, tanto de prestacin de servicios como de produccin de bienes.

Las tareas correspondientes a la administracin de un inventario se relacionan con la
determinacin de los mtodos de registro, la determinacin de los puntos de rotacin, las
formas de clasificacin y el modelo de reinventario determinado por los mtodos de control
(el cual determina las cantidades a ordenar o producir, segn sea el caso).

Para evitar escasez. Cuando se conoce la demanda futura de un artculo y se puede confiar
en las entregas puntuales de un proveedor, siempre puede colocar pedidos de tal forma que
se satisfaga toda la demanda sin necesidad de un inventario.

Para aprovechar las economas de escala. Al solicitar grandes cantidades un negocio
puede obtener su suministros a un costo inferior, as mismo el negocio colocara menos
pedidos, lo que ahorrara esfuerzos y costos administrativos. Mantener un flujo de trabajo
continuo en un medio de produccin de mltiples etapas. Cada una de estas razones
argumenta a favor de tener grandes inventarios a la mano.

Dependiendo del tipo de empresa el inventario se puede conseguir de 3 diferentes formas,
de igual manera como otras solo hacen uso de una de las formas; por tal motivo es relevante
hacer conocer las formas a las que se hace referencia:
1. Inventario de materia prima, se considera materia prima a todos aquellos productos
que van a sufrir una transformacin para poder estar disponibles para su venta; la
importancia radica en que debe haber existencia dentro de la empresa, ya que lo
contrario acarreara perdidas.
2. Inventario de productos en proceso, son los productos a los que todava le quedan
pendientes procesos por consiguiente no estn disponible para la venta.
3. Inventario de producto terminado, son los productos que han completado el proceso
de produccin y ya se encuentran disponible para la venta.

54
De igual manera en las empresas donde no existe un proceso de manufactura, sino que se
encarga de servicios (compra y venta) artculos, inmuebles, productos, se le define el
Inventario como de Mercancas.

La gran cantidad de dinero que manejan las empresas las tienen invertidas en inventarios
que consisten en lo siguiente:
a. El resultado de la disminucin de las ventas como consecuencia de la recesin
econmica de los diferentes pases.
b. Se hace necesario mantener un gran inventario para poder ganar tiempo en la
produccin y entrega, teniendo en cuenta que las ventas y la produccin no son
constantes todo el tiempo.
c. El Departamento de ventas debe tener siempre a su disposicin un alto inventario de
productos terminados, ya que cuando un cliente solicite un producto se le provee de
manera inmediata.
d. Reducir costos de inversin que es directamente proporcional a un gran lote de
inventario, ya que se garantiza un menor costo, debido al volumen de compra.
Aspectos a tener en cuenta en la Administracin de Inventario
El objeto de la Administracin de Inventario se sustenta en dos aspectos:
El financiar otros proyectos debido a la destinacin de recursos por que se ha reducido
la inversin en inventarios
Prever que las operaciones de produccin y ventas funcionaran sin restricciones
previa planeacin de un inventario suficiente que pueda cubrir la demanda existente.
CARACTERSTICAS DE LOS MODELOS DE INVENTARIOS
Son las tcnicas utilizadas para determinar cul de estas caractersticas tiene su modelo
para poder aplicar el paquete para realizar el anlisis correcto.
a. Demanda Dependiente: dos o ms artculos en los que la demanda de un artculo
determinado afecta la demanda de uno o ms de los otros artculos.
b. Demanda Independiente: dos o ms artculos en los que la demanda de un artculo no
afecta la demanda cualquiera de otros artculos.
c. Demanda Determinstica Contra Probabilstica: Existen dos categoras:
Demanda Determinstica: es la demanda de un artculo que se conoce con certeza.
Ejemplo: un proceso de elaboracin de un libro, una mquina inserta las 100 hojas
por segundo aqu las hojas seran artculos o materias en inventario, la maquina es
el cliente y la demanda Determinsticas son las 100 hojas por segundo.

55
Demanda Probabilstica: es la demanda de un artculo que est sujeta a la cantidad
significativa de incertidumbre y variabilidad. Ejemplo: en un hospital usted no sabe
cuntos y que tipos de pacientes tenga la semana entrante, lo que ocasiona una
demanda incierta de suministros mdicos.
d. Dficit o Faltantes: una circunstancia en la que el inventario disponible es insuficiente
para satisfacer la demanda.
e. Tiempos Lderes: el tiempo entre la colocacin de periodo de bienes y la llegada de estos
bienes enviados por el proveedor.
f. Descuentos Cuantitativos: cuando los inventarios son reabastecidos por proveedores
externos, la cantidad pagada por artculo puede depender del tamao de ese pedido.
g. Polticas de Pedidos: es un enfoque para determinar cmo y cundo reabastecer los
inventarios.
CARACTERSTICAS CLAVES:
Pedido de artculos en intervalos de tiempo fijos: La cantidad a ordenar est
determinada por el nivel del inventario en el momento en el que se coloca el pedido.
La cantidad pedida cada vez vara. Ejemplo: considere el reabastecimiento de leche
en una tienda de abarrotes. Cada martes el gerente de lcteos pide la cantidad, y la
cantidad depende de cuantos galones hay en el estante cuando coloca el pedido. Esta
poltica tambin se denomina revisin peridica pues requiere revisara el nivel de
inventario en puntos fijos de tiempo para determinar cunto ordenar.
Pedido de un nmero fijo de artculos cuando el inventario a la mano llega a un cierto
nivel previamente especificado, llamado el punto de nuevos pedidos: En este caso, la
cantidad pedida siempre es la misma, pero el tiempo entre los pedidos puede variar.
Ejemplo: Un gerente de bar puede reordenar cerveza cuando el suministro actual cae
por menos de tres cajas. Este nivel puede alcanzarse en 4 semanas cuando el negocio
va lento o en una semana cuando el negocio est activo, digamos durante la semana
del sper tazn. Esta poltica tambin se denomina revisin continua, pues requiere
una comprobacin continua del inventario para determinar cundo se alcanza el punto
de nuevos pedidos.
Revisin Peridica: es la poltica de ordenamiento que requiere revisar el nivel de
inventarios en puntos fijos de tiempo para determinar cundo ordenar sobre la base
de inventarios a la mano en ese momento.
Revisin Continua: es la poltica de ordenamiento que requiere revisar el inventario
continuamente para determinar cundo se alcanza el punto de nuevos pedidos.
Punto de Nuevos Pedidos: nivel de inventarios en el cual debe colocarse el nuevo
pedido.


56
Leccin 7: MODELO DE INVENTARIOS EOQ
MODELOS DE INVENTARIOS E.O.Q.

Por qu las empresas almacenan inventario?. Existen varias razones para que una
empresa mantenga productos terminados o insumos como inventario. El inventario permite
enfrentar fluctuaciones de la demanda, evitar quiebres de stock, obtener economas de
escala, permite una mayor flexibilidad productiva, se puede usar como un arma competitiva,
etc.

Entonces, si mantener inventarios tiene importantes beneficios asociados Por qu no
llenamos nuestras bodegas de inventario?. Las respuestas son mltiples, pero todas
mantienen una base comn: Costos. Se afirma que mantener inventarios es un "mal
necesario" dado los costos asociados a la gestin de inventarios. En este sentido podemos
clasificar los costos de inventario en:
1. Costo de rdenes: costo que se incurre cada vez que se emite una orden.
2. Costo de mantener Inventario: arriendo de bodegas, depreciacin, costo de
oportunidad, prdidas, seguros, etc.
3. Costo de quiebre de stock: es ms difcil de estimar y est asociado al costo de la
venta prdida (perder un cliente, deterioro de imagen, multas, etc).

La Cantidad Econmica de Pedido, provee modelos matemticos que permite enfrentar de
una forma sistemtica la problemtica de la gestin de inventarios. Estos modelos
matemticos bsicamente se clasifican en 2 categoras y depende del comportamiento
(basado en supuestos) respecto al comportamiento de la demanda. Estn los modelos
asociados a demanda constante (EOQ, POQ, EOQ con descuentos por volumen, etc) y los
relacionados con demanda aleatoria (asociada a una funcin de probabilidad). En este
sentido EOQ resulta ser el modelo matemtico ms sencillo, adems, de ser usado como la
base para la administracin de inventarios en el que la demanda y el tiempo lder son
determinsticos. No se permiten los dficits y el inventario se reemplaza por lotes al mismo
tiempo, sus caractersticas principales se resumen a continuacin.

Caractersticas:

57
El inventario pertenece a uno y solo un artculo.
El inventario se abastece por lotes.
La demanda es Determinstica, es decir se conocen cuantas se venden en un tiempo
determinado.
El tiempo gua L es determinstico y se conoce.
Los dficit no estn permitidos.

El modelo considera los siguientes parmetros:
D : Demanda. Unidades por ao
S : Costo de emitir una orden
H : Costo asociado a mantener una unidad en inventario en un ao
Q : Cantidad a ordenar

Componentes de Costos de un Sistema de Inventarios.

El costo de pedidos u organizacin: (K) este es un costo fijo, independiente del nmero
de unidades pedidas o producidas. se incurre es este costo cada vez que se coloca
un pedido o que se echa a andar una mquina para una corrida de produccin.
El costo de compra: (C) cada unidad pedida incurre en un costo de compra, que es un
costo directo por unidad.
El costo de conservacin: (H) este es un costo obtenido por cada artculo en inventario,
un costo de conservacin puede incluir lo siguiente:

Costos de almacenamiento: compuestos por los gastos generales del almacn, seguro,
requerimientos de manejo especial, robo, objetos rotos, etc.

Costos de oportunidad del dinero: comprometido en inventario que de otra manera podra
haberse usado o invertido.

Los costos totales de almacenamiento y oportunidad que componen los costos de
conservacin se calculan como una fraccin (i) del costo unitario C.

H= (Tasa de transferencia)*(Costo de la unidad)
H = i * C

Ejemplo: Para el Mouse valuado en $20000 con tasa de transferencia de 0.11, el costo de
conservacin por ao por cada unidad es:

H = i * C
H = 0.11 * 20000

5
H = $2200

Tasa de Transferencia: (i) es la suma de las fracciones usadas en el clculo de los costos de
almacenamiento y oportunidad.

El costo de Dficit: (B) es el costo de no satisfacer la demanda, es decir el costo de que se
acabe un artculo. Recuerde que cuando no se puede satisfacer la demanda la venta se
pierde.

TABLA DE RESUMEN
D = demanda por pedido L= El tiempo para recibir un pedido
I= Tasa de transferencia por periodo, est dada siempre en %
K= El costo fijo de colocar un pedido.
C= El costo de compra de pedir cada unidad.
H = (I * C) El costo de conservacin por unidad por periodo.

Formulas del Modelo E.O.Q.

D - demanda por perodo.
L - el tiempo gua para recibir un pedido. L = Q*/D
i - tasa de transferencia por pedido.
K - costo fijo de un pedido.
C - costo de compra (costo por unidad).
H - costo de conservacin (H = I x C).
Q - nmero de unidades.
Q* - cantidad optima de pedido.
Q/2- inventario promedio.
CPA. Costo de pedido anual Cp = K x (D/Q).
Cc. Costo por compra anual Cc = C x D.
Costo de conservacin anual Ch= (Q/2) x (H).
Ct .Costo anual total Cta = (Cp) + (Cc) + (CH).
Nmero de pedidos NP = D/Q*.
Punto de nuevos pedidos (R) R = D x L.

Para un mejor entendimiento se presenta el siguiente grfico.

5!

La altura de cada tringulo representa el tamao ptimo de pedido que minimiza la funcin
de costos totales. La base del tringulo es el tiempo que pasa desde que se recibe la orden
hasta que se termina el lote (este tiempo se conoce como el tiempo de ciclo). Adicionalmente
se puede identificar el punto de reorden (ROP = d * TE) que es un nivel crtico de inventario
de modo que cada vez que el inventario llegue a ese nivel se hace un pedido de Q* unidades.
Dado que existe un tiempo de espera (conocido) desde que se emite la orden hasta que se
dispone del lote, una vez que se termina el inventario se dispone inmediatamente del nuevo
lote y de esta forma no existe quiebre de stock.

EJEMPLOS
1. El hospital de Neiva da servicio a una pequea comunidad. Un suministro usado con
frecuencia es la pelcula de rayos x, que se pide a un proveedor fuera de la ciudad. Como
gerente de suministros, debe determinar cmo y cundo hacer pedidos para asegurar que al
hospital nunca se le termine este artculo crtico, y al mismo tiempo, mantener el costo total
tan bajo como sea posible.

Para comprender como la cantidad de pedido (Q) impacta al nivel del inventario con el
tiempo, supongamos que ordenamos lotes de: Q = 4500 pelculas en existencia.

Y el proveedor se ha comprometido a satisfacer pedidos en 1 semana (es decir el tiempo
gua es L = 1 semana). El departamento de contabilidad del hospital ha proporcionado los
siguientes valores:

60
Un costo de pedidos fijo de $10000 para cubrir los costos de colocar cada pedido,
pagar los cargos de entrega, etc. Un costo de compra de $5000 por cada pelcula sin
descuento de cantidad. Una tasa de transferencia de 30% por ao (es decir, i=0.0)
para reflejar el costo de almacenar la pelcula en un rea especial, as como el costo
de oportunidad del dinero invertido en el inventario ocioso.
Solucin
Demanda anual D= (1500 pelculas*12 meses)= 18000 pelculas
Tiempo gua L= 1 semana= 1/52 de un ao
Tasa de transferencia anual de i= 0.30%
Costo de pedidos K= $10000 por pedido
Costo de pedidos C= $5000 por pelcula
Costo de conservacin anual H= i*C= 0.30*5000= $1500 por pelcula al ao.
CTA = costo de pedidos anual + costo compra anual + costo conservacin A.
COSTO DE PEDIDOS ANUAL:
K * D / Q = 10000*(18000/4500)= 40000
COSTO DE COMPRA ANUAL: C * D = 5000*18000= 90.000.000
COSTO DE CONSERVACION ANUAL: (Q/2)*H o (Q/2)*(I * C) =(Q/2)*(I *
C)=2250*(0.30*5000)= 3.375.00
Ahora remplazamos en la formula general:
CTA = costo de pedidos anual + costo compra anual + costo conservacin A.
CTA = 40000+90.000.000+3.375.000
CTA = 93.415.000
Ahora hallamos Q*
Q*=2D*K/H = 2D*K/I*C
Q*= 2D*K/(i * C)
Q*= 2*18000*10000/(0.30*5000)
Q*=489,89 490

NUMERO DE PEDIDOS:
D/Q*=18000*490 = 36,7 37 pedidos
TIEMPO:
L = Q*/D = 490/18000 = 0.027

61
NIVEL DE PEDIDOS:
R = D * L =18000*0.027 = 486
2. Almacenes Olmpica compra aproximadamente 10.000 televisores en el curso del ao a
un costo de $30 cada uno. Cada pedido incurre en un costo fijo de 85 y llega una semana
despus de haber hecho el pedido. Suponiendo una tasa de transferencia anual de o.15,
calcule: La cantidad de pedidos ptimos, el punto de nuevos pedidos y el costo anual.
Solucin.
Lo que se tiene:
D = 10.000
H = I x C = 0,15(30) K = 85 i = 0,15 C = 30= 4.5

=614,6362

R = D x L Q = (D/2 x H)

R= 10.000(1/52) Q = 10.000/2(4.5)
R = 192,3076 Q = 22.500

CTA = costo de pedido anual + costo compra anual + costo conservacin anual
K(D/Q) + C x D + (Q/2) x H
85(10.000/22.500) + 30(10.000) + 614,6363/2) x 4,5
CTA = 315208,35

3. Un almacn de venta de ropa para un suministro frecuente de jeans pide a un proveedor
fuera de la ciudad, el gerente debe asegurar que estas nunca se terminen y que adems se
mantenga el costo mnimo posible. Teniendo en cuenta:
La demanda es de 200 jeans por mes, El proveedor tarda una semana en entregar la
mercanca
El costo de pedido fijo es de $50.000
Un costo de compra de $30.000
Una tasa de transferencia del 20% por ao donde Q=1000
D = 200 I = 1 K = 50.000 C = 30.000 L = 0.20 Q = 1000
CPA = Kx(D/Q)=50.000(200/1000)=50.000 x 0,2=10.000
Costo de compra anual= C x D = 30.000 x 200 = 6.000.000

62
Costo de conservacin=Q/2(I x C)=1000/2(0,2 x 30.000)=3.000.000
Nmero promedio de pedidos=D/Q=200/1000=0.2

SOLUCIONE LOS SIGUIENTES EJERCICIOS
1. Una compaa comercializadora est interesada en reducir el costo de su inventario
determinando el nmero ptimo de su producto que debe solicitar en cada orden. Su
demanda anual es de 500 unidades, el costo de ordenar o preparar es de $12 por orden y el
costo de mantener por unidad por ao es de $2. La compaa trabaja 280 das al ao.
Halle:
a. Nmero ptimo de unidades por orden.
b. Nmero de rdenes por ao.
c. Tiempo esperado entre rdenes.
d. Costo total anual del inventario. (costo por unidad $80).
2. En cada uno de los siguientes casos, determine la cantidad ptima de pedido y el costo
diario correspondiente.
a. k= $100, h= $0.05, D= 30 unidades diarias.
b. k= $50, h= $0.05, D= 30 unidades diarias.
c. k= $100, h= $0.01, D= 40 unidades diarias.
d. k= $100, h= $0.04 D= 20unidades diarias.
3. Mcburguer pide carne molida al comenzar cada semana para cubrir la demanda semanal
de 300lb. El costo fijo por pedido es de $20, cuesta unos $0.03 por libra y por da refrigerar
y almacenar la carne. Determine la cantidad ptima de pedido y el costo semanal del
inventario.

63
Leccin 8: MODELOS DE INVENTARIOS EOQ CON DESCUENTOS
DESCUENTO POR CANTIDAD
El modelo EOQ con descuentos por cantidad es una extensin del modelo bsico de EOQ
revisado en la leccin anterior. Se asume que el costo de adquisicin (C) disminuye en la
medida que aumenta el tamao de lote. Adicionalmente se considera que el costo de
almacenar una unidad en inventario es un porcentaje (I) del costo de adquisicin.

Los descuentos por cantidad, que son incentivos de precio para que el cliente compre
mayores cantidades del producto, crean presin para mantener un inventario abundante.

Ejemplo, un proveedor puede ofrecer un precio de $4 por unidad, para los pedidos en que
soliciten entre 1 y 99 unidades; un precio de $3.50 por unidad, para pedidos entre 100 y 199
unidades; y un precio de $3.000 por unidad, para los pedidos de ms de 200 unidades. El
precio del artculo ya no se considera fijo, como se supona en la derivacin de la EQQ; en
lugar de eso, si la cantidad del pedido aumenta lo suficiente, se obtiene un descuento en el
precio. Por lo tanto, en este caso se requiere un nuevo enfoque para encontrar el mejor
tamao del lote, es decir, un mtodo que sopese las ventajas de comprar materiales a precios
ms bajos y tener que hacer menos pedidos(es decir, los beneficios de hacer pedidos por
grandes cantidades), frente a la desventaja que implica el incremento del costo por el manejo
de un inventario mayor.

El costo anual total incluye ahora no solamente el costo de manejo de inventario, (Q/2) (H) y
el costo de hacer pedidos, (D/Q) (S), sino tambin el costo de los materiales comprados.
Cualquiera que sea el nivel de precios por unidad, P, el costo total es:
Costo = Costo anual de + Costo anual de + Costo anual de
Total manejo de inventario hacer pedidos de materiales

El costo unitario de manejo de inventario H se expresa habitualmente como un porcentaje
del precio unitario, porque cuanto ms valioso sea el artculo que se tiene en inventario, tanto

64
ms alto ser el costo de su manejo. Por consiguiente, cuanto ms bajo sea el precio unitario,
P, tanto ms bajo ser H. Inversamente, cuanto ms alto sea P, tanto ms alto ser H. Igual
que cuando calculamos anteriormente el costo total. La ecuacin del costo total genera
curvas de costo total en forma de U. Si el costo anual de materiales se agrega a la ecuacin
del costo total, cada curva de costo total se eleva en una magnitud fija.

PROCESO PARA HALLAR EL MEJOR TAMAO DE LOTE
1. A partir del precio ms bajo de todos, calcule la EOQ para cada nivel de precios, hasta
que encuentre una EOQ factible. Sabr usted que sta es factible si se encuentra en
el rango correspondiente a un precio. Cada EOQ subsiguiente es ms pequea que
la anterior porque p, y por lo tanto H, se vuelve cada vez ms grande y porque esa H
ms grande est en el denominador de la frmula de la EOQ.
2. Si la primera EOQ factible que encuentre corresponde al nivel de precios ms bajo,
esta cantidad representar el mejor tamao del lote. Si no es as, calcule el costo total
correspondiente a la primera EOQ factible y a la mayor magnitud del cambio de precio,
en cada nivel de precios ms bajo. La cantidad a la cul corresponde el costo total
ms bajo de todos ser la ptima.
EJEMPLO PRCTICO

Uno de los proveedores del sistema de salud de Lower Florida Keys ha presentado su plan
de precios de descuento por cantidad para alentar a sus clientes a que compren mayores
cantidades de un catter de tipo especial. El plan de precios propuesto es el siguiente:
Cantidad del pedido Precio por unidad
0 299 $ 60.00
300 499 $58.80
500 o ms $ 57

Lower Florida estimado que la demanda anual para este artculo es de 936 unidades, el costo
que implica hacer esos pedidos es de $45 por pedido y su costo anual de manejo de
inventario representa el 25% del precio unitario del catter. Qu cantidad de dicho catter
tendr que pedir el hospital para minimizar su total de costos?

65
SOLUCION
Paso 1. Encuentre la primera EOQ factible, comenzando con el nivel de precios ms bajo:

Un pedido de 77 unidades cuesta realmente $60 por unidad, en lugar del costo de $57 por
unidad que se us en el clculo de la EQQ; por lo tanto, esta EQQ no es factible. Intentemos
ahora con el nivel de $58.80:

Esta cantidad tampoco resulta factible, porque un pedido de 76 unidades es demasiado
pequeo para que se le aplique el precio $58.80. Intente ahora con el nivel de precios ms
alto:

Esta cantidad es factible, porque se encuentra dentro del rango correspondiente a su
precio, P = $60.00.

Paso 2. La primera EQQ factible, de 75, no constituye el nivel de precios ms bajo de todos.
Por lo tanto, tendremos que comparar su costo total con las cantidades correspondientes al
cambio de precio (300 unidades y 500 unidades), en los niveles de precio ms bajos ($58.80
y $57.00):

66

La mejor cantidad de compra es de 500 unidades, con la cual se obtiene el mayor descuento.
Sin embargo, la solucin no siempre funciona as. Cuando los descuentos son pequeos, el
costo de manejo de inventario H es considerable, la demanda D es pequea y los tamaos
del lote ms reducidos funcionan mejor, aunque se renuncie a descuentos en el precio.

TALLER DE APLICACIN

1. El equipo Bucks de la liga mayor de bisbol rompe cuatro bates por semana, en promedio.
El equipo compra sus bates de bisbol a Corkys, un fabricante que se distingue porque tiene
acceso a la mejor madera maciza. El costo de hacer el pedido es de $70 y el costo anual del
manejo de inventario por bat y por ao representa el 38% del precio de compra. La estructura
de precios de Corkys es la siguiente:

a) Cuntos bates debera comprar el equipo en cada pedido?
b) Cul es el total de los costos anuales asociados a la mejor cantidad de pedido?
0 11 $ 54.00
12 143 $51.00
144 o ms $ 48,50

67
2. La librera universitaria de una gran institucin estatal compra lapiceros mecnicos a un
mayorista. ste le ofrece descuentos cuando los pedidos son grandes, de acuerdo con el
siguiente plan de precios:
0 100 $ 4.00
101 300 $3.50
301 o ms $ 2.00

La librera ha supuesto que la demanda anual ser de 500 unidades. Hacer un pedido le
cuesta $10 y el costo anual por manejo de inventario de una unidad es equivalente al 10%
del precio de la misma. Determine cul es la mejor cantidad del pedido.


6
Leccin 9: MODELOS DE LOTE DE PRODUCCIN Y EL SISTEMA DE CLASIFICACIN
ABC
MODELO DE LOTE DE PRODUCCIN

Hasta ahora habamos supuesto que el pedido llegaba instantneamente o que la produccin
se reabasteca de inmediato. Sin embargo en la prctica una empresa manufacturera va
produciendo paulatinamente y a travs del tiempo va vendiendo los artculos que le son
demandados.

Es en este caso, se prohben los faltantes estableciendo el costo por faltante como infinito.
Las condiciones para el aprovisionamiento instantneo de los suministros se modifican
ligeramente cuando los suministros se manufacturan al recibir la orden, en vez que se surtan
de existencias de artculos ya manufacturados. La diferencia est en que los suministros se
embarcan instantneamente conforme se manufacturan. Esto significa que se utiliza durante
el periodo de aprovisionamiento y se representa por las rectas inclinadas que se elevan cada
punto de reordenamiento.

El gasto principal de adquisicin es el costo preparacin cuando una empresa produce sus
propios suministros. En esta prctica, el punto de reordenamiento se estableceran en algn
nivel del inventario mayor que cero para notificar al departamento de produccin que pronto
sern necesarios los suministros. Este adelanto temporal debe permitir, suficiente margen
para programar los procedimientos de preparacin. A continuacin se explicara un modelo
con el supuesto que la produccin se da paulatinamente a una tasa b, que es mayor que la
demanda a.

Los costos que se considerarn son:
K : Costo de preparacin para producir u ordenar un lote.
c : El costo de producir o comprar cada unidad.
h : El costo de mantenimiento de una unidad de inventario por unidad de tiempo.
Recordemos adems:

6!
b : Tasa de produccin de los artculos
a : Tasa de demanda de los artculos.
b>a

Debemos hallar el costo total por unidad de tiempo ($/tiempo). Primero hallaremos los costos
nicamente para un ciclo, por lo que los costos estarn en ($).
Costo por ciclo de produccin u ordenar = K + c Q
[$] + [$/ artculo ] * [artculo ] =[$]


70

Ejemplo 1: Manufactura de bocinas para televisores.
1. Cada vez que se produce un lote, se incurre en un costo de preparacin de $12000.
2. El costo unitario de produccin de una sola bocina (excluyendo el costo de preparacin)
es $10.
3. El costo de mantenimiento de una bocina en almacn es de $0.3 por mes.
4. . La demanda es de 8000 bocinas mensuales.
5. La tasa de produccin es de 14000 bocinas mensuales

71

Manufactura de bocinas para televisores debe producir 38643 bocinas cada 4.83 meses
para minimizar los costos de manejo de los inventarios.


72
Ejemplo 2: La compaa PintuMarta tiene una variada lnea de productos. Uno de ellos es
la pintura de ltex. PintuMarta puede fabricar pintura a una tasa anual de 8000 galones. El
costo unitario de producir un galn de pintura es $0.25 y el costo anual de mantener el
inventario es 40%.antes de cada corrida de produccin se realiza la limpieza y verificacin
de las operaciones a un costo de $25. Analice este problema

Solucin. La informacin bsica para la produccin de la pintura ltex es
A = $25 por preparacin
i = 40% anual
c = $0.25 por galn
h = 0.40 x $0.25 = $0.10 por galn por ao
D = 4000 galones por ao
= b = 8000 galones por ao

El costo total del inventario promedio anual est dado por

Y la cantidad econmica a producir es

Calculando

Es decir, hay dos ciclos por ao. En cada uno la produccin se lleva a cabo durante TP / T
del ciclo, o la mitad del tiempo. Se sugiere al lector que dibuje la geometra del inventario
para este ejemplo.


73
Ejemplo 3: SAMSUNP., una empresa que comercializa las agujas hipodrmicas indoloras
en los hospitales, desea reducir sus costos de inventario mediante la determinacin del
nmero de agujas hipodrmicas que debe obtener en cada orden. La demanda anual es de
1000 unidades; el costo de reparacin o de ordenar es de 10 dlares por orden; y el costo
de manejo por unidad de ao es de 50 centavos de dlar. Utilizando estos datos, calcule el
nmero ptimo de unidades por orden (Q*), el nmero de rdenes (N), el tiempo transcurrido
(T), y el coso total anual del inventario. Utilizar un ao laboral de 250 das.

Solucin: utilizando las ecuaciones (1.1), (1.2), (1.3), y (1.4), tenemos:

El modelo EOQ tiene otra distincin importante; es un modelo robusto. El modelo robusto se
refiere a que ste proporciona respuestas satisfactorias aun con variaciones substanciales a

74
otros parmetros. Un modelo robusto es ventajoso. El costo total del EOQ cambia un poco
en las cercanas del mnimo. Esto significa que los costos de preparacin, los costos de
manejo, la demanda y aun el EOQ representan pequeas diferencias en el costo total.

EL SISTEMA DE CLASIFICACIN ABC

Qu es el modelo ABC? En principio podemos decir que el modelo ABC (Activity Based
Costing) es un sistema de costeo basado fundamentalmente en algunas ideas
fundamentales:
Los productos no consumen costos sino que los productos consumen actividades
exigidas para su fabricacin, dicho de otra manera los productos demandan
actividades.
Las actividades y no los productos son los que consumen recursos o valor de los
factores productivos, siendo los costos la expresin cuantificada en trminos
monetarios de esos factores consumidos.
Como consecuencia de estas afirmaciones podemos inferir que una adecuada gestin de
costos habr de actuar sobre las actividades que los originan, y que adems existe una
relacin directa entre las actividades y los productos de tal manera que a mayor consumo de
actividades por parte de un producto habr que asignarle mayores costos.

El costeo ABC: base para el control de los inventarios

El manejo de los artculos que se encuentran en el inventario es de vital importancia, ya que
estos son los que determinan en gran parte la asignacin de costos en el proceso productivo
y determinan en un alto grado el nivel de eficiencia y eficacia de la gestin financiera.

El inventario representa una inversin considerable por parte de las empresas
manufactureras, es por ello que se hace indispensable prestarle atencin especial a su
manejo.


75
Para realizar una eficiente administracin los responsables de esta rea deben controlar
todos los niveles del inventario y considerar que este es una inversin significativa que si no
se maneja de una forma adecuada puede convertirse en un problema que afectara la gestin
financiera de la empresa.

Una empresa que tenga un gran nmero de artculos de inventario debe analizar cada uno
de ellos para determinar la inversin aproximada por unidad.

Profundicemos en el sistema de clasificacin ABC

Una gran cantidad de organizaciones tienen en sus bodegas una gran cantidad de artculos
que no tienen una misma caracterstica, muchos de estos artculos son relativamente de bajo
costo, en tanto que otros son bastante costosos y representan gran parte de la inversin de
la empresa. Algunos de los artculos del inventario, aunque no son especialmente costosos
tienen una rotacin baja y en consecuencia exigen una inversin considerable; otros
artculos, aunque tienen un costo alto por unidad, rotan con suficiente rapidez para que la
inversin necesaria sea relativamente baja.

En la mayora de las empresas la distribucin de los artculos del inventario es el 20%
corresponden al 90% de la inversin en inventario, mientras que el 80% restante de los
artculos corresponden solamente al 10% de dicha inversin, es por ello que se hizo
necesario formular un nuevo sistema de asignacin en la prioridad que se le da a las
existencias que maneja la empresa: El sistema de costos basado en las actividades o costeo
ABC.

La aplicacin del sistema de costos ABC en una empresa para el control de inventarios se
empieza por la clasificacin en grupos de artculos as:
Los artculos "A" que son aquellos en los que la empresa tiene la mayor inversin, estos
representan aproximadamente el 20% de los artculos del inventario que absorben el 90%
de la inversin. Estos son los ms costosos o los que rotan ms lentamente en el inventario.

76
Los artculos "B" son aquellos que les corresponde la inversin siguiente en trminos de
costo. Consisten en el 30% de los artculos que requieren el 8% de la inversin.
Los artculos "C" son aquellos que normalmente en un gran nmero de artculos
correspondientes a la inversin ms pequea. Consiste aproximadamente el 50% de todos
los artculos del inventario pero solo el 2% de la inversin de la empresa en inventario.

Aunque el sistema de costeo ABC tiene algunas deficiencias estructurales, es un mtodo
excelente para determinar el grado de intensidad de control que se debe dedicar a cada
artculo del inventario.

El diferenciar el inventario en artculos "A", "B" y "C" permite que la empresa determine el
nivel y los tipos de procedimientos de control de inventario necesarios.
El control de los artculos "A" del inventario debe ser muy intensivo por razn de la
inversin considerable que se hace. A este tipo de artculos se les debe implementar las
tcnicas ms sofisticadas de control de inventario.
En los artculos "B" se pueden controlar utilizando tcnicas menos sofisticadas pero
eficientes en sus resultados.
En los artculos "C" el control que se realiza es mnimo.


77
Debe tenerse en cuenta que el modelo de costeo ABC de control de inventario no tiene
aplicacin en todas las empresas, ya que ciertos artculos de inventario que son de bajo
costo, pueden ser definitivos en el proceso de produccin y no son de fcil consecucin en
el mercado, es por ello que necesitan una atencin especial.

El control que se ejerce en este sistema se relaciona directamente con el control que se hace
de los costos, ya que al tener una mejor distribucin de los inventarios, el costo de bodegaje,
manutencin, vigilancia, prdidas y obsolescencia se pueden contrastar de una mejor forma.

Por ltimo, es necesario conocer todos los fundamentos tericos y tcnicas aplicadas para
la implantacin de un sistema basado en las actividades, ya que su metodologa es mucho
ms profunda y depende del tipo de empresa en el que es utilizado.

Ejemplo: El sistema de clasificacin ABC es un mtodo ampliamente usado para categorizar
inventarios de acuerdo con la cantidad y el valor. La tabla 1 resume las caractersticas clave
del sistema.
TABLA 1 CARACTERISTICAS DEL SISTEMA DE CLASIFICACION ABC

Grupos
Cantidad
(% de artculos)
Valor (%de $)
Grado de
control
Tipos de
registros
Inventario de
seguridad
Procedimiento de
pedidos
A
Artculos
10 - 20 % 70 80 % intenso
completo,
seguro
bajo
cuidadoso,
seguro;
B
Artculos
30 - 40 % 15 - 20 % normal
completo,
seguro
moderado
revisiones
frecuentes
C
Artculos
40 - 50 % 5 - 10 % simple simplificado grande
pedidos
normales;
alguna rapidez
ordenes
peridicas:
abastecimiento
de 1 a 2 aos

La aplicacin del sistema de costos ABC en una empresa para el control de inventarios se
empieza por la clasificacin en grupos de artculos as:

7
1. Los artculos "A" que son aquellos en los que la empresa tiene la mayor inversin,
estos representan aproximadamente el 20% de los artculos del inventario que absorben
el 90% de la inversin. Estos son los ms costosos o los que rotan ms lentamente en
el inventario.
2. Los artculos "B" son aquellos que les corresponde la inversin siguiente en trminos
de costo. Consisten en el 30% de los artculos que requieren el 8% de la inversin.
3. Los artculos "C" son aquellos que normalmente en un gran nmero de artculos
correspondientes a la inversin ms pequea. Consiste aproximadamente el 50% de
todos los artculos del inventario pero solo el 2% de la inversin de la empresa en
inventario.
Es una necesidad en casi todas las compaas saber la composicin de sus inventarios. Es
por ello que existen formas de clasificarlos segn su importancia. El sistema de clasificacin
ABC nos ayuda a clasificar los inventarios en tres categoras:
a) Muy importantes.
b) Medianamente importantes.
c) Poco o nada importantes

Al aplicar el sistema de clasificacin ABC es importante recordar lo expuesto por el
economista italiano Pareto referente a que el 20% ms importante de la causa es la
responsable del 80% del efecto.

Aplicndolo a los inventarios se vera:

Un criterio de clasificacin para determinar la importancia de los artculos dentro del
inventario es la cantidad promedio en dinero del artculo (Cantidad en artculos promedio *
Costo unitario).

7!
Hasta ahora habamos supuesto que el pedido llegaba instantneamente o que la produccin
se reabasteca de inmediato.

Sin embargo en la prctica una empresa manufacturera va produciendo paulatinamente y a
travs del tiempo va vendiendo los artculos que le son demandados.

La implantacin del Modelo ABC

Los diferentes modelos de Contabilidad de costos tienen sus ventajas e inconvenientes,
siempre considerando las caractersticas de la empresa donde se lo quiera implantar.

Las siguientes son algunas de las caractersticas que si una empresa las tiene la hacen
adecuada para implantar en ellas el sistema ABC.
Importancia relativamente grande de los costos indirectos
Diversidad de Actividades.
Variedad de productos.
Adems la implantacin del modelo ABC exige una implantacin adecuada de la informtica
para el tratamiento de los datos.

La implantacin del modelo ABC por otra parte constituye una operacin delicada, se
aconseja una implantacin gradual pues se requiere de un cuidado especial en la
delimitacin operativa de las actividades y el seguimiento de los generadores del costo.

Adems se debe tener especial cuidado en la eleccin del sistema informtico de
contabilidad.

Ejemplo:
Suponga que un almacn de cadena maneja 4 tipos de artculos: Electrodomsticos, vestidos
para hombres y mujeres, artculos comestibles, artculos de papelera.

0
En la siguiente tabla se resume la clasificacin de los artculos:


1
Leccin 10: MODELO ESTOCASTICO DE INVENTARIOS
Hasta el momento hemos venido suponiendo que la demanda es conocida y cierta. Modelo
de un perodo sin costo fijo sin embargo la mayora de los casos nos muestran demandas
inciertas y desconocidas. Suponiendo que la demanda para un perodo es una variable
aleatoria, es posible conocer su distribucin de probabilidad.

Tanto los inventarios como las cuentas por cobrar, presentan una proporcin significativa de
los activos en la mayora de las empresas que requieren de inversiones sustanciales. Por
ello, las prcticas administrativas que den como resultado minimizar el porcentaje del
inventario total, puede representar grandes ahorros en dinero.

Se puede decir que los inventarios es el puente de unin entre la produccin y las ventas.
En una empresa manufacturera el inventario equilibra la lnea de produccin si algunas
mquinas operan a diferentes volmenes de otras, pues una forma de compensar este
desequilibrio es proporcionando inventarios temporales o bancos.

Los inventarios de materia prima, productos semiterminados y productos terminados
adsorben la holgura cuando fluctan las ventas o los volmenes de produccin, lo que nos
da otra razn para el control de inventarios.

Los inventarios de materia prima dan flexibilidad al proceso de compra de la empresa. Sin
ellos, en la empresa existe una situacin de la mano a la boca

Se denomina inventarios a un conjunto de recursos o cantidad de artculos en buen estado
almacenados en espera de ser utilizados en un futuro.

Al realizar un anlisis de toma de decisiones, los administradores se deben hacer estas dos
preguntas importantes:

1.- Cunto se debe pedir u ordenar cuando es necesario reabastecer el inventario de un
artculo?

2
2.- Cundo se debe reabastecer o remover el inventario de un artculo?

El propsito de este tema es mostrar la forma de cmo se deben administrar y cuantificar los
inventarios en una entidad con el fin de tomar la decisin ms apropiada en el control de
estos.

Los vendedores de diario, gerente de produccin, propietarios de carnicera, etc, deben hacer
frente al problema de Que tanto debo pedir?. Cuando la situacin de la orden es slo para
el prximo periodo los costos crticos sol los costos de escasez por no tener existencia (Cu)
y los costos por tener demasiada existencia (Co). El vendedor, gerente o dueo, se enfrenta
a la minimizacin de los costos totales cuando la demanda no se conoce con certeza.

La ecuacin sugiere que la persona que ordena un producto debe almacenar a aquel la
cantidad (porcin) de la demanda, la cantidad critica (CC), donde se lleva a cabo la relacin
del costo de la suma de las inexistencias ms las sobre existencias.

CC = Cu / Cu + Co

Ejemplo: El Dueo de una distribuidora de peridicos y revistas posee cuatro sitios
diferentes de ventas al menudeo. Una revista popular tiene una demanda que vara
uniformemente de 500 a 1200 copias en las cuatro tiendas combinadas. El pedido est
centralizado y las revistas pueden ser enviadas fcilmente de una tienda a otra. El ciento de
estas revistas cuesta 125 dlares, y cada una se vende a un precio de 2.25 dlares. Cuando
se compra en lotes a este precio, el editor no admite devoluciones. Cul debe ser la cantidad
por pedir para el siguiente periodo?

CC = Cu / Cu + Co
= (2.25-1.25) / (2.25-1.25) + 1.25
CC = 0.444

El gerente experimenta una prdida de utilidad de 1.00 dlares si ordena demasiado poca,
pero una prdida de 1.25 dlares si ordenas demasiadas.

3
La cantidad econmica a ordenar es:

Q = 500 + 0.444 (1200 - 500)
Q = 810.8 unidades

Los modelos estocsticos de inventario, en los que la demanda se describen mediante una
distribucin de probabilidades. Los modelos que se presentan se clasifican, en el sentido
amplio, en situaciones de revisin continua y peridica.

1. Un modelo de revisin continua consiste en que los niveles del inventario son
comprobados continuamente y cuando se alcanza el punto de nuevos pedidos, se
ordenan Q* unidades.
2. Un modelo de revisin peridica, consiste en que el inventario se revisa
peridicamente, digamos, cada T periodos y el tamao del periodo se determina
mediante el nivel de inventarios en ese momento.

Los modelos de revisin peridica incluyen tanto casos de un solo periodo como de varios
periodos. Las soluciones propuestas van desde el uso de una versin probabilstica de la
cantidad econmica de pedido (CEP o EOQ, de economic order quantity) determinstica
hasta casos ms complejos que se resuelven con programacin dinmica. La naturaleza
probabilstica de la demanda conduce a modelos complejos que quiz no sean tiles en la
prctica. Sin embargo, en las publicaciones se han reportado buenas implementaciones de
inventario probabilstico.
Ejemplo - Distribuidor de bicicletas
Un distribuidor mayorista de bicicletas compra bicicletas al fabricante para surtir las diferentes
tiendas en el oeste de los E.E.U.U existe incertidumbre sobre cul ser la demanda de
bicicletas por parte de las tiendas en cualquier mes, por lo que el distribuidor se enfrenta a
Cuntas bicicletas debe ordenar al fabricante en un mes determinado?

El distribuidor ha analizado sus costos y ha determinado que los siguientes factores son
importantes:

1. Costo de ordenar:

4

2. Costo de mantenimiento: Costo de tener un inventario. Se ha estimado en $1 por bicicleta-
mes. Sin embargo las bicicletas tienen un valor de salvamento de $10 c/u. - $9 por bicicleta
que queda al final del mes.

3. Costo por faltantes: Costo por no tener una bicicleta disponible cuando se necesita se
considera despreciable en este ejemplo.
Segn la terminologa que hemos venido empleando:
K : 0 Costo de preparacin
c : $ 20 / bicicleta Costo de adquisicin
h : - $9 / bicicleta - mes Costo de mantenimiento
p : $ 45 / bicicleta Precio de venta

Vamos a adoptar el criterio de maximizacin del ingreso neto para la formulacin del
modelo

Definamos
y : Cantidad comprada por el distribuidor al fabricante
D : Cantidad demandada por las tiendas al distribuidor
Ingreso neto = p * cantidad vendida por el distribuidor
c * cantidad comprada por el distribuidor
h * cantidad no vendida y liquidada al valor de recuperacin


5


6


7


CAPITULO 3: ELEMENTOS PARA LA TOMA DE DECISIONES EN SISTEMAS DE
INVENTARIOS

Leccin 11: MODELOS PARA LA TOMA DE DECISIONES EN EL SISTEMA DE INVENTARIOS
Existen diferentes esquemas en la creacin de modelos para la toma de decisiones, en este
caso mencionaremos uno de los esquemas que se aplica en la ciencia de la administracin,
el cual, no pretende ser la verdad revelada, esto es vlido para problemas de inventarios o
para cualquier situacin empresarial. Es fundamental enfatizar en que no debe verse como
un conjunto rgido de procedimientos, en algunos casos se podrn saltar escalones, en otros
tocar crear variantes, sin embargo, es importante manejar una gua que nos va a facilitar
los procesos y coadyuvar a una gestin ms eficiente, los pasos a seguir son los siguientes:

Aceptar o reconocer la existencia de una(s) situacin(es) susceptible(s) a mejorar, lo que
es diferente a un problema manifiesto, lo importante es reconocer que de actuar diferente
se podran obtener mejores resultados; en este paso se debe ser muy cuidadoso, ya que,
una persona puede tener diversos objetivos; tambin se presenta que diferentes reas
de la organizacin tengan objetivos contradictorios, por ejemplo el departamento
comercial puede pretender resultados que entren en contradiccin con los objetivos de
quien maneja el departamento financiero, en el caso de los inventarios esto se presenta
con frecuencia, ya que, para un gerente financiero los inventarios pueden representar
lucro cesante, mientras que para el comercial pueden representar la forma de brindar un
mejor servicio, por lo que lo ms importante es fijar adecuadamente el(los) objetivo(s) a
conseguir.
Formular el problema, plantear la situacin(es) ya definida(s), jerarquizndolas en caso
de ser necesario en forma de problema, buscando solucionar primero las ms crticas
y/o las ms viables a juicio de la gerencia. Este paso es delicado ya que un alto
porcentaje de la solucin, est dado por un buen planteamiento, un planteamiento
errneo puede llevar a consecuencias desastrosas para la organizacin; en el ejemplo
anterior, si yo pienso en ahorrar unos pesos, en esta difcil poca para los negocios, lo
puedo hacer en un momento determinado sacrificando servicio, sin embargo, esto se
puede revertir en contra de mi empresa en el mediano o largo plazo.
Construir el modelo, representar de alguna manera el problema, para nuestro caso, en
forma matemtica, siendo conscientes de que el mejor modelo no necesariamente es el
ms novedoso, ni el ms complicado, la bondad del modelo se mide por la forma en que
este interpreta la realidad y por las ayudas que pueda brindar al tomador de decisiones.
Recolectar los datos, esta es una de las partes ms dispendiosas y en donde es
necesario la ayuda de todas las reas de la organizacin, en el caso de los inventarios
debemos conocer los costos de mantenimiento y los de pedido, la demanda, el tiempo
de entrega de nuestros proveedores, en fin la informacin que necesitamos es muy
amplia y de su calidad depende la validez del modelo, ya que parodiando a los ingenieros

!
de sistemas, si basura entra, basura sale. Si lo anterior es cierto cuando se "alimenta"
un computador con mayor razn se cumple en los modelos cuantitativos.
Resolver el modelo, esta es realmente la parte ms sencilla, si los pasos anteriores son
correctamente efectuados, consiste en operar con los datos recolectados en el modelo
previamente construido, en esta parte algunos autores recomiendan manejar escenarios,
es decir hacer fluctuar los datos recopilados para analizar las posibles influencias de
estos cambios y estar pendientes en caso que se presenten, otros recomiendan, de ser
posible ver cmo se comporta el modelo en situaciones que ya sucedieron, con el objeto
de verificar hasta qu punto nos hubiesen ayudado a tomar la mejor decisin de acuerdo
a las circunstancias.
Interpretacin de los resultados, en esta parte el criterio gerencial es fundamental, ya
que, NADA puede remplazar totalmente el juicio de quien toma la decisin, la idea del
modelo es ayudar, no remplazar al tomador de decisiones, aqu es indispensable que
quien toma las decisiones se despoje de pre-juicios y vea la solucin de la forma ms
objetiva posible, que no piense que al proponer el modelo soluciones diferentes a las que
ha venido implementando, ste o las decisiones anteriores no sirven. El verdadero
profesional, puede darse a partir de la consecucin de un ttulo universitario y/o por la
experiencia y el estudio relacionados en el campo objeto de su labor, lo que realmente
lo distingue es su capacidad de anlisis y de evolucionar en y con el tiempo.
Implementar el modelo, si los pasos anteriores fueron manejados correctamente, este
debera ser el ms sencillo, sin embargo, en la prctica presenta ocasionalmente
problemas, por el rechazo de algunas partes de la organizacin a los cambios, debido a
que en todos los niveles de la organizacin es frecuente observar personas que por no
salirse de rutinas preestablecidas, se oponen y retardan la puesta en prctica de nuevas
ideas.
Retroalimentar y recrear el modelo, teniendo en cuenta que las circunstancias del
entorno o de la empresa pueden cambiar, es indispensable estar permanentemente
verificando el modelo, lo cual no le quita validez y muestra seriedad y objetividad en la
toma de decisiones, recuerde que ni aun "a los paquetes computacionales ms
complejos se les puede dejar decidir", que siempre el que toma las decisiones es el
gestor, esto es vlido an ms en lo referente a modelos de gestin. En lo referente a
inventarios existen gran cantidad de modelos, por lo que generalmente no es necesario
"descubrir el agua tibia", lo importante es saber cundo y dnde usarla. Los modelos
deben permitirnos cometer errores en el papel, disminuyendo la probabilidad de
cometerlos en la vida real, las aplicaciones en computador nos permiten ver rpidamente
muchas opciones simplemente cambiando nmeros de acuerdo a los supuestos
razonados que usemos dentro de las situaciones que se pueden presentar en la
empresa.


!0
Leccin 12: ELEMENTOS QUE ENMARCAN EL PROCESO DECISORIO EN
PRODUCCIN E INVENTARIOS

Los siguientes elementos constituyen el marco de referencia para la toma de decisiones en
produccin e inventarios:

Dada la naturaleza limitada de la mente humana y de los posibles modelos de decisin,
es necesario determinar los factores relevantes a tener en cuenta en el proceso decisorio
sobre sistemas de inventarios y a eliminar aquellos aspectos que no son significativos
para el sistema bajo anlisis.
Cualquier decisin que se tome con respecto a un tem en particular est enmarcada
dentro del siguiente contexto:
La relacin del tem en consideracin con otros SKUs;
La inversin total en el inventario agregado;
El plan maestro de la organizacin;
Los sistemas de produccin/distribucin de los proveedores y clientes de la empresa;
La economa regional y mundial como un todo.
Las decisiones en una organizacin obedecen a un nivel jerrquico, el cual regularmente
contiene:
Decisiones estratgicas de largo plazo, como por ejemplo la definicin de la
localizacin de una nueva planta manufacturera o centro de distribucin;
Decisiones tcticas de mediano plazo, como por ejemplo la seleccin de una empresa
transportadora para el prximo semestre o la programacin de la produccin del
prximo mes;
Decisiones operacionales de corto plazo o inmediatas, como por ejemplo la ruta de los
camiones para efectuar los despachos el da de maana, o la programacin de los
trabajos en cierta mquina para hoy.

Anlogamente, las decisiones con respecto de inventarios pueden clasificarse en:

Escogencia del sistema general de control (decisin estratgica);
Seleccin de parmetros de acuerdo con el sistema general de control escogido, tales
como el nivel de servicio al cliente (decisin tctica);
Decisiones operacionales, tales como sistema de recoleccin de datos, determinacin
de pedidos, reporte de resultados, planeacin de despachos de bodegas a puntos de
venta, etc.
Cuando exista un gran nmero de SKUs, stos deben agregarse y analizarse en grupos
homogneos ms reducidos, con el objeto de disminuir el grado de complejidad del
problema sin prdida significativa de la precisin de los modelos utilizados.
Especial nfasis debe drsele al anlisis de las variables ms importantes, como por
ejemplo los costos de ordenamiento y el proceso de demanda, para el cual debe
disearse un adecuado sistema de pronsticos.

!1
Leccin 13: FACTORES DE IMPORTANCIA PARA LA TOMA DE DECISIONES EN
INVENTARIOS

Factores de costo
El valor unitario del tem, v

El valor unitario de cada tem est expresado en $/unidad. Para un comerciante (n-
productor) este costo corresponde al precio del artculo pagado al proveedor incluyendo los
fletes y costos relacionados. Puede depender del tamao de pedido, de acuerdo con los
descuentos por cantidad.

Para productores, este valor es ms difcil de determinar. Sin embargo, rara vez se utiliza el
valor en libros del tem. Se prefiere, en cambio, medir el valor real del dinero invertido en el
tem (costo variable de produccin) para hacerlo apto para su utilizacin, bien sea como
producto terminado para el consumidor final, o como componente para otro proceso dentro
de la planta. Este costo es muy importante, ya que el costo de llevar el inventario depende
de l.

El costo de llevar o mantener el inventario, r
El costo de llevar o mantener el inventario comprende los costos de almacenamiento y
manejo, el costo del espacio utilizado, los costos de capital, los seguros e impuestos, y los
costos de riesgo en los que se incurre por el hecho de tener almacenados los tems,
esperando a ser demandados por los clientes.

Ballou (1999) describe con detalle cada uno de estos costos. A continuacin se presentan
sus principales caractersticas.

Los costos de almacenamiento y manejo se refieren a los costos de operar la bodega,
teniendo en cuenta la mano de obra utilizada, las actividades desarrolladas, tales como
recepcin, almacenamiento, inspeccin y despacho. Si la bodega es arrendada, estos costos
formarn parte del costo global de espacio dado por el arrendatario y descrito a continuacin.

!2
El costo de espacio es el reflejo del uso del volumen dentro del edificio de la bodega. Si la
bodega es arrendada, estos costos se expresan generalmente por unidad de peso por cada
perodo de tiempo, por ejemplo en $/(ton mes). Si el espacio es propio de la empresa, los
costos de espacio se determinan de acuerdo con los costos de operacin asociados con
dicho espacio, tales como climatizacin e iluminacin, y costos fijos, tales como los costos
del edificio y del equipo, basados en el volumen que se maneja en la bodega. Los costos de
espacio no se incluyen en el clculo de inventarios en trnsito.

Los costos de capital o costos de oportunidad representan la mayor proporcin de los costos
de llevar el inventario. A pesar de esto, es el costo menos tangible de todos los componentes
del costo de inventario. Su determinacin no es fcil, ya que depende de muchos factores.
Primero, los inventarios pueden tratarse de activos a corto plazo o de activos a largo plazo,
dependiendo de su funcin. Segundo, el costo de capital puede determinarse de un rango
amplio de valores que van desde las tasas de inters del mercado hasta el costo de
oportunidad del capital, que puede estar representado en el promedio de las tasas mnimas
de retorno de la empresa o en las inversiones ms rentables a las que la empresa tiene
acceso.

Los seguros e impuestos dependen del inventario disponible y por ello forman parte del costo
de llevar el inventario. Los seguros se toman como prevencin contra incendio, robo, daos,
etc. Los impuestos se pagan dependiendo de los sistemas contables particulares de cada
regin y generalmente se cobran de acuerdo con los valores en libros de los inventarios. El
tema de valoracin de los inventarios para efectos contables no se considera en esta
publicacin.

Los costos de riesgo representan los costos de obsolescencia, deterioro y depreciacin del
inventario. El deterioro puede deberse a condiciones naturales de los tems en inventario,
especialmente si se trata de artculos perecederos. Estos costos pueden determinarse del
costo de tems perdidos, o del costo de actualizacin mediante trabajo adicional para
recobrar el estado normal del producto, o de reponer el producto desde otra localizacin.


!3
La Tabla que se muestra seguidamente un ejemplo que ilustra la magnitud de cada uno de
los costos descritos anteriormente, los cuales sumados en total representan el costo de llevar
el inventario. Ntese que los costos de oportunidad, obsolescencia y depreciacin pueden
representar hasta el 96% del costo total de llevar el inventario. Las unidades en las que se
mide este costo son normalmente en un porcentaje por ao [%/ao], o, equivalentemente,
en [$/($ao)], lo que significa el dinero que hay que pagar por cada peso invertido en
inventario cada ao, o cada perodo de tiempo que se escoja para el anlisis. Regularmente
se utiliza el mismo costo de llevar el inventario para todos los tems, excepto en los casos en
que las diferencias entre diversos tems sean significativas.

[Fuente original: Landeros y Lyth (1989), citados por Ballou (1999), pg. 318]

El costo de llevar el inventario (en $) se calcula normalmente mediante la siguiente expresin:

donde:

El costo de ordenamiento, A

Cada orden para reponer el inventario tiene varios costos asociados, los cuales en general
son fijos y no dependen del tamao de la orden. Estos costos corresponden al

!4
procesamiento, transmisin, manejo y compra de la orden. Especficamente, para un
comerciante (n-productor), el costo de ordenamiento puede comprender:

Costo de preparacin de los formatos de las rdenes
Costos de correo (o de cualquier sistema que utilice para la transmisin de rdenes,
incluyendo fax, EDI, etc.)
Costos de llamadas telefnicas relacionadas con el pedido
Costos de autorizacin del pedido
Costos de recepcin e inspeccin
Costos de manejo de las facturas del proveedor
Otros costos relacionados con el procesamiento de la orden

Para un productor este costo puede incluir los costos relacionados con el montaje de
maquinaria fija, los costos de alistamiento para preparar las mquinas para procesar la orden,
la transmisin y control de la orden en la planta. En este caso se prefiere utilizar el trmino
costo de preparacin.

Es muy importante definir cules costos se constituyen en costos adicionales para la
preparacin o procesamiento de una orden, ya sea en un sistema productivo o comercial, ya
que son los costos marginales los que deben incluirse en el costo de ordenamiento o
preparacin. En otras palabras, si el procesamiento de una orden no requiere de personal
adicional, sino del mismo personal al que debe pagrsele su salario independientemente de
que la orden se produzca, slo deberan incluirse los costos marginales para procesar la
orden, como por ejemplo, el costo de papelera y copiado. Fogarty et. al. (1994) tratan con
mayor detalle y extensin este tema (pg. 208233), al igual que Silver y Peterson (1985)
(pg. 7278) y Silver et al. (1998) (pg. 5358).

El costo de falta de inventario, B
Este costo se produce cuando se recibe una orden y no hay suficiente inventario disponible
para cubrirla. Generalmente se expresa como un porcentaje del costo del tem. Pueden
ocurrir entonces tres posibilidades: se genera una orden pendiente, se pierde la venta o se
produce una combinacin de ambas, por ejemplo cuando el cliente decide aceptar una orden
pendiente parcial. Cualquiera de las tres posibilidades que ocurra, genera un costo, el cual
es muy difcil de estimar debido a su naturaleza intangible.

!5
Leccin 14: CONTROL DE INVENTARIOS DE TEMS INDIVIDUALES CON DEMANDA
PROBABILSTICA

En esta leccin se analiza el sistema de control de inventarios cuando la demanda es
probabilstica. Se concentra la atencin en aquellos casos en los cuales la demanda
promedio permanece aproximadamente constante a lo largo del tiempo, aunque ya se
demostr que un sistema de pronsticos bien diseado puede cambiar dinmicamente los
parmetros que flucten a lo largo del tiempo.

Un concepto clave tratado en esta leccin es el de Inventario de Seguridad (Safety Stock),
el cual protege contra las posibles fluctuaciones de la demanda y del lead time. Adems, se
definirn algunos conceptos fundamentales de servicio al cliente y diversas formas de tratar
los costos de faltante de inventario, los cuales han demostrado ser muy difciles de estimar.

El desarrollo de este captulo est basado principalmente en Silver y Peterson (1985), Silver
et al. (1998) y en Ballou (1999).

Preguntas bsicas para el control de inventarios

Hay tres preguntas claves a responder en cualquier sistema de control de inventarios:

Con qu frecuencia debe revisarse el nivel de inventario?
Cundo debe ordenarse?
Qu cantidad debe ordenarse en cada pedido?

Para el caso de la demanda probabilstica, estas tres preguntas son mucho ms difciles de
responder. La respuesta a la primera pregunta implica altos costos de revisin frecuente del
nivel de inventario, comparados con los costos de mantener inventario de seguridad para
responder a la demanda durante el tiempo de reposicin. Para responder la segunda
pregunta debe tenerse en cuenta el equilibrio entre los costos de mantenimiento de inventario
al ordenar anticipadamente y el nivel de servicio que se quiere dar al cliente. Finalmente, la

!6
respuesta a la tercera pregunta tiene en cuenta de nuevo el costo total relevante y, para
algunos casos, est muy relacionada con la segunda pregunta.


!7
Leccin 15: FORMAS DE REVISIN DEL NIVEL DE INVENTARIO

La primera pregunta anterior relacionada con la frecuencia de revisin del inventario efectivo
se enmarca dentro de dos sistemas bsicos: la revisin continua y la revisin peridica. Lo
que trata de determinarse es el intervalo de tiempo que transcurre entre dos revisiones
sucesivas del nivel de inventario efectivo.

Comparacin entre los sistemas de revisin continua y los de revisin peridica

REVISIN CONTINUA REVISIN PERIDICA
Es muy difcil en la prctica coordinar
diversos tems en forma simultnea.
Permite coordinar diversos tems en forma
simultnea, logrndose as economas de
escala significativas.
La carga laboral es poco predecible, ya
que no se sabe exactamente el instante en
que debe ordenarse.
Se puede predecir la carga laboral con
anticipacin a la realizacin de un pedido.
La revisin es ms costosa que en el
sistema peridico, especialmente para
tems de alto movimiento.
La revisin es menos costosa que en la
revisin continua, ya que es menos
frecuente.
Para tems de bajo movimiento, el costo
de revisin es muy bajo, pero el riesgo de
informacin sobre prdidas y daos es
mayor.
Para tems de bajo movimiento, el costo de
revisin es muy alto, pero existe menos
riesgo de falta de informacin sobre
prdidas y daos.
Asumiendo un mismo nivel de servicio al
cliente, este sistema requiere un menor
inventario de seguridad que el sistema de
revisin peridica.
Asumiendo un mismo nivel de servicio al
cliente, este sistema requiere un mayor
inventario de seguridad que el sistema de
revisin continua.

En la revisin continua, como su nombre lo indica, tericamente se revisa el nivel de
inventario en todo momento. Sin embargo, obviamente, esto no es posible en la prctica. Lo
que se hace, entonces, es revisar el inventario cada vez que ocurre una transaccin
(despacho, recepcin, demanda, etc.) y por ello tambin se le conoce como sistema de
reporte de transacciones.


!
En los sistemas de revisin peridica, el nivel del inventario se consulta cada R unidades de
tiempo. Obviamente, si R 0, este sistema se convierte en un sistema de revisin continua.
La tabla anterior compara los dos mtodos en forma general.

Dada la variabilidad de la demanda, es imposible garantizar que todos los pedidos sean
satisfechos con el inventario a la mano. Si por ejemplo la demanda es inusualmente alta,
deben darse acciones de emergencia para satisfacerla. Si por el contrario la demanda resulta
ser muy baja, se puede entonces presentar un exceso de inventario. El arte del control de
inventarios consiste en balancear estos dos extremos de tal forma que se tenga el nivel de
servicio adecuado al cliente, con el mnimo costo total posible. Dentro de este control, la
determinacin de los inventarios de seguridad es precisamente un punto fundamental. A
continuacin se exponen algunos mtodos para este efecto.

Inventario de seguridad basado en factores constantes

Este mtodo involucra la utilizacin de un factor constante de tiempo para determinar el
inventario de seguridad de todos los tems. Por ejemplo, se puede decir que se va a tener
siempre al menos dos semanas de inventario de seguridad. Tambin, se puede definir con
base en un factor constante multiplicado por la demanda promedio del tem bajo
consideracin. Este mtodo tiene una grave falla conceptual al ignorar la variabilidad de la
demanda del tem respectivo. As, esta poltica puede ser adecuada para ciertos tems, pero
totalmente insatisfactoria para otros, bien sea por exceso o por escasez de inventario.


!!

ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD
1. Escriba dentro del parntesis la letra a la cual corresponde la definicin.


100
2. Mac-in-the-Box, Inc., vende equipo de computadoras mediante pedidos que los clientes
hacen por telfono y por correo. Mac vende 1200 escneres de cama plana cada ao. El
costo del pedido es de $300 y el costo anual del manejo de inventario representa el 16% del
precio del artculo. El fabricante del escner le ha propuesto la siguiente estructura de precios
a Mac-in-the-Box.

Con qu cantidad del pedido se logra minimizar el total de los costos anuales?
3. enuncie cuatro caractersticas de los Modelos E.O.Q.

4. Indique el significado de los siguientes smbolos.
K
C
H
B
Q*
I
D


101
FUENTES DOCUMENTALES DE LA UNIDAD 1
Bernstein, Peter L. (1998). Against the Gods, the remarkable story of risk. USA, John
Wiley.

Frederick S. Hillier, Gerald J. Lieberman Introduction to operations research,
McGraw-Hill, 1995.

Hanke, John E.; Wichern, Dean W. & Reitsch, Arthur G. (2001). Business Forecasting.
Seventh Edition. USA, New Jersey: Prentice Hall

Hisashi Kobayashi Modeling and analysis : an introduction to system
performance evaluation methodology, Addison-Wesley, 1978.

Makridakis, Spyros. (1993). Pronsticos. Estrategia y Planificacin para el siglo XXI.
Madrid, Espaa: Ediciones Daz de Santos, S.A.

Sanjay K. Bose. An Introduction to queueing systems, Kluwer Academic/Plenum
Publishers, 2002.
Sipper Daniel / Bulfin Robert L., Planeacin y control de la produccin, 1 edicin, 1
impresin, Mxico D.F., Mc. Graw Hill, Junio 1999, pp. 238 -240.
Stephen S. Lavenberg, [editors] Computer performance modeling handbook,
Academic Press, 1983.

Wayne L. Winston Operations research : applications and algorithms,
Brooks/Cole - Thomson Learning, 2004.
http://www.investigaciondeoperaciones.net/eoq.html, tomado 12 de mayo del 2013
http://www.investigacion-operaciones.com/Lote%20Economico.htm
http://chita.is-a-geek.com/r2r/BCDF/archivos/ABC.doc
http://www.gestiopolis.com/canales/financiera/articulos/20/abcinventario.htm
http://www.mailxmail.com/curso/empresa/controlartuinventario/capitulo2.htm


102
UNIDAD 2
Nombre de la Unidad Cadenas de Markov, teora de colas y programacin no
lineal
Introduccin
El anlisis de Markov tuvo su origen en los estudios de
A.A.Markov(1906-1907) sobre la secuencia de los
experimentos conectados en cadena y los intentos de
descubrir matemticamente los fenmenos fsicos
conocidos como movimiento browiano. La teora general de
los procesos de Markov se desarrollo en las dcadas de
1930 y 1940 por A.N.Kolmagoron, W.Feller, W.Doeblin,
P.Levy, J.L.Doob y otros.
El anlisis de Markov es una forma de analizar el
movimiento actual de alguna variable, a fin de pronosticar
un movimiento futuro de la misma.
Las "colas" son un aspecto de la vida moderna que nos
encontramos continuamente en nuestras actividades
diarias. En el contador de un supermercado, accediendo al
Metro, en los Bancos, etc., el fenmeno de las colas surge
cuando unos recursos compartidos necesitan ser
accedidos para dar servicio a un elevado nmero de
trabajos o clientes.
En matemticas, Programacin no lineal (PNL) es el
proceso de resolucin de un sistema de igualdades y
desigualdades sujetas a un conjunto de restricciones sobre
un conjunto de variables reales desconocidas, con una
funcin objetivo a maximizar, cuando alguna de las
restricciones o la funcin objetivo no son lineales.

Justificacin
El estudio de las colas es importante porque proporciona
tanto una base terica del tipo de servicio que podemos
esperar de un determinado recurso, como la forma en la
cual dicho recurso puede ser diseado para proporcionar
un determinado grado de servicio a sus clientes.
Debido a lo comentado anteriormente, se plantea como
algo muy til el desarrollo de una herramienta que sea
capaz de dar una respuesta sobre las caractersticas que
tiene un determinado modelo de colas.


103
Intencionalidades
Formativas
Valorar la importancia que tiene los mtodos
estudiados en situaciones organizacionales para las
empresas en el mundo moderno.
Plantear y resolver problemas en diferentes campos
del saber, haciendo un proceso de abstraccin de
escenarios conocidos a escenarios desconocidos de las
temticas estudiadas.

Denominacin de
captulos
Captulo 4 Cadenas de Markov
Captulo 5 Modelos de lneas de espera
Captulo 6 Programacin no lineal


104
CAPITULO 4: CADENAS DE MARKOV
Leccin 16: Cadenas de Eventos Anlisis de MARKOV
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un
evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen
memoria. Recuerdan el ltimo evento y esto condiciona las posibilidades de los eventos
futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las
series de eventos independientes, como tirar una moneda al aire o un dado.

En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de
compra de los consumidores, para pronosticar las concesiones por deudores morosos, para
planear las necesidades de personal y para analizar el reemplazo de equipo. Aunque no es
una herramienta que se use mucho, el anlisis de Markov puede proporcionar informacin
importante cuando es aplicable.

El anlisis de Markov, llamado as en honor de un matemtico ruso que desarrollo el mtodo
en 1907, permite encontrar la probabilidad de que un sistema se encuentre en un estado en
particular en un momento dado. Ms importante an, permite encontrar el promedio a la larga
o las probabilidades de estado estable para cada estado. Con esta informacin se puede
predecir el comportamiento del sistema a travs del tiempo.

Una Cadena de Markov es un proceso estocstico de tiempo discreto que para t=0, 1, 2,.. y
en todos los estados se verifica P(Xt+1=it+1 | Xt=it, Xt-1=it-1, ...,
X1=i1,X0=i0)=P(Xt+1=it+1|Xt=it)

La Hiptesis de estabilidad es la probabilidad P (Xt+1=i t+1t=i)=pij (no depende de t)
La probabilidad de transicin es pij

La Matriz de probabilidades de transicin es

105

Donde se debe verificar que la
Las cadenas de Markov que cumplen la hiptesis de estabilidad se llaman cadenas
estacionarias de Markov

La distribucin inicial de probabilidad de una cadena de Markov es aquella
q = [q1,...,qs] donde qi=P(X0=i)

EJEMPLO: la ruina del jugador es una cadena de Markov estacionaria
Estados: 0, 1, 2, 3, 4
Matriz de transicin

La anterior matriz de transicin se puede representar con un grafo en el que cada nodo
representa un estado y cada arco la probabilidad de transicin entre estados.

Grfica: Esquema de una matriz de transicin.


106
Leccin 17: DESCRIPCIN DE UNA CADENA DE MARKOV
La probabilidad de pasar de un evento a otro se llama probabilidad de transicin, para
describir completamente una cadena de Markov es necesario saber el estado actual y todas
las probabilidades de transicin.

Hay dos formas fciles de exponer las probabilidades de transicin:

1. DIAGRAMA DE ESTADOS: como el que muestra la figura, en sta se ilustra un sistema de
Markov con dos estados posibles: s1 y s2. La probabilidad condicional o de transicin de
moverse de un estado a otro se indica en el diagrama, por ejemplo la probabilidad de pasar
del estado s1 al estado s2 se seala como p12. Las flechas muestran las trayectorias de
transicin que son posibles. La ausencia de algunas trayectorias significa que esas
trayectorias tienen probabilidad igual a cero.

2. MATRIZ DE TRANSICIN: Para el ejemplo anterior la matriz se muestra a continuacin,
ntese que, como existen dos estados posibles, se necesitan 2x2 = 4 probabilidades.
Tambin ntese que cada rengln de la matriz suma 1.esto se debe a que el sistema debe
hacer una transicin.

EJERCICIOS PRACTICOS

107
1. Teniendo en cuenta el siguiente diagrama de estados, describa la matriz de transicin
correspondiente.

2. teniendo en cuenta la siguiente matriz de transicin describa el diagrama de estados
correspondiente.

3. Escriba las observaciones que puede hacer a partir del diagrama de estados o de la
matriz de transicin en cada caso.


10
Leccin 18: CLCULO DE LAS PROBABILIDADES DE TRANSICIN

Ahora que se sabe cmo presentar los datos, qu puede hacerse? Un anlisis til es
pronosticar el estado del sistema despus de 1, 2, 3, o ms periodos. Esto se llama anlisis
de transicin, debido a que es a corto plazo y est enfocado a periodos cortos.

EJEMPLO:
Considrese la siguiente cadena de Markov: una copiadora de oficina, poco segura. Si est
funcionando un da, existe un 75% de posibilidades de que al da siguiente funcione y un
25% de posibilidades de que no funcione. Pero si no est funcionando, hay 75% de
posibilidades de que tampoco funcione al da siguiente y slo un 25% de que si lo haga (se
lleva mucho tiempo la reparacin)

Para comenzar un anlisis de transicin, se deben conocer el estado actual.
Supngase que se est comenzando y que hay 75% de posibilidades de estar en el estado
1 y 25% de estar en el estado 2. Esto define el estado actual en forma probabilstica. Cul
es la probabilidad de que la copiadora al 4 da est funcionando?

SOLUCION:
ESTADOS: S1= La copiadora funcionando
S2= La copiadora no funcionando


10!
X
0
= Representa la proporcin de objetos en cada estado al inicio del proceso (vector inicial
de distribucin probabilstica)
ESTADO ACTUAL
X
0
= [X1, X2]= [0.75, 0.25]
Para hallar la probabilidad de que la copiadora est funcionando al 4 da es necesario
determinar las 3 probabilidades anteriores, ya que:
X
4
= x
3
.p
X
3
= x
2
.p
X
2
= x
1
.p
X
1
= x
0
.p

X
n
= x
0
.p
n
esta ecuacin representa la proporcin de objetos en el estado i que realizan la
transicin al estado j durante un perodo.
Entonces las probabilidades para el primer ciclo se calcularan as:

De esta forma se hallan las otras probabilidades de transicin, el resultado final es:


110
Esto se puede interpretar as: al cuarto da la probabilidad de funcionamiento de la
copiadora es de 51.56% si ella estaba funcionando. As mismo 48.43% de probabilidades
de no funcionamiento.
TALLER
1. Dada la cadena de Markov siguiente:

Encuentre las probabilidades de transicin para los 5 ciclos siguientes, teniendo en cuenta
que el sistema se encuentra en el estado 1.
2. Dada la siguiente matriz de tres estados.

a. dibuje el diagrama de estados.
b. Encuentre las probabilidades de transicin para los siguientes tres ciclos suponiendo el
inicio en el estado B.

3. Un gerente de crdito estima que el 95% de aquellos que pagan sus cuentas a tiempo un
mes, tambin lo harn el siguiente mes, sin embargo, de aquellos que se tardan, solo la
mitad pagara a tiempo la prxima vez.
a. Si una persona paga a tiempo. Cul es la probabilidad de que pagara a tiempo durante
6 meses desde ahora?


111
Leccin 19: CLASIFICACIN DE ESTADOS EN UNA CADENA DE MARKOV.
Dados dos estados i y j, la trayectoria de i a j es la sucesin de transiciones que comienza
en i y termina en j, de forma que cada transicin de la secuencia tenga probabilidad positiva.

Un estado j es alcanzable desde un estado i si hay una trayectoria de i a j, por lo tanto si dos
estados i y j se comunican si i es alcanzable desde j y j es alcanzable desde i.

Un conjunto de estados S en una cadena de Markov es cerrado (constituyen una clase de
la cadena) sin ningn estado fuera de S es alcanzable desde un estado en S.

Un estado i es absorbente si pii=1

Un estado i es transitorio si hay un estado j alcanzable desde i, pero el estado i no es
alcanzable desde j.

Un estado es recurrente si no es transitorio.

Un estado i es peridico con periodo k>1 si k es el menor nmero tal que todas las
trayectorias que parten del estado i y regresan al estado i tienen una longitud mltiplo de k.

Si un estado recurrente no es peridico es aperidico.

Si todos los estados de una cadena son recurrentes, aperidicos y se comunican entre s, la
cadena es ergdica.

ANLISIS DE ESTADO TRANSITORIO

El comportamiento de una cadena de Markov antes de alcanzar el estado estable se llama
comportamiento transitorio. Para su estudio se utiliza las frmulas dadas anteriormente
para Pi j(n).


112
Leccin 20: PROBABILIDADES DE ESTADO ESTABLE
APLICACIN A LA ADMINISTRACIN E INGENIERIA
Las compras de los consumidores estn influidas por la publicidad, el precio y muchos otros
factores. Con frecuencia un factor clave es la ltima compra del consumidor. Si por ejemplo,
alguien compra un refrigerador maraca Y y le da un buen servicio, quedar predispuesto a
comprar otro refrigerador marca Y.

De hecho, una investigacin de mercado puede determinar el grado de lealtad a la marca
encuestando a los consumidores. En trminos de una cadena de Markov, los resultados de
la investigacin son las probabilidades de transicin de seguir con la marca o de cambiar.

Ejemplo, cambio de marca, la marca A es la marca de inters y la marca B representa todas
las dems marcas. Los clientes son bastante leales, el 80% de ellos son clientes que repiten.
La oposicin conserva el 70% de sus clientes.

Qu informacin puede obtenerse con el anlisis de Markov? Con el anlisis de transicin
puede descubrirse que tan probable es que un cliente cambie despus de cierto nmero de
ciclos. Pero el anlisis de estado estable es el ms til. Qu interpretacin dara usted del
promedio a largo plazo de estar en cualquiera de los estados? La de porcentajes de
mercado! El promedio a la larga del estado A es el porcentaje de mercado que puede esperar
recibir la marca A. As, conociendo el grado de lealtad a la marca entre los clientes puede
predecirse el porcentaje de mercado para el producto o servicio.

El desarrollo o clculo de las probabilidades de estado estable para el ejemplo anterior se
realizan a continuacin:
Matriz de transicin (cambio de marca)
Marca A Marca B
Marca A 0.8 0.2
Marca B 0.3 0.7

113
Las distribuciones de estado lmite o estable representan las proporciones aproximadas de
objetos en los diferentes estados de una cadena de Markov, despus de un gran nmero de
periodos.

La matriz limite L tiene dos renglones idnticos, siendo la suma de sus componentes igual a
la unidad.

Se calculan utilizando la siguiente expresin:
[ x1,x2].P = [ x1,x2]
[ x1,x2]. 0.8 0.2 = [ x1,x2]
0.3 0.7
Resultan 2 ecuaciones:
0.8x1+0.3x2= x1
0.2x1+0.7x2= x2
Y una tercera ecuacin, clave para hallar la solucin del sistema es:
X1+x2=1
De las dos primeras ecuaciones escogemos 1, pues las dos resultan ser la misma, para
trabajarla con la tercera. Utilizamos cualquier mtodo de solucin de sistemas de ecuaciones,
como reduccin, igualacin o sustitucin.
La solucin del sistema es:
X1= 0.6
X2= 0.4
Lo que significa que la marca A capturar a la larga el 60% del mercado y las otras marcas
tendrn el 40%.


114
Esta informacin puede ser til en muchas formas. Una de ellas es al evaluar las diferentes
estrategias de publicidad. Esta publicidad puede estar dirigida a los clientes actuales en un
esfuerzo para incrementar la lealtad a la marca. De otra manera, puede dirigirse a los
compradores de otras marcas con el fin de persuadirlos para cambiar. Cmo debe
asignarse un presupuesto de publicidad entre estas dos alternativas? El anlisis de Markov
puede proporcionar una respuesta si se dispone de cierta informacin adicional.
TALLER
1. Dada la cadena de Markov siguiente:

Encuentre las probabilidades de estado estable.
2. Dada la siguiente matriz de tres estados.

Encuentre las probabilidades de estado estable.
3. Un gerente de crdito estima que el 95% de aquellos que pagan sus cuentas a tiempo un
mes, tambin lo harn el siguiente mes, sin embargo, de aquellos que se tardan, solo la
mitad pagara a tiempo la prxima vez.
A la larga Cul es la proporcin de cuentas pagadas a tiempo?


115
Aplicaciones
PROBLEMA RESUELTO
Formlese como una cadena de Markov el siguiente proceso. El fabricante de dentfrico Brillo
controla actualmente 60% del mercado de una ciudad. Datos del ao anterior muestran que
88% de consumidores de brillo continan usndola, mientras que 12% de los usuarios de
brillo cambiaron a otras marcas. Adems, 85% de los usuarios de la competencia
permanecieron leales a estas otras marcas, mientras que 15% restante cambi a brillo.
Considerando que estas tendencias continan, determnese la parte del mercado que
corresponde a brillo: a) en 3 aos, y b) a largo plazo.

Se considera como estado 1 al consumo de brillo y al estado 2 como el consumo de una
marca de la competencia. Entonces, p11, probabilidad de que un consumidor de brillo
permanezca leal a brillo, es 0.88; p12, la probabilidad de que un consumidor de brillo cambie
a otra marca es de 0.12;p21, probabilidad de que el consumidor de otra marca cambie a brillo,
es 0.15; p22, probabilidad de que un consumidor de otra marca permanezca leal a la
competencia, es 0.85. La matriz estocstica definida por estas probabilidades de transicin
es:

El vector inicial de distribucin probabilstica es X
0
= ( 0.60, 0.40 ), donde los componentes
x1
0
= 0.60 y x2
0
= 0.40 representan las proporciones de personas inicialmente en los
estados 1 y 2, respectivamente.
SOLUCIN:
Las probabilidades para los primeros ciclos se calculan as:

116

Segn esto a brillo le corresponde en el primer ao 58.8% del mercado, al segundo ao
57.9% y al tercer ao 57.26%.
A largo plazo el proceso sera:
Las distribuciones de estado lmite o estable representan las proporciones aproximadas de
objetos en los diferentes estados de una cadena de Markov, despus de un gran nmero
de periodos.

La matriz limite L tiene dos renglones idnticos, siendo la suma de sus componentes igual a
la unidad.
Se calculan utilizando la siguiente expresin:
[ x1,x2].P = [ x1,x2]
[ x1,x2]. 0.88 0.12 = [ x1,x2]

117
0.15 0.85
Resultan 2 ecuaciones:
0.88x1+0.15x2= x1
0.12x1+0.85x2= x2
Y una tercera ecuacin, clave para hallar la solucin del sistema es:
X1+x2=1
De las dos primeras ecuaciones escogemos 1, pues las dos resultan ser la misma, para
trabajarla con la tercera. Utilizamos cualquier mtodo de solucin de sistemas de ecuaciones,
como reduccin, igualacin o sustitucin.
La solucin del sistema es:
X1= 0.55
X2= 0.45
Lo que significa que la marca brillo capturar a la larga el 55% del mercado y las otras marcas
tendrn el 45%.

Esta informacin puede ser utilizada para realizar campaas de publicidad encaminadas a
mantener o mejor subir la fidelidad de los clientes antiguos y a ganar clientes nuevos.

PROBLEMAS DE APLICACIN
1. Las uvas del valle de sonoma se clasifican como superiores, regulares o malas. Despus
de una cosecha superior, las probabilidades de tener durante el siguiente ao una cosecha
superior, regular o mala son de: 0, 0.8 y 0.2 respectivamente. Despus de una cosecha
regular, las probabilidades de que la siguiente cosecha sea superior, regular y mala son de
0.2, 0.6 y 0.2. Despus de una mala cosecha, las probabilidades de una cosecha superior,
regular y mala son de 0.1, 0.8 y 0.1. Determnense las probabilidades de una cosecha
superior para cada uno de los siguientes cinco aos. si la cosecha ms reciente fue regular.

11
2.Una lnea area con un vuelo a las 7:15 p.m entre la ciudad de Nueva York y la ciudad de
washington,D.C; No desea que el vuelo salga retrasado dos das consecutivos. Si el vuelo
sale retrasado un da, la lnea area realiza un esfuerzo especial al da siguiente para que el
vuelo salga a tiempo, y lo logra 90% de las veces. Si el vuelo no sali con retraso el da
anterior, la linea area no realiza arreglos especiales, y el vuelo parte de acuerdo con lo
programado el 60% de las veces. Que porcentaje de veces parte con retraso el vuelo?.
3. El departamento de comercializacin de la marca X hizo una investigacin y encontr que,
si un cliente compro su marca, existe un 70% de posibilidades de que la compre de nuevo la
prxima vez. por otro lado, si la ltima compra fue de otra marca, entonces se escoge la
marca X solo el 20% del tiempo. Cul es el porcentaje de mercado que puede pronosticarse
a la larga para la marca X?.

Aspectos Tericos:

Las cadenas de Markov se incluyen dentro de los denominados procesos estocsticos.
Dichos estudian el comportamiento de variables aleatorias a lo largo del tiempo X(t,w). Se
definen como una coleccin de variables aleatorias {X(t,w), t I}, donde X (t,w) puede
representar por ejemplo los niveles de inventario al final de la semana t. El inters de los
procesos estocsticos es describir el comportamiento de un sistema e operacin durante
algunos periodos.

Los procesos estocsticos se pueden clasificar atendiendo a dos aspectos: si el espacio de
estados posibles de la variable aleatoria contiene valores discretos o continuos y de si los
valores del tiempo son discretos o continuos.

Las cadenas de Markov es un proceso estocstico en el que los valores del tiempo son
discretos y los estados posibles de la variable aleatoria contienen valores discretos, es decir,
es una cadena estocstica de tiempo discreto.


11!
Las cadenas de Markov Consiste en la aplicacin de la programacin dinmica a un proceso
de decisin estocstico, en donde las probabilidades de transicin entre estado estn
descritas por una cadena de Markov.

La estructura de recompensas del proceso est descrita por una matriz cuyos elementos
individuales son el costo o el beneficio de moverse de un estado a otro.

Las matrices de transicin y de recompensas dependen de las alternativas de decisin. El
objetivo es determinar la poltica ptima que maximice el ingreso esperado en un nmero
finito o infinito de etapas.

Las cadenas de Markov, se clasifican, adems, dentro de los procesos estocsticos de
Markov, que son aquellos en el que el estado futuro de un proceso es independiente de los
estados pasados y solamente depende del estado presente. Por lo tanto las probabilidades
de transicin entre los estados para los tiempos k-1 y k solamente depende de los estados
que la variable adquiere dichos tiempos.

La idea es determinar las probabilidades de ocurrencia de eventos que dependen de las
probabilidades de ocurrencia del evento anterior y tambin ms importante poder determinar
las probabilidades a largo plazo de los eventos.

Ejemplo 1:
Una copiadora que hoy se encuentra funcionando tiene una probabilidad de que el da de
maana funcione correctamente de 65%. Pero si la copiadora hoy no est funcionando existe
un 40% de probabilidades de que maana funcione. Nos interesa determinar en esta cadena
de Markov las probabilidades de encontrar la copiadora funcionando despus de 1 o varios
das, teniendo en cuenta que como estado inicial vamos a suponer que la copiadora est
funcionando hoy. Tambin determinaremos las probabilidades de estado estable que
significan las probabilidades de encontrar la copiadora funcionando despus de n ciclos que
en nuestro caso son das.


120
Solucin:
Utilice el modulo del winqsb titulado: Markov process

Luego seleccione file:

Nos dar la opcin de elegir new problem, para introducir los datos de un nuevo ejercicio.
Luego nos aparece el siguiente pantallazo, en donde vamos a darle un titulo al problema y
colocamos tambin el nmero de estados, para nuestro ejemplo sern 2(la copiadora
funcionando y la copiadora no funcionando) y le damos ok.


121

Al darle ok nos dara la opcin de introducir los datos del ejercicio, que corrersponden a la
matriz de transicin. En este caso es:

S1: Estado 1, la copiadora funcionando
S2: Estado 2, la copiadora no funcionando

Matriz de transicin
S1 S2

S1 0,65 0,35
S2 0,40 0,60

Entonces


122
Hay que resaltar que se debe colocar las probabilidades iniciales, en nuestro caso las que
corresponden al estado 1, segn el enunciado del ejercicio.
Luego procedemos a resolver utilizando solve and analyse que encontramos en la barra
superior y elegimos markov process step
Obtenemos la siguiente tabla:

En esta casilla se coloca el numero de periodos que se quieren proyectar, en este caso
colocamos 1. El resultado que obtenemos 0,5625 corresponde a la probabilidad de encontrar
funcionando la copiadora al dia siguiente y 0,4375 de no estar funcionando si tenemos en
cuenta que la copiadora inicio funcionando.

Bastaria con variar este nmero para calcular las probabilidades de 2,3, 0 ms periodos.


123
Asi mismo hallamos la probabilidad de estado estable asignando por ejemplo el valor de 100
o eligiendo la opcin steady state, que para nuestro ejemplo nos daria los siguientes
resultados:

Los que indica la flecha, es decir que a la larga la probabilidad de encontrar la copiadora
funcionando es de 53,33% y de no estar funcionando de 46,66%. Es de anotar que para el
clculo de estas probabilidades no se necesita de un estado inicial, sea el valor que fuera
nos dara a largo plazo el mismo resultado.

Ejercicios de aplicacin

1. En un pueblo, al 90% de los das soleados le siguen das soleados, y al 80% de los das
nublados le siguen das nublados. Con esta informacin modelar el clima del pueblo
como una cadena de Markov. Determinar la probabilidad de tener un da soleado al tercer

124
da si hoy tenemos un da nublado. A largo plazo cul es la probabilidad de tener das
soleados?

2. Un agente comercial realiza su trabajo en tres ciudades A, B y C. Para evitar
desplazamientos innecesarios est todo el da en la misma ciudad y all pernocta,
desplazndose a otra ciudad al da siguiente, si no tiene suficiente trabajo. Despus de
estar trabajando un da en C, la probabilidad de tener que seguir trabajando en ella al
da Siguiente es 0,4, la de tener que viajar a B es 0,4 y la de tener que ir a A es 0,2. Si
el viajante duerme un da en B, con probabilidad de un 20% tendr que seguir trabajando
en la misma ciudad al da siguiente, en el 60% de los casos viajar a C, mientras que ir
a A con probabilidad 0,2. Por ltimo si el agente comercial trabaja todo un da en A,
permanecer en esa misma ciudad, al da siguiente, con una probabilidad 0,1, ir a B
con una probabilidad de 0,3 y a C con una probabilidad de 0,6.

a) Si hoy el viajante est en C, cul es la probabilidad de que tambin tenga que
trabajar en C al cabo de cuatro das?
b) Cuales son los porcentajes de das en los que el agente comercial est en cada una
de las tres ciudades?


125
CAPITULO 5: MODELOS DE LNEAS DE ESPERA
CONCEPTOS GENERALES
Con el objeto de verificar si una situacin determinada del sistema de lneas de espera se
ajusta o no a un modelo conocido, se requiere de un mtodo para clasificar las lneas de
espera. Esa clasificacin debe de responder preguntas como las siguientes:
1.- El sistema de lneas de espera tiene un solo punto de servicio o existen varios puntos
de servicio en secuencia?
2.-Existe solo una instalacin de servicio o son mltiples las instalaciones de servicio que
pueden atender a una unidad?
3.- Las unidades que requieren el servicio llegan siguiendo algn patrn o llegan en
forma aleatoria?
4.- El tiempo que requieren para el servicio se da en algn patrn de o asume duraciones
aleatorias de tiempo?

INTRODUCCIN

En muchas ocasiones en la vida real, un fenmeno muy comn es la formacin de colas o
lneas de espera. Esto suele ocurrir cuando la demanda real de un servicio es superior a la
capacidad que existe para dar dicho servicio. Ejemplos reales de esa situacin son: los
cruces de dos vas de circulacin, los semforos, el peaje de una autopista, los cajeros
automticos, la atencin a clientes en un establecimiento comercial, la avera de
electrodomsticos u otro tipo de aparatos que deben ser reparados por un servicio tcnico,
etc todava ms frecuentes, si cabe, son las situaciones de espera en el contexto de la
informtica, las telecomunicaciones y, en general, las nuevas tecnologas. As, por ejemplo,
los procesos enviados a un servidor para ejecucin forman colas de espera mientras no son
atendidos, la informacin solicitada, a travs de Internet, a un servidor Web puede recibirse
con demora debido a congestin en la red o en el servidor propiamente dicho, podemos
recibir la seal de lneas ocupadas si la central de la que depende nuestro telfono mvil
est colapsada en ese momento, etc.


126
JUSTIFICACION

La teora de las colas se ocupa del anlisis matemtico de los fenmenos de las lneas de
espera o colas. Las colas se presentan con frecuencia cuando de solicita un servicio por
parte de una serie de clientes y tanto el servicio como los clientes son de tipo probabilstico.
La teora de las colas no pretende en ningn momento resolver directamente el problema de
la espera en colas sino ms bien describe la situacin que presenta una cola a travs del
tiempo y extrae lo que bien se podra llamar las caractersticas operacionales de la cola.
Alguna de estas caractersticas son el nmero promedio de clientes en la cola, su tiempo de
espera en la cola, el porcentaje de tiempo que el despachador est ocupado, etc. Debido al
carcter bsico de estas teoras nos limitaremos a hacer una exposicin de los modelos ms
elementales sin entrar estrictamente a considerar la labor de optimizacin de los sistemas
que representan.

OBJETIVOS

Identificar el nivel ptimo de capacidad del sistema que minimiza el costo global del
mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la capacidad del
sistema tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones cuantitativas de
costes y las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en la cola: la
paciencia de los clientes depende del tipo de servicio especfico considerado y eso
puede hacer que un cliente abandone el sistema.


127
Leccin 21: TEORIA DE LNEAS DE ESPERA
El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang (Dinamarca, 1878
- 1929) en 1909 para analizar la congestin de trfico telefnico con el objeto de acatar la
demanda incierta de servicios en el sistema telefnico de Copenhague. Sus investigaciones
acabaron en una nueva teora denominada teora de colas o de lneas de espera. Esta teora
es ahora una herramienta de valor en negocios debido a que un gran nmero de problemas
pueden caracterizarse, como problemas de congestin llegada-salida.

La teora de colas es considerada el estudio matemtico del comportamiento de lneas de
espera, ya que se presenta, cuando los clientes llegan a un lugar solicitando un servicio
a un servidor, el cual tiene una indiscutible capacidad de atencin. Si el servidor no est
disponible inmediatamente y el cliente decide esperar, entonces se forma la lnea de espera.
Una lnea de espera es considerada una cola y la teora de colas es una compilacin de
modelos matemticos que detallan sistemas de lnea de espera particulares o sistemas de
colas. Los modelos sirven para encontrar un buen compromiso entre costes del sistema y los
tiempos promedio de la lnea de espera para un sistema dado.

Los sistemas de colas son modelos de sistemas que proporcionan servicio. Como modelo,
pueden representar cualquier sistema en donde los trabajos o clientes llegan buscando un
servicio de algn tipo y salen despus de que dicho servicio haya sido atendido. Podemos
modelar los sistemas de este tipo tanto como colas sencillas o como un sistema de colas
interconectadas formando una red de colas. En la siguiente figura podemos ver un ejemplo
de modelo de colas sencillo. Este modelo puede usarse para representar una situacin tpica
en la cual los clientes llegan, esperan si los servidores estn ocupados, son servidos por un
servidor disponible y se marchan cuando se obtiene el servicio requerido.

El problema es determinar qu capacidad o tasa de servicio proporciona el balance correcto.
Esto no es sencillo, ya que un cliente no llega a un horario fijo, es decir, no se sabe con
exactitud en que momento llegarn los clientes. Tambin el tiempo de servicio no tiene un
horario fijo.

12
Los problemas de colas se presentan permanentemente en la vida diaria: un estudio en
EEUU concluy que, por trmino medio, un ciudadano medio pasa cinco aos de su vida
esperando en distintas colas, y de ellos casi seis meses parado en los semforos.

LECTURA AUTOREGULADA

UNA VISITA A DISNEY

Qu tan popular es Disney World en Orlando, Florida? Desde que abri en 1971, 200
millones de personas han visitado Disney World, y esperan en filas Para tener acceso a sus
muchas atracciones.

Lo administracin de Disney Pone mucha atencin a la forma en que trata a sus clientes
mientras esperan en las colas.

En la ciencia de la administracin. Las filas se conocen a menudo como colas, y la teora de
colas se aplica a muchas estructuras diferentes- En Disney world, por ejemplo, los visitantes
forman una fila para tener acceso al paseo con el Capitn Nemo, mientras que los mismos
submarinos del Capitn Nomo hacen cola mientras bajan y suben, a los pasajeros - Qu
tambin atiende las filas y a las personas es algo crtico para el negocio de Disney, Norm
Doerges, directora de Epcot (que es parte de Disney World). analiza cmo Epcot fue
diseada. Primero, los investigadores de Disney recolectaron datos acerca del modo en que
las personas pasan su tiempo en el parque. Cunto tiempo esperan en una fila? Cunto
tiempo realmente invierten en las atracciones? Cunto tiempo pasan comiendo? Cunto
tiempo les lleva decidirse sobre qu hacer a continuacin? Segundo, Disney pide a sus
clientes su opinin acerca de cunto tiempo estaan dispuestos a esperar para tener acceso
a las diferentes atracciones y servicios. Los diseadores deo Epcot entonces construyeron
un modelo para simular sucesos y el flujo de trfico en el parque. teniendo en mente la
eliminacin de las esperas largas. Tomar en consideracin las necesidades de los clientes
en la etapa de diseo, significa que Epcot podra evitar el hacer cambios caros a gran escala
en el parque despus de que fuera construido.

12!
PREGUNTAS SOBRE EL CASO

1. Cunto tiempo estaban dispuestos a esperar los clientes de Disney World para tener
acceso a las atracciones ms populares? Qu factores influyeron en sus decisiones?
2. Comente sobre la forma en que Disney revisa sus colas y con qu frecuencia lo hace.
3. Qu tipos de datos objetivos y subjetivos recaba Disney para su modelo de simulacin?

Ms all del caso

1. Por qu los supermercados no utilizan el sistema de una sola fila que se ve en la
mayora da los bancos?
2. Qu ahorro en costos pueden resultar del uso de un modelo de colas para decidir
cuntos servidores controladores, cajeros, etctera) tener trabajando?


130
Leccin 22: ORIGEN DE LA TEORIA DE COLAS
ANTECEDENTES
El origen de la Teora de Colas est en el esfuerzo de Agner Kraup Erlang (Dinamarca, 1878
- 1929) en 1909 para analizar la congestin de trfico telefnico con el objetivo de cumplir la
demanda incierta de servicios en el sistema telefnico de Copenhague. Sus investigaciones
acabaron en una nueva teora denominada teora de colas o de lneas de espera. Esta teora
es ahora una herramienta de valor en negocios debido a que un gran nmero de problemas
pueden caracterizarse, como problemas de congestin llegada-salida. En los problemas de
formacin de cola, a menudo se habla de clientes, tales como personas que esperan la
desocupacin de lneas telefnicas, la espera de mquinas para ser reparadas y los aviones
que esperan aterrizar y estaciones de servicios, tales como mesas en un restaurante,
operarios en un taller de reparacin, pistas en un aeropuerto, etc. Los problemas de
formacin de colas a menudo contienen una velocidad variable de llegada de clientes que
requieren cierto tipo de servicio, y una velocidad variable de prestacin del servicio en la
estacin de servicio. Cuando se habla de lneas de espera, se refieren a las creadas por
clientes o por las estaciones de servicio. Los clientes pueden esperar en cola simplemente
porque los medios existentes son inadecuados para satisfacer la demanda de servicio; en
este caso, la cola tiende a ser explosiva, es decir, a ser cada vez ms larga a medida que
transcurre el tiempo. Las estaciones de servicio pueden estar esperando por que los medios
existentes son excesivos en relacin con la demanda de los clientes; en este caso, las
estaciones de servicio podran permanecer ociosas la mayor parte del tiempo. Los clientes
puede que esperen temporalmente, aunque las instalaciones de servicio sean adecuadas,
porque los clientes llegados anteriormente estn siendo atendidos.

Las estaciones de servicio pueden encontrar temporal cuando, aunque las instalaciones
sean adecuadas a largo plazo, haya una escasez ocasional de demanda debido a un hecho
temporal. Estos dos ltimos casos tipifican una situacin equilibrada que tiende
constantemente hacia el equilibrio, o una situacin estable. En la teora de la formacin de
colas, generalmente se llama sistema a un grupo de unidades fsicas, integradas de tal modo
que pueden operar al unsono con una serie de operaciones organizadas. La teora de la
formacin de colas busca una solucin al problema de la espera prediciendo primero el

131
comportamiento del sistema. Pero una solucin al problema de la espera consiste en no solo
en minimizar el tiempo que los clientes pasan en el sistema, sino tambin en minimizar los
costos totales de aquellos que solicitan el servicio y de quienes lo prestan.

La teora de colas incluye el estudio matemtico de las colas o lneas de espera y provee un
gran nmero de modelos matemticos para describirlas. Se debe lograr un balance
econmico entre el costo del servicio y el costo asociado a la espera por ese servicio. La
teora de colas en s no resuelve este problema, slo proporciona informacin para la toma
de decisiones.

CARACTERSTICAS DE UN SISTEMAS DE COLAS

Poblacin de Clientes:
Conjunto de todos los clientes posibles de un sistema de colas

Proceso de llegada:
La forma en que los clientes de la poblacin llegan a solicitar un servicio

Proceso de colas:
La forma en que los clientes esperan a que se les d un servicio

Disciplina de colas:
La forma en que los clientes son elegidos para proporcionarles un servicio.

Proceso de servicio:
Forma y rapidez con que son atendidos los clientes

Proceso de Salida:
Forma en que los productos o los clientes abandonan un sistema de colas

Sistema de colas de un paso:
Sistema en el cual los productos o los clientes abandonan el sistema despus de ser
atendidos en un solo centro o estacin de trabajo.

Red de colas:
Sistema en el que un producto puede proceder de una estacin de trabajo y pasar a otra
antes de abandonar el sistema.

132


133
ELEMENTOS EXISTENTES EN UN MODELO DE COLAS

Fuente de entrada o poblacin potencial:
Es un conjunto de individuos (no necesariamente seres vivos) que pueden llegar a solicitar
el servicio en cuestin. Podemos considerarla finita o infinita. Aunque el caso de infinitud no
es realista, s permite (por extrao que parezca) Resolver de forma ms sencilla muchas
situaciones en las que, en realidad, la poblacin es finita pero muy grande. Dicha suposicin
de infinitud no resulta restrictiva cuando, aun siendo finita la poblacin potencial, su nmero
de elementos es tan grande que el nmero de individuos que ya estn solicitando el citado
servicio prcticamente no afecta a la frecuencia con la que la poblacin potencial genera
nuevas peticiones de servicio.

Cliente:
Es todo individuo de la poblacin potencial que solicita servicio. Suponiendo que los tiempos
de llegada de clientes consecutivos son 0<t1<t2<..., ser importante conocer el patrn de
probabilidad segn el cual la fuente de entrada genera clientes. Lo ms habitual es tomar
como referencia los tiempos entre las llegadas de dos clientes consecutivos: consecutivos:
clientes consecutivos: T{k} = tk - tk-1, fijando su distribucin de probabilidad. Normalmente,
cuando la poblacin potencial es infinita se supone que la distribucin de probabilidad de los
Tk (que ser la llamada distribucin de los tiempos entre llegadas) no depende del nmero
de clientes que estn en espera de completar su servicio, mientras que en el caso de que la
fuente de entrada sea finita, la distribucin de los Tk variar segn el nmero de clientes en
proceso de ser atendidos.

Capacidad de la cola:
Es el mximo nmero de clientes que pueden estar haciendo cola (antes de comenzar a ser
servidos). De nuevo, puede suponerse finita o infinita. Lo ms sencillo, a efectos de
simplicidad en los clculos, es suponerla infinita. Aunque es obvio que en la mayor parte de
los casos reales la capacidad de la cola es finita, no es una gran restriccin el suponerla
infinita si es extremadamente improbable que no puedan entrar clientes a la cola por haberse
llegado a ese nmero lmite en la misma.


134
Disciplina de la cola:
Es el modo en el que los clientes son seleccionados para ser servidos. Las disciplinas ms
habituales son:

La disciplina FIFO (first in first out), tambin llamada FCFS (first come first served): segn
la cual se atiende primero al cliente que antes haya llegado.

La disciplina LIFO (last in first out), tambin conocida como LCFS (last come first served) o
pila: que consiste en atender primero al cliente que ha llegado el ltimo.

La RSS (random selection of service), o SIRO (service in random order), que selecciona a
los clientes de forma aleatoria.

Mecanismo de servicio:
Es el procedimiento por el cual se da servicio a los clientes que lo solicitan. Para determinar
totalmente el mecanismo de servicio debemos conocer el nmero de servidores de dicho
mecanismo (si dicho nmero fuese aleatorio, la distribucin de probabilidad del mismo) y la
distribucin de probabilidad del tiempo que le lleva a cada servidor dar un servicio. En caso
de que los servidores tengan distinta destreza para dar el servicio, se debe especificar la
distribucin del tiempo de servicio para cada uno.

La cola:
Es el conjunto de clientes que hacen espera, es decir los clientes que ya han solicitado el
servicio pero que an no han pasado al mecanismo de servicio.

El sistema de la cola:
Es el conjunto formado por la cola y el mecanismo de servicio, junto con la disciplina de la
cola, que es lo que nos indica el criterio de qu cliente de la cola elegir para pasar al
mecanismo de servicio. Un modelo de sistema de colas debe especificar la distribucin de
probabilidad de los tiempos de servicio para cada servidor. La distribucin ms usada para
los tiempos de servicio es la exponencial, aunque es comn encontrar la distribucin

135
degenerada o determinstica (tiempos de servicio constantes) o la distribucin Erlang
(Gamma).


136
Leccin 23: MEDIDAS DE RENDIMIENTO
MEDIDAS DE RENDIMIENTO PARA EVALUAR UN SISTEMA DE COLAS

Valor numrico que se utiliza para evaluar los mritos de un sistema de colas en estado
estable.

CONDICIONES:
1. Poblacin de clientes infinita.
2. un proceso de colas que consiste en una sola lnea de espera de capacidad infinita, con
una disciplinas de colas de primero en entrar primero en salir. FIFO.
3. un proceso de servicio que consiste en un solo servidor que atiende a los clientes de
acuerdo con una distribucin infinita.
FORMULAS:

Taza de Llegada: nmero promedio de llegad por unidad de tiempo ().
Taza de Servicio: nmero promedio de clientes atendidos por unidad de tiempo ().
Utilizacin: probabilidad de hallar el sistema ocupado.

U = p p = /

Probabilidad de que hayan clientes en el sistema o que el sistema este ocioso.
Po = 1-p

Probabilidad de que haya clientes en el sistema.
Pn = p
n
*po

Nmero Promedio en Filas: nmero promedio de clientes que se encuentran esperando en
la fila para su atencin.
Lq =
2
/ (-)

Nmero Promedio en el Sistema: nmero promedio de clientes que se encuentran en el
sistema.
L = (-)
Tiempo Promedio en la Cola: tiempo promedio de un cliente que llega tiene que esperar en
la cola antes de ser atendidos.

Wq = / (-)

137
Tiempo Promedio en el Sistema: tiempo promedio que un cliente invierte
desde su llegada hasta su salida.

Wq = 1 (-)

FRMULAS PARA CALCULAR LAS MEDIDAS DE RENDIMINTO DE UN SISTEMAS DE
COLAS M/M/1


13
Leccin 24: ANLISIS DE COSTOS

ANALISIS DE COSTOS DEL SISTEMA DE COLAS
Al analizar los mritos de contratar personal de reparacin adicional en Babara, usted
debera identificar dos componentes importantes:

Para seguir adelante, necesita ahora conocer el costo por hora de cada Miembro del personal
de reparacin (denotado con C8) y el costo por hora de Una mquina fuera de operacin
(denotado por CW), que es el costo de una hora de produccin perdida. Suponga que el
departamento de contabilidad le informa que cada reparador le cuesta a la compaa $50
por hora, incluyendo impuestos, prestaciones, etc. El costo de una hora de produccin
perdida deber incluir costos explcitos, como la contabilidad de ganancias no obtenidas, y
costos implcitos, como la perdida de voluntad por parte del cliente si no se cumple con la
fecha lmite de la entrega. Estos costos implcitos son difciles de estimar. Sin embargo
suponga que el departamento de contabilidad estima que la compaa pierde $ 100 por cada
hora que una mquina est fuera de operacin. Ahora ya puede calcular un costo total para
cada uno de los tamaos de personal. Para un personal de siete reparadores, el nmero
esperado de mquinas en el sistema es 12.0973, de modo que:


13!

Realizando clculos parecidos para cada uno de los tamaos de personal restantes se tiene
como resultado los costos por hora de cada alternativa que presentamos en la siguiente
tabla:

Costos por hora para diferentes tamaos de personal de reparacin de la empresa
Bavaria

De los resultados, usted puede ver que la alternativa que tiene menor costo por hora, $
1128.63, es tener un total de nueve reparadores. En consecuencia, su recomendacin a la
gerencia de produccin de la empresa X, es contratar a dos reparadores adicionales. Estor
dos nuevos empleados tendrn un costo de $100 por hora, pero este costo adicional est

140
ms que justificado por los ahorros que se tendrn con menos mquinas fuera de operacin.
La recomendacin reducir el costo por hora de $ 1559.73 a $ 1128.63, un ahorro de
aproximadamente $ 430 por hora, mayor que la cantidad que cubre sus honorarios.
CARACTERSTICAS CLAVES
En resumen, para evaluar un sistema de colas en el que controla el nmero de servidores o
su tasa de servicio, se necesitan las siguientes estimaciones de costos y medidas de
rendimiento:
El costo por servidor por unidad de tiempo (C8).
El costo por unidad de tiempo por cliente esperando en el sistema (Cw).
El nmero promedio de clientes en el sistema (L).


141
EJEMPLO DESARROLLADO

La Concesin Neiva Bogot, tiene unas estaciones para el pesado de camiones cerca de
sus peajes, para verificar que el peso de los vehculos cumpla con las regulaciones viales.
La administracin de la Concesin est considerando mejorar la calidad del servicio en sus
estaciones de pesado y ha seleccionado una de sus estaciones como modelo a estudiar
antes de instrumentar los cambios. La administracin desea analizar y entender el
desempeo del sistema actual durante las horas pico, cuando llega a la bscula el mayor
nmero de camiones, suponiendo que el sistema puede desempearse bien durante este
periodo, el servicio en cualquier otro momento ser an mejor. Para estimar las tasas
promedio de llegada y de servicio en la estacin, los datos disponibles que la gerencia
determina para los valores son:

= nmero promedio de camiones que llegan por hora = 60
= nmero de camiones que pueden ser pesados por hora = 66
El valor de = 66 es mayor que el de = 60, de modo que es posible hacer el anlisis de
estado estable de este sistema.

Solucin:

La intensidad de trfico es:
p = / = 60 / 66 = 0.9091
Mientras ms cerca est p de 1, ms cargado estar el sistema, lo cual tiene como
resultados colas ms larga y tiempos de espera ms grandes. En trminos de p, y las
medidas de rendimiento, para el problema de la concesin, se calculan de la siguiente
manera:

1. Probabilidad de que no hayan clientes en el sistema (Po):
Po = 1 p= 1 0.9091= 0.0909
Este valor indica que aproximadamente 9% del tiempo un camin que llega no tiene que
esperar a que se le proporcione el servicio porque la estacin de pesado est vaca.
Dicho de otra manera aproximadamente 91% del tiempo un camin que llega tiene que
esperar.

2. Nmero promedio en la fila (Lq)
Lq = p
2
/ 1 p= (0.9091)
2
/ 1 0.9091= 9.0909
En promedio la estacin de pesado puede esperar tener aproximadamente nueve
camiones esperando para obtener el servicio (sin incluir al que se est pesando)
Cuando ya se ha determinado un valor para Lq se pueden calcular los valores de Wq ,
W, y L , as:

3. Tiempo promedio de espera en la cola (Wq )
Wq = Lq / = 9.0909 / 60= 0.1515
Este valor indica, que en promedio un camin tiene que esperar 0.1515 horas,
aproximadamente 9 minutos, en la fila, antes de que empiece el proceso de pesado.


142
4. Tiempo promedio de espera en el sistema (W)
W = Wq + 1 / = 0.1515 + 1 / 66= 0.1667
Este valor indica, que en promedio, un camin invierte 0.1667 horas, 10 minutos, desde
que llega hasta que sale.

5. Nmero promedio en el sistema ( L )
L = * W= 60 * 0.1667= 10
Este valor indica, que en promedio, existe un total de 10 camiones en la estacin de
pesado, ya sea en la bscula o esperando ser atendidos.

6. Probabilidad de que un cliente que llega tenga que esperar ( Pw ) :
pw = 1 Po = p= 0.9091
Este valor, como se estableci en el paso 1, indica que aproximadamente 91% del
tiempo un camin que llegue tiene que esperar.

7. Probabilidad de que haya n clientes en el sistema ( Pn ) :
Pn = p n * Po

Al utilizar esta frmula se obtienen las siguientes probabilidades:
n pn
0 0.0909
1 0.0826
2 0.0759
3 0.0684

Esta tabla proporciona la distribucin de probabilidad para el nmero de camiones que se
encuentran en el sistema. Los nmeros que aparecen en la tabla se pueden utilizar para
responder una pregunta como: Cul es la probabilidad de que no hayan ms de tres
camiones en el sistema?, en este caso, la respuesta de 0.3169 se obtiene mediante la suma
de las primeras cuatro probabilidades de la tabla, para n = 0, 1, 2 y 3.

8. Utilizacin ( U ) :
U = p= 0.9091

Este valor indica que aproximadamente 91% del tiempo las instalaciones de pesado
estn en uso (un camin est siendo pesado). De manera equivalente, aproximadamente
9% del tiempo la estacin est sin funcionar, sin que haya camiones que se estn
pesando.


143
CAPITULO 6 PROGRAMACIN NO LINEAL
Leccin 26: Programacin no lineal
Un modelo de Programacin Lineal (PNL) es aquel donde las variables de decisin se
expresan como funciones no lineales ya sea en la funcin objetivo y/o restricciones de un
modelo de optimizacin. Esta caracterstica particular de los modelos no lineales permite
abordar problemas donde existen economas o deseconomas de escala o en general donde
los supuestos asociados a la proporcionalidad no se cumplen.

Los problemas de optimizacin no lineal son ms difciles de resolver que los lineales. Estas
dificultades aparecen incluso en el caso ms simple como el de optimizar una funcin de una
variable en R sin restricciones.

Ejemplo 1: Un joven ingeniero de una compaa ha sintetizado un nuevo fertilizante hecho a
partir de dos materias primas. Al combinar cantidades de las materias primas bsicas x1 y
x2, la cantidad de fertilizante que se obtiene viene dada por .
Se requieren 480 euros por unidad de materia prima 1 y 300 euros por cada unidad de
materia prima 2 que se empleen en la fabricacin del fertilizante (en estas cantidades se
incluyen los costos de las materias primas y los costos de produccin). Si la compaa
dispone de 24000 euros para la produccin de materias primas, plantear el problema para
determinar la cantidad de materia prima de forma que se maximice la cantidad de fertilizante.

Las variables de decisin del problema son:

x1 : cantidad de materia prima 1
x2 : cantidad de materia prima 2

El objetivo es maximizar la cantidad de fertilizante,
Restricciones del problema:
El coste no puede exceder el presupuesto que la empresa tiene asignado para el fertilizante,


144
No negatividad de las cantidades

Una suposicin importante de programacin lineal es que todas sus funciones Funcin
objetivo y funciones de restriccin son lineales. Aunque, en esencia, esta suposicin se
cumple para muchos problemas prcticos, es frecuente que no sea as. De hecho, muchos
economistas han encontrado que cierto grado de no linealidad es la regla, y no la excepcin,
en los problemas de planeacin econmica, por lo cual, muchas veces es necesario manejar
problemas de programacin no lineal de una manera general, el problema de programacin
no lineal consiste en encontrar x = ( x1,x2,....xn ) para maximizar f(x), sujeta a:
g(x) bi, para i= 1, 2,3....m
y x 0

en donde f(x) y las g(x) son funciones dadas de n variables de decisin.

No se dispone de un algoritmo que resuelva todos los problemas especficos que se ajustan
a este formato. Sin embargo, se han hecho grandes logros en lo que se refiere a algunos
casos especiales, haciendo algunas suposiciones sobre las funciones, y la investigacin
sigue muy activa.

En este caso se destaca el estudio de optimizacin en una variable sin restricciones de la
forma: Optimizar z = f(x)

Donde f es funcin no lineal de x y la optimizacin se realiza en (-, ). Si la bsqueda se
circunscribe a un sub. Intervalo finito [a, b] el problema es de optimizacin no lineal restringida
y se transforma a optimizar z = f(x) con la condicin a x b.

Optimizacin no lineal multivariable
Es el caso anlogo al anterior, pero en el caso en que la funcin f es de ms de
una variable, es decir:

145
Optimizar z = f(X) donde X = [x1, x2, ..., xn]T
Si existen las restricciones
Gi(X) = 0

Es un problema no lineal multivariable restringido.

Ejemplo
Una Compaa desea construir una planta que recibir suministros desde tres ciudades A,
B, C, tomando como origen la ciudad A, B tiene coordenadas (300 km. al Este,400 Km. al
Norte), y C tiene coordenadas (700 Km. al Este, 300 Km. al norte) respecto de A. La posicin
de la planta debe estar en un punto tal que la distancia a los puntos A, B y C sea la mnima.
sean x1 y x2 las coordenadas desconocidas de la planta respecto de A.

Utilizando la frmula de la distancia, debe minimizarse la suma de las distancias

No hay restricciones en cuanto a las coordenadas de la planta ni condiciones de no
negatividad, puesto que un valor negativo de x1 significa que la planta se localiza al Oeste
del punto A. La ecuacin es un programa matemtico no lineal in restricciones. Veamos
ahora algunos casos de programacin no lineal comunes de encontrar:


146
Leccin 27: PROGRAMACIN CUADRTICA
La programacin cuadrtica (QP) es un tipo especial en la matemtica de optimizacin de problemas. Es
el problema de optimizar (reduciendo al mnimo o maximizando) una funcin cuadrtica de varias variables
conforme a apremios lineales en estas variables.

Es un caso particular de programacin matemtica no lineal. Un programa Matemtico en el
cual cada restriccin gi es lineal pero el objetivo es cuadrtico se Conoce como programa
cuadrtico, es decir

f(x1,x2,..,xn) = S i=1,nS j=1,n cijxixj + S i=1,ndixi

Ejemplo

Minimizar z = x1
2
+X22
Con las condiciones x1 - x2 = 3
X2 3

Donde ambas restricciones son lineales, con n = 2 (dos variables) c11 = 1; c12 = c21 = 0; c22 =
1 y d1 = d2 = 0.


147
Leccin 28: MULTIPLICADORES DE LAGRANGE -CONDICIONES KUNH TUCKER
MULTIPLICADORES DE LAGRANGE.

Se pueden utilizar los multiplicadores de Lagrange para resolver los problemas no lineales
en los cuales las restricciones son igualdades. Consideramos los del tipo siguiente:

max(o min) z= f(x1,x2,.....xn..)
s.a g1( x1,x2,.....xn..)= b1
g2( x1,x2,.....xn..)= b2
gm( x1,x2,.....xn..)= bm

para resolverlo, asociamos un multiplicador L1 con la i-esima restriccin y frmamos el
lagrangiano.


14
Leccin 29: TCNICA DEL GRADIENTE
TCNICAS DE GRADIENTE.
Un modelo de Programacin Lineal (PNL) es aquel donde las variables de decisin se
expresan como funciones no lineales ya sea en la funcin objetivo y/o restricciones de un
modelo de optimizacin. Esta caracterstica particular de los modelos no lineales permite
abordar problemas donde existen economas o deseconomas de escala o en general donde
los supuestos asociados a la proporcionalidad no se cumplen.

En este sentido el mtodo del gradiente (conocido tambin como mtodo de Cauchy o del
descenso ms pronunciado) consiste en un algoritmo especfico para la resolucin de
modelos de PNL sin restricciones, perteneciente a la categora de algoritmos generales de
descenso, donde la bsqueda de un mnimo est asociado a la resolucin secuencial de una
serie de problemas unidimensionales.

Los pasos asociados a la utilizacin del mtodo del gradiente o descenso ms pronunciado
consiste en:

Considere el siguiente modelo de programacin no lineal sin restricciones. Aplique 2
iteraciones del mtodo del gradiente a partir del punto inicial X0=(1,1).


14!

En este punto se desarrolla un mtodo para optimizar funciones continuas que son dos veces
diferenciables. La idea general es generar puntos sucesivos comenzando en un punto inicial
dado, en la direccin del aumento ms rpido maximizacin) de la funcin. Est tcnica se
conoce como mtodo del gradiente porque el gradiente de la funcin en un punto es lo que
indica la tasa ms rpida de aumento.


150
Leccin 30: MTODO DE NEWTON- RAPHSON
EL MTODO DE NEWTON-RAPHSON.

Una desventaja de utilizar la condicin necesaria f(x)= 0 para determinar puntos
estacionarios es la dificultad de resolver numricamente las ecuaciones simultneas
resultantes. El mtodo de Newton-Raphson es un procedimiento iterativo para resolver
ecuaciones simultneas no lineales. Aunque el mtodo se presenta en este contexto,
realmente es parte de los mtodos conocidos como mtodos de gradiente para optimizar
numricamente funciones no restringidas, irrestrictas.

fi (X) =0, i=1, 2, ..., m

se X
k
un punto dado. Entonces por el desarrollo de Taylor fi(X)= fi (X
k
) + fi(X
k
) (X-X
k
) , i= 1,
2, ...., m
Por consiguiente, las condiciones originales pueden aproximarse por
fi (X
k
) + fi (X
k
) (X-X
k
) = 0 , i= 1, 2, ...., m
Estas ecuaciones pueden escribirse en notacin matricial como Ak + Bk (X - X
k
) = 0
Bajo la hiptesis de que todas las fi(X) son independientes Bk necesariamente es
no singular. Por consiguiente, la ltima ecuacin proporciona X = X
k
-Bk-1Ak
La idea del mtodo es comenzar desde un punto inicial X
0
. Utilizando la ecuacin anterior,
siempre puede determinarse un nuevo punto X
k+1
a partir de X
k
.
El procedimiento finaliza con X
m
como la solucin cuando X
m
= X
m-1
.

ACTIVIDADES DE AUTOEVALUACIN DE LA UNIDAD

TALLER

En los siguientes ejercicios identifique y describa los siguientes aspectos del escenario de
colas:
a. Los clientes y los servidores

b. La poblacin de clientes y su tamao

c. El proceso de llegada y los parmetros adecuados para la distribucin de llegadas

d. El proceso y la disciplina de colas

e. Proceso de servicios y los parmetros adecuados para la distribucin tiempo - servicio

151

1. La divisin de mantenimiento de las Empresas Pblicas de Neiva est tratando de decidir
cuntos reparadores necesita tener para proporcionar un nivel aceptable de servicios a sus
clientes. Las quejas llegan a un centro de servicios de acuerdo con una distribucin
exponencial, con una tasa promedio de 20 llamadas al da. El tiempo que tarda un tcnico
reparador en llegar al lugar donde se le llam, resolver el problema y regresar tambin sigue
una distribucin exponencial, con un promedio de 3 horas y 30 minutos.

2. El gerente del Supermercado La Sexta desea determinar el nmero mnimo de cajeros
que necesita para atender a los clientes que llegan a la hora del almuerzo. El tiempo
promedio entre la llegada de dos clientes es de 2 minutos, pero el tiempo real entre llegadas
sigue una distribucin exponencial. Cada cajero puede atender un promedio de 12 clientes
por hora, pero el tiempo de atencin a cada cliente vara de acuerdo a una distribucin
exponencial.

3. El portaaviones de Aires tiene un complemento de 80 aviones. Despus de operaciones
de rutina, los aeroplanos son llevados de la cubierta de vuelo a una cubierta inferior, dos a
la vez. El recorrido en elevador de una cubierta a otra dura 20 segundos y se necesitan diez
segundos para cargar y descargar una aeronave del elevador. Los elevadores llegan al
elevador de la cubierta de vuelo cada 30 segundos.


152

FUENTES DOCUMENTALES DE LA UNIDAD 2
BIBLIOGRAFA
lvarez A. Jorge Investigacin de Operaciones. Programacin Lineal. Editorial. U.N.I.Lima
1995.

Prawda W. Juan Mtodos y Modelos de Investigacin de Operaciones. Tomo I: Modelos
Deterministicos. Editorial Limusa. Quinta Edicin. Mxico 2001.

Taha Hamdy A. Investigacin de Operaciones. Una Introduccin. Editorial Prentice Hall.
Sptima Edicin. Mxico 2000.

Instituto Tecnolgico de Introduccin a la Investigacin de Operaciones.
Sonora, Mxico. Abril 2007

Programa Nacional de TIC, Captulo 8: Programacin Lineal.
Ministerio de Educacin y Ciencia, Espaa. Set. 2007

Dr. Ing. Franco Bellini M, Curso de Investigacin de Operaciones. Universidad Santa
Maria. Caracas Venezuela. Ago.2005

Modulo Metodos Probabilisticos-2013

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modulo Metodos Probabilisticos-2013

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

También podría gustarte