Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigacion de Operaciones Uc
Investigacion de Operaciones Uc
ASIGNATURA
INVESTIGACIN DE
OPERACIONES
(TEXTO UNIVERSITARIO)
VISIN
Ser una de las 10 mejores universidades
privadas del Per al ao 2020, reconocidos
por nuestra excelencia acadmica y vocacin
de servicio, lderes en formacin integral, con
perspectiva
global;
promoviendo
la
competitividad del pas.
MISIN
Somos una universidad privada, innovadora y
comprometida con el desarrollo del Per, que
se dedica a formar personas competentes,
ntegras y emprendedoras, con visin
internacional; para que se conviertan en
ciudadanos responsables e impulsen el
desarrollo de sus comunidades, impartiendo
experiencias de aprendizaje vivificantes e
inspiradoras; y generando una alta valoracin
mutua entre todos los grupos de inters.
pg. 2
INTRODUCCIN
pg. 3
NDICE
Pg.
INTRODUCCIN
INDICE
3
4
PRIMERA UNIDAD
Tema N 1: LA INVESTIGACIN DE OPERACIONES Y EL USO DE MODELOS
1.1 Los modelos
1.2 Qu es la investigacin de operaciones?
7
7
7
8
SEGUNDA UNIDAD
Tema N 2: PROGRAMACIN LINEAL
2.1 Introduccin.
2.2 Expresin matemtica
2.3 Modelo de Programacin Lineal
2.4 Forma estndar del modelo
2.5 Suposiciones del Modelo de Programacin Lineal
2.6 Modelos matemticos
2.7 Formulacin de modelos de programacin lineal
Casos de aplicacin
10
10
10
10
11
12
12
13
13
14
20
20
33
40
40
40
43
TERCERA UNIDAD
Tema N 5: MODELO DE TRANSPORTE
5.1 Problema de Transporte
5.2 Modelo general del problema de transporte
5.3. Mtodos para encontrar soluciones factibles
5.4 Mtodo de la esquina noroeste
5.5 Mtodo de aproximacin de Vogel
5.6 Modelos Balanceados y no balanceados
46
46
47
47
49
49
50
50
59
59
60
pg. 4
CUARTA UNIDAD
Tema N 7: ADMINISTRACIN DE PROYECTOS PERT/CPM
7.1 Introduccin
7.2 Procedimiento para trazar un modelo de red
7.3 Pasos en el planeamiento del proyecto del CPM
7.4 Utilidad de las tcnicas PERT y CPM
7.5 Programacin de proyectos
7.6 Ventajas del PERT y CPM
7.7 Pasos en el mtodo PERT (Program Evaluation and Review Technique)
7.8 Asignacin de tiempos
65
65
66
66
68
69
70
70
71
72
QUINTA UNIDAD
80
80
80
81
87
SEXTA UNIDAD
Tema N 9: TEORA DE DECISIONES
9.1 Introduccin
9.2 Toma de decisiones bajo incertidumbre
9.3 Caso de aplicacin: Criterios de decisin en incertidumbre
9.4 rboles de decisin
SEPTIMA UNIDAD
Tema N 10: CADENAS DE MARKOV
97
97
97
97
103
108
10.1 Introduccin
10.2 Caso de aplicacin
10.3 Formulacin de las Cadenas de Markov
114
114
114
114
114
REFERENCIAS BIBLIOGRFICAS
119
REFERENCIAS ELECTRNICAS
119
ANEXO
120
pg. 5
ICONOGRAFA DE TEXTO
pg. 6
PRIMERA UNIDAD
Tema N 1: LA INVESTIGACIN DE OPERACIONES Y EL USO DE
MODELOS
1.1 Los modelos
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.
1.1.1 Clasificacin de modelos
Se podra decir que un modelo de las ciencias fsicas es una traduccin de la realidad
fsica de un sistema en trminos matemticos, es decir, una forma de representar cada
uno de los tipos entidades que intervienen en un cierto proceso fsico mediante objetos
matemticos. Las relaciones matemticas formales entre los objetos del modelo, deben
representar de alguna manera las relaciones reales existentes entre las diferentes
entidades o aspectos del sistema u objeto real. As una vez "traducido" o "representado"
cierto problema en forma de modelo matemtico, se pueden aplicar el clculo, el lgebra
y otras herramientas matemticas para deducir el comportamiento del sistema bajo
estudio. Un modelo fsico requerir por tanto que se pueda seguir el camino inverso al
modelado, permitiendo reinterpretar en la realidad las predicciones del modelo. Los
modelos matemticos pueden clasificarse de la siguiente manera:
Adems con respecto a la funcin del origen de la informacin utilizada para construirlos
los modelos pueden clasificarse de otras formas, se distinguen modelos heursticos y
modelos empricos:
Modelos heursticos (del griego euriskein 'hallar, inventar'). Son los que estn
basados en las explicaciones sobre las causas o mecanismos naturales que dan
lugar al fenmeno estudiado.
pg. 7
Categoras por su aplicacin suelen utilizarse en las siguientes tres reas, sin embargo
existen muchas otras como la de finanzas, ciencias etc.
Control. Para saber con precisin como est algo en una organizacin,
investigacin, rea de operacin, etc.
pg. 8
pg. 9
SEGUNDA UNIDAD
Tema N 2: PROGRAMACIN LINEAL
2.1 Introduccin.
Se considera al desarrollo de la Programacin Lineal (PL) entre los avances cientficos
ms importantes de mediados del siglo XX. En la actualidad es una herramienta
comn que ha ahorrado miles o millones de dlares a muchas compaas y negocios,
incluyendo industrias medianas y pequeas en distintos pases del mundo. Cul es la
naturaleza de esta notable herramienta y qu tipo de problemas puede manejar?
Expresado brevemente, el tipo ms comn de aplicacin abarca el problema general
de asignar recursos limitados entre las distintas actividades de la mejor manera
posible (es decir, en forma ptima). La variedad de situaciones a las que se puede
aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de
instalaciones productivas a los productos, hasta la asignacin de los recursos
nacionales a las necesidades de un pas. No obstante, el ingrediente comn de todas
estas situaciones es la necesidad de asignar recursos a las actividades.
La programacin lineal utiliza un modelo matemtico para describir el problema. El
adjetivo lineal significa que todas las funciones matemticas del modelo deber ser
funciones lineales. En este caso, las palabra programacin no se refiere a
programacin en computadoras; en esencia es un sinnimo de planeacin. As, la
programacin lineal trata la planeacin de las actividades para obtener un resultado
ptimo, esto es, el resultado que mejor alcance la meta especificada (segn el modelo
matemtico) entre todas las alternativas de solucin.
2.2 Expresin matemtica
Cj,
pg. 10
xj =
cj =
bi =
aij =
pg. 11
0,
X2
0,
...,
Xn
0.
Divisibilidad
pg. 12
Modelos matemticos
pg. 13
Restricciones de balance de material: Estas son las restricciones que definen las
salidas de un proceso en funcin de las entradas, tomando en cuenta
generalmente cierto porcentaje de merma o desperdicio.
Debe definirse
simblicamente.
claramente
las
variables
de
decisin
expresarlas
pg. 14
CASO 2.
La Cmara de Industriales de la regin peridicamente
promueve servicios pblicos,
seminarios y programas. Actualmente los planes de promocin para este ao estn
en marcha. Los medios alternativos para realizar la publicidad as como los costos y
la audiencia estimados por unidad de publicidad, adems de la cantidad mxima de
unidades de publicidad en que puede ser usado cada medio se muestran a
continuacin.
Restricciones
Audiencia por unidad de publicidad
Costo por unidad de publicidad
Uso mximo del medio
Televisin
100.000
$ 2.000
10
Radio
18.000
$ 300
20
Prensa
40.000
$ 600
10
Para lograr un uso balanceado de los medios, la publicidad en radio no debe exceder
el 50% del total de unidades de publicidad autorizados. Adems la cantidad de
unidades solicitadas en televisin debe ser al menos 10% del total autorizado. El
presupuesto total para promociones se ha limitado a $18.500.
pg. 15
8-9
a.m.
9 - 10
a.m.
10 - 11
a.m.
11 12 m.
12 - 1
p.m.
1-2
p.m.
2-3
p.m.
3-4
p.m.
Cajeros
Requeridos
pg. 16
pg. 17
De Material : 2x1 + x2 6
De no negatividad x1 0 y x2 0
Recomendaciones finales.
Para formular un problema en forma matemtica, deben expresarse afirmaciones
lgicas en trminos matemticos. Esto se realiza cuando se resuelven problemas
hablados al estudiar un curso de lgebra. Algo muy parecido sucede aqu al formular
las restricciones. Por ejemplo, considrese la siguiente afirmacin: Para fabricar el
producto A se emplea 3 horas por unidad y para B se emplea 2 horas por unidad. Si
deben usarse todas las 100 horas- hombre, disponibles, la restriccin ser:
3A + 2B = 100
Sin embargo, en la mayora de las situaciones de negocios, no es obligatorio que se
usen todos los recursos (en este caso, horas de mano de obra). Ms bien la limitacin
es que se use, cuando mucho, lo que se tiene disponible. Para este caso, la afirmacin
anterior puede escribirse como una desigualdad:
3A + 2B 100
Para que sea aceptable para PL, cada restriccin debe ser una suma de variables con
exponente 1. Adems, la forma estndar para una restriccin pone a todas las
variables del lado izquierdo y slo una constante positiva o cero del lado derecho. Esto
puede requerir algn reacomodo de los trminos. Si, por ejemplo, la restriccin es que
A debe ser por los menos el doble de B, esto puede escribirse como:
A 2B
A - 2B 0
pg. 18
Z = 3A + 2B
Minimizar
Z = 3x1 + 2x2
Actividad
Formular los modelos de programacin lineal.
PROBLEMA N 01
Un herrero con 80 kgs. de acero y 120 kgs. de aluminio quiere hacer bicicletas de
paseo y de montaa que quiere vender, respectivamente a 2.000 y 1.500 Euros cada
una para sacar el mximo beneficio. Para la de paseo emplear 1 kg. De acero y 3 kgs
de aluminio, y para la de montaa 2 kgs. de ambos metales. Cuntas bicicletas de
paseo y de montaa vender?
PROBLEMA N 02
Un autobs Caracas-Maracaibo ofrece plazas para fumadores al precio de 100 euros y
a no fumadores al precio de 60 euros. Al no fumador se le deja llevar 50 kgs. de peso
y al fumador 20 kgs. Si el autobs tiene 90 plazas y admite un equipaje de hasta
3.000 kg. Cul ha de ser la oferta de plazas de la compaa para cada tipo de
pasajeros, con la finalidad de optimizar el beneficio?
PROBLEMA N 03
A una persona le tocan 10 millones de euros en una lotera y le aconsejan que los
invierta en dos tipos de acciones, A y B. Las de tipo A tienen ms riesgo pero
producen un beneficio del 10 %. Las de tipo B son ms seguras, pero producen slo el
7% anual. Despus de varias deliberaciones decide invertir como mximo 6 millones
en la compra de acciones A y por lo menos, 2 millones en la compra de acciones B.
Adems, decide que lo invertido en A sea, por lo menos, igual a lo invertido en B.
Cmo deber invertir 10 millones para que el beneficio anual sea mximo?
PROBLEMA N 04
Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La
empresa A le paga 5 euros por cada impreso repartido y la empresa B, con folletos
ms grandes, le paga 7 euros por impreso. El estudiante lleva dos bolsas: una para los
impresos A, en la que caben 120 y otra para los impresos B, en la que caben 100. Ha
calculado que cada da es capaz de repartir 150 impresos como mximo. Lo que se
pregunta el estudiante es: Cuntos impresos habr que repartir de cada clase para
que su beneficio diario sea mximo?
pg. 19
rea
pg. 20
y 3
y x 1
y 3 x 0
b) Indica si los puntos (0, 0), (2, 1) y (1, 2) forman parte de las soluciones del
sistema anterior.
Solucin:
y 3
Tomamos un punto cualquiera; por ejemplo el (1, 0), para comprobar cules
son los puntos que cumplen las desigualdades propuestas.
El recinto buscado es:
pg. 21
x 3 y 26
4 x 3 y 44
2 x 3 y 28
x 0
y 0
Solucin:
x 3 y 26 y 26 x
44 4 x
28 2 x
2 x 3 y 28 y
3
Se halla la regin que cumple las condiciones del problema, teniendo en cuenta
que: x 0 e y 0.
Representamos la direccin de las rectas z = x + y, dibujando la que pasa por
el origen de coordenadas: x + y = 0
4 x 3y 44
El punto M, interseccin de
es decir, M 8, 4, es el que proporciona
2x 3y 28
el mximo, que vale: z = 8 + 4 = 12
pg. 22
x 5 y 15
5 x y 15
x 0
y 0
La funcin que nos da el coste es z = 10x + 30y = 10(x + 3y).
Debemos hacer mnima esta funcin, sujeta a las restricciones anteriores.
Dibujamos el recinto correspondiente a las restricciones, y la recta 10(x + 3y) =
0
x + 3y = 0, que nos da la direccin de las rectas z = 10(x + 3y).
pg. 23
x 5y 15
El mnimose alcanzaen el punto de interseccin de
; es decir,en (2,5; 2,5).
5 x y 15
Por tanto, hay que comprar 2,5 de tipo I y 2,5 de tipo II. El precio en este caso
ser de z = 10(2,5 + 3x2,5) = 100 soles.
CASO 4.
Disponemos de 210 000 soles para invertir en bolsa. Nos recomiendan dos tipos de
acciones. Las del tipo A que rinden el 10% y las de tipo B que rinde el 8%. Decidimos
invertir un mximo de 130 000 soles en las de tipo A y, como mnimo, 6 000 soles en
las de tipo B. adems, la inversin en las del tipo A debe ser menor o igual que el
doble de la inversin en B.
Cul tiene que ser la distribucin de la inversin para obtener mximo inters anual?
Solucin:
Llamamos x al dinero que invertimos en acciones de tipo A e y al que invertimos
en las de tipo B. Resumimos los datos en una tabla:
x y 210 000
x 130 000
y 6 000
x 2y
x 0
y 0
La funcin que nos da el rendimiento total es:
z 0,1x 0,08y
1
10x 8y 2 5x 4y 1 5x 4y .
100
100
50
y la recta
1
5x 4y 0
50
1
5x 4y .
50
pg. 24
1
5 130000 4 80 000 19 400 euros.
50
CASO 5.
a) Representa el recinto que cumple estas restricciones:
x 3y 9
2 x y 8
x 0
y 0
b) Da tres puntos que sean solucin del sistema anterior.
Solucin:
x 3y 9
y 0
9x
3
y 8 2x
y
Tomamos un punto cualquiera, por ejemplo el (0, 0), para comprobar cules
son los puntos que cumplen las desigualdades propuestas.
El recinto buscado es:
pg. 25
X2
3 X1 +
4 X2
3 X1 +
X2
X1, X2
48 horas de trabajo
120 unidades de materia Prima
36 horas de supervisin.
0
B(8,24),
C(8/3,28)
Dos puntos extremos proporcionan el mximo valor del objetivo, los puntos A y
B. Esto permite afirmar que existen soluciones ptimas Alternas para este
modelo. Son ptimos todos los puntos sobre el segmento de lnea
AB que
limita el conjunto convexo de solucin y corresponden a la primera restriccin.
pg. 26
La ventaja que presentan los modelos con este Tipo de solucin es que se
puede elegir cualquiera de las soluciones ptimas, porque todas presentan el
mismo valor ptimo para el objetivo. Por ejemplo, si una de las soluciones tiene
valores fraccionales para las variables y no puede trabajarse con valores
fraccionales, el que toma la decisin seleccionar una solucin con valores
enteros.
Restriccin 1:
3 (8) + 1 ( 24) = 48
48 = 48
Se observa que se cumple como igualdad. Esto indica que con esa decisin
ptima se utiliza totalmente el monto mximo de horas de trabajo disponible
para la produccin.
Restriccin 2:
Cumple exactamente, es decir como una igualdad, indica que con esa decisin
ptima se utilizar totalmente el monto mximo disponible de Materia Prima.
48 > 36
Cumple como una desigualdad. Esto indica que con esa decisin ptima se utilizan
12 horas sobre el monto mnimo disponible de horas de supervisin. Se utilizan
48 horas.
pg. 27
Observe que si las variables X1 y X2 toman el valor mnimo que pueden tomar en
las dos ltimas restricciones, es decir X1 = 30 y X2 = 15 entonces la tercera
restriccin no se cumplira. Esto es una inconsistencia.
X2 3
X1, X2 0
pg. 28
No se definirn los elementos del modelo porque no habr una solucin para
tomar alguna decisin.
En el grfico, el conjunto convexo llamado regin solucin, que contiene todas las
soluciones posibles, es un espacio abierto.
(costos)
Sujeto a:
0.30 X1 + 0.20 X2
500 Protena
0.15 X1 + 0.30 X2
300 Grasa
X1, X2
El modelo es formulado para una guardera de perros que se destaca por dar
una alimentacin balanceada a las mascotas. El alimento lo elabora mezclando 2
marcas conocidas de alimentos que llamaremos X1 y X2. Se desea determinar
la cantidad de gramos de X1 y X2 a mezclar en el alimento, con el objetivo
establecido de minimizar los costos de la mezcla. Esta, debe contener al menos
500 gramos de protenas y al menos 300 gramos de grasa por da. Los
porcentajes de contenido de grasa y protena de cada gramo de X1 y X2 se
conocen y son usados en el modelo.
pg. 29
Pero, mientras exista al menos una combinacin con valor finito, en algn punto
extremo que limite el valor del objetivo, a esa combinacin se le considerar
ptima. En los casos de regin abierta de soluciones posibles, es conveniente
entonces encontrar el valor ptimo con el procedimiento de graficar la Funcin
Objetivo.
F.O.
(costos)
Sujeto a:
X+
300 X + 400 Y
10
Empleados temporales
3.400
cartas
80 X + 50 Y
680
paquetes
X, Y
El modelo es formulado por una oficina de correos que puede contratar hasta 10
empleados para manejar el correo. La oficina conoce que un empleado (hombre)
puede manejar 300 cartas y 80 paquetes por da y una empleada (mujer) puede
manejar 400 cartas y 50 paquetes en un da. No menos de 3.400 cartas y de 680
paquetes se esperan por da. A cada empleado hombre (X), se le paga $ 2.500 por
da y a una empleada mujer (Y) se le paga $ 2.200 por da.
pg. 30
Se observa una regin de soluciones posibles de un solo punto comn para todas las
restricciones y por lo tanto un nico punto extremo A.
Esto indica que existe una nica combinacin posible y adems ptima, de cantidad
de empleados X e Y que satisface las restricciones y optimiza el objetivo.
Conociendo la definicin del modelo, se plantean las siguientes consultas:
a) Qu representa el coeficiente de la variable Y en la Funcin Objetivo y en la
segunda restriccin?
b) Qu Tipo de solucin presenta el modelo?, Por qu? y Cmo se reconoce en el
grfico?
c) Cul es la solucin y la decisin que se recomendara con la solucin encontrada?
d) Analice las restricciones en el punto ptimo y presente la informacin que se
obtiene.
e) Qu efecto tendra, sobre la solucin ptima encontrada, un cambio en el
nmero de cartas esperadas. Suponga que cambia a 2.400. Explique y muestre
sobre el grfico.
Respuestas:
a)
b)
pg. 31
d)
Restriccin 1
X + Y 10
6 + 4 = 10 De esta manera se contrata el mximo de empleados que se
estaba dispuesto a contratar.
Restriccin 2
300 X + 400 Y
3400
680
pg. 32
Esto puede expandir el conjunto convexo o dejarlo igual. En este caso qued
igual. Esto se estudia ms detalladamente en Anlisis de Sensibilidad.
Actividad
3 x 2 y 2
x 0
y 0
2 x y 3
2x y 2
x 2y 4
x y 100
x 20
y 10
pg. 33
Variables de
la solucin
S1
S2
Z
C-Z
10
30
0
0
Variables de decisin
X
Y
S1
S2
4
6
1
0
8
4
0
1
0
0
0
0
10
30
0
0
Valores de
solucin
(LD)
12
16
0
0
pg. 34
12
16
2 (Mnimo)
4
6
4
C
Variables de
la solucin
0
0
S1
S2
Z
C-Z
10
30
0
0
Variables de decisin
X
4
8
0
10
Y
6
4
0
30
S1
1
0
0
0
S2
0
1
0
0
Valores de
solucin
(LD)
12
16
0
0
Variables de
la solucin
S1
S2
Z
C-Z
10
30
0
0
Variables de decisin
X
Y
S1
S2
4
6
1
0
8
4
0
1
0
0
0
0
10
30
0
0
Valores de
solucin
(LD)
12
16
0
0
2. Divdase cada valor del rengln pivote 1 entre el elemento pivote (6) y colquense
los valores en una nueva tabla.
C
0
Variables de
la solucin
Y
10
30
0
0
Variables de decisin
X
Y
S1
S2
2/3
1
1/6
0
Valores de
solucin
(LD)
2
a) Genrense los otros renglones para la siguiente tabla, de tal manera que los
elementos de la columna pivote sean iguales a cero.
Se empieza con el rengln S2, el cual tiene 4 en la columna de Y. Se multiplica
el nuevo rengln (del paso 2) por el negativo del valor que se desea convertir
(-4), y se suma al anterior rengln de S2. Se multiplica el nuevo rengln por -4.
el resultado se muestra en la siguiente tabla.
X
Y
S1
S2
-4(2/3) -4(1) -4(1/6)
El rengln del paso 2 se
-4(0)
multiplica por -4
Obtener el resultado
-8/3
-4
-2/3
0
Sumarlo al rengln de S2
8
4
0
1
Para obtener el nuevo
16/3
0
.2/3
1
rengln
El rengln obtenido se introduce a la nueva tabla del paso 2.
C
30
0
Variables de
la solucin
Y
S2
Z
10
30
0
0
Variables de decisin
X
Y
S1
S2
2/3
1
1/6
0
16/3
0
.2/3 1
(LD)
-4(2)
-8
16
8
Valores de
solucin
(LD)
2
8
pg. 35
30
0
Variables de
la solucin
Y
S2
Z
C-Z
10
30
0
0
Variables de decisin
X
Y
S1
S2
2/3
1
1/6
0
16/3
0
.2/3 1
20
30
5
0
-10
0
-5
0
Valores de
solucin
(LD)
2
8
60
Repetir los pasos anteriores hasta que todos los valores del rengln inferior
sean 0. Dado que todos los valores son 0, ha sido alcanzada la solucin
ptima. Las variables en la solucin son identificadas por las columnas en la
parte central de la tabla que tienen un 1, y el resto de los valores son cero. Los
valores solucin son datos en la columna del lado derecho, como se ve en la
siguiente tabla.
X
-
Y
1
0
-
S1
-
S2
0
1
-
(LD)
2
8
60
Por tanto,
X = no est en la solucin
Y = 2 unidades
Z = $60
Note que la variable de holgura asociada con la restriccin 2 tambin tiene un 1 y
ceros, lo cual significa que tiene holgura en la solucin y que la restriccin no se
agot. Entonces hay slo una variable de decisin (no holgura) en la solucin (Y) y
una restriccin agotada (nmero 1). Esto concuerda con el teorema fundamental de
programacin lineal, que establece que el nmero de variables de decisin (no
holgura) de la solucin siempre ser igual a nmero de restricciones que son
agotadas.
Actividad
Resolver mediante el mtodo simplex los siguientes casos:
1. Textil Donnell, produce dos modelos, Chompas y Sacones. El beneficio que arroja
cada chompa es de 40 S/. y cada sacn de 60 S/. El mercado puede adquirir
hasta 400 chompas/semana y hasta 300 sacones/semana y en total la planta
solo puede fabricar 600 unidades/semana.
pg. 36
Mquina 1
Mquina 2
Utilidad S/.
2.5
3.5
pg. 37
trabajo
por
Utilidad S/.
maz
trigo
40
30
pg. 38
14.En Justicia Paz y Vida de El Tambo, se van a construir casas de dos tipos: A y B.
La empresa constructora dispone para ello de un mximo de 1,8 millones de
soles, siendo el costo de cada tipo de casa de 30 y 20 mil soles respectivamente.
El Ministerio de Vivienda, por la normatividad de paisajismo y urbanismo exige
que el nmero total de casas no sea superior a 80. Sabiendo que el beneficio
obtenido por la venta de una casa de tipo A es 4 mil soles y de 3 mil soles por
una de tipo B.
pg. 39
La solucin ptima del problema dual aporta la solucin ptima del problema
original y viceversa.
Z = CX
sujeto a:
B
X 0
AX
Z = BW
sujeto a:
AW
W
C
0
El paso al dual se lleva a cabo teniendo presente las cuatro reglas siguientes:
a. Los coeficientes de la i-sima restriccin para el problema primal pasan a ser
los coeficientes de las variables Wi en las restricciones del problema dual. El
problema dual tiene tantas variables como restricciones hay en el primal.
b. Los coeficientes de las variables de decisin Xj en el problema primal pasan a
ser los coeficientes de la restriccin j-sima en el problema dual. El problema
dual tiene tantas restricciones como variables hay en el primal.
c. Los coeficientes de la funcin objetivo en el problema primal pasan a ser los
coeficientes del segundo miembro de las restricciones en el problema dual.
d. Los coeficientes del segundo miembro de las restricciones del problema primal
pasan a ser los coeficientes de la funcin objetivo del dual.
pg. 40
Maximizar :
sujeto a:
Z = 60 X1 + 30 X2 + 20 X3
48
4X1 + 2X2 + 1.5X3 20
2X1 + 1.5X2 + 0.5X3 8
X1, X2, X3 0
8X1 +
6X2 +
X3
Dual:
Minimizar
sujeto a:
Z = 48 W1 + 20 W2 + 8W3
60
6W1 + 2W2 + 1.5W3 30
W1 + 1.5W2 + 0.5W3 20
"
W1, W2, W3 0
8W1 + 4W2 +
2W3
j =1..naijxj
j =1..ncjxj
= bi
pg. 41
c1
x2
c2
..
..
xj
c1
..
..
xn
c1
Valores libres
de restricciones
duales
Variables duales
l
v
Coeficientes
a
restricciones duales 11
a12
..
a1j
..
a1n
b1
y1
a21
a22
..
a2j
..
a2n
b2
y2
am1
a22
..
a2j
..
a2n
bm
ym
Restr.
dual j
Nota: si consideramos los excesos y holguras las variables duales (yi) no tienen
restricciones de signo, en caso contrario en ambos problemas se considera variables
0. Por lo que las variables duales correspondientes a restricciones del tipo = deben ser
sin restricciones de signo, recprocamente cuando una variable en el primal no tiene
restriccin de signo, la restriccin correspondiente en el dual debe ser del tipo =.
Ejemplo
Sea Max z = 3x1 + 5x2
x1 + 10x2 < 80
2x1 + 3x2 < 45
4x1 - 2x2 < 25
3x2 <60
x1, x2 > 0
Aplicando las reglas y la nota:
1. Para cada restriccin primal (4 restricciones) existe una variable dual yi (4
variables) y1 y2 y3 y4, la funcin objetivo se construye con los valores libres bi
(80,45,25,60) como coeficientes de las variables yi.
2. Para cada variable primal xj (2 variables sin considerar las variables de
holgura) existe una restriccin dual (2 restricciones), la restriccin se
construye con los 4 coeficientes de las restricciones primales de esa variable.
Los valores libres son los 2 coeficientes cj (3, 5).
3. la optimizacin primal es una Maximizacin, el problema dual es una
Minimizacin y las restricciones son > .
Nota: No hemos considerado las variables de excesos ni holguras las variables
duales por lo que en ambos problemas se considera variables > 0, no existen
restricciones de =.
pg. 42
pg. 43
X0 = 30X1 + 18X2
200 (ensamblado)
2X1 + X2 160 (acabado)
X1, X2 0
Sujeta a:
3X1 + X2
Base
X0
X1
X2
X3
X4
Solucin
X0
18
2880
X3
-1
40
X2
160
pg. 44
Z = 2500Y1 + 3500Y2
50Y1 + 60Y2
2500
80Y1 + 60Y2
3000
100Y1 + 200Y2
Y1, Y2
7000
Es fcil observar que el problema se encuentra en forma del problema dual estndar.
a. Plantee el problema primario para el problema dual que se dio antes.
b. Cules son las unidades de medicin de las variables primarias?
c. Resuelva el problema utilizando el mtodo simplex. Por qu fue ms sencillo
resolver el problema primario que el dual?
d. Utilizando el problema primario ptima, determine el valor ptimo para las variables
duales de decisin para el problema de la GRANDE.
e. Qu significado tienen las variables primarias en el problema de la GRANDE?
pg. 45
TERCERA UNIDAD
Tema N 5: MODELO DE TRANSPORTE
5.1 Problema de Transporte
En esta unidad presentaremos dos aplicaciones importantes de la programacin lineal
que son el modelo de transportes y el de asignacin de recursos. Aun cuando la
solucin de estos modelos puede obtenerse aplicando el mtodo simplex, se estudian
algoritmos especiales para la solucin de estos problemas.
Debido a su estructura especial, hace posible hace posible mtodos de solucin ms
eficientes en trminos del clculo.
La programacin lineal es un campo tan amplio que se extiende a subclases de
problemas para los cuales existen mtodos de solucin especiales. Una de estas
subclases se conoce como problemas de transporte. El mtodo smplex de
programacin lineal, puede servir para resolver estos problemas. Pero se han
desarrollado mtodos ms sencillos que aprovechan ciertas caractersticas de los
problemas. Entonces, el mtodo del transporte son slo tcnicas especiales para
resolver ciertos tipos de problemas de programacin lineal.
El transporte desempea un papel importante en la economa y en las decisiones
administrativas. Con frecuencia la disponibilidad de transporte econmico es crtica
para la sobre-vivencia de una empresa.
Qu significa problema de transporte? Supngase que un fabricante tiene tres
plantas que producen el mismo producto. Estas plantas a su vez mandan el producto a
cuatro almacenes. Cada planta puede mandar productos a todos los almacenes, pero
el costo de transporte vara con las diferentes combinaciones. El problema es
determinar la cantidad que cada planta debe mandar a cada almacn con el fin de
minimizar el costo total de transporte.
La manera ms fcil de reconocer un problema de transporte es por su naturaleza o
estructura
de-hacia: de un origen hacia un destino, de una fuente hacia un usuario, del
presente hacia el futuro, de aqu hacia all. Al enfrentar este tipo de problemas, la
intuicin dice que debe haber una manera de obtener una solucin. Se conocen las
fuentes y los destinos, las capacidades y demandas y los costos de cada trayectoria.
Debe haber una combinacin ptima que minimice el costo (o maximice la ganancia).
La dificultad estriba en el gran nmero de combinaciones posibles.
Puede formularse un problema de transporte como un problema de
programacin lineal y aplicarse el mtodo smplex. Si se hiciera, se encontrara que los
problemas de transporte tienen caractersticas matemticas nicas. Para visualizar
esto, considrese el siguiente ejemplo:
El problema
Suponga que una compaa tiene m plantas de produccin (i), de capacidad ai (i =
1..m) y n almacenes de distribucin (j), con demanda bj (j=1..n). El costo de
transporte entre la planta i y el almacn es conocido como cij.
El problema es determinar la cantidad (xij) que debe suministrar la planta i al almacn
j, de tal manera que el costo de transporte total sea mnimo. Las consideraciones de
costos de produccin e inventario se pueden incorporar al modelo bsico.
El modelo tpico tiene cuatro componentes:
pg. 46
Un conjunto de m fuentes
Un conjunto de n destinos
iS j
cijxij
Sujeto a:
S j xij = ai (fuentes i = 1..m)
S i xij = bj (destinos j = 1..n)
xij 0
pg. 47
si
i 1
dj
j 1
pg. 48
Demanda
10
10
pg. 49
DIF.
2 0
10
Demanda
DIF.
2 0
1
1
10
DIF.
2 0
3 0
8
3
10
Demanda
4 1
DIF.
2 0
3
2
1
1
10
2
1
pg. 50
Como siguiente paso deberamos calcular las nuevas diferencias de columnas, pero ya
que solamente queda un rengln dentro de las posibilidades (sto no significa que
solamente un rengln quede bajo consideracin ya que podemos observar que
ninguna de las cuatro columnas (destinos) ha sido eliminada y todas quedan todava
bajo consideracin), no es posible encontrar la diferencia aritmtica entre el costo
menor y el que le sigue, por lo tanto vamos tomando una a una las celdas que quedan
comenzando con la de menor costo unitario hasta que todas hayan sido asignadas.
Recursos DIF.
5
0
1 1
2 0
3 0
8
3
10
Demanda
DIF.
3 0
4 1 0
2 0
1 0
1
3
4
10
2
1
x11
c11
(3)
x12 c12
+
(7) +
x13
c13
(6)
x14 c14
+
(4) +
x23 c23
2
(3) +
x32
3
c32
(3) = 35
Es necesario aclarar que sta puede o no ser la solucin final del problema, es
necesario aplicar a esta primera solucin factible la prueba de optimalidad ya que
puede existir una mejor poltica de transporte que minimice todava ms el costo
total.
5.6 Modelos Balanceados y no balanceados
Un modelo de transporte se llama balanceado cuando:
S i ai = S j b
Esto significa que la suma de los suministros de todas las plantas debe ser igual a la
suma de las demandas de todos los almacenes.
Sin embargo en problemas de la vida real, esta igualdad rara vez se satisface.
Lo que se hace entonces es balancear el problema.
Si los requerimientos exceden a los suministros, se agrega una planta ficticia, que
suministrar la diferencia.
El costo de transporte desde la planta ficticia hacia cualquier almacn es cero.
Recprocamente, si los suministros exceden a los requerimientos, se agrega un
almacn ficticio que absorber el exceso.
El costo unitario de transporte desde las plantas al almacn ficticio es cero.
pg. 51
Actividad
a.
Destino
Oferta
TM
Origen I
200
Origen II
300
Origen III
400
150
250
500
Demanda TM
b.
Destino
Oferta
Kg.
Origen 1
50
Origen 2
200
Origen 3
250
200
150
150
Demanda Kg.
c.
Destino
Oferta
m3
Origen
10
200
Origen
11
300
Origen
10
14
450
100
150
400
300
Demanda m3
pg. 52
Oferta
TM
Origen I
1000
Origen II
2000
Origen III
1500
2000
1500
1000
Demanda TM
TM
Origen I
600
Origen II
120
Origen III
200
100
150
60
Demanda TM
f.
Oferta
Oferta
TM
Origen I
25
Origen II
35
Origen III
50
40
30
60
Demanda TM
Tienda A
Tienda B
Tienda C
Fbrica I
Fbrica II
pg. 53
Mercado
2
Mercado
3
Almacn A
10
15
20
Almacn B
15
10
10
Utilizando el mtodo matriz mnima, determine el transporte para que el costo sea
mnimo.
3. Una compaa tiene tres Plantas (A, B y C) para fabricar bebidas gaseosas BIG KOLA,
y dispone de tres distribuidores mayoristas para la venta (D, E y F). Las cantidades
producidas por A, B y C son 1.000, 5.000 y 4.000 litros por da respectivamente. La
mxima cantidad que puede vender el almacn D es 3000 litros/da, E es 6000
litros/da y F es 7000 litros/da. Los costos de transporte de cada fbrica a cada
distribuidor mayorista estn dados en la siguiente tabla:
Demanda
D
Planta A
Planta B
Planta C
Determine la cantidad a transportar desde los orgenes a los destinos para que el
costo sea mnimo.
4. SEDAM
Huancayo SA. tiene que distribuir el agua de tres pozos
localidades. La tabla de costos de distribucin de cada m3 es la siguiente:
entre tres
OFERTA
LOCALIDADES
(m3/da)
Pozo I
10
40
Pozo II
12
30
Pozo III
45
DEMANDA (m3/da)
55
40
60
Determine la distribucin del agua para cada una de las localidades de modo que el
costo sea el mnimo.
5. Una empresa de electricidad ElectroSURMEDIO SA. tiene 4 plantas termoelctricas que
son abastecidas por 3 minas de carbn. La oferta total de carbn de las minas es igual
a los requerimientos totales de las plantas termoelctricas. Existe un costo de
transporte de una unidad desde cada mina a cada planta. En la tabla que se muestra a
continuacin se indican la oferta disponible, los requerimientos y los costos de
transporte por unidad.
pg. 54
PLANTA
Oferta
Mina X
14
Mina Y
15
Mina Z
17
Demanda
11
17
12
Actividad
PROBLEMAS PROPUESTOS
1.
Una empresa KINGTEX S.A. produce 120 unidades del producto A y 360 unidades
del producto B cada da. Estos productos han de someterse a control de calidad,
siendo la capacidad de control de 200 unidades al da. El producto A se vende en
el mercado a un precio 4 veces superior al precio del producto B. Determnese la
produccin de la empresa que hace posible maximizar el beneficio.
2.
CEPER PIRELLI SA. fabrica cable elctrico de alta calidad usando dos tipos de
aleaciones metlicas, M y N. La aleacin M contiene un 80% de cobre y un 20%
de aluminio, mientras que la N incluye un 68% de cobre y un 32% de aluminio. La
aleacin M tiene un precio de 80 euros por tonelada, y la N, 60 euros por
tonelada. Cuales son las cantidades que Pedro Prez debe usar de cada aleacin
para producir una tonelada de cable que contenga al menos un 20% de aluminio y
cuyo costo de produccin sea el menor posible?
SAN FERNANDO S.A. posee 200 cerdos que consumen 90 lb. de comida especial
todos los das. El alimento se prepara como una mezcla de maz y harina de soya
con las siguientes composiciones:
3.
Calcio
Protena
Fibra
Costo ($/lb)
Maz
0.001
0.09
0.02
0.20
Harina de soya
0.002
0.60
0.06
0.60
pg. 55
CATALINA HUANCA SAC fabrica dos tipos de joyas. Las del tipo A precisan 1 g
de oro y 1,5 g de plata, vendindolas a 40 euros cada una. Para la fabricacin de
las de tipo B emplea 1,5 g de oro y 1 g de plata, y las vende a 50 euros. El
orfebre tiene solo en el taller 750 g de cada uno de los metales.
Cuntas joyas se han de fabricar de cada clase para obtener un beneficio
mximo?
5.
6.
7.
SOL DE PIURA EIRL. elabora dos tipos de sombreros. Cada sombrero del primer
tipo requiere dos veces ms tiempo de mano de obra que un producto del
segundo tipo. Si todos los sombreros son exclusivamente del segundo tipo, la
compaa puede producir un total de 500 unidades al da. El mercado limita las
ventas diarias del primero y segundo tipos a 150 y 200 unidades. Supngase que
la ganancia que se obtiene por producto es $8 para el tipo 1 y $5 para el tipo 2.
Determine el nmero de sombreros de cada tipo que deben elaborarse para
maximizar la ganancia.
8.
CAPACIDAD DISPONIBLE
40 unidades
II
60 unidades
III
90 unidades
PRODUCTOS
VENTAS POTENCIALES
(Unidades)
30
40
70
40
60
pg. 56
Producto
20
19
14
21
16
II
15
20
13
19
16
III
18
15
18
20
Fabrica
y Cul es el
10. PEPE DIAZ SRL. produce tres modelos (I, II y III) de cierto producto. El utiliza dos
tipos de materia prima (A y B), de los cuales se dispone de 4000 y 6000 unidades,
respectivamente. Los requisitos de materias primas por unidad de los tres
modelos son:
Requisitos por unidad
del modelo dado
Materia prima
II
III
El tiempo de mano de obra para cada unidad del modelo I es dos veces mayor
que el del modelo II y tres veces mayor que el del modelo III. Toda la fuerza de
trabajo de la fbrica puede producir el equivalente de 1500 unidades del modelo I.
Un estudio del mercado indica que la demanda mnima de los tres modelos es
200, 200 y 150 unidades, respectivamente. Sin embargo, las razones del nmero
de unidades producidas deben ser iguales a 3:2:5. Supngase que la ganancia por
unidad de los modelos I, II y III es $30, $20 y $50, respectivamente. Formule el
problema como un modelo de programacin lineal para determinar el nmero de
unidades de cada producto que maximizarn la ganancia.
pg. 57
Capacidad de peso
(toneladas)
Capacidad
de espacio
(pies cbicos)
Delantero
12
7000
Central
18
9000
Trasero
10
5000
Peso
(toneladas)
Volumen
(pies cbicos/tonelada)
Ganancia
($/tonelada)
20
500
320
16
700
400
25
600
360
13
400
290
OFERTA
DE
MOTOS
CIUDAD
DEMANDA
DE
MOTOS
Bogot
35
Cartagena
30
Medelln
60
Cali
45
Barranquilla
25
Montera
25
Pasto
20
Cartagena
Cali
Montera
Pasto
Bogot
50
30
60
70
Medelln
20
80
10
90
100
40
80
30
DE
Barranquilla
pg. 58
Asignacin
Unidades de un bien
m orgenes
m recursos
n destinos
n actividades
si recursos en el origen i
Demanda dj en el destino j
Costo cij por unidad distribuida
desde el origen i al destino j
Ganancia Z
Costo
por
unidad
distribuida Cantidad
consumo de recursos por unida de recursos
actividad
dispon
de
Destino Actividad
1
...
Recursos
c11
c12
...
c1n
s1
Origen
c21
c22
...
c2n
s2
Recurso
cm1
cm2
cmn
sm
...
pg. 59
d1
d2
...
dn
Contribucin
a
Z
por
unidad
de
actividad
Paso 2: (En algunos pocos textos este paso se atribuye a Flood). Consiste en
trazar el nmero mnimo de lneas (horizontales o verticales o ambas
nicamente de esas maneras) que se requieren para cubrir todos los ceros en
la matriz de costos reducidos; si se necesitan m lneas para cubrir todos los
ceros, se tiene una solucin ptima entre los ceros cubiertos de la matriz. Si se
requieren menos de m lneas para cubrir todos los ceros, se debe continuar con
el paso 3. El nmero de lneas para cubrir los ceros es igual a la cantidad de
asignaciones que hasta ese momento se pueden realizar.
Notas:
pg. 60
OPERARIOS
MAQUINAS
1
Antonio
10
14
16
13
Bernardo
12
13
15
12
Carlos
12
12
11
Diego
14
13
18
16
10
14
16
13
12
13
15
12
12
12
11
14
13
18
16
pg. 61
En la matriz anterior trazamos el menor nmero de lneas (3), de manera tal que cubran todos los
ceros (Mtodo de Flood):
En la matriz anterior trazamos el menor nmero de lneas (3), de manera tal que cubran todos los
ceros (Mtodo de Flood):
Solucin Optima Unica:A-1, B-4, C-3 y D-2.Lo anterior quiere decir que Antonio va a laborar en la
mquina 1 (10 horas), Bernardo en la mquina 4 (12 horas), Carlos va a trabajar en la mquina 3 (12
horas) y Diego en la mquina 2 (16 horas).
La combinacin ptima de los recursos para este problema de minimizacin de asignacin es de 50
horas, resultantes de adicionar las asignadas a cada uno de los operarios en cada una de las
mquinas. Dicho valor corresponde al valor ptimo de la funcin objetivo.
pg. 62
Actividad
1. Una fbrica dispone de cuatro obreros para completar cuatro trabajos. Cada obrero
slo puede hacer uno de los trabajos. El tiempo que requiere cada obrero para
completar cada trabajo se da a continuacin:
Tiempo
requerido por
obreros
Trabajo 1
Trabajo 2
Trabajo 3
Trabajo 4
Obrero 1
14
Obrero 2
12
Obrero 3
Obrero 4
10
pg. 63
4. Una empresa tiene un trabajo compuesto de 5 mdulos para ser desarrollado por 5
programadores, se desea que cada mdulo sea desarrollado por un solo programador
y que cada programador desarrolle un solo mdulo. Debido a los diferentes grados de
dificultad de los mdulos y a las diferencias individuales de los programadores, el
tiempo (en das) que ellos emplean es diferente y se da en la siguiente tabla:
MODULOS
PROGRAMADORES
A
Modulo 1
Modulo 2
Modulo 3
Modulo 4
Modulo 5
pg. 64
CUARTA UNIDAD
Tema N 7: ADMINISTRACIN DE PROYECTOS PERT/CPM
7.1 Introduccin
En muchas situaciones los administradores son responsables de planear, programar y
controlar proyectos compuestos de numerosas actividades, tareas,
y complejos
procesos. Estos pueden variar en un rango de menor a mayor complejidad en
relacin directa al monto de la inversin, en esta ltima se hace difcil coordinar la
duracin, su presupuesto, la precedencia todas las actividades.
La existencia de mtodos cuantitativos muy relacionados entre si como el PERT y el
CPM asisten eficazmente al administrador de proyectos. En esa oportunidad la
variedad de las utilidades de estas dos tcnicas solo se estudiaran aquellas orientados
a la mercadotecnia como:
-
pg. 65
Si suponemos ahora que las actividades A y B deben ser terminadas antes que una
actividad C pueda comenzar, la malla del proyecto queda como se muestra en la
figura2. En este caso, el nodo representa que las actividades A y B se han terminado,
adems del inicio de la actividad C. Si la actividad A fuera predecesora de las
actividades B y C, la red quedara como se muestra.
A y B predecesoras de C
pg. 66
pg. 67
pg. 68
Actividad
Descripcin
Actividades
Precedentes
Duracin
------
------
A,B
12
Establecer el presupuesto
Finalizar el diseo
D,E
15
Obtener financiamiento
12
Contratar al constructor
F,G
pg. 69
pg. 70
pg. 71
La ventaja de tener tres estimaciones de los tiempos de cada actividad es que puede
calcularse la dispersin de los tiempos y puede utilizarse esta informacin para
evaluar la incertidumbre de que el proyecto se termine de acuerdo con el programa.
Clculos bsicos:
La siguiente parte del proceso, que es la determinacin de los tiempos en
cada actividad.
Lo primero que tendramos que hacer es calcular el tiempo ms temprano de iniciacin
de cada actividad (ES), que esta determinado por el tiempo de terminacin de las
actividades predecesoras a esta.
pg. 72
pg. 73
mquinas que
experiencia con
actividades de
de tiempo para
El procedimiento para efectuar clculos de camino crtico para la red del proyecto de
mantenimiento es el mismo que utilizamos para determinar el camino crtico en las
redes tanto para el proyecto de expansin del Western Hills Shopping Center como
para el proyecto Porta-Vac. Efectuando los clculos de pase hacia adelante y pase
hacia atrs de la red obtuvimos el programa de actividades que aparece en la tabla.
Los tiempos de holgura cero, y por lo tanto el camino crtico, quedaron asociados con
las actividades A-B-E. La duracin del camino crtico, y por lo tanto el tiempo total
requerido para finalizar el proyecto, es de 12 das.
pg. 74
Actividad
PROBLEMAS PROPUESTOS DE PROGRAMACIN DE PROYECTOS
1. Corporacin de Alimentos S.A. fabrica y distribuye diversos productos alimenticios
pg. 75
Descripcin
Precedente
Tiempo
esperado
Seleccionar proveedor
A, B
Disear nueva
almacn
Acondicionar el almacn
D, F, G
Instalar sistema
D, F
Probar el sistema
I, J
disposicin
fsica
del
Precedente
Duracin (das)
10
D, E, F
A, B
16
10
12
A, B
15
C, G
Se desea conocer:
a. Grfico de las actividades
b. Las actividades crticas (camino crtico)
c. Puede asegurarse en las condiciones actuales terminar el proyecto en 42
das?
d. A su criterio que debera realizarse para cumplir con el plazo previsto?
pg. 76
Actividad
Descripcin
Precedente
Duracin
(das)
12
Contratar vendedoras
Instruir vendedoras
13
17
Fabricar etiqueta
14
H, J
15
Seleccionar distribuidores
13
C, K
11
I, L
Se desea conocer:
a. Cual es el menor nmero de das, necesarios para introducir al mercado el
nuevo producto?
b. Si se contratara vendedoras con experiencia y se elimina la actividad de
instruccin Qu sucedera con el plazo
mnimo de terminacin del
proyecto?
4. Antes de poder introducir un nuevo producto al mercado se deben realizar todas las
Actividad
Descripcin
Predecesores
10
Estudio de mercado
Recibir materiales
Construir prototipo
A, D
Desarrollo y promocin
Produccin masiva
G, F
pg. 77
5.
Una empresa de micro finanzas de la ciudad de Huancayo desea abrir otra sucursal
en la ciudad de Ayacucho, la junta de accionistas ha puesto un plazo inflexible de 24
semanas para la apertura. El grupo analistas de sistemas y operaciones esta a
cargo de la planeacin, programacin y control de este proceso, cuidando de que
todo se desarrolle de acuerdo a lo planeado y que se cumpla con el plazo previsto.
La nueva sucursal es casi difcil aunque hay relativa experiencia en apertura de
otras sucursales, esta es sui gneris ya que se prev darle mayor autonoma
para tratar de ser centro de operaciones de otras sucursales que tambin
planean abrir en Andahuaylas, Puno y Cuzco.
Se debe elegir entre:
-
Pasos a seguir:
Debe efectuarse un listado de actividades (no tareas) necesarias del proyecto,
estableciendo la relaciones de precedencia correspondiente.
pg. 78
Descripcin
Precedente
Tiempo
(semanas)
Crear
el
plan
organizacin
financiero
A, C
Determinar personal
sede
Probar sistemas y
financieros con central
H, E, G
de
trasladar de
hacer
ajustes
pg. 79
QUINTA UNIDAD
Tema N 8: SISTEMA DE LNEA DE ESPERA
La teora de lneas de espera se origino en los trabajos de A. K. Erlang que
principiaron eh 1909. Experimento con un problema relacionado con la congestin del
trafico telefnico. Durante los periodos ocupados, los que pretendan hacer llamadas
sufran algunas demoras, porque las operadoras eran incapaces de atender las
llamadas con la rapidez con que se hacan. El problema original que trato Erlang fue el
calculo de esa demora para una operadora, y en 1917 los resultados se extendieron al
caso de varias operadoras. En ese ao Erlang public su obra muy conocida, Solutions
of Some Problems in the Theory of Probabilities of Significance in Automatic Telephone
Exchanges. Los adelantos en el campo del trafico telefnico continuaron generalmente
en el sentido iniciado por Erlang, y las publicaciones principales fueron las de Molina
en 1927 y de Thornton D. Fry en 1928, pero solo fue hasta el fin de la Segunda
Guerra Mundial cuando esos trabajos se extendieron a otros problemas relacionados
con lneas de espera. Inicialmente, este capitulo se concentrara en las derivaciones
matemticas de las formulas de un problema de lneas de espera de un solo canal. Los
, modelos matemticos para problemas de lneas de espera de canales mltiples, se
darn sin ninguna prueba matemtica. Se presentara el mtodo de Montecarlo, que
bsicamente es una tcnica de simulacin en la que se crean funciones estadsticas de
distribucin, usando una tabla de nmeros aleatorios. Se empleara para resolver
problemas de lneas de espera de un solo canal y de canales mltiples,
8.1 Modelo de formacin de colas.
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 por que 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 mas 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, por que 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 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.
pg. 80
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
Objetivos de la Teora de Colas
Los objetivos de la teora de colas consisten en:
pg. 81
pg. 82
pg. 83
Ws Wq
Ls Ws
Lq Wq
Ls Lq
2
( )
2 2 2
M/G/1: Lq
2(1 )
2
M/D/1: Lq
2(1 )
2 (k 1)
M/Ek/1: Lq
2k (1 )
M/M/1: Lq
pg. 84
P0
M/M/s:
s s 1 n
s! s n 0 n!
Lq
s
P0
( s 1)!( s ) 2
3
Lq
4 2
M/M/2 y M/M/3:
Lq
4
(3 )(6 4 2 )
M/D/s
M/Ek/s
Costos
Costo
total
Costo del
servicio
Costo de
espera
Caractersticas claves.
Tasa ptima
Tasa de
de servicio
servicio
pg. 85
pg. 86
pg. 87
= factor de utilizacin
En estas definiciones, todos los promedios son para estado estable donde = / <1,
si >1 es fcil ver porqu no puede existir distribucin de estado estable.
Supongamos =6 clientes por hora y que = 4 clientes por hora. Aun si el
despachador estuviera trabajando todo el tiempo, slo podra atender a 4 clientes por
hora. As, el nmero promedio de clientes en el sistema crecera al menos en 6 4 =2
clientes por hora. Esto significa que despus de mucho tiempo, el nmero de clientes
que hay explotara y no podra existir distribucin de estado estable. Entonces para
cualquier sistema de colas en el que exista una distribucin de estado estable, se
cumplen las siguientes ecuaciones
L= W;
Lq = W q;
Ls = Ws
EJEMPLO 2
A un cajero para automovilistas, 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 siguientes preguntas.
a) Cul es la probabilidad de que el cajero se encuentre vaco?
b) Cul es el nmero promedio de automviles que esperan en la cola su turno?,
se considera que un vehculo que est ocupando el cajero, no est en la cola
esperando.
c) Cul es el tiempo promedio que un cliente pasa en el estacionamiento del
banco, incluyendo el tiempo en el servicio?
d) En promedio, Cuntos clientes por hora sern atendidos por el cajero
automtico?
Solucin:
Identificamos el modelo M/M/1/DG//, ya que no especifica la cantidad de clientes
en el sistema ni la poblacin asumimos infinito, y se coloca una disciplina general.
Identificamos = 10 vehculos/hora y =4 minutos/hora, lo primero que hay que
fijarse es que no estn en las misma unidades entonces la colocamos en vehculos
por hora si atiende 1 vehculo en 4 minutos entonces atender 15 en una hora por lo
tanto =15 vehculos/hora. RECORDARSE SIEMPRE EN LAS MISMA UNIDADES.
a. La probabilidad de que el cajero se encuentre vaci es Po = 1-
pg. 88
pg. 89
=10 pasajeros/minuto
=/=10/12=0.833
vaci)
=12 pasajeros/minuto
Po=1-0.833=0.17 (probabilidad de que este
c.
MODELO M/M/1/DG/m/
Este sistema es parecido al anterior con la variante que tiene una capacidad total de
m clientes, y cuando existen estos m clientes, todas las llegadas se regresan y el
sistema las pierde para siempre. Este nmero mximo de clientes es una constante y
varia segn el libro que se utiliza c,m, etc.
En este modelo de capacidad finita, llega
un promedio de Pm, de esas llegadas encuentran al sistema lleno a toda capacidad y
se van. Por lo tanto, en realidad entrar al sistema un promedio de =(1-Pm)
llegadas por unidad de tiempo. En este modelo existir estado estable an si > Esto
se debe que aun cuando >, la capacidad finita de m en el sistema evita que
explote el nmero de personas en la cola.
EJEMPLO 5
En una peluquera hay un peluquero y un total de 10 asientos. Los tiempos de llegada
tienen distribucin exponencial, y llega un promedio de 20 clientes posibles por hora.
Los que llegan cuando la peluquera esta llena no entran. El peluquero tarda un
promedio de 12 minutos en atender a cada cliente. Los tiempos de corte de pelo
tienen distribucin exponencial.
a) En promedio Cuntos cortes de pelo har el peluquero?
b) En promedio Cunto tiempo pasar un cliente en la peluquera, cuando entra?
Solucin
Identificacin del modelo M/M/1/DG/10/
a) Una fraccin de P10 de las llegadas encuentra que la peluquera esta llena. Por
lo tanto, entrar a ella un promedio de (1-P10) por hora. Todos los clientes que
desean que se les corte el cabello, y por lo tanto, el peluquero har un
promedio de (1-P10) cortes por hora.
m=10, =20 clientes por hora y =5 clientes/hora. Entonces =20/5=4
pg. 90
1 n
Donde n=1,2,....m
Pn
m 1
1
Sustituyendo datos P10=0.75
As, los cortes de pelo son en promedio 20(1-0.75) = 5 cortes/hora.
b) Para calcular W=L/((1-Pm))
1 m 1 m m m1 41 10 1410 10 4101
9.67clientes
1 m1 1
1 4101 1 4
W=9.67/(20(1-0.75))=1.93 horas.
EJERCICIOS RESUELTOS
Problema 1
M/M/1/
Suponga que un cajero bancario puede atender a los clientes a una velocidad
promedio de diez clientes por hora. Adems, suponga que los clientes llegan a la
ventanilla del cajero a una tasa promedio de 7 por hora. Se considera que las llegadas
siguen la distribucin Poisson y el tiempo de servicio sigue la distribucin exponencial.
Realice un anlisis acerca de la situacin actual del Banco.
Solucin:
=10 clientes/hora
=7 clientes/hora
k=1
=/=7/10=0.7
Po=1-0.7=0.3
Ls
7
7
2.33
10 7 3
Lq
2
72
1.63
( ) 10(10 7)
Ws
1
1
1
0.33
10 7 3
Wq
0.233
( ) 10(10 7)
Segn los datos obtenidos el sistema esta ocupado el 70% del tiempo, vaco el 30%
en promedio hay 2.33 unidades en el sistema y 1.63 en la cola con un tiempo en el
sistema de 1/3 hora = 20 minutos y un tiempo en la cola de 0.233 horas = 14
minutos.
pg. 91
Problema 2. M/M/K/
Suponga que se coloca un segundo cajero bancario en el problema antes descrito.
Qu tanto se mejorar el servicio?. De sus conclusiones y recomendaciones para el
Banco.
Solucin:
S=k=2 nmero de servidores
0.35
k 2(10)
Po
1
0
7
7 7
10 10 10
0!
1!
2!
Ls
1
0.48148
1 0.7 0.3769
10(2)
10(2) 7
7(10)(7 / 10) 2
(0.48148) 7 / 10 0.7977
(2 1)!(2(10) 7) 2
pg. 92
100
1
50k
=100/2(50)=1
2
1
k
k2
2 , 3, 4....
pero 1
Aunque se realice el clculo con k=2 los datos generados serian incoherentes.
Se deja al estudiante que lo compruebe.
Con K=3
=100/3(50) =2/3 =0.667
Po
B
1
A B
1 2 2 5
0!
1!
2!
n 0
2
4
3!
50(3) 100
Po
1
1
0.111
54 9
Ls
(100)(50)(100 / 50) 3
26
(1 / 9) (100 / 50)
2.89
2
9
3 1!(3(50) 100)
Problema 4. M/M/1/m
Hay un promedio de 40 automviles por hora, con tiempos exponenciales entre
llegadas, que desean que se les atienda en la ventanilla de servicio en su auto de
Pizza Hut. Si hay una cola de ms de 4 coches, incluyendo el de la ventanilla, el coche
que llegue se va. En promedio toman cuatro minutos en servir a un automvil.
(a) Cul es el nmero promedio de automviles esperado en la cola, sin incluir al que
est frente a la ventanilla?
(b) En promedio a cuntos automviles se atiende en cada hora?
(c) Acabo de formarme en la cola. En promedio Cunto tiempo pasar para que
llegue a la ventanilla?
pg. 93
Ls =?
m=4
Wq =?
= 40/15 =2.67
Po
1
1 2.67
0.012398
m 1
1
1 2.67 5
1 2.67
P4
(2.67) 4 0.63011
4 1
1 2.67
Ls
(m 1) m1
(4 1)(2.67) 41
2.67
3.438
1 1 m1 1 2.67 1 2.67 41
= 40 (1-0.63011) =14.80
Wq = 2.45 /14.80 = 0.1655
= 14.80
Wq =0.1655 horas = 9.9
Actividad
PROBLEMAS PROPUESTOS DE TEORIA DE COLAS
1. MexiCars de la Av. J.C. Maritegui tiene un empleado que se encarga de instalar
sistemas de alarma a carros y lo hace a una tasa promedio de 3 por hora; cerca
de 1 cada 20 minutos. Los clientes que solicitan este servicio llegan en promedio
de 2 por hora. Los aspectos del sistema M/M/1 se encuentran aqu presentes.
Cmo es el comportamiento de este sistema?
2. Grupo Hinostroza SAC. divisin llantas, la gerencia est considerando contratar un
nuevo mecnico para manejar todos los cambios de llantas para los clientes que
ordenan nuevos juegos de llantas. Dos mecnicos han solicitado el trabajo. Uno
de ellos tiene experiencia limitada y puede ser contratado pagndole 5.00 S/. la
hora. Se espera que este mecnico pueda atender un promedio de 3 clientes por
hora. El otro mecnico tiene varios aos de experiencia, puede servir un promedio
de 4 clientes por hora y se le pagara 10.00 S/. la hora. Asuma que los clientes
arriban a una tasa de 2 por hora.
En el sistema es aplicable el modelo M/M/1.
a.
b.
Si el taller asigna un costo de espera a cada cliente de 15.00 S/. por hora,
Cul mecnico proporciona el menor costo de operacin?
pg. 94
3. Una franquicia de comida rpida, est pensando abrir operaciones de servicio por
ventanilla a los clientes, desde su vehculo. Los clientes que llegan al
intercomunicador a colocar rdenes y luego manejan hasta la ventanilla para
pagar y recibir sus rdenes lo hacen a una tasa de 24 por hora. En el sistema es
aplicable el modelo M/M1. Se est considerando las alternativas siguientes:
a.
b.
4.
a.
b.
Si dispone de informacin del costo de espera de S/. 25.00 por hora, pues es
considerado alto este costo en los servicios de comida rpida y el costo de
cada empleado es de 8.00 S/. por hora, siendo adems cargado 20.00 S/. por
equipos y espacio. Cul sera la alternativa de menor costo para el servicio?
Sam Lawer Medico Veterinario maneja una clnica de vacunacin antirrbica para
perros, en la clnica municipal. Sam puede vacunar un perro cada tres minutos. Se
estima que los perros llegarn en forma independiente y aleatoriamente en el
transcurso del da, en un rango de un perro cada seis minutos, de acuerdo con la
distribucin de Poisson. Tambin suponga que los tiempos de vacunacin de Sam
estn distribuidos exponencialmente.
Datos
= 1 / 6 = 0.167 perros/min
= 1 / 3 = 0.34 perros/min
Determinar:
a. La probabilidad de que Sam este de ocioso
b. La proporcin de tiempo en que Sam est ocupado.
c. El nmero total de perros que estn siendo vacunados
d. El nmero promedio de perros que esperan a ser vacunados
5. Las llamadas llegan ala central telefnica de la OEC a una tasa de dos por minuto,
l tiempo promedio para manejar cada una de ests es de 20 segundos.
Actualmente solo hay una operadora de la central. Las distribuciones de Poisson y
exponencial parecen ser relevantes en esta situacin.
Datos
= 2 llamadas/minutos
= (1 / 20 seg.)(60 seg.) = 3 llamadas/minuto
Determine:
a.
b.
El tiempo promedio que debe de esperar una llamada antes de ser tomada
por la operadora
c.
pg. 95
6.
7. Una empleada administra un gran complejo de cines Cinemark Comas I, II, III y
IV. Cada uno de los cuatro auditorios proyecta una pelcula diferente, el programa
se estableci de tal forma que las horas de las funciones se encuentren
escalonadas para evitar las multitudes que ocurriran si los cuatro cines
comenzarn a la misma hora. El cine tiene una sola taquilla y un cajero que puede
mantener una tasa de promedio de servicio de 280 clientes por hora. Se supone
que los tiempos de servicio siguen una distribucin exponencial. Las llegadas en
un da son distribucin de Poisson y promedian 210 por hora.
Determine:
a. El nmero promedio de cinfilos esperando en la lnea para adquirir un boleto
b. Que porcentaje del tiempo esta ocupado el cajero.
c. Cual es el tiempo promedio que pasa un cliente en el sistema.
d. Cual es el tiempo promedio que pasa esperando en la lnea para llegar a la
taquilla.
e. Cual es la probabilidad de que haya ms de dos personas en la cola.
pg. 96
SEXTA UNIDAD
Tema N 9: TEORA DE DECISIONES
9.1 Introduccin
La teora de decisiones proporciona una manera til de clasificar modelos para la toma
de decisiones. Se supondr que se ha definido el problema, que se tienen todos los
datos y que se han identificado los cursos de accin alternativos. La tarea es entonces
seleccionar la mejor alternativa. la teora de decisiones dice que esta tarea de hacer
una seleccin caer en una de las cuatro categoras generales dependiendo de la
habilidad personal para predecir las consecuencias de cada alternativa.
Categoras
Consecuencias
Certidumbre
Deterministas
Riesgo
Probabilsticas
Incertidumbre
Desconocidas
Conflicto
e1
e2
...
en
a1
x11
x12
...
x1n
a2
x21
x22
...
x2n
..
.
...
...
...
...
am
xm1
xm2
...
xmn
pg. 97
a) Criterio de Laplace
Este criterio, propuesto por Laplace en 1825, est basado en el principio de razn
insuficiente: como a priori no existe ninguna razn para suponer que un estado se
puede presentar antes que los dems, podemos considerar que todos los estados
tienen la misma probabilidad de ocurrencia, es decir, la ausencia de conocimiento
sobre el estado de la naturaleza equivale a afirmar que todos los estados son
equiprobables. As, para un problema de decisin con n posibles estados de la
naturaleza, asignaramos probabilidad 1/n a cada uno de ellos.
La regla de Laplace selecciona como alternativa ptima aquella que proporciona un
mayor resultado esperado:
1 n
mx _ ai xai , e j
n j 1
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra los
resultados esperados para cada una de las alternativas.
Alternativas
Estados de la Naturaleza
Terreno
comprado
Aeropuerto en A
Aeropuerto en B
Resultado esperado
13
-12
0.5
-8
11
1.5
AyB
-1
Ninguno
pg. 98
e1
e2
Resultado
esperado
a1
15000
-5000
5000
a2
5000
4000
4500
Este criterio seleccionara la alternativa a1, que puede ser poco conveniente si la toma
de decisiones se realiza una nica vez, ya que podra conducirnos a una prdida
elevada
b) Criterio de Wald
Este es el criterio ms conservador ya que est basado en lograr lo mejor de las
peores condiciones posibles. esto es, si el resultado x(ai, ej) representa prdida para
el decisor, entonces, para ai la peor prdida independientemente de lo que ej pueda
ser, es mx ej { x(ai, ej) }. El criterio minimax elige entonces la accin ai asociada a :
Elegir _ ai mn ai mx e j x( ai , e j )
En una forma similar, si x(ai, ej) representa la ganancia, el criterio elige la accin ai
asociada a :
Elegir _ ai mx ai mn e j x( ai , e j )
Estados de la Naturaleza
Terreno
comprado
Aeropuerto en A
Aeropuerto en B
si
13
- 12
12
-8
11
-8
AyB
-1
-1
Ninguno
pg. 99
e1
e2
si
a1
1000
99
99
a2
100
100
100
mx ai mx e j x( ai , e j ) (1 )mn e j x( ai , e j )
Para el caso donde x(ai, ej) representa un costo, el criterio selecciona la accin que
proporciona:
mn ai mn e j x( ai , e j ) (1 )mx e j x( ai , e j )
pg. 100
Estados de la Naturaleza
Terreno
comprado
Aeropuerto en A
Aeropuerto en B
mnei
mxei
S(ai)
13
-12
-12
13
-2
-8
11
-8
11
-0.4
AyB
-1
-1
1.4
Ninguno
pg. 101
Estados de la Naturaleza
Terreno
comprado
Aeropuerto en A
Aeropuerto en B
ri
23
23
21
21
AyB
12
12
Ninguno
13
11
13
e1
e2
a1
a2
pg. 102
e1
e2
ri
a1
a2
La alternativa ptima es a1. Supongamos ahora que se aade una alternativa, dando
lugar a la siguiente tabla de resultados:
Estados de la Naturaleza
Alternativas
e1
e2
a1
a2
a3
e1
e2
ri
a1
a2
a3
El criterio de Savage selecciona ahora como alternativa ptima a2, cuando antes
seleccion a1. Este cambio de alternativa resulta un poco paradjico: supongamos que
a una persona se le da a elegir entre peras y manzanas, y prefiere peras. Si
posteriormente se la da a elegir entre peras, manzanas y naranjas, esto equivaldra a
decir que ahora prefiere manzanas.
9.3 Caso de aplicacin: Criterios de decisin en incertidumbre
Una instalacin recreativa debe decidir acerca del nivel de abastecimiento que debe
almacenar para satisfacer las necesidades de sus clientes durante uno de los das de
fiesta. El nmero exacto de clientes no se conoce, pero se espera que est en una de
cuatro categoras: 200,250, 300 o 350 clientes. Se sugieren, por consiguiente, cuatro
niveles de abastecimiento, siendo el nivel i el ideal (desde el punto de vita de costos)
pg. 103
e1(200)
e2(250)
e3(300)
e4(350)
a1(200)
10
18
25
a2(250)
23
a3(300)
21
18
12
21
a4(350
30
22
19
15
(1/4)(5+10+18+25)
= 14.5
E(a2) =
(1/4)(8+7+8+23)
= 11.5
E(a3) =
(1/4)(21+18+12+21)
= 18.0
E(a4) =
(1/4)(30+22+19+15)
= 21.5
Por lo tanto, el mejor nivel de inventario de acuerdo con el criterio de Laplace est
especificado por a2.
b) WALD
Ya que x(ai, ej) representa costo, el criterio minimax es aplicable. Los clculos se
resumen en la matriz que sigue. La estrategia minimax es a3:
Nivel de
abastecimiento
e1(200)
e2(250)
e3(300)
e4(350)
a1(200)
10
18
25
25
a2(250)
23
23
a3(300)
21
18
12
21
21
(valor
minimax)
a4(350
30
22
19
15
30
pg. 104
a
1
25
15 (mn)
a
2
23
15 (mn)
a
3
12
21
16.5
a
4
15
30
22.5
d) SAVAGE
Se obtiene primero la matriz rij restando 5, 7, 8 y 15 de las columnas 1, 2, 3 y 4
respectivamente.
Nivel de
abastecimient
o
e1(200
)
e2(250
)
e3(300
)
e4(350
)
a1(200
)
10
18
25
10
a2(250
)
23
a3(300
)
21
18
12
21
16
a4(350
30
22
19
15
25
(valor minimax)
CASO DE APLICACIN
La empresa Z de servicios computarizados especializadas en servicios de informacin
tales como encuestas, anlisis de datos, etc., actualmente est en la etapa final de
seleccin del sistema de computadoras que utilizar en una nueva dependencia que
abrir en una zona del pas.
Aunque la empresa ya ha decidido la marca de computadoras que utilizar, est
tratando de determinar el tamao del sistema de computadoras que para sus
condiciones resulta ms econmico de arrendar.
A partir del anlisis realizado en las empresas se consider que existen 3 alternativas
de decisin pudiendo ocurrir 2 posibles eventos o estados de la naturaleza, los cuales
son:
Decisiones Alternativas
D1: Arrendar un sistema de computadoras grande
D2: Arrendar un sistema de computadoras mediano
D3: Arrendar un sistema de computadoras pequeo
Estado de la Naturaleza
E1: Alta aceptacin de los servicios de la empresa Z
pg. 105
Alta Acept. E1
$200 000
$150 000
$100 000
Baja Acept. E2
-$20 000
$20 000
$60 000
Peor resultado
-$20 000
$20 000
$60 000
Mejor resultado
$200 000
$150 000
$100 000
pg. 106
Alta Acept. E1
$0,00
$50 000,00
$100 000,00
Baja Acept. E2
$80 000,00
$40 000,00
$0,00
Para aplicar el criterio se busca entonces para cada decisin el mximo valor de las
Oij a fin de determinar de entre estos el mnimo, lo cual se refleja en la siguiente
tabla:
Decisiones Alternativas
Max. O ij
Sistema grande D1
Sistema mediano D2
Sistema pequeo D3
$80 000,00
$50 000,00
$100 000,00
pg. 107
Actividad
PROBLEMAS PROPUESTOS DE TEORIA DE DECISIONES
1. La vendedora Phyllis Pauley vende peridicos en la esquina de la avenida Kirkwood
y la calle Indiana, y todos los das debe determinar cuntos peridicos pedir.
Phyllis paga a la compaa $ 20 por cada ejemplar y los vende a $ 25 cada uno.
Los peridicos que no se venden al terminar el da no tienen valor alguno. Phyllis
sabe que cada da puede vender entre 6 y 10 ejemplares, cada uno con una
posibilidad equiprobable. Demuestre cmo se ajusta este problema en el modelo
del estado del mundo.
pg. 108
pg. 109
Una vez que tenemos hecho esto, revisamos el diagrama en rbol. Controlamos cada
cuadro y crculo para ver si hay alguna solucin o consecuencia que no hayamos
considerado. Si hay alguna, la debemos agregar. En algunos casos ser necesario
dibujar nuevamente todo el rbol si partes de l se ven muy desarregladas o
pg. 110
pg. 111
CUL ES EL RESULTADO
Realizando este anlisis podemos ver que la mejor opcin es el desarrollo de un
nuevo producto. Es mucho ms valiosos para nosotros que tomemos suficiente
tiempo para registrar el producto antes que apurarnos a sacarlo rpidamente al
mercado. Es preferible el mejorar nuestros productos ya desarrollados que
echar a perder un nuevo producto, incluso sabiendo que nos costar menos.
pg. 112
Actividad
PROBLEMAS PROPUESTOS DE RBOLES DE DECISIONES
1) Una empresa que fabrica un determinado producto est pensando en aumentar su
capacidad. Sus principales alternativas son: construir una planta pequea, construir
una planta mediana, construir una planta grande o no hacer nada. La nueva
instalacin fabricar un nuevo tipo de producto, cuyo potencial de comercializacin
actualmente es desconocido. Si se construye una planta grande y existe un mercado
favorable, se podra obtener un beneficio de 200 millones de Bs. Un mercado
desfavorable supondra una prdida de 180 millones de Bs. Sin embargo, con una
planta mediana se obtendra un beneficio de 120 millones si el mercado fuera
favorable, mientras que la prdida sera de 20 millones si el mercado fuera
desfavorable. Por otro lado, una planta pequea dara un beneficio de 80 millones de
Bs. si el mercado fuera favorable, y una prdida de 10 millones si fuera desfavorable.
Recientes estudios de mercado indican que existe una probabilidad de 0.4 de que el
mercado sea favorable.
Cul alternativa seleccionara?
2) Como director de operaciones de Muebles & Madera, usted debe tomar una decisin
sobre la ampliacin de la lnea de mobiliario infantil (cunas, cajas para juguetes,
camas, etc.). Estudia las posibilidades con la directora de ventas y ambos estn de
acuerdo en que va a haber mercado y que la compaa debe entrar en l. Sin
embargo, como el mobiliario infantil a menudo se debe pintar en lugar de barnizar,
usted decide que necesita otra lnea de produccin. No tiene duda alguna sobre su
decisin, y est seguro que necesita un segundo proceso. Pero la cuestin es saber
cul ha de ser su tamao. Una lnea de produccin grande costar 300 millones de
Bs.; una lnea de produccin pequea costar 200 millones de Bs. Por tanto, es
importante saber la demanda que habr de mobiliario infantil. Despus de una
extensa discusin con los representantes de una empresa de marketing que se
contrat para que hiciera el estudio de mercado, se determin que la mejor estimacin
que se puede hacer es que hay un 66.5% de probabilidades de que la demanda sea
alta, y un 33.5 % de probabilidades de que la demanda sea baja.
Con una lnea de produccin grande y una demanda alta puede obtener ganancias de
400 millones. Si la demanda es baja obtendr beneficios de 200 millones. Con una
lnea de produccin pequea no podr cubrir una demanda alta, por lo que la empresa
se ver en la necesidad de expandirse; despus de la expansin las ganancias sern
de 330 millones. Si no se expande, las ganancias se quedaran en 280 millones. Si se
decide por un proceso pequeo y la demanda es baja, podr satisfacerla sin ningn
problema con una ganancia de 200 millones.
Abrir una lnea de produccin grande o pequea?
pg. 113
SEXTA UNIDAD
Tema N 10: CADENAS DE MARKOV
10.1 INTRODUCCIN
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 deudores morosos, para planear las necesidades de personal y para
analizar el remplazo de equipo.
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. Algo ms importante an, es que
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.
La tarea ms difcil es reconocer cundo puede aplicarse. La caracterstica ms
importante que hay que buscar en la memoria de un evento a otro.
10.2 CASO DE APLICACIN
Aplicacin a la administracin: Planeacin de Personal.
El anlisis de transicin puede ser til al planear satisfacer las necesidades de
personal. Muchas firmas emplean trabajadores de diferentes niveles de clasificacin
dentro de la misma categora de trabajo. Esto es comn para personal de confianza,
oficinistas, obreros calificados, no calificados y personal profesional. La firma debe
tener el nmero de empleados en cada nivel de clasificacin para proporcionar la
oportunidad de promocin adecuada, cumplir con las habilidades necesarias para el
trabajo y controlar la nmina. Una planeacin de personal a largo plazo apropiada
requiere que se considere el movimiento de personas tanto hacia arriba en el
escalafn de clasificacin como hacia afuera de la organizacin. El anlisis de Markov
puede ayudar en este esfuerzo de planeacin.
El movimiento de personal a otras clasificaciones puede considerarse como una
cadena de Markov. Se supone que hay tres clasificaciones; el grado 1 es la ms baja.
Adems, los descensos se consideran raros y se omiten. El estado "salen" es
absorbente, el cual incluye renuncias, ceses, despidos y muertes. Por supuesto, todos
los empleados finalmente alcanzan este estado.
Las transiciones del grado 1 al grado 2 y del grado 2 al grado 3 representan
promociones. Como transiciones de probabilidad, estn controladas por la firma,
puede establecerse el nivel que la firma determine que es necesario para cumplir sus
objetivos. Como ejemplo, supngase que la firma tiene en este momento 30
empleados del 3, 90 empleados del grado 2 y 300 empleados del grado 1 y que desea
mantener este nivel de empleados durante el prximo ao. Por experiencia, se espera
que salgan el 30 % de los empleados de grado 1 al ao, el 20 % de los empleados de
grado 2 y el 10 % de aquellos que estn en el grado 3. Si la poltica es contratar slo
en los niveles de clasificacin ms bajos, cuntos se deben contratar y cuntos se
deben promover el siguiente ao para mantener estables los niveles?
Este problema puede resolverse sin el anlisis de Markov, pero el modelo es til para
ayudar a conceptualizar el problema. Como se trata slo de un ciclo, se usa el anlisis
de transicin. El anlisis comienza con el grado ms alto. No se hacen promociones
pero el 10 %, o sea, 3, sale. Todos ellos deben de remplazarse por promociones del
pg. 114
Generador de Markov
La probabilidad de que Ek sea el siguiente evento generado es una probabilidad
condicional: P ( Ek / Mj ). Esto se llama probabilidad de transicin del estado Mj al
estado Ek. Para describir completamente una cadena de Markov es necesario saber el
estado actual y todas las probabilidades de transicin.
Probabilidades de transicin
Una forma de describir una cadena de Markov es con un diagrama de estados, como el
que se muestra en la figura 4.1.2. En sta se ilustra un sistema de Markov con cuatro
estados posibles: M1, M2, M3 y M4. La probabilidad condicional o de transicin de
moverse de un estado a otro se indica en el diagrama
pg. 115
Diagrama de estados
Otro mtodo para exhibir las probabilidades de transicin es usar una matriz de
transicin. . La matriz de transicin para el ejemplo del diagrama de estados se
muestra en la tabla Matriz de transicin.
Matriz de transicin
Otro mtodo para exhibir las probabilidades de transicin es usar una matriz de
transicin. .
Para n = 0, 1, 2,
pg. 116
pg. 117
Actividad
PROBLEMAS PROPUESTOS DE CADENAS DE MARKOV
1.
2.
pg. 118
REFERENCIAS BIBLIOGRFICAS
REFERENCIAS ELECTRNICAS
1.
Administracin de operaciones
http://admoperaciones.pe.tripod.com/admope.htm
pg. 119
0
0.5
0.53983
0.57926
0.61791
0.65542
0.69146
0.72575
0.75804
0.78814
0.81594
0.84134
0.86433
0.88493
0.9032
0.91924
0.93319
0.9452
0.95543
0.96407
0.97128
0.97725
0.98214
0.9861
0.98928
0.9918
0.99379
0.99534
0.99653
0.99744
0.99813
0.99865
0.99903
0.99931
0.99952
0.99966
0.99977
0.99984
0.99989
0.99993
0.99995
0.99997
0.01
0.50399
0.5438
0.58317
0.62172
0.6591
0.69497
0.72907
0.76115
0.79103
0.81859
0.84375
0.8665
0.88686
0.9049
0.92073
0.93448
0.9463
0.95637
0.96485
0.97193
0.97778
0.98257
0.98645
0.98956
0.99202
0.99396
0.99547
0.99664
0.99752
0.99819
0.99869
0.99906
0.99934
0.99953
0.99968
0.99978
0.99985
0.9999
0.99993
0.99995
0.99997
0.02
0.50798
0.54776
0.58706
0.62552
0.66276
0.69847
0.73237
0.76424
0.79389
0.82121
0.84614
0.86864
0.88877
0.90658
0.9222
0.93574
0.94738
0.95728
0.96562
0.97257
0.97831
0.983
0.98679
0.98983
0.99224
0.99413
0.9956
0.99674
0.9976
0.99825
0.99874
0.9991
0.99936
0.99955
0.99969
0.99978
0.99985
0.9999
0.99993
0.99996
0.99997
0.03
0.51197
0.55172
0.59095
0.6293
0.6664
0.70194
0.73565
0.7673
0.79673
0.82381
0.84849
0.87076
0.89065
0.90824
0.92364
0.93699
0.94845
0.95818
0.96638
0.9732
0.97882
0.98341
0.98713
0.9901
0.99245
0.9943
0.99573
0.99683
0.99767
0.99831
0.99878
0.99913
0.99938
0.99957
0.9997
0.99979
0.99986
0.9999
0.99994
0.99996
0.99997
0.04
0.51595
0.55567
0.59483
0.63307
0.67003
0.7054
0.73891
0.77035
0.79955
0.82639
0.85083
0.87286
0.89251
0.90988
0.92507
0.93822
0.9495
0.95907
0.96712
0.97381
0.97932
0.98382
0.98745
0.99036
0.99266
0.99446
0.99585
0.99693
0.99774
0.99836
0.99882
0.99916
0.9994
0.99958
0.99971
0.9998
0.99986
0.99991
0.99994
0.99996
0.99997
0.05
0.51994
0.55962
0.59871
0.63683
0.67364
0.70884
0.74215
0.77337
0.80234
0.82894
0.85314
0.87493
0.89435
0.91149
0.92647
0.93943
0.95053
0.95994
0.96784
0.97441
0.97982
0.98422
0.98778
0.99061
0.99286
0.99461
0.99598
0.99702
0.99781
0.99841
0.99886
0.99918
0.99942
0.9996
0.99972
0.99981
0.99987
0.99991
0.99994
0.99996
0.99997
0.06
0.52392
0.56356
0.60257
0.64058
0.67724
0.71226
0.74537
0.77637
0.80511
0.83147
0.85543
0.87698
0.89617
0.91308
0.92785
0.94062
0.95154
0.9608
0.96856
0.975
0.9803
0.98461
0.98809
0.99086
0.99305
0.99477
0.99609
0.99711
0.99788
0.99846
0.99889
0.99921
0.99944
0.99961
0.99973
0.99981
0.99987
0.99992
0.99994
0.99996
0.99998
0.07
0.5279
0.56749
0.60642
0.64431
0.68082
0.71566
0.74857
0.77935
0.80785
0.83398
0.85769
0.879
0.89796
0.91466
0.92922
0.94179
0.95254
0.96164
0.96926
0.97558
0.98077
0.985
0.9884
0.99111
0.99324
0.99492
0.99621
0.9972
0.99795
0.99851
0.99893
0.99924
0.99946
0.99962
0.99974
0.99982
0.99988
0.99992
0.99995
0.99996
0.99998
0.08
0.53188
0.57142
0.61026
0.64803
0.68439
0.71904
0.75175
0.7823
0.81057
0.83646
0.85993
0.881
0.89973
0.91621
0.93056
0.94295
0.95352
0.96246
0.96995
0.97615
0.98124
0.98537
0.9887
0.99134
0.99343
0.99506
0.99632
0.99728
0.99801
0.99856
0.99896
0.99926
0.99948
0.99964
0.99975
0.99983
0.99988
0.99992
0.99995
0.99997
0.99998
pg. 120
0.09
0.53586
0.57535
0.61409
0.65173
0.68793
0.7224
0.7549
0.78524
0.81327
0.83891
0.86214
0.88298
0.90147
0.91774
0.93189
0.94408
0.95449
0.96327
0.97062
0.9767
0.98169
0.98574
0.98899
0.99158
0.99361
0.9952
0.99643
0.99736
0.99807
0.99861
0.999
0.99929
0.9995
0.99965
0.99976
0.99983
0.99989
0.99992
0.99995
0.99997
0.99998