Investigacion de Operaciones

INSTITUTO TECNOLGICO
SUPERIOR DE PNUCO
CATEDRTICO:
ING. ARGIA LILI PAZ MOLINA.
ASIGNATURA:
INVESTIGACIN DE OPERACIONES II.
PRESENTA:
JESS ABUNDIS MANZANARES.
CARRERA:
LICENCIATURA EN INFORMATICA.
INVESTIGACIN DE OPERACIONES II
GLOBAL
INDICE
UNIDAD 1 ................................................................................................................................................. 6
INVENTARIOS ......................................................................................................................................... 6
1.-INTRODUCCIN. ............................................................................................................................... 7
1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y DE LOS MODELOS DE
INVENTARIOS......................................................................................................................................... 8
SISTEMAS DE INVENTARIOS. ........................................................................................................ 8
MODELO DE INVENTARIO SIN DFICIT .................................................................................... 10
FUNDAMENTOS ............................................................................................................................... 10
ANLISIS DE ECUACIONES.......................................................................................................... 12
MODELO DE INVENTARIO CON DFICIT .................................................................................. 15
ANLISIS DE ECUACIONES .......................................................................................................... 16
MODELO DE PRODUCCIN SIN DFICIT ................................................................................. 19
MODELO DE PRODUCCIN CON DFICIT ............................................................................... 21
MODELO DE DESCUENTO EN TODAS LAS UNIDADES ........................................................ 24
MODELO CON DESCUENTO INCREMENTALES ..................................................................... 31
1.3 COSTOS DE INVENTARIOS ....................................................................................................... 37
COSTOS DE ALMACENAMIENTO................................................................................................ 40
COSTOS DIRECTOS DE ALMACENAJE ..................................................................................... 41
CALCULO DE LA TASA ANUAL AD-VALOREM ..................................................................... 42
COSTOS DE LANZAMIENTO DEL PEDIDO. .............................................................................. 45
COSTOS DE ADQUISICION ........................................................................................................... 45
COSTOS DE RUPTURA DE STOCK ............................................................................................ 46
1.4 MODELOS DETERMINSTICOS ................................................................................................. 47
MODELO DE INVENTARIO GENERAL ........................................................................................ 47
1.5 PLANEACIN DE REQUERIMIENTOS DE MATERIALES. ................................................... 49
UNIDAD 2 ............................................................................................................................................... 51
LI. Jess Abundis Manzanares |
GLOBAL
LNEAS DE ESPERA............................................................................................................................ 51
INTRODUCCION................................................................................................................................... 52
ORIGEN. ............................................................................................................................................. 53
2.2 TERMINOLOGIA NOTACION LINEAS DE ESPERA. .............................................................. 56
USO DE LAS TASAS DE LLEGADA Y DE SERVICIO ............................................................... 57
APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA. ..................................................... 59
TIEMPOS UNIFORMES DE LLEGABA Y DE SERVICIO. ......................................................... 62
TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL. ........................................................ 64
2.3 MODELO CON REABASTECIMIENTO INSTANTANEO. ................................................... 65
2.3 TEOREMA DE LITTLE............................................................................................................... 68
2.4 PATRONES DE LLEGADAS Y DE SERVICIO.......................................................................... 70
2.5 SOLUCION ANALITICA LINEAS DE ESPERA. ........................................................................ 78
USO DE LAS TASAS DE LLEGADA Y DE SERVICIO ............................................................... 78
APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA ..................................................................... 79
TIEMPOS UNIFORMES DE LLEGABA Y DE SERVICIO. ......................................................... 82
TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL. ........................................................ 83
PROCESO DE NACIMIENTO Y MUERTE (MODELOS DE POISSON).................................. 84
PROCESO DE NACIMIENTO PURO Y MUERTE PURA. ......................................................... 84
MODELO DE NACIMIENTO PURO. .............................................................................................. 84
MODELO DE MUERTE PURA........................................................................................................ 86
UNA COLA, UN SERVIDOR Y POBLACIN FINITA. ................................................................ 89
UNA COLA-SERVIDORES MULTIPLES EN PARALELO-POBLACION INFINITA. .............. 96
UNIDAD 3 ............................................................................................................................................. 109
SIMULACIN ....................................................................................................................................... 109
3.1 INTRODUCCIN. ......................................................................................................................... 110
3.2 PROCEDIMIENTO DE SIMULACION. ...................................................................................... 112
GLOBAL
Descripcin del procedimiento empleado en las simulaciones. ............................................... 112

3.3 LOS NUMEROS ALEATORIOS Y EL MUESTREO DE VARIABLES ALEATORIAS. ...... 115
NMERO ALEATORIO. ................................................................................................................. 115
3.4 SIMULACION DE INVENTARIOS. ............................................................................................ 116
3.5 SIMULACION DE SISTEMAS CON LINEAS DE ESPERA. .................................................. 117
3.6 VENTAJAS Y DESVENTAJAS DE LA SIMULACION. ........................................................... 130
VENTAJAS: ...................................................................................................................................... 130
DESVENTAJAS: .............................................................................................................................. 131
UNIDAD 4 ............................................................................................................................................. 132
TEORA DE JUEGOS ......................................................................................................................... 132
4. INTRODUCCION ........................................................................................................................... 133
4.2 JUEGOS DE SUMA CERO ......................................................................................................... 135
4.3 JUEGOS DE SUMA DISTINTA A CERO .................................................................................. 136
HISTORIA: ........................................................................................................................................ 137
HISTORIA DE LA TEORA DE JUEGOS. ................................................................................... 138
APLICACIONES. ............................................................................................................................. 140
UNIDAD 5 ............................................................................................................................................. 144
CADENAS DE MARKOV ................................................................................................................... 144
5.- INTRODUCCION. .......................................................................................................................... 145
PROBABILIDADES DE TRANSICIN. ....................................................................................... 148
5.2 EL DIAGRAMA DE ESTADOS Y LA MATRIZ DE TRANSICION ......................................... 161
DIAGRAMAS DE ESTADO ............................................................................................................ 161
5.3 CALCULO DE PROBABILIDADES DE TRANSICION Y DE ESTADO ESTABLE. ........................................ 168
RESULTADOS................................................................................................................................. 169
UNIDAD 6 ............................................................................................................................................. 170
PROGRAMACIN DINAMICA. ......................................................................................................... 170
GLOBAL
INTRODUCCION............................................................................................................................. 171
10.1 MODELOS DE PROGRAMACIN DINMICA ................................................................. 172
6.2 FORMULACION DE MODELOS PROGRAMACION DINAMICA ......................................... 172
6.3 METODO HACIA ATRAS ............................................................................................................ 172
ANEXOS ............................................................................................................................................... 173
PROBLEMARIO. ................................................................................................................................. 173
UNIDAD I .............................................................................................................................................. 174
1.-INVENTARIOS. ................................................................................................................................ 174
UNIDAD II ............................................................................................................................................. 202
Lneas de espera. ................................................................................................................................ 202
Documento PDF ................................................................................................................................. 202
UNIDAD III ............................................................................................................................................ 202
Simulacin .......................................................................................................................................... 202
Documento PDF ................................................................................................................................. 202
UNIDAD IV............................................................................................................................................ 202
Teora de Juegos ................................................................................................................................. 202
Documento PDF ................................................................................................................................. 202
UNIDAD V ............................................................................................................................................. 202
Cadenas de Markov ............................................................................................................................ 202
Documento PDF ................................................................................................................................. 202
UNIDAD VI............................................................................................................................................ 202
Programacin ..................................................................................................................................... 202
Documento PDF ................................................................................................................................. 202
BIBLIOGRAFIAS. ................................................................................................................................ 203
GLOBAL
UNIDAD 1
INVENTARIOS
GLOBAL
1.-INTRODUCCIN.
Inventarios son bienes tangibles que se tienen para la venta en el curso ordinario del
negocio o para ser consumidos en la produccin de bienes o servicios para su
posterior comercializacin.
Los inventarios comprenden, adems de las materias primas, productos en proceso y

productos terminados o mercancas para la venta, los materiales, repuestos y
accesorios para ser consumidos en la produccin de bienes fabricados para la venta o
en la prestacin de servicios; empaques y envases y los inventarios en trnsito.
La base de toda empresa comercial es la compra y venta de bienes o servicios; de

aqu la importancia del manejo del inventario por parte de la misma. T.Q.M.S.L.
Este manejo contable permitir a la empresa mantener el control oportunamente, as

como tambin conocer al final del perodo contable un estado confiable de la situacin
econmica de la empresa.
Ahora bien, el inventario constituye las partidas del activo corriente que estn listas
para la venta, es decir, toda aquella mercanca que posee una empresa en el almacn
valorada al costo de adquisicin, para la venta o actividades productivas.
Clases de Inventarios: Inventario de Mercancas: Lo constituyen todos aquellos bienes

que le pertenecen a la empresa bien sea comercial o mercantil, los cuales los
compran para luego venderlos sin ser modificados.
GLOBAL
En esta Cuenta se mostrarn todas las mercancas disponibles para la Venta. Las que
tengan otras caractersticas y estn sujetas a condiciones particulares se deben
mostrar en cuentas separadas, tales como las mercancas en camino (las que han
sido compradas y no recibidas an), las mercancas dadas en consignacin o las
mercancas pignoradas (aquellas que son propiedad de la empresa pero que han sido
dadas a terceros en garanta de valor que ya ha sido recibido en efectivo u otros
bienes).
Inventario de Productos Terminados: Son todos aquellos bienes adquiridos por las
empresas manufactureras o industriales, los cuales son transformados para ser
vendidos como productos elaborados.
1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS

Y DE LOS MODELOS DE INVENTARIOS.
SISTEMAS DE INVENTARIOS.
Las empresas mantienen inventarios de materias primas y de productos terminados.
Los inventarios de materias primas sirven como entradas al proceso de produccin y
los inventarios de productos terminados sirven para satisfacer la demanda de los
clientes.
Puesto que estos inventarios representan frecuentemente una considerable inversin,

las decisiones con respecto a las cantidades de inventarios son importantes.
GLOBAL
Los modelos de inventario y la descripcin matemtica de los sistemas de inventario

constituyen una base para estas decisiones.
Mantener un inventario (existencia de bienes) para su venta o uso futuro es una

prctica comn en el mundo de los negocios. Las empresas de venta al menudeo, los
mayoristas, los fabricantes y an los bancos de sangre por lo general almacenan
bienes o artculos. Cmo decide una instalacin de este tipo sobre su poltica de
inventarios, es decir, cundo y cmo se reabastece.
En una empresa pequea, el administrador puede llevar un recuento de su inventario

y tomar estas decisiones. Sin embargo, como esto puede no ser factible incluso en
empresas chicas, muchas compaas han ahorrado grandes sumas de dinero al
aplicar la administracin cientfica del inventario. En particular, ellos.
1. Formulan un modelo matemtico que describe el comportamiento del sistema de

inventarios.
2. Derivan una poltica ptima de inventarios con respecto a este modelo.
3. Con frecuencia, utilizan una computadora para mantener un registro de los niveles
de inventario y sealar cundo conviene reabastecer.
LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

DE LOS MODELOS DE INVENTARIOS.
GLOBAL
MODELO DE INVENTARIO SIN DFICIT
FUNDAMENTOS
Este modelo tiene como bases el mantener un inventario sin falta de productos para
desarrollar las actividades de cualquier empresa.
Este es un modelo de inventarios que se encuentra basado en las siguientes

suposiciones:
La demanda se efecta a tasa constante.
El reemplazo es instantneo (la tasa se reemplazo es infinita).
Todos los coeficientes de costos son constantes.
En este modelo no se permite la falta de productos para la venta, es decir, una

empresa que maneje este modelo de inventario no se puede quedar sin mercancas
para la venta.
En la siguiente figura se ilustra esquemticamente este modelo.

Smbolos.
Q = Cantidad optima a pedir.
Im = Inventario Mximo.
t = Periodo entre pedidos.
T = Periodo de Planeacin.

10
GLOBAL
En este modelo se representan iguales el inventario mximo y la cantidad econmica

pedida.
Cabe mencionar que esto no siempre es verdadero.

El costo total para un periodo en este modelo esta conformado por tres componentes
de costo:
Costo unitario del producto (C1)

Costo de ordenar una compra (C2)
Costo de mantener un producto en almacn (C3).
El costo para un periodo estar conformado de la siguiente manera:

Costo por periodo = [Costo unitario por periodo] + [Costo de ordenar un pedido] +
[Costo de mantener el inventario en un periodo]
El costo total para el periodo de planeacin estar conformado de la manera

siguiente:
Costo total = Costo por periodo x Numero de pedidos a realizar.

11
GLOBAL
ANLISIS DE ECUACIONES.
Costo unitario por periodo.
El costo unitario por periodo simplemente es el costo de la cantidad optima a pedir.
C1 Q
Costo de ordenar una compra.
Puesto que solo se realiza una compra en un periodo el costo de ordenar una compra
est definido por:
C2
Costo de mantener el inventario por periodo.
El inventario promedio por periodo es [Q / 2]. Por consiguiente el costo de

mantenimiento del inventario por periodo es:
Para determinar el costo en un periodo se cuenta con la siguiente ecuacin:

El tiempo de un periodo se expresa de la siguiente manera:
Nota: La demanda del artculo en un periodo de planeacin se define con la letra D.

El nmero de periodos se expresa de la manera siguiente:
Si se desea determinar el costo total en el periodo de planeacin (T) se multiplica el

costo de un periodo por el nmero de interperiodos (t) que contenga el periodo de
planeacin. Para determinar este costo se aplica la siguiente ecuacin:

12
GLOBAL
Costo Total = Costo (Q*)t

Otra manera de representar el costo total para el periodo de planeacin es por medio
de la siguiente ecuacin:
Cuando los componentes del costo total se representan grficamente se obtiene un

punto ptimo (de costo mnimo).
Una forma de determinar la cantidad ptima a pedir es suponer diversos valores de Q

y sustituir en la ecuacin anterior hasta encontrar el punto de costo mnimo. Un
procedimiento ms sencillo consiste en derivar la ecuacin del costo total con
respecto a Q e igualar la derivada a cero.
Al resolver esta derivada tenemos la ecuacin para determinar la cantidad ptima a

pedir.
Q=
Esta ecuacin ocasiona un costo mnimo y tiene como base un balance entre los dos
costos variables (costo de almacenamiento y costo de compra) incluidos en el
modelo. Cualquier otra cantidad pedida ocasiona un costo mayor.
Para entender este modelo se resolver un ejercicio en donde se aplican todos los
aspectos ms importantes de este modelo de compra.

13
GLOBAL
EJERCICIO
Una empresa vende un artculo que tiene una demanda de 18, 000 unidades por ao,
su costo de almacenamiento por unidad es de $ 1.20 por ao y el costo de ordenar
una compra es de $ 400.00. El costo unitario del artculo es $ 1.00. No se permite
faltante de unidades y su tasa de reemplazo es instantnea. Determinar:
La cantidad optima pedida
El costo total por ao
El nmero de pedidos por ao
El tiempo entre pedidos

Datos
C1= $ 1.00
C2 = $ 400.00
C3 = $ 1.20
La cantidad optima a pedir se calcula de la siguiente forma.
= 3 465 Unidades
El costo total estar determinado por:

Costo = [(1)(18000)] + [ (400)(18000/3465)] + [(1.2)(3465/2)] = $ 22, 156 por ao
El nmero de pedidos por ao es

14
GLOBAL
N = D / Q = 18 000 / 3465 = 5.2 Pedidos por ao

El tiempo entre pedidos es
t = Q / D = 3465 / 18000 = 0.1925 aos
MODELO DE INVENTARIO CON DFICIT

FUNDAMENTOS
El modelo de compra que permite dficit tiene como base las siguientes suposiciones:
El reemplazo es instantneo (la tasa se reemplazo es infinita).

Este modelo tiene costos normales (costo unitario del producto, costo de ordenar una
compra, costo de mantener en inventario) pero adems tiene un costo adicional, el
costo por unidad de faltante.
En este modelo es posible diferir un pedido, de manera que una vez recibida la
cantidad pedida desaparece el dficit, esto se representa claramente en el siguiente
esquema.

15
GLOBAL
Q = Cantidad optima a pedir

S = Cantidad de unidades agotadas
Im = Inventario Mximo
t = Periodo entre pedidos
T = Periodo de Planeacin
t1 = Tiempo en donde se cuenta con inventario
t2 = Tiempo en donde se cuentan con unidades agotadas.
Por consiguiente, en este modelo, los costos de dficit son ocasionados por
agotamiento de existencias durante el periodo de tiempo y no por la prdida de
ventas.
En este modelo se incluyen los costos de dficit para determinar el costo para un
periodo.
Costo por periodo = [Costo unitario por periodo] + [Costo de ordenar un pedido] +
[Costo de mantener el inventario en un periodo] + [costo de dficit por periodo]
ANLISIS DE ECUACIONES
El costo unitario y el costo de ordenar un pedido se determinan de una manera
semejante a como se determinan en el modelo de compra sin faltante.

16
GLOBAL
Para determinar el tiempo t1, el inventario mximo y el tiempo t2 en funcin de la

cantidad ptima a pedir (Q) y la cantidad de existencias agotadas (S) se realiza el
siguiente proceso.
El inventario mximo estar definido por:

Im = Q S
Las siguientes ecuaciones se obtienen a partir de la semejanza de tringulos:

Debido a que el tiempo de un periodo t es Q / D. Las ecuaciones anteriores pueden
representarse de la siguiente forma.
Sustituyendo las ecuaciones 1,2 y 5 en la ecuacin del costo por periodo tenemos.
Multiplicando el costo de un periodo por el nmero total de interperiodos que tiene el
periodo de planeacin obtenemos el costo total.
Para determinar la cantidad optima a pedir y la cantidad de existencias agotadas se

realiza una operacin de derivacin parcial con respecto a cada una de estas
variables.
El resultado de estas operaciones nos da como resultado.

aspectos ms importantes de este modelo de compra.

17
GLOBAL
EJERCICIO
Una empresa vende un artculo que tiene una demanda de 18, 000 unidades por ao,
su costo de almacenamiento por unidad es de $ 1.20 por ao y el costo de ordenar
una compra es de $ 400.00. El costo unitario del artculo es $ 1.00. El costo por
unidad de faltante es de $ 5.00 por ao. Determinar:

El nmero de pedidos por ao
Datos
C1= $ 1.00
C2 = $ 400.00
C3 = $ 1.20
C4 = $ 5.00
La cantidad ptima a pedir se calcula de la siguiente forma.

= 3 465 Unidades

= 747 Unidades

= 4.66
18
GLOBAL

=0.215
MODELO DE PRODUCCIN SIN DFICIT

FUNDAMENTOS
Las suposiciones de este modelo son las siguientes.
El reemplazo es instantneo (la tasa se reemplazo es finita).
La tasa de manufacturacin es mayor que la tasa de demanda.
Este modelo es muy similar al modelo de compra sin dficit. En este modelo cambia el
costo de ordenar una compra por el costo de iniciar una tanda de produccin (C2).
Para determinar la cantidad optima a pedir, se sigue el procedimiento del modelo de

compra sin dficit.
En el siguiente esquema se representa este modelo.

Q = Cantidad optima a producir
R = Tasa de manufacturacin
t = Periodo entre tandas de produccin
t1 = Tiempo en donde se cuenta con inventario disponible
t2 = Tiempo en donde no se cuenta con inventario
19
GLOBAL
El costo de organizar una tanda por periodo estar determinado por.

El tiempo entre tandas de produccin estar definido por.
Puesto que las unidades se utilizan de acuerdo a su definicin el inventario mximo

por periodo es el tiempo de manufacturacin t1 multiplicado por la tasa de
acumulacin, en donde la tasa de acumulacin es la tasa manufacturacin R menos
la tasa de demanda D, obteniendo como resultado:
Im= t1(R - D)
El tiempo de manufacturacin es el tiempo requerido para fabricar Q unidades:

Por consiguiente el inventario mximo estar definido por:
Otra forma de representar el costo por periodo es de la forma siguiente:

Para determinar el costo total por el periodo de planeacin se proceder a multiplicar
el costo por periodo por el nmero de tandas de produccin.
Para encontrar la cantidad optima a producir se derivada esta ecuacin y se iguala

con cero.
En donde el valor de Q se puede obtener mediante la siguiente ecuacin:

Esta cantidad ptima que debe fabricarse representa un balance entre los costos de
almacenamiento y los costos de organizacin de una tanda de produccin.
aspectos ms importantes de este modelo de manufacturacin.
20
GLOBAL
EJERCICIO
La demanda de un artculo de una determinada compaa es de 18, 000 unidades por
ao y la compaa puede producir ese artculo a una tasa de 3 000 unidades por mes.
El costo de organizar una tanda de produccin es $ 500.00 y el costo de

almacenamiento de una unidad es de $ 0.15 por mes. Determinar la cantidad ptima
de debe de manufacturarse y el costo total por ao suponiendo que el costo de una
unidad es de $ 2.00,
= 4 470 Unidades
El costo total anual es
= $ 40, 026
El inventario mximo estara determinado por:
= 2 235 Unidades
MODELO DE PRODUCCIN CON DFICIT

FUNDAMENTOS
Las suposiciones para este modelo son las siguientes:
El reemplazo es instantneo (la tasa se reemplazo es finita).
La tasa de manufacturacin es mayor que la tasa de demanda.

21
GLOBAL
En la siguiente figura se ilustra esquemticamente este modelo.
Q = Cantidad optima a pedir

S = Cantidad de unidades agotadas
t = Periodo entre tandas de produccin
t1 t4= Tiempo de manufacturacin
t2 t3= Tiempo de consumo de las unidades producidas.
El costo de un periodo de produccin estar determinado por la siguiente ecuacin:

Por definicin tenemos otra manera de representar el costo de produccin para un
periodo tenemos.
Multiplicando la ecuacin anterior por el nmero de periodos de produccin tenemos

el costo total para el periodo de planeacin:
Para determinar la cantidad ptima Q se obtienen las derivadas parciales con

respecto a Q y a S.
Realizando las operaciones correspondientes obtenemos como resultado:

aspectos ms importantes de este modelo de manufacturacin.

22
GLOBAL
EJERCICIO
La demanda de un artculo de una determinada compaa es de 18, 000 unidades por
ao y la compaa puede producir ese artculo a una tasa de 3 000 unidades por mes,
El costo de organizar una tanda de produccin es $ 500.00 y el costo de
almacenamiento de una unidad es de $ 0.15 por mes. Determinar la cantidad optima
unidad es de $ 2.00. El costo por unidad agotada es de $ 20.00 por ao.
Datos
D = 18, 000 Unidades por ao
R = 3,000 por mes
C1 = $ 2.00
C2 = $ 500.00
C3 = $ 0.15 por mes
C4 = $ 20.00 por ao
La cantidad ptima estar definida por:

= 4670 Unidades
Para calcular el costo anual primero se deben calcular el nmero de unidades
agotadas.
= 193 Unidades
El costo total quedara definido por
Costo Total = $ 39, 855 por periodo de planeacin.

23
GLOBAL
MODELO DE DESCUENTO EN TODAS LAS UNIDADES
FUNDAMENTOS
Este modelo se basa manejar diferentes costos segn las unidades pedidas, es decir,
la cantidad de productos a comprar definir el precio de los mismos.
Algunas empresas manejan este modelo de inventario debido a que sus costos le
permiten realizar este tipo de compras. Este modelo les proporciona sus costos
totales ms bajos segn sus necesidades y los recursos con los que cuenten. En la
siguiente grfica se representa este modelo.
Ni = Cantidades a pedir
Costo i = Costos de adquirir la cantidad Ni
En este modelo se realizan descuentos segn la cantidad a comprar, por ejemplo, una
empresa distribuye artculos, sus precios son los siguientes:
De A Costo Unitario 0
10, 000
$ 5.00
10, 001
20,000
$4.50
20, 001
30, 000
$3.00
30, 001
En adelante
$2.00
24
GLOBAL
Segn estos costos si nosotros deseamos comprar entre 0 y 10, 000 unidades estas
tendrn un costo de $5.00, entre 10, 0001 y 20, 000 un costo de $4.50, entre 20, 001
y 30, 000 un costo de $3.00 y arriba de 30, 001 un costo de $2.00.
En la siguiente grfica se presentan los datos antes descritos.

Esto resulta bueno para algunas empresas que cuenten con costos de mantener
inventarios muy bajos, ya que pueden realizar compras en gran escala a precios
bajos.
Con este tipo de modelo los costos unitarios de los productos se ven mermados pero
los costos de mantener un almacn se pueden ver incrementados sustancialmente.
Cabe mencionar que se debe de tomar en cuenta que la mercanca en ocasiones
mantenerla en un almacn le ocasiona deterioro.
Para realizar el desarrollo de este modelo estructuraremos un algoritmo que consta de

cuatro pasos, en los cuales se tomarn aspectos importantes de este modelo.
Pasos para la aplicacin de este modelo.
Para realizar el desarrollo de este algoritmo nos apoyaremos en la siguiente grfica

en donde se representa este modelo.
PASO 1.
El primer paso es determinar la cantidad optima a pedir segn los costos (Costo de
pedir, Costo de mantener) que maneje la empresa, para cada uno de los descuentos
con que se cuentan.

25
GLOBAL
Determinaremos la cantidad optima a pedir para cada uno de los costos (C1, C2, C3,
C4) de los descuentos.
Q = Cantidad Optima
D = Demanda del artculo.
C1 = Costo unitario del artculo.
C2 = Costo de ordenar un pedido.
i = Porcentaje sobre el precio del artculo por mantenimiento en inventario.
Existen ocasiones en que la empresa maneja un costo de almacn adicional,

entonces la ecuacin que definida de la siguiente forma:
En donde C3 + iC1j ser el costo total de mantener en almacn.
PASO 2.
El segundo paso es realizar una comparacin de los valores de Qj con sus
respectivos niveles de precio (Ci), por ejemplo, se compara el valor obtenido de Q1
con respecto al intervalo que corresponde el valor del costo de C1, si este se
encuentra entre el valor de 0 y el valor de N1 entonces este valor de Q se tomar
como un valor ptimo. De igual manera se realizar una comparacin entre Q2 y el
intervalo de N1 y N2. Esto operacin se realiza con todos los valores de Q obtenidos.
En caso de que el valor obtenido no se encontrara dentro de este intervalo, la
cantidad ptima estar definida por el lmite inferior del intervalo.
En la grfica el valor de Q1 no se encuentra dentro de su intervalo, por consiguiente el

valor de Q2 ser su lmite inferior, o sea, Q2 = N1.

26
GLOBAL
PASO 3.
El tercer paso es determinar los costos totales para cada uno de los valores ptimos
obtenidos anteriormente. El costo total lo determinaremos con la siguiente ecuacin.
PASO 4.
El cuarto paso es determinar el menor costo total obtenido en el paso anterior. El valor
de Q utilizado para determinar este costo ser la cantidad optima a pedir segn los
costos estimados en el planteamiento del problema.
Para entender mejor este modelo se resolver un problema en donde se describirn
cada uno de los pasos anteriormente mencionados.
EJERCICIO.
Determine la cantidad optima a ordenar para una parte comprada que tiene las
siguientes caractersticas:
Uso estimado anual a tasa constante 10, 000 unidades
Costo de procesar una orden $ 32.00
Intereses anual, impuesto y seguro como una fraccin del valor de la inversin sobre
el inventario promedio 20 %.
El esquema de precios es el siguiente:

Cantidad
Precio
0 < Q < 1, 000
$ 3.50
27
GLOBAL
1, 000 < Q < 2, 000

$ 2.95
2, 000 < Q
$ 2.00
No se permiten faltantes el lote se entrega en un embarque.

RESOLUCIN.
Datos.
D = 10, 000 Unidades
C2 = $ 32.00
C11 = $ 3.50
C12 = $ 2.95
C13 = $ 2.00
i = 20 %
Nota: Cabe hacer mencin que el costo de mantener una unidad en almacn esta
definido por C3 = iC1j.
Representando los costos unitarios proporcionados tenemos la siguiente grfica.

Para iniciar con el desarrollo del problema seguiremos el algoritmo antes descrito.
PASO 1.
Determinaremos la cantidad optima a pedir para cada uno de los costos
proporcionados.

28
GLOBAL
Para C11 = $ 3.50 tenemos:

= 956.18
= 1041.51
= 1264.91
Con los datos obtenidos anteriormente terminaremos que las cantidades optimas que
se encuentran dentro del intervalo correcto.
Cantidad
Consideracin
0 < Q1 = 956.18 < 1, 000
1, 000 < Q2 = 1041.51 < 2, 000
2, 000 < Q3 = 1264.91

X
Debido a que Q3 no se encuentra dentro de su intervalo su valor quedar definido por

su intervalo inferior, o sea, Q3 = 2, 000.
Los datos obtenidos anteriormente pueden quedar representados en la siguiente

grfica.

29
GLOBAL
PASO 3.
Ahora procederemos a determinar el costo total de los valores ptimos obtenidos
anteriormente.
El costo total para el primer valor ptimo obtenido es (Q1 = 956.18):

= $ 35, 669.32
El costo total para el segundo valor ptimo obtenido es (Q2 = 1041.51):

= $ 30, 114.48
El costo total para el segundo valor optimo obtenido es (Q3 = 2000):

= $ 20, 560.00
PASO 4.
Ahora solo falta determinar el mnimo valor del costo total calculado anteriormente.
Vemos que el valor mnimo es el del Costo Total3 por consiguiente la cantidad optima
a ordenar es de 2,000 unidades.
En la siguiente grfica se presentan los resultados obtenidos al calcular cada uno de

los costos totales y la determinacin del menor costo.
Como se puede ver en la grfica el menor costo se produce al pedir 2, 000 unidades.
Podemos concluir que la cantidad optima a pedir para este problema es de 2, 000
unidades y esto ocasiona tener un costo total de $ 20, 560.00.

30
GLOBAL
MODELO CON DESCUENTO INCREMENTALES
FUNDAMENTOS
Este modelo se basa en manejar un precio unitario de un producto en referencia a la
cantidad necesitada, a diferencia del modelo de descuentos en todas las unidades
este realiza descuentos sobre una cierta cantidad de artculos que se encuentran
dentro de un intervalo. Para entender mejor este modelo supongamos que tenemos la
siguiente tabla de precios y deseamos conocer el costo de 25 000 unidades de cierto
producto.
De A Costo Unitario 0
10, 000
C11
10, 001
20,000
C12
20, 001
30, 000
C13
30, 001
En adelante
C14
En la siguiente grfica se presentas los costos unitarios de este producto.

Para determinar el costo de 25 000 unidades se tomarn 10 000 unidades a un costo
de C11, 10 000 unidades a un costo de C12 y 5 000 unidades a un costo de C13.
31
GLOBAL
Se toman las cantidades de los intervalos con sus respectivos precios hasta que se
logre acumular la cantidad requerida, es obvio que existe un gran contraste en
comparacin al modelo de descuentos en todas las unidades en donde el precio se
toma con referencia al intervalo en donde se encuentra la cantidad requerida.
Por consiguiente el costo de 25 000 unidades ser:

Costo = C11 (10 000) + C12(10 000)+ C13(5 000)
Para el modelo de descuentos en todas la unidades estara definido de la siguiente

manera:
Costo = C13 (25 000)

En la siguiente grfica se presentan los costos que nos representara adquirir una
cierta cantidad de un producto, por ejemplo, si queremos adquirir alguna cantidad que
se encontrase entre el intervalo de N0 y N1 la lnea de costo estara definida de la
siguiente manera:
Si la cantidad a adquirir sobrepasar el intervalo de N0 y N1, y se ubicar ahora entre

el intervalo de N1 y N2 la lnea de costo estar representada por:
Esto se realiza para todos los intervalos considerados, dando como resultado la
siguiente grfica.
Ahora podemos concluir que el costo no se incrementa linealmente, sino que toma
diversos estados en relacin a la cantidad requerida.

32
GLOBAL
En este modelo se deber determinar la cantidad optima a pedir en base a los costos
unitarios con los que se cuenten, es decir, se determinar la cantidad optima para
cada costo unitario.
Es necesario tambin definir el costo de adquirir una cantidad Nj, es se realiza

mediante la siguiente ecuacin.
Para adquirir una cantidad N3 el costo de esta se le deber sumar los costos
anteriores, o sea, N1 y N2, esto se realiza debido a las bases en las que se
fundamenta el modelo anteriormente explicadas.
El costo ptimo total de un lote de productos estar definido por la siguiente ecuacin.
El costo total para un periodo de planeacin estar definido por la siguiente ecuacin.
Si a esta ecuacin la derivamos con respecto a Q obtendremos la ecuacin para

determinar la cantidad ptima a pedir.
En ocasiones algunas empresas manejan un costo de almacn adicional, entonces la

ecuacin es la siguiente:
En donde C3 + iCj ser el costo total de almacn.
Para entender mejor este modelo se resolver un problema en donde se describirn

cada uno de los pasos anteriormente mencionados.

33
GLOBAL
Ejercicio
Determine la cantidad ptima a ordenar para una parte comprada que tiene las
siguientes caractersticas:
Uso estimado anual a tasa constante 120, 000 unidades
Costo de procesar una orden $ 800.00
Intereses anual, impuesto y seguro como una fraccin del valor de la inversin sobre
el inventario promedio 10 %.
El costo de mantener es de $ 6.00.
El esquema de precios es el siguiente:

Cantidad
Precio
0 < Q < 10, 000
$ 6.00
10, 000 <= Q < 30, 000
$ 5.80
30, 000 <= Q
$ 5.70

34
GLOBAL
RESOLUCIN
Datos.
D = 120 000 Unidades
C2 = $ 800.00
i = 10 %
C3 = $ 6.00
La siguiente grfica nos representa la estructura de precios del problema.
Para desarrollar mejor este modelo, se realizar una tabla la cual contendr datos
referentes del problema que se analiza.
La tabla se presentar de la siguiente manera:
J
Cj
Nj
V(Nj)
V(Q)=V(Nj-1)+Cj(Q-Nj-1)
J = Intervalos
Cj = Precio unitario para el intervalo j
Nj = Cantidad para el periodo j.
V(Nj) = Costo de Nj unidades.
V(Q) = Costo de Q unidades
Ahora procederemos a iniciar el proceso de resolucin del problema. Encontraremos

los costos de lotes para cada uno de los intervalos de productos.
V(N1) = C1(N1-N0) = 6(10,000 - 0) = 60, 000

V(N2) = C2(N2- N1) = 60,000 + 5.80(30,000 10, 000) = 60,000+116, 000 = 176, 000
35
GLOBAL
Nota. En el paso anterior se le suma el costo del lote anterior al costo actual, es decir,
a 116 000 del costo del lote actual se le suma 60, 000 del costo anterior.
El costo ptimo total de un lote de productos estar definido por la siguiente ecuacin.
V(Q1) = V(N0) + C1(Q N0) = 0 + 6(Q - 0) = 6Q
V(Q2) = V(N1) + C2(Q N1) = 60 000 + 5.80(Q 10, 000) = 5.80 Q + 6 000
Ahora introduciremos los valores a la tabla quedando de la siguiente forma.

J
Cj
Nj
V(Nj)
V(Q)=V(Nj-1)+Cj(Q-Nj-1)
1
$ 6.00
10, 000 60, 000 6Q 2 $ 5.80 30, 000
176, 000
5.80 Q + 6000
3
$ 5.70
La cantidad ptima para los diferentes costos ser:
= 5 393.59 Unidades
= 10 105.82 Unidades
= 14 555.82 Unidades

36
GLOBAL
Los valores obtenidos los compararemos con sus respectivos intervalos.

Cantidad
Consideracin
0 < Q1 = 5393.59 < 10, 000
Si
10, 000 <= Q2 = 10 105.82 < 30, 000
Si
30, 000 <= Q3 = 14 555.82
No
En base al anlisis anterior tenemos que los costos para Q1 y Q2 son:
Costo Total (Q1) = $ 739 130.07
Costo Total (Q2) = $ 731 955.28
Ahora podemos concluir que lo ptimo ser pedir 10 105.82 Unidades.
1.3 COSTOS DE INVENTARIOS

La Gestin de Inventarios es una actividad en la que coexisten tres tipos de Costos
Costos asociados a los flujos
Costos asociados a los stocks
Costos asociados a los procesos
Esta estructura se plantea sin perjuicio de mantener la clsica estructura de Costos

por naturaleza, segn se clasifican en los dos siguientes grandes grupos.
Costos de Operacin.
Costos Asociados a la Inversin
LI. Jess Abundis Manzanares | 1.3 COSTOS DE INVENTARIOS
37
GLOBAL
Los primeros, son los necesarios para la operacin normal en la consecucin del Fin.
Mientras que los asociados a la Inversin son aquellos financieros relacionados con
depreciaciones y amortizaciones.
Dentro del mbito de los flujos habr que tener en cuenta los Costos de los flujos de
aprovisionamiento (transportes), aunque algunas veces sern por cuenta del
proveedor (en el caso de contratos tipo CFR, CIF, CPT o CIP, entre otros) y en otros
casos estarn incluidos en el propio precio de la mercanca adquirida. Ser necesario
tener en cuenta tanto los Costos de operacin como los asociados a la inversin.
Costos asociados a los stocks, en este mbito debern incluirse todos los
relacionados con Inventarios. Estos seran entre otros Costos de almacenamiento,
deterioros, perdidas y degradacin de mercancas almacenadas, entre ellos tambin
tenemos los de rupturas de Stock, en este caso cuentan con una componente
fundamental los Costos financieros de las existencias, todo esto ya sern explicados
ms adelante.
Cuando se quiere conocer, en su conjunto los costos de inventarios habr que tener
en cuenta todos los conceptos indicados. Por el contrario, cuando se precise calcular
los costos, a los efectos de toma de decisiones, (por ejemplo, para decidir tamao
ptimo del pedido) solamente habr que tener en cuenta los costos evitables (que
podrn variar en cada caso considerado), ya que los costos no evitables, por propia
definicin permanecern a fuera sea cual fuera la decisin tomada.
38
GLOBAL
Por ltimo, dentro del mbito de los procesos existen numerosos e importantes
conceptos que deben imputarse a los Costos de las existencias ellos son: Costos de
compras, de lanzamiento de pedidos y de gestin de la actividad. Un caso
paradigmtico es el siguiente. En general, los Costos de transporte se incorporan al
precio de compras (por qu no incorporar tambin los Costos de almacenamiento, o
de la gestin de los pedidos?), como consecuencia de que en la mayora de los casos
se trata de transportes por cuenta del proveedor incluidos de manera ms o menos
tcita o explcita en el precio de adquisicin. Pero incluso cuando el transporte est
gestionado directamente por el comprador se mantiene esta prctica, aunque muchas
veces el precio del transporte no es directamente proporcional al volumen de
mercancas adquiridas, sino que depende del volumen transportado en cada pedido.
En estas circunstancias el costo del transporte se convierte tambin en parte del costo
de lanzamiento del pedido.
La clasificacin puramente logstica de Costos que se ha citado hasta ahora no es la

ms frecuentemente utilizada en la profesin. Ya hemos citado en el prrafo anterior
conceptos como costo de lanzamiento del pedido o costo de adquisicin, que no
aparecan entre los conceptos inicialmente expuestos. Pues bien, la clasificacin
habitual de costos que utilizan los gestores de los inventarios es la siguiente:
Costos de almacenamiento, de mantenimiento o de posesin de stocks
Costos de lanzamiento del pedido
Costos de adquisicin
Costos de ruptura de stocks
39
GLOBAL
COSTOS DE ALMACENAMIENTO.
Los costos de almacenamiento, de mantenimiento o de posesin del Stock, incluyen
todos los costos directamente relacionados con la titularidad de los inventarios tales
como:
Costos Financieros de las existencias
Gastos del Almacn
Seguros
Deterioros, prdidas y degradacin de mercanca.
Dependen de la actividad de almacenaje, este gestionado por la empresa o no, o de

que la mercadera este almacenada en rgimen de depsito por parte del proveedor o
de que sean propiedad del fabricante.
Para dejar constancia de esta complejidad, se incluye seguidamente una relacin

pormenorizado de los Costos de almacenamiento, mantenimiento o posesin de los
stocks en el caso ms general posible. No obstante, ms adelante se expondr un
mtodo simplificado para calcular estos costos (la tasa anual ad valorem) que se
utiliza con mucha frecuencia.
La clasificacin de los costos de almacenamiento que seguidamente se incluye los

clasifica por actividad (almacenaje y manutencin), por imputabilidad (fijos y variables)
y por origen directos e indirectos.
40
GLOBAL
COSTOS DIRECTOS DE ALMACENAJE

Costos fijos
Personal
Vigilancia y Seguridad
Cargas Fiscales
Mantenimiento del Almacn
Reparaciones del Almacn
Alquileres
Amortizacin del Almacn
Amortizacin de estanteras y otros equipos de almacenaje
Gastos financieros de inmovilizacin
Costos variables
Energa
Agua
Mantenimiento de Estanteras
Materiales de reposicin
Reparaciones (relacionadas con almacenaje)
Deterioros, prdidas y degradacin de mercancas.
Gastos Financieros de Stock.
COSTOS DIRECTOS DE MANTENCION
Costos fijos
Personal
Seguros
Amortizacin de equipos de manutencin
41
GLOBAL
Amortizacin de equipos informticos

Gastos financieros del inmovilizado
Costos variables
Energa
Mantenimiento de equipo de manutencin
Mantenimiento de equipo informtico
Reparaciones de equipos de manutencin
Comunicaciones.
COSTOS INDIRECTOS DE ALMACENAJE

de administracin y estructura
De formacin y entrenamiento del personal
Existe un mtodo aproximado de valuar los costos de almacenamiento, conocido
como la tasa Anual Ad valorem.
CALCULO DE LA TASA ANUAL AD-VALOREM

Este mtodo aproximado, que se utiliza bastante para la planificacin de Sistemas
Logsticos, consiste en admitir que los costos de almacenamiento se pueden
aproximar por una tasa anual aplicada al valor de las mercancas almacenadas.
Esta hiptesis que es evidente en el caso de los costos financieros de los Stocks se
generaliza en este mtodo a los dems costos que intervienen en el almacenamiento
(Inversiones, personal, energa, deterioros, perdidas.) Asumindose que cuanta ms
cara es una mercanca ms caro es el costo de almacenamiento.
42
GLOBAL
Supongamos por ejemplo, el caso de una empresa comercializadora de cementos

especiales, ubicado en un determinado puerto martimo, para atender a uno de sus
clientes, recibe un buque de 5.000 Tm. Con un cargamento de cemento blanco
especial de la misma cantidad, cuyo precio es de $80 la Ton. , se traslada a un
almacn adecuadamente acondicionado donde queda almacenado.
El destino de esta carga es una fbrica que trabaja Just in time, y que solo admite 200
Tons diarias. El cargamento de 5.000 Tns. Tardar 25 das en ser retirado, existiendo
a lo largo de dichos 25 das un Stock medio de 2.500 Tns. (5.000 el primer da y 0 el
ultimo).
Hemos invertido $ 400.000 (5.000 x $80), que no recuperaremos hasta el da 25. Si

somos capaces de obtener un rendimiento por nuestro dinero alternativo del 8%
anual, el costo financiero de los Stock que tenemos por inmovilizacin es del 8%, esto
aplicado al Stock medio nos da (2.500 x$80) durante el tiempo que lo tenemos
inmovilizado (25 das).
1/ABCDEF
2 8% Rendimiento Anual 16000 (B3 x B5) x B2
3 2500 Promedio de Inmovilizacin 1.095,89 pta (E3 x B4 ) / 365
4 25 Tiempo inmovilizado promedi
5 80 Precio unitario
43
GLOBAL
Pues bien el mtodo de la tasa ad-valorem se extienden a los dems costos que se
componen el almacenamiento de mercaderas, admitiendo que adems del 8% anual
que corresponde al costo de Stock, hay otros puntos porcentuales que corresponden
a la integracin de los dems costos que tambin intervienen en el almacenamiento,
haciendo as tasas superiores a la de almacenamiento de Stock, por ejemplo en
Espaa se cobraba el 25 % cuando la tasa de mercado era del 15 %.
Tambin es muy importante destacar que estos costos que mencionamos extras en
el almacenamiento, siempre estn en relacin directa con el tipo de mercadera que
se trate, as bien no ser lo mismo almacenar arena, o lea contra dinero o caviar.
Una estructura razonable para la composicin de la tasa es la siguiente:

Costo financiero de los Stocks 8% al 20%
Almacenamiento Fsico 5% al 15%
Deterioro o Robo 2% al 5%
Para el Ejemplo del almacenamiento de cemento blanco, que requiere un esmerado
Almacenaje pero poca manutencin, cabe valorarlo con una tasa que contemple solo
el costo financiero de Almacenamiento sin Extras, en este caso 18 %.
0.18 * (2500* 80) * ( 25/365 ) = 2.466
La repercusin, de los costos de almacenamiento, es 0.49 la tonelada, que se suman

a los costos del transporte primario hasta el puerto de descarga, y los costos de la
distribucin capilar hasta el cliente.
44
GLOBAL
COSTOS DE LANZAMIENTO DEL PEDIDO.

Los Costos de lanzamiento de los pedidos incluyen todos los Costos en que se
incurre cuando se lanza una orden de compra. Los Costos que se agrupan bajo esta
rbrica deben ser independientes de la cantidad que se compra y exclusivamente
relacionados con el hecho de lanzar la orden. Sus componentes seran los siguientes:
Costos implcitos del pedido: Costo de preparacin de las mquinas cuando el pedido
lo lanza produccin, Costo de conseguir LUGAR en el almacn de recepcin
(movilizacin de mercancas o transporte a otras localizaciones, por ejemplo), costos
de transporte exclusivamente vinculados al pedido (la factura de un courier en el
caso de una reposicin urgente, por ejemplo), costos de supervisin y seguimiento de
la necesidad de lanzar un pedido, etc.
Costos Administrativos vinculados al circuito del pedido.

Costos de recepcin e inspeccin.
COSTOS DE ADQUISICION
Es la cantidad total Invertida en la compra de la mercanca, o el valor contable del
producto cuando se trata de material en curso o productos terminados.
En el primer caso (materias primas o componentes), el costo de adquisicin

incorporar los conceptos no recuperables que el proveedor vaya a incluir en su
factura (por ejemplo, el transporte, si es por cuenta del proveedor, pero no el IVA).
45
GLOBAL
Se debe tener en cuenta que muchos proveedores aplican descuentos por volumen,
por lo que unas veces el costo de adquisicin de un pedido tendr una componente
de costo evitable y otras veces ser en su totalidad un costo no evitable.
En el segundo caso (material en curso o productos terminados), la determinacin del

costo de adquisicin es ms compleja, dependiendo de las prcticas contables de la
empresa. En principio debe incorporar los siguientes conceptos:
Costos de Materiales incorporados que, segn las prcticas contables de la empresa
pueden ser valorados de acuerdo a los siguientes criterios.
o Mtodo FIFO (first in, first out ). (Primero en entrar, primero en salir) PEPS
o Mtodo LIFO (last in, first out ). (Ultimo en entrar, primero en salir) UEPS equivale
en cierto modo a un precio de reposicin.
o Mtodo MIFO (midle in, first out) es un promedio ponderado
o Precios estandarte de la empresa
o Precios estimados de reposicin
o Costos directos de produccin (MOD, depreciaciones etc.)
COSTOS DE RUPTURA DE STOCK

Los Costos de ruptura o de rotura de stocks incluyen el conjunto de Costos por la falta
de existencias, estos costos no sern absorbidos por la produccin en proceso, sino
que irn a parar directamente al estado de resultados.
Los criterios para valorar estos costos de ruptura son:
46
GLOBAL
Disminucin del ingreso por Ventas: La no integridad contable por falta de

referencias en un pedido realizado, supone una reduccin de los ingresos por ventas,
tanto por el desplazamiento en el tipo de la fecha de facturacin, como por la prdida
absoluta de la prdida.
Incremento de los gastos del Servicio: Aqu se incluyen las penalizaciones
contractuales por retrasos de abastecimiento, partes en el proceso de produccin, los
falsos fletes etc.
La valoracin de estos costos de ruptura es difcil y poco frecuente, solo es posible si

la empresa esta provista de un eficiente sistema de gestin de la calidad, en general
el gestor de inventarios deber conformarse con estimaciones subjetivas o costos
Estndar. En literatura especializada estos son considerados entre el 1% y el 4% de
los ingresos por ventas, pero esto es tambin tentativo.
1.4 MODELOS DETERMINSTICOS

MODELO DE INVENTARIO GENERAL
La naturaleza del problema de inventario consiste en hacer y recibir pedidos de
determinados volmenes, repetidas veces y a intervalos determinados. Una poltica
de inventario responde las siguientes preguntas.
LI. Jess Abundis Manzanares | 1.4 MODELOS DETERMINSTICOS
47
GLOBAL
Cunto se debe ordenar?

Esto determina el lote econmico (EOQ) al minimizar el siguiente modelo de costo:
(Costo total del inventario) = (Costo de compra) + (costo de preparacin + (Costo de
almacenamiento) + (costo de faltante).
Todos estos costos se deben expresar en trminos del lote econmico deseado y del
tiempo entre los pedidos.
El costo de compra se basa en el precio por unidad del artculo. Puede ser constante,
o se puede ofrecer con un descuento que depende que dependa del volumen del
pedido.
El costo de preparacin representa el cargo fijo en el cual se incurre cuando se hace

un pedido. Este costo es independiente del volumen del pedido.
El costo de almacenamiento representa el costo de mantener suficientes existencias

en el inventario. Incluye el inters sobre el capital, as como el costo de
mantenimiento y manejo.
El costo de faltante es la penalidad en la cual se incurre cuando nos quedamos sin

existencias. Incluye la perdida potencial de ingresos, as como el costo mas subjetivo
de la perdida de la buena voluntad de los clientes.
LI. Jess Abundis Manzanares | 1.4 MODELOS DETERMINSTICOS
48
GLOBAL
Cundo se deben colocar los pedidos?

Depende del tipo de sistema de inventario que tenemos. Si el sistema requiere una
revisin peridica (por ejemplo, semanal o mensual), el momento para hacer un
nuevo pedido coincide con el inicio de cada periodo. De manera alternativa, si el
sistema se basa en una revisin continua, los nuevos pedidos se colocan cuando el
nivel del inventario desciende a un nivel previamente especificado, llamado el punto
de reorden.
1.5 PLANEACIN DE REQUERIMIENTOS DE MATERIALES.

Conceptos de Planeacin de Requerimientos de Materiales, qu es el sistema MRP,
qu es el Plan Maestro de Produccin, Lista de Materiales, programacin dinmica,
Datos para la Planificacin de requerimiento de materiales, modelos heursticos.
Ventajas De Las MRP.

Entre las ventajas de un sistema MRP se pueden considerar los siguientes tems:
1. Capacidad para fijar los precios de una manera ms competente.
2. Reduccin de los precios de venta.
3. Reduccin del inventario.
4. Mejor servicio al cliente.
5. Mejor respuesta a las demandas del mercado.
6. Capacidad para cambiar el programa maestro.
7. Reduccin de los costos de preparacin y desmonte.
8. Reduccin del tiempo de inactividad.
9. Suministrar informacin por anticipado, de manera que los gerentes puedan ver el
programa planeado antes de la expedicin real de los pedidos.
LI. Jess Abundis Manzanares | 1.5 PLANEACIN DE REQUERIMIENTOS DE MATERIALES.
49
GLOBAL
10. Indicar cuando demorar y cuando agilizar.

11. Demorar o cancelar pedidos.
12. Cambiar las cantidades de los pedidos.
13. Agilizar o retardar la fecha de los pedidos.
14. Ayudar en la capacidad de planeacin.
15. Reduccin hasta el 40% en las inversiones de inventario.
Los sistemas avanzados de MRP, tambin llamados como siguiente generacin de

MRP II o simplemente E.R.P incluyen entre sus caractersticas bsicas:
1. Arquitectura Cliente/Servidor.
2. Base datos centralizados, con consultas SQL y generacin de informes.
3. Interface grfica de usuario, con manejo de ventanas.
4. Soporte de base de datos distribuida.
5. Sistemas iniciales para soporte de decisiones.
6. Manejo electrnico de datos e intercambio de los mismos.
7. Interoperabilidad con mltiples plataformas, entre las que se pueden incluir
Windows NT y Unix
8. Manejo de interfaces de programacin con interoperabilidad con otras aplicaciones
de otros programas.
9. Intercambio de datos utilizando Internet.
10. Comunicacin entre clientes y proveedores.
LI. Jess Abundis Manzanares | 1.5 PLANEACIN DE REQUERIMIENTOS DE MATERIALES.
50
GLOBAL
UNIDAD 2
LNEAS DE ESPERA
LI. Jess Abundis Manzanares | UNIDAD 2
51
GLOBAL
INTRODUCCION.
Las colas (lneas de espera) son parte de la vida diaria. Todos esperamos en colas
para comprar un boleto para el cine, hacer un depsito en el banco, pagar en el
supermercado, enviar un paquete por correo, subir a un juego en la feria, etc. Nos
hemos acostumbrado a esperas largas, pero todava nos molesta cuando lo son
demasiado.
Sin embargo, tener que esperar no slo es una molestia personal. El tiempo que la
poblacin de un pas pierde en colas es un factor importante tanto en la calidad de
vida como en la eficiencia de su economa. Por ejemplo, antes de su disolucin, la
Unin Sovitica era notoria por las excesivas colas que sus ciudadanos solan tener
que soportar solo para comprar artculos bsicos. Hoy en Estados Unidos se estima
que las personas pasan 37 mil millones de horas al ao en lneas de espera. Si este
tiempo se usara de manera productiva significara cerca de 20 millones de personasaos de trabajo til cada ao.
Incluso estas asombrosas cifras no cuentan toda la historia del impacto que causa la
espera excesiva. Tambin ocurren grandes ineficiencias debido a otros tipos de
espera que no son personas en una Cola.
La Teora de Colas es el estudio de la espera en las distintas modalidades. Usa los

modelos de colas para representar los tipos de sistemas de lneas de espera
(sistemas que involucran colas de algn tipo) que surgen en la prctica. Las frmulas
para cada modelo indican cul debe ser el desempeo del sistema correspondiente y
sealan la cantidad promedio de espera que ocurrir, en una gama de circunstancias.
LI. Jess Abundis Manzanares | INTRODUCCION.
52
GLOBAL
Por lo tanto, estos modelos de lneas de espera son muy tiles para determinar cmo
operar un sistema de colas de la manera ms efectiva. Proporcionar demasiada
capacidad de servicios para operar el sistema implica costos excesivos; pero al no
Contar con suficiente capacidad de servicio la espera aumenta con todas sus
desafortunadas consecuencias. Los modelos permiten encontrar un balance
adecuado entre el costo de servicio y la cantidad de espera.
ORIGEN.
El origen de la Teora de Colas o Lneas de Espera se remonta a los estudios
realizados en 1909 por Agner Krarup Erlang (Dinamarca, 1878 - 1929), para analizar
la congestin en el sistema telefnico de Copenhague.
Sus investigaciones acabaron en una nueva teora llamada teora de colas o de lneas
de espera. Esta teora es ahora una herramienta de valor en negocios debido a que
muchos de sus problemas pueden caracterizarse, como problemas de congestin
llegada - partida.
La Teora de Colas requiere de un estudio matemtico del comportamiento de lneas

de espera. Estas se presentan cuando clientes llegan a un lugar demandando un
servicio al servidor, el cual tiene cierta capacidad de atencin. Si el servidor no est
disponible inmediatamente y el cliente decide esperar, entonces se forma en la lnea
de espera.
53
GLOBAL
El problema es determinar qu capacidad o tasa de servicio proporciona el balance

correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo, es decir, no
se sabe con exactitud en qu momento llegarn los clientes. Tambin el tiempo de
servicio no tiene un horario fijo.
Las llegadas se describen por su distribucin estadstica. Si las llegadas ocurren con
una tasa promedio y que son independientes una de otra, entonces ocurren de
acuerdo con una distribucin de probabilidades de tipo Poisson.
Distribucin Poisson.
Si la tasa de llegada se da en razn del tiempo que transcurre entre una llegada y
otra, entonces se dice que sigue una distribucin de tipo Exponencial.
En un supuesto comn, la distribucin del tiempo de servicio est dada por la
distribucin Exponencial. Mientras que el nmero de servidores puede ser uno o
varios.
Distribucin Exponencial.
La tasa de servicio, al igual que la de llegada, debe ser evaluada para ver si se ajusta
a una distribucin Exponencial.
DEFINICION
Una Cola es una lnea de espera y la teora de colas es una coleccin de modelos
matemticos que describen sistemas de lneas de espera particulares o de sistemas
de colas. Los modelos sirven para encontrar un buen compromiso entre costes del
sistema y los tiempos promedio de la lnea de espera para un sistema dado.
54
GLOBAL
Con frecuencia, las empresas
deben tomar decisiones respecto al caudal de
servicios que debe estar preparada para ofrecer. Sin embargo, muchas veces es
imposible predecir con exactitud cundo llegarn los clientes que demandan el
servicio y/o cuanto tiempo ser necesario para dar ese servicio; es por eso que esas
decisiones implican dilemas que hay que resolver con informacin escasa.
Estar preparados para ofrecer todo servicio que se nos solicite en cualquier momento
puede implicar mantener recursos ociosos y costos excesivos. Pero, por otro lado,
carecer de la capacidad de servicio suficiente causa colas excesivamente largas en
ciertos momentos. Cuando los clientes tienen que esperar en una cola para recibir
nuestros servicios, estn pagando un coste, en tiempo, ms alto del que esperaban.
Las lneas de espera largas tambin son costosas por tanto para la empresa ya que
producen prdida de prestigio y prdida de clientes.
La teora de las colas en si no resuelve directamente el problema, pero contribuye con

la informacin vital que se requiere para tomar las decisiones concernientes
prediciendo algunas caractersticas sobre la lnea de espera: probabilidad de que se
formen, el tiempo de espera promedio.
Pero si utilizamos el concepto de clientes internos en la organizacin de la empresa,
asocindolo a la teora de las colas, nos estaremos aproximando al modelo de
organizacin empresarial just in time en el que se trata de minimizar el costo
asociado a la ociosidad de recursos en la cadena productiva.
55
GLOBAL
El problema es determinar qu capacidad o tasa de servicio proporciona el balance

correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo, es decir, no
se sabe con exactitud en que momento llegarn los clientes. Tambin el tiempo de
servicio no tiene un horario fijo.
Los problemas de Colas se presentan permanentemente la vida diaria: un estudio de
EE.UU. concluy que un ciudadano medio pasa 5 aos de su vida esperando en
distintas Colas, y de ellos casi 6 meses parado en los semforos.
La Teora de Colas requiere de un estudio matemtico del comportamiento de lneas

de espera. Estas se presentan cuando clientes llegan a un lugar demandando un
servicio al servidor, el cual tiene cierta capacidad de atencin. Si el servidor no est
disponible inmediatamente y el cliente decide esperar, entonces se forma en la lnea
de espera.
2.2 TERMINOLOGIA NOTACION LINEAS DE ESPERA.

Esta notacin sirve para etiquetar o nombrar a los diferentes modelos de lneas de
espera que se pueden tener. La notacin consta de 6 nmeros de la forma siguiente:
a/b/c/d/e/f
Donde los smbolos representan lo siguiente:
a= La distribucin de tiempo entre llegadas.
b= La distribucin de tiempo de servicio.
c= El nmero de servidores en paralelo.
d= Tipo de disciplina en el servicio (FCFS, LCFS, SIRO, PRIORIDAD).
e= Nmero mximo admitido en el sistema (lnea de espera + en servicio).
LI. Jess Abundis Manzanares | 2.2 TERMINOLOGIA NOTACION LINEAS DE ESPERA.
56
GLOBAL
f= Tamao de la poblacin de donde se extrae los clientes.

Para reemplazar a los smbolos a y b se usan las siguientes iniciales:
M = Cuando el tiempo de llegada o servicio tiene una distribucin exponencial
entrada o salida de Poisson (o Markoviana).
D= Cuando el tiempo de llegada o servicio es determinista
Ek = Cuando el tiempo de llegada o servicio tiene una distribucin de Erlangs con
parmetro K.
G = Cuando el tiempo de llegada o servicio tiene una distribucin general (cualquier

distribucin arbitraria).
Como observamos los elementos bsicos para crear un modelo de lnea de espera,
depender de los siguientes factores:
Distribucin de llegadas. (Individuales o en grupo).

Distribucin de servicio. (Individuales o en grupo).
Diseo de la instalacin (estaciones en serie, paralelo, o en red)
Disciplina de servicio
Tamao de la lnea (finita o infinita)
Fuente de los clientes (finita o infinita).
USO DE LAS TASAS DE LLEGADA Y DE SERVICIO

Como la mayor parte de las tcnicas matemticas, la teora de lneas de espera tiene
su propio conjunto de trminos. El de disciplina de la lnea de espera se refiere a la
condicin en que se escogen las llegadas para recibir servicio.
57
GLOBAL
En este captulo el procedimiento consiste en que las llegadas ocupan su lugar en la

lnea de espera, a base de que el que llega primero queda en primer lugar.
Las llegadas pueden ser uniformes durante cierto periodo, o pueden ser aleatorias. La
tasa de llegadas puede tomar la forma de empleados que llegan a la caseta de
herramientas de la empresa, o en otras condiciones podran representar el nmero de
clientes que esperan para comer. General-mente, la tasa de llegada se expresa como
tasa de llegada por unidad de tiempo. Si es aleatoria los clientes no llegan en un
orden o patrn lgico en el transcurso del tiempo, lo que representa la mayor parte de
los casos en el mundo de los negocios.
En las situaciones en que las llegadas se distribuyen en forma aleatoria puede

utilizarse su promedio si se registra durante un periodo suficientemente prolongado.
La tasa de servicio se ocupa de la forma en que las instalaciones de servicio pueden

manejar las demandas de llegada, y se expresa como una tasa por unidad de tiempo.
Por ejemplo, la tasa de servicio podra indicar el nmero de pedidos que el
departamento de piezas de repuesto procesa por hora. Tambin el tiempo de servicio
puede ser uniforme o distribuido en forma aleatoria. En las problemas de-negocios se
encontraran ms casos de tasa uniforme de servicio que de tasa uniforme de llegada.
58
GLOBAL
APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA.

La teora de las lneas de espera se ha aplicado a una gran variedad de situaciones
de negocios. Una breve descripcin de algunas aplicaciones ser de gran ayuda para
sugerir problemas a los que pueda aplicarse la teora. Una gran cadena de
supermercados ha utilizado las lneas de espera para determinar el nmero de
estaciones de control que se requieren para lograr un funcionamiento continuo y
econmico de sus almacenes, a diversas horas del da.
Otro uso de esta teora consiste en analizar las demoras en las casetas de peaje de
puentes y tneles. Un estudio de esta ndole se refiere al nmero y programacin de
las casetas de peaje requeridas sobre una base de veinticuatro horas, a fin de reducir
al mnimo los costos en determinado nivel de servicio.
Otras reas relacionadas con un cliente, seran las lneas de espera de restaurantes y
cafeteras, expendios de gasolina, oficinas de lneas areas, almacenes de
departamentos y la programacin de los pacientes en las clnicas.
En todos los casos, los clientes esperan cierto nivel aceptable de servicio, mientras
que la empresa espera poder mantener sus costos al mnimo.
La teora de las lneas de espera no solo es aplicable a los establecimientos de ventas

a] menudeo o mayoreo, sino que las empresas manu-facturaras tambin la usan
extensamente. Una aplicacin muy popular de la teora de las lneas de espera es el
rea de las casetas de herramientas.
59
GLOBAL
Los sobrestantes se quejan constantemente de que sus hombres tienen que esperar
mucho tiempo en las filas para recibir herramientas y piezas. Aunque se presiona a
los gerentes de fbrica para que reduzcan los gastos generales de administracin, e!
aumento de empleados puede reducir realmente los gastos generales de
manufactura, porque el personal de la fbrica puede trabajar en vez de esperar en
una fila.
Otro problema
que
ha
resuelto
con
xito
la teora
de
las
lneas de
espera. Es la determinacin adecuada del nmero de muelles que se requieren

cuando se
construyen instalaciones terminales para barcos y camiones. como
tanto los costos de los muelles como los de las demoras pueden ser considerables, ya
que los primeros disminuyen mientras aumentan los segundos, o viceversa, es muy
conveniente
construir el nmero de muelles que reduzcan al mnimo la suma de
esos dos costos, Varias empresas manufactureras
han atacado el problema de
descomposturas y reparaciones de sus mquinas, utilizando la misma teora, El

problema se refiere a una batera de mquinas que se descomponen individual-' mente
en diferentes pocas. En realidad, las mquinas que se descomponen.
Forman una lnea de espera para su reparacin por el personal de mantenimiento. Es

conveniente emplear el personal de reparaciones necesario para disminuir al mnimo
la suma del costo de la perdida de produccin causada por el tiempo de espera y del
costo de los mecnicos.
60
GLOBAL
La teora de las lneas de espera se ha extendido para estudiar un plan I de incentivos

de salarios. Por ejemplo, se haba asignado cierto personal de lnea de produccin
para manejar dos mquinas, mientras que a otros se les haba asignado para
manejar. Cuatro mquinas. Como. Todas las maquinas son.
Iguales, los trabajadores reciben el mismo salario bsico, pero la gratificacin : de
incentivo por la produccin sobre la cuota, es de la mitad por unidad i para los
operadores con cuatro mquinas que para los que tienen dos: maquinas.
Superficialmente ese arreglo parece equitativo.
No obstante, un; estudio de las condiciones reales revela que aunque cada una de las
dos I maquinas que maneja un solo hombre estaran ociosas alrededor del 12 por
ciento de su tiempo programado, cada una de las cuatro mquinas manejadas j por
un solo individuo estaran ociosas alrededor del 16 por ciento de su tiempo
programado.
El problema es que dos (o ms) maquinas pueden descomponerse a la vez

en el grupo de cuatro mquinas, lo que-general-; mente no ocurre con el grupo de dos
mquinas. El individuo que maneja el, grupo de cuatro mquinas tiene que trabajar a
mayor eficiencia que el que j maneja un grupo de dos mquinas, a fin de ganar el
mismo incentivo.
El
problema se resolvera pagando a los operadores de las bateras de cuatro |
maquinas un salario bsico mayor, determinado bsicamente empleando las J

probabilidades calculadas con la teora de las lneas de espera.
61
GLOBAL
Las reas anteriores no agotan en modo alguno las posibles aplicaciones de la teora
de las lneas de espera, que pueden extenderse para incluir la i dotacin de personal
de las operaciones de oficina, y el equilibrio del flujo I _ de materiales en un taller de
tareas. Esa teora puede tener una influencia bien definida en el desafo de un
sistema de inventario y de control de produccin.
TIEMPOS UNIFORMES DE LLEGABA Y DE SERVICIO.

El manejo apropiado de los tiempos uniformes de llegada y de servicio, en trminos
de costo mnimo, puede demostrarse con un ejemplo. Una empresa manufacturera
maneja muchas casetas de herramientas dentro de una de sus grandes fbricas.
Actualmente, el grupo de anlisis de sistemas tiene en observacin una de esas

casetas atendida por un trabajador: los maquinistas llegan a solicitar servicio a una
tasa uniforme de 10 por hora mientras que se observa que el encargado de
la caseta de herramienta ' atiende sus peticiones a una tasa uniforme de
7 1/2
por
hora.
Seria? lucrativo para la empresa aumentar el nmero de
encargados si se les paga a razn de $3.00 por hora, y se paga a los maquinistas a
razn de $4.QO hora? Esas cuotas incluyen los beneficios marginales.
Inicialmente, el problema se calcula sobre una base de 4 horas, porque el personal

del taller trabaja de las 8 a. m. a las 12, y luego sale a almorzar Los resultados finales
se calculan sobre una base de 8 horas.
En vista de esos datos tasa uniforme de llegada de 10 por hora (uno cada 6
minutes) y una tasa uniforme de servicio de 7 1/2 por hora (uno cada 8 minutos)-' el
problema puede resolverse empleando la frmula de la suma de una serie aritmtica.
62
GLOBAL
Si el primer hombre llega a las 8 a. m. no tiene tiempo de espera. Antes de dar

servicio al que llego primero, el que liego en segundo lugar se convierte en el primero
que espera en la fila, y su tiempo de espera es de 2 minutos (8 minutos 6 minutos),
antes de que se le d servicio.
Una vez que conocemos el tiempo de espera del primer maquinista, es necesario
calcular el tiempo de espera del ltimo hombre en nuestras 4 horas inciales.
Como llegan 40 maquinistas (10 hombres por hora X 4 horas), y el primero no espera,
debemos calcular el tiempo de espera de los treinta y nueve restantes, o sea que 39
maquinistas multiplicados por 2 minutos son igual a 78 minutos.
Como el aumento del tiempo de espera para cada maquinista adicional es lineal,
podemos promediar el tiempo de espera del segundo y del cuadragsimo.
El promedio del tiempo de espera de cada maquinista es igual a 2 minutos ms 78

minutos, dividido entre 2, 6 40 minutos, lo que se resume en la tabla 14-1.
(La probabilidad de que los que lleguen al ltimo no espere en la fila, porque se
acerca la hora del almuerzo, no se ha considerado aqu, aunque normalmente lo
ser.) El examen de los datos indica que el costo se reduce al mnimo empleando dos
encargados.
En contraste con las tasas uniformes, la mayor parte de los problemas de los
negocios se ocupa de tasas aleatorias de llegada y de servicio, cuya solucin requiere
un proceso diferente, que constituir el tema del resto de este captulo.
63
GLOBAL
TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL.

En la ltima seccin, estudiamos las tasas uniformes de llegada y de servicio, y ahora
estudiaremos las tasas aleatorias de llegada y de servicio en un problema de lneas
de espera de un solo canal (una sola estacin).
No trataremos aquellos casos en los que la capacidad de las instalaciones de servicio

es mayor que el promedio de las demandas de las entradas, porque esta condicin da
por resultado que no haya lneas de espera.
En vez de ello nos ocuparemos de un problema de lneas de espera de un solo canal,

en el que hay una lnea de espera que resulta de tiempos aleatorios de llegada y de
servicio.
Vale la pena notar que los modelos de lneas de espera pueden usarse para eliminar
un exceso de trabajadores, cuando la instalacin de servicio es mayor que las
demandas de servicio.
La forma en que llegan las unidades es aleatoria, si no puede predecirse exactamente

cuando llegara cierta unidad.
64
GLOBAL
2.3 MODELO CON REABASTECIMIENTO INSTANTANEO.

No se permite el faltante. Suposiciones:
1. La demanda tiene que ser constante.
2. Los costos son constantes (no se permite descuento en adquisiciones
voluminosas).
3. Los proveedores entregaran con puntualidad los pedidos en el periodo
comprendido.
4. El lote mnimo es igual al inventario mximo.

Nomenclatura:
Q = tamao econmico del lote. Si es muy grande o muy chico

N = nmero de pedido. Puedes pedir una o 2 veces
D = Demanda. Por si las dudas ten cuidado y siempre papelito habla
Ci = Costo de compra. Al mejor te sale ms barato en otro lado
Ch = Costo de mantener un unidad en los inventarios (%).
Co = Costo de ordenar. ya ves que hay gandallas que te cobran el envi
R = Punto de reorden.
L = Tiempo de consumo. en menos de 30 min si te cobran sino pues no
T = Tiempo para consumir el inventario mximo. el tiempo en el que te atragantas
Imx = Inventario Mximo.
=Inventario Promedio.
Ct = Costo Total.
Ct = Costo de compra + Costo de ordenar + Costo de tenencia.
Costo de compra = CiD
65
GLOBAL
Costo de ordenar =
Costo de tenencia =
Si la demanda es de 50 piezas por da y el proveedor pasa 10 das en surtir por tanto
necesitamos 500 piezas para no tener faltante.
R = ? = 50 * 10 500
D = 50 pza/da.
L = 10 das.
R=DL
Unidad = 5040
Ejemplo:
Una Ca. fabricante de refrescos de la marca de Coca-Cola a observado que requiere
anualmente de 3000 baleros que son utilizados en las bombas de agua a propulsin a
chorro con un programa de mantenimiento preventivo diseado por el departamento
de produccin.
El costo de cada unidad es de $ 80,000, el costo de oportunidad de inversin es de

12% del costo del producto. Los costos generados por el control de inventarios como
son el sueldo de personal de almacn, agua y electricidad es de 2,400 * unidad lo cual
es muy caro porque yo solo pago cuatrocientos pesos de luz, otro costo que
representa aun los deterioros, extravi y envejecimiento de los productos
almacenados anualmente y alcanzan un costo de $2,000 * unidad .La orden de
compra se ha estimado en $120,000.
Suponga que el proveedor tarda en promedio 15 das en surtir una orden, determinar:
El tamao econmico del lote.
66
GLOBAL
El inventario mximo.
El inventario Promedio.
El punto de reorden.
El tiempo requerido para consumir el inventario mximo.
Costo total del inventario.
Nmero de pedidos.
Datos:
D = 3000 unidad por ao.
Ci = $80,000
Co =$120,000
Ch= 0.12 (80,000)+ 2,900 + 2,000
Ch = 14,000 unidades por ao.
L = 15 das.
Q = 227 unidad.
Imx. = Q = 227 u.
=
=
e) T - Q/D = 0.075 Aos = 27 das.
f)Ct = $ 243,174,340
g) =
67
GLOBAL
2.3 TEOREMA DE LITTLE
Sea un sistema de colas con cualquier distribucin de llegadas y servicios y cualquier
estructura, Sean L el nmero de trabajos presentes en el sistema en el estado
estacionario, W es tiempo medio de respuesta en el estado estacionario y la razn
de llegadas al sistema, Entonces:
L = W
Explicacin intuitiva: Supongamos que cobramos 1 a cada trabajo por cada unidad
de tiempo que pasa en el sistema, Habra dos maneras equivalentes de medir las
ganancias:
Colocando un recaudador a la entrada del sistema, le cobrar como media W a
cada uno de los trabajos que vea pasar por unidad de tiempo Cada vez que
transcurre una unidad de tiempo, cobro 1 a cada uno de los L trabajos que como
media hay en ese instante en el sistema.
Si aplico el teorema a la cola, dejando fuera del sistema al servidor, obtengo el

siguiente resultado, tambin muy til:
q q L = W
Las dos frmulas obtenidas nos sirven para ayudarnos a obtener los valores de las
medidas de rendimiento, aunque necesitaremos otras ecuaciones para poder
conseguir resultados explcitos.
68
GLOBAL
Las ecuaciones de Little expresan que para cualquier sistema o subsistema dado, en
estado estacionario el nmero medio de clientes dentro es igual a la tasa media de
entrada de clientes por el tiempo medio de permanencia en ese sistema o
subsistema.
Casos particulares: el nmero medio de clientes en el sistema, el nmero medio de

clientes en la cola, el tiempo esperado de permanencia en el sistema y el tiempo
esperado de permanencia en la fila satisfacen las siguientes igualdades:
s n =l t
f n =l t
Donde l es la tasa media de llegadas, que viene dada por
=
=
n0
nnllp.
Asimismo, si at t es el tiempo medio de atencin, tenemos que at r = l t.
Tiempo esperado de permanencia en el sistema

Utilizando las igualdades de Little, tenemos que
l
n
ts =
Tiempo esperado de permanencia en la fila
69
GLOBAL
Aplicando nuevamente las igualdades de Little, llegamos a

l
=n f t
Hemos obtenido ecuaciones para diversas medidas de inters (en estado
estacionario) sobre filas de espera con llegadas de Poisson y tiempos de servicio
exponenciales sin hacer suposiciones acerca de las tasas de llegada y de atencin. A
continuacin aplicaremos estos resultados genricos para establecer resultados en
modelos especficos.
A continuacin presentamos un estudio de algunos modelos simples de filas de

espera con llegadas de Poisson y tiempos de servicio exponenciales.
2.4 PATRONES DE LLEGADAS Y DE SERVICIO.

El sistema que se analiz en la seccin anterior supone que el nmero de clientes que
requieren servicio en un periodo de tiempo determinado es infinito. Este caso no
corresponde a la realidad ya que una poblacin es, por regla, de tamao finito. Este
caso no corresponde a la realidad ya que una poblacin es, por regla, de tamao
finito. Esta consideracin, en vez de simplificar el desarrollo de frmulas que
describen cuantitativamente al sistema, lo complica. Por ello, se refiere trabajar con el
supuesto de poblacin infinita y no con el real.
Suponiendo que una poblacin finita de m elementos (o<m<) requiriera servicios de
un sistema similar al de la seccin anterior, las series infinitas analizadas para la
seccin 3.4 se convierten en series finitas y generan de manera anloga los
siguientes resultados9.
LI. Jess Abundis Manzanares | 2.4 PATRONES DE LLEGADAS Y DE SERVICIO.
70
GLOBAL
Si m es la poblacin que pudiera requerir un servicio determinado y n (n < m)

elementos de esa poblacin piden ese servicio, entonces P 0 (t) se calcula mediante el
uso simultneo de las expresiones 3.20 y 3.21, determinadas a continuacin:
(3.20)
(3.21)
Una vez conocida
(t) se calcula L, W, Ts, Tw de:
(3.22)
(
(3.23)
(3.24)
(3.25)
Obviamente, conocida P0 (t) se calcula Pn (t) de 3.20 de la siguiente manera:
(3.26)
Ejemplo 3.2. Suponga que en la flota de Aeromxico existen cuatro aviones del tipo
jumbo 747. Se ha venido observando el comportamiento de estos aviones desde 1971
y, en especial, las fallas de las turbinas.
71
GLOBAL
Los datos indican que las fallas de cualquier turbina de cualquier avin es una
variable aleatoria y que el tiempo promedio entre dos fallas consecutivas de cualquier
avin es de un ao. El tiempo promedio de revisin y compostura de la falla de la
turbina es de 45 das (un octavo de ao).
Solamente se tienes un equipo humano de expertos para dar servicios y se

proporciona servicio bajo la poltica de primero que entra al taller, primero que se le
sirve. Durante el periodo de mantenimiento el avin no vuela. Describa
cuantitativamente al sistema de espera.
Si se toma como unidad de tiempo un ao, entonces
Como
, se aplica los conceptos anteriores. Se calcula la expresin 3.20
72
GLOBAL
Para n = 0, 1, 2, 3, 4 y m = 4, donde n es el nmero de aviones que esperan

compostura y m es la flota de jumbos 747 de Aeromxico.
1.00000
0.50000
0.18750
0.04688
0.00576
Tabla 3.2
Por lo tanto, y de acuerdo con 3.21, se tiene:
Que significa que existe un 5704% de probabilidad de que no se encuentre ningn

avin jumbo 747 en el sistema de compostura de turbinas en el tiempo t.
73
GLOBAL
La probabilidad de que se encuentre un avin en mantenimiento y otro en espera es:
El nmero promedio de aviones de aviones que esperan servicio en 1 ao es de:
Mientras que el nmero promedio de aviones en el sistema (esperando en la cola y en

el taller) es:
El tiempo promedio de espera en la cola para recibir servicio es:
O sea aproximadamente 18 das, mientras que el tiempo promedio en el sistema

(espera ms servicio) es de:
O sea casi 64 das:

74
GLOBAL
Qu representa esto en costo?
Suponga que el costo de 1 hora de vuelo de un 747 es de 10 mil pesos, de 2 mil

cuando est en tierra y de 5 mil cuando est en mantenimiento. Se supone que estos
aviones vuelan, en promedio, 14 horas por da y por cada mil horas de vuelo se les
Proporcionara mantenimiento preventivo (independiente de las composturas de falla

de turbina) que dura en promedio 100 horas. Se supone que el sueldo mensual del
personal especializado de reparacin es de 200 mil pesos y el costo mensual del
equipo de reparacin (luz, depreciacin, seguros, etc.,) es de 125 mil pesos.
El costo de la espera para componer las fallas de la turbina de un avin es, por lo
tanto, la suma de los siguientes costos:
a) Tiempo muerto del avin mientras espera y le reparan la turbina, (Tw).

b) Tiempo muerto de la tripulacin cuando el avin se encuentra en el taller por
compostura de turbinas.
c) Tiempo de reparacin de la turbina (sin incluir refacciones), es decir T w Ts.

Como la unidad de tiempo es un ao, se deben convertir todos los costos unitarios a
costo por ao.
75
GLOBAL
En un ao (365 das) el avin vuela:
Por lo que recibe 5 mantenimientos preventivos de 100 horas cada uno, para un total
de 500
de servicio de mantenimiento. Si en un ao existen 8760 horas, lo
anterior quiere decir que:
8760 (5110 + 500) = 3150
Estar parado el avin en tierra. Entonces el costo total anual para cada avin ser
de:
(5110
) + (500
) + (3150
2000
* 5000
) = 59.9
Si un avin de este tipo pasa T w = 0.175 de ao (64 das), en el sistema de

compostura de turbinas, el costo asociado a este tiempo muerto es:
(59.9
) (0.175 aos) = 10.48

76
GLOBAL
El sueldo mensual de una tripulacin es de 400 mil pesos (4.8 millones de pesos por
ao); por lo tanto, el costo del tiempo muerto de la tripulacin asociado a la
compostura de una turbina ser:
La nmina mensual del equipo de reparacin ms sus costos mensuales suman 325
mil pesos (3.9 millones de pesos por ao). Por lo tanto, el costo del tiempo de
reparacin por avin, sin tomar en cuenta refacciones es:
El costo total de tener a un avin en el sistema de compostura es:
(10.48 + 0.21 + 0.49) = 11.58
Este resultado motiva las siguientes preguntas: Conviene aumentar el equipo

especializado de reparacin de turbinas a 2 o 3? Si es as, En cunto disminuira el
costo de la espera por avin en el sistema? A cunto aumenta el costo del equipo de
reparacin? Cul es un buen punto de equilibrio?
77
GLOBAL
2.5 SOLUCION ANALITICA LINEAS DE ESPERA.

USO DE LAS TASAS DE LLEGADA Y DE SERVICIO
Como la mayor parte de las tcnicas matemticas, la teora de lneas de espera tiene
su propio conjunto de trminos. El de disciplina de la lnea de espera se refiere a la
condicin en que se escogen las llegadas para recibir servicio. En este captulo el
procedimiento consiste en que las llegadas ocupan su lugar en la lnea de espera, a
base de que el que llega primero queda en primer lugar.
Las llegadas pueden ser uniformes durante cierto periodo, o pueden ser aleatorias. La
tasa de llegadas puede tomar la forma de empleados que llegan a la caseta de
herramientas de la empresa, o en otras condiciones podran representar el nmero de
clientes que esperan para comer. General-mente, la tasa de llegada se expresa como
tasa de llegada por unidad de tiempo. Si es aleatoria los clientes no llegan en un
orden o patrn lgico en el transcurso del tiempo, lo que representa la mayor parte de
los casos en el mundo de los negocios. En las situaciones en que las llegadas se
distribuyen en forma aleatoria puede utilizarse su promedio si se registra durante un
periodo suficientemente prolongado.
La tasa de servicio se ocupa de la forma en que las instalaciones de servicio pueden

manejar las demandas de llegada, y se expresa como una tasa por unidad de tiempo.
Por ejemplo, la tasa de servicio podra indicar el nmero de pedidos que el
departamento de piezas de repuesto procesa por hora. Tambin el tiempo de servicio
puede ser uniforme o distribuido en forma aleatoria. En las problemas de-negocios se
encontraran ms casos de tasa uniforme de servicio que de tasa uniforme de llegada.
78
GLOBAL
APLICACIONES DE LA TEORIA DE LINEAS DE ESPERA

La teora de las lneas de espera se ha aplicado a una gran variedad de situaciones
de negocios. Una breve descripcin de algunas aplicaciones ser de gran ayuda para
sugerir problemas a los que pueda aplicarse la teora.
Una gran cadena de supermercados ha utilizado las lneas de espera para determinar
el nmero de estaciones de control que se requieren para lograr un funcionamiento
continuo y econmico de sus almacenes, a diversas horas del da.
Otro uso de esta teora consiste en analizar las demoras en las casetas de peaje de
puentes y tneles. Un estudio de esta ndole se refiere al nmero y programacin de
las casetas de peaje requeridas sobre una base de veinticuatro horas, a fin de reducir
al mnimo los costos en determinado nivel de servicio.
Otras reas relacionadas con un cliente, seran las lneas de espera de restaurantes y
cafeteras, expendios de gasolina, oficinas de lneas areas, almacenes de
departamentos y la programacin de los pacientes en las clnicas.
En todos los casos, los clientes esperan cierto nivel aceptable de servicio, mientras
que la empresa espera poder mantener sus costos al mnimo.
La teora de las lneas de espera no solo es aplicable a los establecimientos de ventas

a] menudeo o mayoreo, sino que las empresas manu-facturaras tambin la usan
extensamente. Una aplicacin muy popular de la teora de las lneas de espera es el
rea de las casetas de herramientas.
LI. Jess Abundis Manzanares | 2.5 SOLUCION ANALITICA LINEAS DE ESPERA.
79
GLOBAL
Los sobrestantes se quejan constantemente de que sus hombres tienen que esperar
mucho tiempo en las filas para recibir herramientas y piezas. Aunque se presiona a
los gerentes de fbrica para que reduzcan los gastos generales de administracin, e!
aumento de empleados puede reducir realmente los gastos generales de
manufactura, porque el personal de la fbrica puede trabajar en vez de esperar en
una fila.
Otro problema
que
ha
resuelto
con
xito
la teora
de
las
lneas de
espera. es la determinacin adecuada del nmero de muelles que se requieren

cuando se
construyen instalaciones terminales para barcos y camiones. como
tanto los costos de los muelles como los de las demoras pueden ser considerables, ya
que los primeros disminuyen mientras aumentan los segundos, o viceversa, es muy
conveniente
construir el nmero de muelles que reduzcan al mnimo la suma de
esos dos costos, Varias empresas manufactureras
han atacado el problema de
descomposturas y reparaciones de sus mquinas, utilizando la misma teora, El

problema se refiere a una batera de mquinas que se descomponen individual-' mente
en diferentes pocas.
En realidad, las maquinas que se descomponen forman una lnea de espera para su
reparacin por el personal de mantenimiento. Es conveniente emplear el personal
de reparaciones necesario para disminuir al mnimo la suma del costo de la perdida
de produccin causada por el tiempo de espera y del costo de los mecnicos.
80
GLOBAL
La teora de las lneas de espera se ha extendido para estudiar un plan I de incentivos

de salarios. Por ejemplo, se haba asignado cierto personal de lnea de produccin
para manejar dos mquinas, mientras que a otros se les haba asignado para
manejar. Cuatro mquinas. Como. Todas las maquinas son iguales, los trabajadores
reciben el mismo salario bsico, pero la gratificacin de incentivo por la produccin
sobre la cuota, es de la mitad por unidad i para los operadores con cuatro mquinas
que para los que tienen dos: maquinas. Superficialmente ese arreglo parece
equitativo. No obstante, un; estudio de las condiciones reales revela que aunque cada
una de las dos I maquinas que maneja un solo hombre estaran ociosas alrededor del
12 por ciento de su tiempo programado, cada una de las cuatro mquinas manejadas
j por un solo individuo estaran ociosas alrededor del 16 por ciento de su tiempo
Programado. El problema es que dos (o ms) maquinas pueden descomponerse a

la vez en el grupo de cuatro mquinas, lo que-general-; mente no ocurre con el grupo
de dos mquinas. El individuo que maneja el , grupo de cuatro mquinas tiene que
trabajar a mayor eficiencia que el que j maneja un grupo de dos mquinas, a fin de
ganar el mismo incentivo. El f problema se resolvera pagando a los operadores de las
bateras de cuatro | maquinas un salario bsico mayor, determinado bsicamente
empleando las J probabilidades calculadas con la teora de las lneas de espera.
Las reas anteriores no agotan en modo alguno las posibles aplicaciones de la teora
de las lneas de espera, que pueden extenderse para incluir la i dotacin de personal
de las operaciones de oficina, y el equilibrio del flujo I _ de materiales en un taller de
tareas. Esa teora puede tener una influencia bien definida en el desafo de un
sistema de inventario y de control de produccin.
81
GLOBAL
TIEMPOS UNIFORMES DE LLEGABA Y DE SERVICIO.
El manejo apropiado de los tiempos uniformes de llegada y de servicio, en trminos
de costo mnimo, puede demostrarse con un ejemplo. Una empresa manufacturera
maneja muchas casetas de herramientas dentro de una de sus grandes fbricas.
Actualmente, el grupo de anlisis de sistemas tiene en observacin una de esas
casetas atendida por un trabajador, : los maquinistas llegan a solicitar servicio a una
tasa uniforme de 10 por hora mientras que se observa que el encargado de
la caseta de herramienta ' atiende sus peticiones a una tasa uniforme de
7 1/2
por
hora.
Seria? lucrativo para la empresa aumentar el nmero de
encargados si se les paga a razn de $3.00 por hora, y se paga a los maquinistas a
razn de $4.QO hora? Esas cuotas incluyen los beneficios marginales.
Inicialmente, el problema se calcula sobre una base de 4 horas, porque el personal

del taller trabaja de las 8 a. m. a las 12, y luego sale a almorzar Los resultados finales
se calculan sobre una base de 8 horas. En vista de esos datos tasa uniforme de
llegada de 10 por hora (uno cada 6 minutes) y una tasa uniforme de servicio de 7 1/2
por hora (uno cada 8 minutos)-' el problema puede resolverse empleando la frmula
de la suma de una serie aritmtica. Si el primer hombre llega a las 8 a. m. no tiene
tiempo de espera. Antes de dar servicio al que llego primero, el que liego en segundo
lugar se convierte en el primero que espera en la fila, y su tiempo de espera es de 2
minutos (8 minutos 6 minutos), antes de que se le d servicio.
Una vez que conocemos el tiempo de espera del primer maquinista, es necesario
calcular el tiempo de espera del ltimo hombre en nuestras 4 horas inciales. Como
llegan 40 maquinistas (10 hombres por hora X 4 horas), y el primero no espera,
debemos calcular el tiempo de espera de los treinta y nueve restantes, o sea que 39
maquinistas multiplicados por 2 minutos son igual a 78 minutos.
82
GLOBAL
Como el aumento del tiempo de espera para cada maquinista adicional es lineal,
podemos promediar el tiempo de espera del segundo y del cuadragsimo. El
promedio del tiempo de espera de cada maquinista es igual a 2 minutos ms 78
minutos, dividido entre 2, 6 40 minutos, lo que se resume en la tabla 14-1. (La
probabilidad de que los que lleguen al ltimo no espere en la fila, porque se acerca la
hora del almuerzo, no se ha considerado aqu, aunque normalmente lo ser.) El
examen de los datos indica que el costo se reduce al mnimo empleando dos
encargados. En contraste con las tasas uniformes, la mayor parte de los problemas
de los negocios se ocupa de tasas aleatorias de llegada y de servicio, cuya solucin
requiere un proceso diferente, que constituir el tema del resto de este captulo.
TEORIA DE LINEAS DE ESPERA DE UN SOLO CANAL.

En la ltima seccin, estudiamos las tasas uniformes de llegada y de servicio, y ahora
estudiaremos las tasas aleatorias de llegada y de servicio en un problema de lneas
de espera de un solo canal (una sola estacin). No trataremos aquellos casos en los
que la capacidad de las instalaciones de servicio es mayor que el promedio de las
demandas de las entradas, porque esta condicin da por resultado que no haya lneas
de espera.
En vez de ello nos ocuparemos de un problema de lneas de espera de un solo canal,

en el que hay una lnea de espera que resulta de tiempos aleatorios de llegada y de
servicio. Vale la pena notar que los modelos de lneas de espera pueden usarse para
eliminar un exceso de trabajadores, cuando la instalacin de servicio es mayor que
las demandas de servicio.
83
GLOBAL
La forma en que llegan las unidades es aleatoria, si no puede predecirse exactamente

cuando llegara cierta unidad.
PROCESO DE NACIMIENTO Y MUERTE (MODELOS DE POISSON).

PROCESO DE NACIMIENTO PURO Y MUERTE PURA.
En esta seccin consideraremos dos procesos especiales. En el primer proceso, los
clientes llegan y nunca parten y en el segundo proceso los clientes se retiran de un
abasto inicial. En ambos casos los procesos de llegada y retiro ocurren de manera
aleatoria. Las dos situaciones se denominan proceso de nacimiento puro y proceso de
muerte pura.
MODELO DE NACIMIENTO PURO.

Considere la situacin de emitir actas de nacimiento para bebes recin nacidos. Estas
actas se guardan normalmente en una oficina central de Registro Civil. Hay razones
para creer que el nacimiento de bebes y, por ello, la emisin de las actas
correspondientes es un proceso completamente aleatorio que se puede describir por
medio de una distribucin de Poisson. Usando la informacin de la seccin 15.2 y
suponiendo que es la tasa con que se emiten las actas de nacimiento, el proceso de
nacimiento puro de tener n arribos o llegadas (acta de nacimiento) durante el periodo
de tiempo t se puede describir con la siguiente distribucin de Poisson:
p n (t )
( t ) n e t
, n=0,1,2,. (Nacimiento puro)
n!
Donde es la tasa de llegadas por unidad de tiempo, con el nmero esperado de

llegadas durante t igual a t.
84
GLOBAL
Ejemplo 15.3-1
Suponga que los nacimientos en un pas estn separados en el tiempo, de acuerdo
con una distribucin exponencial, presentndose un nacimiento cada 7 minutos en
promedio.
Como el tiempo promedio entre arribos (entre nacimientos) es de 7 minutos, la tasa

de nacimiento en el pas se calcula como:
24 x60
205.7nacimiento s / dia
7
El nmero de nacimientos en el pas por ao est dado por

t = 205.7x365 = 75080 nacimientos/ao
La probabilidad de ningn nacimiento en cualquier da es
po
(205.7 x1) 0 e 205.7 x1

0
0!
Suponga que nos interesa la probabilidad de emitir 45 actas de nacimiento al final de

un periodo de 3 horas, si se pudieron emitir 35 actas en las primeras 2 horas.
Observamos que debido a que los nacimientos ocurren segn un proceso de Poisson,
la probabilidad requeridas reduce a tener 45-35=10 nacimientos en una hora ( =3-2).
Dado =60/7=8.57 nacimientos/hora, obtenemos
85
GLOBAL
p10 (19)
(8.57 x1)10 e 8.57 x1

0.11172
10!
MODELO DE MUERTE PURA.

Considere la situacin de almacenar N unidades de artculo al inicio de la semana,
para satisfacer la demanda de los clientes durante la semana. Si suponemos que la
demanda se presenta a una tasa de unidades por da y que el proceso de demanda
es completamente aleatorio, la probabilidad asociada de tener n artculos en el
almacn despus de un tiempo t, la da la siguiente distribucin truncada de Poisson:
p n (t )
( t ) N n e t
,
( N n)!
n = 1,2,N
p0 (t ) 1 p n (t )
(Muerte pura)
n 1
Ejemplo 15.3-2
Al inicio de la semana, se almacenan 15 unidades de un artculo de inventario para
utilizarse durante la semana. Solo se hacen retiros del almacenamiento durante los
primeros 6 das (la empresa est cerrada los domingos) y sigue una distribucin de
Poisson con la media de 3 unidades/da. Cuando el nivel de existencia llega a 5
unidades, se coloca un nuevo pedido de 15 unidades para ser entregado al principio
de la semana entrante. Debido a la naturaleza del artculo, se desechan todas las
unidades que sobran al final de la semana podemos analizar esta situacin en varias
formas. Primero, reconocemos que la tasa de clculo es = 3 unidades por da.
Supngase que nos interesa determinar la probabilidad de tener 5 unidades (el nivel
de nuevo pedido) al da t; es decir,
86
GLOBAL
p5 (t )
(3t )155 e 3t
, t= 1,2,,6
(15 5)!
Como ejemplo ilustrativo de los clculos, tenemos los siguientes resultados utilizando
el programa TORA t=3, 6, 9., y 18
t (das)
12
15
0.1048
0.0486
6
t
p5(t)
18
0.0008
0.0413
0.1186
0.015
Obsrvese que p5(t) representa la probabilidad de hacer un nuevo pedido el da t.

Esta probabilidad llega a su nivel mximo en t=3 y despus disminuye conforme
transcurre la semana. Si nos interesa la probabilidad de hacer un nuevo pedido para
el da t, debemos determinar la probabilidad de tener cinco unidades o menos el da t;
esto es,
Pn<=5 (t) = p0(t)+p1(t)+..+p5(t)
Usando TORA nuevamente obtenemos
87
GLOBAL
t (das)
12
15
0.7576
0.9301
6
t
pn<=5(t)
18
0.0011
0.0839
0.4126
0.9847
Podemos advertir en la tabla que la probabilidad de hacer el pedido para el da t

aumente montonamente con t.
Otra informacin, que es importante al analizar la situacin, es determinar el nmero

promedio de unidades de inventario que se desecharan el fin de semana.
En t 6 =
15
np
n 0
(6)
Esto se hace calculando el nmero esperado de unidades para el da 6; es decir,

La tabla que sigue presenta un resumen de las operaciones dado t=18
pn(6) 0.792
10
0.0655
0.0018
0.0007
0.0509
0.0002
0.0245
0.015
11
0.0368
0.0083
0.0042
0.0001
88
GLOBAL
Y pn(6) ~= 0 para n = 12,13,14 y 15. Por lo tanto, al calcular el promedio, obtenemos

En t 6 = 0.5537 unidad
Esto indica que, en promedio, se desechar menos de una unidad al trmino de cada
semana.
Ejercicio 15.3-2
Determine en el ejemplo 15.3-2
A) La probabilidad de que se agote la existencia despus de tres das.
B) La probabilidad de que se retirar una unidad de inventario al termino del

cuarto da dado que la ltima unidad fue retirada al cabo del tercer da.
C) La probabilidad de que el tiempo restante hasta que se retire la siguiente

unidad sea cuando mucho un da, dado que el ltimo retiro ocurre un da antes.
D) El inventario promedio que se mantiene en existencia al trmino del segundo

da.
E) La probabilidad de que no ocurran retiros durante el primer da.
UNA COLA, UN SERVIDOR Y POBLACIN FINITA.

El sistema que se analiz en la seccin anterior supone que el nmero de clientes que
requieren servicio en un periodo de tiempo determinado es infinito.
89
GLOBAL
Este caso no corresponde a la realidad ya que una poblacin es, por regla, de tamao
finito. Este caso no corresponde a la realidad ya que una poblacin es, por regla, de
tamao finito. Esta consideracin, en vez de simplificar el desarrollo de frmulas que
describen cuantitativamente al sistema, lo complica. Por ello, se refiere trabajar con el
supuesto de poblacin infinita y no con el real.
Suponiendo que una poblacin finita de m elementos (o<m<) requiriera servicios de
un sistema similar al de la seccin anterior, las series infinitas analizadas para la
seccin 3.4 se convierten en series finitas y generan de manera anloga los
siguientes resultados9.
Si m es la poblacin que pudiera requerir un servicio determinado y n (n < m)

elementos de esa poblacin piden ese servicio, entonces P 0 (t) se calcula mediante el
uso simultneo de las expresiones 3.20 y 3.21, determinadas a continuacin:
(3.20)
(3.21)
Una vez conocida
(t) se calcula L, W, Ts, Tw de:
(3.22)
(
(3.23)
(3.24)
(3.25)
90
GLOBAL
Obviamente, conocida P0 (t) se calcula Pn (t) de 3.20 de la siguiente manera:
(3.26)
Ejemplo 3.2. Suponga que en la flota de Aeromxico existen cuatro aviones del tipo
jumbo 747. Se ha venido observando el comportamiento de estos aviones desde 1971
y, en especial, las fallas de las turbinas. Los datos indican que las fallas de cualquier
turbina de cualquier avin es una variable aleatoria y que el tiempo promedio entre
dos fallas consecutivas de cualquier avin es de un ao. El tiempo promedio de
revisin y compostura de la falla de la turbina es de 45 das (un octavo de ao).
Solamente se tienes un equipo humano de expertos para dar servicios y se
proporciona servicio bajo la poltica de primero que entra al taller, primero que se le
sirve. Durante el periodo de mantenimiento el avin no vuela. Describa
cuantitativamente al sistema de espera.
91
GLOBAL
Si se toma como unidad de tiempo un ao, entonces
Como
, se aplica los conceptos anteriores. Se calcula la expresin 3.20
para n = 0, 1, 2, 3, 4 y m = 4, donde n es el nmero de aviones que esperan

compostura y m es la flota de jumbos 747 de Aeromxico.
1.00000
0.50000
0.18750
0.04688
0.00576
Tabla 3.2
Por lo tanto, y de acuerdo con 3.21, se tiene:
92
GLOBAL
Que significa que existe un 5704% de probabilidad de que no se encuentre ningn

avin jumbo 747 en el sistema de compostura de turbinas en el tiempo t.
La probabilidad de que se encuentre un avin en mantenimiento y otro en espera es:
El nmero promedio de aviones de aviones que esperan servicio en 1 ao es de:
Mientras que el nmero promedio de aviones en el sistema (esperando en la cola y en

el taller) es:
El tiempo promedio de espera en la cola para recibir servicio es:
O sea aproximadamente 18 das, mientras que el tiempo promedio en el sistema

(espera ms servicio) es de:
O sea casi 64 das:
Qu representa esto en costo?

Suponga que el costo de 1 hora de vuelo de un 747 es de 10 mil pesos, de 2 mil
cuando est en tierra y de 5 mil cuando est en mantenimiento. Se supone que estos
aviones vuelan, en promedio, 14 horas por da y por cada mil horas de vuelo se les
proporcionara mantenimiento preventivo (independiente de las composturas de falla
de turbina) que dura en promedio 100 horas.
93
GLOBAL
Se supone que el sueldo mensual del personal especializado de reparacin es de 200

mil pesos y el costo mensual del equipo de reparacin (luz, depreciacin, seguros,
etc.,) es de 125 mil pesos.
El costo de la espera para componer las fallas de la turbina de un avin es, por lo
tanto, la suma de los siguientes costos:
d) Tiempo muerto del avin mientras espera y le reparan la turbina, (Tw).
e) Tiempo muerto de la tripulacin cuando el avin se encuentra en el taller por
compostura de turbinas.
f) Tiempo de reparacin de la turbina (sin incluir refacciones), es decir Tw Ts.
Como la unidad de tiempo es un ao, se deben convertir todos los costos unitarios a
costo por ao.
En un ao (365 das) el avin vuela:
Por lo que recibe 5 mantenimientos preventivos de 100 horas cada uno, para un total
de 500
de servicio de mantenimiento. Si en un ao existen 8760 horas, lo
anterior quiere decir que:

8760 (5110 + 500) = 3150
94
GLOBAL
Estar parado el avin en tierra. Entonces el costo total anual para cada avin ser
de:
(5110
) + (500
) + (3150
* 5000
2000
) = 59.9
Si un avin de este tipo pasa T w = 0.175 de ao (64 das), en el sistema de

compostura de turbinas, el costo asociado a este tiempo muerto es:
(59.9
) (0.175 aos) = 10.48
El sueldo mensual de una tripulacin es de 400 mil pesos (4.8 millones de pesos por
ao); por lo tanto, el costo del tiempo muerto de la tripulacin asociado a la
compostura de una turbina ser:
95
GLOBAL
La nmina mensual del equipo de reparacin ms sus costos mensuales suman 325
mil pesos (3.9 millones de pesos por ao). Por lo tanto, el costo del tiempo de
reparacin por avin, sin tomar en cuenta refacciones es:
El costo total de tener a un avin en el sistema de compostura es:

(10.48 + 0.21 + 0.49) = 11.58
Este resultado motiva las siguientes preguntas: Conviene aumentar el equipo

especializado de reparacin de turbinas a 2 o 3? Si es as, En cunto disminuira el
costo de la espera por avin en el sistema? A cunto aumenta el costo del equipo de
reparacin? Cul es un buen punto de equilibrio?
UNA COLA-SERVIDORES MULTIPLES EN PARALELO-POBLACION

INFINITA.
Se supone un sistema con una sola cola, a la cual puede llegar un nmero infinito de
clientes en espera de recibir un mismo servicio por parte de S(S>1) servidores en
paralelo. La poltica del sistema es que sirve a los clientes en el orden de su llegada;
el servicio lo proporciona el primer servidor que se haya desocupado al principio y se
irn ocupando en forma progresiva
(primero el servidor 1, despus el 2 y as
sucesivamente) en la medida que vayan llegando los clientes.
96
GLOBAL
El nmero promedio de llegadas por unidad de tiempo es y se supone que este

tiene una distribucin de poisson.
El nmero promedio de servicios de cada servidor por unidad de tiempo es el mismo

y se denota por . Se supone que este nmero tiene una distribucin exponencial
negativa.
Se observa que cuando el nmero de elementos en la cola y en las estaciones de
servicio, m, es mayor que el nmero de servidores, S, (m > S), la probabilidad de que
algn cliente abandone el sistema (despus de recibir su servicio) en el intervalo de
tiempo t es S t. En caso contrario (S > m), dicha probabilidad es m t.
Esta observacin incorporada en la expresin 3.3 origina:
(3.27)
En la expresin anterior
no tiene sentido cuando m = O, por lo que una vez
agrupados los trminos se obtiene:
Restando en ambos lados PQ (t) y dividiendo entre A t, se tiene
97
GLOBAL
Tomando el lmite cuando
tiende a cero genera
Por lo que
(3.28)
El lmite, cuando
tiende a cero, de la expresin general 3.27, para m = 1, genera
(3.29)
Substituyendo 3.28 en 3.29
( )
(3.30)
Generalizando 3.30 para un valor m 1 cualquiera se obtiene
98
GLOBAL
que se puede reescribir:
(3.31)
Para el caso en que m < S, se sigue el mismo razonamiento cambiando el trmino

de 3.27 por m t, para obtener
(3.32)
Una frmula explcita de
se genera despejando este trmino de
, arrojando la expresin:
(3.33)
Combinando 3.33 con 3.31 y 3.32 y tomando el lmite cuando m tiende a infinito, se
construye despus de un buen ejercicio algebraico (que aqu se omite) la expresin
final para
dada por
(3.34)
El largo de la cola L, lo dar la expresin
99
GLOBAL
Que una vez desarrollada, utilizando 3.31 y agrupando trminos, genera la frmula
(3.35)
El nmero de elementos en el sistema W, es igual a

W=L+
(3.36)
El tiempo de espera en la cola Ts es:
(3.37)
Mientras que el tiempo de espera en el sistema, Tw
(3.38)
As como en el caso de un servidor se supone que
(para que no se formen
colas de tamao infinito), en el caso de servidores mltiples se requiere que se

cumpla la condicin
, la cual se puede reescribir como
Se puede demostrar que

{
100
GLOBAL
Donde
Ejemplo 3.3. Suponga que en el cruce fronterizo de Mxico y Estados Unidos,

localizado entre las poblaciones de Piedras Negras, Coahuila, y Eagle Pass, Texas,
existe un puente sobre el Ro Bravo con dos lneas de trfico, una en direccin de
Mxico a Estados Unidos y la otra en sentido contrario. La lnea de trfico de Estados
Unidos a Mxico, se bifurca a 5 garitas de inspeccin migratoria y aduanera.
Suponga que las llegadas de automviles tienen una distribucin de Poisson con
igual a 15 llegadas por hora, mientras que el nmero de servicios tiene una
distribucin exponencial negativa con igual a
8 servicios por hora.
Por decreto gubernamental, no existe prioridad de trato, as que las garitas

migratorias y aduaneras proporcionan servicio en la medida que se desocupan, y se
atiende en primer trmino al primer automvil de la cola y as sucesivamente.
101
GLOBAL
Se describe en forma cuantitativa al sistema de garitas migratorias y aduaneras.
Primero se corrobora que el parmetro
, queriendo decir que en el puente
internacional de Piedras Negras no se formar una cola infinita de automviles o, en

trminos ms reales, que esta cola no tiende a crecer sin freno:
Se tiene
Lo anterior implica que existe un 15% de probabilidades de que, al llegar un automvil

cualquiera a la garita internacional de Piedras Negras, en el tiempo t las 5 estaciones
de servicio se encuentren vacas, y no exista ningn automvil esperando este
servicio.
102
GLOBAL
Por lo tanto, no se forma una cola hasta que m > 6, como se verifica en la tabla 3.3.
El largo de la cola, L es:
El nmero de elementos en el sistema, W, es:
El tiempo promedio de espera en la cola, Ts es:
103
GLOBAL
Nmero de automviles a
M
Tamao de la cola
Garitas desocupadas
los cuales se les est dando
Pm (t)+,*
servicio
0.152
0.286**
0.267
0.167
0.078
0.029***
0.011****
0.004
0.001
104
GLOBAL
o sea casi 7 segundos, mientras que el tiempo dentro del sistema, Tw es:
Aproximadamente 7 minutos con 36 segundos.
Ejemplo 3.4. El Director General de Egresos, el Lie. A. Uslero, experto en sistemas,

sospecha que se puede lograr un considerable ahorro econmico, si en vez de 5
garitas funcionan 2, y que esto no causa graves problemas al turismo. Estar en lo
cierto?
Se calcula
105
GLOBAL
Es decir, existe un 3% de probabilidades de que al llegar un automvil cualquiera a la

garita internacional de Piedras Negras, en el tiempo t las 2 garitas se encuentren
vacas y no hay automviles esperando por un servicio.
No se forma una cola hasta que m > 3, tal como se aprecia en la siguiente tabla.
Tamao de
Garitas
Nmero de
la cola
desocupadas
automviles
Pm (t) + ,*
a los cuales
se les est
dando
servicio
0
0.03226
0.06048
0.05670
0.05316
0.04984
0.046725
106
GLOBAL
Tabla 3.4
El largo de la cola, L, es:
Mientras que el nmero de elementos en el sistema, W, es:
W=L+
= 13.61 + 1.875 = 15.49 automviles
El tiempo promedio de espera en la cola, TS, es:
107
GLOBAL
O sea casi 55 minutos, mientras que el tiempo dentro del sistema, Tw, es:
O sea, casi 62 minutos.
As, por un lado, la medida de reducir de 5 a 2 garitas podra ahorrarle al pas el

salario y el mantenimiento de 3 garitas, por el otro provocara prdidas en turismo, ya
que, en promedio cada automvil que cruce por ese puerto fronterizo, esperar ms
de una hora por trmites.
108
GLOBAL
UNIDAD 3
SIMULACIN
109
GLOBAL
3.1 INTRODUCCIN.
La simulacin es uno de los procesos cuantitativos mas ampliamente utilizados en la
toma de decisiones; sirve para aprender lo relacionado con un sistema real mediante
la experimentacin con el modelo que lo representa. El modelo de simulacin
contiene expresiones matemticas y relaciones lgicas que describen la forma de
calcular el valor de los resultados. Cualquier modelo de simulacin tiene 2 entradas:
controlables y probabilstica
Entradas
probabilsticas
Entradas
Salidas
Controlables
Las primeras referencias sobre simulacin se encuentran hacia el ao 1940, cuando

Von Neumann y Ullman trabajaron sobre la simulacin del flujo de neutrones para la
construccin de la bomba atmica en el proyecto Montecarlo. Desde entonces se
conocan las tcnicas de simulacin como procesos Montecarlo, aunque en la
actualidad se diferencian ambas cosas, siendo los segundos un tipo particular de
simulacin. Tambin se realiz un proceso de simulacin para el proyecto APOLLO
dentro del plan espacial de la N.A.S.A, acerca del movimiento dentro de la atmsfera
de la luna.
LI. Jess Abundis Manzanares | 3.1 INTRODUCCIN.
110
GLOBAL
Actualmente, la simulacin es una poderosa tcnica para la resolucin de problemas.

Sus orgenes estn en la teora de muestreo estadstico y anlisis de sistemas fsicos
probabilsticos complejos. El aspecto comn de ambos es el uso de nmeros y
muestras aleatorias para aproximar soluciones.
Una de las ms famosas aplicaciones de muestras aleatoria s, ocurre durante la

segunda guerra mundial, cuando la simulacin se utiliz para estudiar el flujo de
neutrones dentro del desarrollo de la bomba atmica. Esta investigacin era secreta y
le dieron un nombre en cdigo: Monte Carlo. Este nombre se mantiene, y durante
mucho tiempo se usaba para hacer referencia a algunos esfuerzos en simulacin.
Pero el trmino mtodos Monte Carlo, se refiere actualmente a una rama de las
matemticas experimentales que trata con experimentos de nmeros aleatorios,
mientras que el trmino simulacin, o simulacin de sistemas, cubre una tcnica de
anlisis ms prctico.
Vamos a ver tcnicas que utilizan los computadores para imitar, o simular, el
comportamiento de sistemas del mundo real. Para estudiar cientficamente estos
sistemas, a menudo se han de hacer una serie de suposiciones acerca de cmo
trabaja ste. Estas suposiciones que usualmente toman la forma de relaciones
matemticas o lgicas, constituyen un modelo que va a ser usado para intentar
comprender el comportamiento del sistema correspondiente.
Si las relaciones que componen el modelo son suficientemente simples, es posible

usar mtodos matemticos (tales como lgebra, clculo o teora de la probabilidad)
para obtener una informacin exacta de las cuestiones de inters; a esto se le llama
solucin analtica.
LI. Jess Abundis Manzanares | 3.1 INTRODUCCIN.
111
GLOBAL
Sin embargo, la mayora de los sistemas del mundo real son demasiado complejos y
normalmente los modelos realistas de los mismos, no pueden evaluarse
analticamente. Lo que se puede hacer es estudiar dichos modelos mediante
simulacin. En una simulacin se utiliza el ordenador para experimentar con un
modelo numricamente, de forma que con los resultados obtenidos se haga una
estimacin de las caractersticas del sistema.
3.2 PROCEDIMIENTO DE SIMULACION.

Descripcin del procedimiento empleado en las simulaciones.
Las simulaciones se realizaron por medio de una versin baro trpica y verticalmente
integrada del HAMSOM. El uso de cdigos de estas caractersticas es habitual en los
sistemas de prediccin de ondas de tormenta. El hecho de emplear un modelo 3-D,
con toda la carga adicional de fsica y para metrizaciones, no aporta una mejora sobre
el valor estimado del nivel del mar, aunque si puede tener sentido a la hora de
predecir corrientes superficiales (comunicacin en persona, Philip Woodword).
El clculo de residuos en un punto se ha realizado por medio de una tcnica que

implica la realizacin de dos simulaciones diferentes (Davies and Lawrence, 1994). La
primera consiste en una simulacin de marea (como se ver en el apartado
Constantes de marea se ha empleado para ello el conjunto de constantes FES 95 de
la Universidad de Grenoble) con todos los armnicos disponibles en el modelo y
reproduciendo la situacin real existente durante los das concretos del estudio. Para
ello ha sido necesario introducir en el cdigo una rutina que calcule, para todos los
armnicos contemplados y para una fecha determinada, los factores nodales y el
desfase con respecto al origen de tiempo (ecuacin 2).
LI. Jess Abundis Manzanares | 3.2 PROCEDIMIENTO DE SIMULACION.
112
GLOBAL
A travs de esta rutina, el trmino de desfase se calcula al inicio del periodo

considerado y el valor de fi,t se actualiza al principio de cada da. En estas
simulaciones el modelo reproduce el comportamiento de los 7 armnicos ms
importantes, que poseen ms del 95% de la energa de la marea. La segunda
simulacin consiste en una ejecucin conjunta de los forzamientos de la atmsfera
(vientos y presiones procedentes del HIRLAM) y la marea. En este caso, se reproduce
el nivel absoluto del mar, a excepcin de las contribuciones baro clnicas y las debidas
a los armnicos no considerados. Los residuos se calculan como la diferencia entre
ambas simulaciones.
La figura 4 ilustra este procedimiento a travs de los resultados del modelo en el

punto de malla de Bilbao. Los datos corresponden a unos cuantos das del periodo
considerado en este estudio. La grfica superior muestra los resultados de la
simulacin de marea con 7 armnicos. En esta figura se manifiesta con claridad la
presencia del ciclo de mareas vivas y muertas. La central muestra la elevacin
resultante de introducir marea y forzamiento meteorolgico. La inferior, que es la
diferencia entre las anteriores, corresponde a los residuos. La onda de tormenta del
da 7 de Febrero (da 98 de la simulacin) es la mayor registrado en Bilbao desde la
puesta en marcha de la REDMAR.
Figura 4: Clculo de residuos (grfica inferior) a partir de las simulaciones de marea

(grfica superior) y de marea con meteorologa (grfica central). El eje de abscisas
muestra los das transcurridos desde el inicio de la simulacin. Ntese el cambio en la
escala vertical.
Al calcular las ondas de tormenta de esta manera el modelo puede estimar las
transferencias de energa entre los forzamientos meteorolgicos y de marea.
113
GLOBAL
En aquellos puertos donde existe un maregrafo, el nivel del mar se calcula como la
suma de la marea predicha astronmicamente y el residuo calculado por el modelo.
Por supuesto, este nivel calculado no puede tener en cuenta las contribuciones baro
clnicas ni las variaciones de la presin media planetaria (ver seccin La influencia de
la presin atmosfrica). Estos factores pueden producir derivas estacionales del nivel
medio del mar que han de ser tenidas en cuenta de alguna forma. Al hacer retro
anlisis de periodos cortos de tiempo la tcnica habitual es igualar las medias de las
series de residuos medidos y simulados (Vested et al, 1995). Al hacer prediccin se
hace uso de diversas tcnicas de asimilacin de datos (Vested et al, 1995). En la
seccin El esquema de asimilacin de NIVMAR se mostrar la aplicacin de una de
estas tcnicas.
El salto de tiempo empleado en las simulaciones fue de 10 minutos. Con este paso de
tiempo, relativamente pequeo, el mximo nmero de Courant para la propagacin de
ondas largas presente en el dominio de simulacin es del orden de 5, con lo que la
estabilidad y la ausencia de amortiguamiento numrico quedan aseguradas (Kowalik y
Murty, 1993).
Los valores de viscosidad horizontal y friccin de fondo empleados son los mismos
que dieron buenos resultados a la hora de simular las mareas en Fanjul el al (en
prensa (a)) ( 200 m2s-1 y R=0.0025). Las tensiones de arrastre de viento fueron
calculadas a partir de los datos del HIRLAM por medio de la para metrizacin de
Charnock (Fanjul el al, en prensa (a)), utilizando un valor de (Mastenbroek, et al,
1993).
114
GLOBAL
3.3 LOS NUMEROS ALEATORIOS Y EL MUESTREO DE

VARIABLES ALEATORIAS.
NMERO ALEATORIO.
Es un resultado de una variable al azar especificada por una funcin de distribucin. Cuando no
se especifica ninguna distribucin, se presupone que se utiliza la distribucin uniforme
continua en el intervalo [0,1).
En los ordenadores personales es fcil simular la generacin de nmeros aleatorios,

mediante mecanismos de generacin de nmeros aleatorios , que, sin ser aleatorios
(siguen una frmula), lo aparentan.
Un generador de nmeros aleatorios es un componente o funcionalidad que crea nmeros o

smbolos para un programa software en una forma que carezca de un patrn evidente, y que as
parezcan ser nmeros aleatorios.
La mayor parte de los generadores de nmeros aleatorios son, en realidad, pseudoaleatorios: se

calcula (o introduce internamente) un valor X0, que llamaremos.
Semilla, y, a partir de l, se van generando X1, X2, X3,...Siempre que se parta de la

misma semilla, se obtendr la misma secuencia de valores.
El algoritmo bsico es el mtodo congruencia, que genera valores en el intervalo[0,1),

mediante el siguiente esquema: Se fijan A, B, enteros positivos (deben tener ciertas propiedades
para obtener un buen generador), y, a partir de una semilla X0 en el conjunto
0,1,...,(N-1), se generan X1 = A*X0+B (mod N) X2 = A*X1+B (mod N) X3 =A*X2+B
115
GLOBAL
(mod N) ... X(k+1) = A*Xk+B (mod N) ...Donde A*X+B (mod N) es el resto de la divisin
entera de A*X+B entre N. Por ejemplo, 16 (mod 7) es 2.A partir del mtodo congruencia, es
posible tomar valores pseudo aleatorios en el intervalo [0,1) como sigue: Se toma N,
entero, muy grande, se toman A, B adecuados, y una semilla X0 en 0,1,.., (N-1). A
partir de ella, se generan X1, X2, X3,... por el mtodo congruencial, y a partir de ellos,
Y0, Y1, Y2, Y3,... mediante la frmula Yk = Xk /N.
3.4 SIMULACION DE INVENTARIOS.

En base al estudio de Teora de Inventarios, el simulador a describir, fue desarrollado en Net Logo.
El simulador fue programado para analizar los siguientes datos de entrada:

El nmero de pedidos de un producto la cantidad demandada de un producto.
La caducidad del producto.
Costo adicional por pedido.
Revisin del inventario (stock).
Tiempo de demora en los pedidos.
El modelo de simulacin que se utiliz fue el modelo determinstico del lote econmico EOQ.
Para la simulacin se ha creado un solo objeto denominado producto que tiene una sola propiedad,
caducidad. Este objeto simula el comportamiento de un producto en general que se puede adquirir
o si se llega a cumplir su periodo de caducidad el mismo se da de baja, es decir se elimina del
inventario.
LI. Jess Abundis Manzanares | 3.4 SIMULACION DE INVENTARIOS.
116
GLOBAL
De manera general la lgica de la aplicacin es la siguiente, en caso de que no se desee optimizar

la simulacin, el usuario configura los datos de entrada, se generan los productos, se inicia la
simulacin, se actualizan los elementos de salida (output y plots).
Cuando el usuario desea optimizar la simulacin algunos de los datos de entrada son calculados
en base a la informacin ingresada por el usuario, a pesar de que hayan sido
configurados por el usuario, esto debido a que la optimizacin aplica los clculos de los sistemas
de inventarios para determinar el stock ptimo, cundo y cunto comprar.
3.5 SIMULACION DE SISTEMAS CON LINEAS DE ESPERA.

La seleccin del modelo para analizar una lnea de espera, sea analtico o por
simulacin, est determinado principalmente por las distribuciones de los tiempos de
llegada y los tiempo de servicio.
En la prctica estas distribuciones se determinan observando las lneas de espera

durante su operacin y registrando los datos correspondientes. Entonces: cundo
observar el sistema?, y Cmo registrar los datos?. CUANDO OBSERVAR?.
Se observa el sistema cuando est funcionando normalmente, esto cada una de sus
partes est maniobrando. Para un investigador conservador ser correcto observar y
recopilar los datos durante los periodos de mayor actividad, que corresponde a los
momentos de congestin en los sistemas de colas; por lo que el sistema debe
disearse para tomar en cuenta esas condiciones extremas:
LI. Jess Abundis Manzanares | 3.5 SIMULACION DE SISTEMAS CON LINEAS DE ESPERA.
117
GLOBAL
Mayores tasas de llegadas (mayor nmero de clientes o productos/unidad de tiempo).
Otra alternativa para observar, es simplemente cuando el sistema est en su

comportamiento o fase estable: Tiempo de espera similar por cada cliente o
producto Cualquier sistema de colas pasa por 2 fases bsicas: La fase transitoria y la
fase estable. En el curso, se resolvern slo casos en condiciones estables.
CMO REGISTRAR LOS DATOS?

La recoleccin de datos relativos a llegadas y salidas se puede efectuar utilizando uno
de dos mtodos:
Mtodo 1.- Medir el tiempo entre llegadas (o salidas) sucesivas para determinar los
tiempos entre arribos (o servicio). Se busca analizar las distribuciones de los tiempos
entre arribos o servicios.
Mtodo 2.- Contar el nmero de llegadas (o salidas) durante una unidad de tiempo
seleccionada (por ejemplo, una hora). Se busca analizar las distribuciones del nmero
de llegadas o salidas.
Para la recoleccin de datos se pueden usar: Un cronmetro o un dispositivo de

registro automtico (cuando las llegadas ocurren a una tasa alta).
La informacin deber resumirse en una forma adecuada para luego determinar la

distribucin asociada: Elaboracin de un histograma de frecuencias, grfica de la
distribucin emprica, prueba de bondad de ajuste.
118
GLOBAL
El tiempo est asociado a la distribucin exponencial y el
Tiempo de Espera Nmero de Clientes
FASE TRANSITORIA FASE ESTABLE

Nmero de llegadas a la Poisson. Si no es as, puede ser necesario buscar otros
mtodos de anlisis para completar el estudio:
La simulacin es muy adecuada para investigar situaciones de mal comportamiento
en filas que no se pueden analizar por medio de los modelos tericos estndar de
lneas de espera.
Indicadores para Evaluar el Rendimiento de un Sistema de Colas
RELACIONADOS CON EL TIEMPO:
W o Ws = Tiempo promedio en el sistema
Wq = Tiempo promedio de espera (en cola) RELACIONADOS CON EL NUMERO DE

CLIENTES: L o Ls = Nmero promedio de clientes en el sistema Lq = Nmero
promedio de clientes en la cola Pw = Probabilidad de que un cliente que llega tenga
que esperar(ningn cajero vaco) Pn = Probabilidad de que existan n clientes en el
sistema.
n = 0, 1, 2, 3.
119
GLOBAL
Po = Probabilidad de que no hayan clientes en el sistema Pd = Probabilidad de

negacin de servicio, o probabilidad de que un cliente que.
Llega no pueda entrar al sistema debido que la cola est llena.
RELACIONES ENTRE LAS MEDIDAS: Si =Nmero promedio de llegadas por unidad

de tiempo (tasa de llegadas).
=Nmero promedio de clientes atendidos por unidad de tiempo en un canal(tasa de

servicio) Se cumple : a) Ws = Wq + 1 /
Tiempo
Tiempo
Tiempo
Promedio =
promedio +
promedio
en el sistema
de espera
de servicio
b) Ls =
.
Ws
# Promedio
de clientes
# Promedio
=
en el sistema
de llegadas
Tiempo promedio
en el sistema
por unidad de tiempo
c) Lq =
.
Wq
# Promedio
de clientes
en la cola
# Promedio
=
de llegadas
Tiempo promedio
en la cola
por unidad de tiempo
Algunos modelos de lneas de espera Se estudiaran principalmente modelos con

procesos de markov; cada modelo se describe con notacin extendida de Kendall.
120
GLOBAL
Los servidores son en paralelo. Las frmulas para cada caso se obtienen a partir las
probabilidades de estado estable de tener n clientes en el sistema. Estas
probabilidades, entonces, se usan para desarrollar las medidas de desempeo del
modelo de lnea de espera.
Aplicacin en banco reportes de servimatic: Banco de Crdito del Per (BCP)

Evaluacin de los Reportes diarios por promotor reporte diario consolidado por oficina
Tipo de Cliente Nivel de Atencin Usuarios Total F.T.M Tiempo Promedio Espera
Tiempo Promedio Atencin Transacciones VIP Cliente No Cliente Especial Interno

94.12 % 78.69 % 86.73 %
34 2 244 52 211 28 1 ----- 0 ----- 00: 02:05 00:07:43 00:09:44 00:00 00:00 00:02:28
00:02:05 00:02:19 01:06 00:00 85 490 472 1 0 Total 490 00:08:10 00:02:12 1048.
Calificacin del Da : Deficiente reporte diario consolidado por oficina Tipo de Cliente
Nivel de Atencin Usuarios Total F.T.M Tiempo Promedio Espera Tiempo Promedio
Atencin Transacciones VIP Cliente No Cliente Especial Interno 96.43 % 99.34 %
100.00%.
28 1 152 1 209 0 2 ----- 0 ----- 00: 01:06 00: 02:23 00: 04:08 00:00 00:00 00:02:35
00:02:39 00:02:26 02:24 00:00 47 295 437 2 0 Total 391 00:03:12 00:02:31 781
Calificacin del Da : Satisfactorio.
121
GLOBAL
Reporte diario consolidado por oficina tipo de cliente nivel de atencin usuarios total
f.t.m tiempo promedio espera tiempo promedio atencin transacciones vip cliente no
cliente especial interno 100.00 % 93.30 % 98.45 %.
32 0 224 15 194 3 0 ----- 0 ----- 00: 01:18 00:04:16 00:07:36 00:00 00:00 00:02:58
00:02:42 00:02:27 00:00 00:00 66 494 435 0 0 Total 450 00:05:29 00:02:36 995.
Calificacin del Da: Regular El Resumen de Agencia indica que :

- Se atendi 32 clientes VIP, en un tiempo menor de 6 min (c/u). Se dice que el nivel
de atencin fue del 100% y la FTM es 0. Los 32 clientes realizaron 66 transacciones.
- Se atendi 224 clientes en un nivel del 93.3% (antes de 24 min), y los dems (15
clientes) fueron atendidos en ms de 24 minutos.
- Se atendi 194 No clientes, quienes realizaron 435 transacciones (pago de celular,

AFP, Sunat, Luz, etc). - La calificacin del da resulta de la comparacin: Nivel de
atencin vs. FTM(fuera del tiempo mximo) Ejercicios Modelo de un servidor y una
cola (M/M/1) Frmulas (Caso 1 o M/M/1; escritas en pizarra) Ejemplo: (Un
supermercado ) Supngase un supermercado grande con muchas cajas de salida, en
donde los clientes llegan para que les marquen su cuenta con una tasa de 90 por hora
y que hay 10 cajas en operacin.
Si hay poco intercambio entre las lneas, puede tratarse este problema como 10
sistemas separados de una sola lnea, cada uno con una llegada de 9 clientes por
hora.
122
GLOBAL
Para una tasa de servicio de 12 por hora y considerando M/M/1, evale el sistema.
Solucin: Interpretacin de resultados: El cliente promedio espera 15 minutos antes
de ser servido.
En promedio, hay un poco ms de dos clientes en la lnea o tres en el sistema. El

proceso completo lleva un promedio de 20 minutos. La caja est ocupada el 75 % del
tiempo. Y finalmente, el 32 % del tiempo habr cuatro personas o ms en el sistema (
o tres o ms esperando en la cola).
Modelo con servidores mltiples (M/M/c) Supngase que las llegadas son Poisson, los
tiempos de servicio son exponenciales, hay una sola lnea, varios servidores y una
cola infinita que opera con la disciplina de primero en llegar primero en ser servido
(PEPS).
Frmulas (Caso 2 o M/M/c; escritas en pizarra) Para dos o tres servidores pueden
combinarse y simplificar las dos ecuaciones (pizarra) Ejemplo: Considrese la
biblioteca de una universidad cuyo personal est tratando de decidir cuntas
copiadoras o fotocopiadoras debe de instalar para uso de los estudiantes.
Se ha escogido un equipo particular que puede hacer hasta 10 copias por minuto. No
se sabe cul es el costo de espera para un estudiante, pero se piensa que no deben
tener que esperar ms de dos minutos en promedio.
Si el nmero promedio de copias que se hacen por usuario es cinco,

Cuntas copiadoras se deben instalar?.
Cul es la tasa de servicio?
123
GLOBAL
Si el nmero promedio de copias es cinco y la copiadora puede hacer hasta 10 copias

por minuto, entonces pueden servirse en promedio hasta dos estudiantes por minuto.
Pero, en esto no se toma en cuenta el tiempo para pagar, cambiar originales, para
que un estudiante desocupe y otro comience a copiar. Supngase que se permite un
70 % del tiempo para estas actividades. Entonces la tasa de servicio neta baja a 0.6
estudiantes por minuto. Adems se supone que los periodos pico de copiado tienen
una tasa de llegada de 60 estudiantes por hora, o 1 por minuto.
Costos en los sistemas de colas un sistema de colas puede dividirse en sus dos
componentes de mayor importancia, la cola y la instalacin de servicio.
Las llegadas son las unidades que entran en el sistema para recibir el servicio.
Siempre se unen primero a la cola; si no hay lnea de espera se dice que la cola est
vaca.
De la cola, las llegadas van a la instalacin de servicio de acuerdo con la disciplina de

la cola, es decir, de acuerdo con la regla para decidir cul de las llegadas se sirve
despus. El primero en llegar primero en ser servido es una regla comn, pero podra
servir con prioridades o siguiendo alguna otra regla.
Una vez que se completa el servicio, las llegadas se convierten en salidas. Ambos
componentes del sistema tienen costos asociados que deben de considerarse.
124
GLOBAL
Sistema de costo mnimo La seleccin de un modelo adecuado de lneas de espera,

slo puede darnos medidas de desempeo que describen el comportamiento del
sistema analizado.
En la investigacin de operaciones, nos interesar desarrollar modelos de decisin
que minimicen los costos totales asociados con la operacin de lneas de espera.
Nivel ptimo de servicio Tasa o nivel de servicio En general, un modelo de costos en
lneas de espera busca equilibrar:
Los costos de espera contra los costos de incrementar el nivel de servicio Conforme
crece el nivel de servicio, los costos de este tambin crecen y disminuye el tiempo de
espera de los clientes.
El nivel de servicio ptimo se presenta cuando la suma de los dos costos es un
mnimo. Se supone que para tasas bajas de servicio, se experimenta largas colas y
costos de espera muy altos.
Conforme aumenta el servicio disminuyen los costos de espera, pero aumenta el

costo de servicio y el costo total disminuye, sin embargo, finalmente se llega a un
punto de disminucin en el rendimiento.
Entonces el propsito es encontrar el balance adecuado para que el costo total sea el
mnimo. Costo de Espera, o Costo de clientes en espera por unidad de tiempo
Esperar significa desperdicio de algn recurso activo que bien se puede aprovechar
en otra cosa y est dado por:
125
GLOBAL
Costo total de espera = Cw * L Donde Cw = costo de espera (en u.m.) por llegada por
unidad de tiempo y L= longitud promedio de la lnea en el sistema.
Costo total Nivel de servicio ptimo Costo de operacin de la instalacin de servicio

por unidad de tiempo Costo de clientes en espera por unidad de tiempo Costos
INTRODUCCIN: Las empresas de servicio, en su mayora, experimentan largas
colas de clientes esperando para ser atendidos, ejemplos dramticos de esta
situacin pueden observarse en los bancos, donde la gente debe pasar largos
minutos a la espera de ser atendida por los cajeros.
Una aproximacin para solucionar este problema podra ser incrementar el nmero de
cajeros. Sin embargo, la pregunta del milln es cuntos cajeros deben adicionarse.
Ms an, la adicin de esos cajeros en cunto reducir el tiempo de espera.
Esta situacin se vuelve ms dramtica cuando de una lnea de produccin dentro de

una fbrica se trata. Supngase que existe una mquina en esta lnea que produce un
cuello de botella debido a su insuficiente capacidad de procesar los trabajos que a ella
llegan.
Una solucin consistira en comprar una mquina idntica y formar un vector de dos
mquinas que trabajen en paralelo. Una vez ms, surge la gran interrogante de si
bastar con una sola mquina adicional.
126
GLOBAL
Adicionalmente, se debera poder determinar en cunto se reducir el tiempo de

procesamiento con tal adicin. Ntese que en las dos situaciones anteriores -la
adicin de un cajero o la compra de una nueva mquina- implican costos, ms an,
estos cambios implican el riesgo de que no produzcan el efecto deseado.
En la vida real no sera sensato proponer cambios de este tipo, sin poder predecir de
antemano el impacto de stos. Desde luego, esta prediccin no debe hacerse en base
a futurologa, sino ms bien en base a ciencia.
Precisamente en este punto es donde interviene la simulacin, que no es ms que

una tcnica que permite construir modelos de situaciones reales. Desde luego, estos
modelos estarn sujetos a experimentacin y optimizacin.
Estos modelos se construyen en computadora y presentan la enorme ventaja de que

al ser virtuales, se puede hacer cambios sobre ellos, sin afectar la realidad de la
fbrica o empresa que se est estudiando.
En la actualidad, Pro Modelo constituye una de las mejores herramientas para la

construccin de modelos de simulacin. El sitial que ocupa se debe a varios factores,
entre ellos: facilidad de uso, programacin visual, representacin grfica, variedad de
reportes numricos y tiempo comprimido para las corridas.
Componentes de promodel pro Model se funda en cuatro pilares bsicos:
1. Entities: Que son aquellas cosas que son procesadas dentro del sistema, es decir,
son aquellas personas, partes, insumos, documentos, productos, etc. que ingresan al
sistema para ser transformados en productos finales o clientes atendidos.
127
GLOBAL
Como es de esperarse, estas entidades son altamente dinmicas, ya que pasan de

una estacin de servicio o mquina, a otra.
2. Locations: Estos representan las mquinas o personas que atienden, procesan,

transforman, etc. a las entidades. Consiguientemente, son estticas dentro del
sistema, ya que no es de esperarse que una mquina se mueva de un lugar a otro.
3. Arrivals: Este componente define cmo ser alimentado el sistema con entidades;
es decir define parmetros tales como la cantidad, tipo, frecuencia y lugar de arribo de
las entidades.
4. Processing: Define la forma cmo se movern las entidades entre las locaciones,
ms an, se encarga de proveer las reglas que determinan cmo procesar cada
mquina una entidad y el tiempo de ese procesamiento. Adems de los componentes
bsicos, Pro Model permite asignar recursos como personal de mantenimiento,
electricidad, agua, gas, etc. a cada operacin realizada en una locacin.
Es posible asignar costos para todos los componentes, de forma que no slo se
pueda determinar el tiempo de produccin, sino tambin el costo de cada producto
terminado o cliente atendido. Todos estos componentes son introducidos como texto
dentro de ventanas especiales provistas por la interface de Pro Model.
Presentacin de resultados los resultados obtenidos del modelo de simulacin son

presentados tanto en forma numrica, como en forma grfica. Para el modelo de la
grfica anterior, por ejemplo, obtuvimos los siguientes resultados numricos:
128
GLOBAL
A grandes rasgos, puede apreciarse en este listado de resultados, que el modelo

produjo 423 piezas terminadas y en que en algn punto de la simulacin, el sistema
estuvo ocupado por 1719 productos en proceso.
Ms importante todava, los resultados muestran que los productos tardaron 2544.30
minutos para ser procesados, de ese tiempo 16.50 minutos fueron de procesamiento
efectivo y 2524.80 minutos se desperdiciaron en cuellos de botella. Como es de
suponer, este sistema debe ser optimizado de alguna manera, para reducir el tiempo
de espera que es por dems grande.
CONCLUCIONES: La simulacin es una tcnica rpida y barata que permite modelar

y optimizar sistemas. Rpida, en el sentido de que slo se necesita recolectar datos,
construir el modelo, alimentarlo y correrlo. Barata, en el sentido de que la nica
inversin es de tiempo. Pro Model como tal, prob ser un software robusto, verstil y
confiable.
A manera de ejemplo, se realizaron proyectos de curso que trataron temas tan

variados como el balanceo de una lnea de produccin de algodn hidrfilo, la
optimizacin de la produccin en una panadera y la reubicacin de bombas en una
estacin de servicio. En resumen, la simulacin debera constituirse en un paso vital a
la hora de optimizar sistemas y expresar recomendaciones de mejoras.
129
GLOBAL
3.6 VENTAJAS Y DESVENTAJAS DE LA SIMULACION.

La Simulacin es una herramienta universalmente aceptada por diversas razones.
VENTAJAS:
1. Es un proceso relativamente eficiente y flexible.
2. Puede ser usada para analizar y sintetizar una compleja y extensa situacin real,
pero no puede ser empleada para solucionar un modelo de anlisis cuantitativo
convencional.
3. En algunos casos la simulacin es el nico mtodo disponible.
4. Los modelos de simulacin se estructuran y nos resuelve en general problemas
trascendentes.
5. Los directivos requieren conocer como se avanza y que opciones son atractivas; el
directivo con la ayuda del computador puede obtener varias opciones de decisin.
6. La simulacin no interfiere en sistemas del mundo real.
7. La simulacin permite estudiar los efectos interactivos de los componentes
individuales o variables para determinar las ms importantes.
8. La simulacin permite la inclusin de complicaciones del mundo real.
LI. Jess Abundis Manzanares | 3.6 VENTAJAS Y DESVENTAJAS DE LA SIMULACION.
130
GLOBAL
DESVENTAJAS:
1. Un buen modelo de simulacin puede resultar bastante costoso; a menudo el
proceso de desarrollar un modelo es largo y complicado.
2. La simulacin no genera soluciones ptimas a problemas de anlisis cuantitativos,
en tcnicas como cantidad econmica de pedido, programacin lineal o PERT. Por
ensayo y error se producen diferentes resultados en repetidas corridas en el
computador.
3. Los directivos generan todas las condiciones y restricciones para analizar las
soluciones. El modelo de simulacin no produce respuestas por si mismo.
4. Cada modelo de simulacin es nico. Las soluciones e inferencias no son
usualmente transferibles a otros problemas.
5. Siempre quedarn variables por fuera y esas variables (si hay mala suerte) pueden
cambiar completamente los resultados en la vida real que la simulacin no previ
en ingeniera se minimizan riesgos, no se evitan.
LI. Jess Abundis Manzanares | 3.6 VENTAJAS Y DESVENTAJAS DE LA SIMULACION.
131
GLOBAL
UNIDAD 4
TEORA DE JUEGOS
132
GLOBAL
4. INTRODUCCION
La teora de juegos es un rea de la matemtica aplicada que utiliza modelos para
estudiar interacciones en estructuras formalizadas de incentivos (los llamados
juegos). Sus investigadores estudian las estrategias ptimas as como el
comportamiento previsto y observado de individuos en juegos. Tipos de interaccin
aparentemente distintos pueden, en realidad, presentar estructuras de incentivos
similares y, por lo tanto, representar conjuntamente un mismo juego.
Desarrollada
en
sus
comienzos
como
una
herramienta
para
entender
el
comportamiento de la economa, la teora de juegos se usa actualmente en muchos

campos, desde la biologa a la filosofa. Experiment un crecimiento sustancial y se
formaliz por primera vez a partir de los trabajos de John von Neumann y Oskar
Morgenstern, antes y durante la Guerra Fra, debido sobre todo a su aplicacin a la
estrategia militar en particular a causa del concepto de destruccin mutua
garantizada.
Desde los setentas, la teora de juegos se ha aplicado a la conducta animal,

incluyendo el desarrollo de las especies por la seleccin natural. A raz de juegos
como el dilema del prisionero, en los que el egosmo generalizado perjudica a los
jugadores, la teora de juegos se ha usado en ciencia poltica, tica y filosofa.
Finalmente, ha atrado tambin la atencin de los investigadores en informtica,
usndose en inteligencia artificial y ciberntica.
La Teora de Juegos fue creada por Von Neumann y Morgensterm.
LI. Jess Abundis Manzanares | 4. INTRODUCCION
133
GLOBAL
La Teora de Juegos consiste en razonamientos circulares, los cuales no pueden ser

evitados al considerar cuestiones estratgicas. Por naturaleza, a los humanos no se
les da muy bien pensar sobre los problemas de las relaciones estratgicas, pues
generalmente la solucin es la lgica a la inversa.
En la Teora de Juegos la intuicin no educada no es muy fiable en situaciones

estratgicas, razn por la que se debe entrenar tomando en consideracin ejemplos
instructivos, sin necesidad que los mismos sean reales.
Por lo contrario en muchas ocasiones disfrutaremos de ventajas sustanciales

estudiando juegos, si se eligen cuidadosamente los mismos. En estos juegos-juegos,
se pueden desentender de todos los detalles.
Si en lugar de utilizar personajes ficticios utilizamos personajes reales para los juegos
si se observase qu tan honesto es ese personaje, cmo manipulara la informacin
obtenida, etc.
Para un especialista en Teora de Juegos el ser deshonesto, etc., sera un error

comparable al de un matemtico que no respeta las leyes de la aritmtica porque no
le gustan los resultados que est obteniendo.
LI. Jess Abundis Manzanares | 4. INTRODUCCION
134
GLOBAL
4.2 JUEGOS DE SUMA CERO

Juegos de suma cero y de suma no cero.
Principal: Juego de suma cero.
Un juego de suma cero A B C.
1 30, 30 10, 10 20, 20
2 10, 10 20, 20 20, 20.
En los juegos de suma cero el beneficio total para todos los jugadores del juego, en
cada combinacin de estrategias, siempre suma cero (en otras palabras, un jugador
se beneficia solamente a expensas de otros).
El go, el ajedrez y el pker son ejemplos de juegos de suma cero, porque se gana
exactamente la cantidad que pierde el oponente. Como curiosidad, el ftbol dej hace
unos aos de ser de suma cero, pues las victorias reportaban 2 puntos y el empate 1
(considrese que ambos equipos parten inicialmente con 1 punto), mientras que en la
actualidad las victorias reportan 3 puntos y el empate 1.
La mayora de los ejemplos reales en negocios y poltica, al igual que el dilema del
prisionero, son juegos de suma no cero, porque algunos desenlaces tienen resultados
netos mayores o menores que cero.
135
GLOBAL
Es decir, la ganancia de un jugador no necesariamente se corresponde con la prdida

de otro. Por ejemplo, un contrato de negocios involucra idealmente un desenlace de
suma positiva, donde cada oponente termina en una posicin mejor que la que tendra
si no se hubiera dado la negociacin.
Se puede analizar ms fcilmente un juego de suma cero, y cualquier juego se puede

transformar en un juego de suma cero aadiendo un jugador ficticio adicional (el
tablero o la banca), cuyas prdidas compensen las ganancias netas de los
jugadores.
La matriz de pagos de un juego es una forma conveniente de representacin. Por

ejemplo, un juego de suma cero de dos jugadores con la matriz que se muestra a la
derecha.
4.3 JUEGOS DE SUMA DISTINTA A CERO

La teora de juegos es un rea de la matemtica aplicada que utiliza modelos para
estudiar interacciones en estructuras formalizadas de incentivos (los llamados
juegos).
Sus investigadores estudian las estrategias ptimas as como el comportamiento

previsto y observado de individuos en juegos. Tipos de interaccin aparentemente
distintos pueden, en realidad, presentar estructuras de incentivos similares y, por lo
tanto, representar conjuntamente un mismo juego.
LI. Jess Abundis Manzanares | 4.3 JUEGOS DE SUMA DISTINTA A CERO
136
GLOBAL
Los analistas de juegos utilizan asiduamente otras reas de la matemtica, en

particular las probabilidades, las estadsticas y la programacin lineal, en conjunto con
la teora de juegos. Adems de su inters acadmico, la teora de juegos ha recibido
la atencin de la cultura popular.
HISTORIA:
Desarrollada
en
sus
comienzos
como
una
herramienta
para
entender
el
comportamiento de la economa, la teora de juegos se usa actualmente en muchos

campos, desde la biologa a la filosofa.
Experiment un crecimiento sustancial y se formaliz por primera vez a partir de los

trabajos de John von Neumann y Oskar Morgenstern, antes y durante la Guerra Fra,
debido sobre todo a su aplicacin a la estrategia militar.
en particular a causa del concepto de destruccin mutua garantizada. Desde los
setenta, la teora de juegos se ha aplicado a la conducta animal, incluyendo el
desarrollo de las especies por la seleccin natural.
A raz de juegos como el dilema del prisionero, en los que el egosmo generalizado
perjudica a los jugadores, la teora de juegos se ha usado en ciencia poltica, tica y
filosofa. Finalmente, ha atrado tambin la atencin de los investigadores en
informtica, usndose en inteligencia artificial y ciberntica.
137
GLOBAL
HISTORIA DE LA TEORA DE JUEGOS.

La primera discusin conocida de la teora de juegos aparece en una carta escrita por
James Waldegrave en 1713. En esta carta, Waldegrave proporciona una solucin
minimax de estrategia mixta a una versin para dos personas del juego de cartas le
Her. Sin embargo no se public un anlisis terico de teora de juegos en general
hasta la publicacin de Recherches sur les prncipes mathmatiques de la thorie des
richesses, de Antoine Augustin Cournot en 1838.
En este trabajo, Cournot considera un duopolio y presenta una solucin que es una
versin restringida del equilibrio de Nash.
Aunque el anlisis de Cournot es ms general que el de Waldegrave, la teora de

juegos realmente no existi como campo de estudio aparte hasta que John von
Neumann public una serie de artculos en 1928.
Estos resultados fueron ampliados ms tarde en su libro de 1944, The Theory of

Games and Economic Behavior, escrito junto con Oskar Morgenstern. Este trabajo
contiene un mtodo para encontrar soluciones ptimas para juegos de suma cero de
dos personas. Durante este perodo, el trabajo sobre teora de juegos se centr, sobre
todo, en teora de juegos cooperativos.
Este tipo de teora de juegos analiza las estrategias ptimas para grupos de
individuos, asumiendo que pueden establecer acuerdos entre s acerca de las
estrategias ms apropiadas.
138
GLOBAL
En 1950, aparecieron las primeras discusiones del dilema del prisionero, y se

emprendi un experimento acerca de este juego en la corporacin RAND. Alrededor
de esta misma poca, John Nash desarroll una definicin de una estrategia ptima
para juegos de mltiples jugadores donde el ptimo no se haba definido previamente,
conocido como equilibrio de Nash.
Este equilibrio es suficientemente general, permitiendo el anlisis de juegos no

cooperativos adems de los juegos cooperativos.
La teora de juegos experiment una notable actividad en la dcada de 1950,

momento en el cual los conceptos base, el juego de forma extensiva, el juego ficticio,
los juegos repetitivos, y el valor de Shapley fueron desarrollados. Adems, en ese
tiempo, aparecieron las primeras aplicaciones de la teora de juegos en la filosofa y
las ciencias polticas.
En 1965, Reinhard Selten introdujo su concepto de solucin de los equilibrios

perfectos del subjuego, que ms adelante refin el equilibrio de Nash. En 1967 John
Harsanyi desarroll los conceptos de la informacin completa y de los juegos
bayesianos. l, junto con John Nash y Reinhard Selten, ganaron el Premio Nobel de
Economa en 1994.
En la dcada de 1970 la teora de juegos se aplic extensamente a la biologa, en

gran parte como resultado del trabajo de John Maynard Smith y su concepto
estrategia estable evolutiva. Adems, los conceptos del equilibrio correlacionado, la
perfeccin del temblor de la mano, y del conocimiento comn fueron introducidos y
analizados.
139
GLOBAL
En 2005, los tericos de juegos Thomas Schelling y Robert Aumann ganaron el

premio Nobel de Economa. Schelling trabaj en modelos dinmicos, los primeros
ejemplos de la teora de juegos evolutiva. Por su parte, Aumann contribuy ms a la
escuela del equilibrio.
APLICACIONES.
La teora de juegos tiene la caracterstica de ser un rea en que la sustancia
subyacente es principalmente una categora de matemticas aplicadas, pero la
mayora de la investigacin fundamental es desempeada por especialistas en otras
reas. En algunas universidades se ensea y se investiga casi exclusivamente fuera
del departamento de matemtica.
Esta teora tiene aplicaciones en numerosas reas, entre las cuales cabe destacar las
ciencias econmicas, la biologa evolutiva, la psicologa, las ciencias polticas y la
estrategia militar.
Aplicaciones en nuestra rea Informtica y lgica:
La teora de juegos ha empezado a desempear un papel importante en la lgica y la
informtica. Muchas teoras lgicas se asientan en la semntica de juegos. Adems,
los investigadores de informtica han usado juegos para modelar programas que
interactan entre s.
Juegos de suma cero y de suma no cero.
Artculo principal: Juego de suma cero.
A
1 30, 30 10, 10 20, 20

2 10, 10 20, 20 20, 20
Un juego de suma cero.
140
GLOBAL
En los juegos de suma cero el beneficio total para todos los jugadores del juego, en
cada combinacin de estrategias, siempre suma cero (en otras palabras, un jugador
se beneficia solamente a expensas de otros).
El go, el ajedrez y el pker son ejemplos de juegos de suma cero, porque se gana
exactamente la cantidad que pierde el oponente. Como curiosidad, el ftbol dej hace
unos aos de ser de suma cero, pues las victorias reportaban 2 puntos y el empate 1
(considrese que ambos equipos parten inicialmente con 1 punto), mientras que en la
actualidad las victorias reportan 3 puntos y el empate 1.
La mayora de los ejemplos reales en negocios y poltica, al igual que el dilema del
prisionero, son juegos de suma no cero, porque algunos desenlaces tienen resultados
netos mayores o menores que cero. Es decir, la ganancia de un jugador no
necesariamente se corresponde con la prdida de otro. Por ejemplo, un contrato de
negocios involucra idealmente un desenlace de suma positiva, donde cada oponente
termina en una posicin mejor que la que tendra si no se hubiera dado la
negociacin.
Se puede analizar ms fcilmente un juego de suma cero, y cualquier juego se puede

transformar en un juego de suma cero aadiendo un jugador ficticio adicional (el
tablero o la banca), cuyas prdidas compensen las ganancias netas de los
jugadores.
La matriz de pagos de un juego es una forma conveniente de representacin. Por

ejemplo, un juego de suma cero de dos jugadores con la matriz que se muestra a la
derecha.
141
GLOBAL
Suma cero.
Suma cero describe una situacin en la que la ganancia o prdida de un participante
se equilibra con exactitud con las prdidas o ganancias de los otros participantes. Se
llama as; porque si se suma el total de las ganancias de los participantes y se resta
las prdidas totales el resultado es cero.
El ajedrez es un ejemplo de juego de suma cero - es imposible que los dos jugadores
ganen. La suma cero es un caso especial del caso ms general de suma constante
donde los beneficios y las prdidas de todos los jugadores suman el mismo valor.
Cortar una tarta es de suma constante o cero porque llevarte un trozo ms grande
reduce la cantidad de tarta que le queda a los dems. Situaciones donde los
participantes pueden beneficiarse o perder al mismo tiempo, como el intercambio de
productos entre una nacin que produce un exceso de naranjas y otra que produce un
exceso de manzanas, en la que ambas se benefician de la transaccin, se denominan
de suma no nula.
El concepto fue desarrollado en la Teora de juegos, por lo que a menudo a las

situaciones de suma cero se les llama juegos de suma cero.
Esto no implica que el concepto, o la teora de juegos misma, se aplique nicamente a

lo que normalmente se conoce como juegos.
Las estrategias ptimas para juegos de suma cero de dos jugadores suelen emplear
estrategias minimax.
142
GLOBAL
En 1944 John von Neumann y Oskar Morgenstern probaron que cualquier juego de
suma cero que involucre a n jugadores es de hecho una forma generalizada de un
juego de suma cero para dos personas, y que cualquier juego de suma no cero para n
jugadores puede reducirse a un juego de suma cero para n + 1 jugadores, donde el
jugador (n + 1) representa la ganancia o prdida total (puede pensarse en la banca de
ciertos juegos).
Esto sugiere que los juegos de suma cero para dos jugadores forman el ncleo
esencial de la teora de juegos.
Tratar a una situacin de suma no nula como una situacin de suma cero, o creer que
todas las situaciones son de suma cero, se denomina falacia de suma cero.
143
GLOBAL
UNIDAD 5
CADENAS DE MARKOV
144
GLOBAL
5.- INTRODUCCION.
Una cadena de Markov, que recibe su nombre del matemtico ruso Andrei 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 reemplazo de equipo.
En matemticas, se define como un proceso estocstico discreto que cumple con la

Propiedad de Markov, es decir, si se conoce la historia del sistema hasta su instante
actual, su estado presente resume toda la informacin relevante para describir en
probabilidad su estado futuro.
Una cadena de Markov es una secuencia X1, X2, X3, de variables aleatorias. El
rango de estas variables, es llamado espacio estado, el valor de Xn es el estado del
proceso en el tiempo n. Si la distribucin de probabilidad condicional de Xn+1 en
estados pasados es una funcin de Xn por s sola, entonces:
LI. Jess Abundis Manzanares | 5.- INTRODUCCION.
145
GLOBAL
Donde xi es el estado del proceso en el instante i. La identidad mostrada es la

Propiedad de Markov.
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que

ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de
este tipo tienen memoria. Recuerdan el ltimo evento y esto condiciona las
posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a
las cadenas de Markov de las series de eventos independientes, como tirar una
moneda al aire o un dado.
En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de
compra de los deudores morosos, para planear las necesidades de personal y para
analizar el reemplazo 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 caracteristica ms

importante que hay que buscar en la memoria de un evento a otro.
Formulacin de las cadenas de Markov.
146
GLOBAL
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 la figura 4.1.1 se muestra el proceso para formular una cadena de Markov. El

generador de Markov produce uno de n eventos posibles, Ej , donde j = 1, 2, . . . , n, a
intervalos discretos de tiempo (que no tiene que ser iguales ). Las probabilidades de
ocurrencia para cada uno de estos eventos depende del estado del generador. Este
estado se describe por el ltimo evento generado.
En la figura 4.1.1, el ltimo evento generado fue Ej , de manera que el generador se

encuentra en el estado Mj.
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.
147
GLOBAL
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.
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 4.1.1.- Otro mtodo para exhibir las probabilidades de transicin
es usar una matriz de transicin.
Para n = 0, 1, 2,.
El superndice n no se escribe cuando n = 1.
Procesos estocsticos.
Un proceso estocstico se define sencillamente como una coleccin indexada de

variables aleatorias { X1 }, donde el subndice t toma valores de un conjunto T dado.
Con frecuencia T se toma como el conjunto de enteros no negativos y X, representa

una caracterstica de inters medible en el tiempo t. Por ejemplo, el proceso
estocstico, X1 , X2 , X3, .., Puede representar la coleccin de niveles de inventario
semanales (o mensuales) de un producto dado, o puede representar la coleccin de
demandas semanales (o mensuales) de este producto.
148
GLOBAL
Un estudio del comportamiento de un sistema de operacin durante algn periodo

suele llevar al anlisis de un proceso estocstico con la siguiente estructura. En
puntos especficos del tiempo t , el sistema se encuentra exactamente en una de un
nmero finito de estados mutuamente excluyentes y exhaustivos, etiquetados 0, 1, . . ,
S.
Los periodos en el tiempo pueden encontrarse a intervalos iguales o su esparcimiento

puede depender del comportamiento general del sistema en el que se encuentra
sumergido el proceso estocstico.
Aunque los estados pueden constituir una caracterizacin tanto cualitativa como
cuantitativa del sistema, no hay prdida de generalidad con las etiquetas numricas 0,
1, . . , M , que se usarn en adelante para denotar los estados posibles del sistema.
As la representacin matemtica del sistema fsico es la de un proceso estocstico

{Xi}, en donde las variables aleatorias se observan en t = 0, 1, 2,. . ., y en donde cada
variable aleatoria puede tomar el valor de cualquiera de los M + 1 enteros 0, 1, .. , M .
Estos enteros son una caracterizacin de los M + 1 estados del proceso.

Propiedad Markoviana de 1o. orden .
Se dice que un proceso estocstico tiene la propiedad markoviana si
P Xt+1 = j = P X t+1 , para toda t = 0, 1, . . y toda
Sucesin i, j , K0 , K1 , . . , Ki-1 .
149
GLOBAL
Se puede demostrar que esta propiedad markoviana es equivalente a establecer una

probabilidad condicional de cualquier evento futuro dados cualquier evento pasado
y el estado actual Xi = i , es independiente del evento pasado y slo depende del
estado actual del proceso.
Las probabilidades condicionales PXt+1 = j se llaman probabilidades de transicin. Si
para cada i y j,
P Xt+1 = j = pX1 = j , para toda t = 0, 1, .
Entonces se dice que las probabilidades de transicin (de un paso) son estacionarias
y por lo general se denotan por pij . As, tener probabilidades de transicin
estacionarias implican que las probabilidades de transicin no cambian con el tiempo.
La existencia de probabilidades de transicin (de un paso) estacionarias tambin
implica que, para cada i, j y n (n = 0, 1, 2,),
P Xt+n = j = pXn = j ,
Para toda t = 0, 1, . . . Estas probabilidades condicionales casi siempre se denotan por

y se llaman probabilidades de transicin de n pasos. As, es simplemente la
probabilidad condicional de que la variable aleatoria X, comenzando en el estado i, se
encuentre en el estado j despus de n pasos ( unidades de tiempo ).
Como las son probabilidades condicionales, deben satisfacer las propiedades:

Probabilidad de transicin de un solo paso.
150
GLOBAL
Ejemplo:
Una tienda de cmaras tiene en almacn un modelo especial de cmara que se
puede ordenar cada semana. Sean D1, D2, las demandas de esta cmara durante
la primera, segunda, , semana, respectivamente.
Se supone que las Di son variables aleatorias independientes e idnticamente

distribuidas que tienen una distribucin de probabilidad conocida. Sea X0 el nmero
de cmaras que se tiene en el momento de iniciar el proceso, X1 el nmero de
cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al final de
la semana dos, etc. Suponga que X0 = 3 .
El sbado en la noche la tienda hace un pedido que le entregan el lunes en el

momento de abrir la tienda. La tienda hace un pedido que le entregan el lunes en el
momento de abrir la tienda.
La tienda usa la siguiente poltica ( s, S)1 para ordenar : si el nmero de cmaras en

inventario al final de la semana es menor que s =1 (no hay cmaras en la tienda),
ordenar (hasta) S=3. De otra manera, no coloca la orden (si se cuenta con una o ms
cmaras en el almacn, no se hace el pedido).
Se supone que las ventas se pierden cuando la demanda excede el inventario.

Entonces, {X1} para t = 0, 1, .. es un proceso estocstico de la forma que se acaba de
describir. Los estados posibles del proceso son los enteros 0, 1, 2, 3 que representan
el nmero posible de cmaras en inventario al final de la semana.
151
GLOBAL
Observe que {Xi}, en donde Xi es el nmero de cmaras en el almacn al final de la

semana t ( antes de recibir el pedido}), es una cadena de Markov. Se ver ahora
cmo obtener las probabilidades de transicin (de un paso), es decir, los elementos
de la matriz de transicin (de un paso).
Suponiendo que cada Dt tiene una distribucin Poisson con parmetro.

Para obtener es necesario evaluar. Si, Entonces. Por lo tanto, significa que la
demanda durante la semana fue de tres o ms cmaras. As, la probabilidad de que
una variable aleatoria Poisson con parmetro tome el valor de 3 o ms; y se puede
obtener de una manera parecida. Si, entonces. Para obtener, la demanda durante la
semana debe ser 1 o ms. Por esto, Para encontrar, observe que si.
En consecuencia, si, entonces la demanda durante la semana tiene que ser

exactamente 1. Por ende, Los elementos restantes se obtienen en forma similar, lo
que lleva a la siguiente a la siguiente matriz de transicin ( de un paso):
Probabilidad de transicin estacionaria de n pasos.
Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para calcular

estas probabilidades de transicin de n pasos:
Estas ecuaciones simplemente sealan que al ir de un estado i al estado j en n pasos,

el proceso estar en algn estado k despus de exactamente m (menor que n) pasos.
152
GLOBAL
Es solo la probabilidad condicional de que, si se comienza en el estado i, el proceso

vaya al estado k despus de m pasos y despus al estado j en n- m pasos.
Los casos especiales de m=1 y m=n-1 conducen a las expresiones.

Para toda i, j, y n de lo cual resulta que las probabilidades de transicin de n pasos se
pueden obtener a partir de las probabilidades de transicin de un paso de manera
recursiva. Para n=2, estas expresiones se vuelven:
Note que las son los elementos de la matriz P(2) , pero tambin debe de observarse
que estos elementos, se obtienen multiplicando la matriz de transicin de un paso por
s misma; esto es , P(2) = P * P = P2 .
En trminos ms generales, se concluye que la matriz de probabilidades de transicin

de n pasos se puede obtener de la expresin: P(n) = P * P . P = Pn = PPn1 = Pn-1
P.
Entonces, la matriz de probabilidades de transicin de n pasos se puede obtener

calculando la n-sima potencia de la matriz de transicin de un paso. Para valores no
muy grandes de n, la matriz de transicin de n pasos se puede calcular en la forma
que se acaba de describir, pero cuando n es grande, tales clculos resultan tediosos
y, ms an, los errores de redondeo pueden causar inexactitudes.
Ejemplo:
puede ordenar cada semana. Sean D1, D2, las demandas de esta cmara durante
la primera, segunda, , semana, respectivamente.
153
GLOBAL

la semana dos, etc. Suponga que X0 = 3 .

momento de abrir la tienda. La tienda usa la siguiente poltica ( s, S)1 para ordenar : si
el nmero de cmaras en inventario al final de la semana es menor que s =1 (no hay
cmaras en la tienda), ordenar (hasta) S=3.
De otra manera, no coloca la orden (si se cuenta con una o ms cmaras en el

almacn, no se hace el pedido). Se supone que las ventas se pierden cuando la
demanda excede el inventario. Entonces, {X1} para t = 0, 1, es un proceso estocstico
de la forma que se acaba de describir. Los estados posibles del proceso son los
enteros 0, 1, 2, 3 que representan el nmero posible de cmaras en inventario al final
de la semana.
As, dado que tiene una cmara al final de una semana, la probabilidad de que no
haya cmaras en inventario dos semanas despus es 0.283; es decir, De igual
manera, dado que se tienen dos cmaras al final de una semana, la probabilidad de
que haya tres cmaras en el almacn dos semanas despus es 0.097; esto es,
La matriz de transicin de cuatro pasos tambin se puede obtener de la siguiente
manera:
154
GLOBAL
P(4) = P4 = P(2) * P(2)
As, dado que queda una cmara al final de una semana, 0.282 es la probabilidad de
que no haya cmaras en inventario 4 semanas ms tarde; es decir, De igual manera,
dado que quedan dos cmaras en el almacn final de una semana, se tiene una
probabilidad de 0.171 de que haya tres cmaras en el almacn 4 semanas despus;
esto es,
Probabilidades de transicin estacionaria de estados estables.

Teorema.
Sea P la matriz de transicin de una cadena de M estados. Existe entonces un vector

tal que.
Se establece que para cualquier estado inicial i , .

El vector a menudo se llama distribucin de estado estable, o tambin distribucin de
equilibrio para la cadena de Markov. Para encontrar la distribucin de probabilidades
de estacionario para una cadena dada cuya matriz de transicin es P, segn el
teorema, para n grande y para toda i , (1).
Como Pij (n + 1) = (rengln i de Pn )(columna j de P), podemos escribir

(2).
155
GLOBAL
Ejemplo:
Suponga que toda la industria de refrescos produce dos colas. Cuando una persona
ha comprado la cola 1, hay una probabilidad de 90 % de que su siguiente compra se
de cola 1. Si una persona compr cola 2, hay un 80 % de probabilidades que su
prxima compra sea de cola 2.
Entonces:
Al reemplazar la segunda ecuacin por la condicin,
Obtenemos el sistema.
Al despejar resulta que Por lo tanto, despus de largo tiempo, hay probabilidad 2/3 de
que una persona dada compre cola 1 y 1/3 de probabilidad de que una persona
compre cola 2.
Tiempos de primer pas.

Con frecuencia es conveniente poder hacer afirmaciones en trminos de
probabilidades sobre el nmero de transiciones que hace el proceso al ir de un estado
i a un estado j por primera vez . este lapso se llama tiempos de primer paso al ir del
estado i al estado j. cuando J=i, esta tiempo de primer paso es justo el nmero de
transiciones hasta que el proceso regresa al estado inicial i. En este caso, el tiempo
de primer paso se llama tiempo de recurrencia para el estado i.
Para ilustrar estas definiciones, reconsidrese el ejemplo siguiente:

puede ordenar cada semana. Sean D1, D2, las demandas de esta cmara durante la
primera, segunda, semana, respectivamente.
156
GLOBAL

la semana dos, etc. Suponga que X0 = 3.

momento de abrir la tienda. La tienda usa la siguiente poltica ( s, S)1 para ordenar : si
el nmero de cmaras en inventario al final de la semana es menor que s =1 (no hay
cmaras en la tienda), ordenar (hasta) S=3. De otra manera, no coloca la orden (si se
cuenta con una o ms cmaras en el almacn, no se hace el pedido). Se supone que
las ventas se pierden cuando la demanda excede el inventario. Entonces, {X1} para t
= 0, 1. Es un proceso estocstico de la forma que se acaba de describir.
Los estados posibles del proceso son los enteros 0, 1, 2, 3 que representan el nmero
posible de cmaras en inventario al final de la semana.
Donde Xt es el nmero de cmaras en inventario al final de la semana t y se

comienza con, Suponga que ocurri lo siguiente:
En este caso, el tiempo de primer paso para ir al estado 3 al estado 1 es dde 2

semanas, el tiempo de primer paso para ir del estado 3 al estado 0 es de 3 semanas y
el tiempo de recurrencia del estado 3 es de 4 semanas.
157
GLOBAL
En general, los tiempos de primer paso son variables aleatorias y, por lo tanto, tienen
una distribucin de probabilidad asociada a ellos. Estas distribuciones de probabilidad
dependen de las probabilidades de transicin del proceso. En particular, denota la
probabilidad de que el tiempo de primer paso del estado i al j sea igual a n. Se puede
demostrar que estas probabilidades satisfacen las siguientes relaciones recursivas:
Entonces se puede calcular la probabilidad de un tiempo de primer paso del estado i

al j en n pasos, de manera recursiva, a partir de las probabilidades de transicin de un
paso. En el ejemplo, la distribucin de probabilidad de los tiempos de primer paso del
estado 3 al estado 0 se obtiene como sigue:
Para i y j fijos, las son nmeros no negativos tales que

Esta suma puede ser menor que 1, lo que significa que un proceso que el iniciar se
encuentra en el estado i puede no llegar nunca al estado j . Cuando la suma es igual a
1, las pueden considerarse como una distribucin de probabilidad para la variable
aleatoria, el tiempo de primer pas.
Para obtener el tiempo esperado de primer paso del estado i al estado j. Sea, que se
define como:
Entonces satisface, de manera nica, la ecuacin:
Cuando i=j, se llama tiempo esperado de recurrencia.
158
GLOBAL
Al aplicarlo al ejemplo del inventario, estas ecuaciones se pueden usar para calcular
el tiempo esperado hasta que ya no se tengan cmaras en el almacn, suponiendo
que el proceso inicia cuando se tienen tres cmaras; es decir, se puede obtener el
tiempo esperado de primer paso .
Como todos los estados son recurrentes, el sistema de ecuaciones conduce a las
expresiones.
La solucin simultnea de este sistema es

De manera que el tiempo esperado hasta que la tienda se queda sin cmaras es de
3.50 semanas.
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.
159
GLOBAL
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.
160
GLOBAL
El anlisis comienza con el grado ms alto. No se hacen promociones pero el 10 %, o

sea, 3, sale. Todos ellos deben de reemplazarse por promociones del grado 2. En el
nivel de clasificacin, el 20 % sale y se deben promover 3, con una prdida de 21.
Esto se debe compensar por promocin del grado 1. Al pasar al grado 1, el 30 % sale
y 21 deben promoverse, lo cual una prdida total de 111. Por tanto, el siguiente ao
se deben contratar 111 empleados del nivel 1.
5.2 EL DIAGRAMA DE ESTADOS Y LA MATRIZ DE

TRANSICION
DIAGRAMAS DE ESTADO
Un estado es una condicin durante la vida de un objeto, de forma que cuando dicha
condicin se satisface se lleva a cabo alguna accin o se espera por un evento. El
estado de un objeto se puede caracterizar por el valor de uno o varios de los atributos
de su clase, adems, el estado de un objeto tambin se puede caracterizar por la
existencia de un enlace con otro objeto.
El diagrama de estados y transiciones engloba todos los mensajes que un objeto

puede enviar o recibir. En un diagrama de estados, un escenario representa un
camino dentro del diagrama. Dado que generalmente el intervalo entre dos envos de
mensajes representa un estado, se pueden utilizar los diagramas de secuencia (4.2)
para buscar los diferentes estados de un objeto.
LI. Jess Abundis Manzanares | 5.2 EL DIAGRAMA DE ESTADOS Y LA MATRIZ DE TRANSICION
161
GLOBAL
En todo diagrama de estados existen por lo menos dos estados especiales inicial y
final: start y stop. Cada diagrama debe tener uno y slo un estado start para que el
objeto se encuentre en estado consistente. Por contra, un diagrama puede tener
varios estados stop.
Una transicin en un diagrama de estados puede tener asociada una accin y/o una
guarda, adems, una transicin puede disparar un evento. La accin ser el
comportamiento que se obtiene cuando ocurre la transicin, y el evento ser el
mensaje que se enva a otro objeto del sistema. Por ltimo, la guarda es una
expresin boolena sobre los valores de los atributos que hace que la transicin slo
se produzca si la condicin evala a true.
Tanto las acciones como las guardas son comportamientos del objeto y
generalmente se traducen en operaciones de alguna clase.
Una transicin entre estados representa un cambio de un estado origen a un estado

sucesor destino que podra ser el mismo que el estado origen, dicho cambio de
estado puede ir a compa nado de alguna accin. Las acciones se asocian a las
transiciones y se considera que ocurren de forma rpida y no interrumpible. Por
contra, las actividades se asocian a los estados pudiendo consumir ms tiempo, dicha
actividad puede verse interrumpida por la ocurrencia de algn evento.
Existen dos formas de transicionar en un diagrama de estados: automticamente y no

automticamente. Se produce una transicin automtica cuando se acaba la actividad
del estado origen (no hay un evento asociado con la transicin).
162
GLOBAL
Se produce una transicin no automtica cuando existe un evento que puede

pertenecer a otro objeto o incluso estar fuera del sistema.
Los diagramas de estados muestran el comportamiento de los objetos, es decir, el

conjunto de estados por los cuales pasa un objeto durante su vida, junto con los
cambios que permiten pasar de un estado a otro. Un ejemplo para el caso de la
mquina de caf son los estados posibles de la clase Maquina Caf (figura 5.1).
Figura: Ejemplo de diagrama de estados de la Mquina de Caf.
Un estado identifica un perodo de tiempo (no instantneo) en la vida del objeto

durante el cual est esperando alguna operacin, tiene cierto comportamiento
caracterstico o puede recibir cierto tipo de estmulos.
En notacin UML, un estado se representa mediante un rectngulo con los bordes

redondeados, que puede tener tres compartimentos: uno para el nombre, otro para el
valor caracterstico de los atributos del objeto en ese estado y otro para las acciones
que se realizan al entrar, salir o estar en un estado (entry, exit o do, respectivamente).
En el caso de la figura 5.1, se tienen cuatro estados (Lista, Introduciendo

Monedas, Seleccionando Azcar y Producto?, Sirviendo Producto?), en los cuales se
desarrollan ciertas acciones al entrar, por ejemplo, al entrar al estado Introduciendo
Monedas se debe realizar la accin Mostrar Dinero Actual?. Los estados iniciales y
finales se representan mediante los smbolos de la figura 5.2.
Figura 5.2: Estado final

163
GLOBAL
Otros conceptos relacionados con los diagramas de estados son: Eventos Un evento
es una ocurrencia que puede causar la transicin de un estado a otro de un objeto.
Esta ocurrencia puede ser: o Condicin que toma el valor de verdadero o falso. o
Recepcin de una se nal de otro objeto en el modelo. o Recepcin de un mensaje . o
Paso de cierto perodo de tiempo, despus de entrar al estado o de cierta hora y
fecha particular. El nombre de un evento tiene alcance dentro del paquete en el cual
est definido, no es local a la clase que lo nombra.
En el caso del ejemplo de la figura 5.1, encontramos en varias transiciones el evento

userInput, que recibe como parmetro un objeto Button indicando el botn que ha sido
presionado por el usuario de la mquina de caf. Envo de mensajes Adems de
mostrar la transicin de estados por medio de eventos, puede representarse el
momento en el cual se envan mensajes a otros objetos.
Para ello se utiliza una lnea punteada dirigida al diagrama de estados del objeto
receptor del mensaje. Si tomamos como ejemplo un control remoto que puede enviar
rdenes de encender o apagar al televisor o a la videograbadora se puede obtener un
diagrama de estados como el de la figura 5.3.
Figura: Ejemplo de envo de mensajes.

En la figura observamos un diagrama de estados para cada uno de los tres aparatos,
algunas de las transiciones del control remoto causan el envo de mensajes
togglePower a los otros aparatos (televisin y videograbadora).
164
GLOBAL
Transicin simple Una transicin simple es una relacin entre dos estados que
indica que un objeto en el primer estado puede entrar al segundo estado y ejecutar
ciertas operaciones cuando un evento ocurre y si ciertas condiciones son satisfechas.
Se representa como una lnea slida entre dos estados, que puede venir a compa
nada de un texto con el siguiente formato: event-signature [guard-condition] actionexpression send-clause
Donde event-signature es la descripcin del evento que da lugar a la transicin;

guard-condition son las condiciones adicionales al evento necesarias para que la
transicin ocurra; action-expression es un mensaje al objeto o a otro objeto que se
ejecuta como resultado de la transicin y el cambio de estado; y send-clause son
acciones adicionales que se ejecutan con el cambio de estado, por ejemplo, el envo
de eventos a otros paquetes o clases.
En el caso del ejemplo inicial de la mquina de caf se tiene una transicin entre los
estados Introduciendo Moneda? y Seleccionado Azucary Producto? que tiene una
transicin con el siguiente detalle: userInput(Button) | [Todo Ok?=true] / Mostrar Nivel
Azcar?, Mostrar Producto?.
El evento que dispara el cambio de estado es userInput(Button). Se requiere como

condicin adicional que no se haya detectado ningn fallo (Todo Ok = true) y se
ejecuta Mostrar Nivel Azcar y Mostrar Producto.
Transicin interna Es una transicin que permanece en el mismo estado, en vez de
involucrar dos estados distintos. Representa un evento que no causa cambio de
estado.
165
GLOBAL
Se denota como una cadena adicional en el compartimento de acciones del estado.

Supongamos el estado de una interfaz pidiendo password al usuario. En este caso
puede tenerse una transicin interna que muestre una ayuda al usuario. Esta
transicin se muestra en el diagrama de la figura 5.4 con la cadena ``help / display
help dentro del cuerpo del estado.
Figura: Ejemplo de transicin interna

Subestados Un estado puede descomponerse en subestados, con transiciones entre
ellos y conexiones al nivel superior (superestado). Las conexiones se ven al nivel
inferior como estados de inicio o fin, los cuales se suponen conectados a las entradas
y salidas del nivel inmediatamente superior. Un ejemplo es el estado marcando de un
telfono (figura 5.5), que puede descomponerse en los subestados Inicio y marcado
parcial.
Figura 5.5: Ejemplo de subestados

Transicin compleja Una transicin compleja relaciona tres o ms estados en una
transicin de mltiples fuentes y/o mltiples destinos. Representa la subdivisin en
hilos del control del objeto o una sincronizacin. Se representa como una lnea vertical
de la cual salen o entran varias lneas de transicin de estado. En el ejemplo de la
figura 5.6 se muestra una transicin a dos hilos concurrentes que luego se
sincronizan.
Figura: Ejemplo de transicin compleja

Transicin a estados anidados Una transicin hacia un estado complejo, descrito
mediante estados anidados, significa la entrada al estado inicial del subdiagrama.
166
GLOBAL
Las transiciones que salen del estado complejo se entienden como transiciones desde
cada uno de los subestados hacia afuera, a cualquier nivel de profundidad.
En la figura 5.1 se encuentran los dos casos nombrados: desde el estado inicial se
pasa al estado Buen Funcionamiento (a su estado inicial) y de este estado salen
transiciones hacia Mal Funcionamiento? y hacia el estado final, dichas transiciones
deben comprenderse como transiciones de cada uno de los estados internos hacia los
estados externos.
Los diagramas de estado resultan adecuados para describir el comportamiento de un

objeto a travs de diferentes casos de uso, sin embargo, no resultan del todo
adecuados para describir el comportamiento que incluye a una serie de objetos
colaborando entre s. Por lo tanto, resulta til combinar los diagramas de estado con
otras tcnicas.
Por ejemplo, los diagramas de interaccin (4.1) son idneos para la descripcin del
comportamiento de varios objetos en un nico caso de uso, y los diagramas de
actividades (5.2) muestran de forma adecuada la secuencia general de acciones en
diferentes objetos y casos de uso. No nos debemos plantear el dice nar diagramas de
estados para todas las clases en el sistema, sino slo para aquellas que exhiban un
comportamiento interesante de forma que la elaboracin del diagrama de estados nos
ayude a entender dicho comportamiento.
167
GLOBAL
5.3 CALCULO DE PROBABILIDADES DE TRANSICION
Y DE ESTADO ESTABLE.
Las cadenas de Markov poseen una propiedad notable en cuanto a que tienden a
aproximarse a lo que se llama estado estable. Considrese los dos ejemplos
anteriores de anlisis de transicin.
En el sistema de los dos estados, P (S1) result ser 0.75 al principio y despus 0.625,
0.567, 0.531 y 0.516. Estas probabilidades se mueven hacia un lmite. En forma
anloga, en el sistema de tres estados puede observarse que P(S1), por ejemplo,
adquiere los valores 0.3, 0.45, 0.53, 0.565 y 0.58. Despus de unos cuantos ciclos
ms, las probabilidades de estado comienzan a asentarse o estabilizarse.
Cuando una cadena de Markov ha llegado suficientemente lejos como para estar
cerca de estos lmites, se dice que ha alcanzado un estado estable. Adems, estos
lmites son los mismos, independientemente del punto de partida del sistema.
Una mquina que produce piezas puede estar ajustada o desajustada. Si est
ajustada, suponga que la probabilidad de que est ajustada al da siguiente es de 0.7
y que la probabilidad de que no est es 0.3. Si la mquina est desajustada, la
probabilidad de que est ajustada al da siguiente es 0.6 y la probabilidad de que no
est es de 0.4.
Si el estado 1 representa la situacin de que la mquina est ajustada y el estado 2

representa el caso en que est desajustada, las probabilidades de cambio son las que
se indican en la Matriz 1. Observe que la suma de las probabilidades de una fila es 1.
LI. Jess Abundis Manzanares | 5.3 CALCULO DE PROBABILIDADES DE TRANSICION Y DE

ESTADO ESTABLE.
168
GLOBAL
A De Ajustada (estado 1) No ajustada (estado 2) Ajustada (estado 1) 0.7 0.3 No

ajustada (estado 2) 0.6 0.4.
Considere ahora el estado de la mquina en el tercer da. La probabilidad de que la

mquina se halle en el estado 1 el tercer da es: 0.7x0.7 + 0.3x0.6 =0.67 En el Excel
se da una funcin MMmult. o sea multiplicacin de Matrices:
RESULTADOS.
A De Ajustada (1) No ajustada(2) Ajustada (1) 0,70 0,30 No ajustada(2) 0,60 0,40
Estado Uno 0,70 0,30 Tercer Da 0,67 0,33 Cuarto Da 0,67 0,33 Quinto Da 0,67 0,33
Sexto Da 0,67 0,33 Sptimo Da 0,67 0,33 Octavo Da 0,67 0,33 Noveno Da 0,67
0,33.
Estado estable: Las cadenas de Markov poseen una propiedad notable en cuanto a
que tienden a aproximarse a lo que se llama Estado estable.
En el sistema de dos estados P (1) "Ajustada" result ser 0.70 al principio y despus
0.60, 0.67. Estas probabilidades se mueven hacia un lmite y despus de unos
cuantos ciclos ms, las probabilidades de estado comienzan a asentarse
estabilizarse.
Cuando una cadena de Markov ha llegado lo suficientemente lejos como para estar
cerca de estos lmites, se dice que ha alcanzado un estado estable.
LI. Jess Abundis Manzanares | 5.3 CALCULO DE PROBABILIDADES DE TRANSICION Y DE

ESTADO ESTABLE.
169
GLOBAL
UNIDAD 6
PROGRAMACIN
DINAMICA.
170
GLOBAL
INTRODUCCION.
La programacin dinmica es un enfoque general para la solucin de problemas en
los que es necesario tomar decisiones en etapas sucesivas.
Las decisiones tomadas en una etapa condicionan la evolucin futura del sistema,
afectando a las situaciones en las que el sistema se encontrar en el futuro
(denominadas estados), y a las decisiones que se plantearn en el futuro.
Conviene resaltar que a diferencia de la programacin lineal, el modelado de

problemas de programacin dinmica no sigue una forma estndar.
As, para cada problema ser necesario especificar cada uno de los componentes que
caracterizan un problema de programacin dinmica.
El procedimiento general de resolucin de estas situaciones se divide en el anlisis

recursivo de cada una de las etapas del problema, en orden inverso, es decir
comenzando por la ltima y pasando en cada iteracin a la etapa antecesora.
El anlisis de la primera etapa finaliza con la obtencin del ptimo del problema.
LI. Jess Abundis Manzanares | PROGRAMACIN DINAMICA.
171
GLOBAL
10.1 MODELOS DE PROGRAMACIN DINMICA

Existen tres modelos diferentes manejados por WINQSB.
Problema de la diligencia (Stagecoach Problem)
Problema de la mochila (Snapsack Problem)
programacin
de produccin
inventarios
(Production and Inventory
Scheduling)
6.2 FORMULACION DE MODELOS PROGRAMACION

DINAMICA
6.3 METODO HACIA ATRAS
Archivo PFD
LI. Jess Abundis Manzanares | 6.2 FORMULACION DE MODELOS PROGRAMACION

DINAMICA
172
GLOBAL
ANEXOS
PROBLEMARIO.
LI. Jess Abundis Manzanares | ANEXOS
173
GLOBAL
UNIDAD I
1.-INVENTARIOS.
1. Cada ao la Samltown Optometry Clinic Vende 10,000 armazones para lentes la
clnica
pide
las
armazones
un
abastecedor
regional,
que cobre 14
dlares por armazn. Cada pedido incurre en un costo de 50 dlares.
La ptica cree que se demanda de armazones puede acumularse y que el costo por
carecer de un armazn durante un ao es 15 dlares debido a la prdida de negocios
futuros.
El costo anual por mantener un inventario es de 30 centavos por dlar del valor del
inventario.
Cul es la cantidad ptima de pedido?
Cul es la escasez mxima que se presentar?
Cul es el nivel mximo de inventario que se presentar?
Solucin:
Paso 1: Identifico Modelo

Tamao Econmico de lote reabastecimiento instantneo con faltantes permitido
(modelo con escasez).
Paso 2: Determino los costos

Precio del inventario = $15 por armazn
C3=$50 por pedido
C2=$15 unidad/ao
LI. Jess Abundis Manzanares | UNIDAD I
174
GLOBAL
C1=$0.30 por dlar del valor del inventario

Entonces el costo 1 corresponde A
$30 --------- $1
x ----------- $15
$0.30/$1 * $15 = $4.50 o simplemente
C1=0.30 * valor del inventario = 0.30(15) = $4.50
Por lo tanto C1=$4.50
La demanda es de r=10,000 armazones al ao.
Paso 3: Introducir datos en las formulas

Para Q* (cantidad optima de pedido)
Cul es el nivel mximo de inventario?
Cul es la escasez mxima que se presentara?

Esto se puede resolver de 2 formas
Forma 1:
Carencia mxima = Q* - S* = 573.48 413.45 = 124.03 armazones
O bien
Forma 2:
175
GLOBAL
Paso 4: Conclusin.
Entonces la carencia mxima que se presentar ser 124.03 armazones y cada

pedido debe ser 537 o 538 armazones. Se tendr un nivel mximo de existencias de
413.45 armazones.
2 .Compra de disquetes.
Una empresa local de contadura en Guatemala pide cajas de 10 disquetes a un
almacn en la Ciudad. El precio por caja que cobra el almacn depende del nmero
de cajas que se le compren (ver tabla). La empresa de contadores utiliza 10,000
disquetes por ao. El costo de hacer un pedido es 100 dlares. El nico costo de
almacenamiento es el costo de oportunidad de capital, que se supone 20% por ao.
P1=50 dlares, P2=40 dlares, P3=48.50 dlares

Nmero de cajas pedidas (q)
Precio por caja (dlares)
0 q<100
50.00
100 q<300
49.00
q 300
48.50
176
GLOBAL
Cada vez que se hace un pedido de disquetes

Cuntas cajas se deben pedir?
Cuntos pedidos se hacen al ao?
Cul es el costo anual total para cumplir con la demanda de disquetes por parte de
la empresa de contadores?
Solucin:
Demanda = 10,000 disquetes por ao, pero los precios son por caja y sabemos que
10 disquetes trae una caja por lo tanto la demanda es de 1,000 cajas por ao.
r=1,000 cajas/ao
Costo de ordenar =C3=$100
Costo de almacenamiento = C1 = 0.20 del valor del inventario
C1=0.20Px : Px=P1, P2, P3...Pn
Por lo regular el costo de almacenar en este modelo se da en porcentaje del

inventario ya que el precio vara de acuerdo a la cantidad pedida.
177
GLOBAL
Teniendo estos Q* ptimos miro si se encuentran en el rango de la tabla.
Q1*=141.42 0 q<100 X No cumple

Q2*=142.86 100 q<300 / Si cumple
Q3*=143.59 q 300 / Si cumple y Nuevo Q*3=300
Por qu si cumple Q*3 y No Q*1?
En Q*1 no puedo menos de lo que necesito por ejemplo no puedo pedir 100 ya que
faltaran 42, al contrario de Q*3 donde si puedo pedir ms de 143 y pido 300 ya que
es el mnimo que me permite ese precio y el nuevo Q*3 seria 300.
Encuentro los Cost Totales:
El costo 1 se valu dado que el Q* no cumple.
Conclusin:
Se incurre en menor costo anual el hacer un pedido ptimo de 300 cajas, con un
costo de $50,288.33/ao ordenando 1,000/300=3.33 4 veces al ao para satisfacer
la demanda.
178
GLOBAL
3. Un gran productor de medicina para los nervios produce sus provisiones en

remesas, el costo de preparacin para cada remese es de $750. De la produccin se
obtiene 48 galones diarios del producto y cuesta $0.05 cada uno para conservarlos en
existencia. La demanda constante es de 600 galones al mes. Suponga 12 meses,
300 das al ao y 25 das al mes. Encuentre la cantidad ptima de produccin, el
tiempo de ciclo ptimo, la existencia mxima, la duracin en das de cada remesa de
produccin y el costo total ptimo.
Solucin:
Tamao econmico de lote, ciclo productivo, sin faltantes permitidos.
C3= Costo de produccin = $750
C1= Costo de almacenamiento = $0.05 /mes
K= tasa de produccin = 48 gal/da x 25 das = 1,200 galones / mes
r = demanda = 600 gal /mes.
Se podra trabajar en das / meses / aos / semanas etc y Q* siempre tiene

que dar los mismo, siempre y cuando se utilicen las mismas unidades.
Busco Existencia mxima
Produccin Q*/K = 6,000gal/1,200 gal/mes =5 meses

179
GLOBAL
Tciclo= Q*/r =6,000ga/600 gal/mes= 10 meses

Produce=5/10=0.5 del tiempo 0.5 (300)=150 das/ao.
Se puede utilizar cualquiera de las 2 formulas y da lo mismo para Q*
4. Una empresa de limpieza industrial ha estimado una demanda anual de 50,000

guantes, se estima que existe un costo de ruptura o escasez de Q0.30 unidad/mes se
debe analizar la forma de programar lotes de produccin si se desean utilizar los
recursos minimizando los costos. El costo de mantener el inventario es de Q0.20
unidad/mes, el costo de emitir un lote es de Q150.00. Cual debera de ser la poltica
de la siguiente empresa y la carencia mxima que se le presentara.
Solucin:
Tamao econmico del lote reabastecimiento instantneo faltante permitido.
r= demanda = 50,000/ao
C2= costo de escasez Q0.30 unidad/mes x 12 meses = Q3.60 unidad /ao
C1= costo de inventario = Q0.20 unidad/mes x 12 meses = Q2.40 unidad/ao
C3= costo de ordenar = Q150.00.
180
GLOBAL
Ntese que el costo de almacenar (C1) se dan directamente como un valor fijo. (En
este problema).
D*=Q*-S* : D*= carencia mxima
Conclusin:
La empresa debera pedir 3,227 o 3,228 unidades cada vez que haga un pedido. Su
carencia mxima ser de 1,291 unidades.
5. Una constructora debe abastecerse de 150 sacas de cemento por da,

la capacidad de produccin de la mquina en la empresa es de 250 sacos al da, se
incurre en un costo de $400.00 cada vez que se realiza una corrida de produccin, el
costo de almacenamiento es de $0.5 unidad por da, y cuando hace falta materia
prima existe una prdida de $0.7 unidad por da.
181
GLOBAL
a) Cul sera la cantidad optima a pedir.

b) La escasez mxima que se presenta.
Solucin:
Tamao econmico de lote, ciclo productivo, faltantes permitidos.
r = 150 sacos/da
k = 250 sacos/da
C3=$400
C1=$0.5 /da
C2=$0.7 /da.
a)
b)
Conclusin: La cantidad optima a producir seria de 1,014 o 1,015 sacos por corrida
presentndose una escasez mxima de 169 sacos.
6. Una empresa de informtica se dedica a la venta de computadoras, trata de

determinar cmo minimizar los costos anuales relacionados con la compra de tarjetas
de video para las computadoras, cada vez que se hace un pedido se incurre en un
costo de $20. El precio por tarjeta de video depende del nmero de tarjetas pedidas
segn la siguiente tabla.
182
GLOBAL
No. de tarjetas pedidas de video Precio por tarjetas de video
Q<300
$10
300 q<500
$9.80
Q 500
$9.70
El costo anual de almacenamiento es el 20% del valor del inventario. Cada mes la
empresa de consultara emplea 80 tarjetas de video.
Por otra parte la empresa de informtica est pensando producir las tarjetas de video
como otros componentes que ya fbrica. Ocupa a un empleado que trabaja 4 horas y
gana $3/hora y a una secretaria para realizar las llamadas la cual trabaja 1 hora y
gana $3/hora ms un tiempo muerto de la mquina que se valora en $20.
El costo por almacenar la tarjetas es de $1.95/ao, la empresa puede producir a

un ritmo de 100 tarjetas de video al mes y el precio de cada tarjeta producida sale en
$9.85.
Se le contrata a usted como Ingeniero para que determine cul es la mejor decisin
que minimice los costos para la empresa.
Debera la empresa comprar las tarjetas o producirlas?
Solucin:
Analizo descuentos por volumen
C3=$20 (costo por ordenar)
C1=0.20*valor del inventario = 0.20p /ao p: precio
r = 80 tarjetas/ao = 960 tarjetas / ao
183
GLOBAL
Miro que Q* si estn en el rango y si son vlidos o no.
Q*1= 138.56 < 300 SI Q1*=138.56

Q*2= 300 139.97 < 500 NO pero cumplo con los 139.97 no importando que sobre y
Q2*=300 (nuevo)
Q*3= 140.69 500 NO tambin se cumple lo requerido y el Nuevo Q*3=500
Por lo tanto los tres Q* son vlidos de las siguiente manera
Q*1=138.56 Q*2=300 Q*3=500
Obtengo costos totales
Por lo tanto para la parte de descuento por volumen conviene pedir 300 tarjetas cada
vez.
184
GLOBAL
Que se le pide al proveedor con un costo anual de $9,766

Anlisis para la parte de producir
C1=$1.95 /ao (costo de almacenar)
r = 960/ao (demanda)
k = 100/ mes =1200 /ao (tasa de produccin)
C3= costo de ordenar en este caso costo de producir
4 horas 1 empleado y gana $3/hora = $12
1 hora 1 secretaria $3/hora = $3
Tiempo muerto = $20
Total $35
Costo de producir = C3 = $35 por corrida
p= $9.85 (precio de tarjeta)
Conclusin:
Al producir el producto la empresa incurrir en un gasto menor. Lo gastado en
descuentos por
Volumen seria $9,766/ao y al producir seria $9,617.89 y existira una reduccin en
$148.11/ao. Por lo tanto esta empresa debera producir las tarjetas de video.
185
GLOBAL
7. Una compaa se abastece actualmente de cierto producto solicitando una cantidad

suficiente para satisfacer la demanda de un mes. La demanda anual del artculo es de
1500 unidades. Se estima que cada vez que hace un pedido se incurre en un costo de
$20. El costo de almacenamiento por inventario unitario por mes es de $2 y no se
admite escasez.
a.
Determinar la cantidad de pedido optima y el tiempo entre pedidos
b.
Determinar la diferencia de costos de inventarios anuales entre
la poltica optima y la poltica actual, de solicitar un abastecimiento de un mes

12 veces al ao.
Solucin:
r = 1500 unidades/ao
C3 =$20
C1 =$2 unidad/mes = $24 unidad/ao
T=Q*/r = 50/1500 = 1/30 ao x 360 das/ao = 12 das

Poltica Actual se le agota cada mes o sea 1/12 ao
1/12=Q*/1500 Q*=125 (poltica actual)
Poltica Optima
Q*= 50
Diferencia de $540 por lo tanto se ahora ms cuando existe la poltica ptima.

186
GLOBAL
8. Una ferretera tiene que abastecer a sus clientes con 30 sacas de cemento a sus
clientes con 30 sacaos de cemento diarios siendo esta una demanda conocida. Si la
ferretera falla en la entrega del producto pierde definitivamente el negocio, para que
esto no suceda se asume que no existir escasez. El costo de almacenamiento por
unidad de tiempo es de Q0.35 unidad al mes y el costo por hacer el pedido es de
Q55.00.
a) Cul es la cantidad optima a pedir.
b) El periodo de agotamiento (asumir 1 mes = 30 das, 1 ao = 360 das)
Solucin:
r = 30 sacos / da C1= 0.35 unidad / mes
r = 900 sacos / mes C3= Q55
T=531.84/30 = 17.73das
9. Un agente de Mercedes Benz debe pagar $20,000 por cada automvil que compra.
El costo anual de almacenamiento se calcula en 25% del valor del inventario. El
agente vende un promedio de 500automviles al ao. Cree que la demanda se
acumula, pero calcula que si carece de un automvil durante un ao,
perder ganancias futuras por $20,000. Cada vez que coloca un pedido de
automviles, sus costos suman $10,000.
a) Determine la poltica ptima de pedidos del agente.
b) Cul es la escasez mxima que se presentar?.
187
GLOBAL
p = $20,000 p: precio
C1=0.25xvalor del inventario = 0.25p C1=0.25(20,000)=$5,000
C2=$20,000 / ao
C3=$10,000
r = 500 / ao.
Carencia mxima
(Nivel mximo de inventario).

# pedidos = 500/50 = 10 pedidos al ao.
CT= Costo de almacenar + Costo de ordenar + Costo de escasez
10. Una empresa industrial utiliza anualmente 10.000 envases para uno de sus
productos. Cada envase tiene un precio de 0,50 u.m./unidad, siendo su coste anual
de mantenimiento de 0,15 u.m./unidad. Cursar un pedido cuesta, como trmino
medio, 3 u.m., y tarda en ser servido 10 das. Sabiendo que el coste del capital de la
empresa es del 15 por 100, se pide:
188
GLOBAL
a) El lote econmico de pedido

b) El plazo de reaprovisionamiento
c) El punto de pedido
d) El coste total asociado a los inventarios
e) Si el proveedor ofrece un 2 por 100 de descuento sobre el precio por una compra
igual o superior a las 600 unidades, qu cantidad interesa comprar cada vez?
SOLUCION:
a) El lote econmico de pedido lo calcularemos a partir de la frmula del modelo
de Wilson, en la que llamamos:
C : Consumo anual = 10.000 unidades

P : Precio = 0,50 u.m./u.f.
A : Coste de mantenimiento anual = 0,15 u.m.
S : Coste de emisin de cada pedido = 3 u.m.
i : Coste del capital = 15 %
t : Plazo de entrega = 10 das
El lote econmico de pedido se obtiene de la expresin:
b) El plazo de reaprovisionamiento o das que transcurren entre cada pedido,

conocido el consumo anual, se obtiene de:
189
GLOBAL
c) Si el plazo de entrega es de 10 das, el punto de pedido o cantidad existente en

almacn que indica la necesidad de cursar un nuevo pedido, ser la cantidad
necesaria para consumir durante los 10 das que tarda en llegar el pedido;
como el consumo diario es de 27,4 u.f.:
d) El coste total asociado a los inventarios ser la suma de los costes parciales
relativos al aprovisionamiento, esto es:
- Coste de adquisicin = P C
- Coste de renovacin o reaprovisionamiento = S(C/Q) es decir, el coste de

preparacin de cada pedido por el nmero de pedidos que se cursan al ao
- Coste de almacenamiento = (A + Pi) Q/2
Luego el coste total del aprovisionamiento ser:
190
GLOBAL
e) Si nos aplican un descuento del 2 por 100 sobre el precio por una compra igual o
superior a 600 u.f., nuestro nuevo precio ser en este caso:
El coste total para esta nueva consideracin ser:
Vemos pues que nos interesa ms comprar 600 u.f. al precio de 0,49 u.m./u.f., ya que
el coste es menor que si compramos 516 u.f. a 0,50 u.m./u.f. (5.017 < 5.115).
11. Una empresa vende un artculo que tiene una demanda de 18, 000 unidades por
ao, su costo de almacenamiento por unidad es de $ 1.20 por ao y el costo de
ordenar una compra es de $ 400.00. El costo unitario del artculo es $ 1.00. No se
permite faltante de unidades y su tasa de reemplazo es instantnea. Determinar:

El numero de pedidos por ao
Datos
C1= $ 1.00
C2 = $ 400.00
C3 = $ 1.20
191
GLOBAL
= 3 465 Unidades

Costo = [(1)(18000)] + [ (400)(18000/3465)] + [(1.2)(3465/2)] = $ 22, 156 por ao
El nmero de pedidos por ao es.
N = D / Q = 18 000 / 3465 = 5.2 Pedidos por ao
t = Q / D = 3465 / 18000 = 0.1925 aos
12. Una empresa vende un artculo que tiene una demanda de 18, 000 unidades por
ao, su costo de almacenamiento por unidad es de $ 1.20 por ao y el costo de
ordenar una compra es de $ 400.00. El costo unitario del artculo es $ 1.00. El costo
por unidad de faltante es de $ 5.00 por ao. Determinar:

El numero de pedidos por ao
Datos
C1= $ 1.00
C2 = $ 400.00
C3 = $ 1.20
C4 = $ 5.00
192
GLOBAL
= 3 465 Unidades
= 747 Unidades

= 4.66
=0.215
13. La demanda de un artculo de una determinada compaa es de 18, 000 unidades

por ao y la compaa puede producir ese artculo a una tasa de 3 000 unidades por
mes, El costo de organizar una tanda de produccin es $ 500.00 y el costo de
unidad es de $ 2.00.
= 4 470 Unidades
El costo total anual es
= $ 40, 026
El inventario mximo estara determinado por:
193
GLOBAL
= 2 235 Unidades
14. La demanda de un artculo de una determinada compaa es de 18, 000 unidades

por ao y la compaa puede producir ese artculo a una tasa de 3 000 unidades por
mes, El costo de organizar una tanda de produccin es $ 500.00 y el costo de
unidad es de $ 2.00. El costo por unidad agotada es de $ 20.00 por ao.
Datos
D = 18, 000 Unidades por ao
R = 3,000 por mes
C1 = $ 2.00
C2 = $ 500.00
C3 = $ 0.15 por mes
C4 = $ 20.00 por ao
La cantidad optima estar definida por:
= 4670 Unidades
Para calcular el costo anual primero se deben calcular el numero de unidades
agotadas.
= 193 Unidades
194
GLOBAL
El costo total quedara definido por
Costo Total = $ 39, 855 por periodo de plan.
15. Una Ca. fabricante de refrescos a observado que requiere anualmente de 3000
baleros que son utilizados en las bombas de agua con un programa de mantenimiento
preventivo diseado por el departamento de produccin. El costo de cada unidad es
de $ 80,000, el costo de oportunidad de inversin es de 12% del costo del producto.
Los costos generados por el control de inventarios como son el sueldo de personal de
almacn, agua y electricidad es de 2,400 * unidad, otro costo que representa aun los
deterioros, extravi y envejecimiento de los productos almacenados anualmente y
alcanzan un costo de $2,000 * unidad .La orden de compra se ha estimado en
$120,000.
Suponga que el proveedor tarda en promedio 15 das en surtir una orden, determinar:
El tamao econmico del lote.

El inventario Promedio.
El punto de reorden.
El tiempo requerido para consumir el inventario mximo.
Costo total del inventario.
Nmero de pedidos.
195
GLOBAL
Datos:
D = 3000 unidad por ao.
Ci = $80,000
Co =$120,000
Ch= 0.12 (80,000)+ 2,900 + 2,000
Ch = 14,000 unidades por ao.
L = 15 das.
16. Frecuentemente un gerente de produccin desea tomar la produccin, ya sea de

comprar o manufacturar un artculo. Los modelos vistos hasta el momento pueden ser
usados para tomar tal decisin.
Suponga que un artculo puede ser comprado a $25 la unidad o fabricado a un tasa
de produccin de 10,000 unidades por ao, con un costo de $22 la unidad.
196
GLOBAL
Sin embargo si lo compramos el costo de una orden es de 45 mientras que el costo

de organizar una tanda de produccin. (Preparar el equipo) es de $50. La demanda
es de 2,500 unidades por ao, el costo de conservar el inventario es de 10% del costo
del producto. Determinar que es preferible, si comprar o manufacturar.
Comprar
Ci = $25 u.
Co= $5
Ch = 0.10(25) = $2.5
D = 2,500 u / ao.
Ct = $ 62,750
Manufacturar
S = 10,000 u / ao.
Ci = $22 unidades.
Co =$50
D = 2,500 u / ao.
Ch = 0.10 (22) = $2.2
197
GLOBAL
Ct = 55,692
De acuerdo con los costos obtenidos conviene mejor manufacturar el producto que
comprarlo.
Una vez que el gerente ha decidido fabricar el producto desea conocer tambin:
a.
b.
El tiempo de produccin.
c.
El punto de reorden (una orden tarda 1 semana en atenderse).
d.
El tiempo de ciclo.
e.
El tiempo en que no existe produccin y que no se puede ocupar para
dar mantenimiento a las maquinas.

f.
El inventario promedio.
g.
El nmero de rdenes de fabricacin.
198
GLOBAL
17. Un impresor que en la actualidad est haciendo una compra mensual, estudio el
comportamiento del papel libro de 70 gr. en los ltimos doce meses, encontr que su
demanda fue de: 10, 11, 10, 9, 10, 11, 9, 10.5, 10, 9, 9 y 11.5 toneladas por mes,
estima el precio de compra se va a mantener en $2.300.000 por tonelada, su costo de
pedido en $500.000 y por poltica carga un 15% del costo unitario al manejo de los
inventarios ms $55.000 por concepto de bodegaje, calcular:
1. El modelo a manejar en estas condiciones.

Lo primero que debemos observar es el comportamiento de la demanda el cual
vemos que es relativamente constante, por lo que podemos asumir que nuestro
modelo se comporta de acuerdo a los parmetros de un modelo de cantidad
econmica
de
pedido
con
los
siguientes
datos
de
entrada:
D = 120 toneladas ao.

Co = $500.000.
C = $2.300.000 tonelada.
Cc = $400.000 tonelada/ao.
Por tanto.
199
GLOBAL
Como podemos observar en esta poltica de compra de inventarios, la empresa

ahorra ms de un 20% en el costo asociado a los inventarios que tendra si efectuase
una compra mensual (CA = 12*500.000 + [12/2]*400.000 = $8.500.000), lo que
sumado al ahorro que se lograra con los diferentes productos que maneja la
compaa permitir mejoras importantes en la rentabilidad al final del ejercicio.
20. Una compaa de taxis consume gasolina a una tasa de 8500 galones/mes. La
gasolina cuesta 1.05$/galn y tiene un coste de emisin de pedido de 1000$/pedido.
El coste de mantener el inventario es 1 centavo/galn/mes.
a)
Determine cundo y cunto se debe ordenar, si desea minimizar el coste total.
b)
Suponga que se permiten roturas de stock, y que ste asciende a 50

centavos/galn/mes.
c)
Suponga que el coste de la gasolina baja a 1$/galn si compran, al menos, 50000

galones.
d)
Suponga que el coste de la gasolina es 1.20$/galn si el tamao del pedido es

menor de 20000galones, 1.10$/galn si a2=40000 galones, y 1.00$/galn si Q es,
como mnimo, 40000 galones.
e)
Es necesario el dato de q para resolver este problema?
200
GLOBAL
SOLUCION:
Apartado a:
Q*= 41231 galones.
Frecuencia (n de pedidos al mes): 0,21 ; Frecuencia (n de pedidos al ao): 2,47
T* (meses)= 4,85; T* (das) = 146.
Apartado b:
Q* = 41641 galones
Frecuencia (n de pedidos al mes): 0,20 ; Frecuencia (n de pedidos al ao) = 2,45
T* (meses)= 4,90; T* (das) = 147.
Apartado c:
Q1* = 41231 galones
Q2* = 42249 galones
CT(Q1*) = 9337 $
CT(a) = 8908 $
Q*= a = 50000 galones
Frecuencia (n de pedidos al mes): 0,17; Frecuencia (n de pedidos al ao) = 2,04
T* (meses): 5,88; T* (das): 176.
Apartado d:
Q1* = 38568 galones
Q2* = 40283 galones
Q3* = 42249 galones.
SITUACIN: a1<Q1*<a2<Q2*<Q3* Q*=Q3*=42249 galones
Frecuencia (n de pedidos al mes): 0,20; Frecuencia (n de pedidos al ao) = 2,41
T* (meses)= 4,97; T* (das) = 149.
201
GLOBAL
UNIDAD II
Lneas de espera.
Documento PDF
UNIDAD III
Simulacin
Documento PDF
UNIDAD IV
Teora de Juegos
Documento PDF
UNIDAD V
Cadenas de Markov
Documento PDF
UNIDAD VI
Programacin
Documento PDF
202
GLOBAL
BIBLIOGRAFIAS.
METODOS Y MODELOS DE INVESTIGACIN DE OPERACIONES DR.
JUAN PRAWDA WITENBERG VOL 2, LIMUSA NORIEGA EDITORES.
TOMA DE DECISIONES INVESTIGACIN DE OPERACIONES ROBERT

J. THIERAUF, LIMUSA.
INVESTIGACIN DE OPERACIONES 5TA EDICION HAMDY A. TAHA

ALFAOMEGA.
INVESTIGACION DE OPERACIONES APLICACIONES Y

ALGORITMOS 4TA EDICION WAYNE L. WINSTON THOMSON.
Introduccin a la Inv. Operaciones (Hillier-Lieberman) McGraw-Hill Octava

edicin 2007.
ARCHIVO PDF
http://www.iit.upcomillas.es/aramos/simio/transpa/t_dp_ar.pdf
http://www.eumed.net/libros-gratis/2011b/969/indice.htm
LI. Jess Abundis Manzanares | BIBLIOGRAFIAS.
203

Investigacion de Operaciones

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion de Operaciones

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLGICO

Descripcin del procedimiento empleado en las simulaciones. ............................................... 112

LI. Jess Abundis Manzanares |

LI. Jess Abundis Manzanares |

Los inventarios comprenden, adems de las materias primas, productos en proceso y

La base de toda empresa comercial es la compra y venta de bienes o servicios; de

Este manejo contable permitir a la empresa mantener el control oportunamente, as

Clases de Inventarios: Inventario de Mercancas: Lo constituyen todos aquellos bienes

LI. Jess Abundis Manzanares |

1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS

Puesto que estos inventarios representan frecuentemente una considerable inversin,

LI. Jess Abundis Manzanares |

Los modelos de inventario y la descripcin matemtica de los sistemas de inventario

Mantener un inventario (existencia de bienes) para su venta o uso futuro es una

En una empresa pequea, el administrador puede llevar un recuento de su inventario

1. Formulan un modelo matemtico que describe el comportamiento del sistema de

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

MODELO DE INVENTARIO SIN DFICIT

Este es un modelo de inventarios que se encuentra basado en las siguientes

El reemplazo es instantneo (la tasa se reemplazo es infinita).

Todos los coeficientes de costos son constantes.

En este modelo no se permite la falta de productos para la venta, es decir, una

En la siguiente figura se ilustra esquemticamente este modelo.

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

En este modelo se representan iguales el inventario mximo y la cantidad econmica

Cabe mencionar que esto no siempre es verdadero.

Costo unitario del producto (C1)

El costo para un periodo estar conformado de la siguiente manera:

El costo total para el periodo de planeacin estar conformado de la manera

Costo total = Costo por periodo x Numero de pedidos a realizar.

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

El inventario promedio por periodo es [Q / 2]. Por consiguiente el costo de

Para determinar el costo en un periodo se cuenta con la siguiente ecuacin:

Nota: La demanda del artculo en un periodo de planeacin se define con la letra D.

Si se desea determinar el costo total en el periodo de planeacin (T) se multiplica el

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

Costo Total = Costo (Q*)t

Cuando los componentes del costo total se representan grficamente se obtiene un

Una forma de determinar la cantidad ptima a pedir es suponer diversos valores de Q

Al resolver esta derivada tenemos la ecuacin para determinar la cantidad ptima a

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

La cantidad optima pedida

El costo total por ao

El nmero de pedidos por ao

El tiempo entre pedidos

El costo total estar determinado por:

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

N = D / Q = 18 000 / 3465 = 5.2 Pedidos por ao

MODELO DE INVENTARIO CON DFICIT

El reemplazo es instantneo (la tasa se reemplazo es infinita).

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

Q = Cantidad optima a pedir

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

Para determinar el tiempo t1, el inventario mximo y el tiempo t2 en funcin de la

El inventario mximo estar definido por:

Las siguientes ecuaciones se obtienen a partir de la semejanza de tringulos:

Para determinar la cantidad optima a pedir y la cantidad de existencias agotadas se

El resultado de estas operaciones nos da como resultado.

LI. Jess Abundis Manzanares | 1.2.- CLASIFICACIN DE LOS SISTEMAS DE INVENTARIOS Y

La cantidad optima pedida

La cantidad ptima a pedir se calcula de la siguiente forma.

El costo total estar determinado por:

El nmero de pedidos por ao es