Guía Tareas Academicas - IO-I - V 01

GUA PARA ELABORAR Y SUSTENTAR
LAS TAREAS ACADMICAS

rea: Profesional
Versin: v 001
Cdigo: RBC-DOC-201610
Pgina: 1 de 17
UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERAS Y ARQUITECTURA
ESCUELA ACADMICO PROFESIONAL DE
INGENIERA INDUSTRIAL

Preparador por:
___________________
Richard Benavente C.
Fecha: 21/03/2016
Revisado por:
___________________
Fecha:
Revisado por:
___________________
Fecha:
Aprobado Por:
___________________
Fecha:
-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

rea: Profesional
Versin: v 001
Pgina: 2 de 17
Contenido
1
Objetivos................................................................................................................................3
Alcance ..................................................................................................................................3
Del contenido de la gua .........................................................................................................3
De la oportunidad de entrega.................................................................................................3
Formato del texto, pginas, espaciado del documento ...........................................................4
De la forma de entrega...........................................................................................................4
Hora mxima de entrega ........................................................................................................5
Criterios de calificacin ..........................................................................................................5

8.1
Criterios de calificacin de la parte documental ..............................................................5
8.2
Criterios de calificacin de la de la defensa de la tarea acadmica ..................................8
8.3
Calificacin final..............................................................................................................8
Defensa de las tareas acadmicas ..........................................................................................9
10
Cuadro de evaluacin y participacin de los integrantes .....................................................9
11
Recomendaciones ............................................................................................................ 10
12
Artculos modelos............................................................................................................. 17

Versin: v 001
Pgina: 3 de 17
Objetivos
Brindar a los estudiantes la gua bsica para la elaboracin y sustentacin de las cuatro
defensas que se realizar durante el semestre
Evidenciar la habilidad para la puesta en prctica, de todos los conocimientos adquiridos
durante el semestre relacionado con el curso.
rea: Profesional
Alcance
A todos los estudiantes del curso de Investigacin de Operaciones - I
Del contenido de la gua

Al inicio de este documento ustedes encontrarn las pautas mnimas para la resolver las tareas
acadmicas y al final del mismo encontrarn los siguientes anexos:
Anexo 1.- Muestra el contenido del tema de la Tarea Acadmica 1
Anexo 5.- Muestra el formato I, de entrega obligatoria por cada equipo
Estos anexos tienen que ser desarrollados de acuerdo al esquema propuesto y relacionado con
el caso descrito para cada tarea acadmica. As mismo es obligatorio el uso de la caratula
propuesta. El archivo antes mencionado es de uso obligatorio, por todos los estudiantes, caso
contrario, corren el riesgo de tener una baja calificacin.
De la oportunidad de entrega
La presentacin de los documentos y la realizacin de la defensa de sus trabajos se realizar en
las fechas descritas en los siguientes cronogramas.
Tabla 1. Para los estudiantes que hacen laboratorio los lunes
Fecha / semana
Semana
Presentacin y defensa
Actividad
Tema(s)
Documento
Exposicin
Desde
Hasta
04-a br
09-a br
1era expo
Los model os y s u cons trucci n
18-a br
23-a br
2da expo
Cons trucci on de model os en

hoja s de c l cul o el ectrni ca s
25-a br
30-a br
Pri mer exa men

pa rci a l
11
16-ma y 21-ma y
3era expo
Teori a de l a s res tri cci ones
15-ma y
20:00
16-ma y
14
06-jun
11-jun
4ta expo
Ges tin por proces os
05-jun
20:00
06-jun
16
20-jun
25-jun
Tra ba jo fi na l
An l i s i s del s i s tema a dmi ni s tra tivo

de l a es cuel a de Ing. Indus tri a l UAP Fi l i a l Arequi pa
19-jun
20:00
20-jun
17
27-jun
02-jul
Exa men fi na l
Todo l o tra tado des de l a 9na a l a 16ta s ema na
18
04-jul
09-jul
Fecha
Fecha
Hora
Exonera do
17-a br
Todo l o tra tado des de l a 1era a l a 7ma s ema na
Exa men s us titutori o Todo el curs o
Hora
20:00
18-a br
Hora de
l a bora tori o
Lo fi ja l a es cuel a
Hora de
l a bora tori o
Hora de
l a bora tori o
Hora de
l a bora tori o

rea: Profesional
Versin: v 001
Pgina: 4 de 17
Tabla 2. Para los estudiantes que hacen laboratorio los sbados

Fecha / semana
Semana
Desde
Hasta
04-a br
09-a br
Presentacin y defensa
Actividad
Tema(s)
Documento
Fecha
1era expo
Los model os y s u cons trucci n

Cons trucci on de model os en
hoja s de c l cul o el ectrni ca s
Exposicin
Hora
Fecha
Exonera do
18-a br
23-a br
2da expo
25-a br
30-a br
Pri mer exa men

pa rci a l
11
16-ma y 21-ma y
3era expo
Teori a de l a s res tri cci ones
15-ma y
20:00
21-ma y
14
06-jun
4ta expo
Ges tin por proces os
05-jun
20:00
11-jun
19-jun
20:00
25-jun
11-jun
17-a br
Todo l o tra tado des de l a 1era a l a 7ma s ema na
16
20-jun
25-jun
Tra ba jo fi na l
An l i s i s del s i s tema a dmi ni s tra tivo

de l a es cuel a de Ing. Indus tri a l UAP Fi l i a l Arequi pa
17
27-jun
02-jul
Exa men fi na l
Todo l o tra tado des de l a 9na a l a 16ta s ema na
18
04-jul
09-jul
Exa men s us titutori o Todo el curs o
Hora
20:00
23-a br
Hora de
l a bora tori o
Hora de
l a bora tori o
Hora de
l a bora tori o
Hora de
l a bora tori o
NOTA: Todas las entregas se realizarn va correo electrnico, en las extensiones originales
que han sido creadas NO PDF.
5
Formato del texto, pginas, espaciado del documento

Para la presentacin de los trabajos, los estudiantes seguir las siguientes instrucciones:
Tabla 3. Formato para la presentacin de los documentos
FORMATO DEL DOCUMENTO
Caratula: De acuerdo al modelo proporcionado va Facebook
Mrgenes: Derecho 2.54; Izquierdo 2.54; Superior 2.54 e Inferior 2.54
Tamao de papel: A4
Estilo de fuente: Arial
Tamao de letra: 11 puntos
Espaciado: Espacio y medio
Numeracin: La cartula no lleva numeracin; luego la numeracin deber ser arbica (1, 2,
3)
Posicin de los nmeros: En la parte superior derecha de la pgina.
De la forma de entrega
Todos los archivos que conforman las tareas acadmicas debern de ser entregadas va correo
electrnico en las fechas propuestas en el tem 5 de este documento. Para la entrega se deber
de seguir los siguientes pasos:
a. Si la tarea acadmica se compone de varios archivos, deber de crear una carpeta con los
siguientes nombres:
i.
Para la tarea acadmica 1 = TA-1_Da de laboratorio_Nmero de equipo.
ii.
iii.
iv.

rea: Profesional
Versin: v 001
Pgina: 5 de 17
b. Una vez creados los archivos y guardados en la carpeta anterior, se debe comprimir la
carpeta; este archivo comprimido es el que debe ser remitido va correo electrnico.
c. Los archivos que fueron creados para desarrollar la tarea acadmica deben debe ser
nombrados de la siguiente manera:
i.
7
Nombre del tema_Nmero de equipo
Hora mxima de entrega

La tarea acadmica deber ser remitida va correo, como MXIMO hasta las 20:00 horas del da
sealado en las tablas 1 y 2; segn corresponda. Todos los trabajos que se remitan fuera de esta
fecha y horario NO SERN CALIFICADOS.
Nota:
Los estudiantes que por fuerza mayor no puedan entregar la tarea acadmica en la fecha y hora
sealada, tienen el derecho de solicitar la recuperacin respectiva, siguiendo los requisitos de la
universidad. En todo caso la recuperacin, si procede ser sobre 16, salvo que el reglamento de
la universidad diga lo contrario.
Criterios de calificacin
Como ya se ha sealado en la primera semana, la evaluacin de las tareas acadmicas se
compone de dos parmetros: 1) La parte documental y 2) La defensa oral del trabajo.
8.1
Criterios de calificacin de la parte documental

Los documentos que sean enviados va correo electrnico se calificar siguiendo los
siguientes criterios:
Tabla 4. Criterios de calificacin del documento de la tarea acadmica 1
TAREA EXONERADA

rea: Profesional
Versin: v 001
Pgina: 6 de 17
Tabla 5. Criterios de calificacin del documento de las tareas acadmicas 2, 3 y 4

Criterio
Aplicacin de
formato APA
Indicadores
No usa cartula, sin ndice, sin numeracin,
no nombra el archivo. Tiene, pero todo
incorrecto
Usa cartula. Tiene formato, ndice,
numeracin nombra el archivo.
Todo
correcto
Sin formato, incorrecto, incompleto, sin citas
Formato parcial, con citas
Formato completo, con citas
Desarrollo de la
tarea
Desarrollo de la tarea todos los tems
No considera, hasta 5 libros o solo de

internet, con o sin formato APA
Considera ms de 6 (libros 6 + internet) Sin
formato APA
Considera ms de 6 (libros 6 + internet) Con
formato APA
No presenta, Incorrectos, Copia
Presenta de acuerdo al texto en el programa
solicitado
Presenta el da de vencimiento
Presenta hasta un da antes de la fecha de
vencimiento
Caratula,
ndices,
numeracin
Referencias
Anexos
Responsabilidad
y Puntualidad
Puntaje
0.0
1.0
P. Total
2.0
0.0
1.0
2.0
Copia / Inadecuado = 0
Falta = 2
Mejorar = 4
Regular = 6
Bueno = 9
Muy Bueno = 12
0.0
1.0
2.0
0.0
2.0
0.0
2.0
12.0
6.0

rea: Profesional
Versin: v 001
Pgina: 7 de 17
Tabla 6. Criterios de calificacin del documento de la tarea acadmica 5 (Trabajo final) Parte 1
Criterio
Aplicacin de
formato APA
Indicadores
No usa cartula, sin ndice, sin numeracin,
no nombra el archivo. Tiene, pero todo
incorrecto
Usa cartula. Tiene formato, ndice,
numeracin nombra el archivo.
Todo
correcto
Sin formato, incorrecto, incompleto, sin citas
Formato parcial, con citas
Formato completo, con citas
Desarrollo de la
tarea
Desarrollo de la tarea del tem 1 hasta el 4
No considera, hasta 5 libros o solo de

internet, con o sin formato APA
Considera ms de 6 (libros 6 + internet) Sin
formato APA
Considera ms de 6 (libros 6 + internet) Con
formato APA
No concluye ni recomienda, inadecuado,
incompleto
Concluye y recomienda parcialmente
Concluye y recomienda adecuadamente
No presenta, Incorrectos, Copia
Presenta de acuerdo al texto en el programa
solicitado
Presenta el 19 de junio
Presenta hasta el 18 de junio
Caratula,
ndices,
numeracin
Referencias
Conclusiones y
recomendacion
es
Anexos
Responsabilidad
y Puntualidad
Puntaje
0.0
1.0
P. Total
2.0
0.0
1.0
2.0
Falta = 1
Mejorar = 3
Regular = 5
Bueno = 7
Muy Bueno = 10
0.0
1.0
2.0
0.0
1.0
2.0
0.0
2.0
0.0
2.0
10.0
8.0

rea: Profesional
Versin: v 001
Pgina: 8 de 17
Tabla 6. Criterios de calificacin del documento de la tarea acadmica 5 (Trabajo final) Parte 2
Criterio
Formato del
artculo
Resumen
Indicadores
Sin formato, incorrecto, incompleto
Formato completo, con faltas ortogrficas
Formato completo, sin faltas ortogrficas
Sin resumen, incompleto, copia, inadecuado
Resumen de acuerdo al tema
Sin abstract, incompleto, copia, inadecuado,
mala traduccin
Abstract de acuerdo al tema
Desarrollo del contenido de los artculos
No considera, hasta 5 libros o solo de internet

Considera ms de 6 (libros 6 + internet)
Presenta el 19 de junio
Presenta hasta el 18 de junio
Abstract
Desarrollo del
artculo
Referencias
Responsabilidad
y Puntualidad
8.2
Puntaje
0.0
1.0
2.0
0.0
1.0
0.0
1.0
Falta = 2
Mejorar = 4
Regular = 6
Bueno = 9
Muy Bueno = 12
0.0
2.0
0.0
2.0
P. Total
2.0
1.0
1.0
12.0
4.0
Criterios de calificacin de la de la defensa de la tarea acadmica

Tabla 7. Criterios de calificacin de la defensa
Criterio
Calidad del Power Point o programa similar
Calidad y Capacidad de sntesis
Oratoria y dominio del tema
Uso de ejemplos
Trabajo en equipo
Calidad de la respuesta a las interrogantes del docente o compaeros
Atencin durante la defensa de sus compaeros
Puntualidad y responsabilidad
TOTAL
8.3
Puntaje
1
3
3
3
2
3
3
2
20
Calificacin final
La calificacin final se obtendr de la siguiente manera:
A: Nota de las tareas acadmicas 1 a la 4 (Valor ponderado 60%)
=
+
2
B: Nota de la tarea acadmica trabajo final (Valor ponderado 40%)

= (
+
) +
2

rea: Profesional
Versin: v 001
Pgina: 9 de 17
La nota final se obtendr de la siguiente manera:

= (( 0.60) + ( 0.40))
9
Defensa de las tareas acadmicas

a.
b.
c.
d.
e.
f.
g.
El lder o lideresa de cada equipo deber de incluir el archivo Power Point dentro de los
archivos que enviarn va correo electrnico (consultoria.tesis@gmail.com); presentacin
que deber de contener lo que se indica en la tabla 7
Las preguntas no necesariamente estarn relacionadas con la parte de la exposicin sino con
todo el tema de exposicin
Todos los integrantes del equipo se obligan a participar de la exposicin, de lo contrario
tendr una calificacin de cero.
Todos los integrantes del equipo debern estar en la parte de adelante, para poder
identificarlos, y poder calificar puntualidad.
En el escritorio del computador del aula, se colocar una carpeta con el nombre DEFENSAS
conteniendo todas las presentaciones de todos los equipos.
El lder o cualquier otro integrante deber de abrir la carpeta, ubicar su archivo e iniciar su
exposicin.
Antes de la exposicin el lder de equipo deber de entregar en cuadro de participacin del
equipo en forma fsica. Utilizar Formato I del anexo 5
Tabla 7. Detalle de contenido de la presentacin de Power Point
DETALLE
Ttulo e Integrantes
Contenido de la exposicin
1
3
Fin
CANTIDAD
Lmina
Lminas por integrante del equipo. No
debern contener solo texto.
Lmina
NOTA:
Los estudiantes que no remitan la exposicin va correo hasta la fecha y hora indicada, y tengan su
presentacin en USB, u otro medio tendrn una calificacin de CERO en puntualidad y
responsabilidad en la defensa.
10
Cuadro de evaluacin y participacin de los integrantes

Para calificar adecuadamente a cada integrante de cada equipo se est adjuntando los criterios
de calificacin y participacin de evaluacin y participacin de los integrantes de los equipos;
Ver Formato I.
Este formato se deber entregar en fsico antes de la defensa debidamente llenado y firmado
por todos los integrantes que participaron en el desarrollo de cada tarea acadmica. El
procedimiento para llenar el ormato en mencin es el siguiente:
En el recuadro curso: Deber de colocar el nombre del curso que le corresponde.
En el recuadro turno: Colocar el turno en que se ha matriculado
En el recuadro Equipo: Colocar el nmero de equipo al que pertenece.
En el recuadro fecha: Colocar la fecha en la que est entregando el formato.
En la columna apellidos y nombres: Deber de colocarse los apellidos y nombres de
cada integrante.

rea: Profesional
Versin: v 001
Pgina: 10 de 17
En la columna % de participacin: Poner el porcentaje de participacin en la elaboracin

del trabajo, correspondiente a cada entrega.
En la columna tems desarrollados: Colocar, los tems, que ha desarrollado cada
integrante.
En la columna comentarios del equipo: Colocar algn comentario que pudiera haber
sucedido durante el desarrollo del trabajo.
En la columna firma: Cada integrante del equipo deber de firmar para dar validez al
contenido. En el caso que el estudiante se negar a firmar, colocar SE NEG A FIRMAR
La columna nota del docente: Deber de quedar en blanco para ser llenada por el
docente
Si el lder o lideresa no identifica la parte que le ha tocado desarrollar a cada integrante, se
calificar a todo el equipo con la misma nota.
Tabla 8. Ejemplo de llenado del cuadro de participacin
Apellidos y
nombres
11
% Participacin
El Hombre
Araa
55
La mujer
maravilla
100
El Maestro
Yoda
100
tems desarrollados
1.1 Antecedentes
1.2 Justificacin
1.3 Anlisis
1.4 Estadstica
1.5 Estudio de mercado
2.1 Ingeniera
2.2 Seguridad
2.3 Sistema
2.4 Marco lgico
2.5 Caratula
2.6 Objetivos
Comentarios del
equipo
Firma del estudiante
No entreg el
trabajo a tiempo
No firm porque
est trabajando
Recomendaciones
a.
b.
c.
d.
e.
Entregar los trabajos a tiempo, antes de la fecha de vencimiento para evitar problemas
de envi y que el sistema no acepte el archivo.
Posterior a esa fecha debern e recuperar siguiendo el reglamento de la universidad y lo
descrito en el tem 7 de este documento
Evitar cualquier tipo de copias, para no ser calificados con Cero.
Que da prohibidas las siguientes pginas: Wikipedia, Monografas, Rincn del vago,
buenas tareas y slideshare
Resolver responsablemente, porque una pregunta vendr en la evaluacin final

rea: Profesional
Versin: v 001
Pgina: 11 de 17
ANEXO 1: TAREA ACADMICA 2
CASO PROPUESTO
Construccin de modelos en hojas de clculo electrnicas

NDICE PROPUESTO
Los tems de primer orden no pueden ser variados
ndice
Introduccin
1. El proceso de construccin de los modelos
De ser necesario, los estudiantes pueden agregar ttulo de segundo, tercer, cuarto o quinto
orden; para lo cual debern de seguir la metodologa APA Sexta edicin.
2. Tipos de modelos
3. Ciclos en la construccin de los modelos
4. Construccin de modelos y toma de decisiones
Conclusiones
Recomendaciones
Referencias
Anexos
EL desarrollo del modelo en hoja de clculo (Excel u otro programa)

rea: Profesional
Versin: v 001
Pgina: 12 de 17
CASO PROPUESTO
Teora de las restricciones

NDICE PROPUESTO
ndice
Introduccin
1. Qu es la TOC?
De ser necesario, los estudiantes pueden agregar ttulo de segundo, tercer,
2. Objetivo y metas principales del TOC
3. Parmetros para identificar el impacto de las decisiones en la empresa
4. Limitaciones
5. Pasos para la mejora de las metas
cuarto o quinto
cuarto o quinto
cuarto o quinto
cuarto o quinto
cuarto o quinto
Conclusiones
Recomendaciones
Referencias
Anexos
Adjuntar los anexos necesarios.
Obligatoriamente todos los diagramas, mapas deben ser elaborados en Visio.

rea: Profesional
Versin: v 001
Pgina: 13 de 17
CASO PROPUESTO
Gestin por procesos

NDICE PROPUESTO
ndice
Introduccin
1. Identificacin y secuencia
De ser necesario, los estudiantes pueden agregar ttulo de segundo, tercer, cuarto
2. Descripcin
3. Seguimiento medicin y control
4. Mejora continua
o quinto
o quinto
o quinto
o quinto
Conclusiones
Recomendaciones
Referencias
Anexos

rea: Profesional
Versin: v 001
Pgina: 14 de 17
CASO PROPUESTO
Anlisis del sistema administrativo

de la escuela de Ing. Industrial UAP Filial Arequipa
NDICE PROPUESTO (Parte 1)
ndice
Introduccin
1. Formulacin y definicin del problema
2. Construccin del modelo
3. Solucin del modelo
4. Validacin del modelo
5. Implementacin de resultados
cuarto o quinto
cuarto o quinto
cuarto o quinto
cuarto o quinto
cuarto o quinto
Conclusiones
Recomendaciones
Referencias
Anexos
Inspiratoriamente todos los clculos deben hacerse en Excel mediante el Solver, o el
programa en el que determinen por conveniente

rea: Profesional
Versin: v 001
Pgina: 15 de 17
DESARROLLO DEL ARTCULO

NDICE PROPUESTO (Parte 2)
Los tems pueden ser variados de acuerdo a la necesidad de los estudiantes
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Resumen
Abstrac
Palabras clave
Keywords
Introduccin
Objetivos
Mtodo
Resultados
Conclusiones
Recomendaciones
Referencias
Nota:
Los artculos obligatoriamente debern seguir la secuencia de los modelos de los artculos que se
adjuntan como ejemplo al final de este documento.

rea: Profesional
Versin: v 001
Pgina: 16 de 17
ANEXO 5: FORMATO I
CUADRO DE EVALUACIN Y PARTICIPACIN DE LOS INTEGRANTES DEL EQUIPO
TAREA ACADMICA N
CURSO .
EQUIPO
Apellidos y nombres
TURNO
FECHA
% de
participacin
tems desarrollados
Comentarios del equipo
Firma del estudiante
Nota del
docente

12
rea: Profesional
Versin: v 001
Pgina: 17 de 17
Artculos modelos
Los siguientes archivos les servir de gua para la elaboracin de los artculos que formarn
parte del trabajo final
ANLISIS DE GESTIN DE LA SEGURIDAD Y SALUD OCUPACIONAL

DESDE LA PERSPECTIVA DE LAS ESTADSTICAS PUBLICADAS POR EL MINEM; 2011-2013
ANLISIS DE GESTIN DE LA SEGURIDAD Y SALUD OCUPACIONAL DESDE LA

PERSPECTIVA DE LAS ESTADSTICAS PUBLICADAS POR EL MINEM; 2011-2013
ANALYSIS OF MANAGEMENT OF THE SAFETY AND OCCUPATIONAL HEALTH FROM
THE PERSPECTIVE OF THE STATISTICS PUBLISHED BY MINEM; 2011-2013
Richard Nicols Benavente Cceres
Asociacin Peruana de Seguridad
Ejecutores y Consultores Benca Ingenieros
Universidad Nacional de San Agustn de Arequipa
Universidad tecnolgica del Per-Filial Arequipa
RESUMEN
ABSTRACT
El Programa de Seguridad y Salud en el Trabajo y

Medio Ambiente de la OIT, SafeWork, tiene como
objetivo crear conciencia mundial sobre la magnitud y
las consecuencias de los accidentes, las lesiones y las
enfermedades relacionadas con el trabajo.
Programme on Safety and Health at Work and the

Environment of the OIT SafeWork, aims to raise
global awareness of the magnitude and
consequences of accidents, injuries and illnesses
related with work
Para el sector minero, el 22 de agosto del 2010 se

public en el diario oficial el peruano el DS. 055-2010EM, Reglamento de Seguridad y Salud Ocupacional,
tiene como objetivo prevenir la ocurrencia de
incidentes, accidentes y enfermedades ocupacionales.
Este objetivo hace imprescindible evaluar la Gestin
de la Seguridad y Salud Ocupacional desde la
perspectiva de las estadsticas que publica el MINEM,
para monitorear el logro de dicho objetivo.
In Peru by the mining sector, 22 August 22, 2010

was published in the official newspaper El
Peruano DS. 055-2010-EM, Regulation of
Occupational Safety and Health, aims to prevent the
occurrence of incidents, accidents and occupational
diseases. This objective is essential to evaluate the
Management of Occupational Health and Safety
from the perspective of statistics published by the
MINEM to monitor the achievement of that
objective.
Se ha tomado la base de datos que publica el

ESTAMIN a travs de la pgina web del Ministerio de
Energa y Minas para los ltimos tres aos, para
analizar la evolucin de la Gestin de la Seguridad y
Salud Ocupacional de las empresas mineras (E.M.)
Para el anlisis se ha utilizado la tcnica del Grfico
de Estrellas, con el cual se ha determinado las Gestin
de las E.M., con respecto a las los 63 tipos de
incidentes que regula la norma, correspondiente a los
aos 2011, 2012, y 2013.
Con los resultados se podr afianzar las estrategias
empresariales en materia de gestin de la seguridad, y
seguir trabajando con los diferentes actores para que la
seguridad no solo sea un objetivo, si no que se ponga
prctica y tenga un crecimiento constante; tomando
como parmetro mnimo el cumplimiento de las
normas legales nacionales, sin descuidar la exigencia
de las normas internacionales
It has taken the database published by the ESTAMIN

through the website of the Ministry of Energy and
Mines for the past three years, to analyze the
evolution of the Management of Occupational
Safety and Health of mining companies (E.M.)
For the analysis we used the technique of drawing
stars, with which it has identified the management of
E.M, with respect to the 63 types of incidents that
governs the standard, in the years 2011, 2012 and
2013.
With the results you can strengthen corporate
strategies for safety management, and continue to
work with stakeholders so that security is not only a
goal, but it has practical sets and steady growth;
taking as a minimum standard compliance of
national legislation, without neglecting the need for
international standards.
PALABRAS CLAVE
Anlisis, Gestin, Seguridad y Salud Ocupacional, Estadsticas, MINEM
KEYWORDS
Analysis, Management, Security and Occupational Health, Statistics, MINEM
Pgina 1 de 10

INTRODUCCIN
La seguridad y Salud Ocupacional en el Per ha evolucionado en los ltimos aos, se ha promulgado una
serie de normas legales en materia de Seguridad y Salud Ocupacional, que no hacen ms que aumentar el
grado de compromiso de los diferentes actores; es decir, el estado, la sociedad, las universidades y en
especial las empresas mineras. Por otro lado se ha creado la Superintendencia Nacional de Fiscalizacin
Laboral (SUNAFIL) que dentro de otras funciones ser la responsable de promover, fiscalizar y supervisar
el cumplimiento del ordenamiento jurdico, socio laboral y el de Seguridad y Salud en el Trabajo, as como
de brindar asesora tcnica, realizar investigaciones y proponer la emisin de normas sobe dichas materias.
La ley 29783, tiene como objetivo promover una cultura de prevencin de riesgos laborales en el pas. El
objetivo del D. S. 055-2010-EM; tiene como objetivo prevenir la ocurrencia de incidentes, accidentes y
enfermedades ocupacionales, promoviendo una cultura de prevencin de riesgos laborales en la actividad
minera. As mismo los artculos 157 y 158 establece la obligatoriedad a las empresas mineras a presentar
todos los diez de cada mes las estadsticas de seguridad y salud ocupacional bajo los parmetros que la
norma establece.
El artculo 8 del D. S. 055-2010-EM; seala que el Ministerio de energa y Minas, es la Autoridad
competente en materia de Seguridad y Salud Ocupacional, ejerciendo su competencia a travs de la
Direccin General de Minera, cuya una de sus atribuciones es la de Difundir, a travs de su pgina web,
las estadsticas de incidentes, accidentes incapacitantes y accidentes mortales ocurridos a nivel nacional.
El xito de las empresas mineras reside en la eficiencia del Sistema de Gestin de la Seguridad y salud
Ocupacional de los trabajadores en el desempeo de todos los aspectos relacionados con su labor, en el
centro de trabajo o fuera de l; as como desarrollar actividades permanentes con el fin de perfeccionar los
niveles de proteccin.
Para medir la Gestin de la Seguridad y Salud Ocupacional, de las empresas mineras utilizaremos las
estadsticas publicadas por el MINEM desde el ao siguiente de entrada en vigencia el D. S. 050-2010-EM,
es decir desde el 2011 hasta el 2013.
Se ha trabajado en base a la data existente de los incidentes de los aos 2011, 2012 y 2013; construido en
base a los reportes realizados por las empresas mineras en arreglo a norma. En esta data se tiene 68 tipos
de incidentes, sin embargo por razones de objetividad se ha omitido el tipo otros por ser muy ambiguo
por que no se identifica claramente el tipo de incidente ocurrido; por lo que el anlisis se ha basado en 67
tipos.
OBJETIVO
Analizar el nivel de gestin de las Empresas Mineras en materia de Seguridad y Salud Ocupacional desde
la entrada en vigencia de la norma.
MTODO
Para la validacin de nuestro trabajo utilizaremos el mtodo del grafico de la estrella (Johnson, 2002), que
consiste en dibujar una estrella con tantos radios como ambientes, correspondiendo cada radio a un
ambiente. En cada radio situamos, a una escala conveniente, el rendimiento medio en ese ambiente para un
genotipo dado. Uniendo cada uno de estos puntos, se obtiene una estrella representativa del comportamiento
de cada variedad (o genotipo, en general).
El rendimiento medio ser proporcional al rea de la estrella y cuanto ms tienda la forma de sta a la de
una circunferencia, ms estable ser el comportamiento de la variedad correspondiente.
As pues, la estabilidad puede estimarse de una forma visual en este mtodo. Los dibujos de las estrellas se
presentan en la Fig. 01. En ella podemos observar como los genotipos 7, 6, 5, 2 y 1 son los de mayor rea,
siendo, entre ellos, el genotipo 7 el que ms tiende a la forma circular, siendo, por tanto, segn este mtodo,
el ms estable.
Pgina 2 de 10

La principal ventaja es la sencillez y rapidez de resultados, y an ms cuando algunos genotipos sobresalen

de entre los dems. Como desventaja, no existe una prueba de significacin satisfactoria.
1
10
1
10
10
10
9
3
3
8
5
6
1
10
10
10
3
3
4
1
2
10
5
7
9
4
3
8
8
5
7
6
10
1
2
10
10
9
4
8
9
8
5
6
9
8
5
7
7
6
10
11
Figura 1: Grfico de estrellas. Johnson, Richard. Applied multivariate Statistical Analysis. Pginas 25,
26 y 27. Modificado por el autor
RESULTADOS
Los datos estadsticos que publica el MINEM en su pgina WEB, muestran un ordenamiento segn el tipo
de incidentes, asociados a las cantidades reportadas y porcentajes obtenidos, sin embargo este orden se basa
en los resultados tabulados desde el ao 2006 hasta el 2013
Como el anlisis de la Gestin de la Seguridad y Salud Ocupacional la realizaremos desde el ao siguiente
de la entrada en vigencia de la norma tal como se muestra en la tabla 1 es que antes del anlisis de gestin,
necesitamos ordenar nuestras variables en orden decreciente, para ello utilizamos el Software SPSS 20,
luego realizamos la reduccin de dimensiones (factorizacin), para obtener un indicador (factor) que nos
permita ordenar de manera descendente los valores obtenidos de la factorizacin, como se muestra en la
tabla 2. Con ello hemos obtenido el orden de los tipos de incidentes del de mayor incidencia hasta el de
menor incidencia. Para una mejor interpretacin de los resultados se los ha clasificado en los tipos de
accidentes con factor positivo, y los con valor negativo; nosotros nos ocuparemos de los tipos de incidentes
con valor positivo.
Pgina 3 de 10

Tabla 1: Incidentes por Ao desde el 2011 hasta el 2013

2011
TIPO
DESPRENDIMIENTO DE ROCAS
FALTA DE VENTILACIN
Cant.
2012
%
Cant.
2013
%
Cant.
Total
%
Cant.
11279
7.07
8507
6.26
8859
6.55
28645
6.63
4460
2.79
3364
2.48
4269
3.16
12093
2.81
13379
8.38
9542
7.02
7350
5.44
30271
6.95
INCUMPLIMIENTO PROCEDIMIENTO
3352
2.10
3706
2.73
3478
2.57
10536
2.47
FALTA/FALLA DE SOSTENIMIENTO
3271
2.05
2863
2.11
2605
1.93
8739
2.03
OPERACIN DE MAQUINARIAS
8361
5.24
5479
4.03
4488
3.32
18328
4.20
HERRAMIENTAS
7529
4.72
7238
5.33
7515
5.56
22282
5.20
ENERGA ELCTRICA
4905
3.07
3287
2.42
3170
2.34
11362
2.61
FALTA ORDEN Y LIMPIEZA
4633
2.90
5243
3.86
5990
4.43
15866
3.73
EXPLOSIVOS
3984
2.50
3186
2.34
3192
2.36
10362
2.40
MAL ESTADO MAQUINAS / HERRAMIENTAS
4103
2.57
5146
3.79
6021
4.45
15270
3.60
MANIPULACIN DE MATERIALES
4318
2.71
2805
2.06
2471
1.83
9594
2.20
ACARREO Y TRANSPORTE
3800
2.38
3991
2.94
4144
3.06
11935
2.79
989
0.62
1454
1.07
1828
1.35
4271
1.01
PERFORACIN
3203
2.01
2995
2.20
2680
1.98
8878
2.06
CONDICIN INSEGURA
4018
2.52
3628
2.67
3476
2.57
11122
2.59
CADA DE PERSONAS
3429
2.15
2849
2.10
1748
1.29
8026
1.85
NO UTILIZAR EPP
6417
4.02
6087
4.48
5167
3.82
17671
4.11
CARGA Y DESCARGA
3192
2.00
3236
2.38
3212
2.38
9640
2.25
FALTA/FALLA EN COMUNICACIONES
1470
0.92
1562
1.15
1956
1.45
4988
1.17
PISOS/CAMINOS/ACCESOS
2729
1.71
2894
2.13
1741
1.29
7364
1.71
EPP EN MAL ESTADO
2337
1.46
2013
1.48
2308
1.71
6658
1.55
PERSONAL NO AUTORIZADO
4548
2.85
1890
1.39
4878
3.61
11316
2.62
TIROS CORTADOS
2057
1.29
2470
1.82
2405
1.78
6932
1.63
INSTAL. DEFICIENTE AGUA Y LUZ
1266
0.79
1812
1.33
1570
1.16
4648
1.10
GASES
4089
2.56
1803
1.33
1599
1.18
7491
1.69
MANTENIMIENTO DEFICIENTE
1280
0.80
1210
0.89
1517
1.12
4007
0.94
980
0.61
1217
0.90
1265
0.94
3462
0.81
TRANSITO
FALTA DE IMPLEMENTOS DE SEGURIDAD
LMPARA
FALTA ILUMINACIN
CONTAMINACIN AMBIENTAL
BOMBAS/TUBERAS
753
0.47
766
0.56
899
0.66
2418
0.57
1196
0.75
1856
1.37
1398
1.03
4450
1.05
974
0.61
1179
0.87
1502
1.11
3655
0.86
SEALIZACIN
1303
0.82
1442
1.06
1261
0.93
4006
0.94
SNTOMAS DE EBRIEDAD
1069
0.67
678
0.50
640
0.47
2387
0.55
CADA OBJETO
731
0.46
873
0.64
490
0.36
2094
0.49
INDISCIPLINA
1055
0.66
1612
1.19
1377
1.02
4044
0.96
TEMPERATURAS EXTREMAS
1099
0.69
754
0.55
507
0.37
2360
0.54
SUPERVISIN DEFICIENTE
838
0.53
710
0.52
968
0.72
2516
0.59
PROTECCIONES INSEGURAS DE MAQUINARIAS
687
0.43
749
0.55
529
0.39
1965
0.46
DISTRACCIONES
786
0.49
920
0.68
961
0.71
2667
0.63
DESACOPLE DE TUBERA
473
0.30
401
0.30
562
0.42
1436
0.34
GOLPE
700
0.44
1003
0.74
797
0.59
2500
0.59
DISPARO FUERA DE HORARIO
372
0.23
596
0.44
655
0.48
1623
0.39
DERRAME DE LQUIDOS
676
0.42
801
0.59
780
0.58
2257
0.53
DESATORO DE TOLVAS
733
0.46
764
0.56
1072
0.79
2569
0.60
FALTA DE CONOCIMIENTO
682
0.43
708
0.52
533
0.39
1923
0.45
SUCCIN DE MINERAL/DESMONTE
399
0.25
323
0.24
229
0.17
951
0.22
SUSTRACCIN HERRAMIENTAS
439
0.28
624
0.46
592
0.44
1655
0.39
Pgina 4 de 10

INTOXICACIN
1011
0.63
744
0.55
222
0.16
1977
0.45
FALTA DE GUARDAS/PROT EQ ESTAC Y EN

MOVIMIENTO
ROBO
1212
0.76
910
0.67
989
0.73
3111
0.72
362
0.23
436
0.32
545
0.40
1343
0.32
FALTA DE EXTINTORES
292
0.18
532
0.39
411
0.30
1235
0.29
CADA DE MATERIAL
414
0.26
342
0.25
520
0.38
1276
0.30
FALSA ALARMA
186
0.12
418
0.31
123
0.09
727
0.17
TECHO MUY ALTO
254
0.16
263
0.19
308
0.23
825
0.19
DERRUMBE, DESLIZAMIENTOS, SOPLADO MINERAL O

ESCOMBROS
BARANDAS, CERCOS
901
0.56
692
0.51
603
0.45
2196
0.51
296
0.19
345
0.25
318
0.24
959
0.22
CANDADO/HERRAMIENTAS DE SEGURIDAD
177
0.11
166
0.12
317
0.23
660
0.16
CORTE POR OBJETO
271
0.17
366
0.27
389
0.29
1026
0.24
BLOQUEO Y ROTULACIN
181
0.11
250
0.18
225
0.17
656
0.15
ROZAMIENTO POR OBJETO
350
0.22
264
0.19
140
0.10
754
0.17
LUBRICANTES
141
0.09
397
0.29
182
0.13
720
0.17
ASFIXIA
829
0.52
236
0.17
123
0.09
1188
0.26
RADIACIN
636
0.40
106
0.08
77
0.06
819
0.18
92
0.06
201
0.15
211
0.16
504
0.12
101
0.06
144
0.11
86
0.06
331
0.08
73
0.05
309
0.23
99
0.07
481
0.12
INCRUSTACIN DE OBJETO
INCENDIO
SALPICADURA DE ACIDO
CADA DE RAYOS
Total
285
0.18
135
0.10
102
0.08
522
0.12
142407
89.24
125492
92.33
122644
90.69
390543
90.76
Fuente: Tomado de la pgina web del Ministerio de Energa y Minas. ndices de accidentes. Modificado por el autor
previo al anlisis.
Tabla 2: Incidentes por Ao desde el 2011 hasta el 2013 ordenados factorialmente

TEM
TIPO
C2011
P2011
C2012
P2012
C2013
P2013
T INCD
T%
Factor
TRANSITO
13379,00
8,38
9542,00
7,02
7350,00
5,44
30271,00
6,95
3.65797
11279,00
7,70
8507,00
6,26
8859,00
6,55
28645,00
6,63
3.46684
HERRAMIENTAS
7529,00
4,72
7238,00
5,33
7515,00
5,56
22282,00
5,20
2.54587
8361,00
5,24
5479,00
4,03
4488,00
3,32
18328,00
4,20
1.85220
NO UTILIZAR EPP
6417,00
4,02
6087,00
4,48
5167,00
3,82
17671,00
4,11
1.81677
4633,00
2,90
5243,00
3,86
5990,00
4,43
15866,00
3,73
1.58342
MAL ESTDO MAQUIN./HERRAMIENTAS
4103,00
2,57
5146,00
3,79
6021,00
4,45
15270,00
3,60
1.50403
FALTA DE VENTILACIN
4460,00
2,79
3364,00
2,48
4269,00
3,16
12093,00
2,81
0.95879
3800,00
2,38
3991,00
2,94
4144,00
3,06
11935,00
2,79
0.95751
10
4548,00
2,85
1890,00
1,39
4878,00
3,61
11316,00
2,62
0.82580
11
ENERGA ELCTRICA
4905,00
3,07
3287,00
2,42
3170,00
2,34
11362,00
2,61
0.81925
12
CONDICIN INSEGURA
4018,00
2,52
3628,00
2,67
3476,00
2,57
11122,00
2,59
0.81307
13
INCUMPLIMIENTO PROCEDIMIENTO
3352,00
2,10
3706,00
2,73
3478,00
2,57
10536,00
2,47
0.74053
14
EXPLOSIVOS
3984,00
2,50
3186,00
2,34
3192,00
2,36
10362,00
2,40
0.68724
15
CARGA Y DESCARGA
3192,00
2,00
3236,00
2,38
3212,00
2,38
9640,00
2,25
0.59678
16
MANIPULACIN DE MATERIALES
4318,00
2,71
2805,00
2,06
2471,00
1,83
9594,00
2,20
0.54589
17
PERFORACIN
3203,00
2,01
2995,00
2,20
2680,00
1,98
8878,00
2,06
0.46881
18
FALTA/FALLA DE SOSTENIMIENTO
3271,00
2,05
2863,00
2,11
2605,00
1,93
8739,00
2,03
0.44296
19
CADA DE PERSONAS
3429,00
2,15
2849,00
,21
1748,00
1,29
8026,00
1,85
0.31746
20
2729,00
1,71
2894,00
2,13
1741,00
1,29
7364,00
1,71
0.23350
21
GASES
4089,00
2,56
1803,00
1,33
1599,00
1,18
7491,00
1,69
0.20282
22
TIROS CORTADOS
2057,00
1,29
2470,00
1,82
2405,00
1,78
6932,00
1,63
0.18717
23
EPP EN MAL ESTADO
2337,00
1,46
2013,00
1,48
2308,00
1,71
6658,00
1,55
0.13066
24
FALTA/FALLA EN COMUNICACIONES
1470,00
,92
1562,00
1,15
1956,00
1,45
4988,00
1,17
-0.11552
Pgina 5 de 10

25
INSTAL. DEFICIENTE AGUA Y LUZ
1266,00
,79
1812,00
1,33
1570,00
1,16
4648,00
1,10
-0.16471
26
1196,00
,75
1856,00
1,37
1398,00
1,03
4450,00
1,05
-0.19519
27
CONTAMINACIN AMBIENTAL
FALTA DE IMPLEMENTOS DE
SEGURIDAD
989,00
,62
1454,00
1,07
1828,00
1,35
4271,00
1,01
-0.21706
28
INDISCIPLINA
1055,00
,66
1612,00
1,19
1377,00
1,02
4044,00
,96
-0.25768
29
MANTENIMIENTO DEFICIENTE
1280,00
,80
1210,00
,89
1517,00
1,12
4007,00
,94
-0.27239
30
SEALIZACIN
1303,00
,82
1442,00
1,06
1261,00
,93
4006,00
,94
-0.27353
31
BOMBAS/TUBERAS
974,00
,61
1179,00
,87
1502,00
1,11
3655,00
,86
-0.31956
32
980,00
,61
1217,00
,90
1265,00
,94
3462,00
,81
-0.35213
33
LMPARA
FALTA DE GUARDAS/PROT EQ ESTAC Y
EN MOVIMIENTO
1212,00
,76
910,00
,67
989,00
,73
3111,00
,72
-0.41974
34
DISTRACCIONES
786,00
,49
920,00
,68
961,00
,71
2667,00
,63
-0.47772
35
DESATORO DE TOLVAS
733,00
,46
764,00
,56
1072,00
,79
2569,00
,60
-0.49203
36
GOLPE
700,00
,44
1003,00
,74
797,00
,59
2500,00
,59
-0.50241
37
SUPERVISIN DEFICIENTE
838,00
,53
710,00
,52
968,00
,72
2516,00
,59
-0.50493
38
FALTA ILUMINACIN
753,00
,47
766,00
,56
899,00
,66
2418,00
,57
-0.51810
39
SNTOMAS DE EBRIEDAD
1069,00
,67
678,00
,50
640,00
,47
2387,00
,55
-0.53542
40
TEMPERATURAS EXTREMAS
1099,00
,69
754,00
,55
507,00
,37
2360,00
,54
-0.54113
41
DERRAME DE LQUIDOS
DERRUMBE, DESLIZAMIENTO, SOPLADO
DE MINERAL O ESCOMBROS
676,00
,42
801,00
,59
780,00
,58
2257,00
,53
-0.54211
901,00
,56
692,00
,51
603,00
,45
2196,00
,51
-0.56095
731,00
,46
873,00
,64
490,00
,36
2094,00
,49
-0.57156
44
CADA OBJETO
PROTECCIONES INSEGURAS DE
MAQUINARIAS
687,00
,43
749,00
,55
529,00
,39
1965,00
,46
-0.59143
45
FALTA DE CONOCIMIENTO
682,00
,43
708,00
,52
533,00
,39
1923,00
,45
-0.59825
46
INTOXICACIN
1011,00
,63
744,00
,55
222,00
,16
1977,00
,45
-0.60189
47
SUSTRACCIN HERRAMIENTAS
439,00
,28
624,00
,46
592,00
,44
1655,00
,39
-0.63376
48
DISPARO FUERA DE HORARIO
372,00
,23
596,00
,44
655,00
,48
1623,00
,39
-0.63653
49
DESACOPLE DE TUBERA
473,00
,30
401,00
,30
562,00
,42
1436,00
,34
-0.67167
50
ROBO
362,00
,23
436,00
,32
545,00
,40
1343,00
,32
-0.68298
51
CADA DE MATERIAL
414,00
,26
342,00
,25
520,00
,38
1276,00
,30
-0.69617
52
FALTA DE EXTINTORES
292,00
,18
532,00
,39
411,00
,30
1235,00
,29
-0.69841
53
ASFIXIA
829,00
,52
236,00
,17
123,00
,09
1188,00
,16
-0.72685
54
CORTE POR OBJETO
271,00
,17
366,00
,27
389,00
,29
1026,00
,24
-0.73255
55
BARANDAS, CERCOS
296,00
,19
345,00
,25
318,00
,24
959,00
,22
-0.74473
56
SUCCIN DE MINERAL/DESMONTE
399,00
,25
323,00
,24
229,00
,17
951,00
,22
-0.75003
57
TECHO MUY ALTO
254,00
,16
263,00
,19
308,00
,23
825,00
,19
-0.76553
58
LUBRICANTES
141,00
,09
397,00
,29
182,00
,13
720,00
,17
-0.77881
59
FALSA ALARMA
186,00
,12
418,00
,31
123,00
,09
727,00
,17
-0.77938
60
ROZAMIENTO POR OBJETO
350,00
,22
264,00
,19
140,00
,10
754,00
,17
-0.78112
61
636,00
,40
106,00
,08
77,00
,06
819,00
,18
-0.78118
62
RADIACIN
CANDADO/HERRAMIENTAS DE
SEGURIDAD
177,00
,11
166,00
,12
317,00
,23
660,00
,16
-0.79017
63
BLOQUEO Y ROTULACIN
181,00
,11
250,00
,18
225,00
,17
656,00
,15
-0.79102
64
INCRUSTACIN DE OBJETO
92,00
,06
201,00
,15
211,00
,16
504,00
,12
-0.81304
65
SALPICADURA DE ACIDO
73,00
,05
309,00
,23
99,00
,07
481,00
,12
-0.81620
66
CADA DE RAYOS
285,00
,18
135,00
,10
102,00
,08
522,00
,12
-0.81743
67
INCENDIO
101,00
,06
144,00
,11
86,00
,06
331,00
,08
-0.84234
42
43
Fuente: ndices de accidentes publicados por el MINEM, ordenados factorialmente por el autor
Con las variables ordenadas, obtenidos con la factorizacin, realizaremos el anlisis de la gestin de la
Seguridad y Salud Ocupacional mediante el grfico de estrellas, para ello utilizaremos el software
STATISTICA 7; los resultados se muestran en el grfico 1.
Pgina 6 de 10

Anlisis de la Gestin de la Seguridad y Salud Ocupacional: 67 tipos de incidentes
Transp
D Rocas
Herra
OP MQ
No EPP
Falta OL
ME MQ Herra
F Venti
Aca y transp
P No Auto
E Ele
C Inseg
Incum Procd
Explo
Cargay Desc
Manp Materiales
Perfora
FF Soste
C Personas
PCA
Gases
T Corta
EPP Mal
FF Comunica
I Def Agua Luz
Cont Amb
F Imp Seg
Indiplina
Mante defic
Sealizacin
Bom/Tub
Lampara
FGP EQ MQ
Distracciones
Des tolvas
Golpe
Sup Defic
F Ilumina
S Ebriedad
T Extrema
D Liquidos
D Desliza
C Objetos
P Inseg MQ
F Conoc
Intoxica
Sust Herra
Disparo FH
Desacople Tub
Robo
C Mate
F Extinto
Asfixia
CP Objetos
Baran Cerc
Succion M D
Techo M Alto
Lubric
F Alarma
R por Objeto
Radiacion
C/Herra Seg
Bloq / Rotul
Inc Objeto
Salp Acido
C de Rayos
Incendio
Clockwise:
C2011
C2012
C2013
Grfico 1: Anlisis de la Gestin de la seguridad. Elaboracin en base a la data estadstica publicada por el MIMEN.
Modificado por el autor.
En el grfico 2 se muestra el anlisis por el grfico de estrellas de los 23 tipos de incidentes con valores de
factorizacin mayores que cero.
Pgina 7 de 10

Anlisis de la Gestin de la Seguridad y Salud Ocupacional: 23 casos con v alores positiv os
Transp
D Rocas
Herra
OP MQ
No EPP
Falta OL
ME MQ Herra
F Venti
Aca y transp
P No Auto
E Ele
C Inseg
Incum Procd
Explo
Cargay Desc
Manp Materiales
Perfora
FF Soste
C Personas
PCA
Gases
T Corta
EPP Mal
Clockwise:
C2011
C2012
C2013
Grfico 2: Anlisis de la Gestin de la seguridad. Elaboracin en base a la data estadstica publicada por el MIMEN.
Modificado por el autor con solo los 23 tipos de incidentes con valores positivos.
En la tabla 3 se muestra el anlisis de los veintitrs tipos de incidentes que tienen valor positivo, a los cuales
interpretamos cmo ha sido la evolucin de la Gestin de la Seguridad y Salud Ocupacional durante los
tres aos de vigencia del decreto Supremo 055-2010-EM.
Tabla 3: Anlisis de la Gestin de la Seguridad y Salud Ocupacional de las empresas mineras

TEM
TIPO
FACTOR
TRANSITO
3.65797
3.46684
HERRAMIENTAS
2.54587
1.85220
NO UTILIZAR EPP
1.81677
1.58342
MAL ESTADO
MAQUINAS./HERRAMIENTAS
1.50403
FALTA DE VENTILACIN
0.95879
0.95751
10
0.82580
ANLISIS
Del grfico se puede apreciar que la gestin ha sido buena porque los dos
ltimos aos ha bajado el ndice, mantenindose casi constante, por ello es
necesario realizar un examen minucioso del Plan de seguridad y resultado de las
capacitaciones realizadas.
Al igual que el caso anterior, el grfico muestra un descenso de los ndices de
este tipo de incidentes, sin embargo los dos ltimos aos se ha mantenido casi
constante.
Los ndices para el 2012 bajo con referencia del 2011, pero en el 2013 se vuelve
a incrementar, lo que nos indica que la gestin no ha sido muy buena porque se
ha incrementado los ndices en vez de bajar.
El grfico muestra que ha existido un buen manejo, ya que los ndices han
bajado ao tras ao, y que para el 2013 ha sido mucho ms bajo que el del 2011
Los dos primeros aos han sido casi constantes, existe una ligera variacin entre
ellos, pero para el ao 2013 si hay un mejoramiento considerable porque el
ndice ha bajado
Este s que ha sido todo lo contrario, el grfico nos muestra que para el 2013 el
nmero de incidentes ha sido ms alto que los dos aos anteriores.
Otro tipo de incidente que los resultados no son muy alentadores porque se
evidencia que en vez de bajar los indicadores estos se han incrementado desde
el 2011 hasta el 2013
Existe una mejora para el ao 2012 con respecto del ao 2011, sin embargo
esta mejora se pierde para el 2013 porque el indicador vuelve a subir.
Existe un ligero incremento de los indicadores desde el 2011 hasta el 2013, por
lo que la gestin no ha sido muy buena.
En el 2012 el indicador bajo considerablemente, con respecto al 2011, sin
embargo este se recuper abruptamente para el 2013.
Pgina 8 de 10

11
ENERGA ELCTRICA
0.81925
12
CONDICIN INSEGURA
0.81307
13
INCUMPLIMIENTO
PROCEDIMIENTO
0.74053
14
EXPLOSIVOS
0.68724
15
CARGA Y DESCARGA
0.59678
16
MANIPULACIN DE
MATERIALES
0.54589
17
PERFORACIN
0.46881
18
FALTA/FALLA DE
SOSTENIMIENTO
0.44296
19
CADA DE PERSONAS
0.31746
20
0.23350
21
GASES
0.20282
22
TIROS CORTADOS
0.18717
23
EPP EN MAL ESTADO
0.13066
Los indicadores han bajado desde el 2011 hasta el 2013, pero entre el 2012 y
2013 existe una constante entre los mismos
Este tipo de incidente ocurre lo mismo que el caso anterior, existe una ligera
variacin entre los tres aos, manteniendo casi constante entre los dos ltimos
aos.
Si bien es cierto que el nmero de incidentes ha variado muy poco de un ao al
otro, pero esta variacin es ascendente, por lo que la gestin no ha sido muy
buena
Para el 2012 mejor los incidentes del 2011, sin embargo para el 2013 supera
los del 2012, manifestando que existe algo no se manej muy bien
La variacin de nmero de incidentes de ao tras ao es muy ligera, pero en
orden ascendente, lo que manifiesta un incremento de los ndices
El grfico muestra una mejora considerable de los incidentes en el 2012 con
respecto al 2011; sin embargo para el 2013 se mantiene casi constante
Ao tras ao ha mejorado los indicadores, se puede apreciar que los incidentes
del 2013 son menores que los del 2011
Al igual que el caso anterior los ndices de incidente han bajado para el 2013
con respecto al 2011
Sobre este tipo de incidentes la gestin tambin ha sido buena, ya que los
indicadores ha bajado ao tras ao
Para el ao 2012 los indicadores han subido, respecto al 2011; sin embargo
para el 2013 estos mejoraron los indicadores de los dos aos anteriores
En el 2012 se tiene que el indicado es mucho menor que el del 2011 y para el
2013 tambin bajo pero ligeramente
El nmero de incidentes subi en el 2012 con respecto al 2011, y durante el
2013 bajo pero estos siguen siendo mayores que los del ao 2011
Para el 2012 se bajaron los incidentes, sin embargo estos se recuperaron para el
2013, aunque sin superar los del 2011
CONCLUSIONES
1. De los anlisis realizados, se ha determinado, que la Gestin de la Seguridad y Salud Ocupacional por
parte de los titulares mineros ha sido muy irregular con tendencias a la alza, ya que de los 23 tipos de
incidentes analizados, solo 13 muestran que ha existido un descenso de los ndices; mientras que los
dems o se han mantenido o se han incrementado.
2. Los resultados nos da la informacin necesaria para poder fortalecer e iniciar, segn sea el caso, del
Plan estratgico relacionado con la Prevencin de Riesgos Ocupacionales, lo que permita trabajar de
forma ms intensa en la identificacin de las causas bsicas de los incidentes que no se obtuvieron
buenos resultados, a los cuales se deber de poner medidas adecuadas de control; sin olvidar los
incidentes que si se lograron los objetivos propuestos.
3. La Gestin de la Seguridad y Salud Ocupacional, tiene que pasar de ser reactiva a ser proactiva y en
ello tiene que trabajar intensamente los titulares mineros, si bien es cierto que las norma legal especifica
es relativamente joven, esto no exonera el deber de prevencin de los empleadores, sobre todo en un
rubro donde el nivel de riesgo ocupacional es alto. Los resultados obtenidos son una oportunidad de
mejora la cual debe de pasar por una adecuada planificacin estratgica de prevencin de riesgos
ocupacionales.
RECOMENDACIONES
1. Es el momento que todos iniciemos una cruzada para promover una Cultura de Seguridad dentro de las
organizaciones que permita identificar las variables que hacen que los incidentes se incrementen, para
eliminarlos y/o controlarlos; de tal manera que se contine con las estrategias buenas y se fortalezca o
implemente estrategias para mejorar en los casos que sea necesario.
2. La planificacin estratgica de los riesgos es un indicador de la alta competencia de los profesionales
dedicados a la prevencin de los riesgos, e indica una fuerte responsabilidad para la alta direccin. La
realidad es que la mayora de empresas solo se limitan a analizar el riesgo en su planeacin, y otras solo
hacen el anlisis de los riesgos a consecuencia de la manifestacin de una prdida. Lo recomendable es
que todas las organizaciones incluyan la Planeacin Estratgica de los Riesgos en la etapa de
Planificacin; es en esta etapa en la que se debe evaluar la probabilidad de la ocurrencia de algn riesgo
Pgina 9 de 10

estratgico identificado; es en este punto que entra a tallar el Sistema de Gestin de la Seguridad y
Salud Ocupacional, a que se refiere la norma legal aplicable, en el que se debe de establecer los
indicadores para identificar, medir, administrar, comunicar, informar, capacitar, entrenar sobre la
prevencin de los riesgos estratgicos.
REFERENCIAS
Auzmendi, E. (1992). Las actitudes hacia la matemtica-estadstica en las enseanzas medias y
universitarias. Bilbao: Mensajero.
Clemente, M. (1992). Psicologa Social: Mtodos y Tcnicas de Investigacin. Madrid: Eudema.
Evans, J., y Lindsay, W. (2008). Administracin y control de la calidad. Mxico DF, Mxico:
Cengage Learning.
Ferguson, L. W. (1939). Primary Social Attittudes. Journal of Psychology, 8, 217-223.
MINEM.
(2013).
Estadsticas
de
accidentes
mortales.
Recuperado
de
http://www.minem.gob.pe/_estadisticaSector.php?idSector=1
Morales, E. (2000). Escala de actitudes hacia la estadstica. Universidad de la Laguna
Nel, Quezada. (2010). Estadstica para Ingenieros. Lima Per: Macro
Nel, Quezada. (2012). Estadstica con SPSS 20. Lima Per: Macro
Nel, Quezada. (2010). Metodologa de la investigacin Estadstica aplicada en la investigacin.
Lima Per: Macro
Organizacin Internacional del trabajo. (2004). Estrategia global en materia de seguridad y salud
en el trabajo (Primera ed.). (OIT, Ed.) Ginebra, Suiza: OIT.
Vergara, C., & Quesada, V. (2003). Estadstica Bsica con Aplicaciones en MS Excel. Cartagena,
Colombia: Universidad de Cartagena.
Pgina 10 de 10
ARTICULOS DE INVESTIGACIN OPERATIVA
1. ARTCULOS DE INVESTIGACIN OPERATIVA
LA COMBINATORIA POLIDRICA Y LOS PROBLEMAS DE RUTAS DE

VEHCULOS
Angel Corbern1 y Jos Mara Sanchis2
1
Universitat de Valncia. 2Universidad Politcnica de Valencia

angel.corberan@uv.es, jmsanchis@mat.upv.es
Introduccin
Consideremos muy brevemente las siguientes
situaciones:
1. Un viajante tiene que visitar una serie de
ciudades y luego volver a su ciudad de
origen. Cul es la ruta que debe seguir el
viajante de modo que la distancia total
recorrida sea mnima?
2. Un taladro lser tiene que realizar n
perforaciones en un tablero. Si se conocen las
coordenadas de los puntos a perforar, cul
debe ser el recorrido que debe realizar el
taladro por los n puntos del tablero para
minimizar la distancia total recorrida?
3. Un cartero tiene que pasar por
determinadas calles de su ciudad para repartir
el correo y luego volver a su oficina. Disear
la ruta que debe seguir el cartero de modo
que la distancia total recorrida sea mnima.
4. De una plancha hay que cortar ciertas
figuras cuya posicin en el tablero est ya
determinada. Cul debe ser el recorrido que
debe hacer el instrumento cortante para cortar
todas las piezas de forma que la longitud total
recorrida sea mnima?
Hay una gran cantidad de problemas del
mundo real que pueden ser formulados en
trminos parecidos. Pensemos que la mayor
parte de organismos pblicos y empresas
privadas tienen que plantearse problemas
relacionados con el reparto del correo, la
recogida de basuras, limpieza, inspeccin o
mantenimiento de calles, carreteras, o redes
elctricas, distribucin de todo tipo de
productos, visitas a clientes, transporte de
personal, etc.
Todos estos problemas reales pueden ser

modelizados mediante un grafo. Recordemos
que un grafo es un par G= (V, E), donde V es
un conjunto de vrtices y E es un conjunto de
pares (i,j) de vrtices de V que llamaremos
enlaces y que pueden ser aristas (si pueden
ser recorridas en ambos sentidos) o arcos (si
slo pueden ser recorridos en un determinado
sentido). En los ejemplos anteriores, cada
ciudad a visitar o cada punto a perforar se
representaran por un vrtice y cada calle,
cada lnea a cortar, en general cada trayecto
entre dos vrtices distintos, se representa por
un arco o por una arista, con un valor
asociado que corresponda a su coste o
longitud. As, un grafo puede modelizar de
modo cmodo y preciso cualquier red real:
redes de calles, de carreteras, de lneas
frreas, de lneas elctricas, informticas, etc.
Al mismo tiempo, todos los problemas
anteriores
pueden
formularse
como
Problemas de Rutas. Bsicamente, estos
problemas consisten en el diseo de rutas, o
tours, sobre los vrtices o los enlaces de un
grafo que cumplan una serie de condiciones y
que tengan un coste total mnimo. Si
consideramos solucin posible del problema
a cualquier tour que cumpla todas las
condiciones y solucin ptima a aquella
solucin posible que tenga coste mnimo, los
Problemas de Rutas pueden considerarse
tambin como Problemas de Optimizacin
Combinatoria, puesto que el nmero de
soluciones posibles de estos problemas es
finito (o numerable).
El objetivo ante tales problemas es disear
algoritmos de resolucin que, a partir de los
datos numricos de un ejemplo concreto (que

llamamos instancia), produzca la solucin
ptima. Puesto que estamos interesados en
resolver situaciones reales y stas se
modelizan con grafos con muchos vrtices y
enlaces, el nmero de soluciones posibles es
tan grande que la evaluacin de todas ellas es
inviable. As pues necesitamos algoritmos
eficientes.
En Teora de la Complejidad Algortmica
se acepta que los algoritmos polinmicos
(aquellos en los que el nmero mximo de
operaciones bsicas a realizar depende
polinmicamente del tamao de la instancia)
son eficientes, pues su tiempo de ejecucin
crece de un modo razonable a medida que
crece el tamao de la instancia. De este modo
podemos decir que un problema es fcil si
puede ser resuelto mediante un algoritmo
polinmico y que es difcil en otro caso.
Para la mayor parte de los Problemas de
Rutas (y de Optimizacin Combinatoria en
general), no slo no se conoce ningn
algoritmo que sea polinmico sino que, si la
conjetura PNP es cierta, tales algoritmos
no existen. Estos problemas se conocen como
NP-difciles.
Aunque no sean polinmicos, es importante
el desarrollo de algoritmos exactos para
problemas NP-difciles. Ntese que el estudio
de la complejidad algortmica se hace sobre
el comportamiento en el peor caso. Es decir,
para un problema NP-difcil lo que crece
exponencialmente con el tamao de las
instancias es el nmero mximo de
operaciones
necesarias
para
resolver
cualquier instancia de ese tamao. Pero
ocurre que algunas instancias concretas de
gran tamao s se resuelven en un tiempo
razonable. Adems, resuelven todas las
instancias de hasta un cierto tamao que cada
vez es ms grande, sobre todo desde los aos
80 en los que la llamada Combinatoria
Polidrica ha adquirido un gran auge en el
diseo de algoritmos de resolucin de
Problemas de Optimizacin Combinatoria.
Estos algoritmos se basan en el estudio del
poliedro definido por la envoltura lineal
convexa del conjunto de soluciones posibles
y sern presentados con mayor detalle a
continuacin.
Combinatoria Polidrica
Sea E un conjunto finito con un coste ce
asociado a cada elemento eE (en los
Problemas de Rutas, E es el conjunto de
enlaces del grafo, que tienen asociado un
coste o longitud) y sea un conjunto F (finito o
infinito numerable) de familias de elementos
de E, llamadas soluciones posibles (en los
Problemas de Rutas son los tours sobre los
enlaces del grafo, que pueden ser
considerados como una familia de enlaces).
El Problema de Optimizacin Combinatoria
(abreviadamente
P.O.C.)
consiste
en
encontrar la solucin posible de F de coste
mnimo.
Para cada solucin posible F de F definimos
su vector de incidencia xF = {xFe , eE} Z|E|,
donde xFe denota el nmero de veces que e
aparece en F. As, definimos el conjunto
convexo PF= conv {xF: FF }.
Para la mayora de los P.O.C. se puede
demostrar que PF es un poliedro. Claramente,
cada solucin posible FF corresponde a un
punto de PF y cada vrtice de PF corresponde
a una solucin posible en F. Por lo tanto,
podemos resolver el P.O.C. original
resolviendo el problema de Programacin
Lineal (PL) siguiente:
Min cx
x PF
Sabemos que un poliedro P puede describirse
por un sistema de desigualdades lineales, de
forma que cada desigualdad induce una
faceta de P (una faceta del poliedro P es una
cara propia no vaca de P que sea maximal
respecto a la inclusin de conjuntos y se
corresponde con la idea coloquial de cara de
un poliedro). Para poder abordar el problema
anterior con las tcnicas de la Programacin
Lineal, necesitamos conocer el sistema lineal
que describe el poliedro PF. As, el primer
ingrediente de estas tcnicas es la descripcin
de las desigualdades concretas que inducen
faceta del poliedro asociado al problema que
queremos resolver.
Una vez hecho ese estudio terico del
poliedro, aparecen tres inconvenientes
importantes. El primero es que el nmero de
desigualdades que lo describen crece
exponencialmente con el tamao de la

instancia. As, generar y almacenar todas las
desigualdades del PL anterior es tan
ineficiente como la enumeracin exhaustiva
de todas las soluciones posibles del P.O.C.
Una alternativa es comenzar con un
subconjunto pequeo de tales desigualdades e
ir aadiendo otras a medida que las
necesitamos. De este modo, en lugar de
generar la descripcin completa del poliedro,
slo se genera un nmero limitado de
desigualdades de una zona del poliedro
cercana al ptimo. sta es bsicamente la
idea detrs de los algoritmos de planos de
corte:
Algoritmo de Planos de Corte

1. Sea PL0 una relajacin lineal inicial del
P.O.C. Hacer k=0.
2. Resolver PLk. Sea xk una solucin ptima
de PLk.
3. Resolver el problema de identificacin de
facetas para xk y PF.
3.1 Si se encuentran desigualdades
violadas por xk, definir PLk+1 como PLk
ms estas desigualdades. Hacer k:=k+1 e ir
al paso 2.
3.2 Si no se encuentra ninguna
desigualdad violada, parar.
El ncleo de este proceso es el paso 3, en el
que se resuelve el siguiente problema:
Problema de Identificacin de Facetas:
dado un punto x* y un poliedro PF, encontrar
una desigualdad lineal f x f0 que defina una
faceta de PF que sea violada por x*, o bien
demostrar que tal desigualdad no existe (pues
x*PF ).
El mtodo anterior termina en 3.2 en una
solucin ptima del P.O.C. siempre que
conozcamos todas las desigualdades que
inducen faceta del poliedro. Esto nos lleva al
segundo inconveniente: si la conjetura
PNP es cierta, no se puede obtener un
conocimiento completo del sistema lineal que
represente el poliedro PF asociado a un
problema NP-difcil.
Sin embargo, un conocimiento parcial pero
suficientemente amplio de dicho sistema
lineal es muy til. En primer lugar, en
algunas instancias dicha descripcin parcial
s puede ser suficiente para obtener una

solucin ptima en el paso 3.2. Por otro lado,
si terminamos en 3.2 sin tener una solucin
ptima podemos acudir a un Branch and
Bound pero con mayor probabilidad de
alcanzar el ptimo, ya que tenemos una
relajacin lineal mucho ms ajustada. Y en
cualquier caso, aunque no alcancemos la
solucin ptima, siempre obtendremos una
cota inferior al coste ptimo del P.O.C. muy
til para valorar la bondad de las soluciones
obtenidas mediante algoritmos heursticos.
El tercer inconveniente proviene de que si un
P.O.C. es NP-difcil, el Problema de
Identificacin de Facetas asociado a ste es
tambin NP-difcil. De hecho, puede
demostrarse que:
Teorema: El P.O.C Min {cx: x PF} puede
ser resuelto por un algoritmo polinmico
para cualquier vector entero c si, y slo si, el
Problema de Identificacin de Facetas puede
resolverse por un algoritmo polinmico para
cualquier vector racional x*.
As, la destreza en detectar desigualdades
violadas por la solucin xk del PLk actual es
lo que determina la eficiencia del algoritmo
de planos de corte. En la prctica, las
desigualdades conocidas que definen faceta
se dividen en diferentes familias y se aborda
el problema de identificacin de facetas para
cada una de estas familias con algoritmos
especficos. Es decir, el paso 3 en el esquema
del algoritmo de planos de corte est
constituido por un conjunto de diferentes
subrutinas que son ejecutadas cuando es
necesario. Para una familia dada de
desigualdades, un algoritmo de separacin
exacto es una rutina que toma la solucin xk y
encuentra una o ms desigualdades violadas
de esa familia (si existe alguna). Un
algoritmo de separacin heurstico es similar
excepto que puede fallar en la deteccin de
una desigualdad violada de esa familia. Para
agilizar el paso 3 es frecuente disear uno o
varios heursticos rpidos para cada familia
de desigualdades, y slo se intenta el
algoritmo exacto de separacin (si est
disponible) cuando los heursticos fallan.
Esta aproximacin ha llevado a resultados
importantes en un gran nmero de Problemas
de Optimizacin Combinatoria. Como
ejemplo quisiramos destacar que los
resultados obtenidos en el TSP y el CVRP

de una flota de vehculos y el problema que
se plantea es disear una ruta para cada
vehculo, de modo que se satisfaga la
demanda global. De este modo, tambin se
pueden clasificar los problemas de rutas
segn que sean una o varias las rutas a
disear.
son impresionantes. Tambin en otros

problemas no tan conocidos, pero tan
difciles o ms que los mencionados y que se
han resistido durante dcadas a los esfuerzos
de los investigadores.
Otro criterio de clasificacin de los

problemas de rutas se basa en las
caractersticas del grafo sobre el que estn
definidos, es decir, segn que el grafo sea no
dirigido (todos sus enlaces son aristas, que
pueden recorrerse en ambos sentidos),
dirigido (todos sus enlaces son arcos, que
slo pueden recorrerse en un sentido), mixto
(con aristas y arcos simultneamente) o un
grafo windy (un grafo no dirigido en el que
el coste de atravesar una arista (i,j) desde i a j
puede ser diferente al de atravesarla de j a i).
Una clasificacin de los Problemas de

Rutas
Consideremos de nuevo los problemas del
viajante y del cartero expuestos en la
Introduccin. Ntese que mientras que en el
primero la demanda de servicio tiene lugar en
los vrtices del grafo (ciudades), en el
segundo la demanda tiene lugar en los
enlaces (calles). Esta diferencia en la
localizacin de la demanda proporciona el
principal criterio para la clasificacin de los
Problemas de Rutas: Problemas de Rutas por
Vrtices y Problemas de Rutas por Arcos
(Enlaces).
A modo de resumen, la tabla siguiente

presenta una clasificacin de los Problemas
de Rutas bsicos, donde cada problema puede
ser considerado sobre un grafo no dirigido,
dirigido, mixto o windy.
Frecuentemente, las zonas de demanda son

tan grandes que no pueden ser atendidas por
un solo vehculo. En estos casos, se dispone
1 vehculo
Demandas en los vrtices
Demandas en los enlaces
TSP
Problema del Viajante
GTSP
Problema del Viajante Grfico
CPP
Problema del Cartero Chino
RPP
Problema del Cartero Rural
GRP
k vehculos
CVRP
CARP
Problema de Rutas de Vehculos

con Capacidades
Problema de Rutas por Arcos con

Capacidades
El Problema del Viajante (Traveling

Salesman Problem, TSP) es sin duda el
problema de rutas de vehculos que ms ha
sido estudiado en la literatura cientfica. El
planteamiento clsico de este problema
consiste en construir un grafo completo con
un vrtice representando a cada una de las
ciudades y una arista (i,j) entre cada par de
vrtices i, j con un coste asociado igual a la
distancia entre las respectivas ciudades:
Dado un grafo completo G = (V,E) con
costes no negativos ce , eE, encontrar el
Problema General de Rutas
tour de coste mnimo que pase exactamente

una vez por cada vrtice del grafo.
El Problema del Viajante Grfico
(Graphical Traveling Salesman Problem,
GTSP) es una variante del TSP introducida
por Fleischmann (1985) y Cornujols,
Fonlupt y Naddef (1985) en la que el grafo
no tiene por qu ser completo y la ruta debe
pasar al menos una vez (no necesariamente
slo una vez) por cada vrtice:
Dado un grafo G = (V,E) con costes no
negativos ce , eE, encontrar un tour en G de
coste mnimo que pase por cada vrtice vV
al menos una vez.

Las ventajas de esta formulacin frente a la
del TSP son que el poliedro de soluciones es
de dimensin completa y que son necesarias
menos variables, pues se trabaja directamente
sobre el grafo que modeliza la red viaria, que
dista mucho de ser un grafo completo. Si el
grafo es dirigido, tenemos el Graphical
Asymmetric Traveling Salesman Problem
(GATSP, Chopra y Rinaldi 1996). Si el grafo
es mixto o windy, el problema es equivalente
al GATSP.
En cuanto a los Problemas de Rutas por
Arcos, tenemos el Problema del Cartero
Chino (Chinese Postman Problem, CPP),
planteado por el matemtico chino Meigu
Guan (1962):
negativos ce , eE, encontrar un tour de coste
mnimo que recorra cada enlace eE al
menos una vez.
Este problema es resoluble polinmicamente
en un grafo no dirigido. Tambin lo es en el
caso dirigido y se les puede considerar, por lo
tanto, problemas resueltos. En cambio, el
CPP sobre un grafo mixto es un problema
NP-difcil. Tambin lo es la versin windy, el
llamado Problema del Cartero con Viento
(Windy
Postman
Problem,
WPP),
introducido por Minieka (1979).
El Problema del Cartero Rural (Rural
Postman
Problem,
RPP)
es
una
generalizacin del problema anterior en el
sentido de que aqu no es necesario pasar por
todos los enlaces del grafo sino solamente
por un subconjunto de ellos que llamamos
enlaces requeridos:
negativos ce, eE y dado ER E un
subconjunto no vaco de enlaces de G que
llamaremos requeridos, encontrar un tour en
G que recorra cada enlace de ER al menos
una vez y que tenga coste mnimo.
Propuesto por Orloff (1974), el RPP es NPdifcil tanto sobre un grafo no dirigido como
dirigido (DRPP), mixto (MRPP) o windy
(WRPP).
El Problema General de Rutas (General
Routing Problem, GRP) fue tambin definido
por primera vez por Orloff (1974) y es el
caso ms general de problemas de rutas con
un nico vehculo, pues la demanda se puede

encontrar tanto en las aristas como en los
vrtices del grafo:
negativos ce, eE, dados un subconjunto de
enlaces requeridos ER E y un subconjunto
de vrtices requeridos VR V, encontrar un
tour en G de coste mnimo que recorra cada
enlace requerido y cada vrtice requerido al
menos una vez.
Este problema es una generalizacin de los
anteriores pues, como casos particulares, si
ER=E resulta el CPP, si VR= tenemos el
RPP y si ER= y VR=V el GTSP. Por lo
tanto, el GRP es tambin un problema NPdifcil, as como sus versiones dirigida
(DGRP), mixta (MGRP) y windy (WGRP).
Obviamente, el WGRP generaliza al GRP (si
cij = cji), pero tambin al DGRP, ya que cada
arco (i,j) con coste c puede ser modelizado
con una arista con costes cij = c y cji = , y
por lo tanto tambin al MGRP. As, el
WGRP generaliza a todos los Problemas de
Rutas por Arcos con un slo vehculo
definidos sobre cualquier tipo de grafo y
tambin a algunos de Rutas por Vrtices.
Respecto de los problemas con varios
vehculos, tenemos el Problema de Rutas
por Arcos con Capacidades (Capacitated
Arc Routing Problem, CARP), introducido
por Golden y Wong (1981), en el que cada
enlace (i,j), adems de un coste que
representa su longitud o el tiempo de ser
atravesada, tiene asociada una demanda qij no
negativa. Se dispone de una flota de
vehculos de capacidad W con base en un
determinado vrtice (depsito). El objetivo es
disear una ruta para cada vehculo de modo
que, conjuntamente, pasen por cada enlace
(i,j) con qij >0, que la suma de las demandas
atendidas por cada vehculo no exceda su
capacidad W y que la suma de los costes de
todas las rutas sea mnima.
El Problema de Rutas de Vehculos con
Capacidades (Capacitated Vehicle Routing
Problem, CVRP), es similar al CARP
excepto que ahora es cada vrtice (cliente) i
quien tiene asignado una demanda qi no
negativa. Tiene como caso particular al TSP
y es un problema tremendamente difcil pero
con un gran nmero de aplicaciones
prcticas.

En todos los problemas anteriores, pueden
exigirse otras condiciones adicionales.
Algunas de ellas, como ciertas relaciones de
precedencia entre servicios, pueden estar
determinadas por la propia naturaleza de los
servicios a realizar o por simple preferencia
de los clientes. Tambin ms restrictivos son
los problemas con time windows, o
ventanas de tiempo, en los que cada servicio
debe ser realizado entre unos determinados
mrgenes temporales. A veces, determinados
movimientos del vehculo en el grafo estn
penalizados o prohibidos, como ocurre a
menudo en algunos giros de unas calles a
otras adyacentes que estn prohibidos por las
reglas del trfico urbano.
Nuestro trabajo
Fue Nicos Christofides quien nos introdujo,
hacia 1980, en el apasionante mundo de los
Problemas de Rutas de Vehculos,
concretamente en los de Rutas por Arcos.
Desde entonces la mayor parte de nuestra
investigacin se ha centrado en el estudio y
resolucin de estos problemas y, entre otras
herramientas,
hemos
utilizado
la
Combinatoria Polidrica. Como se ha visto,
esto supone el estudio de los poliedros
asociados a esos problemas, el diseo de
algoritmos heursticos y exactos de
separacin y su inclusin en procedimientos
de resolucin basados en el mtodo de
relajacin para los P.O.C. descrito
anteriormente.
Creemos
que
hemos
conseguido algunos resultados interesantes
concernientes a la descripcin de los
poliedros asociados con el CVRP (por lo que
respecta a los Problemas de Rutas por
Vrtices) y con varios Problemas de Rutas
por Arcos. Concretamente con el CPP, el
RPP y el GRP definidos sobre grafos no
dirigidos, dirigidos, mixtos y windy.
Tambin hemos intentado contribuir a la
resolucin aproximada y exacta de estos
problemas. Los resultados obtenidos han sido
bastante buenos y, adems de su valor por s
mismos, han confirmado la validez de la
Combinatoria Polidrica como rea de
trabajo y estrategia de resolucin. Creemos
que no es ste lugar para detalles, por eso no
los habr hallado el lector. Aqul que desee
una mayor informacin quizs encuentre
interesantes los trabajos de Benavent,
10
Corbern y Sanchis (2000) y Corbern, Plana

y Sanchis (2005).
Agradecimientos: Los autores desean
agradecer la ayuda proporcionada por el
Ministerio de Ciencia y Tecnologa y la
Generalitat Valenciana a travs de los
proyectos
TIC2003-05982-C05-01
y
GRUPOS03/189, respectivamente.
Referencias
E. Benavent, A. Corbern y J.M. Sanchis
(2000): Linear Programming Based
Methods for Solving Arc Routing Problems.
In M. Dror (Ed.): Arc Routing: Theory,
Solutions
and
Applications.
Kluwer
Academic Publishers.
S. Chopra y G. Rinaldi (1996): The
Graphical Asymmetric Traveling Salesman
Polyhedron: Symmetric Inequalities. SIAM
J. Discrete Math. 9, 602-624.
A. Corbern, I. Plana y J.M. Sanchis (2005):
On
the
Windy
General
Routing
Polyhedron. Technical Report. Department
of Statistics and OR, University of Valencia
(Spain).
G. Cornujols, J. Fonlupt y D. Naddef
(1985): The traveling salesman problem on
a graph and some related integer polyhedra.
Mathematical Programming 33, 1-27.
B. Fleischmann (1985): A cutting-plane
procedure for the traveling salesman problem
on a road network. European Journal of
Operational Research 21, 307-317.
B. Golden y R. Wong (1981): Capacitated
Arc Routing Problems. Networks 11, 305315.
M. Guan (1962): Graphic Programming
using odd and even points. Chinese
Mathematics 1, 273-277.
E. Minieka (1979): The Chinese Postman
Problem for Mixed Networks. Management
Science 25, 643-648.
C. Orloff (1974): A fundamental problem in
vehicle routing. Networks 27, 95-108.
ARTCULOS DE INVESTIGACIN OPERATIVA

ON SCHEDULING MODELS
David Alcaide Lpez de Pablo
Departamento de Estadstica e Investigacin Operativa y Computacin.
Universidad de La Laguna.
38204 San Cristbal de La Laguna, Tenerife, Espaa
Abstract
This paper is a short reference guide to build scheduling models. It also includes a collection of
update bibliography on the topic. We believe that this guide can be useful both to people who start
to solve scheduling problems and also to more experimented people on scheduling.
Keywords: Scheduling models, deterministic and stochastic scheduling, multicriteria scheduling,

robot scheduling, cyclic scheduling.
1. Introduccin
Al hablar de Planicacin nos referimos a un
conjunto de modelos y tcnicas de Investigacin
Operativa que permiten resolver muchos problemas
que surgen en diversos mbitos, entre los que podemos destacar la industria, el comercio, las actividades nancieras, la sanidad, los sectores administrativos y de gestin tanto pblicos como privados,
etc. En todos estos contextos surgen frecuentemente
situaciones en las que se precisa asignar, a lo largo
de un periodo de tiempo, un conjunto de tareas a
entidades, sean stas personas o mquinas, capaces
de realizarlas, describiendo adems, no slo la mejor manera (ptima) o la manera ms adecuada de
asignar dichas entidades a dichas tareas, sino tambin la asignacin ms adecuada de otros posibles
recursos, generalmente escasos, que han de utilizarse en la realizacin de las mencionadas tareas.
En los problemas de planicacin siempre aparecen tres componentes muy bien diferenciadas que
podemos resumir, de manera un tanto simple, como
qu?, quin? y para qu?. El qu? hace referencia a qu es lo que hay que hacer, qu trabajos o
actividades se pretenden realizar. El quin? indica quin o quienes, qu personas o qu mquinas
en concreto tienen que hacer dichas actividades. Finalmente el para qu? explica de alguna manera
los objetivos que se persiguen (para qu han de
hacerse dichas actividades?), y nos permite, quizs,
Corresponding
comparar unas soluciones con otras, ofreciendo elementos de juicio para el decisor. Sobre este simple
esquema de tres componentes resulta que muchos
problemas reales en los mbitos industrial, comercial, social, cientco, e incluso de la vida cotidiana,
admiten una aproximacin que puede ajustarse bien
con un modelo de planicacin.
Estas tres componentes de los problemas de Planicacin aparecen tanto en los problemas que en
la literatura en ingls denominamos Project Management (nosotros diramos Planicacin de Proyectos) como en la que denominamos Scheduling.
En este sentido, tanto unos como otros son problemas de Planicacin. Lo que ocurre es que, a la
hora de modelizarlos, usualmente se han adoptado
esquemas de modelizacin distintos. En el presente
trabajo nos centraremos en los modelos de Scheduling, sin que ello excluya que muchas de las ideas
que desarrollemos sean tambin aplicables al otro
gran grupo de modelos de planicacin. Existe una
vasta literatura sobre el grupo de modelos de planicacin conocido como Project Mangement, entre
la que podemos citar, entre otros, a Romero-Lpez
(1983), Cleland y King (1988), y Shtub et al. (1994).
Los problemas de planicacin siempre han existido, y su estudio cientco ha experimentado un
gran auge despus de la II Guerra Mundial, coincidiendo con el desarrollo general de todos los modelos de Investigacin Operativa. As, a partir de
los aos cincuenta, aparecen trabajos que resuelven
Author. E-mail: dalcaide@ull.es
11
problemas sencillos, hoy considerados clsicos, y que

sirven de partida a modelos posteriores. Entre ellos,
se pueden destacar los trabajos de Johnson (1954)
y Jackson (1955), para optimizar lneas de produccin; Smith (1956), para minimizar el tiempo medio
de permanencia de los trabajos en un taller, (problema equivalente a minimizar el nmero medio de
trabajos en el taller); McNaughton (1959), para minimizar el tiempo total de proceso de trabajos interrumpibles en mquinas idnticas, Moore y Hodgson (vase Moore (1968)), para minimizar el nmero
de trabajos tardos; Emmons (1969), que propone
propiedades de dominancia entre soluciones para un
problema de complejidad mxima como es el problema de la tardanza total; etc. Desde el comienzo
de los aos 50, y adems de los artculos mencionados, han aparecido en la literatura especializada multitud de trabajos, comunicaciones y estudios
presentando nuevos e interesantes resultados. Referencias bsicas son, entre otras, los libros de Baker
(1974) y French (1982), y los excelentes artculos de
Graham et al. (1979), Lawler et al. (1982, 1993).
En un sentido amplio, el trmino Planicacin
(Scheduling ) puede entenderse como la asignacin
de mquinas o procesadores a lo largo del tiempo para realizar un conjunto de trabajos (Baker
(1974)), o bien como resolver el problema de encontrar la asignacin temporal ptima de ciertos recursos a determinadas tareas (Lawler et al. (1993)).
Cuando todos los datos del problema de planicacin son conocidos a priori, el modelo se denomina
determinstico. Estos modelos son estudiados por la
Optimizacin Combinatoria. Esta rea de la Investigacin Operativa estudia tambin otros modelos
asociados a problemas en los que, por ejemplo, debe
determinarse una ordenacin, seleccin asignacin
ptima en un conjunto nito de objetos. Una caracterstica comn a la mayora de los problemas estudiados por la Optimizacin Combinatoria es que
suelen ser relativamente fciles de plantear pero
mucho ms difciles de modelizar y, consecuentemente, mucho ms difciles de resolver. Esta propiedad es especialmente frecuente en los problemas
de Planicacin y, por tanto, su resolucin exige el
uso de medios de computacin adecuados. En este sentido, merece especial atencin el anlisis de
la complejidad computacional de estos problemas y
las implicaciones resultantes para el diseo y anlisis de algoritmos adecuados. Se acepta comnmente
12
que un problema esta bien resuelto o es fcil si se

puede resolver por un algoritmo cuyo tiempo de ejecucin est acotado por una funcin polinomial en el
tamao del problema (Lawler (1976)). En una gran
mayora de problemas de Planicacin no se tiene
conocimiento de la existencia de tal algoritmo. Entonces surge la cuestin de probar si el problema es
NP-duro o puede resolverse en tiempo polinomial.
Vese, por ejemplo, Karp (1972), y Garey y Johnson
(1979). Estos conceptos complementarios son muy
tiles en el anlisis de problemas de planicacin,
donde hay cierto nmero de ellos que no han sido
an clasicados como pertenecientes a una u otra
categora.
Si el problema es NP-duro, como ocurre en la
mayora de los problemas prcticos, se pueden adoptar dos aproximaciones diferentes a la solucin. La
primera de ellas consiste en elegir algn mtodo
exacto para resolver el problema. Entre los mtodos exactos podemos citar la programacin dinmica, las tcnicas de ramicacin y acotacin, las
tcnicas de ramicacin y corte, etc. Estos mtodos
exactos requerirn con frecuencia un tiempo de bsqueda de la solucin invariablemente exponencial.
La segunda opcin consiste en considerar un mtodo heurstico rpido para encontrar una solucin
aproximada. Posteriormente se realizara un anlisis
comparativo de contraste de la calidad de la solucin obtenida. Esta opcin est especialmente justicada en muchos de los problemas de Planicacin,
debido a la elevada complejidad que presentan la
mayora de ellos.
El presente trabajo se estructura en cuatro secciones. En la Seccin 2 estableceremos los conceptos
bsicos en la construccin de modelos de Planicacin. La tercera Seccin distinguir diferentes dicotomas, o modelos de alguna manera contrapuestos (aunque no siempre mutuamente excluyentes),
que se han considerado en la literatura especializada sobre modelos de Planicacin, aportando referencias bibliogrcas actualizadas. Finalmente, la
Seccin 4 concluir el trabajo.
2. Conceptos bsicos en Planicacin

Como hemos comentado, cuando se tiene la
necesidad de realizar algunos trabajos o actividades (el qu? ) por determinadas entidades (el
quin? ) capaces de realizarlos, con el propsito de conseguir determinadas nalidades u obje-
tivos (el para qu? ) estamos ante un problema

de Planicacin. Las entidades capaces de realizar
los trabajos o actividades reciben el nombre genrico en la literatura de mquinas (machines en
la literatura en ingls), independientemente de que
stas sean fsicamente personas, mquinas, fases de
un proceso productivo, u otras entidades de cualquier otra naturaleza. Por su parte, las actividades
o trabajos a realizar reciben en la literatura especializada el nombre genrico de trabajos (jobs
en la literatura en ingls). Finalmente el criterio o
criterios de optimizacin se suele denominar simplemente de dicha manera, es decir, como criterio
o criterios de optimizacin. Esta separacin en tres
componentes bien diferenciadas de los problemas de
Planicacin dio pie a que, en 1979, Graham y colaboradores (Graham et al. (1979)) propusieran un
esquema triparamtrico || . Este esquema sirve
tanto para modelizar los problemas como para catalogar los diferentes modelos de Planicacin. Dicho esquema ha sido ampliamente aceptado entre
los investigadores y por la literatura especializada
pues, adems, tiene la ventaja de que los nuevos
problemas y modelos de Planicacin que han ido
sucesivamente apareciendo han podido clasicarse y
catalogarse dentro de ese esquema. Para un mayor
refrendo y contraste de la validez del esquema propuesto por Graham et al (1979), el lector interesado puede ver, entre otros, los trabajos de Lawler et
al. (1993), Pinedo (2002) y (2005), Brucker (2007),
Blazewicz et al. (2007), Crama et al. (2000), Levner et al. (2007), etc. y, en general, en prcticamente cualquier artculo sobre Scheduling posterior al
ao 1979.
distintas actuando sobre un mismo trabajo, pueden

en ocasiones relajarse para facilitar la construccin
de algoritmos para la resolucin de determinados
problemas. Estos algoritmos se mueven por soluciones no factibles para llegar nalmente a alguna
solucin factible que respete dichas hiptesis bsicas
de no simultaneidad. Tal es el caso, por ejemplo, de
algunos modelos de Muntz y Coman (1969, 1970),
o de Serani (1996).
Obviamente, diferentes caractersticas de los
trabajos y de las mquinas junto con distintos criterios de optimalidad, originan una gran variedad de
modelos de Planicacin que los catalogamos con la
clasicacin triparamtrica propuesta por Graham
et al. (1979) que atiende a tres campos || . En el
primer parmetro se recogen las caractersticas de
las m mquinas o procesadores Mi (i = 1, . . . , m);
en el segundo las de los n trabajos o tareas a procesar Jj (j = 1, . . . , n); y el ltimo indica los criterios
y el modo de optimizacin considerados.
Cada trabajo Jj tiene asociado los siguientes datos (vase Figura 1): (1) Un nmero mj de operaciones O1j , . . . , Omj j en las que puede dividirse el
trabajo Jj de manera que, jada la planicacin,
cada operacin se procesa en una nica mquina.
Podemos denir ij = k si la operacin Oij debe
realizarse en la mquina Mk . Si el trabajo j consta
de una nica operacin (mj = 1) podemos denotar
con j = k el hecho de que dicha operacin deba
asignarse a la mquina Mk . (2) Uno ms tiempos
de procesamiento pj pij (i = 1, . . . , m) necesarios
para procesar el trabajo Jj en cualquier mquina
(pij = pj , i) en la mquina Mi (i = 1, . . . , m).
(3) Una fecha de disponibilidad rj , a partir de la
As, los problemas de Planicacin pueden, en cual puede comenzar a procesarse dicho trabajo. Si
la mayora de los casos, modelizarse de la siguien- rj = 0, j , todos los trabajos estn disponibles deste manera: se precisan realizar n trabajos, tareas o de el mismo instante de tiempo y estaremos ante
procesos Jj (j = 1, . . . , n) para lo que se dispone de problemas de planicacin estticos, mientras que
m mquinas o procesadores Mi (i = 1, . . . , m). Siem- en caso de distintas fechas de disponibilidad, nos
pre que no haya lugar a confusin se puede hablar encontraremos ante problemas de planicacin dide trabajo j en lugar de Jj y de mquina i en nmicos. (4) Una fecha de comienzo Sj , que no es
vez de Mi . Se supone que cada mquina es incapaz constante, sino que depende de la planicacin, que
de procesar varios trabajos simultneamente y que, indica el instante de tiempo en el que comienza el
en un instante dado, cada trabajo puede realizarse procesamiento del trabajo Jj . (5) Una fecha lmite
en a lo sumo una mquina. Estas hiptesis bsicas o de vencimiento dj , en la que el trabajo Jj delas podemos denominar como hiptesis de no simul- bera estar terminado para no incurrir en tardanza.
taneidad. Ntese que estas ltimas hiptesis de no Dicha fecha se denomina due date en la literatura
simultaneidad de trabajos distintos en una misma en ingls. Si dicha fecha debe cumplirse estrictamenmquina, y de no simultaneidad de varias mquinas te para obtener factibilidad la denominamos fecha
13
lmite estricta (deadline). (6) Un peso o ponderacin jk que indica la importancia relativa de Jj
con respecto a los otros trabajos en el criterio k con
1 k K , siendo K el nmero de criterios considerados. (7) Una funcin de costo real fjk por cada
criterio k , donde fjk (t) es el coste asociado, segn el
criterio k , al trabajo Jj cuando ste se completa en
el instante de tiempo t. Dicha funcin depender,
en general, de los parmetros anteriores.
-Lj
Fj
Jj
0
rj
Sj
Cj
dj
tiempo
pj
Figura 1. Datos y variables asociados a un trabajo

En el caso determinstico los datos mj , rj , pj ,
pij , dj , jk de cada trabajo son constantes conocidas
mientras que en el caso estocstico pueden aleatorizarse dichos valores. Comentemos ahora ms especcamente los valores de los parmetros ||
que hacen referencia a los diferentes problemas de
planicacin.
2.1. Caractersticas de las mquinas

Podemos distinguir los problemas de planicacin en los que se dispone de una nica mquina
( = 1) de aquellos problemas en los que podemos
utilizar varias mquinas. Desde el momento en que
se disponga de dos ms mquinas cabe la posibilidad de que varias de ellas ejecuten trabajos distintos u operaciones de diferentes trabajos simultneamente, y entonces podremos hablar de paralelismo.
Adems, ser conveniente distinguir los problemas
en los que las mquinas ejecutan las mismas funciones (mquinas no especializadas ) de aquellos problemas en los que ciertas mquinas estn especializadas en ciertas tareas y no pueden realizar otras
(mquinas especializadas ). Estas distinciones se resumen en el esquema siguiente:
Los problemas de planicacin con mquinas no
especializadas son aquellos en los que las mquinas
ejecutan las mismas funciones. Estos problemas se
clasican a su vez en problemas con mquinas idnticas, uniformes, y no relacionadas. En los problemas con mquinas idnticas las mquinas tienen,
adems, la misma velocidad de proceso. En los problemas con mquinas uniformes, las mquinas tienen distinta velocidad de proceso, pero stas son
14
constantes carctersticas de las mquinas y no dependen de los trabajos. De manera que, si una mquina es dos veces ms rpida que otra para un trabajo, ser tambin dos veces ms rpida para cualquier otro trabajo. En los problemas con mquinas
no relacionadas, la velocidad de proceso depende
tanto de las mquinas como de los trabajos, sin que
podamos relacionar las distintas velocidades de las
mquinas.
En los problemas de planicacin con mquinas
especializadas, existe especializacin de las mquinas en ciertas tareas. Van asociadas con problemas
en los que los trabajos a realizar se dividen en varias
operaciones o tareas. Estos problemas se clasican
a su vez en sistemas ow shop, sistemas open shop,
y sistemas job shop.
En los sistemas ow shop, cada trabajo se procesa por todos algunos de los procesadores siguiendo un orden prejado por un patrn comn. Dicho
orden es relevante y es siempre el mismo, es decir,
todos los trabajos deben seguir un mismo patrn de
ujo, esto es, la misma trayectoria de mquinas. No
es necesario que un trabajo j pase por todas las mquinas. Si el trabajo j no se procesa por la mquina
i se considera pij = 0. De esta manera se engloba
tambin los problemas ow-shop en los que no todos los trabajos tengan que ejecutarse en todas las
mquinas. Obsrvese que un sistema ow-shop se
parece a una cadena de montaje, sin embargo, existen algunas diferencias entre ellos. En primer lugar,
en un sistema ow-shop puede existir una gran variedad de trabajos mientras que en una cadena de
montaje es un producto estndar el que se procesa.
En segundo lugar, los trabajos del ow shop no tienen por que ser procesados por todas las mquinas
ya que un trabajo puede prescindir de una o varias
mquinas. Sin embargo, todos los trabajos de una
cadena de montaje han de pasar por todas las mquinas de la cadena. En tercer lugar, en el ow-shop
la actuacin de una mquina sobre un trabajo no
depende de la mquina precedente en dicho trabajo, mientras que en una cadena de montaje si existe
tal dependencia. Finalmente, en el ow-shop cada
trabajo tiene su propio tiempo de procesamiento en
cada mquina, mientras que en una cadena de montaje el tiempo de procesamiento de los trabajos en
una mquina es el mismo para todos ellos.
En los sistemas open shop, cada trabajo se procesa por todos los procesadores y el procesamiento
puede realizarse en cualquier orden. Es decir, en

un sistema open-shop, cada trabajo Jj consiste en
un conjunto (y no cadena) de mj = m operaciones
O1j , . . . , Omj , donde Oij se procesa en la mquina
Mi en un tiempo pij . Es decir, se han numerado las
operaciones del trabajo Jj de modo que la operacin Oij se realiza en la mquina i, ij = i, j . A
diferencia con los problemas ow shop, el orden en
que se realicen las operaciones es irrelevante.
interesa dejar un trabajo si retomarlo nos obliga a

repetir lo que de l habamos hecho. Los modelos
con interrupciones se denotan con el trmino pmtn
en el campo . (b) Relaciones de precedencia. Caracterizan las relaciones de dependencia o precedencia entre trabajos. Dos trabajos u operaciones sern
dependientes si el comienzo de la ejecucin de uno
de ellos est condicionada a la conclusin previa
del otro. Estas relaciones se suelen representar con
un grafo dirigido acclico que, en ocasiones, puede
ser tipo rbol. (c) Existencia de fechas de disponibilidad, que permite distinguir entre los problemas
estticos (todos los trabajos estn disponibles desde el instante inicial), de los problemas dinmicos,
en los que cada trabajo tiene su propio instante de
disponibilidad. (d) Cotas al nmero de operaciones.
En ocasiones, y especialmente en los problemas job
shop donde el nmero de operaciones puede ser superior al nmero de mquinas, puede ser conveniente acotar superiormente el nmero de operaciones.
(e) Tiempos de proceso. Muchos problemas son resolubles con tiempos de proceso unitarios y no lo
son con tiempos de proceso generales. (f) Recursos adicionales. En ocasiones, puede considerarse
en el modelo de planicacin la existencia de recursos adicionales. Conviene notar que las mquinas y
los recursos adicionales son conceptos distintos desde el mismo momento en que se empieza a construir
el modelo de planicacin. As, lo que consideramos
como mquina en un modelo, quizs lo podamos
considerar como recurso adicional en otro modelo,
y viceversa.
En los sistemas job shop, el subconjunto de mquinas que procesa un trabajo y el orden de proceso son arbitrarios pero conocidos a priori. Es decir,
en un sistema job-shop, cada trabajo Jj consiste
en una cadena de mj operaciones O1j , . . . , Omj j .
No tiene por que ser mj = m. Incluso puede ser
mj > m, con lo que puede presentarse la situacin en la que alguna mquina procese dos o ms
operaciones de un mismo trabajo. La trayectoria de
mquinas de cada trabajo esta dada pero no tiene
que ser la misma para todos los trabajos. Es decir,
Oij se procesa en la mquina ij en un tiempo pij .
Cualquier empresa de manufacturas que no se dedique en masa a la produccin de un nico producto
tiene problemas de planicacin similares al job shop. Cada producto tiene su propia ruta a travs
de las diferentes reas de trabajo y mquinas de la
factora. Ntese que los problemas ow-shop pueden
considerarse como un caso particular de los problemas job-shop en los que todos los trabajos siguen
el mismo patrn de ujo o trayectoria de mquinas.
As una editorial que debe planicar la produccin
de varios libros a travs de los departamentos de
escritura, impresin, encuadernado, y empaquetado 2.3. Criterios de optimalidad
sera un problema ow-shop con cuatro mquinas;
El tercer y ltimo campo expresa el nmero de
cada departamento es una mquina y los trabajos,
funciones
objetivo a considerar, sus caractersticas
es decir, los libros, uyen en el orden escritura, imy,
en
caso
de ms de un criterio, el tipo de optimipresin, encuadernado, y empaquetado.
zacin en el que se est interesado, es decir, si se
2.2. Caractersticas de los trabajos
buscan puntos ecientes, puntos extremos, realizar
Las condiciones impuestas por los trabajos pa- una optimizacin simultnea o una optimizacin jera su ejecucin se recogen en el segundo campo , rrquica.
que se estructura a su vez en diversos subcampos o
parmetros en relacin, entre otros, a los siguientes
conceptos caractersticos de los trabajos: (a) Interrupciones. Permitir interrupciones signica que el
procesamiento de cualquier operacin puede interrumpirse y continuarse ms tarde. Las interrupciones tienen sentido slo si se puede retomar el
trabajo en el estado en el que se haba dejado. No
Recordamos que, jada la planicacin, podemos calcular para cada trabajo las siguientes variables (ver tambin la Figura 1): (1) El tiempo de
completacin Cj , que indica el instante en el que el
procesamiento del trabajo Jj concluye. (2) La demora Lj = Cj dj , donde una demora positiva
indica la tardanza en la completacin del trabajo,
mientras que, la conclusin del trabajo anticipada15
mente a su fecha lmite dj se indica por una demora

negativa o adelanto, cuyo valor absoluto es la cantidad de tiempo anticipada. (3) La tardanza, que
viene dada por Tj = max{0, Lj }, indica el retraso
en la ejecucin del trabajo Jj . (4) El indicador de
trabajo tardo Uj , que valdr 1 si el trabajo no se
concluye antes de su fecha lmite, es decir, Uj = 1
si Cj > dj , y 0 en cualquier otro caso.
En funcin de las variables anteriores se denen
las funciones objetivo a minimizar. Estas pueden
hacer referencia al coste mximo o al coste total.
Sea pues k uno de los criterios considerados, con
1 k K , siendo K el nmero total de criterios
que intervienen en el problema. Dicha funcin ser,
en general, una funcin k = k (C1 , . . . , Cn ) de los
tiempos de completacin (Cj , j = 1, . . . , n). Usualmente, aunque no siempre, se trabaja con funciones
crecientes de los tiempos de completacin. Este tipo de funciones se denominan funciones regulares.
Dependiendo de la naturaleza del problema interesar o no incorporar tiempo ocioso en la mquina.
Normalmente suelen ser funciones de tipo mximo
k
( k = fmax
= maxj=1,...,n {fjk }), o de tipo suma
Pn
k
k
k
k
( =
j=1 fj ), donde fj = fj (Cj ) es el costo
asociado, en el criterio k , a terminar el trabajo j en
el instante de tiempo Cj .
Cabe destacar que la clasicacin triparamtrica
|| es una clasicacin abierta. Los nuevos problemas de planicacin que se han investigado a lo
largo de los aos, y que se siguen investigando hoy
en da, se han ido incorporando a versiones extendidas y ampliadas de dicha clasicacin.
3. Diferentes problemas de
planicacin
En esta seccin comentaremos diferentes dicotomas, o modelos de alguna manera contrapuestos (aunque no siempre mutuamente excluyentes),
que se han considerado en la literatura especializada
sobre modelos de Planicacin, aportando referencias bibliogrcas actualizadas.
3.1. Planicacin determinstica versus

planicacin estocstica
Cuando todos los datos asociados al problema de
planicacin (ya comentados en la seccin 2), son
constantes conocidas, estamos ante un problema de
planicacin determinstica. Si alguno (o algunos)
de dichos datos son variables aleatorias, entonces
16
estamos ante problemas de planicacin estocstica. Para la resolucin de muchos problemas reales
es suciente utilizar modelos de planicacin determinstica, mientras que para otros se precisa necesariamente los modelos de planicacin estocstica,
ya que estos pueden recoger y modelizar mejor la
realidad intrnseca del problema en cuestin. Por
ejemplo, si se producen averas de las mquinas que
intervienen en un proceso productivo o en cualquier
otro problema de planicacin, la modelizacin de
los periodos de tiempo entre averas (mquinas disponibles) y de reparacin de las mismas (duracin
de la avera), se podr hacer mejor con una variable aleatoria que con un valor numrico constante.
En los modelos estocsticos tambin se sigue trabajando con la clasicacin triparamtrica ||
comentada anteriormente e inicialmente propuesta
por Graham et al. (1979). No obstante, y como es
lgico y natural, la variacin de los tres campos recogida en los parmetros , , y se amplia notablemente para poder reejar las caractersticas de
las variables aleatorias que intervienen como dato
en el problema, y la naturaleza de la optimizacin
perseguida, ya que podemos optimizar en esperanza (valor esperado ptimo) y de otras maneras. En
cualquier caso, es siempre ms difcil desarrollar un
marco o esquema de clasicacin que recoja toda
la variabilidad de los modelos de planicacin estocstica.
En muchas ocasiones podemos entender los problemas de planicacin determinstica como un caso
particular de los de planicacin estocstica donde
los datos numricos son variables aleatorias constantes. Generalmente los problemas estocsticos son
ms difciles de resolver que su correspondiente contraparte determinstica. Esto, no obstante, no es
una regla general y tiene excepciones importantes. Por ejemplo, es conocido que el problema determinstico P ||Cmax consistente en minimizar el
instante nal de completacin (makespan , en ingls, Cmax ) de todos los trabajos es NP-duro, incluso en el caso de dos mquinas P 2||Cmax (Karp
(1972)). Sin embargo, la versin estocstica, y en el
caso exponencial P 2|Xj exp(j )|E[Cmax ] , donde Xj exp(j ) denota que los tiempos de proceso
(variables Xj ) son variables aleatorias exponenciales (de parmetro j ), es un problema que se resuelve polinomialmente con la regla LEP T (longest expected processing time rst ) (vase Bruno y
Downey (1977), Pinedo y Weiss (1979)).

Algunas referencias, que podemos citar como
punto de partida para el lector interesado en planicacin determinstica, son las siguientes: Baker
(1974), French (1982), Graham et al. (1979), Dempster et al. (1982), Lawler et al. (1982, 1993), Alcaide (1995), Pinedo (2002, 2005), Chrtienne et al.
(1995), Blazewicz et al. (2007), Brucker (2007), Levner et al. (2007). En cuanto a planicacin estocstica podemos destacar: Dempster et al. (1982), Pinedo (2002), Chrtienne et al. (1995), Weiss (1982,
1995), Rodrguez-Gonzlez (1999). El trabajo de
Weiss (1995) puede ser una buena gua para familiarizarse con los modelos de planicacin estocstica.
3.2. Planicacin unicriterio versus

planicacin multicriterio
Cuando se pretende optimizar un nico objetivo
estamos ante problemas y modelos de planicacin
unicriterio. Las caractersticas del mismo se recogen
en el tercer campo, en el parmetro como ya hemos
comentado. Si intervienen varios criterios estamos
ante modelos de planicacin multicriterio, y el parmetro se convierte en un vector de parmetros.
A la hora de resolver los problemas de planicacin
multicriterio podemos utilizar todas las tcnicas de
optimizacin multicriterio, con la dicultad aadida de los problemas de planicacin, ya que suelen
ser relativamente fciles de plantear, pero, normalmente, muy difciles de resolver. Referencias importantes en planicacin multicriterio son los trabajos
de Hoogeveen (Hoogeveen (1992, 2005)), y las referencias que en ellos se citan.
3.3. Planicacin sin robots versus

planicacin con robots que trasladan
los trabajos
En numerosos problemas de planicacin, sobre
todo en procesos industriales y procesos productivos, conviene tratar de manera diferenciada las mquinas, estaciones de trabajo o fases del proceso, de
los robots o mecanismos que mueven los trabajos de
unas fases a otras, de unas mquinas a otras, o de
unas estaciones de trabajo a otras. En estos casos
es especialmente conveniente considerar los robots
o unidades que trasportan los trabajos dentro del
modelo. En algunos modelos se consideran dichos
robots como mquinas adicionales y se modelizan
como ellas. Esto ocurre por ejemplo en algunos trabajos de Timkovsky (ver Timkovsky (2004) y las re-
ferencias all citadas). Normalmente se le suele dar a

los robots o entidades que transportan los trabajos
un tratamiento ms diferenciado de las otras mquinas que aparecen en el modelo. Referencias representativas de este tema pueden encontrarse, entre
otros, en Hall (1999), Hall et al. (1998), Levner et
al. (2007), y las referencias all citadas.
3.4. Planicacin no peridica versus

planicacin cclica o peridica
Existe un inters creciente en los modelos de planicacin cclica o peridica (cyclic scheduling en
la terminologa inglesa). Esto ocurre tanto desde el
punto de vista de la literatura especializada en planicacin como entre los usuarios ms pragmticos
del mundo industrial y empresarial. Existen numerosos ejemplos de aplicaciones de los modelos de planicacin cclica (peridica) en diferentes industrias
(ver por ejemplo Hall (1999), Pinedo (2002)), control automtico (Romanovskii (1967), Cohen et al.
(1985)), computaciones multiproceso (Hanen y Munier (1995a, 1995b), Kats y Levner (2003)), robtica
(Livshits et al. (1974), Kats y Mikhailettskii (1980),
Kats (1982), Sethi et al. (1992), Lei (1993), Kats y
Levner (1997), Hall (1999), Crama et al. (2000),
Agnetis y Pacciarelli (2000), Dawande et al. (2005,
2007)), y en comunicaciones y transporte (Dausha
et al. (1985), Sharma y Paradkar (1995), Kubiak
(2005)). Las ventajas de los planteamientos de planicacin cclica (peridica) frente a la planicacin
convencional (no peridica) en procesos exibles de
produccin (exible manufacturing systems), han
sido ampliamente discutidas en la literatura especializada. El lector interesado puede acudir, entre
otros, a los trabajos de Karabati y Kouvelis (1996),
Lee y Posner (1997), Hall et al. (2002), Seo y Lee
(2002), Timkovsky (2004), Levner et al. (2007) y las
numerosas referencias all citadas.
La idea fundamental de la planicacin cclica
(peridica) es que el horizonte temporal es innito,
no tiene n, y la produccin se planica en ciclos
o periodos que se repiten peridicamente (y valga
la redundancia) uno detrs de otro. Para planicar
estos ciclos suele considerarse el concepto de MPS
(minimal part set) introducido por Hitz (1980).
As, si el objetivo de la produccin consiste en producir 200 unidades del producto A, 300 unidades del
producto B, y 500 unidades del producto C, entonces el MPS consiste en dos unidades del producto
17
A, tres del B, y 5 del C, es decir, 10 unidades, cuya

sis Doctoral. Departamento de Estadstica, Inproduccin debe repetirse 100 veces para completar
vestigacin Operativa y Computacin. Univerel objetivo de la produccin total. En estos problesidad de La Laguna. Tenerife. Espaa. Publicamas, si lo que interesa es maximizar la produccin,
do tambin por el Servicio de Publicaciones de
el problema resulta equivalente a encontrar una plala Universidad de La Laguna. Soportes Audionicacin cclica donde la longitud del ciclo o periovisuales e Informticos. Serie Tesis Doctorales.
do T sea mnima. Estos problemas suelen ser muy
Curso 1995/96. Ciencias y Tecnologas. Vol. 10.
interesantes y tienen grandes conexiones con probleServicio de Publicaciones Universidad de La Lamas sobre grafos. Como referencias representativas
guna, 2004.
en planicacin cclica podemos citar, entre otros, [3] Alcaide, D., C. Chu, V. Kats, E. Levner, G.
a Romanovksii (1967), Dantzig et al. (1967), DausSierksma. (2007). Cyclic multiple-robot scheducha et al. (1985), Chrtienne (1991), Hanen y Muling with time-window constraints using a critinier (1995a), Hall (1999), Hall et al. (1998), Hall et
cal path approach. European Journal of Operaal. (2002), Ioachim et al. (2001), Ioachim y Soumis
tional Research, 177, 147-162.
(1995), Hanen (1994, 2008), Karabati y Kouvelis
(1996), Crama et al. (2000), Brucker y Kampmeyer [4] Baker, K.R. (1974). Introduction to Sequencing
(2005), Kampmeyer (2006), Dawande et al. (2005,
and Scheduling, John Wiley.
2007), Kats y Levner (1997, 1998, 2003), Levner
y Kats (1998), Alcaide et al. (2007), Levner et al. [5] Blazewicz, J., K. Ecker, E. Pesch, G.Schmidt,
J. Weglarz. (2007). Handbook of Scheduling
(2007), Kats et al. (2008), Levner et al. (2008); y
Theory, Springer, Berlin.
tambin a las numerosas referencias all citadas.
4. Conclusiones
[6] Brucker, P. (2007). Scheduling Algorithms,

Springer, Berlin.
El presente trabajo es una pequea gua de referencia para construir modelos de planicacin que [7] Brucker, P., T. Kampmeyer. (2005). Tabu
search algorithms for cyclic machine algorithms
incluye diversa bibliografa actualizada. Creemos
for cyclic machine scheduling problems. Journal
que puede ser til tanto para aquellos que se iniof Scheduling, 8, 303-322.
cien en el apasionante mundo de la resolucin de
problemas de planicacin como para los lectores [8] Bruno, J., P. Downey. (1977). Sequencing tasks
ms experimentados en estos temas.
with exponential service times on two machines.
Technical Report. Department of Electrical EnAgradecimientos
gineering and Computer Science. University of
El autor quiere expresar su gratitud a todos
California, Santa Brbara.
aquellos investigadores y compaeros con los que
[9] Chrtienne, P. (1991). The basic cyclic scheha trabajado en el estudio y construccin de modeduling problem with deadline. Discrete Applied
los y algoritmos para la resolucin de problemas de
Mathematics, 30, 109-123.
planicacin. Este trabajo est parcialmente nanciado por los Proyectos de Investigacin MTM2006- [10] Chrtienne, P., E.G. Coman, Jr., J.K. Lens10170 y MTM2007-60928 del Gobierno de Espaa,
tra, Z. Liu, eds. (1995). Scheduling Theory and
los cuales cuentan con la ayuda de Fondos Europeos
Its Applications, Wiley.
para el Desarrollo Regional.
[11] Cleland, D.I., R.W. King, eds. (1988). ProReferencias
ject Management Handbook, Van Nostrand[1] Agnetis, A., D. Pacciarelli. (2000). Part sequenReinhold. NY.
cing in three-machine no-wait robotic cells. Ope[12] Cohen, G., D. Dubois, J.P. Quadrat, M. Viot.
rations Research Letters, 27, 185-192.
(1985). A linear system theoretic view of discrete event processes and its use for performan[2] Alcaide Lpez de Pablo, D. (1995). Problemas
ce evaluation in manufacturing. IEEE Transacde Planicacin y Secuenciacin Determinstitions on Automatic Control, 30, 210-220.
ca: Modelizacin y Tcnicas de Resolucin, Te18
[13] Crama, Y., V. Kats, J. van de Klundert, E. [24] Hall, N.G., H. Kamoun, C. Sriskanadarajah.
Levner. (2000). Cyclic scheduling in robotic
(1998). Scheduling in robotic cells: complexity
owshops. Annals of Operations Research, 96,
and steady state analysis. European Journal of
97-124.
Operational Research, 109, 43-65.
[14] Dantzig, G.B., W. Blattner, M.R. Rao. (1967). [25] Hall, N.G., T.E. Lee, M.E. Posner. (2002). The
complexity of cyclic shop scheduling problems.
Finding a cycle in a graph with minimum cost to
Journal of Scheduling, 5, 307-327.
time ratio with application to a ship routing problem. P. Rosenstiehl, ed. Theory of Graphs. Du- [26] Hanen, C. (1994). Study of a NP-hard cynod, Paris, and Gordon and Breach, New York,
clic scheduling problem: The recurrent job-shop.
77-84.
European Journal of Operational Research, 72,
82-101.
[15] Dauscha, W., H.D. Modrow, A. Neumann.
(1985). On cyclic sequence types for construc- [27] Hanen, C. (2008). Cyclic Scheduling: An
Introduction. Universite Paris X Nanteting cyclic schedule Zeitschrift fur Operations
rre/LIP6 UPMC, available at http://graal.ensResearch, 29, 1-30.
lyon.fr/ fvivien/EPIT/Slides/Hanen.pdf.
[16] Dawande, M., H.N. Geismer, S.P. Sethi, C.
Sriskandarajah. (2005). Sequencing and schedu- [28] Hanen, C., A. Munier. (1995a). Cyclic scheduling on parallel processors: An overview. P.
ling in robotic cells: Recent developments. JourChrtienne, E.G. Coman, Jr., J.K. Lenstra,
nal of Scheduling, 8, 387-426.
Z. Liu, eds. Scheduling Theory and Its Appli[17] Dawande, M.N., H.N. Geismer, S.P. Sethi, C.
cations. Wiley, 194-226.
Sriskandarajah. (2007). Throughput Optimiza- [29] Hanen, C., A. Munier. (1995b). A study of the
tion in Robotic Cells, Springer, Berlin.
cyclic scheduling problem on parallel processors.
[18] Dempster, M.A.H., J.K. Lenstra, A.H.G. Rinnooy Kan (eds.) (1982). Deterministic and Stochastic Scheduling, NATO Advanced Study Institutes Series, serie C, vol. 84.
[19] Emmons, H. (1969). One-machine sequencing
to minimize certain functions of job tardiness.
Oper. Res., 17, 701-715.
Discrete Applied Mathematics, 57, 167-192.
[30] Hitz, K.L. (1980). Scheduling of ow shops II.

Report No. LIDS-R-879, Laboratory for Information and Decision Systems, MIT, Cambridge, MA.
[31] Hoogeveen, J.A. (1992). Single-Machine Bicriteria Scheduling, PhD Thesis. CWI, The Netherlands Technology, Amsterdam.
[20] French, S. (1982). Sequencing and Scheduling,

[32] Hoogeveen, J.A. (2005). Multicriteria scheduan Introduction to the Mathematics of the Job
ling. European Journal of Operational Research,
Shop., Ellis Horwood Series.
167, 592-623.
[21] Garey, M., D. Johnson. (1979). Computers and [33] Ioachim, I., E. Sanlaville, M. Lefebvre. (2001).
Intractability: A Guide to the Theory of NPThe basic cyclic scheduling model for robotic
Completeness, W.H. Freeman and Company,
owshops. INFOR, 39, 257-277.
San Francisco.
[34] Ioachim, I., F. Soumis. (1995). Schedule e[22] Graham, R.L., E.L. Lawler, J.K. Lenstra,
A.H.G. Rinnooy Kan. (1979). Optimization and
approximation in deterministic sequencing and
scheduling: A survey. Annals of Discrete Mathematics, 5, 287-326.
ciency in a robotic production cell. International Journal of Flexible Manufacturing Systems,

7, 5-26.
[35] Jackson, J.R. (1955). Scheduling a production

line to minimize maximum tardiness. Research
Report 43, Management Science Research Pro[23] Hall, N.G. (1999). Operations research techniject, UCLA.
ques for robotic system planning, design, control and analysis. S.Y. Nof, ed. Handbook of In- [36] Johnson, S.M. (1954). Optimal two and three
dustrial Robotics, Vol. II, John Wiley, 543-577
stage production schedules with setup includes.
(Chapter 30).
Naval Research Logistic Quarterly, 1, 61-68.
19
[37] Kampmeyer, T. (2006). Cyclic Scheduling Pro- [48] Lawler, E.L., J.K. Lenstra, A.H.G. Rinnooy
blems, PhD thesis, University of Osnabrck,
Kan. (1982). Recent developments in determiGermany.
nistic sequencing and scheduling: a survey. Dempster, M.A.H., J.K. Lenstra, A.H.G. Rinnooy
[38] Karabati, S., P. Kouvelis. (1996). Cyclic scheKan (eds.) Deterministic and stochastic scheduling in ow lines: Modelling, observations, efduling. NATO Advanced Study Institutes Series,
fective heuristics and a cycle time minimization
serie C, vol. 84.
procedure. Naval Research Logistics, 43, 211[49] Lawler, E.L., J.K. Lenstra, A.H.G. Rinnooy
231.
Kan, D.B. Shmoys. (1993). Sequencing and
[39] Karp, R.M. (1972). Reducibility among combischeduling: algorithms and complexity. Graves,
natorial problems. R.E. Miller, J.W. Thatcher,
S.C., A.H.G. Rinnooy Kan, P.H. Zipkin (eds.)
eds. Complexity of Computer Computations.
Handbooks in Operations Research and ManagePlenum Press, New York, 85-100.
ment Science, captulo 9, vol. 4, North Holland.
[40] Kats, V. (1982). An exact optimal cyclic sche- [50] Lee, T.E., M.E. Posner. (1997). Performance
duling algorithm for multioperator service of a
measures and schedules in periodic job shops.
production line. Automation and Remote ConOperations Research, 45, 72-91.
trol, 422, 538-543.
[51] Lei, L. (1993). Determining the optimal starting times in a cyclic schedule with a given
[41] Kats, V., L. Lei, E. Levner. (2008). Minimiroute. Computers and Operations Research, 20,
zing the cycle time of multiple-product proces807-816.
sing networks with a xed operation sequence
and time-window constraints. European Journal [52] Levner, E., V. Kats. (1998). A parametrical critical path problem and an application for cyclic
of Operational Research, 187, 1196-1211.
scheduling. Discrete Applied Mathematics, 87,
[42] Kats, V., E. Levner. (1997). A strongly polyno149-158.
mial algorithm for no-wait cyclic robotic ows[53]
Levner, E., V. Kats, D. Alcaide Lpez de Pahop scheduling. Operations Research Letters,
blo. (2007). Cyclic scheduling in robotic cells:
21, 171-179.
An extension of basic models in machine sche[43] Kats, V., E. Levner. (1998). Cyclic scheduling
duling problems. E. Levner, ed. Multiprocessor
of operations for a part type in an FMS handScheduling, Theory and Applications. I-Tech.
led by a single robot: a parametric critical-path
Publishers, Vienna, Austria, 436 pp.
approach. International Journal of Flexible Ma[54] Levner, E., V. Kats, D. Alcaide Lpez de Panufacturing Systems, 10, 129-138.
blo, T.C.E. Cheng. (2008). A survey of cy[44] Kats, V., E. Levner. (2003). Polynomial algoclic scheduling problems: complexity, algorithms
rithms for periodic scheduling of tasks on paraand applications. Unpublished manuscript.
llel processors. L.T. Yang, M. Paprzycki, eds. [55] Livshits, E.M., Z.N. Mikhailetsky, E.V. ChervPractical Applications of Parallel Computing:
yakov. (1974). A scheduling problem in an auAdvances in Computation Theory and Practitomated ow line with an automated operator.
ce, Vol. 12, Nova Science Publishers, Canada,
Computational Mathematics and Computerized
363-370.
Systems, 5, 151-155 (Russian).
[45] Kats, V.B., Z.N. Mikhailetskii. (1980). Exact [56] McNaughton, R. (1959). Scheduling with deadlines and loss functions. Management Sci., 6, 1solution of a cyclic scheduling problem. Auto12.
mation and Remote Control, 4, 187-190.
[57]
Moore, J.M. (1968). An n job, one machine se[46] Kubiak, W. (2005). Solution of the Liuquencing
algorithm for minimizing the number
Layland problem via bottleneck just-in-time seof late jobs. Management Science, 15, 102-109.
quencing. Journal of Scheduling, 8, 295-302.
[58] Muntz, R.R., E.G. Coman Jr. (1969). Optimal preemptive scheduling on two processor
[47] Lawler, E.L. (1976). Combinatorial Optimizasystems. IEEE Trans. Computers C, 18, 1014tion: Networks and Matroids, Holt, Rinehart
1020.
and Winston, New York.
20
[59] Muntz, R.R., E.G. Coman Jr. (1970). Preem- [67] Serani, P. (1996). Scheduling jobs on several
ptive scheduling of real time tasks on multipromachines with the job splitting property. Opecessor systems. J. Assoc. Comput. Mach., 17,
rations Research, 44, 617-628.
324-338.
[68] Sethi, S.P., C. Sriskandarajah, G. Sorger, J.
Blazewicz, W. Kubiak. (1992). Sequencing of
[60] Pinedo, M. (2002). Scheduling: Theory, Algoparts and robot moves in a robotic cell. Interrithms and Systems, Prentice Hall, N.J.
national Journal of Flexible Manufacturing Systems, 4, 331-358.
[61] Pinedo, M. (2005). Planning and Scheduling
in Manufacturing and Services, Springer, New [69] Sharma, R.R.K., S.S. Paradkar. (1995). Modelling a railway freight transport system. Asia
York.
Pacic Journal of Operational Research, 12, 17[62] Pinedo, M., G. Weiss. (1979). Scheduling on
36.
stochastics tasks on two parallel processors. Na[70] Shtub, A., J. Bard, S. Globerson. (1994).
val Research Logistics Quarterly, 26, 527-535.
Project Management, Prentice Hall, Englewood
Clis.
[63] Rodrguez-Gonzlez, A. (1999). Cuestiones
Notables sobre Problemas de Planicacin Es- [71] Smith, W.E. (1956). Various optimizers for sintocstica, Memoria de Licenciatura. Departagle stage production. Naval Research Logistic
mento de Estadstica, Investigacin Operativa
Quarterly, 3, 59-66.
y Computacin. Universidad de La Laguna. Te- [72] Timkovsky, V.G. (2004). Cyclic shop schedunerife. Espaa.
ling. Leung, J.Y.-T. ed. Handbook of scheduling:
algorithms, models, and performance analysis.

[64] Romanovskii, I.V. (1967). Optimization of staChapman and Hall/CRC, 7.1-7.22.
tionary control of a discrete deterministic process. Kybernetika (Cybernetics), 3, 66-78.
[73] Weiss, G. (1982). Multiserver stochastic
scheduling. Dempster, M.A.H., J.K. Lenstra,
[65] Romero-Lpez, C. (1983). Tcnicas de PlaniA.H.G. Rinnooy Kan (eds.) Deterministic and
cacin y Control de Proyectos, Editorial Pirstochastic scheduling. NATO Advanced Study
mide. Madrid.
Institutes Series, serie C, vol. 84.
[66] Seo, J.W., T.E. Lee. (2002). Steady-state [74] Weiss, G. (1995). A tutorial in stochastic scheanalysis and scheduling of cycle job shops with
duling. P. Chrtienne, E.G. Coman, Jr., J.K.
overtaking. International Journal of Flexible
Lenstra, Z. Liu, eds. Scheduling Theory and Its
Manufacturing Systems, 14, 291-318.
Applications. Wiley, 33-64.
21

REDES SOCIALES
1
Qu tienen en comn entidades tan aparentemente diferentes como la Web, la difusin del VIH
en una colectividad, las citas de los autores cientcos, los consejos de administracin de las grandes
empresas, la corrupcin urbanstica o el sistema de
protenas de un organismo? Tienen en comn, al
menos, que todas estas entidades se pueden considerar, desde algn punto de vista, redes sociales, en
sentido amplio, y que son, por tanto, susceptibles de
ser estudiadas con las herramientas del anlisis de
redes sociales. En muchos casos, dichas redes participan, adems, del concepto de complejidad que
recuerda el profesor Sanjun: ". . . las leyes que describen el comportamiento de los sistemas complejos son cualitativamente diferentes de las que gobiernan las unidades de que estn compuestos."
Conrado Manuel1 y Juan Tejada2
Dpto. Estadstica e Investigacin Operativa III

Universidad Complutense de Madrid
2
Dpto. Estadstica e Investigacin Operativa I
Universidad Complutense de Madrid
a todas ellas. Una visin general de los resultados

conseguidos en este terreno puede verse en Newman
(2003) [1].
Con un nivel mayor de detalle, podemos distinguir algunos tipos de redes en los que es posible
sealar intereses especcos y pasar luego a las propiedades que parecen ser comunes a una amplia variedad de ellas.
Redes Sociales
Una red social es un conjunto de personas o grupos con una estructura de relciones o interacciones
entre ellos. Desde los aos treinta, los socilogos
tienen en cuenta este tipo de estructuras de relaciones para comprender el funcionamiento de la sociedad. En el contexto sociolgico los estudios tpicos
se dirigen a conceptos como la centralidad (qu inEl esqueleto o armazn de dichos sistemas puedividuos son ms importantes, estn mejor conectade ser visto como una red. Una red es un conjunto
dos con otros y tienen mayor poder o inuencia), la
de nodos con conexiones entre ellos llamadas arcos
conectividad (de qu manera los individuos estn
(unidireccionales) o aristas (bidireccionales). Como
conectados con otros dentro de la red), la centradecamos, tenemos ejemplos de redes en muy difelizacin (distribucin de la centralidad) o la coherentes contextos: Internet, las redes neuronales, la
sividad (tendencia de los individuos a mantenerse
red de vasos sanguneos, la de citas de los artculos
unidos persiguiendo sus metas o resistencia de un
cientcos, la de las rutas areas, la de las alianzas
grupo conexo a romperse).
y conexiones entre grupos terroristas y un largo etctera. El estudio de las redes bajo el enfoque de
Redes de Informacin
la Teora Matemtica de Grafos es uno de los pilaTambin llamadas a veces Redes de Conocimienres de la Matemtica Discreta. La elegante solucin
to. El ms clsico ejemplo es la red de citas entre
del Problema de los Puentes de Knigsberg que en
artculos acadmicos. Aqu los arcos son dirigidos
1735 obtuviera Euler es, a menudo, considerada coy la red se conoce como digrafo. Es acclica pues
mo la primera demostracin en Teora de Grafos.
es imposible citar artculos no escritos. Un tema de
Desde entonces esta disciplina se ha desarrollado
obvio inters es la distribucin del nmero de citas.
hasta convertirse en un amplio cuerpo de conociPrice (1965) [11] puso de maniesto que en esta red,
miento.
tanto el grado de entrada como el de salida de cada
En los ltimos aos el Anlisis de Redes se cen- nodo sigue una ley de tipo potencial. Otra red de
tra en la bsqueda de propiedades especcas del informacin muy importante hoy en da es la World
tipo de redes concreto que se est estudiando, pero Wide Web que es la red de pginas Web. Estas ptambin en examinar propiedades que son comunes ginas contienen informacin de diferentes tipos y
4
estn unidas por enlaces. No debe ser confundida

con Internet que es una red fsica de ordenadores
unidos por bra ptica u otra forma transmisin de
datos. Aunque la World Wide Web es cclica, a diferencia de la de citas acadmicas, mantiene distribuciones de tipo potencial para el grado de entrada
y de salida. El traslado a este contexto de conceptos
y soluciones de la teora clsica de redes sociales, ha
dado lugar a uno de los mayores xitos tecnolgicos
y empresariales: Google.
Redes Tecnolgicas
Son redes habitualmente diseadas para distribuir un recurso: la red elctrica, la telefnica, la
ferroviaria, Internet, la de rutas areas. . . Estas redes estn extendidas por el mundo entero y las
conexiones son una funcin no sucientemente conocida de la relacin entre lo que es tecnolgicamente deseable y lo que es geogrcamente alcanzable.
Redes Biolgicas
En este campo, encontramos ejemplos de redes
de biomolculas como el de la red de regulacin entre genes o el de la red de las interacciones fsicas
entre las protenas de un organismo. En esta ltima,
por ejemplo, se vincula su esencialidad a la centralidad en dicha red. Sakata y Yamamori (2007) [13]
establecen otra sorprendente relacin al mostrar las
similitudes topolgicas entre redes complejas asociadas al cerebro y las redes sociales de amistad.
A pesar de la variedad de situaciones que pueden
modelarse como redes, existen ciertas propiedades
que son extensivas a la mayor parte de estas redes.
Algunas de ellas son las siguientes:
1. El efecto pequeo mundo: Se conoce as el
hecho de que la mayor parte de los nodos conectados en las redes estn unidos por un pequeo nmero de intermediarios (que varan
de unas parejas de nodos a otras). Como consecuencia, la transmisin de la informacin es
rpida, el nmero de escalas en viajes areos
para alcanzar cualquier destino es pequeo, el
tiempo que una infeccin tarda en propagarse
por una poblacin, breve, etc.
2. Transitividad o formacin de clusters o
bloques: En la mayora de las redes se observa que si el vrtice A est conectado con el B
y ste con el C, entonces existe una probabilidad alta de que A est conectado con C. En
el lenguaje de las redes sociales: El amigo de
tu amigo es verosmilmente tu amigo.
3. Distribuciones del grado: Si se considera
la distribucin del grado de los vrtices puede comprobarse empricamente, que en la mayor parte de los grafos dicha distribucin tiene una larga cola derecha de valores que estn
muy por encima de la media. Sobre los resultados existentes respecto a la distribucin del
grado y del mximo grado pueden encontrarse
mltiples referencias en Newman (2003) [1].
4. Resistencia de las redes a romperse: Si
se eliminan vrtices de una red la longitud de
los caminos de conexin entre nodos aumenta
pudiendo llegar a crearse diferentes componentes conexas. Diferentes redes varan en su
resistencia a esta desconexin. Sin embargo, el
estudio de esta resistencia es de vital importancia en algunos contextos, por ejemplo en
epidemiologa, donde la eliminacin de vrtices se asocia con la vacunacin de individuos
contra una enfermedad. La consideracin de
la ecacia de diferentes estrategias de vacunacin puede conducir a ventajas sustanciales
para la Salud Pblica. Estudios sobre Internet
(y la Web) sugieren una alta resistencia a la
eliminacin aleatoria de nodos pero una gran
vulnerabilidad a ataques deliberados a nodos
con alto grado.
5. Diferentes tipos de vrtices: Es frecuente la existencia de diferentes tipos de vrtices en una red y las probabilidades de conexin entre ellos depende a menudo de los
tipos. Por ejemplo, en una red alimenticia
en la que se representa qu especies se alimentan de otras en un ecosistema, inmediatamente se distinguen plantas, herbvoros y
carnvoros. Muchos arcos relacionan plantas
y herbvoros y, tambin, herbvoros y carnvoros pero pocos relacionan herbvoros con otros
herbvoros y carnvoros con plantas. En Internet se distinguen los nodos correspondientes
a los proveedores, los consumidores y los de
las ISP que unen a unos con otros. En las redes sociales este tipo de relaciones selectivas
se conocen como homolias.
5
En el caso de las redes sociales es posible poner el acento sobre determinados temas especcos
que se han analizado en el contexto de la Sociologa
desde principios del siglo pasado y que tambin han
sido aplicados a otros tipos de redes complejas.
El concepto de centralidad busca determinar
quin tiene la llave en una red social. Es una nocin no claramente denida que suele introducirse
a menudo de una manera indirecta. Suele decirse
que un individuo tiene alta centralidad en una red
si
nodo jo se dene como el nmero de tales trayectorias a las cuales pertenece.
iv) Centralidad de autovector, Bonacich
(1972,1987) [3] [4]. En ella est basada el algoritmo
PageRank que utiliza Google para ordenar las pginas web. Esta centralidad est basada en la idea
de que los nodos importantes estn conectados a
vecinos importantes. La denominacin proviene de
que la medida de la importancia de un nodo viene
dada por un autovector de la matriz de adyacencia.
Otros aspectos muy importantes en el anlisis
de redes sociales son el de la cohesividad de la red
Puede comunicar directamente con muchos y la determinacin de grupos cohesivos. De nuevo
otros nodos o
la denicin de grupo cohesivo es vaga. Se dice que
un grupo es cohesivo:
est cerca de muchos otros nodos o
En la medida en que sus individuos poseen
existen muchos pares de nodos que le necesirelaciones dentro del grupo que les mantienen
tan como intermediario en sus comunicaciones
juntos.
o
Si es resistente a fuerzas disruptivas.
se comunica con nodos que son importantes.
Si tiene mucha tendencia a mantenerse unido
persiguiendo sus metas.
Estas ideas se reejan en algunas medidas de
centralidad bien conocidas como:
El concepto de grupo cohesivo ha sido estudiai) Centralidad por grado (Shaw, 1954 [15]; Nie- do ampliamente en Sociologa en el contexto de los
minen, 1974 [10]). Esta aproximacin identica la llamados block-models que se denen como particentralidad del nodo con su grado, es decir, el n- ciones de la red de acuerdo con algn criterio esmero de arcos incidentes en l. Por tanto, el acento pecco. Los socilogos se han centrado tambin en
se pone en el nivel de relaciones o en la actividad la llamada equivalencia estructural. Dos nodos son
en la comunicacin. Cuanta ms habilidad para re- estructuralmente equivalentes si tienen los mismos
lacionarse o comunicarse ms centralidad.
vecinos, si se relaciona con los mismos individuos.
ii) Centralidad por proximidad (Beauchamp, Diferentes medidas han sido propuestas por Harary
1965 [2]; Sabidussi, 1966 [12]). Un nodo es ms cen- (1969 [8]; 2001 [13]), Wasserman y Faust (1994) [17].
tral si est ms prximo a los dems nodos que el Se basan en el concepto de conectividad: riesgo de
resto. Esta aproximacin considera la suma de las desconectar el grafo eliminando nodos o arcos.
distancias geodsicas de un nodo a los dems coLas redes sociales desde el punto de vista
mo una medida de falta de centralidad. A mayor
de
la Teora de Juegos
suma menor centralidad. La centralidad por proximidad representa la independencia, la posibilidad
En las ltimas dcadas se ha desarrollado un
de comunicarse con muchos otros individuos depen- inters por dar un enfoque ms matematizado al
diendo del mnimo nmero de intermediarios.
anlisis clsico de las redes sociales. Un rea de la
iii) Centralidad por intermediacin (Bavelas, Teora de Juegos denominada Juegos Restringidos
1948 [1]; Freeman, 1977 [5]). Esta aproximacin in- a Grafos, proporciona la base terica para ello. El
cide en el control de las relaciones o de la comuni- trabajo seminal en este campo es debido a Myercacin: se es ms central cuanto ms se puede in- son (1977) [9] que, a partir de un juego n-personal
termediar en las relaciones entre los dems. Para cooperativo y un grafo que modeliza las relaciones
denir formalmente esta centralidad se consideran de los jugadores (que se identican con los nodos
todas las posibles trayectorias entre todos los pares de dicho grafo), dene el juego restringido al grafo.
de nodos. La centralidad por intermediacin de un Si el juego cooperativo representa los intereses que
6
motivan la cooperacin entre los jugadores, el grafo

impone las restricciones en la comunicacin. En este sentido, la Teora de Juegos aporta un punto de
vista ms completo sobre el anlisis de redes sociales al considerar no slo la posicin de los agentes
en la estructura de la red de relaciones sino el motivo, el inters o el objetivo que persigue dicha red de
relacin, as como, la forma precisa en la que esas
interrelaciones se producen.
Myerson utiliz el valor de Shapley (Shapley,
1954) [14] como una posible solucin unipuntual de
este juego y lo caracteriz. Hoy es conocido como
el valor de Myerson. Slikker y Van den Nouweland
(2001) [16] desarrollan en profundidad la teora de
los juegos restringidos a grafos.
El valor de Myerson es utilizado por Gmez et
al. (2003) [6] como medida de centralidad en una
red social donde se asume que los intereses de los
jugadores, como se ha dicho, vienen dados por un
juego cooperativo. Esta medida de centralidad tiene
propiedades interesantes, desde el punto de vista sociolgico, ya que admite una descomposicin en dos
medidas que pueden interpretarse como de centralidad por proximidad y por intermediacin, respectivamente. As mismo, Gmez et al. [7] utilizan el
juego de Myerson para analizar la cohesividad de
subgrupos en una red. De nuevo una medida de
cohesividad para un subgrupo de jugadores, que tiene propiedades interesantes, viene dada por la proporcin de riqueza que sus miembros son capaces
de mantener al pasar del juego original al juego restringido .
Finalmente, dos datos sobre la importancia del
estudio de las redes desde un punto de vista formal matemtico. En primer lugar, la concesin del
Premio Nevalinna a Jon Kleinberg el pasado agosto
con ocasin de la celebracin en Madrid del Congreso Internacional de Matemticos. En la entrega
del premio se destac su profunda y creativa contribucin a la teora matemtica de la informacin
global y, en particular, el desarrollo del algoritmo
"hubs and authorities"que ordena las pginas Web
(nodos en un grafo dirigido) asignando a cada pgina un valor de autoridad y un valor de punto de
interconexin (hub). En segundo lugar, destacamos
que en la lista de los 50 'SuperHot Papers' en Ciencia, desde el 2003, que publica ISI, slo aparece un
artculo del rea de matemticas, clasicado en el
puesto quince: el ya mencionado trabajo de New-
man (2003) [1] que trata sobre la estructura y funcin de redes complejas.
Referencias
[1] Bavelas, A.,(1948). A mathematical model for
small group structures. Human Organization,
7, 16-30.
[2] Beauchamp, M.A., (1965). An improved index
of centrality. Behavioral Science, 10, 161-163.
[3] Bonacich, P., (1972). Factoring and weighting
approaches to status scores and clique identication. Journal of Mathematical Sociology, 2,
113-120.
[4] Bonacich, P., (1987). Power and centrality: a
family of measures. American Journal of Sociology, 92, 1170-1182.
[5] Freeman, L.C., 1977. A set of measures of centrality based on betweenness. Sociometry, 40,
35-41.
[6] Gmez, Daniel, Enrique Gonzlez-Arangena,
Conrado Manuel, Guillermo Owen, Mnica del
Pozo, Juan Tejada, 2003. Centrality and power
in social networks: A game theoretic approach.
Mathematical Social Sciences. 46, 27-54.
[7] Gmez, D., E. Gonzlez-Arangena, C. Manuel, G. Owen, M. del Pozo, M. Saboy. (2007).
The Cohesiveness of subgroups in social networks. A view from game theory. Annals of
Operations Research (en revision).
[8] Harary, Frank, 1969. Graph Theory. Reading,
MA: Addison-Wesley.
[9] Myerson, R.B., (1977). Graphs and cooperation in games. Mathematics of Operation Research, 2, 225-229.
[10] Nieminen, J., (1974). On centrality in a graph.
Scandinavian Journal of Psychology, 15, 322336.
[11] Price, D. J. de S., (1965). Networks of Scientic
Papers. Science, 149, 510-515.
[12] Sabidussi, G., (1966). The centrality index of
a graph. Psychometrika, 31, 581-603.
7
[13] Sakata, S., Yamamori, T., (2007). Topological relationships between brain and social networks. Neural Networks, 20, 12-21.
[14] Shapley, L.S., (1953). A value for n-person games. In: Tucker, A.W., Kuhn, H. (Eds.), Contributions to the Theory of Games II. Annals of
Mathematics Studies,Vol. 28. Princeton University Press, Princeton, NJ, 307-317
[15] Shaw, M.E., (1954). Group structure and the
behaviour of individuals in small groups. Journal of Psychology, 38, 139-149.

[16] Slikker, M., Van den Nouweland, A., (2001).
Social and economic networks in cooperative game theory. Kluwer Academic Publishers,
Norwell, MA.
[17] Wasserman, S., Faust, K., (1994). Social Networks Analysis., Cambridge University Press.

TEORA DE LA DECISIN MULTICRITERIO: UN EJEMPLO DE
REVOLUCIN CIENTFICA KUHNIANA
1
Rafael Caballero1 y Carlos Romero2

Departamento de Economa Aplicada (Matemticas)
Universidad de Mlaga
2
Departamento de Economa y Gestin Forestal
Universidad Politcnica de Madrid
Ignatius vesta por su parte, de un modo cmodo

y razonable. La gorra de cazador, le protega contra los enfriamientos de cabeza ... Era un atuendo
aceptable, segn todas las normas teolgicas y geomtricas, aunque resultara algo abstruso, y sugera
una rica vida interior.
el problema de determinar lo posible , as como lo

mejor . En cualquier problema de toma de decisin
existen recursos limitados (la idea econmica de escasez ), que generan las restricciones del problema.
Aquel o aquellos vectores de las variables de decisin que satisfagan el conjunto de restricciones del
La conjura de los necios, John Kennedy Toole problema decisional, constituyen el conjunto factible o alcanzable, y formaliza lo que intuitivamente
1. El Paradigma Decisional Tradicional: Un entendemos por lo posible . Este conjunto factible puede tener diferentes estructuras matemticas
Apunte
(conjunto de igualdades y/o desigualdades, politopo
Los problemas ms complejos son, en bastantes convexo, restricciones lgicas, etc.).
ocasiones, aquellos que aparentemente tienen una
Por otra parte, para caracterizar lo mejor se
solucin ms directa y sencilla. As, si nos pregunintroduce en el anlisis una funcin denominada de
tamos por el propsito de la Teora de la Decisin
criterio, que intenta reflejar las preferencias o deseos
y la caracterizacin de su objeto de estudio, diradel centro decisor. Esta funcin de criterio (funcin
mos que son aquellos procesos que consisten simde utilidad o funcin de valor), asocia de una maneplemente en la eleccin por parte de un centro dera montona un nmero real a cada solucin facticisor (un individuo o un grupo de individuos) de
ble. La funcin de criterio puede tener diferentes eslo mejor entre lo posible . El estudio del correstructuras matemticas (cncava, convexa, cuadrtipondiente proceso de eleccin puede realizarse por
ca, etc). Recurriendo a tcnicas matemticas se opmotivos distintos tales como: a) explicar el comtimiza (i.e., se maximiza o se minimiza) la funcin
portamiento real de los centros decisores (enfoque
de criterio sobre el conjunto factible, obtenindose
positivo o descriptivo), b) explicar cmo deberan
de esta manera lo que se denomina solucin pticomportarse los centros decisores, para que su conma, que representa la solucin buscada, esto es, la
ducta se ajuste a una serie de normas o axiomas que
mejor solucin dentro de lo posible . La tcnica
se consideran caracterizan la racionalidad (enfoque
matemtica ms adecuada, para abordar el anterior
normativo) y c) ayudar al centro decisor a tomar la
problema de bsqueda, depende de las propiedades
mejor decisin posible de cara a sus intereses partimatemticas del conjunto factible y de la funcin
culares (enfoque prescriptivo).
de criterio.
Ahora bien, sea cual sea el propsito perseguido, la Teora de la Decisin pretende simplemente
La estructura paradigmtica que acabamos de
proporcionar marcos analticos que permitan elegir exponer intuitivamente, sirve de soporte a mltilo mejor dentro de lo posible . Sin embargo, este, ples enfoques tericos que van desde la teora del
aparentemente, sencillo propsito, a la hora de ha- equilibrio del consumidor, a la programacin macerlo operativo, implica en muchos casos importan- temtica (lineal, cuadrtica, entera, etc.). Es decir,
tes complejidades analticas. Pasamos a comentar este tipo de estructura tiene una gran solidez lgica
brevemente cmo se ha abordado tradicionalmente o, dicho con otras palabras, su coherencia interna
9
es perfecta. Sin embargo, desde un punto de vista de contenido emprico o de coherencia externa,
el paradigma anterior presenta serias debilidades e
inconveniencias que lo desva considerablemente de
los procesos reales de toma de decisiones sea cul
sea su orientacin, y muy especialmente si nos enfrentamos a una orientacin positiva o prescriptiva.
2. El Paradigma Decisional Tradicional:
Una Crtica
El paradigma decisional tradicional, anteriormente expuesto, entra en crisis kuhniana por presentar importantes anomalas (i.e., discrepancias
entre lo que predice o prescribe el paradigma y
la realidad observada) en dos direcciones distintas.
En primer lugar, en muchas situaciones decisionales reales (econmicas o no econmicas), los centros
decisores, sean cules sean sus caractersticas (un
individuo o un conjunto de individuos, un ente privado o un ente pblico, etc.), no desean ordenar las
soluciones factibles en base a un nico criterio, sino
que desean efectuar este tipo de tarea con arreglo a
diferentes criterios que reflejen sus particulares preferencias.
Ilustremos la crtica anterior con la ayuda de algunos ejemplos sencillos. As, cuando una persona
decide comprar o alquilar un apartamento, el conjunto factible que define lo posible queda caracterizado por todos los apartamentos que caen dentro
de la restriccin presupuestaria de la persona en
cuestin. A continuacin, nuestro comprador evaluar los apartamentos factibles en base a varios
criterios tales como: nmero de habitaciones, antigedad del edificio, barrio, etc. Los ejemplos en esta
direccin son innumerables en multitud de campos
de aplicacin. Es decir, la estructura de preferencias de los centros decisores queda caracterizada, en
general, por varios criterios que usualmente entran
en conflicto. En el caso de la bsqueda del apartamento, los mejores barrios son los ms caros; en la
formacin de una cartera financiera, los valores con
expectativas de rendimientos ms altos son los ms
arriesgados, y as sucesivamente. Los criterios mltiples son la regla ms que la excepcin. La vida
real es multicriterio!
La existencia de criterios mltiples implica una
importante anomala en el paradigma decisional
tradicional, pero no es la nica. En efecto, otro tipo de problema o anomala surge cuando refle10
xionamos acerca de cmo los enfoques tradicionales

formalizan lo posible . As, la caracterizacin del
conjunto factible por medio de restricciones (igualdades o desigualdades algebraicas) que no pueden
violarse en ningn caso, no es en absoluto realista.
En efecto, en general es mucho ms realista aceptar que una relajacin (violacin) del trmino de
la derecha de algunas de las restricciones no afecte
seriamente al marco real en el que hemos definido
el problema decisional, mxime cuando dicha relajacin puede permitir mejoras significativas en los
resultados alcanzados por algunos de los criterios
que caracterizan lo mejor .
En resumen, las consideraciones anteriores nos
llevan claramente a la conclusin de que los centros
decisores toman sus decisiones definiendo lo mejor
en base a varios criterios y definiendo lo posible
a travs de condiciones menos rgidas (intervalos,
nmeros difusos, restricciones blandas) que las tradicionales restricciones. En definitiva, los centros
decisores cuya racionalidad queda adecuadamente
reflejada por el paradigma tradicional son, en general, entes abstractos cuyo comportamiento se desva
considerablemente del que siguen los centros decisores de carne y hueso que pueblan el mundo en
que vivimos.
3. Los Pioneros de Carolina del Sur y el
Rey Midas : El Nacimiento de un Paradigma
Siguiendo la epistemologa kuhniana, basada en
la siguiente concatenacin de acontecimientos:
Paradigma Anomalas Crisis
Revolucin Nuevo Paradigma
cabe formularse dos preguntas. La primera, cundo comenz esta revolucin cientfica en el campo
de la Teora de la Decisin; y la segunda, en qu
momento histrico puede decirse que el nuevo paradigma fue aceptado por una parte significativa de
la comunidad cientfica, comenzando un periodo de
ciencia normal en el que se busca la mxima articulacin del paradigma con la realidad.
En lo referente a la primera pregunta los precedentes son los siguientes. En primer lugar, tenemos
la adaptacin al contexto multicriterio del concepto
de optimalidad paretiana, introducido en el campo de la economa por Vilfredo Pareto en 1896. En
segundo lugar, tenemos de nuevo la adaptacin al
contexto multicriterio de las ideas matemticas sobre el intercambio econmico propuestas en 1881
por el britnico Francis Edgeworth en su clsico libro Mathematical Physics. Ms recientemente, deben citarse los trabajos de Koopmans (1951) donde
se desarrolla el concepto de vector eficiente o nodominado y de Kuhn y Tucker (1951)1 donde se
establecen las condiciones que garantizan la existencia de soluciones eficientes en un problema de
programacin matemtica vectorial o multiobjetivo.
En dicha conferencia, con una asistencia de unos

200 delegados, se presentaron ms de sesenta trabajos. Entre los delegados, se encontraban los autnticos pioneros del movimiento multicriterio. Jvenes
cientficos, con edades en torno a los treinta aos,
y que en su mayora presentaban resultados derivados de sus tesis doctorales, as como figuras ya
consagradas. Estos pioneros de Carolina del Sur ,
autnticos revolucionarios kuhnianos, conformaron
el ncleo del nuevo paradigma multicriterio. Sin ser
exhaustivos no podemos dejar de citar entre los J2
Paralelamente a estos resultados, el embrin de venes Turcos nombres como los de: Dyer, Ignizio,
la revolucin multicriterio se complementan con Ijiri, Keeney, Steuer, Yu y Zeleny y entre las figuras
algunas de las contribuciones de ese Rey Midas Bi- consagradas a Churchman, Evans, Fishburn, Roy y
cfalo , que formaron el do Charnes y Cooper. Zadeh. Las contribuciones de estos autores han teniPermtasenos en este sentido una pequea digre- do un enorme valor seminal, muchos de ellos siguen
sin, como uno de nosotros indica en sus conferen- productivos en el campo multicriterio, y sus trabacias, este do de insignes investigadores son como el jos siguen siendo profusamente citados casi cuarenRey Midas , pues todo lo que tocan lo convierten ta aos despus. Las actas de la conferencia fueron
en oro cientfico . A ttulo de ejemplo, ellos son editadas por Cochrane y Zeleny (1973), pudindose
los creadores, entre otros conceptos y enfoques te- decir que dicho volumen de actas constituye la acepricos, de los siguientes: los mtodos no paramtricos tacin del paradigma decisional multicriterio como
de regresin, la programacin fraccional, la progra- ciencia normal .
macin con restricciones probabilsticas (Chance
4. El Paradigma Multicriterio: El periodo
Constraint Programming ), la programacin por de Ciencia Normal
metas (Goal Programming ), el anlisis envolvente de datos (Data Envelopment Analysis ), etc.
En la Conferencia de Carolina del Sur se acorPues bien, este singular do tambin jug un papel d constituir el Special Interest Group on Multiple
esencial en la gestacin de la revolucin cientfica Criteria Decision Making , que en 1979 se convirmulticriterio. En efecto, en un artculo publicado ti en la actual International Society on Multiple
en colaboracin con Ferguson en 1955 en Manage- Criteria Decision Making con Stanley Zionts como
ment Science se presenta el embrin de la progra- primer presidente. Esta organizacin tiene en la acmacin por metas, que posteriormente elaboran en tualidad unos 1400 socios distribuidos entre aproxiun apndice de su clsico libro Management Models madamente 90 pases. Esta sociedad ha celebrado,
and Industrial Applications of Linear Programming. con una periodicidad bianual, 18 conferencias. La
Las ideas anteriormente expuestas, que consti- ltima conferencia se ha celebrado en Creta (Gretuyen el embrin del paradigma decisional multicri- cia) en junio del 2006.
terio, fueron desarrolladas por otros investigadores
a lo largo de los aos sesenta. Estos esfuerzos culminan en 1972 con la celebracin en la Universidad de Carolina del Sur de la First International
Conference on Multiple Criteria Decision Making.
Compatible con la estructura de la International Society , se han creado algunos grupos especializados, entre los que cabe destacar los siguientes.
The European Working Groupo on Multicriteria
Decision Aid formado en 1975 que celebra reunio-
1 Para evitar confusiones conviene aclarar que a lo largo del trabajo nos referimos a dos Kuhn distintos. El primero, es
Thomas S. Kuhn autor del libro The Structure of Scientific Revolutions , y uno de los filsofos de la ciencia ms influyente
del siglo XX. El otro, es Harold W. Kuhn actualmente Catedrtico Emrito de Economa Matemtica en la Universidad de
Princeton, e internacionalmente conocido por su trabajo conjunto con Albert W. Tucker que supuso el inicio de la teora de
la programacin matemtica no lineal y que constituye uno de los precedentes bsicos del paradigma decisional multicriterio.
2 Trmino utilizado para referirse a una serie de jvenes intelectuales, John Maynard Keynes entre ellos, pertenecientes
al Kings College de Cambridge, que en la primera parte del siglo XX iniciaron un movimiento contestario con el fin de
cambiar las normas victorianas con las que funcionaba el Kings.
11
nes de trabajo cada seis meses. The European Special Interest Group on Multicriteria Anlisis (ESIGMA) , formado en 1985 y que suele celebrar sus
reuniones un da antes o un da despus de la European Conference on Operational Research (EURO) . Finalmente, debe de citarse The Multiobjective and Goal Programming Group (MOPGP)
formado en 1994 y que celebra una conferencia cada dos aos. La ltima conferencia del MOPGP se
celebr en Tours (Francia) en junio del 2006.
rio constituye un viejo paradigma superado por

el nuevo enfoque multicriterio. El viejo enfoque
puede reducirse al nuevo paradigma como un caso particular del mismo. En cualquier caso, la tasa
de crecimiento cientfico del paradigma multicriterio durante su periodo de ciencia normal, no tiene
parangn en el campo de las ciencias de la decisin o
en disciplinas prximas. Basta citar en este sentido,
el trabajo de Steuer et.al. (1996) donde se categorizan para el periodo 1987-1992 ms de 1200 artcuDesde la conferencia de los Pioneros de Caroli- los en revistas cientficas sobre teora de la decisin
na del Sur , se ha producido una verdadera eclo- multicriterio. Surveys ms recientes, como el reasin de artculos cientficos sobre temas multicrite- lizado por Ehrgott y Gandibleux (2002) muestra no
rio, resultando difcil encontrar un nmero de al- ya slo un mantenimiento, sino un reforzamiento del
guna revista del campo de las ciencias de la de- paradigma multicriterio.
cisin en el que no aparezca algn artculo rela5. El paradigma Multicriterio: Principales
cionado con el campo multicriterio. Asimismo, son Ramas o Enfoques
numerosas las revistas cientficas que han dedicado
Una posible aproximacin definitoria de la teora
nmeros especiales a diferentes temas multicriterio.
Entre otras revistas, y sin ser exhaustivos, pueden de la Decisin Multicriterio, no atribuible a ningn
citarse las siguientes: Agricultural Systems, Annals autor en concreto, sino al sentido comn multicriof Operations Research, Computers & Operations terio podra ser la siguiente:
Research, Engineering Costs and Production EcoConjunto de mtodos matemticos y tcnicas
nomics, European Journal of Operational Research,
de computacin que tienen como propsito expliLarge Scale Systems, Management Science, Matcativo, normativo o prescriptivo evaluar un nhematical Modelling, Naval Research and Logistics
mero finito y explcito (caso discreto) o infinito
Quaterly, Regional Science and Urban Economics,
(caso continuo) de alternativas en base a un nSocio-Economic Planning Sciences, Water Resourmero finito de criterios.
ces Bulletin y un largo etctera.
La anterior definicin deliberadamente ambigua
El indiscutible xito y apoyo sociolgico por pares
compatible
con numerosos enfoques o mtodos
te de la comunidad cientfica al paradigma multide
naturaleza
multicriterio.
En lo que queda de escriterio condujo en 1992 a la aparicin de la revista
te
apartado
se
van
a
exponer
los rasgos bsicos de
Journal of Multi-Criteria Decision Analysis, publicada por John Wiley and Sons y con Simon French los enfoques multicriterio que han sido ms estucomo primer editor. Cabe preguntarse sobre la ra- diados y aplicados en los aproximadamente ltimos
cionalidad que subyace a la publicacin de una re- cuarenta aos.
La idea que marca el paradigma multicriterio es
vista cientfica exclusivamente dedicada a temas de
contemplar
y analizar las opciones disponibles (alnaturaleza multicriterio. En efecto, con la aparicin
de una revista con estas caractersticas es como si ternativas) desde diversos puntos de vista, es decir,
aceptramos la existencia de dos entornos decisio- con distintos criterios, con los cuales valoramos dinales diferentes: el monocriterio y el multicriterio, chas opciones para poder compararlas y obtener las
lo que parece entrar en contradiccin con los ar- mejores . En este contexto, hay que tener en congumentos que hemos desarrollado hasta ahora. En sideracin el inters del decisor, en cuanto a lo que
efecto, tal como uno de los clsicos del multicriterio para l significa tomar la mejor decisin.
afirma No decision-making occurs unless at least
Esta decisin, en muchas de las ocasiones, es una
two criteria are present. If only one criterion exists, solucin dominante, tambin denominada eficiente
mere measurement and search suffice for making a u ptimo de Pareto. Se trata de aquellas alternatichoice (Zeleny, 1982 pgina 74). En definitiva, pue- vas en las que, si se puede mejorar el valor de algn
de afirmarse que la teora de la decisin monocrite- criterio de los considerados, forzosamente hay algn
12
otro que se empeora, es decir, una alternativa es una

solucin eficiente si no se pueden mejorar o mantener simultneamente todos los criterios. La cuestin
es cmo encontrarlas y, por otra parte, dado que
normalmente existirn muchas, cmo escoger una o
un grupo reducido de las mismas segn el inters
del decisor.
La forma de abordar esta bsqueda difiere dependiendo del problema en estudio, discreto o continuo, pues aunque en ambos casos podemos buscar
el mismo tipo de soluciones, las tcnicas utilizadas
para su bsqueda son muy diferentes. Si lo que se
desea es la determinacin del conjunto de soluciones
eficientes, la informacin necesaria que debe aportar el decisor es escasa y consistir en expresar de
una forma explcita las acciones posibles a realizar
(alternativas), los condicionamientos del problema
(restricciones a tener en cuenta) y los objetivos o
puntos de vista mediante los cuales debern valorarse nuestras posibles acciones.
Si la informacin aportada por el decisor es escasa, tambin ser escasa la precisin sobre la solucin preferida por l, y as, en general, el conjunto
de soluciones dominantes ser un conjunto amplio, e
incluso, infinito, en el caso de problemas continuos.
Para delimitar la solucin que ms se aproxima a las preferencias del decisor, ste debe revelar
informacin sobre dichas preferencias con el fin de
obtener alguna forma de comparar aquellas alternativas eficientes, que en principio no son comparables
entre si.
Los enfoques para la resolucin pueden ser variados, pero en general, se intenta agregar toda la
informacin asociada a una alternativa. Esta agregacin de todos los criterios en una nica valoracin
se puede llevar a cabo mediante diversos mtodos,
algunos vlidos para problemas discretos, otros para
problemas continuos y algunos para cualquier tipo
de problemas, pero s es nico el sentido de la tarea
que se desea realizar: valorar todas las alternativas
de acuerdo a las preferencias del decisor y obtener
aquella solucin que mejor se adapte a dichas preferencias.
El primero de los enfoques que citaremos es la
Teora de la Utilidad Multiatributo (Keeney y Raiffa, 1976), en la que se intenta obtener, mediante informacin suministrada por el decisor, la forma de
medir la utilidad que, para cada criterio, le aportan las distintas alternativas, para posteriormente
obtener una valoracin de la utilidad agregada de

todos los criterios. Esta forma de valoracin suele
llevarse a cabo mediante funciones aditivas, multiplicativas o de tipo polinomial, siendo las funciones
aditivas las ms usuales, aunque son las ms exigentes en cuanto a las condiciones necesarias para
su utilizacin.
Otro enfoque es aquel en el cual, con el fin de poder comparar mejor las alternativas, y especialmente las eficientes, se introducen las denominadas Relaciones de Sobreclasificacin. En este mbito, cabe destacar los mtodos ELECTRE (Roy, 1968) y
PROMETHEE (Brans et al., 1984), basados en la
idea de que una accin supera a otra si es mejor para muchos puntos de vista y no es sustancialmente
peor para ninguno de ellos, donde la imprecisin de
los trminos de dicha afirmacin debe ir concretada
a travs de la informacin revelada por el decisor.
Otros mtodos se basan en obtener la valoracin
de las alternativas, segn cada punto de vista, mediante preguntas al decisor por comparacin entre
pares de acciones, adems de permitir una estructura jerrquica de los puntos de vista o criterios
considerados. Este enfoque es denominado Proceso
Analtico Jerrquico (Saaty, 1980).
En el caso de problemas continuos, los enfoques
en la metodologa estn muy marcados por el grado
de interconexin con el decisor a lo largo del proceso
para llegar a la mejor solucin. As, si la informacin
nicamente viene marcada por las condiciones del
problema y los objetivos, junto con su valoracin,
lo ms que podemos aspirar es a la determinacin
de la frontera eficiente, pero estando formada sta
normalmente por un conjunto infinito o muy numeroso, debe ser requerida una mayor informacin,
para una bsqueda adecuada.
As, en primer lugar, surgen dos enfoques como
son la Programacin Compromiso y la Programacin por Metas. La Programacin Compromiso
(Yu., 1973, 1985 y Zeleny, 1974, 1982) intenta determinar aquella solucin eficiente que ms se aproxima al punto ideal, (aquella situacin donde obtendramos lo mejor para cada criterio, que, como
tal punto ideal, siempre es inalcanzable). En este
contexto, el decisor deber aportar como informacin adicional la importancia relativa para que cada
criterio se aproxime a su correspondiente ideal.
Por otra parte, si la mejor decisin para el decisor se basa inicialmente en alcanzar una solucin
13
que verifique unos umbrales, o niveles de aspiracin

especificados por l, para los distintos criterios, nos
encontramos con el segundo enfoque, la Programacin por Metas (Charnes, Cooper y Ferguson, 1955,
Charnes y Cooper, 1961). Este planteamiento puede considerarse como la dimensin operativa de la
lgica satisfaciente propuesta por el Nbel Simon,
dentro de una teora de la racionalidad acotada. Este enfoque lo que busca es el cumplimiento de dichos
umbrales o niveles de aspiracin, que, en algunos casos se tratarn de superar, mientras que en otros se
pretendern no exceder, dependiendo de los criterios. Adems, en aquellas situaciones donde estos
umbrales no se puedan alcanzar, se tratar de determinar aquella situacin que est lo ms prxima
a los mismos, para lo cual, existen diversas formas
de acercarnos a la eleccin final, dependiendo de la
utilidad del decisor en el cumplimiento de sus umbrales. Por el contrario, si estos niveles son alcanzables se puede ir ms all tratando de encontrar
aquellas alternativas que adems sean eficientes.
socios espaoles es de 81, claramente por delante

de pases como Alemana, Francia o Gran Bretaa.
Una prueba ms del reconocimiento espaol por
parte de la International Society , es la reciente
concesin a uno de los autores de este artculo de
la medalla Georg Cantor , que es una de las ms
altas distinciones concedidas en el mundo muticriterio. En pocas palabras, no parece atrevido afirmar
que este campo disciplinar, en Espaa, goza de una
salud cientfica equiparable con el de los mejores.
Los investigadores espaoles en el campo multicriterio proceden fundamentalmente de la economa, de la ingeniera y de la matemtica, reflejando
el carcter pluridisciplinar que tienen las ciencias de
la decisin. Por otra parte, la vertebracin espaola
en el multicriterio se ha ido realizando paulatinamente desde comienzos de los aos 80. Este proceso de vertebracin culmin orgnicamente con la
creacin del Grupo Espaol Multicriterio en Abril
de 1996. Los primeros coordinadores del grupo fueron Sixto Ros Insa y Rafael Caballero, seguidos
El ltimo enfoque que comentaremos, aunque de Jacinto Gonzlez-Pachn y Gabriela Fernndezexisten muchos ms, teniendo en consideracin que Barberis, que en la actualidad es la coordinadora
este paradigma intenta aproximarse a los proble- junto con Emilio Carrizosa. El Grupo Espaol ,
mas y a su resolucin, corresponde a los mtodos con el apoyo financiero del Ministerio de Educacin
interactivos, que, como su nombre indica, mantie- y Ciencia, ha creado una red temtica de decisionen una interaccin permanente con el decisor sobre nes multicriterio . Bajo esta red se han realizado
situaciones concretas, obtenidas a partir de la infor- diferentes reuniones de trabajo que han fortalecimacin aportada por el decisor, y sobre ellas, y por do la cohesin entre los investigadores espaoles en
tanto de manera local, el decisor vuelve a aportar este campo. El Grupo Espaol preocupado, entre
informacin sobre sus preferencias, bien sobre las otras cosas, por el lado aplicado del Multicriterio
ponderaciones locales, bien sobre los niveles a con- ha publicado recientemente el libro La aventura de
seguir, o bien por la eleccin de las alternativas que decidir: una aproximacin cientfica mediante casos
le han sido presentadas. Mediante este procedimien- reales , en el que 38 autores pertenecientes a 10 unito interactivo e iterativo, nos vamos aproximando a versidades espaolas, presentan experiencias reales
la solucin buscada por dicho decisor.
en campos diversos como la sanidad, la educacin,
las finanzas, el medio natural y un largo etctera.
6. El Grupo Espaol de Multicriterio
Por el lado terico, y sin nimo de ser exhaustiLa aportacin espaola al movimiento multicri- vo, los miembros del Grupo Espaol han realizado
terio es claramente relevante. Puede afirmarse, sin contribuciones relevantes reconocidas internacionaldelirios de grandeza , pero a la vez sin falsas mo- mente en las siguientes ramas del Multicriterio :
destias que la participacin espaola en la comen- Enfoques interactivos multicriterio, Juegos vectotada tarea es objetivamente ms que notable. En riales, Mtodos de sobreclasificacin (ELECTRE,
efecto, en cuanto a nmero de socios en la Inter- PROMETHEE), Negociacin y democracia elecnational Society , porcentaje de publicaciones en trnica, Proceso analtico jerrquico (AHP), Prorevistas cientficas (i.e., revistas SCI y SSCI) y ci- gramacin compromiso, Programacin multicriterio
tas externas, Espaa ocupa la segunda posicin por difusa, Programacin multiobjetivo, Programacin
detrs de Estados Unidos. As, en las ltimas esta- por metas y Teora de la utilidad con atributos mldsticas de la International Society el nmero de tiples.
14
Asimismo, es de destacar las intensas relaciones internacionales que mantienen los miembros del
Grupo Espaol con investigadores de lite en este campo. Relaciones que no consisten slo en que
los investigadores espaoles visiten a los investigadores de lite , sino que, en muchos casos, son estos
investigadores los que realizan visitas y estancias en
los centros espaoles (a ttulo exclusivamente indicativo se pueden citar los casos de M. Ehrgott, X.
Gandibleux, J. Ignizio, D. Jones, P. Korhonen, K.
Miettinen, I. Stancu-Minasian, R. Steuer, A. Weintraub, J.B. Yang, etc.).
7. Una observacin Final
Goal Programming, John Wiley and Sons, Nueva York.

[3] Charnes A., Cooper W., and Ferguson R.
(1955). Optimal estimation of executive compensation by linear programming. Management
Science, 1, 138-151.
[4] Cochrane J.L., and Zeleny, M. (editores). Mltiple Criteria Decision Making, University of
South Carolina Press, Columbia.
[5] Ehrgott E., and Gandibleux X. (2002). Multicriteria Optimization: State of the Art Annotaded
Bibliographic Survey, Kluwer Academic Press,
Bostn.
Permtasenos finalizar con un pequeo comenta- [6] Fernndez, F.R., Caballero, R., and Romero,
C. (Coordinadores). La aventura de decidir:
rio a mitad de camino entre la metfora y la irona.
una aproximacin cientfica mediante casos reaEl paradigma multicriterio nos recuerda a ese gran
les. (Red Temtica de Decisiones Multicriterio),
carcter de la literatura, el falstaffiano Ignatius J
Universidad de Mlaga, Mlaga.
Reilly. En efecto, su vestimenta , sus opiniones
son algo abstrusas, pero son aceptables segn las [7] Keeney R.L., and Rafia H. (1976, segunda edinormas teolgicas y geomtricas (es decir, segn el
cin 1993). Decisions with Multiple Objectives:
comportamiento real de los seres humanos) y sugiePreferences and Values Trade-Offs, John Wiley
re una rica vida interior!
and Sons, Nueva York.
Tal vez el paradigma multicriterio no haya lo[8] Roy B. (1968). Classement et choix en prsence
grado alcanzar plenamente sus metas-bastante amde points de vue multiples (La mthode ELECbiciosas por otra parte- ahora bien, se trata de un
TRE). Revue Francais dnformatique et de Retema crucial en el que, quedando mucho por hacer,
cherche Oprationelle, 6, 57-75.
hemos depositado grandes esperanzas intelectuales.
[9] Saaty T.L. (1980). The Analytic Hierarchy ProAgradecimientos
cess, McGraw-Hill, Nueva York.
Son ya muchos los aos en los que hemos coin- [10] Steuer R.E., Gardiner L.R., and Gray J.
(1996). A bibliographic survey of the activities
cido con los amigos del Grupo Espaol en innuand international nature of multiple criteria demerables congresos y conferencias por Espaa y por
cision making. Journal of Multi-Criteria Decimedio mundo. Agradecemos a todos ellos su aposion Analysis, 5, 195-217.
yo, sus comentarios, sus ideas y lo que es lexicogrficamente ms importante su amistad. Finalmen- [11] Yu P.L. (1973). A class of solutions for group
te, agradecer a Luis Daz-Balteiro, Trinidad Gmez
decision problems. Management Science, 19,
Nez y Jacinto Gonzlez-Pachn los comentarios
936-946.
y mejoras del presente texto.
[12] Yu P.L. (1985). Multiple Criteria Decision Making: Concepts, Techniques and Extensions, PleReferencias
num Press, Nueva York.
[1] Brans J.P., Mareschal B., and Vincke Ph.
(1984). PROMETHEE: A new family of outranking methods in multicriteria analysis. In J.P.
Brans, editor, Operational Research, IFORS 84,
North Holland, Amsterdam, 477-490.
[2] Charnes A., and Cooper W. (1961). Management Models and Industrial Applications of
[13] Zeleny M. (1974). A concept of compromise solutions and the method of the displaced ideal.
Computers and Operations Research, 1, 479496.
[14] Zeleny M. (1982). Multiple Criteria Decision
Making, McGrwaw-Hill, Nueva York.
15

Guía Tareas Academicas - IO-I - V 01

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

Guía Tareas Academicas - IO-I - V 01

Cargado por

Copyright:

Formatos disponibles

GUA PARA ELABORAR Y SUSTENTAR

LAS TAREAS ACADMICAS

UNIVERSIDAD ALAS PERUANAS

GUA PARA ELABORAR Y SUSTENTAR

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Del contenido de la gua .........................................................................................................3

Formato del texto, pginas, espaciado del documento ...........................................................4

Hora mxima de entrega ........................................................................................................5

Criterios de calificacin ..........................................................................................................5

Criterios de calificacin de la parte documental ..............................................................5

Criterios de calificacin de la de la defensa de la tarea acadmica ..................................8

Defensa de las tareas acadmicas ..........................................................................................9

Cuadro de evaluacin y participacin de los integrantes .....................................................9

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Del contenido de la gua

Los model os y s u cons trucci n

Cons trucci on de model os en

Pri mer exa men

Teori a de l a s res tri cci ones

Ges tin por proces os

An l i s i s del s i s tema a dmi ni s tra tivo

Todo l o tra tado des de l a 9na a l a 16ta s ema na

Todo l o tra tado des de l a 1era a l a 7ma s ema na

Exa men s us titutori o Todo el curs o

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Tabla 2. Para los estudiantes que hacen laboratorio los sbados

Los model os y s u cons trucci n

Pri mer exa men

Teori a de l a s res tri cci ones

Ges tin por proces os

Todo l o tra tado des de l a 1era a l a 7ma s ema na

An l i s i s del s i s tema a dmi ni s tra tivo

Todo l o tra tado des de l a 9na a l a 16ta s ema na

Exa men s us titutori o Todo el curs o

Formato del texto, pginas, espaciado del documento

Para la tarea acadmica 1 = TA-1_Da de laboratorio_Nmero de equipo.

Para la tarea acadmica 2 = TA-2_Da de laboratorio_Nmero de equipo.

Para la tarea acadmica 3 = TA-3_Da de laboratorio_Nmero de equipo.

Para la tarea acadmica 4 = TA-4_Da de laboratorio_Nmero de equipo.

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Nombre del tema_Nmero de equipo

Hora mxima de entrega

Criterios de calificacin de la parte documental

Tabla 4. Criterios de calificacin del documento de la tarea acadmica 1

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Tabla 5. Criterios de calificacin del documento de las tareas acadmicas 2, 3 y 4

Desarrollo de la tarea todos los tems

No considera, hasta 5 libros o solo de

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Desarrollo de la tarea del tem 1 hasta el 4

No considera, hasta 5 libros o solo de

-------------------------------------------------------------------------------------------------------------------------------------------------------------------DOCUMENTO CONTROLADO: No se garantiza la actualizacin de este documento en la versin impresa.

GUA PARA ELABORAR Y SUSTENTAR

Desarrollo del contenido de los artculos

No considera, hasta 5 libros o solo de internet

Criterios de calificacin de la de la defensa de la tarea acadmica

B: Nota de la tarea acadmica trabajo final (Valor ponderado 40%)