DECISIONES GERENCIALES II

Bibliografa Bsica

Mtodos

Cuantitativos para los Negocios. Barry Render y

Otros (libro texto)
Mtodos Cuantitativos para Administracin. Frederick Hiller
y otros.
Investigacin de Operaciones en la Ciencia Administrativa.
F. J. Gould y otros.
Investigacin de Operaciones. Wayne Winston.
Investigacin de Operaciones. Handy Taha.
Programacin Lineal: Elementos Bsicos y Problemas
Resueltos. Marisela Hernndez.

LA GESTIN DE TOMA DE DECISIONES

Estrategia de Evaluacin

Se realizarn cuatro (4) pruebas presnciales que aportarn el

80% de la calificacin total de cada estudiante. Igualmente los
estudiantes entregarn un informe escrito con el anlisis de las
interpretaciones de casos propuestos, artculos, o cualquier otro
material que el profesor crea conveniente, el cual ser expuesto
y aportar el 20% para completar la nota total individual de los
estudiantes.
La asistencia a clases es estrictamente obligatoria, sobre todo a
las exposiciones, la cuales se desarrollan en el transcurso del
semestre. La ausencia sin justificacin a cada exposicin ser
motivo suficiente para restar cinco (5) puntos sobre la exposicin
inherente a cada estudiante.
No hay recuperativo, solo diferido debidamente justificado y
comprobado con certificacin de CAMIULA si fuese el caso.

LA GESTIN DE TOMA DE DECISIONES

Un administrador puede incrementar la toma de

decisiones aprendiendo ms sobre metodologa
cuantitativa y comprendiendo mejor su contribucin al
proceso de toma de decisiones. Aquel administrador
que se familiarice con los procedimientos cuantitativos
de toma de decisiones estar en mucha mejor
posicin para comparar y evaluar las fuentes
cualitativas y cuantitativas, y finalmente de combinar
ambas, a fin de tomar la mejor decisin posible.

LA GESTIN DE TOMA DE DECISIONES

La revolucin de la Administracin Cientfica que inici Frederick W.
Taylor, a principios del siglo pasado, puso las bases para el uso del los
mtodos cuantitativos en la administracin, pero se considera que el uso
de los mtodos cuantitativos se origin a mediados de los cuarenta,
cuando se formaron grupos para resolver problemas mediante mtodos
cientficos. Aos ms tarde, gran parte de estos equipos multidisciplinarios
continuaron investigando procedimientos cuantitativos par la TOMA DE
DECISIONES.
Tres hechos llevaron al desarrollo y uso de los mtodos cuantitativos:

Descubrimiento por parte de George Dantzing en 1947 del mtodo

simplex para la resolucin de problemas de programacin lineal.

Publicacin del primer libro sobre Investigacin de Operaciones en el

ao 1957 por parte de Churchman, Ackoff, y Arnoff.

Desarrollo del procesador electrnico.

ROL DEL ANLISIS CUALITATIVO Y

CUANTITATIVO

Estructuracin del Problema

Definir el
problema

Identificar
alternativas

Determinar
los criterios

Anlisis del Problema

Anlisis
Cualitativo
Resumen y
Evaluacin
Anlisis
Cuantitativo

Toma de
Decisin

LA GESTIN DE TOMA DE DECISIONES

El anlisis cualitativo se basa principalmente en el juicio del
administrador; incluye la intuicin del administrador en relacin con el
problema. Si el administrador ha tenido experiencia en problemas
similares, o si el problema es relativamente simple, se puede poner
mucho nfasis en el anlisis cualitativo.
Sin embargo, si el administrador ha tenido poco experiencia en
problemas similares, o si el problema es lo suficientemente complejo,
entonces un anlisis cuantitativo puede resultar de especial importancia
en la decisin final del administrador. Las habilidades en el procedimiento
cuantitativo slo pueden aprenderse mediante el estudio y el uso de los
mtodos cuantitativos. El analista se concentra en los hechos o los datos
cuantitativos asociados con el problema y desarrollar expresiones
matemticas que describan los objetivos, los lmites y otras relaciones
que existen dentro del problema, para as recomendar un curso de accin

LA GESTIN DE TOMA DE DECISIONES

Mtodos ms utilizados

1.
2.
3.
4.
5.
6.
7.
8.
9.

Programacin Lineal
Programacin Lineal Entera
Gerencia de Proyectos (PERT-CPM)
Modelos de Inventarios
Modelos de Lneas de Espera (colas)
Simulacin por Computadora
Anlisis de Decisiones
Pronsticos
Teora de Juegos

TEMA I
PROGRAMACIN CON ENTEROS (PE)

En una solucin ptima para programacin lineal a veces las variables de

decisin tendrn un valor entero, esto es un nmero entero (0, 1, 2, ).
Sin embargo, algunas veces tendran un valor fraccionario (por ejemplo,
2 o 4,11353). Ninguna de las rectricciones de un modelo de
programacin lineal prohibe valores fraccionarios.
En algunas aplicaciones, las variables de decisin tendrn sentido si y
slo si tienen valores enteros. Por ejemplo, puede ser necesario asignar
personas, mquinas, o vehculos a actividades en cantidades enteras.
Este es el tipo de situacin que estudia la programacin entera.
Tipos de problemas de programacin entera
Programacin entera pura
Pueden ser con variables binarias
(valores de 0 o 1)
Programacin entera mixta

PROGRAMACIN CON ENTEROS (PE)

Ejemplo-problema
TBA Airlines es una compaa regional pequea que se especializa en vuelos
cortos en aviones pequeos. La compaa ha tenido un buen desempeo y la
administracin decidi ampliar sus operaciones. El asunto bsico que ahora
enfrenta la administracin es si comprar ms aviones pequeos para agregar
algunos vuelos o comenzar a desplazarse al mercado nacional, comprando
algunos aviones grandes para nuevos vuelos a travs de todo EEUU (o ambos).
Entraran muchos factores en la decisin final de la administracin, pero el ms
importante es cual estrategia es probable que sea ms redituable.
La informacin pertinente se encuentra en la siguiente tabla:
Avin pequeo

Avin grande

Ingreso neto anual por avin

$1 milln

$5 millones

Costo de compra por avin

$5 millones

$50 millones

Nmero mximo de compra

Sin mximo

Capital disponible
100 millones

Cuntos aviones de cada tipo se deben comprar para maximizar la

ganancia anual neta total?

PROGRAMACIN CON ENTEROS

PL vs. PE
Suposiciones Bsicas de un PL

Suposicin de divisibilidad de Programacin Lineal (PL): las variables de

decisin en un modelo de programacin lineal pueden tomar cualquier valor,
incluso valores fraccionarios, que satisfagan las restricciones funcionales y de no
negatividad. As, estas variables no estn restringidas a slo valores enteros.
Como cada variable de decisin representa el nivel de alguna actividad, se puede
suponer que las actividades pueden realizarse a niveles fraccionarios. Si se viola
esta suposicin porque el problema real requiere que las variables de decisin
tengan valores enteros, entonces, debe emplearse la Programacin Entera (PE)
en lugar de la Programacin Lineal (PL).
Para el problema de TBA Airlines, las actividades son las compras de aviones de
tipos diferentes, de modo que el nivel de cada actividad es el nmero de aviones
de ese tipo comprados. Dado que el nmero comprado tiene que tener un valor
entero, es necesario violar el supuesto de divisibilidad.

PROGRAMACIN CON ENTEROS

Solucin de TBA Airlines por PE
La formulacin de Programacin Entera de este problema es exactamente la
misma que la de Programacin Lineal, salvo por una diferencia crucial: se
agregan restricciones que requieren que las variables de decisin tengan valores
enteros. Por lo tanto, la forma algebraica del modelo de programacin entera es:
F. O.
Max. U = x + 5y
S. S. R.
1) 5x + 50y 100
2) x
2
3) x, y 0
X, y son enteros
Las nicas soluciones factibles para este problema entero son las soluciones
enteras que se encuentran en la regin sombreada, es decir (0,0), (1,0), (2,0),
(0,1), (1, 1), (2, 1) y (0,2).

PROGRAMACIN CON ENTEROS

Solucin de TBA Airlines por PE
Mtodo de RAMIFICAR Y ACOTAR

En la prctica, la mayora de los problemas de Programacin

Entera se resuelven mediante el uso de la tcnica de
ramificar y acotar. Los mtodos de ramificar y acotar
encuentran la solucin ptima para una PE mediante la
enumeracin eficiente de los puntos en la regin factible de
un subproblema. Antes de explicar como funciona la
ramificacin y el acotamiento es necesario hacer la siguiente
observacin elemental, pero importante: si resuelve la
relajacin PL de una PE pura y obtiene una solucin en la
cual las variables son nmeros enteros, entonces la solucin
ptima de la relajacin PL ser tambin la solucin ptima
del PE.

PROGRAMACIN CON ENTEROS

Solucin de TBA Airlines por PE
Mtodo de RAMIFICAR Y ACOTAR
Pasos:
* La solucin ptima para el problema relajado es: z = 11, x = 2, y y = 1.8. Esto
significa que el valor ptimo de z para el PE no puede ser mayor que 11.
* Luego procedemos a dividir la regin factible del problema relajado en un
intento de buscar ms informacin que me ayude a optimizar el problema. Para
ello escogemos arbitrariamente cualquier variable fraccionaria de los valores que
nos haya otorgado la funcin objetivo, en este caso seleccionamos y (adems es
la nica variable fraccionada). Ahora obsrvese que cada punto en la regin
factible para el PE tiene que ser y 1, o bien y 2. (Por qu no puede tener una
solucin factible para PE, 1 < y < 2). Con esto en mente, ramificamos
respecto a la variable y y creamos los siguientes dos subproblemas:
Subproblema 2: Subproblema 1 + la Restriccin y 2
Subproblema 3: Subproblema 1 + la Restriccin y 1

PROGRAMACIN CON ENTEROS

Solucin de TBA Airlines por PE
Mtodo de RAMIFICAR Y ACOTAR

Obsrvese que ni el subproblema 2, ni el subproblema 3 incluyen puntos con

y = 1.8. Esto significa que la solucin ptima para la relajacin PL no puede
volver a aparecer cuando resolvamos el subproblema 2 o el subproblema 3.
Procedemos entonces a acotar el problema.
* En este problema relativamente sencillo resulta que la solucin al PE se
obtuvo al desarrollar el subproblema 2. Encontramos la solucin final en el
Mtodo de Ramificar y Acotar, cuando los subproblemas otorguen resultados
enteros y en donde se optimice z.
* Si los resultados de los subproblemas fuesen fraccionados, se continua
ramificando y acotando hasta encontrar una solucin final.

PROGRAMACIN CON ENTEROS

Tipos de problemas de PE
Los problemas de Programacin Lineal Pura son aquellos donde todas las
variables de decisin tienen que ser enteros. Los problemas de Programacin
Entera Mixta slo requieren que algunas variables tengan valores enteros (de
modo que el supuesto de divisibilidad se cumple para el resto).
Muchas aplicaciones de Programacin Entera (ya sea pura o mixta) restringen
aun ms las variables enteras a slo dos valores, 0 o 1.
Las variables binarias son variables cuyos nicos valores posibles son 0 y 1. Los
problemas de Programacin Entera Binaria son aquellos donde las variables de
decisin restringidas a valores enteros, estn adems restringidas a ser
variables binarias. Tambin estos problemas pueden ser puros y mixtos.
Importarte: de manera anloga al algoritmo simplex, se podra esperar resolver
un PE mediante un algoritmo que pasara una solucin entera factible a una
solucin entera mejor. Por desgracia no se conoce tal algoritmo. Normalmente en
ms difcil resolver un PE que resolver la relajacin PL de un PE.

PROGRAMACIN CON ENTEROS

Problema resuelto en clase

La carpintera de Juanita fabrica mesas y sillas. Una mesa

requiere 1 hora de trabajo y 9 pies de tabla de madera; una
silla requiere e 1 hora de trabajo y 5 pies de tabla de madera.
Actualmente se dispone de 6 horas de trabajo y 45 pies de
madera. Cada tabla contribuye con 8 dlares a la utilidad, y
cada silla contribuye con 5 dlares a la utilidad. Formule y
resuelva por PE a fin de maximizar la utilidad por el mtodo
de ramificar y acotar.

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Ejemplo-problema

Cierta empresa considera cuatro inversiones. La inversin 1

proporcionar un valor actual neto (VAN) de 16000 dlares;
la inversin 2 un VAN de 22000 dlares; la inversin 3 un
VAN de 12000 dlares; y la inversin 4 un VAN de 8000
dlares. Cada inversin requiere cierto flujo de caja en el
momento actual: la inversin 1, 5000 dlares; la inversin 2,
7000 dlares; la inversin 3, 4000 dlares; y la inversin 4,
3000 dlares respectivamente. Se dispone de 14000 dlares
para la inversin. Formule un PE cuya solucin dir a esta
empresa como maximizar el VAN global obtenido de las
inversiones 1-4.

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Solucin al PEB

Como en las formulaciones de los PL, empezamos con la definicin de una

variable para cada decisin que esta empresa debe tomar. Esto conduce a definir
una variable 0-1;
1 si se realiza la inversin j
xj ( j = 1, 2, 3, 4 ) =
0 de otra manera
Por ejemplo, x2 = 1 si se realiza la inversin 2, y x2 = 0 si no se realiza.
Planteamiento formal:
Max = 16x1 + 22x2 + 12x3 + 8x4
s.s.r.
5x1 + 7x2 + 4x3 + 3x4 14
xj = 0 o 1 (j = 1, 2, 3, 4)

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Solucin al PEB Continuacin
Cualquier PE, tal como el ejemplo anterior, que tiene solamente una restriccin,
se llama problema de la mochila.
Max z = c1x1 + c2x2 + + cnxn
S.S.R. a1x1 + a2x2 + + anxn b
Xi = 0 o 1 (i = 1, 2, , n)
Cuando se resuelven problemas de mochila mediante el mtodo de ramificar y
acotar, se simplifican enormemente dos aspectos del enfoque de ramificar y
acotar. Ya que cada variable debe ser igual a 0 y 1, la ramificacin con respecto
xi, proporcionar una rama xi = 0, y otra rama con xi = 1. Tambin se puede
resolver la relajacin PL (y otros subproblemas) mediante inspeccin. Para darse
cuenta de ello, observe que se puede interpretar ci /ai como el beneficio que
obtiene el artculo i por cada unidad del recurso que usa el artculo i. As, los
mejores artculos tienen mayores valores ci /ai y los peores artculos tienen
valores mas pequeos de ci /ai. Para resolver cualquier subproblema que se
presenta en un problema de mochila, calcule todas las razones ci /ai. Luego

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Solucin al PEB Continuacin
coloque el mejor artculo en la mochila. Despus coloque el artculo que quedo en
el segundo lugar en la mochila. Siga as de esta manera hasta que el mejor
artculo que quede rebose la mochila. Entonces llene la mochila con la mayor
cantidad posible de este artculo.
Ramifique y acote de acuerdo a los artculos ms rentables hasta obtener la
solucin candidato aceptable.
Ejercicio:
Max = 40x1 + 80x2 + 10x3 + 10x4 + 4x5 + 20x6 + 60x7
s.s.r.
40x1 + 50x2 + 30x3 + 10x4 + 10x5 + 40x6 + 30x7 100
xj = 0 o 1 (j = 1, 2, 3, 4, 5, 6, 7)

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Mtodo de Enumeracin Implcita

El mtodo de la enumeracin implcita se usa frecuentemente para

resolver PE 0-1. En la enumeracin implcita se aplica el hecho de que
cada variable debe ser igual a 0 o 1 para simplificar las componentes de
ramificar y de acotar a fin de determinar eficazmente cundo un nodo no
es factible.
El rbol que se utiliza en la enumeracin implcita es similar a los rboles
que se utilizaron para resolver problemas 0-1 tipo mochila. Cada rama de
rbol se especificar, para alguna variable xi, tal que xi = 0 o xi = 1. De tal
manera que para llegar a cada nodo, se deben especificar algunas de las
variables. En la medida en que se va ramificando el rbol, en esa misma
medida se van descartando variables por ser tomadas en cuenta en el
desarrollo de dicha ramificacin, a estas variables se les llama variables
fijas, y las restantes que queden por fijar se les denomina variables
libres.

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Mtodo de Enumeracin Implcita
La idea de este mtodo en general, es la verificacin de si un nodo tiene una
integracin factible (para cualquier nodo, una especificacin o asignacin de
valores 0 o 1 de todas las variables libres se denomina integracin) al observar
cada restriccin y al asignar el mejor valor a variable libre. Para la asignacin
de estos valores (0-1) resulta de gran utilidad a la siguiente tabla:
TIPO DE RESTRICCIN

SIGNO
DEL COEFICIENTE DE LA
VARIABLE LIBRE EN LA
RESTRICCIN

VALOR ASIGNADO A LA
VARIABLE LIBRE EN LA
VERIFICACIN DE
FACTIBILIDAD

Si la asignacin de una determinada integracin a un nodo no satisface alguna

restriccin, sabemos que el nodo no tiene un completamiento factible. En este
caso, el nodo no puede proporcionar la solucin ptima para la PE original.

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Mtodo de Enumeracin Implcita
Ejemplo: Utilice la enumeracin implcita para resolver el siguiente PE 0-1:
Max z = -7x1 3x2 2x3 4x4 2x5
SSR:
1) -4x1 2x2 + x3 2x4 x5 -3
2) -4x1 2x2 + 4x3 + x4 2x5 -7
3) xi = 0 o 1 (i = 1, 2, 3, 4, 5)
Pasos para la solucin:
a) Al inicio (el nodo 1), todas las variables son libres. Primero verificamos si la
mejor integracin del nodo 1 es factible. La mejor integracin del nodo 1 es x1 =
0, x2 = 0, x3 = 0, x4 = 0, x5 = 0, que no es una solucin factible (viola ambas
restricciones).
b) Ahora verificamos si el nodo 1 tiene una integracin factible, aplicando y
verificando los valores de las variables libres de acuerdo a la tabla
suministrada anteriormente en cada restriccin.

PROGRAMACIN CON ENTEROS

Programacin Entera Binaria
Mtodo de Enumeracin Implcita
c) Si en realidad el nodo 1 tiene una integracin factible, procedemos a ramificar
con respecto a una variable libre: seleccionamos cualquiera arbitrariamente.
d) Se sigue el mismo procedimiento para cada nodo restante.
e) Importante: en la ramificacin y resolucin de los nodos se le debe dar
prioridad a la resolucin del ltimo nodo graficado (esto tambin es aplicable a
los mtodos de ramificacin explicados anteriormente). La regla LIFO (del ingls
last-in-first-out) seala esta conveniencia, que luego sealar de manera
prctica.
Nota: estimados estudiantes, al pasar el problema al pizarrn se
presentaron errores de trascripcin. Es decir el problema que deben resolver
es el que se encuentra en la diapositiva anterior (comprenla con la que tienen
en el cuaderno). De todas maneras esta clase se repetir (18/04/06), ya que no
asistieron todos por motivos de las entrevistas programadas. La respuesta final
es x1 = x3 = 1, x2= 4x4 = 2x5, Ver solucin grfica en la web.

DECISIONES GERENCIALES II
Tema II
TEORA DE COLAS
2.1 Introduccin.
2.2 Estructura del sistema.
2.3 Modelo de colas con un servicio nico.
2.4 Modelo de colas con servicio mltiple.
Introduccin: Las colas (lneas de espera) son parte de nuestra vida cotidiana.
Todos esperamos en colas para comprar un boleto para el cine, efectuar un
depsito bancario, pagar vveres, enviar un paquete por correo, obtener comida
en la cafetera, comenzar un recorrido en un parque de diversiones, etctera. Nos
hemos acostumbrado a cantidades notables de espera, pero an nos
molestamos con las esperas prolongadas.
Sin embargo, tener que esperar no es slo una pequea molestia personal. La
cantidad de tiempo que la poblacin de un pas desperdicia esperando en las
colas es un factor primordial tanto de la calidad de vida como de la eficiencia de
un pas.

DECISIONES GERENCIALES II
Tema II
TEORA DE COLAS
Estructura del sistema:
a) Insumo. Son dos los elementos que constituyen los insumos del sistema:
la poblacin y la tasa de llegadas. La poblacin que deber atenderse
puede venir de una porcin de la poblacin indefinida, por ejemplo la
poblacin de una regin dada, o de una porcin de una poblacin
determinada, por ejemplo el conjunto de camiones que debern cargarse en
una empresa. La tasa de llegada del insumo puede ser constante (las
piezas que se desplazan por una lnea de montaje) o variable (la llegada de
pacientes a una clnica de emergencias). Por tanto, el nmero de llegadas
puede definirse por una distribucin aleatoria.
b) Sistema de servicio. En ste se distinguen dos zonas: la zona de espera
y la zona de servicio. Los dos elementos que definen la zona de espera son
la estructura de la lnea y la regla de prioridad. La lnea de espera o cola
se caracteriza por la longitud (infinita o limitada) y por su nmero (una sola
lnea o varias). La regla de prioridad puede ser: la primera llegada es la que
se atiende primero; las llegadas anteriores ceden su lugar a los casos de
urgencia; los pedidos de duracin ms corta son los primeros en atenderse,
etc.

DECISIONES GERENCIALES II
Tema II
TEORA DE COLAS
c) Producto. En cuanto al producto se distinguen dos categoras: la que
volver al sistema y reconstituir as parte de la poblacin que deber
atenderse (clientes de sucursales bancarias, de salas de emergencia y de
estaciones de servicio, etc.), y la que no volver (productos terminados no
defectuosos).
Modelos de lneas de espera.

a) Lnea nica y canal nico de servicio

c) Varias lneas y canales mltiples de servicios

b) Lnea nica y canales mltiples de servicios

d) Lnea nica y canal nico con etapas mltiples

TEORA DE COLAS
Elementos de un sistema de colas
Los actores principales en una lnea de espera o cola son el cliente y el
servidor. Los clientes se generan en una fuente. Al llegar a la instalacin
pueden recibir servicio de inmediato, o esperar en una cola, si la instalacin est
ocupada. Cuando en una instalacin se termina un servicio, en forma automtica
se atrae a un cliente en espera, si lo hay, de la cola. Si la cola est vaca, la
instalacin se vuelve inactiva hasta la llegada de un nuevo cliente.
Desde el punto de vista del anlisis de las colas, el proceso de llegada se
representa con el tiempo entre llegadas, de los clientes sucesivos, y el servicio
se describe con el tiempo de servicio por cada cliente. Por lo general, los
tiempos entre llegadas y servicio pueden ser probabilsticos, como el
funcionamiento de una oficina de correos, o determinsticos, como en la llegada
de solicitudes a las entrevistas de trabajo.
El tamao de la cola desempea un papel en el anlisis de las colas, y puede
ser finito, como en el rea de reserva entre dos mquinas consecutivas, o puede
se infinito, como en las instalaciones de pedidos por correo.

TEORA DE COLAS
Elementos de un sistema de colas
La disciplina de la cola, que representa el orden en el que se seleccionan los
clientes de una cola, es un factor importante en el anlisis de los modelos de
colas. La disciplina ms comn es la de primero en llegar, primero en servirse.
Entre otras disciplinas estn ltimo en llegar, primero en servirse, y de dar
servicio en orden aleatorio. Tambin, los clientes se pueden seleccionar en la
cola con base en cierto orden de prioridad. Por ejemplo, los trabajos urgentes en
un taller se procesan antes que los trabajos normales.
El comportamiento de los clientes en espera juegan un papel en el anlisis de las
lneas de espera. Los clientes humanos se pueden saltar de una cola a otra,
tratando de reducir la espera. Tambin pueden rehusar totalmente a la cola por
haber esperado demasiado.
La fuente en donde se generan los clientes puede ser finita o infinita. Una fuente
finita limita a los clientes que lleguen al servicio (por ejemplo, las mquinas que
piden el servicio de mantenimiento). Tambin, una fuente infinita es abundante
por siempre (por ejemplo, las llamadas que llegan a una central telefnica).

TEORA DE COLAS
Modelo Generalizado de Cola de Poisson
La siguiente teora y frmulas se derivan del modelo general de cola en donde se
combinan llegadas y salidas, basndose en la hiptesis de Poisson: los tiempos
entre llegadas y de servicio tienen una distribucin exponencial. El modelo es la
base para deducir modelos especializado de Poisson que se vern ms
adelante.
El desarrollo de este modelo generalizado se basa en el comportamiento a largo
plazo, o de estado estable, de la cola, que se alcanza despus de que el
sistema ha funcionado durante un tiempo suficientemente largo. Esta clase de
anlisis contrasta con el comportamiento transitorio (de calentamiento) que
prevalece durante el inicio del funcionamiento del sistema. Una razn para no
describir el comportamiento transitorio en esta parte del programa es su
complejidad analtica. Otra es que el estudio de la mayor parte de los casos de
lneas de espera sucede bajo condiciones de estado estable.
El modelo generalizado supone que las frecuencias tanto de llegadas como de
salidas dependen del estado, y eso quiere decir que dependen de la cantidad de
clientes en la instalacin de servicio.

TEORA DE COLAS
Colas especializadas de Poisson
Definicin de las medidas de desempeo
1.
Cuntos clientes suelen esperar en el sistema de colas?
2.
Cunto suelen esperar estos clientes?
Estas dos medidas expresadas en forma de interrogantes, por lo comn se
expresan en trminos de sus valores esperados (en el sentido estadstico). Para
hacer esto, es necesario aclarar si slo se estn contando con clientes mientras
esperan en la cola (previo al iniciar el servicio) o mientras se encuentran en
cualquier punto en el sistema de colas (ya sea en la cola o en servicio). Estas dos
formas de definir los dos tipos de medidas proporcionan cuatro medidas de
desempeo. Se presentan estas cuatro medidas y su smbolos.
L = nmero esperado de clientes en el sistema, incluye a quienes estn en el
servicio (el smbolo L proviene de longitud)
Lq = nmero esperado de clientes en la cola, que excluye a los clientes que
estn en el servicio.
W = tiempo de espera esperado en el sistema (incluye el tiempo de servicio)
para un cliente individual (el smbolo W proviene de tiempo de espera)
Wq = tiempo de espera esperado en la cola (excluye el tiempo de servicio) para
un cliente individual.

TEORA DE COLAS
Colas especializadas de Poisson
Relaciones entre L, W, Lq y Wq
La nica diferencia entre W y Wq es que W incluye el tiempo esperado de
servicio y Wq no. As 1/ es el smbolo de tiempo esperado de servicio,
donde
W = Wq + 1/ ,
= tasa media de servicio.
Quiz la frmula ms importante en la teora de las colas proporciona una
relacin directa entre L y W. Esta frmula es
L = W,
donde
= tasa media de llegadas para los clientes que entran al sistema de colas.
La frmula anterior (L = W), tambin se aplica a la relacin entre Lq y Wq. Por
lo tanto, otra versin de esta frmula es: Lq = Wq
Al combinar las relaciones anteriores tambin se obtiene la siguiente relacin
L = W = (Wq + 1/ )
directa entre L y Lq,
= Lq + /

TEORA DE COLAS
Colas especializadas de Poisson
Las notaciones normales o estndar para representar las distribuciones de
llegadas y de salidas son:
M = Distribucin de Markov (o de Poisson) de las llegadas o de las salidas (o lo
que es igual, distribucin exponencial del tiempo entre llegadas o tiempo de
servicio)
D = Tiempo constante (determinstico)
Ek = Distribucin Erlang o gamma de tiempo (o bien, la suma de distribuciones
exponenciales independientes)
GI = Distribucin general del tiempo entre llegadas
G = Distribucin general del tiempo de servicio
Entre la notacin de disciplinas de cola estn:
PLPS = Primero en llegar, primero en ser servido
ULPS = ltimo en llegar, primero en ser servido
SEOA = Servicio de orden aleatorio
DG = Disciplina en general (es decir, cualquier tipo de disciplina)

TEORA DE COLAS
Colas especializadas de Poisson
Uso de las probabilidades como medidas de desempeo
Con frecuencia los gerentes se interesan en ms de lo que ocurre en promedio
en un sistema de colas. Aparte de querer que L, W, Lq y Wq no excedan valores
meta, tambin les preocupan los peores escenarios. Cul ser el mximo de
clientes en el sistema (o en la cola) que slo ser excedido una pequea fraccin
de tiempo (esto es, con una pequea probabilidad)? Cul ser el mximo
tiempo de espera de los clientes en el sistema (o en la cola) que slo ser
excedido una fraccin de tiempo? Un gerente podra especificar que el sistema
de colas debe estar diseado de forma tal que esos nmeros mximos no
exceden ciertos valores.
El alcance de ese objetivo requiere del uso de la distribucin de probabilidad del
estado estable de estas cantidades (el nmero de los clientes y el tiempo de
espera). Por ejemplo, suponga que la meta es no tener ms de tres clientes en el
sistema al menos 95% del tiempo. Usando la notacin:
Pn = probabilidad de estado estable de tener exactamente n clientes en el
sistema (para n = 0, 1, 2, )
Para cumplir con esta meta se requiere que P0 + P1 + P2 + P3 0.95

TEORA DE COLAS
Colas especializadas de Poisson
Uso de las probabilidades como medidas de desempeo
Del mismo modo, suponga que otra meta es que el tiempo de espera en el
sistema no exceda a dos horas al menos para el 95% de los clientes. Sea la
variable aleatoria W el tiempo de espera en el sistema para un cliente individual
mientras el sistema est en una condicin de estado estable. (As, W es el valor
esperado de esta variable aleatoria.) Usando la distribucin de probabilidad para
esta variable aleatoria, alcanzar la meta requiere que
P(W 2 horas) 0.95
Si por otro lado el objetivo est planteado en trminos del tiempo de espera en la
cola, entonces se usara del mismo modo otra variable aleatoria W q que
representa este tiempo de espera.
Se dispone de frmulas para calcular al menos algunas de esta probabilidades
para varios modelos de colas considerados ms adelante.

TEORA DE COLAS
Modelos con un servidor

En esta seccin se presentan dos modelos para el caso en que hay un solo
servidor (c = 1). En el primer modelo no se establece lmite para la cantidad
mxima en el sistema, y en el segundo se supone un lmite finito del sistema.
Ambos modelos suponen una fuente de capacidad infinita. Las llegadas suceden
con frecuencia de clientes por unidad de tiempo, y la tasa de servicio es
clientes por unidad de tiempo.
Modelo (M/M/1) : (DG//)
El modelo M/M/1 es el modelo de un servidor que supone que ambos tiempos
entre llegadas y servicios tienen distribucin exponencial. DG//, significa que
el modelo obedece a una disciplina general (ver teora), y que no hay lmite para
la cantidad mxima del sistema y tambin supone una fuente de capacidad
infinita.

TEORA DE COLAS
Modelos con un servidor
Esta seccin se centra en los sistemas de colas bsicos que tiene un solo
servidor. Se usarn los smbolos claves introducidos anteriormente:
= tasa media de llegadas para los clientes que entran al sistema de colas, o
nmero esperado de llegadas por unidad de tiempo.
= tasa media de servicio (para un servidor normalmente ocupado), o
nmero esperado de terminaciones de servicio por unidad de tiempo.
Entonces podemos decir que 1/ es el tiempo esperado entre llegadas (el tiempo
promedio entre la llegada del clientes consecutivos) y 1/ es el tiempo esperado
de servicio para cada cliente.
Un nuevo smbolo para esta seccin es
=/
donde es la letra griega ro. A esta cantidad se llama factor de utilizacin, y
representa la fraccin de tiempo promedio que utiliza el servidor para atender a
los clientes.

Modelos con un servidor M/M/1 (DG//)

Suposiciones
1.- Los tiempos entre llegadas tienen una distribucin exponencial con media 1/.
2.- Los tiempos de servicio tienen una distribucin exponencial con media 1/.
3.- El sistema de colas tiene un servidor.
Dos frmulas equivalentes del nmero esperado de clientes en el sistema son
L = /(1 - ) = /( )
Debido a la frmula L = W, el tiempo de espera previsto en el sistema es
W = L / = /[ (1 - )] = 1/[ (1 - )] = 1/( )
Por lo tanto el tiempo esperado de espera en la cola (incluye el tiempo de
servicio) es
Wq = W 1/ = 1/( ) - 1/ = [ ( )]/ [ ( )]
Entonces
Wq = /[ ( )]
Al aplicar la otra versin de Lq = Wq, el nmero esperado de clientes en la cola
(excluye clientes en servicio) es
Lq = Wq = 2/[ ( )] = 2/(1 - )

Modelos con un servidor M/M/1 (DG//)

Ejemplo 1
A un cajero automtico slo llega un promedio de 10 vehculos por hora.
Suponga que el tiempo promedio de servicio para cada cliente es de 4
minutos, y que los tiempos entre llegadas y los de servicio son
exponenciales. Conteste las preguntas siguientes:
1.- Cul es el nmero promedio de automviles que esperan en la cola su
turno? Se considera que un vehculo que est ocupado en el cajero
automtico, no est esperando en la cola.
2.- Cul es el tiempo promedio que un cliente pasa en el estacionamiento
del banco, incluyendo el tiempo de servicio?
3.- En promedio, cuntos clientes por hora sern atendidos por el cajero
automtico?
4.- Cul es la probabilidad de que el cajero automtico se encuentre vaco?

Modelos con un servidor M/M/1 (DG//)

Ejemplo 1
Para responder la interrogante anterior es necesario plantear el siguiente
modelo de probabilidad para el sistema de colas con un servidor:
Pn = probabilidad de estado estable de tener exactamente n clientes en el sistema
(para n = 0, 1, 2, )
Si = / , la ecuacin de Pn en el modelo generalizado de colas con un servidor
se reduce a:
Pn = n P0
Para determinar el valor de P0 se usa la siguiente identidad:
P0 (1 + + 2 + ) = 1
Suponiendo que < 1, la serie geomtrica tiene la suma finita (1/(1- )), y
entonces P0 = 1- , siendo que < 1.
La frmula general de Pn es entonces la de la siguiente distribucin geomtrica:
Pn = (1 ) n, n = 1, 2, ( <1)

Modelos con un servidor M/M/1 (DG/N/)

Este modelo difiere del modelo M/M/1 (DG//) en que hay un lmite de N para
la cantidad de clientes en el sistema (longitud mxima de la cola = N 1), es
decir cuando hay presente N clientes en todo el sistema, todas las llegadas se
regresan y el sistema las pierde para siempre.
Como en el modelo anterior, suponemos que los tiempos entre llegadas son
exponenciales con rapidez y que los tiempos de servicio son exponenciales con
rapidez .
Cuando la cantidad de clientes en el sistema llega a N no se permiten ms
llegadas, y entonces
, n = 0, 1, , N -1
n =
0, n = N, N + 1,
n= , n = 0, 1, ,

Modelos con un servidor M/M/1 (DG/N/)

Sea = / , entonces el modelo generalizado da como resultado
nP0, n N
Pn =
0,
n>N
Para determinar el valor de P0 se usa la siguiente identidad:
P0 (1 + + 2 + + N ) = 1
o sea

(1 ) / (1 N + 1),

1 /(N + 1),

=1

P0 =

[(1 ) n] / (1 N + 1),

As,

Pn =

, n = 0, 1, , N
1 /(N + 1),

=1

Modelos con un servidor M/M/1 (DG/N/)

La cantidad esperada de clientes en el sistema se calcula como
sigue:
N

L = n Pn
n=0

L = [(1 ) / (1

N + 1)]

Desarrollando esta expresin, nos queda

[1 (N + 1)N + NN + 1]
L=

,1
(1 )(1 N + 1)

nn

n=0

Deduccin de , ef, y perdido en M/M/1 (DG/N/)

ef
perdido

La tasa efectiva de llegadas ef, se puede calcular si se observa el esquema

anterior, donde los clientes llegan desde la fuente con la frecuencia . Por
ejemplo un auto que llega puede entrar al estacionamiento o irse al otro lado,
con las frecuencias respectivas ef o perdido. Lo que significa que
= ef + perdido. Un auto no podr entrar al estacionamiento si ya hay N autos en
l. Eso quiere decir que la proporcin de vehculos que no pueden entrar al lote
es PN.
El valor de = / no necesita ser menor que 1 en este modelo, porque las
llegadas al sistema estn controladas por el lmite N del mismo. Esto quiere decir
que la rapidez que importa en este caso es ef y no . Como los clientes se
pierden cuando hay N en el sistema, entonces,
perdido = PN
ef = - perdido = (1 PN)este modelo, porque las

Modelos con un servidor M/M/1 (DG/N/)

Cuando = 1, L = N / 2 (por favor comprubelo!). A partir de esta frmula se
pueden obtener W, Wq y Lq usando ef.
Por lo tanto:
Lq = L - ( ef / ),

W = L / ef,

Wq = W (1 / )

Problema: En una peluquera hay un peluquero y un total de 10 asientos. Los

tiempos de llegada tienen una distribucin exponencial, y llega en promedio de 20
clientes posibles por hora. Los que llegan cuando la peluquera est llena no
entran. El peluquero tarda en promedio 12 minutos en atender cada cliente. Los
tiempos de corte de pelo tienen una distribucin exponencial.
1.- En promedio, cuntos cortes de pelo por hora har el peluquero?
2.- En promedio, cunto tiempo pasar un cliente en la peluquera, cuando
entra?

Modelos con varios servidores

En esta seccin se estudiarn dos modelos de colas con varios servidores en
paralelo. Dichos modelos son las versiones de los dos modelos vistos
anteriormente para un solo servidor.
M/M/c (DG//) En este modelo hay c servidores en paralelo. La frecuencia de
llegadas es y la rapidez de servicio es por servidor. Como no hay lmite de
cantidad en el sistema, = ef. El efecto de usar c servidores en paralelo es un
aumento en la tasa de servicio de la instalacin proporcional a c.
Frmulas asociadas a este modelo:

lo que resulta en
P0

Modelos con varios servidores

Para Pn se presenta la siguiente frmula:

Pn =

Nota importante: tener muy en cuenta los valores de c y n para el clculo de los
diferentes items de un determinado problema.
Lq =

Como en este modelo ef = , entonces L = Lq + . Los valores de W y Wq se

pueden determinar dividiendo L y Lq entre .

Modelos con varios servidores

Problema 1: Hay dos empresas de taxis que dan servicio a una poblacin. Cada empresa
es duea de dos taxis, y se sabe que las dos empresas comparten partes iguales del
mercado. Esto se ve porque llegan ocho llamadas por hora a la oficina de cada empresa. El
tiempo promedio en el viaje es de 12 minutos. La llamadas llegan siguiendo una distribucin
de Poisson, y el tiempo de viaje es exponencial. Hace poco tiempo, un inversionista compr
las dos empresas, y le interesa consolidarlas en una solo oficina para dar un mejor servicio
a los clientes. Analice la propuesta del nuevo dueo.
Problema 2: El centro de computo de la Hechicera tiene cuatro computadoras principales
idnticas. La cantidad de usuarios en cualquier momento es de 25. Cada usuario puede
solicitar trabajo por una terminal, cada 15 minutos en promedio, pero el tiempo real
solicitudes es exponencial. Los trabajos que llegan pasan en forma automtica a la primera
computadora disponible. El tiempo de ejecucin por solicitud es exponencial, con un
promedio de 2 minutos. Calcule lo siguiente:
a)
La probabilidad de que un trabajo no se ejecute en inmediato al solicitarlo.
b)
El tiempo promedio en que el usuario obtiene resultados.
c)
La cantidad promedio de trabajos que esperan su procesamiento.
d)
El porcentaje del tiempo durante el cual el centro de cmputo est inactivo.
e)
La cantidad promedio de computadoras ociosas.

Modelos con varios servidores

M/M/c (DG/N/), c N. Este modelo difiere del M/M/c (DG//) en que el lmite
del sistema es finito, igual a N. Eso quiere decir que el tamao mximo de la cola
es N-c. Las tasas de llegada y de servicio son y . La frecuencia efectiva de
llegada ef es menor que , a causa del lmite N del sistema.
Frmulas asociadas a este modelo:

Modelos con varios servidores

A continuacin se calcula Lq para el caso en que

como sigue:

Lq

Se puede demostrar que

Lq se reduce a

Lq

Para determinar Wq, y en consecuencia W y L, se calcula el valor de ef , como

sigue:
perdido = PN
ef = - perdido = (1 PN)

Modelos con varios servidores

Por lo tanto:
L = Lq + ( ef / ),

W = L / ef,

Wq = W (1 / )

Nota importante 1: tener muy en cuenta los valores de , c, N, y n para el clculo

de los diferentes items de un determinado problema.
Nota importante 2: tener muy en cuenta el manejo de memorias normales y
acumulativas de una buena calculadora para el clculo de los diferentes items de
un determinado problema.
Problema 1: En el problema de los taxis consolidados desarrollado anteriormente,
suponga que no se pueden conseguir ms fondos para comprar nuevos
automviles. Un amigo aconsej al dueo que una forma de reducir el tiempo de
espera es que la oficina despachadora informe a los clientes nuevos de las
demoras excesivas potenciales, una vez que la lista de espera llegue a 6 clientes.
Se tiene la seguridad que con esta medida los clientes nuevos buscarn servicio
en otra parte, pero se reducir el tiempo de espera para los que hay en la lista de
espera. Investigar la plausibilidad del consejo del amigo.

TEORA DE JUEGOS
Tema III
La Teora de Juegos maneja situaciones de decisin en las que hay dos
oponentes inteligentes que tienen objetivos contrarios. Entre los ejemplos
caractersticos estn lanzamientos de campaas de publicidad para productos
que compiten, y la planeacin de estrategias blicas en los ejrcitos contrarios.
En un conflicto de juego hay dos oponentes, llamados jugadores, y cada uno
tiene una cantidad (finita o infinita) de alternativas o estrategias. Asociada con
cada par de estrategia hay una recompensa que paga el jugador al otro. A esos
juegos se les llama juegos entre dos jugadores con suma cero, porque la
ganancia de un jugador es igual a la prdida del otro. Si se presentan dos
jugadores con A y B, con m y n estrategias, respectivamente, el juego se suele
representar con la matrz de recompensa para el jugador A, es la siguiente:
B1

B2

..

Bn

A1

a11

a12

..

a1m

A2

a21

a22

..

a2m

am1

am2

.
.

Am

..

amn

La representacin indica que si A

usa la estrategia i y B usa la
estrategia j, la recompensa para A
es aij, y entonces la recompensa
par B es -aij

TEORA DE JUEGOS
JUEGOS DE DOS PERSONAS CON SUMA CERO Y SUMA CONSTANTE:
PUNTOS SILLA
A) Caractersticas de los juegos de dos personas con suma cero
1.- Hay dos jugadores: el jugador de filas y el jugador de columnas.
2.- El jugador de filas debe escoger una de m estrategias. En forma simultanea,
el jugador de columnas debe escoger una de n estrategias.
3.- Si el jugador de filas escoge su -sima estrategia y el de columnas su j-sima
estrategia, el de filas recibe una recompensa aij y el de columnas pierde una
cantidad aij. As, podemos pensar que la recompensa aij del jugador de filas
proviene del jugador de columnas.
Un juego de dos personas con suma cero tiene la propiedad que para cualquier
eleccin de estrategias, es cero la suma de la recompensas a los jugadores. En
n juego de suma cero, cada bolvar que gana un jugador proviene del bolsillo del
otro. Por eso los jugadores tienen intereses totalmente opuestos. Por lo mismo,
no puede haber cooperacin entre los dos jugadores.

TEORA DE JUEGOS
El caso de la teora de juegos que acabamos de analizar tiene la propiedad de
satisfacer la condicin de punto silla:
max (mnimo de filas)=min(mximo de columnas)
Cualquier juego entre dos personas con suma cero que cumpla con la relacin
anterior se dice que tiene un punto silla. Si un juego de dos personas con suma
cero tiene punto silla, el jugador de filas debe escoger cualquier estrategia (fila)
que alance el mximo del primer miembro de la relacin.
Uno se podra imaginar tambin que un punto silla es un punto de equilibrio en el
que ninguno de los jugadores puede beneficiarse a partir del cambio unilateral de
estrategia. As, un punto silla es estable porque ninguno de los jugadores tiene
incentivo alguno de alejarse de l.

TEORA DE JUEGOS
B) Caractersticas de los juegos de dos personas con suma constante
An si un juego de dos personas no tiene suma cero, las dos pueden estar
todava en conflicto total. Para ejemplarizar esto, veremos ahora juegos de dos
personas con suma constante.
Un juego con suma constante es aquel en que, para cualquier seleccin de
estrategias de ambos jugadores, la recompensa del jugador de filas y la de
jugador de columnas se suman para dar un valor constante c. Desde luego que
un juego de dos personas con suma cero es tan slo uno de dos personas con
suma constante en donde c=0. Un juego de dos personas con suma constante
mantiene caractersticas que el jugador de filas y el de columnas estn en
contraposicin total, porque un aumento unitario en la recompensa del jugador de
filas siempre ocasionar una disminucin unitaria en la recompensa del jugador
de columnas. En general, las estrategias ptimas y el valor mismo para un juego
de dos personas con suma constante se pueden calcular con los mismos
mtodos que se utilizaron para determinar las estrategias ptimas y el valor para
un juego de dos personas con suma cero.

TEORA DE JUEGOS
Ejemplo de juego de dos personas con suma constante
En el horario de 8 a 9 p.m., dos cadenas televisivas compiten por la audiencia de
100 millones se espectadores. La cadenas deben anunciar en forma simultanea
el espectculo que emitirn en ese horario. Las elecciones posibles de cada
cadena y el nmero de televidentes de la cadena 1, en millones aparecen en la
siguiente tabla. Tiene el juego punto silla? Cul es el valor del juego para la
cadena?
Cadena1

Cadena 2
Pel. oeste

Telenovela

Comedia

Mnimo
fila

Pelcula del oeste

35

15

60

15

Telenovela

45

58

50

45

Comedia

38

14

70

14

Mximo columna

45

58

70

SIMULACIN
Tema IV
La simulacin es una tcnica muy poderosa y ampliamente usada en las ciencias
administrativas, para analizar y estudiar sistemas complejos.
Se puede definir la simulacin como la tcnica que imita el funcionamiento de un
sistema del mundo real cuando evoluciona en el tiempo. Esto se hace , por lo
general, al crear un modelo de simulacin. Pero es importante destacar que la
simulacin no es una tcnica de optimizacin.
Terminologa Bsica
Sistema: Un sistema en un conjunto de entidades que actan e interactan para
la realizacin de un fin lgico.
Estado: El estado de un sistema es un conjunto de variables necesarias para
describir la condicin del sistema en un momento determinado.
Sistema Discreto: Es aquel en el cual las variables de estado cambian slo en
puntos discretos o contables en el tiempo

SIMULACIN
Sistema Continuo: Es aquel en el que las variables de estado cambian en forma
continua a travs del tiempo.
Modelo Esttico de Simulacin: Es una representacin de un sistema en
determinado punto del tiempo.
Modelo Dinmico de Simulacin: Es una representacin de cmo evoluciona
Un sistema a travs del tiempo.
Si bien la palabra simulacin tiene distintos significados, dependiendo de su uso,
en el terreno de los negocios normalmente se refiere a emplear una computadora
para hacer experimentos con un modelo de un sistema real. Algunos ejemplos de
otros tipos de simulacin son los simuladores de vuelos de aviones, video juegos
y la animacin con realidad virtual.
Adems, la simulacin es til para ensear a los administradores y a los
trabajadores cmo opera el sistema real, les demuestra los efectos de los
cambios en las variable y del sistema, cmo controlar el tiempo real y cmo
desarrollar ideas nuevas para manejar un negocio.

SIMULACIN
Cuando usamos un modelo de computadora, reducimos el sistema que
estudiando a una representacin simblica que corremos en ella. Si bien no
corresponde a este curso detallar los aspectos tcnicos de los modelos por
computadora, algunos que repercuten directamente en las simulaciones son:

Escoger el lenguaje de la computadora.

Hacer grficas de flujo.
Codificar.
Generar datos.
Hacer informes de resultados.
Validad.

As mismo, podemos clasificar los programas de simulacin como de propsito

general y de propsito especial. Los softwere de propsito general es realmente
lenguajes que permiten a los programadores crear sus propios modelos. Alguno
ejemplos son SLAM II, SIMSCRIPT II, SIMAN, GPSS/H y RESQ.

SIMULACIN
Los programas de softwere de simulacin para propsitos especiales son
creados para simular aplicaciones especficas; por ejemplo, MAP/1 y
SIMFACTORY.
VENTAJAS DE LA SIMULACIN

Crear el modelo de un sistema nos permite, generalmente, entender mejor

el sistema real.

En una simulacin podemos comprimir el tiempo; es decir, podemos

comprimir los muchos aos de experiencia del sistema real a unos cuantos
segundos o minutos.

La simulacin no interrumpe las actividades que estn desarrollando en el

sistema real.

La simulacin es mucho ms real que los modelos matemticos y la

podemos usar cuando las condiciones no son idneas para un anlisis
matemtico estndar.

Podemos usar la simulacin como un juego que brinda una experiencia

para la capacitacin.

La simulacin ofrece una rplica ms realista de un sistema que un anlisis

matemtico.

SIMULACIN

Podemos usar la simulacin para analizar condiciones transitorias, mientras

que las tcnicas matemticas normalmente no permite hacerlo.
En el mercado existen muchos paquetes estndar de modelos que abarcan
una amplia gama de temas.

DEVENJAS

Si bien podemos invertir mucho tiempo y esfuerzo para crear un modelo

para la simulacin, no existe garanta alguna de que ste, de hecho,
ofrezca buenas respuestas.

No hay manera de demostrar que el desempeo del modelo de simulacin

es fiable por completo. La simulacin entraa numerosas repeticiones de
secuencias, que estn basadas en ocurrencias generadas en forma
aleatoria. Un sistema aparentemente estable, dada la combinacin correcta
de hechos (aun cuando sea poco probable), puede explotar.

De acuerdo con el sistema que simularemos, la creacin de un modelo

simulado puede tomar desde una hora hasta 100 aos-hombre. Los
sistemas complicados pueden ser complicados y tomar mucho tiempo.

Tal vez se necesite mucho tiempo de computadora para correr modelos

complejos.