JOSE LUIS ROMERO VALAREZO METODOS CUANTITATIVOS PARA LA TOMA DECISIONES CATEDRATICO: DR.

ADOLFO SALCEDO MAESTRIA EN ADMINISTRACION DE EMPRESAS CALIDAD Y PRODUCTIVIDAD III UNIDAD DE POSGRADO DE LA FACULTAD DE CIENCIAS ADMINISTRATIVAS DE LA UNIVERSIDAD DE GUAYAQUIL 2010-2012 DEBER DE INVESTIGACION

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

1/31

2-1.- Cuales son las dos leyes bsicas de la Probabilidad.

a) Ley multiplicativa La probabilidad de la interseccin de dos eventos A y B P(AB)= P (A) P (B/A) P (B) P (A/B) b) Ley aditiva La probabilidad de la unin de dos eventos A y b es: P (A U B) = P (A) + P (B) - P(AB)

2-5.- Cual es la diferencia entre eventos dependientes y eventos independientes.

Evento Independiente La ocurrencia de uno, no tiene que ver con la probabilidad de ocurrencia del otro. Evento Dependiente La ocurrencia de uno de ellos afecta la probabilidad de que ocurra algn otro evento.
2-9.- Cual es la diferencia entre una distribucin de probabilidad discreta y una distribucin de probabilidad continua Proporcione su propio ejemplo de cada una. Distribucin de Probabilidad Discreta Cuando se trabaja con una variable aleatoria discreta, existe un valor de probabilidad asignado a cada evento. Estos valores deben encontrarse entre 0 y 1 y deben sumar 1. Ejemplo: Respuestas del servicio que se brinda en un hotel

Variable Respuesta Excelente Bueno Promedio Razonable Pobre aleatori aX 25 20 25 15 15 100 Probabili dad 0.25 0.2 0.25 0.15 0.15 1

Distribucin de Probabilidad Continua

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

2/31

"La variable aleatoria continua puede ser descrita por una funcin matemtica continua debido a que las variables aleatorias pueden tomar un nmero infinito de valores." Ejemplo: El tiempo que toma terminar un proyecto.

2-13.- Despus de evaluar la respuesta de los estudiantes a una pregunta sobre un caso que se utilizo en clase, el instructor elaboro la siguiente distribucin de probabilidad. Qu tipo de distribucin es

Variable Respuesta Excelente Bueno Promedio Razonable Pobre aleatori aX 5 4 3 2 1 15 Probabili dad 0.05 0.25 0.4 0.15 0.15 1 Distribucin de Probabilidad Discreta

2-17.- Evertight, productor lder de clavos de calidad, fabrica clavos de 1, 2, 3, 4 y 5 pulgadas para varios usos. Durante el proceso de produccin, si hay un exceso o si los clavos estn ligeramente defectuoso, se colocan en una bandeja comn. Ayer se pusieron en la bandeja 651 clavos de 1 pulgada, 243 de 2 pulgadas, 41 de 3 pulgadas, 451 de 4 pulgadas y 333 de 5 pulgadas. a) Cual es la probabilidad de que el meter la mano en la bandeja se obtenga un clavo de 4 pulgadas. b) Cual es la probabilidad de sacar uno de 5 pulgadas. c) Si un uso en particular requiere utilizar clavos de 3 pulgadas o ms cortos. Cul es la probabilidad de sacar un clavo en los requisitos de la aplicacin.

Pulgadas 1 2 3 4

Clavos 651 243 41 451

Sin reposicion a) 451 / 1719 b) 333/ 1718

Prof. Dr. Adolfo Salcedo

0.262361 84

0.193830
3/31

Diciembre, 2010

03 5 333 1719 c) (41+243+651)/1717 =

0.544554 46

2-21.- El puesto de avanzada Abu Ilan, en un oasis en el corazn del desierto Negev, tiene una poblacin de 20 miembros de tribus beduinas y 20 miembros de tribus farinas. El kamin, un oasis cercano, tiene una poblacin de 32 beduinos y 8 farias. Un soldado israel perdido que se separo accidentalmente de su unidad del ejrcito, camina sin rumbo por el desierto y llega al lmite de uno de los oasis. El soldado no tiene idea de cul oasis ha encontrado, pero la primera persona que ve a la distancia es un beduino. Que probabilidad hay que se haya llegado por accidente a Abu Ilan? Cul es la probabilidad que se encuentre en el Kamin?

Oasis Kami Abu Ilan n Beduinos 20 32 Farinas 20 8 40 40 Que probabilidad hay que se haya llegado por accidente a Abu Ilan? P(abu/beduino) = (20/80 ) (52/80) 0.384615385 38%

Cul es la probabilidad que se encuentre en el Kamin? P(kamin/beduino) =

(32/80) (52/80)

0.615384615

62%

2-25.- El calendario de juegos de los killers para el ao prximo es el siguiente (remtase al problema 2-24). Juego 1: Los machos Juego 2: Mama`s Boys
Ga dor na Mama` Boys (1) s Los Killers (2) Los Machos (3) 1 X 2 1 2 3 X 4 3 4 1 X

a) Que probabilidad tienen los killers de ganar su primer juego. P (killers vs. Machos) =

1/5 =

0.20

b) Que probabilidad tiene los killers de ganar su ltimo juego Diciembre, 2010 Prof. Dr. Adolfo Salcedo

4/31

P (killers vs. Mamas) =

2/5 =

0.40

c) Que probabilidad tienen los killers de llegar al punto de equilibrio, esto es, ganar solamente un juego. interseccion 0.44 P (equilibrio) = (1/5)*(3/5)+(2/5)*(4/5) y union d) Que probabilidad tienen los killers de ganar todos los juegos.

P (ganar todos) =

(1/5)*(2/5) =

0.08

e) e) Que probabilidad tienen los killers de perder todos los juegos. P (perder todos) = f)

1 - 0,08 =

0.92

Le gustara a ud ser el entrenador de los killers.

Las probabilidades de xito de los Killers es baja y al aceptar la propuesta de ser el entrenador se tienen dos opciones, la primera es de sacar al equipo del stano y elevar mis opciones econmicas como deportivas, o formar parte de las estadsticas como un entrenador ms que fracaso, desde mi punto de vista aceptara el reto bajo una buena propuesta econmica 2-29.- Cual de las siguientes son distribuciones de probabilidades. Por qu
a) Variable Aleatoria X -2 -1 0 1 2 Probabilidad 0.1 0.2 0.3 0.25 0.15 1.00 b) Variable Aleatoria X 1 1.5 2 2.5 3 Probabilidad 1.1 0.2 0.3 0.25 -1.25 0.6

C) Variable Aleatoria X 1 2 3 4 5 Probabilidad 0.1 0.2 0.3 0.4 0 1

2-33.- Gary Schwartz es el vendedor estrella de su compaa. Los registros indican que el realiza una venta en 70% de sus visitas. Si les llama a cuatro clientes potenciales. Que probabilidad hay de que haga exactamente 3 ventas Cual es la probabilidad de que haga exactamente 4 ventas. Diciembre, 2010 Prof. Dr. Adolfo Salcedo 5/31

p= n= r= q=

0.7 4 3 1-0,7

p= n= r= q=

0.7 4 4 1-0,7

n! r! (n-r)! 4! 3! 1! 24

p q

F ula orm

n! r! (n-r)! 4! 4! (4-4)!

p q

(0.7) (0,3)

(0.7) (0,3)

(0,343) (0,3) = 6

0.4116

24

0,2401 = 24

0.2401

2-37.- Un horno industrial utilizado para curar corazones de arena para una fabrica que produce monoblocks para motores de automvil pequeos, puede mantener temperaturas notablemente constantes. El rango de temperatura del horno sigue una distribucin normal con una media de 450F y una desviacin estndar de 25F. Leslie Larsen, presidenta de la fbrica, est preocupada debido al gran nmero de corazones defectuosos que se han producido durante los ltimos meses. Si el horno se calienta a ms de 475F, el corazn sale defectuoso. Cul es la probabilidad de que el horno provoque que un corazn salga defectuoso? que probabilidad hay de que la temperatura del horno vare de 460F a 470F?

= = X=
F ula orm z= X-

450 25 475

Z= 475- 450 25 Z= Va T bla lor a 1 0.8413 1- 0,8413= 450 0.1587 475

0 57 .1 8

= =
Diciembre, 2010

450 25
Prof. Dr. Adolfo Salcedo 6/31

X=
z= X-

460

Z = 460- 450 1 25 Z = 1 Va T bla lor a 0.4 0.6554 450

0.6554

0 37 .1 2 0.7881 460 470

= = X= z=

450 25 470 X-

0,7881- 0,6454=

0.1327

Z = 470- 450 2 25 Z = 2 Va T bla lor a 0.8 0.7881

2-41.- El tiempo para terminar un proyecto de construccin se distribuye normalmente con una media de 60 semanas y una desviacin estndar de 4 semanas. a) Cual es la probabilidad de que el proyecto se termine en 62 semanas o menos?
a) = = X= z= 60 4 62 X- 62 - 60 4 = 0.5 60 62 Va T bla lor a 0.6915 69% 0.6915

Z=

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

7/31

b) Calcule la probabilidad de que el proyecto se termine en 66 semanas o menos?

= = X= z= 60 4 66 X- 66 - 60 4 = 1.5 60 Va T bla lor a 0.9332 66

0.9332

Z=

c) Que probabilidad hay de que en el proyecto se empleen ms de 65 semanas?

= = X= z= 60 4 65 X- 65 - 60 4 1.25 0.8944 1 - 0,8944 = 60 0.1056 65 0.1056

Z=

Z=

Va T bla lor a

2-45.- En promedio, 3 automviles llegan por hora al taller de reparacin de silenciadores Carla`s Muffler. La distribucin del nmero de vehculos que llegan al taller sigue una distribucin exponencial. a) Cul es el tiempo esperado entre llegadas
f (X) = = = a) Valor esperado = Valor esperado = 1/ 1 3 0.333333333 -x ^ 3 2.718

b) Cul es la varianza del tiempo entre llegadas. Diciembre, 2010 Prof. Dr. Adolfo Salcedo 8/31

Varianza = 1/ Varianza = 1 (3) 1 9 0.111111111

3-1.- Proporcione un ejemplo de una buena decisin que haya tomado y que haya resultado mal. Tambien de un ejemplo de una mala decisin que haya tomado y que haya dado buen resultado. Porque fue buena o mala cada una de estas decisiones?.

Una buena decisin que tome fue adelantar un semestre en la universidad para terminar lo ms pronto posible el Pre-grado y obtener mi ttulo acadmico ms pronto aquella decisin me cost dinero y tiempo ya que al terminar la carrera no me pude graduar sino hasta 2 anos despus por problemas internos de ndole administrativo por parte de la secretaria general de la facultad Una decisin que aparentemente tome mal fue al elegir la maestra que deseaba estudiar ya que por nivel acadmico los mejores programas lo dicta la ESPAE o el de la catlica pero decid ir al masterado de la estatal y dio buen resultado ya que hasta el momento ha cumplido a cabalidad mis expectativas. Hoy por hoy en trminos de costo/beneficio el mejor programa de posgrado es el de la MAEUG. 3.5.- Que tcnicas se emplean para resolver los problemas de toma de decisiones bajo incertidumbre? Que tcnica provoca una decisin optimista? Cual produce una decisin pesimista?. a) b) c) d) e) Maximax (optimista) Maximin (pesimista) Criterio de realismo (criterio de Hurwicz) Igualdad de probabilidades (laplace) Arrepentimiento minimax

Maximax Se utiliza para encontrar la alternativa que maximiza el pago o consecuencia de cada una de ellas. Maximin Se emplea para encontrar la alternativa que maximiza el pago o consecuencia mnima de cada una de las alternativas. 3-9.- Cual es la diferencia entre las probabilidades previa y posterior?
Diciembre, 2010 Prof. Dr. Adolfo Salcedo 9/31

Probabilidad Posterior Probabilidad condicional de un estado de la naturaleza que ha sido ajustada con base en informacin de muestreo. Esta se obtiene por medio Del teorema de Bayes. Probabilidad Previa Probabilidad de un estado de la naturaleza antes de que la informacin de muestreo se utilice con el teorema de Bayes para obtener la probabilidad posterior. 3-13.- Comente brevemente como puede estimarse una funcin de utilidad. Que es un riesgo estndar y como se emplea para determinar los valores de utilidad. Se asigna valores de utilidad a cualquier valor monetario en una situacin determinada. El riesgo estndar, es una apuesta entre cualquier resultado que est seguro y una apuesta entre el peor y el mejor de los resultados. 3-16 Kenneth Brown es el dueo principal de Brown Oil. inc. Despus de renunciar a su empleo docente en la universidad, Ken ha tenido la capacidad de aumentar su salario anual por un factor superior a 100. En este momento, debido a la competencia, Ken se ve forzado a considerar la compra de ms equipo para Brown Oil. Sus alternativas se muestran en la siguiente tabla: Mercad o Mercado Favora Desfavora Equipo ble ble Sub 100 300000 -200000 Oiler J 250000 -100000 Texan 75000 -18000 Por ejemplo si Ken compra Sub 100 y hubiera un mercado favorable, el obtendra una ganancia de $300000. Por otro lado, si el mercado no fuera favorable, perdera $200000. Pero el ha sido muy optimista en sus decisiones. a) Qu tipo de decisin enfrenta ken Comprar o no mas equipo para su empresa.
b) Qu criterio de decisin debe utilizar

Maximax
c) Cul es la mejor alternativa

Sub 100

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

10/31

E quipo Sub 100 Oiler J Texan

Merca do F vora a ble 300000 250000 75000

Merc do a D fa es vora ble -200000 -100000 -18000

Ma a xim x 30000 250000 75000

3-17 A pesar de que ken Brown (presentado en el problema 3-16) es el principal dueo de Brown Oil, su hermano Bob tiene el merito de haber hecho de la compaa un xito financiero. Bob, que es vicepresidente de finanzas, atribuye su xito a la actitud pesimista que tiene acerca de los negocios y de la industria petrolera. Considerando la informacin proporcionada en el problema 3 -16, es posible que el adopte una decisin distinta. Qu criterio de decisin debera emplear Bob y cual alternativa seleccionara a) Maximin b) Texan
Mercado Favorable 300000 250000 75000 Mercado Desfavorable -200000 -100000 -18000

Equipo Sub 100 Oiler J Texan

Maximax Maximin 300000 -200000 250000 -100000 75000 -18000

3-21.- Allen Young siempre ha estado orgulloso de sus estrategias de inversin personal y ha tenido xito durante los ltimos aos. Invierte principalmente en el mercado de valores. Sin embargo, durante los ltimos meses, Allen ha comenzado a preocuparse, pues duda de que el mercado de valores sea una buena inversin. En algunos casos, sera mejor que tuviese su dinero en el banco en lugar de arriesgarlo en el mercado. Durante el ao prximo, debe decidir si invierte $10000 en el mercado de valores o en certificados de depsitos (CD) con una tasa de inters de 9%. Si el mercado es bueno, Allen cree que podra obtener 14% de rendimiento sobre su dinero. Con un mercado imparcial, espera obtener 8% de rendimiento. Si el mercado es malo, lo ms probable es que no obtengan rendimiento seria de 0%. El estima que la probabilidad de un buen mercado es de 0.4, la de un mercado mediano de 0,4 y la de un mercado malo de 0,2. Por supuesto, el desea maximizar sus rendimientos promedio a largo plazo. a) Desarrolle una tabla de decisin para este problema. b) Cual es la mejor decisin

Inversi on

10000

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

11/31

D in ecis

0 .4 B ueno

0 .4 Im rcia pa l

0 .2 Ma lo (10000*0% ) 0 (10000*9% ) 90 0

M a xim

(10000*14% (10000*8% ) ) 10 40 80 0 (10000*9% (10000*9% ) ) 90 0 90 0 C ertific do de depsitos a Merca de va do lores

1400 900

Valor Esperado
(1400*0,4) +(800*0,4) +(0*0,2) = (900*0,4) +(900*0,4) +(900*0,2) = 880 900

la mejor decisin en este caso sera invertir el dinero en certificados de depsito ya que obtendra en promedio un valor esperado mayor de $ 900
3-25.- Megley Cheese Company es un pequeo fabricante de varias clases de productos de queso. Uno de los productos es un queso para untar que se vende en las tiendas detallistas. Jason Megley debe decidir cuantas cajas de queso para untar debe producir al mes. La probabilidad de que la sea de seis cajas es de 0.1. , de siete cajas es de 0.3, de ocho cajas es de 0.5 y de nueve cajas es de 0.1. El costo de cada caja es de $45 y el precio que el obtiene por cada una de estas cajas es de $95. Desafortunadamente, aquellas cajas que no se vendan para finales de mes ya no tienen valor alguno debido a la descomposicin. Cuantas cajas de queso debe producir Jason cada mes.

Precio = Costo = Gananci a=

95 45 50

0 .1 Dm e anda S eis (6*50) 30 0 (6*50) (1*45) 25 5 (6*50) (2*45) 20 1 (6*50) (3*45) 15 6

0 .3

0 .5

0 .1

S iete (6*50) 30 0 (7*50) 30 5 (7*50) (1*45) 35 0 (7*50) (3*45) 20 6

Ocho (6*50) 30 0 (7*50) 30 5 (8*50) 40 0 (8*50) (1*45) 35 5

Nueve (6*50) 30 0 (7*50) 30 5 (8*50) 40 0 (9*50) 40 5

Va E p lor s erado (300*0,1) +(300*0,3) +(300*0,5) +(300*0,1) 30 0 (255*0,1) +(350*0,3) + (350*0,5) +(350*0,1) 30 4 ,5 (210*0,1) +(305*0,3) +(400*0,5) +(400*0,1) 32 5 ,5 (165*0,1) +(260*0,3) +(355*0,5) +(450*0,1) 37 1

Ma a xim x

Minim x a

S eis

300

300

S iete

350

255

Ocho

400

210

Nueve

450

165

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

12/31

El valor esperado ms alto es $352,5 por tal motivo se elige producir 8 cajas PEIP = (300*0,1) + (350*0,3) + (400*0,5) + (450*0,1) = 380 VEIP = 380 - 352,5 = 27.5

El valor mximo que pagara por el estudio seria de $27.5

3-29.- Los mdicos del problema 3-28 han sido contactados por una empresa de marketing que les ofrece llevar a cabo un estudio de mercado por una tarifa de $5000. Los investigadores de mercado afirman que su experiencia les permite utilizar el teorema de Bayes para hacer los siguientes planteamientos de probabilidad: Probabilidad de mercado favorable con estudio favorable = 0.82 Probabilidad de mercado desfavorable con un estudio favorable =0.18 Probabilidad de mercado favorable con un estudio desfavorable = 0.11 Probabilidad de mercado desfavorable con un estudio desfavorable =0.89 Probabilidad de un estudio de investigacin favorable= 0.55 Probabilidad de un estudio de investigacin desfavorable= 0.45 1. Desarrolle un nuevo rbol de decisin para los profesionales de la medicina en donde se reflejen las opciones que ahora se han abierto con el estudio de mercado. 2. Utilice la metodologa EMV para recomendar una estrategia. 3. Cul es el valor esperado de la informacin de muestreo Cuanto estaran dispuesto a pagar los mdicos por el estudio del mercado

Costo estudio Mercado Favorable Mercado no favorable

5000 100000 40000

1. Desarrolle un nuevo rbol de decisin para los profesionales de la medicina en donde se reflejen las opciones que ahora se han abierto con el estudio de mercado.

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

13/31

69800 69800 0

0.82F vora a ble

95000

36140

-5000 -45000 29600 -5000 0 -5000

0.11F vora a ble

95000

36140

D octores -45000 300 00

0.5F vora a ble

100000

300 00 -40000 0

1. Utilice la metodologa EMV para recomendar una estrategia.

77900 + (-8100 ) (0,82*95000) + (0,18* -45000) = = 10450 + ((0,11*95000) + (0,89* -45000) = 40050) = 50000 + ((0,5*100000) + (0,5*-40000) = 20000) = 38390 + (-2250) (0,55*69800) + (0,45*-5000) = = 50000 + ((0,5* 100000) + (0,5*-40000) = 20000) =

69800 -29600 30000 36140 30000

2. Cul es el valor esperado de la informacin de muestreo Cuanto estaran dispuesto a pagar los mdicos por el estudio del mercado

EVSI =

(36140 + 5000) (30000) =

11140

Puede pagar por el estudio hasta $ 11.140.=

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

14/31

3-33.- Peter Marn ayudara a su hermano a abrir una tienda de comida. Inicialmente Peter cree que hay una posibilidad de 50-50 de que la tienda de comida de su hermano sea un xito. El est considerando realizar un estudio de mercado. Con base de datos histricos, existe una probabilidad de 0.8 de que la investigacin de marketing resulte favorable en el caso de una tienda exitosa de comida. Incluso, hay una probabilidad de 0.7 de que la investigacin de marketing sea desfavorable en el caso de una tienda de comida que no tenga xito. a) Si la investigacin de mercado es favorable. Cul es la probabilidad revisada de Peter respecto de una tienda exitosa de comida para su hermano
P(exito/m ercado favorable) = P(sin exito/mercado favorable) = 0.8 0.2 P(exito/mercado desfavorable) = P(sin exito/m ercado desfavorable) = 0.3 0.7

P(MF)= P(MD)=

0.5 0.5 = (0,8)(0,5) (0,8)(0,5) +(0,3)(0,5) 0.73

P(xito/mercado favorable)

b) Si la investigacin de marketing resulta ser desfavorable. Cul es su probabilidad revisada de una tienda exitosa de comida para esta persona
P(exito/m ercado favorable) = P(sin exito/mercado favorable) = 0.8 0.2 P(exito/mercado desfavorable) = P(sin exito/m ercado desfavorable) = 0.3 0.7

P(sin xito/mercado favorable)

(0,2)(0,5) (0,2)(0,5) +(0,7)(0,5)

0.22

c) Si la probabilidad inicial de una tienda exitosa de comida es de 0.6 (en lugar de 0.5), encuentre las probabilidades de los incisos a y b.
P(exito/m ercado favorable) = P(sin exito/mercado favorable) = 0.8 0.2 P(exito/mercado desfavorable) = P(sin exito/m ercado desfavorable) = 0.3 0.7

P(MF)= P(MD)=

0.6 0.4 = (0,8)(0,6 (0,8)(0,6) +(0,3)(0,4) 0.80

P(xito/mercado favorable)

P(sin xito/mercado favorable)

(0,2)(0,6 (0,2)(0,6) +(0,7)(0,4)

0.30

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

15/31

3-37. Jim Sellers ha estimado su utilidad con varios valores diferentes. Le gustara utilizar estos valores de utilidad para tomar la decisin de la que se habl en el problema 3-36: U($80,000)=0, U(-$65,000)=0.5, U(-$60,000)=0.55, U(-$20,000)=0.7, U(-$50,000)=0.8, U($0)=0.81, U($80,000)=0.9, U($95,000)=0.95, U($100,000)=1. Resuelva el problema 3-36 utilizando los valores de utilidad. Es Jim una persona que evita los riesgos? Se extrae del ejercicio 3-36 el rbol de decisin
a) 59800
24160 0 59800 0.78 -5000

900 50

-6 0 0 50
-21800 0.27

-5000

900 50

-5000

-6 0 0 50
62400

62400
17080

0.89

800 00

-20000

-8 0 0 00 800 00

-51200

-20000

-20000

-8 0 0 00 100 000
20000 20000

-6 0 0 00

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

16/31

Encuesta favorable mercado exitoso Encuesta favorable mercado no exitoso Estudio Piloto desfavorable mercado desfavorable Estudio Piloto desfavorable mercado favorable

0.7 0.2 0.9 0.2

ENCUESTA
Encuesta +(ME) =0,7 Encuesta - (ME) =0,30 Encuesta + (MD) =0,20 Encuesta - (MD) =0,8

P (encuesta+ mercado favorable) =

(0,7) (0,5) (0,7) (0,5) +(0,20)(0,5) 0.22 (0,3)(0,5) (0,3)(0,5) +(0,8)(0,5)

0.35 0.45

0 8 .7

P (encuesta - mercado favorable) = P (encuesta +mercado desfavorable) =

0.15 0.55

0 7 .2

P(encuesta - mercado desfavorable) =

0 3 .7

PLAN PILOTO
P )= (ME 0 .5 P (MD =0 ) ,5 Piloto +(MD) =0,1 Piloto - (MD) =0,9

Piloto +(ME) =0 ,8 Piloto - (ME) =0 ,2

P (piloto +mercado favorable) =

(0,8) (0,5) (0,8) (0,5) +(0,1) (0,5) 0 1 .1 (0,20)(0,5) (0,20)(0,5) +(0,9)(0,5) 0 2 .8

0.4 0.45

0 9 .8

P (piloto - mercado favorable) = P (piloto +mercado desfavorable) =

0.1 0.55

0 8 .1

P (piloto - mercado desfavorable) =

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

17/31

Resolviendo el 3-37 tenemos:

U (-80000) = U (-65000) = U (-60000) = 0 0.5 0.55 U (-20000) = U (-5000) = U (-0) = 0.7 0.8 0.81 U (80000) = U (95000) = U (100000) = 0.9 0.95 1

REEMPLAZAMOS LOS PAGOS POR EL VALOR ASIGNADO

M Favorable

0.95

0.78
Produzco E Favorable

0.85
M Desfavorable

0.85
No Produzco

0.22 0.80
M Favorable

0.50

0.45 Encuesta 0.95 0.85

Produzco E Desfavorable

0.27 0.62
M Desfavorable

0.80
No Produzco

0.73 0.80

0.50

0.55

M Favorable

0.90

0.89
Produzco M Favorable

0.80
M Desfavorable

0.80
No Produzco

0.11 0.70
M Favorable

0.00

0.45 Estudio Piloto 0.90 0.85 0.80

Produzco M Desfavorable

0.18 0.16
M Desfavorable

0.70
No Produzco

0.82 0.70

0.00

0.55

M Favorable

1.00

0.5 Ninguna 0.81

No Produzco Produzco

0.78
M Desfavorable

0.5 0.81

0.55

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

18/31

3-41 En este captulo se desarroll un rbol de decisin para John Thompson (vea la figura 3.5 en la cul se encuentra el anlisis del rbol de decisin completo). Despus de completar este anlisis, John no estaba completamente seguro de fuese indiferente al riesgo. Despus de revisar cierto nmero de riesgos estndares, John estim su utilidad con respecto al dinero. A continuacin se presentan algunas de sus estimaciones de utilidad: U(-$190,000)=0, U($180,000)=0.05, U(-$30,000)=0.10, U(-$20,000)=0.15, U(-$10,000)=0.20, U(0)=0.3, U($90,000)=0.5, U($100,000)=0.6, U($190,000)=0.95 y U($200,000)=1.0. Si John maximiza su utilidad esperada, cambiar su decisin?
U (-190000) = U (-180000) = U (-30000) = 0.00 0.05 0.10 U (-20000) = U (-10000) = U (0) = 0.15 0.20 0.30 U (90000) = U (100000) = U (190000) = U (200000) = 0.50 0.60 0.95 1.00

M Favorable

0.95

0.78
F. Grande

0.74
M Desfavorable

0.00

0.22
M Favorable

0.50

0.78 0.74
F. Pequea

0.41
M Desfavorable E. Favorable

0.10

0.22
Ninguna Fabrica

0.45 0.20

0.47
F. Grande

M Favorable

0.95

0.27 0.26
E. Desfavorable M Desfavorable

0.00

0.55 Realizar E. 0.26 Encuesta

F. Pequea

0.73
M Favorable

0.50

0.27 0.21
M Desfavorable

0.10

0.73
Ninguna Fabrica

0.20

M Favorable

1.00

0.50 No realizar E.
F. Grande

0.53
M Desfavorable

0.05

0.50
M Favorable

0.60

0.50 0.53
F. Pequea

0.38
M Desfavorable

0.15

0.50
Ninguna Fabrica

0.30

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

19/31

3-45.- Mary planea abrir una nueva tienda de abarrotes en el pueblo. Por lo tanto, ha comenzado el proceso de evaluacin de tres tareas: el centro, centro comercial y la glorieta. Ella calculo el valor de las tiendas exitosas en estas reas de la manera siguiente: centro, $250000; centro comercial, $300000; la glorieta, $400000. Tambin clculo que, en caso de no tener xito, las prdidas serian de $100000 si se trata del centro o del centro comercial y de $200000 si se trata de la glorieta. Ella considera que su posibilidad de xito es de 50% en el centro, 60% en el centro comercial y 75 % en la glorieta. a) Dibuje un rbol de decisin para Mary y seleccione su mejor alternativa.

30000 0

10000 0 30000 0

Tienda 10000 0

40000 0

(200000)

(0,6)*(300000) + (0,4)* (100000) = (0,75)*(400000) + (0,25)(200000) = (0,5)*(250000) + (0,5)*(-100000) =

75000 14000 0 25000 0

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

20/31

b) Mary ha sido contactada por una empresa de investigacin de marketing que le ofrece estudiar el pueblo para determinar si se necesita otra tienda de abarrotes. El costo de este estudio es de $30000. Ella cree que hay 60% de probabilidad de que los resultados de la encuesta sean positivos (se muestra una necesidad de otra tienda de abarrotes). SRP = resultado positivo en la encuesta, SRN = resultado negativo de le encuesta, SD = xito en el centro,, SM = xito en el centro comercial, SC = xito en el circuito, SD = sin xito en el centro, y as sucesivamente. En el caso de los estudios de esta naturaleza P (SRP/xito) = 0.7; P (SRN/xito) = 0.3; P (SRP/sin xito) = 0.2; P (SRN/sin xito) = 0.8. Calcule las probabilidades revisadas de xito (y de falta de xito) de cada una de las dos ubicaciones, con base a los resultados de las encuentas.
P(exito/mercado favorable) = P(sin exito/mercado favorable) = 0.7 0.3 P(exito/mercado desfavorable) = 0.2 P(sin exito/mercado desfavorable) 0.8 =

CENTRO
P(MF)= 0.5 P(MD)= 0.5 P(xito/mercado favorable)

(0,7)(0,5) (0,7)(0,5) +(0,2)(0,5) = (0,2)(0,5) (0,2)(0,5) +(0,7)(0,5) (0,3)(0,5) (0,3)(0,5) +(0,8)(0,5) = (0,8)(0,5) (0,8)(0,5) +(0,3)(0,5)

0.78

P(xito/mercado desfavorable)

0.22

P(sin xito/mercado favorable)

0.27

P(sin xito/mercado desfavorable)

0.73

CENTRO COMERCIAL
P(MF)= 0.6 P(MD)= 0.4 P(xito/mercado favorable)

(0,7)(0,6) (0,7)(0,6) +(0,2)(0,4) = (0,2)(0,4) (0,2)(0,4) +(0,7)(0,6) (0,3)(0,6) (0,3)(0,6) +(0,8)(0,4) = (0,8)(0,4) (0,8)(0,4) +(0,3)(0,6)

0.84

P(xito/mercado desfavorable)

0.16

P(sin xito/mercado favorable)

0.36

P(sin xito/mercado desfavorable)

0.64

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

21/31

GLORIETA
P(MF)= 0.75 P(MD)= 0.25 P(xito/mercado favorable)

(0,7)(0,75) (0,7)(0,75) +(0,2)(0,25) = (0,2)(0,25) (0,2)(0,25) +(0,7)(0,75) (0,3)(0,75) (0,3)(0,75) +(0,8)(0,25) = (0,8)(0,25) (0,8)(0,25) +(0,3)(0,75)

0.91

P(xito/mercado desfavorable)

0.09

P(sin xito/mercado favorable)

0.53

P(sin xito/mercado desfavorable)

0.47

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

22/31

220 ,000
143000

143 ,000 -130,000

20600 0 316000

270 ,000

206 ,000 -130,000

ESTUDIO FAVORABLE 316000

370 ,000

316 ,000 224,800

E T IO S UD

-230,000 -30000

220 ,000
-35500

-35,500 -130,000

270 ,000
14000 88000

14,000 -130,000

ESTUDIO DES FAVORABLE 88000

370 ,000

88,000 -230,000

-300 00

c) Cunto vale la investigacin de Marketing para mary? Calcule los Valores de EVSI

=(224800+30000)EVSI = (250000) 4800 Puede pagar por el estudio hasta 4800

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

23/31

8-1.- (Problema de produccin) Winkler Furniture fabrica dos tipos de vitrinas: un modelo provenzal francs y un modelo dans moderno. Cada vitrina producida debe pasar por tres departamentos: carpintera, pintura y acabado. La tabla de la pagina 3-21 contiene toda informacin concerniente a los tiempos de produccin por vitrina y capacidades de produccin de cada operacin por da, junto con el ingreso neto por unidad producida. La compaa firmo un contrato con un distribuidor de Indiana para producir un mnimo de 300 vitrinas de cada modelo por semana (o 60 por da). El propietario Bob Winkler, desea determinar una mezcla de productos para maximizar su ingreso diario. a) Formule como un problema PL. b) Resuelva con un programa PL u hoja de clculo.
T de Vitrina ipo Provenzal frances Danes moderno Capacidad del departamento (horas) C rpinteria a 3 2 360 P inturia 1 1 200 Aca do ba 125 Ga ncia na 28 25

Carpinteria Pintura Acabado

X1 Francesa 3 1.5 0.75

X2 Danesa 2 1 0.75

Capacidad de Departamento Restricciones < 360 = 3X1+2X2< 360 = < 200 = 1,5 X1 +1X2 < 200 = < 125 = 0,75X1+0,75X2 < 125 = X1 > 60 = X2 > 60 =

360 180 112.5

Respuestas Ganancia Unitaria

60 28

90 25

Funcion Objetivo

28X1 +25 X2

3930

8-5.- (Problema de seleccin de Beisbolistas) Los Dubuque Sackers, un equipo de beisbol clase D, enfrenta cuatro complicados juegos de visitantes contra rivales de la liga en Des Moines, Davemport, Omaha y Peoria. El director tcnico "Red" Revelle efrenta la tarea de programar los cuatro lanzadores abridores en los juegos apropiados. Como los juegos son consecutivos en menos de una semana. Revelle no puede contar con ms de un lanzador que inicie en ms de un juego. Revelle conoce las fortalezas y debilidades no solo de sus lanzadores, sino tambin de sus oponentes. Ha desarrollado una calificacin de desempeo de cada uno de sus lanzadores abridores contra cada uno de estos equipos. Las calificaciones aparecen en las tablas de esta pgina. Que rotacin de abridores deber establecer el director tcnico, Revelle para obtener el total ms alto de calificaciones de desempeo a) Formule el problema por medio de PL. b) Resulvalo
Oponente Des Moines P1 Davenport P2 Omaha P3 Lanzador Abridor "Dead-Arm" Jones (J1) 0.6 0.8 0.5 "spitball" Baker (J2) 0.7 0.4 0.8 "Ace" Parker (J3) 0.9 0.8 0.7 "Gutter" Wilson (J4) 0.5 0.3 0.4 Peoria P4 0.4 0.3 0.8 0.2

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

24/31

Restricciones X1 + X2 + X3 + X4 = X1 + X5 1 =1 X5 + X6 + X7 + X8 = X2 + X6 1 X14 = 1 X9 + X10 + X11 + X12 X3 + X7 =1 X15 = 1 X13 + X14 + X15 + X4 + X8 X16 = 1 X16 = 1
E ua iones c c J1 P1 J2 P1 J3 P1 J4 P1

+ X9 + X13 + X10 + + X11 + + X12 +

J1P2 J2P2 J3P2 J4P2

J1P3 J2P3 J3P3 J4P3

J1P4 J2P4 J3P4 J4P4

1 1 1 1

Jug dor por jueg a o P P P P 1 2 3 4 0 0 0 0 .6 .8 .5 .4 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0

P 1 0 .7 0 1 0 0

P 2 0 .4 0 1 0 0

P 3 0 .8 0 1 0 0

P 4 0 .3 0 1 0 0

P 1 0 .9 0 0 1 0

P P P P P 2 3 4 1 2 P P 3 4 0 0 .8 .7 0 0 .8 .5 0 .3 0 0 .4 .2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 1 1 1 1

1 1 1 1

E ua iones c c J1 P1 J1 P2 J1 P3 J1 P4

J2P1 J2P2 J2P3 J2P4

J3P1 J3P2 J3P3 J3P4

J4P1 J4P2 J4P3 J4P4

1 1 1 1

R otac deJugadore ion s 1 0 0 0 1 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0

0 1 0 0

0 0 1 0

0 0 0 1

1 0 0 0

0 1 0 0

0 0 1 0

0 0 0 1

1 0 0 0

0 1 0 0

0 0 1 0

0 0 0 1

1 1 1 1

X X X X X X X X X X0 X1 X2 X3 X4 X5 X6 1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 0 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

25/31

F uncionO bjetivo X1(0,6) +X1(0,8) +X1(0,5) +X1(0,4) + X2(0,7) +X2 (0,4) +X2(0,8) +X2(0,3) + X3(0,9) +X3 (0,8) +X3(0,7) +X3(0,8) + X4(0,5) +X4 (0,3) +X4(0,4) + (0,2) X4 2 .9

8-9.- (Problema de transporte escolar de estudiantes de preparatoria) El superintendente de comunicacin del condado de Arden, Maryland, es el responsable de asignar estudiantes a las tres preparatorias que hay en su condado. Reconoce la necesidad de transportar a cierto nmero de estudiantes, ya que varios sectores del condado estn bastante alejados como para ir caminando a la escuela. El superintendente divide el condado en cinco sectores geogrficos ya que intenta establecer un plan que minimice el nmero de millas-estudiantes recorridas en autobs. Tambin reconoce que si un estudiante vive en un cierto sector y es asignado a una preparatoria de dicho sector , no hay necesidad de transportar a ese estudiante por autobs porque l o ella puede caminar a la escuela .Las tres escuelas estn localizadas en los sectores B, C y E. La tabla anexa refleja el nmero de estudiantes de preparatoria que viven en cada sector y la distancia en millas de cada sector a cada escuela. Cada preparatoria tiene una capacidad de 900 estudiantes. Establezca la funcin objetivo y restricciones de este problema por medio de PL de modo que el nmero total de millas recorridas por autobs se minimice. (Observe la semejanza con el problema de transporte ilustrado con anterioridad en este captulo) Luego resuelva el problema.
D ta is nciaalaE c s uela S tor ec A B C D E E scuelaenel E cuelaenel E s scuelaenel Num de ero S ectro B S tro C ec S ectro E E studia ntes 5 0 4 7 12 8 4 0 2 7 6 12 7 5 0 700 500 100 800 400 2500

R estric ciones X1+X2 +X3=700 X4+X5 +X6=500 X7+X8 +X9=100 X10+X11+X12=800 X13+X14+X15=400 X1+ +X7+X10+X13 900 X4 X2+X5 +X8+X11+X14 900 X3+X6 +X9+X12+X15 900

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

26/31

F uncionObjetivo (X )(AB +(X )(A-C +(X ) (A-E +(X )(B ) +(X )(B ) + 1 ) 2 ) 3 ) 4 -B 5 -C (X )(C-E +(X )(C ) +(X )(C ) +(X ) (C ) +(X 0 (D ) + 6 ) 7 -B 8 -C 9 -E 1 ) -B (X 1 -C +(X 2 -E +(X 3 -B +(X 4 -C +(X 5 -E 1 )(D ) 1 )(D ) 1 )(E ) 1 )(E ) 1 )(E )

5400

A-B 5 1 0 0 0 0 0 0 X 1 400

A-C 8 1 0 0 0 0 1 0 X 2 0

A-E 6 1 0 0 0 0 0 1 X 3 300

B -B 0 0 1 0 0 0 0 0 X 4 500

B -C 4 0 1 0 0 0 1 0 X 5 0

B -E 1 2 0 1 0 0 0 0 1 X 6 0

C -B 4 0 0 1 0 0 0 0 X 7 0

C -C 0 0 0 1 0 0 1 0 X 8 100

C -E 7 0 0 1 0 0 0 1 X 9 0

D -B 7 0 0 0 1 0 0 0 X0 1 0

D -C 2 0 0 0 1 0 1 0 X1 1 800

D -E 5 0 0 0 1 0 0 1 X2 1 0

E -B 1 2 0 0 0 0 1 0 0 X3 1 0

E -C 7 0 0 0 0 1 1 0 X4 1 0

E -E 0 0 0 0 0 1 0 1 X5 1 400

700 500 100 800 400 900 700

8-13.- (Problema de personal en una planta nuclear) South Central Utilities acaba de enunciar el 1 de Agosto la apertura del segundo generador nuclear en su planta de energa nuclear en Baton Rouge, Louisiana. Su departamento de personal ha sido instruido para que determinen cuantos tcnicos nucleares tienen que contratarse y capacitarse en lo que resta del ao. En la actualidad la planta emplea 350 tcnicos totalmente capacitados y proyecta las siguientes necesidades de personal.
Mes Horas Hombre requeridos Agosto 40000 Septiembre 45000 Octubre 35000 Noviembre 50000 Diciembre 45000

Segn la ley de Lousiana, el empleado no puede trabajar ms de 130 horas por mes. Un poco ms de una hora por da se utiliza para marcar la entrada y salida, mantener los registros y para efectuar exploraciones diarias de radiacin. La poltica en South Central Utilities tambin dicta que los despidos no son aceptables en los meses en que la planta nuclear tiene exceso de personal. En consecuencia, si estn disponibles ms empleados capacitados que los que se requiere en cualquier mes, cada trabajador recibe su pago completo, aun cuando no se requiera que se trabaje las 130 horas. La capacitacin de nuevos empleados es un procedimiento importante y costoso. Requiere un mes de instruccin individual en el saln de clase antes de que a un tcnico nuevo se le permita trabajar solo en la instalacin del reactor. Por consiguiente South Central debe contratar empleados un mes antes de que en realidad los requiera. Cada empleado nuevo hace equipo con un tcnico nuclear calificado y requiere 90 horas del tiempo de este ltimo, lo que significa que ese mes se tienen disponibles 90 horas menos del tiempo del tcnico para trabajo en el reactor. Diciembre, 2010 Prof. Dr. Adolfo Salcedo 27/31

Los registros del departamento de personal indican una tasa de rotacin de tcnicos capacitados de 5% por mes, en otras palabras aproximadamente 5% de los empleados capacitados al principio de cada mes renuncian al final de ese periodo. Un tcnico entrenado devenga un salario mensual promedio $2000 (sin importar el nmero de horas trabajadas, como ya se sealo con anterioridad). Los empleados nuevos reciben $900 durante su mes de instruccin. a) Formule este problema de personal con PL. b) Resuelva el problema. Cuantos empleados nuevos deben iniciar su instruccin cada mes.
Fijo Fijo Fijo Agosto Septiembre Octubre 2000 2000 2000 Agosto 10 3 0 0 Septiembre 0 10 3 0 Octubre 0 0 10 3 Noviembre 0 0 0 Diciem bre 0 0 0 1 0 0 -0 5 .9 1 0 0 -0 5 .9 1 0 0 -0 5 .9 0 0 0 X 1 350 X 2 X 3 346.153 846 328.846 Fijo Noviembre 2000 0 0 0 10 3 0 0 0 0 1 -0 5 .9 X 4 384.6153846 Fijo Diciembre 2 000 0 0 0 0 10 3 0 0 0 0 1

900 -9 0 0 0 0 0 0 -1 0 0 0

900 0 -9 0 0 0 0 0 0 -1 0 0 X 7 0

900 0 0 -9 0 0 0 0 0 0 -1 0 X 8 72.2115385

900 0 0 0 -9 0 0 0 0 0 0 -1 X 9 0

900 0 0 0 0 -9 0 0 0 0 0 0 X0 1 0

44271.2 45000 36251 50000 47500 350 -8E-14 5.7E-14 0 1.1E-13

X 5 X 6 365.384615 13.6538462

F uncionO bjetivo X1*(2000) +X2*(2000) +X3*(2000) +X4*(2000) +X5*(2000) + X6*(900) +X7*(900) +X8*(900) +X9*(900) +X10*(900)

3627278.85

R tric es ciones 130X1+(- 90X6) =40000 X1 =350 130X2+(-90X7) =45000 (0,95) X1+X2+(1) X6=0 130X3+(-90X8) =35000 (0,95) X2+X3+(1)X7=0 130X4+(-90X9) =50000 (0,95) X3+X4+ X8=0 (1) 130X5+(-90X10) =45000 (0,95) X4+X5+(1) X9= 0

8-17.- (Problema de expansin de un hospital) El hospital MM. Sinai en nueva Orleans es una gran empresa privada con 600 camas que cuentan con laboratorios, quirfano y equipo de rayos X. Para incrementar sus ingresos la administracin del Mt. Sinai ha decidido hacer una ampliacin para 90 camas en una fraccin del terreno adyacente que se utiliza actualmente como estacionamiento del personal. La administracin considera que los laboratorios, quirfanos y departamento de rayos X no se utilizan en su totalidad en el presente y no necesitan ampliarse para atender a pacientes adicionales. La adicin de 90 camas, sin embargo implica decidir cuantas camas debern ser asignadas al personal mdico para pacientes mdicos y cuantas al personal quirrgico para pacientes de este tipo. Los departamentos de contabilidad y registro mdico del hospital proporcionan la siguiente informacin al respecto. La permanencia promedio en el hospital de un paciente medico es de 8 das, y genera ingresos por $2280. El paciente quirrgico promedio permanece en el hospital Diciembre, 2010 Prof. Dr. Adolfo Salcedo 28/31

5 das y recibe una factura de $1515. El laboratorio puede manejar 15000 pruebas por ao ms de las que manejaba. El paciente medico promedio 3,1 exmenes de laboratorio en tanto que el paciente quirrgico promedia 2,6. Adems, el paciente medico promedio requiere un estudio de rayos X, mientras que el paciente quirrgico promedio requiere dos. Si el hospital extendiera su capacidad en 90 camas, el departamento de rayos X podra manejar hasta 7000 estudios sin un costo significativo adicional. Por ltimo la administracin estima que podran hacerse 2800 operaciones adicionales en los quirfanos existentes. Los pacientes mdicos, desde luego, no requieren ciruga, mientras que cada paciente quirrgico, en general, es operado una vez. Formule este problema para determinar cuntas camas medicas y cuantas quirrgicas se debern agregar para maximizar los ingresos. Suponga que el hospital est abierto 365 das al ao. Luego resuelva el problema.
Paciente medico 8 3.1 1 0 2280 Paciente quirurgico 5 32850 2.6 14123.6364 2 7000 1 2104.54545 1515 Restricciones 8X1+5X2 32850 3,1X1+2,6X2 15000 X1+2X2 7000 X2=2800

Permanencia Laboratorio Rayos X Cirugia Total Factura

X 1 X 2 2790.90909 2104.54545 F uncion Objetivo (X1* 2280 ) +(X2*1515)

9551659.09

8-21.- (Problema de transportacin de alimentos a un hospital) El Northeast General, un gran hospital en providence, Rhode Island, ha iniciado un nuevo procedimiento para garantizar que los pacientes reciban sus alimentos tan caliente como sea posible. El hospital continuara preparando los alimentos en su cocina pero ahora los entregara en masas (no individualmente) a una de tres estaciones de servicio ubicada en el edificio. De alli, los alimentos se recalentaran y colocaran en charolas individuales, sern cargados en un carro de servicio y distribuidos en varios pisos y alas del hospital. Las tres nuevas estaciones de servicios estn tan localizadas de forma eficiente posible para tener acceso a los diversos pasillos del hospital. El nmero de charolas que cada estacin puede servir aparece en la tabla de la pgina siguiente:
Ubica in c Estacion 5A Estacion 3G Estacion 1S Ala 200 225 275 Paciente 1 80 2 120 3 150 4 210 5 60 6 80

Existenseisalas en el Northeast General que debenser atendidas. El numero de paciente esel siguiente.

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

29/31

El propsito del nuevo procedimiento es incrementar la temperatura de las comidas calientes que el paciente recibe. Por consiguiente, el tiempo requerido para entregar una charola desde una estacin de servicio determinara la distribucin apropiada de los alimentos de la estacin de servicio entre las alas. La tabla siguiente resume el tiempo (minutos) asociado con cada posible canal de distribucin. Cuales son sus recomendaciones para el manejo de la distribucin de charolas desde las tres estaciones de servicio
Ala1 E c sta ion 5 A E c sta ion 3 G E c sta ion 1S 12 6 8 Ala2 11 12 9 Ala3 8 7 6 Ala4 9 7 6 Ala5 6 5 7 Ala6 6 8 9

R estric ciones X1+X2+X3+X4+X5+ =200 X6 X7+X8+X9+X 10+ +X12=225 X11 X13+X14+X15+X16+X17 +X18=275 X1+X7+X13=80 X2+X8+X14=120 X3+X9+X15=150 X4+X10+X16=210 X5+X11+X17=60 X6+X12+X18=80

5 -1 A 12 1 0 0 1 0 0 0 0 0

5 -2 A 11 1 0 0 0 1 0 0 0 0

5 -3 5 -4 5 -5 5 -6 A A A A 8 9 6 6 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1

3 -1 G 6 0 1 0 1 0 0 0 0 0

3 -2 3 -3 3 -4 3 -5 3 -6 1 -1 1 -2 G G G G G S S 12 7 7 5 8 8 9 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0

1 -3 1 -4 1 -5 1 -6 S S S S 6 6 7 9 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1

200 225 275 80 120 150 210 60 80

X 1 0 F ncionOb u jetivo

X 2 0

X 3 120

X 4 0

X 5 0

X 6 80

X 7 80

X 8 0

X 9 30

X0 1 55

X1 1 60

X2 1 0

X3 1 0

X4 1 120

X5 1 0

X6 1 15 5

X7 1 0

X8 1 0

5A-1(12) +5A-2 (11) +5A-3 (8) +5A-4(9) + 5A-5 (6) +5A-6(6) + 3G (6) +3G-2 (12) +3G-3 (7) +3G-4 (7) +3 (5) +3G-6(8) + -1 G-5 1S-1(8) +1S-2(9) +1S-3(6) +1S-4 (6) +1S-5 (7) +1S-6 (9)

4825

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

30/31

Diciembre, 2010

Prof. Dr. Adolfo Salcedo

31/31