Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Libro Io2f
Libro Io2f
INVESTIGACIN DE
OPERACIONES II
Unidad 1. REDES 4
1.1 El problema de la ruta ms corta
1.2 El problema de rbol de extensin mnima
1.3 El problema de flujo mximo
1.4 Ejercicios
Unidad 6. SIMULACIN 95
6.1 Introduccin
6.2. Simulaciones empricas
6.2.1. Teora sobre distribuciones continuas y discretas
2
6.2.2. Frecuencia relativa
6.2.3. Teora sobre nmeros aleatorios y generadores de proceso
6.2.4. Simulacin Montecarlo
6.3. Aplicaciones
6.3.1. Utilizacin de la simulacin en una lnea de espera
6.3.2. Mejoramiento del diseo de sistemas
6.3.3. Aplicacin a un sistema de inventarios
3
INTRODUCCIN
Uno de los aspectos importantes para el estudiante universitario es la relacin que debe de
existir entre los conceptos y su prctica profesional. El material presente pretende establecer la
vinculacin de la Investigacin de Operaciones II con actividades prcticas que mejoren la
calidad del desarrollo profesional del estudiante. Lo anterior queda manifestado en el material
que se desarroll en forma terica y prctica con ejemplos para poder ver la aplicacin de la
Investigacin de Operaciones.
OBJETIVO GENERAL
Dar a los alumnos los conocimientos necesarios acerca de cmo aplicar las tcnicas de
solucin de investigacin de operaciones, as como su importancia y utilizacin en la solucin
de problemas. Al trmino del curso ser capaz de aplicar mtodos, tcnicas e instrumentos
cuantitativos a problemas que aplican al funcionamiento de un sistema productivo, con la
finalidad de proporcionar soluciones ptimas para alcanzar el control del sistema.
4
UNIDAD 1
OBJETIVOS ESPECFICOS
Modelos de Redes
Algoritmo de la ruta ms corta
Arbol de extensin mnimo
Respuesta ptima
Flujo Mximo
Algoritmo de flujo mximo
Casos prcticos
5
UNIDAD 1: MODELOS DE REDES
Se han resuelto exitosamente muchos problemas administrativos en reas como diseo de
sistemas de transporte y de sistemas de informacin, y programacin de proyectos, con ayuda
de modelos de redes y con tcnicas de anlisis de redes. En investigacin de operaciones I se
ha mostrado la forma en que se pueden utilizar las redes, que consisten en diagramas de
nodos y arcos, para ofrecer representaciones grficas de problemas de transporte, asignacin
y transbordo. En esta unidad se exponen tres problemas adicionales de redes. El problema de
la ruta ms corta, el problema del rbol de expansin mnima y el problema del flujo mximo.
En cada caso se muestra la forma en la que puede desarrollarse y resolverse un modelo de
red para obtener una solucin ptima para el problema.
En esta seccin se revisa una aplicacin de redes en la que el objetivo primordial consiste en
determinar la rula ms corta o el camino ms reducido a travs de la red. Se ilustra el
problema de la ruta ms corta considerando la situacin que enfrenta la Gorman Contruction
Company. La Gorman tiene diversos proyectos de construccin distribuidos en una rea de
tres condados. En ocasiones los sitios de las construcciones se ubican hasta a 50 millas de
distancia de la oficina general de la empresa. Como se efectan varios viajes al da para llevar
personal, equipo y suministros, hacia y desde los lugares de construccin, los costos
relacionados con las actividades de transporte son importantes. Se pueden describir mediante
una red de calles, carreteras y autopistas las alternativas de transporte entre los sitios y la
oficina, para cualquier lugar de construccin determinado. En la red que se muestra en la Fig.
9.1
6
El algoritmo de ruta ms corta
Para resolver el problema es necesario determinar la va ms corta desde sus oficinas (el nodo
1), hasta cada uno de los otros nodos de la red. El algoritmo que se presenta utiliza un
procedimiento de rotulacin para encontrar la distancia ms reducida desde el nodo 1 hasta
cada uno de los dems. Conforme se ejecutan los pasos del procedimiento de rotulacin, se
elabora un rtulo (o etiqueta) para cada nodo, el cual consta de dos nmeros encerrados entre
corchetes. El primer nmero del rtulo de un nodo especifico seala la distancia desde el nodo
1 hasta ese nodo, en tanto que el segundo indica el nodo precedente sobre la ruta, desde el
nodo 1 hasta ese nodo. Se coloca la etiqueta para cada nodo directamente encima o abajo del
nodo. Por ejemplo, un rtulo para un nodo especfico podra ser como se muestra en la Fig.
9.2.
En cualquier etapa del procedimiento de rotulacin, se dice que un nodo est rotulado o no. Un
nodo con rtulo es aqul en que ya se ha identificado un camino desde el nodo 1 hasta ese
nodo, y un nodo no rotulado es obviamente el que no tiene todava un camino marcado. Para
los nodos rotulados, se dice tambin que el nodo ha sido etiquetado en forma permanente o en
forma tentativa. Es decir, cuando el algoritmo ha permitido determinar la distancia ms corta
desde el nodo 1 hasta un nodo especfico, se dice que tal nodo ha sido rotulado en forma
permanente. Sin embargo, si no se ha determinado todava la distancia ms corta desde el
nodo 1 hasta un nodo especfico con rtulo, se dice que el nodo tiene una marcacin tentativa.
Ahora que se tiene ya idea de lo que son los nodos, se proceder a revisar la forma en la que
se determinan las etiquetas y la forma en que se puede utilizar el proceso de etiquetacin para
determinar la ruta ms corta desde el nodo 1 hasta cada uno de los otros nodos de la red.
Para realizar el primer paso o iteracin del procedimiento de rotulado, se debe considerar que
cada nodo puede alcanzarse en forma directa desde el nodo 1; por ello, se observan los nodos
2 y 3. Considrese por el momento el nodo 2. Se observa que la distancia directa desde el
nodo 1 al nodo 2 es de 15 millas. Por tanto, puede asignarse tentativamente la etiqueta [15,1]
al nodo 2. El primer nmero de la etiqueta seala que se puede llegar al nodo 2 recorriendo 15
millas, y el segundo nmero indica que el nodo que precede al nodo 2 sobre la ruta es el nodo
1. Considerando ahora el nodo 3, se encuentra que la distancia directa del nodo 1 al nodo 3 es
7
de 10 millas. Por ello, la etiqueta tentativa del nodo 3 es [10,1]. En la Fig. 9.4 se muestran los
resultados obtenidos hasta este punto. Las etiquetas de los nodos 2 y 3 son tentativas.
En referencia a la Fig. 9.4, se consideran ahora todos los nodos que tienen rtulos tentativos y
se identifica el que tiene el menor valor de distancia; as, se elige el nodo 3. La etiqueta
tentativa correspondiente al nodo 3 seala que se puede llegar a l partiendo del nodo 1,
recorriendo una distancia de 10 millas. Se podra llegar al nodo 3 siguiendo una ruta ms
corta? Como cualquier otra ruta hacia el nodo 3 hara necesario pasar por otros, y como la
distancia desde el nodo 1 a todos los dems nodos es mayor que o igual a 10, no puede
encontrarse ninguna otra va ms corta para que el nodo 3 pase por cualquier otro nodo. As,
ya se ha identificado la ruta ms corta o mejor para llegar al nodo 3 y, por tanto, se
etiqueta en forma permanente tal nodo con una distancia de 10 millas. Sombreando dicho
nodo 3 para sealar que es uno con etiqueta permanente, y aadiendo una flecha para indicar
que se utilizar el nodo 3 para iniciar el siguiente paso del proceso de rotulacin, se obtiene la
red que se muestra en la Fig. 9.5.
8
Se continan considerando todos los nodos que no tienen etiqueta permanente y que pueden
alcanzarse en forma directa desde el nodo 3. Por ello, se evalan los nodos 2 y 5. Obsrvese
que la distancia directa del nodo 3 al nodo 2 es de 3 millas, y la distancia directa del nodo 3 al
nodo 5 es de 4 millas. Como la etiqueta permanente para el nodo 3 indica que ia distancia ms
corta para llegar al nodo 3 es de 10 millas, se observa que se puede llegar al nodo 2 en 10 + 3
= 13 millas, y al nodo 5 en 10 + 4 = 14 millas. Por ello, se modifica la etiqueta tentativa del
nodo 2, y se le asigna [13,3] para indicar que ya se ha encontrado ahora una ruta que va del
nodo 1 al nodo 2, que tiene una distancia de 13 millas y que el nodo que precede al nodo 2 en
la ruta es el 3. De manera similar, la etiqueta tentativa para el nodo 5 es [14,3]. En la Fig. 9.6
se muestran los clculos que se han elaborado sobre la red hasta este punto.
En seguida se consideran todos los nodos con etiquetas tentativas para identificar el que enga
el menor valor de distancia en su etiqueta. Se observa en la Fig. 9.6 que este nodo es el 2, con
un valor de 13 millas de distancia. Se declara ahora al nodo 2 permanentemente etiquetado,
debido a que se puede llegar ahora al 2, desde el nodo 1, con la menor distancia )osible de 13
millas, pasando por el 3.
9
decir, los nodos 4 y 7. Comenzando con el valor de la distancia de 13 en la etiqueta
permanente del nodo 2, y sumando la distancia del nodo 2 al nodo 4 y al nodo 7, se observa
que puede llegarse al nodo 4 en 13 + 6 = 19 millas, mientras que, por otro lado, puede legarse
al nodo 7 en 13 + 17 = 30 millas. Por ello, las etiquetas tentativas de los nodos 4 y 7 son las
que se muestran en la Fig. 9.7.
De entre los nodos con rtulos tentativos (nodos 4, 5 y 7), se elige el que tenga la menor
distancia y se le declara permanentemente etiquetado. Por ello, el nodo 5, con una distancia
de 14, se convierte en el nuevo nodo con rtulo permanente. Despus, se consideran todos los
nodos que no tienen etiqueta permanente y a los que se puede llegar en forma directa desde el
nodo 5. As, se modifica la marca tentativa del nodo 4, y se asigna una tentativa al nodo 6. En
la Fig. 9.8 se ilustran estos clculos.
Identificando la menor distancia para los nodos restantes con etiquetas tentativas se observa
que es el nodo 6 al que se asigna una etiqueta permanente. A partir del 6 puede determinarse
una nueva etiqueta tentativa para el nodo 7. Despus de este paso, la red tiene la apariencia
mostrada en la Fig. 9.9.
10
Se tienen ahora slo otros dos nodos sin marcado permanente. Como la distancia sealada en
la etiqueta del nodo 4 es menor que el valor de la distancia en el nodo 7, el nodo 4 se convierte
en el nodo con etiquetado permanente. Como el 7 es el nico nodo con rtulo no permanente
al que se puede llegar directo desde el nodo 4, se compara el valor de la distancia de 22 que
aparece en su etiqueta con la suma de la distancia del nodo 4 y la distancia directa para pasar
del nodo 4 al 7. En este caso, la etiqueta tentativa de [22,6], que es la etiqueta que ya existe en
el nodo 7, tiene el menor valor de distancia; por ello, no se modifica la etiqueta tentativa del
nodo 7. En la Fig. 9.10, se muestra la red en este punto del tiempo.
Como el nodo 7 es el nico que queda con una rotulacin tentativa, se le asigna ahora una
permanente. Cuando ya se han etiquetado en forma permanente todos los nodos, se ha
determinado as la ruta ms corta desde el nodo 1 hasta cada uno de los nodos de la red. En
la Fig. 9.11 se muestra la red final con todos los nodos con etiquetado permanentes.
11
Puede utilizarse la informacin que aparece en las etiquetas permanentes para determinar la
ruta ms corta desde el nodo 1 hasta cada uno de los dems nodos de la red. Por ejemplo, la
etiqueta permanente del nodo 7 indica que la distancia ms corta desde el nodo 1 a! nodo 7 es
de 22 millas. Para encontrar la ruta especfica que permite llegar al nodo 7 en 22 millas, se
observa que la etiqueta del nodo 7 indica que el nodo precedente sobre la ruta ms corta que
viene del nodo 1 es el 6. Volviendo hacia atrs sobre la red, para llegar al nodo 6, se observa
en su etiqueta permanente que se lleg al nodo 6 proviniendo del 5. Continuando este
proceso, se observa que se lleg al nodo 5 partiendo del nodo 3 v finalmente que se lleg a
este nodo 3 partiendo del nodo 1. Por ello, la ruta ms corta desde el nodo 1 al nodo 7 es la 1-
3-5-6-7. Utilizando este procedimiento, se identifican las siguientes rutas ms cortas para la
red de transporte de la compaa Gorman:
Es posible que para un problema tan pequeo como el de la Gorman se hubieran podido
encontrar las rutas ms cortas con la misma rapidez, si no es que mayor mediante simple
examen. Sin embargo, cuando se comienzan a investigar problemas con 15, 20 o ms nodos,
encontrar las rutas ms cortas mediante inspeccin se convertira en un intento sumamente
laborioso. De hecho, y debido al mayor nmero de rutas alternas en una red de mayor tamao,
es muy fcil saltarse una o rns rutas y llegar a una respuesta equivocada. Por ello, para los
problemas ms grandes se requiere un procedimiento sistemtico como el de rotulado o
etiquetacin que se describi. Aun con tal mtodo se llega al caso en el que, al crecer el
tamao de las redes, se vuelve necesario implantar el algoritmo en una computadora
Para llegar a un resumen del algoritmo de la ruta ms corta, considrese una red que consta
de N nodos. Se puede utilizar el siguiente procedimiento para encontrar la ruta ms corta que
va del nodo 1 hasta cada uno de los otros nodos de la red:
12
Paso 1. Asignar al nodo 1 al rtulo permanente [O, I]; la I indica que el nodo inicial; y el 0, que
la distancia del nodo 1 hacia s mismo es cero.
Paso 2. Determinar rtulos tentativos para los nodos a los que puede llegarse en forma directa
desde el nodo 1. El primer nmero de cada marcacin es la distancia directa entre el nodo 1 y
el nodo en cuestin; a esta parte de la etiqueta se la denomina valor de distancia. El segundo
nmero de cada rtulo, al que se denomina valor del nodo precedente, seala el nodo que
antecede en la ruta desde el nodo 1 hasta el nodo en cuestin. Por ello, en este paso, el valor
de tal nodo es 1, puesto que slo se consideran los nodos a los que se puede llegar en forma
directa desde el 1.
Paso 3. Identificar el nodo con la etiqueta tentativa que tenga el menor valor de distancia, y
considerarlo como rotulado en forma permanente. Si todos los nudos tienen etiquetas
permanentes, ir al paso 5.
Paso 4. Considrense todos los nodos que no tienen marcacin permanente y a los que se
puede llegar en forma directa desde el nuevo nodo con el rtulo permanente que se estableci
en el paso 3. Calcular para estos nodos las etiquetas tentativas de la siguiente manera:
a) Si el nodo que carece de etiqueta permanente y que se considera, tiene una marcacin
tentativa, obtener la suma del valor de distancia del nuevo nodo etiquetado permanentemente,
y la distancia directa de este ltimo nodo al nodo en cuestin. Si esta suma es inferior al valor
de la distancia del nodo considerado, igualar a esta suma el valor de distancia para este nodo;
adems, hacer que el valor del nodo precedente sea igual al nodo recin marcado como
permanente y que arroj la menor distancia. Continuar con el paso 3.
b) Si el nodo que no tiene etiqueta permanente y que se est evaluando carece de rtulo
tentativo, se crea una con valor de distancia igual a la suma del valor de distancia en el nuevo
nodo etiquetado como permanente y la distancia directa desde este nodo al que recientemente
se le asign la marcacin permanente hasta el nodo en cuestin. El valor del nodo precedente
es igual al nodo recin etiquetado en forma permanente. Ir al paso 3.
Paso 5. Los rtulos permanentes identifican la distancia ms corta desde el nodo 1 hasta cada
uno de los dems nodos, y el nuevo precedente sobre la ruta ms corta. Se puede encontrar la
ruta ms corta hasta un determinado nodo, partiendo de ste, y yendo hacia sus nodos
precedentes. Continuando esta accin hacia atrs en la red se obtiene una ruta ms corta
desde el nodo 1 hasta el nodo en cuestin.
El algoritmo anterior permite determinar la distancia ms corta desde el nodo 1 hasta cada o
de los dems nodos de la red. Obsrvese que se requieren N - 1 iteraciones del algoritmo para
encontrar la ruta ms corta hacia todos los nodos. Si no se requiere la distancia ms corta a
cada nodo, se puede detener el algoritmo cuando ya se han asignado etiquetas permanentes a
los nodos que s interesan. Es fcil tambin modificar el algoritmo para encontrar distancia ms
corta desde cualquier nodo por ejemplo el nodo k a todos los dems dos de la red. Para
ese cambio, simplemente se comienza asignando la etiqueta permanente [0,S] al nodo k.
Despus, aplicando los pasos del algoritmo, puede obtenerse la ruta ms corta desde el nodo
k hasta cada uno de los otros nodos.
NOTAS. Y COMENTARIOS
Muchas aplicaciones del algoritmo de la ruta ms corta implican criterios como tiempo y costo,
en vez de distancia. En estos casos, el algoritmo de la ruta ms corta da corno solucin el
costo mnimo o el tiempo mnimo. Sin embargo, como el algoritmo de la ruta ms corta siempre
identifica una solucin de valor mnimo, no tendra sentido aplicarlo a problemas que se
refieran a criterios de utilidad,
En algunas aplicaciones puede ser negativo el valor correspondiente a algn arco. Por
ejemplo, en situaciones en las que el criterio es el costo, un arco con valor negativo denotara
un costo negativo; en otras palabras, se lograra una utilidad al circular por ese arco. El
13
algoritmo de la ruta ms corta que se present en esta seccin puede aplicarse solamente a
redes con valores no negamos en los arcos.
El Centro Regional de Cmputo del Suroeste debe instalar lneas especiales para
comunicacin computacional, a fin de conectar a cinco usuarios satlite con una nueva
computadora central. La compaa telefnica local es la que instalar la nueva red de
comunicaciones. Sin embargo, la instalacin es una operacin costosa. Con el propsito de
reducir los costos. El grupo de administracin del centro desea que la longitud total de estas
nuevas lneas de comunicacin sea lo mas pequea posible. Aunque se podra conectar la
computadora en forma directa a cada usuario, parece que sera ms econmico instalar una
directa hacia algunos usuarios, y permitir que otros se enlacen con el sistema a travs de los
usuarios ya conectados- La determinacin de este diseo de sistema de comunicaciones con
longitud mnima es un ejemplo del rbol de extensin mnima. En la fig 9.13 se muestra la red
para este problema, con las alternativas de conexin posible y las correspondientes
distancias. En seguida se explica un algoritmo que puede utilizarse para resolver este modelo
de red.
El algoritmo de red que puede utilizarse para resolver el problema del rbol de expansin
mnima es muy sencillo. Los pasos del algoritmo son los siguientes:
14
Paso 2, Identificar el nodo no conectado que est ms cerca de uno de los conectados.
Deshacer los empates en forma arbitraria si son dos o ms los nodos que califican como nodo
ms cercano. Agregar este nodo al conjunto de nodos conectados. Repetir este paso hasta
que se hayan conectado todos los nodos.
Es fcil implantar este algoritmo de red al tomar las decisiones sobre conexin en forma directa
en ia grfica de la red.
En el paso 2 del algoritmo se encuentra que el nodo inconexo que est ms cerca de uno de
los nodos conexos es el 4, con distancia de 30 millas desde el nodo 1. Aadiendo el nodo 4 al
conjunto de nodos conectados se obtiene el siguiente resultado:
Repitiendo el paso de agregar siempre el nodo no conectado que est ms prximo al conjunto
de nodos conexos de la red se obtiene la solucin del rbol de extensin mnima que se
muestra en la Fig. 9.14. El lector puede seguir los pasos del algoritmo y verificar que se
obtiene esta solucin. La menor longitud del rbol est dada por la suma de las distancias de
los arcos que forman el rbol de extensin mnima. En este caso, la distancia total es 110
millas para la red de comunicaciones del centro de cmputo. Obsrvese que aunque se
midieron los arcos de la red computacional en trminos de distancia, es posible medir otros
modelos de red en trminos de otros criterios como costos, tiempo, etctera. En estos casos,
15
el algoritmo del rbol de extensin mnima permite identificar la solucin ptima (costo mnimo,
tiempo mnimo) para el criterio que se considera.
En la Fig. 9.15 se muestra la solucin computadorizada para el problema del centro regional de
comunicacin. La solucin del rbol de extensin o expansin mnima es de 110 millas.
Se considera que el algoritmo del rbol de extensin mnima es un algoritmo ambicioso. puesto
que se puede ser "ambicioso" en cada etapa, y emprender la mejor accin que est disponible
en tal fase. Siguiendo esta estrategia, en todas las etapas se llega a la solucin ptima global.
Algoritmos ambiciosos, tales como el algoritmo del rbol de extensin mnima, son raros pues
son muy pocos los problemas en los que este mtodo garantiza una solucin ptima.
Considrese una red con un nodo de entrada, o nodo fuente, y uno de salida, o nodo ann-
fuente. El problema del flujo mximo pregunta, cul es la cantidad mxima de flujo (es decir,
vehculos, mensajes, lquidos, etc.) que puede entrar y salir del sistema de red en un periodo
determinado de tiempo? En este problema se intenta transmitir flujo sobre todas las ramas
(arcos) de la red en la forma ms eficiente posible. La cantidad de flujo est limitada debido a
restricciones de capacidad en las diversas ramas de la red. Por ejemplo, los tipos de carreteras
limitan el flujo de vehculos en un sistema de transporte, en tanto que los dimetros de las
tuberas limitan el flujo de petrleo en un sistema de distribucin. Al lmite mximo o superior
sobre el flujo de una rama se le denomina la capacidad de i flujo de la rama. Aunque no se
especifican cantidades para los nodos, se supone que el flujo que sale de un nodo es igual al
flujo que ingresa.
Como ejemplo del problema de flujo mximo, considrese el sistema interestatal de carreteras
norte-sur, que pasa por Cincinnati, Ohio. El flujo de vehculos norte-sur llega a un nivel de 15
000 vehculos per hora en las horas pico. Debido a un programa de mantenimiento de
carreteras en verano, que exige el cierre temporal de carriles y una reduccin en los lmites de
velocidad, un comit de planeacin del transporte ha propuesto una red de rutas alternativas
que pasa por Cincinnati. Las rutas alternativas incluyen otras carreteras, as como tambin
calles de la ciudad. Debido a diferencias de velocidad y a los patrones de trfico, las
capacidades de flujo varan dependiendo de las calles o carreteras especficas que se utilizan.
En la Fig. 9.16 se muestra la red que se propone, incluyendo las capacidades de flujo sobre las
ramas.
16
Las capacidades de flujo se basan en la direccin del flujo. Por ejemplo, la seccin de
carretera, o rama, 1-2 muestra una capacidad de 5 000 vehculos por hora en el sentido 1 -2;
sin embargo, existe una capacidad de O en sentido 2-1. Esto significa que quienes planearon
la red de carreteras no desean que fluyan vehculos del nodo 2 hacia el nodo 1. En trminos
lgicos, como el nodo 1 es la entrada; o fuente, y un sitio potencial de congestionamientos,
sera indeseable permitir que fluya el trfico hacia la interseccin del nodo 1, proviniendo del
nodo 2. Se pueden interpretar tambin las capacidades direccionales de la rama 1-2
suponiendo que indican una calle que tiene un solo sentido y que sale desde la interseccin
del nodo 1. En cualquier caso, este ejemplo muestra que las capacidades de flujo de las ramas
pueden depender de la direccin del flujo. Considera que la red del sistema de carreteras que
se muestra en la Fig. 9.16 puede dar cabida a un flujo mximo, norte-sur, de 15 000 vehculos
por hora? Cul es el flujo mximo de vehculos que permite la red cada hora? Qu tanto
flujo se debe canalizar sobre cada rama?
Como se ver ms adelante, el algoritmo de flujo mximo que se presenta en esta seccin
utilizan el siguiente mtodo de sentido comn:
1) Encontrar cualquier camino del nodo de entrada (fuente) al nodo de salida (antifuente)
que tenga capacidades de flujo, en el sentido del flujo, mayores de cero para todas las
ramas del camino.
2) Incrementar, en la medida de lo posible, el flujo sobre ese camino.
3 ) Continuar buscando caminos que vayan de fuentes a depsitos y que sigan teniendo
capacidades mayores de cero para todas las ramas, en el sentido del flujo, y aumentar
el flujo sobre esos caminos tanto como sea posible.
4) Detenerse cuando ya no sea posible encontrar un camino desde una fuente hasta un
depsito que tenga capacidades de flujo superiores a cero en el sentido del flujo para
todas las ramas del camino.
Antes de presentar los detalles del algoritmo de flujo mximo, se revisa en forma breve un
procedimiento que asegura que las anteriores etapas intuitivas dan como resultado una
solucin ptima para el problema de encontrar el flujo mximo desde un nodo fuente hasta un
17
nodo antifuente. El procedimiento permite que un flujo previamente asignado tome una ruta
alternativa, permitiendo flujos ficticios en el sentido inverso. Por ejemplo, considrese la rama
3-6:
Aqu se observa que la capacidad inicial del flujo en el sentido 3-6 es de 7 000 vehculos por
hora, y que no se permite flujo en el sentido 6.3.
Si se decide permitir que fluyan 6 000 vehculos por hora en el sentido 6-3, se modificara la
capacidad de flujo de la siguiente manera:
Obsrvese que se ha disminuido la capacidad de flujo en el sentido 3-6 en 6 000 vehculos por
hora, y que se ha aumentado simultneamente la capacidad de flujo en el sentido 6-3 en la
misma cantidad. La capacidad de flujo modificada de 1000 vehculos por hora en el sentido 3-6
se interpreta fcilmente como la capacidad restante de flujo en esa rama. Sin embarco,
obsrvese que el seuelo 6-3 que tena una capacidad inicial de flujo cero muestra ahora una
capacidad modificada de flujo de 6000 vehculos por hora. En realidad. esta capacidad
modificado en el sentido 6-3 muestra que se permite un flujo ficticio de hasta 6000 vehculos
por hora en ese sentido. Tal flujo no hara que se enviaran vehculos en el sentido 6-3, sino que
simplemente disminuira la magnitud del flujo que se comprometi originalmente en el sentido
3-6 de la rama. En electo, el flujo ficticio en el sentido 6-3 dara como resultado la desviacin
del flujo que originalmente se haba comprometido en el sentido 3-6, hacia otras ramas de la
red.
El proceso anterior de rastrear las capacidades de flujo es una parte imprtame de! algoritmo
de flujo mximo. Por ejemplo, en algn paso anterior de algoritmo se hubiera podido
comprometer flujo sobre cierta rama. Posteriormente, y debido a flujos identificados en otras
ramas, pudiera ser deseable disminuir el flujo sobre la rama original. El procedimiento que se
acaba de describir permite identificar la medida en la que la decisin original de comprometer
determinado flujo debe modificarse para aumentar el flujo total que pasa por la red.
Paso 1. Encontrar cualquier camino que vaya del nodo origen al nodo de depsito y que tenga
capacidades de flujo mayores que cero para todas las ramas del camino, en el sentido del
flujo. Si no hay camino disponible, ya se ha llegado a la solucin ptima.
Paso 2. Encontrar la menor capacidad de la rama, Pf sobre el camino que se eligi en el paso
1. Aumentar el flujo sobre la red enviando una cantidad de Pf sobre el camino elegido en el
paso 1.
Paso 3. Para el camino que se seleccion en el paso 1, reducir todas las capacidades de flujo
de las ramas en el sentido del flujo, en Pf y aumentar las capacidades de flujo de las ramas en
el sentido contrario, en la misma cantidad, Pf. Volver al paso 1.
Aunque el procedimiento vara dependiendo de la seleccin que haga el analista para la ruta
del paso 1, el algoritmo proporciona en algn momento dado la solucin del flujo mximo. Los
clculos para la red de flujo en carretera son los siguientes:
18
Iteracin 1
El camino seleccionado es 1-3-6-7; Pf que se determina mediante la rama 1-3, es 6. La red
modificada es la siguiente:
Iteracin 2
El camino seleccionado es 1-2-5-7; Pf que queda determinada por la rama 2-5, es 3. La 1
modificada es la siguiente:
Obsrvese que puede evaluarse el flujo total que pasa por la red sumando los valores de Pf en
cada iteracin. Aunque no se muestra la red modificada despus de cada iteracin, el lector
debe intentar actualizar las capacidades de flujo sobre la red conforme se sigue el anlisis. Por
ejemplo, qu apariencia tendra esta red despus de realizar las siguientes tres iteraciones?
Iteracin 3
El camino seleccionado es 1-2-3-5-7; Pf, que est determinada por la rama 1-2 (o 2-3). es 2.
Iteracin 4
El camino seleccionado es 1-4-6-7; que est determinada por la rama 6-7, es 1.
Iteracin 5
El camino seleccionado es 1-4-6-5-7; Pf, que queda determinada por la rama 6-5, es 1
19
En este punto, se tiene un flujo total de 13,000 vehculos por hora, y las capacidades
modificadas en la red son las siguientes:
Existen cualesquiera otros caminos que vayan del nodo 1 al nodo 7 y que tengan
capacidades de flujo, en el sentido del flujo, superiores a O? Ensayando 1-4-6-3-5-7, con un
flujo de Pr determinado por la rama 3-5, se aumenta el flujo a 14 000 vehculos por hora. Sin
embargo, segn se puede ver en la siguiente red modificada, ya no hay ms caminos del nodo
1 al nodo 7 que tengan capacidades de flujo superiores a O en todas las ramas del camino.
Por ello, el flujo mximo para esta red es de 14 000 vehculos por hora.
Ntese que se permiti un flujo de I,000 vehculos por hora en el sentido 6-3 en la iteracin 6.
Sin embargo, a partir de la red inicial se sabe que la capacidad de flujo en el sentido 6-3 es de
cero; por ello, las 1,000 unidades de flujo en el sentido 6-3 representan un flujo ficticio. F.1
efecto real de este flujo es desviar 1,000 unidades del flujo que originalmente se haba
comprometido a la rama 3-6 en la iteracin 1, hacia la rama 3-5, para poder lograr el 000
unidades mas de flujo sobre la red. Se determina ahora la cantidad y el sentido del flujo en
cada rama, de manera que se pueden lograr los 14,000 vehculos de flujo total por hora.
Se pueden encontrar los flujos sobre las ramas para la solucin del flujo mximo comparando
las capacidades finales del flujo sobre las ramas con sus capacidades iniciales. Si la capacidad
final de flujo es inferior a la capacidad inicial de flujo, se presenta un flujo sobre la rama en una
cantidad igual a la diferencia entre las capacidades inicial y final de flujo. Por ejemplo,
considrese la rama 3-6, con las capacidades de flujo final e inicial que se muestran en
seguida:
20
Capacidades iniciales:
Como la capacidad de flujo en el sentido 6-3 es menor que la capacidad inicial, la rama tiene
un flujo de 7 - 2 = 5 en el sentido 6-3. En seguida se resume el flujo de esta rama:
Comparando las capacidades final e inicial de flujo para todas las ramas de la red se puede
determinar el patrn final de flujo que se muestra en la Fig. 9.17.
Los resultados del anlisis de flujo mximo muestran que el sistema que se planea de red de
carreteras no puede manejar el flujo pico de 15,000 vehculos por hora. Las personas que
estn planeando el transporte tendrn que ampliar la red de carreteras, aumentar las
capacidades actuales del flujo en las ramas, o prepararse para enfrentar severos problemas de
embotellamiento de vehculos. Si se ampla o modifica la red, otro anlisis de flujo mximo
permitir determinar la magnitud de cualquier aumento en el flujo.
NOTAS Y COMENTARIOS
Se pueden utilizar los modelos de redes para describir diversos problemas de ciencia de la
administracin. Por desgracia, no existe ningn algoritmo o programa de computacin para
solucin de redes que pueda utilizarse para resolver todos los problemas de redes. Es
importante reconocer el tipo especfico de problema que se modela para poder elegir los
algoritmos y programas de computacin especializados que estn disponibles para llegar a
una solucin ptima.
1.4 EJERCICIOS
21
2. La Morgan Trucking Company opera un servicio especial de entregas y recoleccin rpidas
entre Chicago y otras 10 ciudades ubicadas en una rea de cuatro estados! Cuando la Morgan
recibe una solicitud de servicio, enva un camin desde Chicago hasta la ciudad en la que se
solicita el servicio, tan pronto como sea posible. Tanto el servicio rpido como los costos
mnimos del viaje son objetivos para la Morgan.1 es importante que los camiones que se
envan se vayan por la ruta ms corta desde Chicago hasta la ciudad especificada. Supngase
que la siguiente red (que no est trazada a escala), con distancias dadas en millas, representa
la red de carreteras para el problema:
2) La City Cab Company ha identificado 10 lugares principales para pasajeros que abordan y
descienden de los taxis en la ciudad de Nueva York. En un esfuerzo para minimizar el tiempo
de viaje, mejorar el servicio a los clientes, y mejorar la utilizacin de la flota de taxis de la
compaa, a los administradores les gustara que los conductores de los taxis tomaran la ruta
ms corta entre estos diversos lugares, cuando sea posible. Aplicando la red de caminos y
calles que se muestra en seguida, cul es la ruta que debera tomar un conductor que sale
del lugar 1 y debe llegar al lugar 10? En los arcos Je la red se muestran los tiempos de viaje en
minutos.
22
3) La Wisman Candy Company fabrica diversas golosinas. Se utilizan camiones de la
compaa para entregar en forma directa los pedidos a los expendios. Cuando el negocio era
pequeo, los conductores de los camiones tenan libertad para elegir las rutas al realizar sus
rondas de entrega a los expendios. Sin embargo, al progresar el negocio, los costos de
transporte y de entrega se han vuelto considerables. En un esfuerzo por mejorar la eficiencia
de la operacin de entregas, a los administradores de la Wisman les gustara determinar las
rutas ms cortas de entrega entre los expendios. Por ejemplo, en la red que se muestra en
seguida aparecen los caminos que se pueden tomar entre un expendio que se encuentra en el
nodo 1 y otro expendio que se encuentra en el nodo 11. Determine la ruta ms corta para un
camin que debe hacer entregas en ambos expendios.
23
5) La Midwest University est instalando un sistema de correo electrnico computadorizado
que permitir transmitir mensajes en forma instantnea entre las oficinas de las ocho
facultades. Se muestra en seguida la red con las posibles conexiones electrnicas entre las
oficinas. Se muestran en millares de pies las distancias entre las oficinas. Desarrollar un
diseo para el sistema de comunicaciones entre oficinas que permita que todas las oficinas
tengan acceso al servicio de correo electrnico. Proporcionare que minimiza la longitud total de
las conexiones entre las ocho oficinas.
24
7) El sistema de carreteras norte-sur que pasa por Albany, Nueva York, tiene las capacidades
que se muestran en seguida.
Considera que el sistema de carreteras puede dar cabida a un flujo norte-sur de 10 000
vehculos por hora?
Cuntos vehculos por hora deben viajar sobre cada camino (rama) con el objeto de lograr
este flujo mximo?
9) Una compaa de telfonos de larga distancia utiliza una red de lneas subterrneas de
comunicacin para ofrecer servicio de audio de alta calidad entre dos ciudades importantes.
Las llamadas se conducen mediante diversas lneas de cable y diversos nodos de conexin en
la red, segn se muestra en seguida. Se muestran tambin el nmero de llamadas telefnicas
(en miles) que pueden ocurrir de manera simultnea en cualquier punto del tiempo. Cul es el
nmero mximo de llamadas telefnicas que pueden transmitir simultneamente entre las dos
ciudades? Cules son los nodos de conexin y los flujos sobre los cables cuando el sistema
opera a toda su capacidad?
25
26
UNIDAD 2
OBJETIVOS ESPECFICOS
Estado de transicin
Matrices
Forma estndar de la matriz
Estado estable
Condiciones de equilibrio
Relacin entre mercado y estado estable
Estado absorbente
Casos Prcticos
27
UNIDAD 2: PROCESOS DE MARKOV
Los modelos de procesos de Markov son tiles al estudiar la evolucin de ciertos sistemas en
ensayos repetidos. Los ensayos son frecuentemente periodos sucesivos en los que no se
puede determinar con certidumbre el estado o resultado del sistema en cualquier lapso o
intervalo de tiempo determinado. Ms bien, se utilizan probabilidades de transicin para
describir la forma en que el-sistema hace transiciones de un periodo al siguiente. Por ello se
habla de la probabilidad de que el sistema se encuentre en un estado especfico en un periodo
dado.
Se han utilizado los procesos de Markov para describir la probabilidad de que una mquina
que est funcionando en un periodo, contine funcionando o se avere en el periodo siguiente.
Se les ha utilizado tambin para describir la probabilidad de que a un cliente que compre la
marca A en un lapso, compre la marca B en el siguiente. En esta unidad se estudia una
aplicacin de mercadotecnia que se refiere a un anlisis del comportamiento en cambios de
tiendas en clientes de supermercado.
El estudio de los procesos de Markov se restringe a casos en los que existe un nmero finito
de estados, en los que las probabilidades de transicin permanecen constantes en el tiempo, y
en los que la probabilidad de encontrarse en un estado determinado en cualquier lapso
depende slo del estado del proceso en el periodo inmediatamente anterior. A los procesos de
Markov que tienen estas caractersticas se les denomina cadenas de Markov con
probabilidades de transicin estacionarias.
Supngase que interesa analizar la participacin de mercado y la lealtad de los clientes para
los establecimientos Murphy's Foodliner y Ashley's Supermarket, las nicas dos tiendas de
comestibles de un pueblo pequeo. Se concentra la atencin en la secuencia de visitas de
compra de un cliente. Se supone que ste hace una visita de compras cada semana alguna de
las dos tiendas, pero no a ambas.
28
cliente compre en Ashley's en una cierta semana, y una probabilidad de 0.4 de que el cliente
compre en Murphy's.
Obsrvese que la tabla de probabilidades de transicin, la Tabla 17.1, tiene un rengln y una
columna para cada estado del sistema. Se utiliza el smbolo pij para representar las
29
probabilidades de transicin individuales, y el smbolo P para representar la matriz de las
probabilidades de transicin; es decir,
Aun cuando el mtodo del arborigrama o diagrama de rbol puede ser muy deseable desde un
punto de vista intuitivo, este procedimiento se vuelve muy laborioso cuando se desea ampliar
el anlisis a tres, cuatro o ms periodos en el futuro. Afortunadamente, existe una forma ms
sencilla de calcular las probabilidades de que el sistema se encuentre en el estado 1 o en el
estado 2 para cualquier periodo subsecuente. En primer lugar, se introduce una notacin que
permitir representar la probabilidad de que el sistema se encuentre en el estado 1 o en el
estado 2 para cualquier intervalo de tiempo.
30
1(0) y 2(0) denotarn la probabilidad de que el sistema se encuentre en el estado 1 o en el
estado 2 en algn periodo inicial o de comienzo. El periodo (o semana) 0 representa el lapso
ms reciente cuando se estn iniciando los anlisis de un proceso de Markov. Si se fija 1(0) =
1 y 2(0) = 0, se expresa que, como condicin inicial, el cliente hizo sus compras en la ltima
semana en Murphy's; alternativamente, si se fija 1(0) = 1 y 2(0) = 2, se estara iniciando el
sistema con un cliente que hizo sus compras en la ltima semana en Ashley's.
Por ello, [1(0), 2(0)] = [1, 0] es un vector que representa las probabilidades iniciales para el
estado del sistema. Utilizando esta notacin, pueden evaluarse las probabilidades de estado
para el periodo n + 1 simplemente multiplicando las probabilidades de estado que ya se
conocen para el periodo n por la matriz de probabilidades de transicin. Utilizando el vector de
probabilidades de estado y la matriz de probabilidades de transicin, se puede expresar de la
siguiente manera la multiplicacin:
31
2.3 APLICACION DE MATRIZ DE TRANSICION
Se observa que la probabilidad de que se realicen las compras en Murphy's durante la segn- :
da semana es 0.83, al tiempo que la probabilidad de que se realicen en Ashley's durante la
segunda semana es 0.17. Se obtuvieron antes estos mismos resultados utilizando el rbol de
la Fig. 17.1. Continuando con la aplicacin de la ecuacin (17.1), se pueden calcular las
probabilidades de estado para cualquier periodo futuro es decir,
En la Tabla 17.2 'se muestra el resultado obtenido al realizar estos clculos para diversos
periodos hacia el futuro.
32
Los vectores (1), (2), (3).. . . contienen las probabilidades de que un cliente que empez
siendo de Murphy's se encuentre en el estado 1 o en el estado 2 en el primer periodo, el
segundo periodo, el tercer periodo, y as sucesivamente. Se observa en la Tabla 17.2 que,
despus de un nmero grande de periodos, estas probabilidades no cambian mucho de un
lapso al siguiente. De hecho, la probabilidad de que el sistema se encuentre en el estado 1 o
en el estado 2 tiende a 2/3 y 1 /3 despus de un nmero grande de periodos de compra.
Si se hubiera comenzado con 1000 clientes de Murphy's (es decir, 1000 clientes que
compraron la ltima vez en Murphy's), el anlsis indica que durante el quinto periodo
subsecuente de compra semanal, 723 seran clientes de Murphy's, y 277 seran clientes de
Ashley's. Adems, despus de un nmero grande de periodos de compra, aproximadamente
667 seran clientes de Murphy's y 333 seran de Ashley's.
Se repite ahora el anlisis, pero esta vez se comienza el proceso con un cliente que compr
por ltima vez en Ashley's. Por ello,
Procediendo igual que antes, pueden calcularse las subsecuentes probabilidades de estado. Al
hacerlo, se obtienen los resultados que se muestran en la Tabla 17.3.
33
smbolo 2 En otras palabras, en el caso del estado estable simplemente se omite la
designacin del periodo en i(n) puesto que ya no es necesario.
Por ello, si se tienen 1000 clientes en el sistema, el modelo de proceso de Markov, indica que,
a largo plazo, con probabilidades de estado estable, habr TT, = 2/3 y ir2 = 1/3, 2/3(1000) =
667 clientes en Murphy's y 1/3(1000) = 333 clientes en Ashley's. Se pueden interpretar las
probabilidades de estado estable como las participaciones de mercado para las dos tiendas. El
anlisis de las Tablas 17.2 y 17.3 muestra que, al aumentar n, la diferencia entre las
probabilidades de estado entre el -simo periodo de compras y el (n + l)-simo periodo, se
vuelve cada vez menor. Esto conduce a la conclusin de que, conforme n se vuelve
extremadamente grande, las probabilidades de estado en el (n + l)-simo periodo son muy
cercanas a las del -simo periodo. Esta observacin fundamenta un mtodo simple para
calcular probabilidades de estado estable sin tener que realizar en la prctica un nmero
grande de clculos.
Despus, aplicando la ecuacin (17.4) puede concluirse que TT2 = 1 TT1, = 1/3.
Por ello, empleando las ecuaciones (17.2) y (17.4), pueden despejarse en forma directa las
probabilidades de estado estable. El lector puede verificar por s mismo que se podran haber
obtenido los mismos resultados utilizando las ecuaciones (17.3) y (17. 4).
34
Con frecuencia la informacin sobre participacin de mercados es muy valiosa en los casos de
toma de decisiones. Por ejemplo, supngase que el Ashley's Supermarket est considerando
una campaa de publicidad para atraer a una mayor cantidad de los clientes de Murphy's.
Supngase, adems, que Ashley's considera que su estrategia promocional aumentara la
probabilidad de que los clientes de Murphy's cambien a Ashley's, para pasar de 0.10 a 0.15.
Las nuevas probabilidades de transicin que resultaran de este cambio son las que se dan en
la Tabla 17.4
Con las nuevas probabilidades de transicin, pueden utilizarse las ecuaciones (17.2) y (17.4)
para encontrar las nuevas probabilidades de estado estable, o participaciones de mercado.
As, se obtiene
NOTAS Y COMENTARIOS
35
1) Los procesos de Markov que se presentaron en esta seccin tienen lo que se denomina
propiedad de carecer de memoria: el estado actual del sistema, junto con las probabilidades de
transicin, contienen toda la informacin necesaria para pronosticar el comportamiento futuro
del sistema. No es necesario considerar los estados previos o anteriores. Este tipo de
procesos de Markov se considera como procesos de primer orden. Los procesos de Markov de
orden ms elevado son aqullos en los que los estados futuros del sistema dependen de dos o
ms estados anteriores.
2) No se pretende que el anlisis de un modelo de procesos de Markov permita optimizar
ningn aspecto especfico de un sistema. Ms bien, el anlisis permite pronosticar o describir
el futuro y el comportamiento de estado estable del sistema. Por ejemplo, en el ejemplo de las
tiendas de comestibles, el anlisis del comportamiento de estado estable proporcion un
pronstico o proyeccin de las participaciones de mercado de los dos competidores. En otras
aplicaciones, los cientficos de administracin han ampliado el estudio de los procesos de
Markov a lo que se denomina procesos decisorios de Markov. En estos modelos, se pueden
tomar decisiones que afecten las probabilidades de transicin en cada periodo, y por tanto,
influir en el comportamiento futuro del sistema. Se han utilizado procesos de decisin
Markovsinos para analizar descomposturas de mquinas y operaciones de mantenimiento,
planeacin de movimiento de pacientes en hospitales, desarrollo de estrategias de inspeccin,
determinacin de la duracin de suscripciones a peridicos, y anlisis de reemplazo de equipo.
2.5 EJERCICIOS
36
a) Trace el diagrama de rbol de dos periodos para un cliente que compr la ltima vez Red-
Rot Pop. Cul es la probabilidad de que este cliente compre Red-Rot Pop en una segunda
compra?
b) Cul es la participacin de mercado a largo plazo para cada uno de estos dos productos?
c) Se est planeando una campaa importante de publicidad para aumentar la probabilidad de
atraer a los clientes de Super Cola. Los administradores consideran que la nueva campaa
aumentara a 0.15 la probabilidad de que un cliente cambie de Super Cola a Red-Rot Pop.
Cul es el efecto proyectado de la campaa de publicidad sobre las participaciones de
mercado?
5. Se pueden expresar como procesos de Markov los patrones de compra de dos marcas de
dentfrico, con las siguientes probabilidades de transicin:
37
A) Qu marca parece tener la mayor cantidad de clientes leales? Explique.
B) Cules son las participaciones de mercado que se proyectan para las dos marcas?
C) Supngase que entra en el mercado una nueva marca de crema dental de manera que se
tienen las siguientes probabilidades de transicin:
38
UNIDAD 3
OBJETIVOS ESPECFICOS
Modelos de decisin
Decisiones bajo certidumbre
Decisiones bajo riesgo
Anlisis de sensibilidad
Valor esperado de la informacin muestral
Decisiones secuenciales
Casos prcticos
39
Unidad 3: ANALISIS DE DECISIONES
Se puede utilizar el anlisis de decisiones para determinar estrategias ptimas cuando un
decisor afrenta diversas alternativas de decisin, y un patrn de eventos futuros incierto o muy
riesgoso. Por ejemplo, el fabricante de un nuevo estilo o lnea de ropa de temporada deseara
fabricar grandes cantidades del producto si la aceptacin de los consumidores y, en
consecuencia, la demanda del producto fueran a ser elevados. Sin embargo, el industrial
pretendera producir cantidades mucho menores si la aceptacin de los clientes y la demanda
del producto fueran a ser bajas. Por desgracia la ropa de temporada exige que el fabricante
tome las decisiones sobre la cantidad a producir antes de conocer la demanda. No se
determina la aceptacin real de los consumidores del nuevo producto sino hasta que se han
colocado los artculos en las tiendas y los compradores han tenido oportunidad de comprarlos.
Para ilustrar el mtodo del anlisis decisorio, se considerar el caso de la empresa Political
Systems, Inc. (PSI), una compaa recin establecida de servicios computacionales que se
especializa en servicios de informacin, como anlisis de encuestas y datos para personas que
dirigen organizaciones polticas. La PSI est en las etapas finales de la seleccin de un
sistema de computadora para su sucursal del Oeste Medio, que se ubica en Chicago. Aunque
la empresa ya ha tomado la decisin respecto a un fabricante de computadoras, en estos
momentos intenta determinar el tamao del sistema de computacin que le resultara ms
econmico arrendar. Se procede a utilizar el anlisis de decisiones para ayudar a la PSI a
adoptar su determinacin sobre arrendamiento de una computadora.
El primer paso en el mtodo del anlisis de decisiones consiste en identificar las opciones. que
ha de evaluar el decisor: Para la PSI, la decisin final consistir en arrendar uno de tres
sistemas de cmputo, que difieren en tamao y capacidad. Las tres opciones de decisin, que
se denotan mediante d1, d2 y d3 son las siguientes:
40
PSI. Con frecuencia son inciertos los eventos futuros asociados a una situacin de decisiones.
Es decir, aunque un decisor puede tener alguna idea sobre la diversidad ce los posibles
eventos futuros, con frecuencia no estar seguro respecto a cul evento especfico escurrir.
Por ello, el segundo paso en un anlisis de decisiones consiste en identificar los eventos
futuros que pueden presentarse. A estos eventos, que no estn bajo el control de quien loma
las decisiones, se les denomina estados de la naturaleza. Se supone que la lista de posibles
estados de la naturaleza incluye todo lo que puede ocurrir, y que dichos estados no se
traslapan; es decir, se definen los estados de la naturaleza de manera que slo ocurre uno y
slo uno, de los estados que comprende la lista.
Cuando se les pregunt respecto a los estados mencionados para el problema de decisiones
de la PSI, los administradores consideraron que la posible aceptacin del servicio de la PSI
consista en un caso con dos alternativas. Es decir, consideraban que el nivel global de
aceptacin de la empresa en el mercado se podra categorizar en una de dos posibilidades:
aceptacin elevada y aceptacin baja. De modo que los estados de la naturaleza de la PSI, a
los que se denota s1 y s2 son los siguientes:
Dadas las tres alternativas de decisin y los dos estados de la naturaleza, que sistema de
computacin debe arrendar la PSl? Para estar en posibilidades de responder esta pregunta se
requiere informacin respecto a las utilidades correspondientes a cada combinacin de
alternativa de decisin y de estado de la naturaleza. Por ejemplo, qu utilidad obtendra la
PSI si la empresa decidiera arrendar el sistema grande de cmputo? (d1) y la aceptacin de
mercado fuera elevada (s1) qu utilidad obtendra la PSI si la empresa decidiera arrendar el
sistema computacional grande (d1) y la aceptacin de mercado fuera reducida (s2)?
A una tabla de esta forma se le denomina tabla de resultados. En general, los elementos de tal
tabla pueden plantearse en trminos de utilidades, costos, o cualquier otra medida de las
consecuencias que sea apropiada para el caso especfico que se analiza. La notacin para los
elementos de una tabla de resultados es V(di,sj), que denota el pago correspondiente a la
alternativa de decisin di y al estado de la naturaleza Sj. Utilizando esta notacin, se observa
que V(d3,s1) = $100,000.
41
Arboles de decisin
Un rbol de decisin (o arborigrama decisorio) ofrece una representacin grfica del proceso
de toma de decisiones. En la Fig. 14.1 se muestra un rbol de decisin para el problema de
arrendamiento de computadoras de la PSI. Obsrvese que se muestra en tal diagrama la
progresin natural o lgica que ocurrira con el transcurso del tiempo. En primer lugar la
empresa debe tomar su decisin (d1, d2 y d3); despus, una vez que se pone en prctica la
decisin, se presenta el estado de la naturaleza (s1 o s2). El nmero que se encuentra en cada
uno de los puntos finales del rbol representa el resultado correspondiente a una cadena
especfica de eventos. Por ejemplo, el resultado de la parte superior, 200 000, ocurre cuando
los administradores toman la decisin de arrendar un sistema grande (d1) y se tiene que la
aceptacin de los clientes es alta (s1). Se llega al punto terminal que est inmediatamente
abajo, -20 000, cuando los administradores toman la decisin de arrendar un sistema grande
(d1) y el estado de la naturaleza es un grado reducido de aceptacin por parte de los clientes
(s2) Se observa entonces que estn representadas en el rbol de decisin todas las posibles
secuencias de eventos para el problema de la PSI.
/Utilizando la terminologa general para los rboles de decisin, a las intersecciones o cruces
del rbol se les llama nodos, y a los arcos o enlaces entre los nodos se les denomina ramas.
En la Fig. 14.1 se muestra el rbol de decisin de la PSI en el que se han numerado los nodos
del 1 al 4.
Cuando las ramas que salen de un nodo determinado son ramas de decisin, al cruce
correspondiente se le denomina nodo de decisin. Los nodos de decisin se identifican
mediante cuadros. De manera similar, cuando las ramas que salen de un nodo corresponden a
estados de la naturaleza, al nodo se le denomina nodo de estado de la naturaleza. Estos
nodos se les simboliza mediante crculos. Utilizando esta nomenclatura, el nodo 1 es un nodo
de decisin, en tanto que los nodos 2, 3 y 4 son nodos de estados de la naturaleza.
Los tres primeros pasos de un proceso de anlisis de decisiones son la identificacin de las
alternativas de decisin, la identificacin de los estados de la naturaleza y la determinacin del
resultado correspondiente a cada combinacin de alternativa de decisin y estado de la
naturaleza. La cuestin que se abordar ahora es la siguiente: cmo puede un tomador de
decisiones utilizar de mejor manera la informacin que se presenta en la tabla de
consecuencias o en el rbol de decisin para tomar su propia decisin? Tal como se ver, es
posible emplear varios mtodos.
42
Aqu se consideran mtodos para la toma de decisiones en los que no se requiere
conocimiento de las probabilidades de los estados de la naturaleza. Tales mtodos son
apropiados en los casos en que el tomador de decisiones tiene poca confianza en su actitud
para evaluar las probabilidades de los diversos estados de la naturaleza, o en lo que es
deseable considerar anlisis del mejor o peor de los casos, y que son independientes de los
estados de la naturaleza. Como los planteamientos distintos en ocasiones conducen a
diferentes recomendaciones sobre la decisin, es importante que el decisor comprenda los
mtodos disponibles para que, despus, elija el mtodo especfico que a su juicio, resulte ser
el ms apropiado.
El mtodo optimista
En el mtodo optimista se evala cada alternativa de decisin en trminos del mejor resultado
que puede ocurrir. La alternativa de decisin que se recomienda es la que ofrece la mejor
consecuencia posible. Para un problema en el que se desea maximizar utilidades, como es el
caso del problema de arrendamiento de la PSI, el mtodo optimista conducira al decisor a
elegir la alternativa que corresponde a las utilidades ms altas. En problemas de Minimizacin,
el procedimiento conduce a elegir la alternativa que cause el menor resultado.
Para ilustrar el uso del mtodo optimista, se muestra la forma en que puede ser utilizado para
desarrollar una recomendacin para el problema del arrendamiento de la PSI. En primer lugar,
se determina el mximo resultado posible para cada una de las alternativas de decisin;
despus, se elige la alternativa que produce la mayor utilidad global. Esto es simplemente una
forma sistemtica de Identificar la alternativa decisoria que proporciona las mayores utilidades
posibles. En la tabla 14.2 se ilustran estos clculos para el problema de la PSI.
Como $200,000, valor que corresponde a d1, da el mximo de los mximos resultados, la
alternativa decisoria que se recomienda utilizando el mtodo optimista es la decisin de
arrendar un sistema grande. Es fcil ver por qu a este mtodo se le denomina optimista.
Simplemente recomienda la alternativa de decisin que produzca la mejor de todas las
consecuencias, $200,000.
El mtodo conservador
En el mtodo conservador se evala cada alternativa de decisin en trminos del peor
resultado que pueda ocurrir. La alternativa decisoria que se recomienda es la mejor de las
peores consecuencias posibles. Para un problema en el que la medida de los resultados es
utilidades, como en el caso del problema del arrendamiento de la PSI, el mtodo conservador
conducira al decisor a elegir la opcin que maximiza el valor mnimo posible de utilidades que
pudieran obtenerse. En problemas que implican minimizacin, segn este mtodo se identifica
la alternativa que minimiza el resultado mximo.
Para ilustrar el uso del mtodo conservador, se indicar la forma en que se puede utilizar para
desarrollar una recomendacin para el problema de arrendamiento de la PSI. En primer lugar,
el tomador de decisiones identificara el resultado mnimo para cada una de las alternativas
decisorias; despus elegira la que maximiza el resultado mnimo. En la Tabla 14.3 se ilustra
este mtodo para el problema de la PSI.
43
Como $60,000, que corresponde a d3, produce el mximo de los resultados mnimos, se
recomienda la alternativa decisoria de arrendar un sistema pequeo. Se considera que este
mtodo para tomar decisiones es conservador porque se concentra en el peor de los
resultados posibles y despus recomienda la alternativa decisoria que evita la posibilidad de
llegar a consecuencias extremadamente "malas". Al utilizar el mtodo conservador se
garantiza ala PSI una utilidad de cuando menos $60,000. Aunque esta firma podra obtener
utilidades mayores, no es posible que obtenga menos de $60,000.
44
Utilizando la ecuacin (14.1) y los resultados de la Tabla 14.1 se puede calcular la deplo-racin
correspondiente a todas las combinaciones de alternativas de decisin d y estados de la
naturaleza Sj. Simplemente se reemplaza cada elemento de la tabla con el valor que se
encuentra restando ese elemento del mayor elemento de su columna. En la Tabla 14.4 se
muestra la tabla de deploraciones o prdidas de oportunidad para el problema de la PSI.
El siguiente paso al aplicar el mtodo de la deploracin minimax exige que el decisor
identifique la prdida mxima para cada alternativa de decisin. Estos datos son los que se
muestran en la Tabla 14.5.
En muchos casos es posible obtener estimados de la probabilidad de casa uno de los estados
de la naturaleza. Cuando se dispone de esas probabilidades, es posible utilizar el mtodo del
valor esperado para identificar la mejor alternativa de decisin. En este mtodo se evala cada
alternativa de decisin en trminos de su valor esperado. La que se recomienda es la que
produce el mejor de tales valores. En primer lugar se define el valor esperado de una
alternativa de decisin y despus se muestra la forma en que puede utilizarse para el problema
de decisin de la PSI.
45
Sean
N = nmero de posibles estados de la naturaleza
P(sj) = probabilidad del estado de la naturaleza sj;
Como slo puede ocurrir uno de los N estados de la naturaleza, las probabilidades
correspondientes deben satisfacer las siguientes dos condiciones:
As que de acuerdo con el mtodo del valor esperado, como d1, tiene el valor esperado ms
alto, ($72,000) d3 es la decisin a recomendar.
Se pueden realizar de manera conveniente segn un rbol de decisiones los clculos
requeridos para identificar la alternativa de decisin que tiene el mejor valor esperado. En la
Fig. 14.2 se muestra el rbol de decisin para el problema de la PSI, en donde se han anotado
en las ramas las probabilidades de los estados de la naturaleza. Se utilizan ahora las
probabilidades de las ramas y el mtodo del valor esperado para llegar a la decisin ptima
para la PSI.
46
Como el decisor controla la rama que sale del nodo de decisin 1 y se est tratando de
maximizar las utilidades esperadas, la mejor rama de decisin en el nodo 1 es d3. De modo
que el anlisis segn el rbol de decisin conduce a recomendar d3 con un valor esperado de
$72,000. Obsrvese que sta es la misma recomendacin que se obtuvo utilizando el mtodo
del valor esperado con la tabla de resultados.
47
Utilizando estas probabilidades y repitiendo los clculos del valor esperado, se encuentra lo
siguiente:
Por ello, con estas probabilidades la alternativa de decisin que se recomienda es d2, con un
valor esperado de $112,000. Evidentemente, podra continuarse modificando las
probabilidades de los estados de la naturaleza para comenzar a entender mejor la forma en
que esos cambios afectan la decisin recomendada. La nica desventaja de este mtodo es
que se requieren numerosos clculos para evaluar el efecto de varios cambios posibles en las
probabilidades de los estados de la naturaleza. Para el caso especial de anlisis de decisiones
con dos estados de la naturaleza, pueden simplificarse en forma considerable los clculos del
anlisis de sensibilidad utilizando un procedimiento grfico. Se ilustra este procedimiento
analizando con mayor detalle el problema de la PSI. Se comienza denotando mediante p la
probabilidad del estado de la naturaleza s1. Es decir,
Repitiendo el clculo del valor esperado para las alternativas de decisin d2 y d3, se obtienen
las siguientes expresiones para el valor esperado como funcin de p:
Por consiguiente, se han desarrollado tres ecuaciones lineales que expresan el valor esperado
de las tres alternativas decisorias como funcin de la probabilidad del estado de la naturaleza
s1.
48
Es posible ahora utilizar la Fig. 14.4 para llevar a cabo el anlisis de sensibilidad. Recurdese
que la PSI est buscando maximizar las utilidades. Ntese que, para valores pequeos de p, la
alternativa de decisin d3 ofrece el mayor valor esperado y es, por tanto, la decisin que se
recomienda. De manera similar, para valores grandes de p, se observa que la alternativa de
decisin d1, arroja el mayor valor esperado y es, por ello, la decisin que se recomienda.
Ntese, adems, que no hay ninguna parte de la grfica para la que la alternativa de decisin
d2 proporcione un mayor valor esperado. As que con excepcin del
punto en donde se cruzan las tres rectas de valor esperado, y donde los tres valores
esperados son iguales, la alternativa de decisin d2 no puede ser nunca la alternativa
recomendada mediante el mtodo del valor esperado.
Con referencia de nuevo a la Fig. 14.4, se observa que las tres rectas se cortan en un valor de
p que est entre 0.4 y 0.5. En otras palabras, en un punto entre 0.4 y 0.5, las tres alternativas
de decisin dan el mismo valor esperado. Cuando dos o ms rectas se cortan en una grfica
de anlisis de sensibilidad pueden igualarse las ecuaciones de las dos rectas que se cortan
para encontrar el valor de p. Utilizando las ecuaciones correspondientes a las alternativas de
decisin d1 y d3, se obtiene
Por tanto, cuando p = 0.44, todas las alternativas de decisin arrojan el mismo valor esperado.
Utilizando este valor de p en la Fig. 14.4 puede ahora concluirse que para p < 0.44, la
alternativa de decisin d3 ofrece el mayor valor esperado, y que para p > 0.44 la alternativa de
49
decisin d1 da el mayor valor esperado. Como p es simplemente la probabilidad del estado s1
y (1 p) es la probabilidad del estado s2, se tiene ahora la informacin del anlisis de
sensibilidad que muestra la forma en la que los cambios en las probabilidades de los estados
de la naturaleza afectan la alternativa de decisin que se recomienda.
El beneficio que se obtiene al realizar el anlisis de sensibilidad es que puede ofrecer una
mejor perspectiva sobre la evaluacin original de los administradores respecto a las
probabilidades de los estados de la naturaleza. Originalmente, los administradores estimaron
que la probabilidad de una aceptacin alta de los clientes era de P(s,) = 0.3. Como resultado,
se recomend la alternativa de decisin d3. Despus de realizar el anlisis de sensibilidad,
puede indicarse ahora a los administradores que la estimacin original de P(s1) no es
demasiado crtica para considerar que d3 es la decisin recomendable. De hecho, mientras
P(s1) < 0.44, la alternativa de decisin d3 sigue siendo la ptima.
Obsrvese que en el problema de la PSI, las tres rectas de las tres alternativas de decisin
que se graficaron en la Fig. 14.4 se cortan en el mismo punto (p = 0.44). No debe esperarse
que clculos similares de anlisis de sensibilidad para otros problemas de anlisis decisorios
con dos estados de la naturaleza y tres alternativas de decisin den como resultado el mismo
tipo de grfica.
El procedimiento grfico para el anlisis de sensibilidad que se describi aqu para el problema
de la PSI se aplica slo a problemas de anlisis decisorio con dos estados de la naturaleza.
Al aplicar el mtodo del valor esperado, se observ la forma en que la informacin acerca de
las probabilidades de los estados de la naturaleza afecta los clculos del valor esperado y, por
ello, la decisin que es de recomendar. Con frecuencia, los decisores tienen estimaciones
preliminares o previas de las probabilidades de los estados de la naturaleza que son,
inicialmente, las mejores estimaciones de probabilidad disponibles. Sin embargo, a fin de
adoptar la mejor decisin, es posible que el decisor pretenda obtener informacin adicional
sobre los estados de la naturaleza. Se puede emplear esta nueva informacin para modificar o
actualizar las probabilidades previas, de manera que la decisin final se base en estimaciones
de probabilidad ms precisas para los estados de la naturaleza.
50
probabilidades previas, con un procedimiento bayesiano, para obtener estimaciones de
probabilidad actualizadas o modificadas, para los estados de la naturaleza. A estas
probabilidades modificadas se las denomina pro habilidades posteriores. En la Fig. 14.6 se
ilustra el proceso de modificacin de las probabilidades.
A la nueva informacin que se obtiene mediante investigacin o experimentacin se la
denomina indicador. Como en muchos casos el experimento realizado para obtener
informacin adicional consiste en obtener una muestra estadstica; tambin a menudo a la
nueva informacin se la llama informacin muestral.
Utilizando la terminologa de indicador, pueden identificarse de la siguiente manera los
resultados del estudio de investigacin mercadotcnica para la PSI:
51
En el problema de la PSI, los administradores tienen ahora una estrategia de decisin que
consiste en arrendar un sistema grande de computacin si el reporte de la investigacin!
mercadotcnica es favorable, y arrendar un sistema pequeo si el reporte es desfavorable.
Como la informacin adicional obtenida de la empresa mercadolgica ocasiona un costo!
adicional para la PSI en trminos de los honorarios que se pagan a la empresa, los
administradores de la PSI pueden cuestionar el valor de esta informacin sobre la
investigacin de mercado.
Con frecuencia se mide el valor de la investigacin muestral calculando lo que se denomina
valor esperado de la informacin muestral (VEIM) Para problemas de maximizacin,
Por ello, la PSI debe estar dispuesta a pagar hasta $18,402 para obtener la informacin de
dicha investigacin.
52
3.7 EJERCICIOS
1.- La firma Condominiums de Florida, adquiri recientemente terrenos cerca del Golfo de
Mxico y pretende determinar el tamao del complejo de condominios que debe construir. Se
consideran tres tamaos para el complejo. Pequeo, d1, mediano, d2 y grande d3. Al mismo
tiempo, una economa incierta hace que resulte difcil determinar la demanda para los nuevos
inmuebles. Los administradores advierten que un complejo grande con una demanda baja
podra resultar muy gravoso para la compaa. Sin embargo, si se toma una decisin
conservadora, construir un complejo pequeo, y despus se encuentra con que hay una
demanda alta, las utilidades (ganancias) de la empresa seran menores de lo que hubieran
podido ser. Teniendo tres niveles de demanda (bajo, medio y alto), los administradores han
preparado el siguiente cuadro de resultados:
2.- La compaa Milford ubicada en Chicago, tiene solicitudes para transportar dos remesas,
una a St. Louis, y otra a Detroit. Debido a un problema de programacin Milford puede aceptar
solamente uno de esos trabajos. El cliente de St. Louis garantizado un envo de regreso, pero
el de Detroit no. Por tanto, si Milford el embarque de Detroit y no puede encontrar un embarque
de regreso de Detroit a Chicago, el camin regresara vaco a este ltimo lugar. La tabla que
muestra las utilidades es la siguiente:
53
UNIDAD 4
Al trmino de la unidad el estudiante conocer la utilidad de los criterios mltiples para toma de
decisiones y aplicar algoritmos para la solucin de problemas industriales.
OBJETIVOS ESPECFICOS
54
Unidad 4: PROCESO ANALITICO DE JERARQUIAS
El Proceso Analtico de Jerarquas (PAJ) est diseado para resolver problemas complejos que
tienen criterios mltiples. El proceso requiere que quien toma las decisiones proporcione
evaluaciones subjetivas respecto a la importancia relativa de cada uno de los criterios y que,
despus, especifique su preferencia con respecto a cada una de las alternativas de decisin y
para cada criterio. El resultado del PAJ es una jerarquizacin con prioridades que muestra la
preferencia global para cada una de las alternativas de decisin.
Para describir el PAJ, se considera el problema que enfrenta David Payne, quien est
planeando adquirir un automvil nuevo. Despus de un anlisis preliminar de las marcas y los
modelos disponibles, ha reducido su lista de alternativas de decisin a tres automviles, a los
que se denomina auto A, auto B y auto C. En la Tabla 15.1 se presenta un resumen de la
informacin que David ha recopilado con respecto a estos automviles.
Con base en la informacin de la Tabla 15.1, y con base tambin en sus impresiones
personales al manejar cada uno de los coches, Payne decide que hay diversos criterios que
debe considerar para tomar su decisin sobre la compra. Despus de alguna reflexin, elige el
precio de compra, las Millas Por Galn (MPG), la comodidad y el estilo como los cuatro
criterios que debe considerar. Los datos cuantitativos con respecto al precio de compra y el
criterio de MPG se proporcionan directamente en la Tabla 15.1. Sin embargo, no es posible
especificar de manera tan sencilla las medidas de comodidad y estilo. Ser necesario que el
seor Payne considere factores como interiores del coche, tipo de radio, facilidad para entrar y
salir, caractersticas de ajuste de los asientos, etc., con objeto de determinar el nivel de
comodidad para cada automvil. Ser necesario medir el criterio de estilo en trminos de la
evaluacin subjetiva que haga de cada coche.
Aun cuando se maneja un criterio de tan fcil medicin como el precio de compra, la
subjetividad se convierte en un aspecto importante cuando un tomador de decisiones
especfico indica sus preferencias personales. Por ejemplo, el auto A cuesta $3,600 (dlares)
ms que el auto C; esta diferencia podr representar una gran cantidad de dinero para una
persona, pero no mucho para otra. As, independientemente de si se considera que el auto A
es extremadamente ms costoso que el auto C, o slo moderadamente de ms costo que
ste, es un juicio subjetivo que depende primordialmente de la posicin financiera de la
persona que hace la comparacin. Una ventaja del PAJ es que est diseado para manejar
situaciones como sta, en la que las evaluaciones subjetivas de las personas constituyen una
parte importante del proceso de decisin.
55
El primer paso del PAJ consiste en elaborar una representacin grfica del problema en
trminos de la meta global, los criterios y las alternativas de decisin. Esta grfica ilustra la
jerarqua para el problema. En la Fig. 15.5 se muestra la jerarqua para el problema de
seleccin de automvil. Obsrvese que el primer nivel de la jerarqua muestra que la meta
global consiste en elegir el mejor automvil. Al segundo nivel, se observa que los
cuatro criterios (precio de compra, MPG, comodidad y estilo) contribuirn al logro de la meta
global. Finalmente, al tercer nivel, se observa que cada una de las alternativas de decisin
(auto A, auto B y auto C) pueden contribuir en forma nica a cada uno de los criterios.
El mtodo que sigue el PAJ consiste en hacer que el decisor especifique sus opiniones con
respecto a la importancia relativa de cada uno de los criterios en trminos de su contribucin al
logro de la meta global. En el siguiente nivel, el PAJ pide a quien toma las decisiones sealar
una preferencia o prioridad con respecto a cada alternativa de decisin en trminos de la
medida en la que contribuya a cada criterio. Por ejemplo, en el problema de seleccin de
automvil, ser necesario que Payne especifique su opinin con respecto a la importancia
relativa de cada uno de los cuatro criterios. Pero tambin ser necesario que indique su
preferencia con respecto a cada uno de los tres automviles y con respecto a cada criterio.
Comparaciones pareadas
Las comparaciones pareadas son bases fundamentales del PAJ. Al establecer las prioridades
para los tres automviles en trminos de comodidad, se pide a Payne plantear preferencia
para la comodidad de los coches cuando se consideran de dos a la vez (pare dos). Es decir, se
pedir al seor Payne comparar la comodidad del automvil A con del B; del auto A con el auto
C, y del auto B con el coche C, en tres comparaciones separadas.
El PAJ utiliza una escala subyacente con valores de 1 a 9 para calificar las preferencia
relativas de los dos elementos. En la Tabla 15.2 se presentan las calificaciones numricas que
se recomiendan para las preferencias verbales expresadas por el decisor. Diversas
56
investigaciones y experiencias han confirmado que la escala con 9 unidades es una base
razonabl para distinguir las preferencias entre dos artculos.
57
Nota: En la matriz de comparaciones pareadas, el valor del rengln i y la columna j es la
medida de la preferencia del automvil en el rengln i cuando se le compara con el automvil
de la columna j.
Se observa que el valor de la matriz que corresponde a la comparacin de A con B es 2; el
valor que corresponde a la comparacin entre A y C es 8, y el valor que corresponde a la
comparacin entre B y C es 6.
Para determinar los elementos restantes de la matriz de comparaciones pareadas, obsrvese
en primer lugar que cuando se compara cualquier automvil consigo mismo la opinin debe ser
que tiene preferencia igual. Por ello, utilizando la escala que se muestra en la Tabla 15.2, la
calificacin del auto A en comparacin con el A, del B con el B y del C con el C deben ser 1.
Por ello, el PAJ asigna 1 a todos los elementos de la diagonal de la matriz de comparaciones
pareadas.
Teniendo estos elementos, todo lo que resta es determinar la calificacin del auto B en
comparacin con el auto A, la de C en comparacin con A y la de C en comparacin con B.
Evidentemente, se podra seguir el mismo procedimiento y pedir al seor Payne que seale
sus preferencias para estas comparaciones en el PAJ. Sin embargo, como ya se sabe que
asign una calificacin de 2 para su preferencia sobre el automvil A con respecto al B, no es
necesario ya que haga otra comparacin pareada entre estos dos autos. De hecho, se
concluye que la calificacin de la preferencia para el automvil B cuando se le compara con el
A, es simplemente el inverso de la calificacin de preferencia para A cuando se le compara con
B: Vi. A fin de observar en forma intuitiva por qu se usa el inverso, ntese que el valor de
preferencia de 2 se interpreta considerando que indica que A es doblemente preferible a B. As
se sigue que B debe ser la mitad de preferible que A. Utilizando esta lgica, el PAJ obtiene la
calificacin de preferencia del auto B en comparacin con el A calculando el inverso de la
calificacin del auto A en comparacin con el B. Utilizando esta relacin inversa, o recproca,
se encuentra que la calificacin de C en comparacin con A es 1/8, y la calificacin de Cen
comparacin con B, es 1/6. Con estos valores numricos de preferencia, la matriz de
comparaciones pareadas completa para el criterio de comodidad es la que se muestra en la
Tabla 15.3.
58
Procedimiento para sintetizar juicios
Paso 1 Sumar los valores en cada columna de la matriz de comparaciones pareadas.
Paso 2 Dividir cada elemento de tal matriz entre el total de su columna; a la matriz resultante
se la denomina matriz de comparaciones pareadas normalizada.
Paso 3 Calcular el promedio de los elementos de cada rengln de la matriz normalizada; estos
promedios proporcionan una estimacin de las prioridades relativas de los elementos que se
comparan.
Para ver la forma en que funciona el proceso de sintetizacin para el problema de ejemplo, se
lleva a cabo el procedimiento utilizando la matriz de comparaciones pareadas que se muestra
en la Tabla 15.3. Los 3 pasos son los siguientes.
Esta sntesis proporciona las probabilidades relativas de los tres automviles respecto al
criterio de comodidad. De modo que se observa que considerando la comodidad, el automvil
ms preferible es A (con probabilidad de 0.593). En segundo lugar se encuentra el automvil B
(con una probabilidad de 0.341), y seguido del automvil C (con una probabilidad de 0.066). El
vector de prioridades que muestra las prioridades relativas de los tres automviles, A, B y C,
respecto al criterio de comodidad, se escribe de la siguiente manera:
0.593
0.341
0.066
59
4.4 Obtencin de la relacin de consistencia
Un paso crucial del PAJ es el establecimiento de prioridades mediante el uso del procedimiento
de comparaciones pareadas que se acaba de describir. Una consideracin importante en
trminos de la calidad de la decisin final se refiere a la consistencia de los juicios que muestra
el tomador de decisiones en el transcurso d la serie de comparaciones pareadas. Por
ejemplo, considrese un caso en el que se comparan tres ofertas de empleo respecto al
criterio de sueldo. Supngase que se obtiene la siguiente matriz de comparaciones pareadas:
60
valores al que se denomina "suma ponderada". Este clculo para el ejemplo de seleccin del
automvil es
61
Por ello, para este ejemplo de seleccin de automvil con n = 3 e IA = 0.58, se obtiene la
siguiente relacin de consistencia:
Al continuar con el anlisis del PAJ del problema de la seleccin de automvil, es necesario
utilizar el procedimiento de comparaciones pareadas para determinar las prioridades de los
tres automviles en trminos de los criterios de precio de compra, MPG y estilo. Para esto se
requiere que el seor Payne exprese sus preferencias por los autos en comparaciones
pareadas, considerando cada uno de esos criterios a la vez. Suponiendo que ya se ha hecho
esto, se resumen las preferencias de Payne. en las matrices de comparaciones pareadas que
se muestran en la Tabla 15.4.
62
La interpretacin de los valores numricos de la Tabla 15.4 es igual a la interpretacin de los
valores de preferencia que se observaron para el criterio de comodidad. Por ejemplo,
considrese la comparacin del auto A y del auto B en trminos del criterio del precio de
compra. Se considera que B ($11,200) es preferible a A ($13,100). De hecho, la matriz de
comparaciones pareadas muestra que la preferencia de Payne por B es 3 veces superior que
su preferencia por A en trminos del precio de compra. De manera similar, el auto A se prefiere
solamente en 1/3 respecto al auto B. Recurdese que la matriz de comparaciones pareadas se
elabora para mostrar la preferencia del artculo del rengln / cuando se le compara con el
artculo de la columna j.
Siguiendo el mismo proceso de sntesis utilizado para el criterio de comodidad, es posible
calcular los vectores de prioridades para estos criterios. El resultado de esta sntesis se
muestra en la Tabla 15.5.
63
Puede ahora utilizarse el proceso de sintetizacin que se describi en una parte anterior de
esta seccin para convertir la informacin de las comparaciones apareadas en las prioridades
para los cuatro criterios. Los resultados que se obtienen son los siguientes:
En la seccin anterior se mostr la forma en que puede utilizarse una matriz de comparaciones
pareadas para elaborar una jerarquizacin con prioridades de los elementos que se comparan.
En esta seccin se muestra la forma en que se pueden combinar las prioridades de los
criterios y las prioridades de cada una de las alternativas de decisin con respecto a cada
criterio para elaborar una jerarquizacin global de las prioridades de las alternativas de
decisin. La Tabla 15.7 contiene una matriz que resume las prioridades para cada automvil en
trminos de cada, criterio, segn se calcularon en la Secc. 15.4. A esta matriz se la denomina
matriz de prioridades.
La mejor manera de comprender el procedimiento que se utiliza para calcular las prioridades
globales para cada alternativa de decisin consiste en pensar que la prioridad para cada
criterio es un peso o ponderacin que refleja su importancia. La prioridad global para cada
alternativa de decisin se obtiene sumando el producto de la prioridad del criterio por la
prioridad de la alternativa de decisin con respecto a ese criterio. Recurdese que se encontr
que las prioridades de los criterios eran 0.398 para el precio de compra 0.085 para las MPG,
0.218 para la comodidad, y 0.299 para el estilo. As, el clculo de la prioridad global para el
automvil A es el siguiente:
Prioridad global del auto A = 0.398(0.123) + 0.085(0.087) + 0.218(0.593) + 0.299(0.065)
64
= 0.265
Repitiendo este clculo para los automviles B y C se obtienen sus prioridades globales de la
siguiente manera:
Prioridad global del auto B = 0.398(0.320) + 0.085(0.274) + 0.218(0.341) + 0.299(0.655)
= 0.421
Prioridad global del auto C = 0.398(0.557) + 0.085(0.639) + 0.218(0.066) + 0.299(0.080)
= 0.314
Ordenando estos valores de prioridad, se tiene la siguiente jerarquizacin del PAJ para las
alternativas de decisin:
Estos resultados proporcionan una base para que Payne tome una decisin respecto a la
adquisicin de un automvil. Con base en las prioridades del PAJ, Payne debe elegir el auto B.
El que decida o no comprar en realidad el automvil B con base en el anlisis de PAJ sigue
siendo su decisin. Si Payne considera que las opiniones que ha expresado respecto a la
importancia de los criterios y que sus preferencias por los automviles en trmino de los
criterios son ambas validas, entonces las prioridades del PAJ muestran que el automvil
preferible es el B. El que decida comprar o no el auto B puede no ser tan importante como los
conocimientos adicionales que sobre el problema ha obtenido como resultado de realizar el
anlisis que el PAJ requiere. Esto puede ser en s mismo tan til para Payne como la
recomendacin real sobre la decisin que ha obtenido.
4.6 EJERCICIOS
1.- Una organizacin considera reubicar sus oficinas matrices corporativas en una de tres
posibles ciudades. La siguiente matriz de comparaciones pareadas muestra las opiniones del
presidente respecto a la deseabilidad de las tres ciudades:
65
a) Determine las prioridades para las tres ciudades.
b)Es consistente el presidente en trminos de los juicios que ofrece? Explique.
2.- Se pidi a una persona comparar tres bebidas gaseosas en lo que respecta a sabor. Se
obtuvieron las siguientes opiniones:
A es moderadamente preferible a B.
A es entre igualmente y moderadamente preferible a C.
B es fuertemente preferible a C.
3.- Un estudio en el que se comparaban cuatro computadoras personales dio como resultado
la siguiente matriz de comparaciones pareadas para el criterio de desempeo:
a) Determine las prioridades para las cuatro computadoras con respecto al criterio de
desempeo.
b) Calcule la RC. Son consistentes las opiniones respecto al desempeo? Explique.
4.- Una persona estaba interesada en determinar en cul de dos acciones de empresas deba
invertir, Central Computing Company (CCC) o Software Research, Inc. (SRI). Se consider que
los criterios ms importantes para tomar la decisin son el rendimiento potencial de las
acciones, y el riesgo correspondiente a la inversin. Las matrices de comparaciones pareadas
para este problema son las siguientes:
66
5.- El vicepresidente de Harling Equipment necesita seleccionar a un nuevo director de
mercadotecnia. Los dos posibles candidatos son Bill Jacobs y Sue Martin, y los criterios que se
consideran ms relevantes en la seleccin son la aptitud de liderazgo (L), habilidades
personales (P) y habilidades administrativas (A). Se obtuvieron las siguientes matrices de
comparaciones pareadas:
6.- Una dama considera la adquisicin de un sistema de sonido estreo para su automvil, y
ha observado tres sistemas que varan en trminos de precio (P), calidad del sonido (Q) y
recepcin en frecuencia modulada (FM). Se desarrollaron las siguientes matrices de
comparaciones pareadas:
. .
67
UNIDAD 5
OBJETIVOS ESPECFICOS
68
UNIDAD 5: PROGRAMACIN DINAMICA
69
suma de contribuciones de las etapas individuales, o bien minimizar un producto de
tales trminos y as sucesivamente.
En un problema de programacin dinmica, las temporadas deben ser las etapas.
F(n, s) = mnimo [C(s, j) + f(n-1, j)] para todos los arcos (s, j) en la red
5.2.1.-PROBLEMA DE LA DILIGENCIA.
Este problema trata sobre un caza fortunas de Missouri que decide ir al oeste a unirse
a la fiebre del oro en California a mediados del siglo XIX.
70
Tiene que hacer el viaje en diligencia a travs de territorios sin ley cuando existan
serios peligros de ser atacado. An cuando su punto de partida y su destino eran fijos,
tena muchas opciones en cuanto a qu estados deba elegir como puntos intermedios.
En el diagrama siguiente se ilustran las posibles rutas en donde la direccin del viaje
es siempre de izquierda a derecha.
Para ver el grfico seleccione la opcin "Descargar" del men superior
Se requieren 4 etapas para viajar desde su punto de partida en el estado A a su
destino en el estado J.
Preocupado por la seguridad de su viaje se le ocurri una manera bastante ingeniosa
para determinar la ruta ms segura. Se le ofrecan plizas de seguros de vida a los
viajeros de manera que para determinar la ruta ms segura habra que elegir la que
tuviera el menor costo total de la pliza.
Los costos de las plizas vienen dados en el diagrama. El problema es determinar la
ruta que minimiza el costo total de la pliza.
Observemos primero que el procedimiento de elegir la ruta ms barata en cada etapa
sucesiva no conduce a una decisin ptima global. Al seguir esta estrategia se obtiene
la ruta A,B,F,I,J con un costo de 13, pero un pequeo sacrificio en una etapa permite
mayores ahorros en la etapa siguiente, as por ejemplo, A,D, F es ms barato que
A,B,F.
La programacin dinmica empieza con una pequea porcin del problema original y
encuentra la solucin ptima para este problema pequeo. En el problema de la
diligencia se comienza con el problema sencillo en el que el agente casa ha llegado al
final de su viaje y slo tiene una etapa ms por recorrer. En cada una de las
iteraciones siguientes, el problema se agranda aumentando de uno en uno el nmero
de etapas que le quedan por recorrer para completar el viaje.
Formulacin:
Sean
xn = variables que representan el destino inmediato de la etapa n.
fn(s,xn) = costo total = costo inmediato (etapa n) + mnimo costo futuro (etapas n+1 en
adelante) = csxn+ fn+1*(s,xn*)
fn*(s) = mn fn(s,xn) = fn(s,xn*)
Como el destino final (estado J) se alcanza al terminar la etapa 4, f5*(J) = 0.
El objetivo es encontrar f1*(A) y la ruta correspondiente.
La programacin dinmica la encuentra al hallar sucesivamente f4*(s), f3*(s), f2*(s)
para cada uno de los estados posibles s y usar despus f2*(s) para encontrar f1*(A).
Procedimiento de solucin:
n=4
s f4*(s) x4*
H 3 J
71
I 4 J
n=3
s H I f3*(s) x3*
E 4 8 4 H
F 9 7 7 I
G 6 7 6 H
n=2
s E F G f2*(s) x2*
B 11 11 12 11 EF
C 7 9 10 7 E
D 8 8 11 8 EF
n=1
s B C D f1*(s) x1*
A 13 11 11 11 CD
En este punto se puede identificar una solucin ptima a partir de las 4 tablas: A-C-E-
H-J o bien A-D-E-H-J o bien A-D-F-I-J.
CARACTERISTICAS GENERALES DE LOS PROBLEMAS DE PROGRAMACION
DINAMICA.
El problema de la diligencia es un prototipo literal de los problemas de programacin
dinmica. Por tanto una manera de reconocer una situacin que se puede formular
como un problema de programacin dinmica es poder identificar una estructura
anloga a la del problema de la diligencia.
CARACTERISTICAS BASICAS:
1.- El problema se puede dividir en etapas que requieren una poltica de decisin en
cada una de ellas.
2.- Cada etapa tiene cierto nmero de estados asociados con su inicio. Los estados
son las distintas condiciones posibles en las que se puede encontrar el sistema en
cada etapa del problema.
3.- El efecto de la poltica de decisin en cada etapa es transformar el estado actual en
un estado asociado con el inicio de la siguiente etapa.
4.- El procedimiento de solucin est diseado para encontrar una poltica ptima para
el problema completo.
72
5.- Dado el estado actual, una poltica ptima para las etapas restantes es
independiente de la poltica adoptada en etapas anteriores. Este es el principio de
optimalidad para programacin dinmica.
6.- El procedimiento de solucin se inicia al encontrar la poltica ptima para la ltima
etapa.
7.- Se dispone de una relacin recursiva que identifica la poltica ptima para la etapa
n, dada la poltica ptima para la etapa n+1.
La forma precisa de relacin recursiva difiere de un problema a otro de programacin
dinmica, pero usaremos una notacin anloga a la siguiente:
N = nmero de etapas.
n = etiqueta para la etapa actual ( n = 1,2,...,N)
sn = estado actual para la etapa n
xn = variable de decisin para la etapa n
xn* = valor ptimo de xn (dado sn)
fn(sn,xn) = contribucin a la funcin objetivo de las etapas n, n+1,...,N, si el sistema se
encuentra en el estado sn en la etapa n, la decisin inmediata es xn y en adelante se
toman decisiones ptimas.
fn*(sn) = fn(sn,xn*)
La relacin recursiva siempre tendr la forma:
fn*(sn) = mn fn(sn,xn) fn*(sn) = max fn(sn,xn)
8.- Cuando se usa esta relacin recursiva, el procedimiento de solucin comienza al
final y se mueve hacia atrs etapa por etapa, hasta que encuentra la poltica ptima
desde la etapa inicial.
5.2.2.- La Ruta corta
Considere una red conexa y no dirigida con dos nodos especiales llamados origen y
destino. A cada ligadura (arco no dirigido) se asocia una distancia no negativa. El
objetivo es encontrar la ruta ms corta (la trayectoria con la mnima distancia total) del
origen al destino.
Se dispone de un algoritmo bastante sencillo para este problema. La esencia del
procedimiento es que analiza toda la red a partir del origen; identifica de manera
sucesiva la ruta ms corta a cada uno de los nodos en orden ascendente de sus
distancias (ms cortas), desde el origen; el problema queda resuelto en el momento de
llegar al nodo destino.
Algoritmo de la ruta ms corta:
1.-Objetivo de la n-sima iteracin: encontrar el n-simo nodo ms cercano al origen.
(Este paso se repetir para n=1,2, hasta que el n-simo nodo ms cercano sea el
nodo destino.)
2.-Datos para la n-sima iteracin: n-1 nodos ms cercanos al origen (encontrados en
las iteraciones previas), incluida su ruta ms corta y la distancia desde el origen. (Estos
nodos y el origen se llaman nodos resueltos, el resto son nodos no resueltos.)
73
3.-Candidatos para el n-simo nodo ms cercano: Cada nodo resuelto que tiene
conexin directa por una ligadura con uno o ms nodos no resueltos proporciona un
candidato, y ste es el nodo no resuelto que tiene la ligadura ms corta. (Los empates
proporcionan candidatos adicionales.)
4.-Clculo del n-simo nodo ms cercano: para cada nodo resuelto y sus candidatos,
se suma la distancia entre ellos y la distancia de la ruta ms corta desde el origen a
este nodo resuelto. El candidato con la distancia total ms pequea es el n-simo nodo
ms cercano (los empates proporcionan nodos resueltos adicionales), y su ruta ms
corta es la que genera esta distancia.
En la figura siguiente se identifican las 7 estaciones del Parque como Nodos, con la
entrada como Nodo (O) y el Mirador como Nodo (T). La informacin disponible en cada
arco representa la distancia entre nodos medidos en millas
En el marco de los
problemas de
RMC se considera una red conexa y no dirigida con dos nodos especiales, llamados
origen y destino. A cada una de las ligaduras (arcos no
Dirigidos) se asocia una distancia no negativa. El objetivo del anlisis es encontrar la
ruta ms corta, es decir, la trayectoria con la mnima distancia total, que va del origen
al destino. Para su resolucin se utiliza el Algoritmo de la Ruta ms corta o tambin se
puede utilizar el SIMPLEX utilizando las propiedades de este Problema, que es un
caso especfico del Modelo de Programacin Lineal.
74
La
75
2
5
1 3 8 10
6
4 9
RUTA
NODO DE NODO DE DURACION
ETAPA ARCO
ENTRADA SALIDA ACUMULADA
7 7-10 10 8
1 8 8-10 10 10
9 9-10 10 6
2 5 5-9 9 11
6 6-9 9 17
2 2-5 5 18
3 3 3-5 5 19
4 4-6 6 20
4 1 1-4 4 26
DURACION: 26
RUTA: 1, 4, 6, 9, 10
76
Siendo xj el elemento j a transportar.
Para el caso del volumen se reformara la primera restriccin cambiando los
coeficientes por los volmenes de los tems.
Sea j: la variable que representa el artculo:
x(j): el nmero de unidades el nmero de unidades cargadas del artculo j
g(j,w): retorno del total acumulativo dado el espacio w disponible para el artculo
j
b) Explique en forma breve la forma en la que se puede ampliar este modelo para
encontrar el mejor patrn de corte en casos en los que la longitud global l pueda
cortarse en N tramos, l1, l2, lN.
77
Esquema
d4= 0,1 d3= 0,1 d2= 0,1, 2 d1= 0, 1, 2, 3, 4, 5, 6
X4 X3 X2 X1 X0
X3= X4 16d4 16 X2= X3 11d3 11 X1= X2 7d2 7 X0= X1 3d1 3
X2 0 1 Utilidades
0 0 - 0
1 0 - 0
2 0 - 0
3 1 - 1
4 1 - 1
5 1 - 1
6 2 - 2
7 2 3 0 3
8 2 3 0 3
9 3 3 0 3
10 3 3 1 4
11 3 3 1 4
12 4 3 1 4
13 4 3 2 5
14 4 3 2 5
15 5 3 2 5
16 5 3 3 6
17 5 3 3 6
18 6 3 3 6
19 6 3 4 7
20 6 3 4 7
Tablas de decisin
X3 0 1 Utilidades
0 0 - 0
1 0 - 0
2 0 - 0
3 1 - 1
4 1 - 1
5 1 - 1
6 2 - 2
7 3 - 3
8 3 - 3
9 3 - 3
10 4 - 4
11 4 5 0 5
12 4 5 0 5
78
13 5 5 0 5
14 6 5 1 6
15 6 5 1 6
16 6 5 1 6
17 7 5 2 7
18 7 5 2 7
19 7 5 2 7
20 8 5 3 8
X1 d1 r1
0 - 0
1 - 0
2 - 0
3 1 1
4 1 1
5 1 1
6 2 2
7 2 2
8 2 2
9 3 3
10 3 3
11 3 3
12 4 4
13 4 4
14 4 4
15 5 5
16 5 5
17 5 5
18 6 6
X4 0 1 Utilidades 19 6 6
0 0 0 20 6 6
1 0 0
2 0 0
3 1 1
4 1 1
5 1 1
6 2 2
7 3 3
8 3 3
9 3 3
10 4 4
Conclusin
11 5 5
utilidad
12 5 5 Variable corte utilidad final
13 5 5 d4 1 8 8
14 6 6 d3 0 5 0
15 6 6 d2 0 3 0
16 6 8 0 8 d1 1 1 1
17 7 8 0 8
79
18 7 8 0 8
19 7 8 1 9
20 8 8 1 9
Utilidad mxima = 9
I(n): la posicin del inventario al final del periodo n, es decir, I(n) = H(n) o I(n)
=B(n)
f(n,i): costo total acumulativo dado el nivel del inventario inicial i para el periodo n
La relacin recursiva dinmica se expresa como:
F(n, i) = mximo {C(n, P(n), i+P(n)-D(n)) + f(n-1, i+P(n)-D(n))} para todo posible P(n).
La tabla muestra los datos del siguiente problema de produccin e inventario: la
demanda para los meses de enero, febrero, marzo y abril es de 4, 5, 3 y 4 unidades,
80
respectivamente. Las capacidades de produccin son de 6, 4, 7, y 5 unidades; las
capacidades de almacenaje son 4, 3, 2 y 4 unidades respectivamente. Los costos de
preparacin varan de un mes a otro y son: 500, 450, 500 y 600 u.m. para enero,
febrero, marzo y abril.
Mes Costos Demanda Capacidad de produccin Capacidad de Almacenamiento Enero
500 4 6 4 Febrero 450 5 4 3 Marzo 500 3 7 2 Abril 600 4 5 4Determinar un programa
de produccin con el fin de minimizar los costos totales relacionados.
Al igual que en los ejercicios anteriores, se procede a ingresar los datos:
La tabla inicial permite ingresar los datos expuestos en el ejemplo.
Las cantidades a producir mostradas en la tabla son de tal forma que permiten un
costo mnimo en la planeacin: se deben producir 5, 4, 3 y 4 unidades para los meses
de enero, febrero, marzo y abril respectivamente. El costo total es de $7080, dividido
en $2050 por concepto de costos de preparacin y $5030 de costos variables. La tabla
tambin muestra el juego de inventarios resultante de la produccin y demanda
mensuales.
Caractersticas de un Problema de Programacin Dinmica. Para que un problema
pueda ser resuelto con la tcnica de programacin dinmica, debe cumplir con ciertas
caractersticas:
Naturaleza secuencial de las decisiones: El problema puede ser dividido en etapas.
Cada etapa tiene un nmero de estados asociados a ella. La decisin ptima de cada
etapa depende solo del estado actual y no de las decisiones anteriores.
La decisin tomada en una etapa determina cual ser el estado de la etapa siguiente.
En sntesis, la poltica optima es de un estado s de la etapa k a la etapa final esta
constituida por una decisin que transforma s en un estado s0 de la etapa k +1 y por la
poltica optima desde el estado s0 hasta la etapa final.
Resolucin de un Problema de Programacin Dinmica Para resolver un problema de
programacin dinmica debemos al menos:
Identificacin de etapas, estados y variable de decisin:
Cada etapa debe tener asociado una o mas decisiones (problema de optimizacin),
cuya dependencia de las decisiones anteriores esta dada exclusivamente por las
variables de estado.
Cada estado debe contener toda la informacin relevante para la toma de decisin
asociada al periodo.
Las variables de decisin son aquellas sobre las cuales debemos definir su valor de
modo de optimizar el beneficio acumulado y modificar el estado de la prxima etapa.
Descripcin de ecuaciones de recurrencia: Nos deben indicar como se acumula la
funcin de beneficios a optimizar (funcin objetivo) y como varan las funciones de
estado de una etapa a otra. Resolucin Debemos optimizar cada subproblema por
etapas en funcin de los resultados de la resolucin del subproblema siguiente. Notar
que las para que las recurrencias estn bien definidas requerimos de condiciones de
borde.
Problema.-La familia Sampsons va a salir de vacaciones desde su ciudad natal
Springfield. La familia desea visitar n ciudades y dispone de un total de M das para
hacerlo, con M _ n. La familia desea saber cuantos das permanecer en cada ciudad
de modo de maximizar la satisfaccin total de sus vacaciones sabiendo que para cada
ciudad i existe una funcin de satisfaccin que es funcin del nmero de das de
permanencia.
81
1. Plantee un modelo de programacin dinmica para resolver la planificacin de las
vacaciones de los Sampsons.
2. Suponga que n = 3 y M = 5 y que las funciones de beneficio gk (xk) vienen dadas
por:
82
2. Debemos resolver los problemas asociados a cada etapa partiendo desde la ltima
4, para cada uno de los posibles estados en que puede llegar el problema a la etapa
en cuestin. Para resolver cada uno de estos problemas haremos una enumeracin
explicita de los casos posibles para cada etapa y seleccionaremos la mejor 5.
Ciudad 3:
I: in
Sea:
83
* H(n): el inventario disponible al final del periodo n
* I(n): la posicin del inventario al final del periodo n, es decir, I(n) = H(n) o I(n) =B(n)
* F(n, i): costo total acumulativo dado el nivel del inventario inicial i para el periodo n
F(n, i) = mximo {C(n, P(n), i+P(n)-D(n)) + f(n-1, i+P(n)-D(n))} para todo posible P(n).
Ejemplo :
La tabla muestra los datos del siguiente problema de produccin e inventario: la demanda para
los meses de enero, febrero, marzo y abril es de 4, 5, 3 y 4 unidades, respectivamente. Las
capacidades de produccin son de 6, 4, 7, y 5 unidades; las capacidades de almacenaje son 4,
3, 2 y 4 unidades respectivamente. Los costos de preparacin varan de un mes a otro y son:
500, 450, 500 y 600 u.m. para enero, febrero, marzo y abril.
Las cantidades a producir mostradas en la tabla son de tal forma que permiten un costo
mnimo en la planeacin: se deben producir 5, 4, 3 y 4 unidades para los meses de enero,
febrero, marzo y abril respectivamente. El costo total es de $7080, dividido en $2050 por
concepto de costos de preparacin y $5030 de costos variables. La tabla tambin muestra el
juego de inventarios resultante de la produccin y la demanda mensuales.
84
en trminos de instancias ms simples, estando las finales ms simples definidas de forma
explcita.
85
Por eso quien domina las tcnicas bsicas de programacin debe saber usar
recursividad. Cuesta bastante entender por primera vez qu es recursividad, pero para
hacerlo ayuda mucho conocer cmo se usan los registros de activacin en la pila de
ejecucin del programa, para recordar la direccin de retorno del procedimiento y
almacenar sus variables locales. La recursividad va ligada al de repeticin.
Son recursivos aquellos algoritmos que, estando encapsulados dentro de una funcin,
son llamados desde ella misma una y otra vez, en contraposicin a los algoritmos
iterativos, que hacen uso de bucles while, do-while, for, etc. Recursivo si se define en
trminos de s mismo (cuando para definirse hace mencin a s mismo). Para que una
definicin recursiva sea vlida, la referencia a s misma debe ser relativamente ms
sencilla que el caso considerado.
Ejemplo:
Definicin de n natural: el N 0 es natural el N n es natural si n-1 lo es. En un
algoritmo recursivo distinguimos como mnimo 2 partes:
Aquellas funciones cuyo dominio puede ser recursivamente definido pueden ser
definidas de forma recursiva. El ejemplo ms conocido es la definicin recursiva de la
funcin factorial f(n): f(0) = 1 f(n) = n f(n-1) para todo nmero natural n > 0 Con esta
definicin veamos cmo funciona esta funcin para el valor del factorial de 3: f(3) = 3
f(3-1) = 3 f(2) = 3 2 f(2-1) = 3 2 f(1) = 3 2 1 f(1-1) = 3 2 1 f(0) = 3 2 1
1 = 6 Caso trivial, base o de fin de recursin: Es un caso donde el problema puede
resolverse sin tener que hacer uso de una nueva llamada a s mismo.
PARTE PURAMENTE RECURSIVA:
Relaciona el resultado del algoritmo con resultados de casos ms simples. Se hacen
nuevas llamadas a la funcin, pero estn ms prximas al caso base. TIPOS DE
RECURSIN Recursividad simple Aquella en cuya definicin slo aparece una
llamada recursiva. Se puede transformar con facilidad en algoritmos iterativos.
Recursividad mltiple Se da cuando hay ms de una llamada a s misma dentro del
cuerpo de la funcin, resultando ms difcil de hacer de forma iterativa.
CONCLUSIONES
La programacin dinmica es una tcnica muy til pata tomar decisiones
interrelacionadas. Requiere del planteamiento de una relacin recursiva apropiada
para cada problema individual. Sin embargo, da lugar a un gran ahorro de clculos
comparando con el uso de la enumeracin exhaustiva para hallar la mejor combinacin
de decisiones, en especial para problemas grandes. Por ejemplo sin un problema tiene
10 etapas con 10 estados y 10 decisiones posibles Es una tcnica de programacin
mediante la cual un mdulo puede invocarse a s mismo. Es importante porque
algunos algoritmos recursivos son mucho ms compactos y elegantes que los
algoritmos no recursivos equivalentes. Por eso quien domina las tcnicas bsicas de
programacin debe saber usar recursividad. Cuesta bastante entender por primera vez
qu es recursividad, pero para hacerlo ayuda mucho conocer cmo se usan los
registros de activacin en la pila de ejecucin del programa, para recordar la direccin
de retorno del procedimiento y almacenar sus en cada etapa, entonces la enumeracin
exhaustiva debe considerar hasta combinaciones.
Programacin dinmica
Recordemos el problema de la mochila:
o Se tienen n objetos fraccionables y una mochila.
86
o El objeto i tiene peso pi y una fraccin xi (0xi1) del objeto i produce un
beneficio bixi.
o El objetivo es llenar la mochila, de capacidad C, de manera que se
maximice el beneficio.
Programacin dinmica:
Ejemplo:
n=3 C=15
(b1,b2,b3)=(38,40,24)
(p1,p2,p3)=(9,6,5)
Sin embargo, la solucin ptima es: (X1, x2, x3)= (1, 1,0), con beneficio 78
Programacin dinmica
Programacin dinmica
87
Supongamos que un problema se resuelve tras tomar un secuencia d1, d2,,
dn de decisiones.
Si hay d opciones posibles para cada una de las decisiones, una tcnica de
fuerza bruta explorara un total de dn secuencias posibles de decisiones
(explosin combinatoria).
La tcnica de programacin dinmica evita explorar todas las secuencias
posibles por medio de la resolucin de subproblemas de tamao creciente y
almacenamiento en una tabla de las soluciones ptimas de esos subproblemas
para facilitar la solucin de los mismos.
2 7
7
7 8
10
5
9
8
8 10 1
1 3 8
6 0
10
5
5 6 11
4 6
4 9
88
2 7
7
7 8
8 8
5
9
4
6 10 1
1 3 12 8
3 0
10
5
5 2 6 11
4 6
4 9
a).-Obtenga la ruta ms corta del nodo 1 al nodo 10 utilizando programacin dinmica.
b).-Cul es la ruta ms corta del nodo 4 al nodo 10?
c).-Enumere todos los trayectos posibles del nodo 1 al nodo 10. Explica la forma en la
que la programacin dinmica ha reducido el nmero de clculos con respecto al
nmero que se hubiera requerido mediante una enumeracin total.
3.-Una planta procesadora de madera recibe troncos de longitud de 20 pies, los corta
longitudes menores y despus se venden a estos troncos de longitud menor a diversas
compaas manufactureras. Las longitudes para las que la compaa tiene pedidos
son:
L1= 3 pies
L2= 7 pies
L3= 11 pies
L4= 16 pies
89
4.-Una empresa acaba de contratar a ocho empleados y pretende determinar cmo
asignarlos a cuatro actividades. La empresa ha preparado la tabla que aparece en
seguida en la que se dan las utilidades esperadas para cada actividad como funcin
del nmero de nuevo empleados que se asignen a ella.
Actividades Nmero de empleados
0 1 2 3 4 5 6 7 8
1 22 30 37 49 49 54 58 60 61
2 30 40 48 55 59 62 64 66 67
3 46 52 56 59 62 65 67 68 69
4 5 22 36 48 52 55 58 60 61
90
Las asignaciones que se hacen en fases subsecuentes dependen de la asignacin
anterior por ejemplo, un entrenador que termina la asignacin A en la fase 1 puede
solo pasara la asignacin F o G en la fase ll. Es decir, existe una relacin de
precedencia para cada asignacin de acuerdo con el siguiente cuadro.
Asignacin Asignaciones subsecuentes
factibles
A F,G
B F
C G
D E,G
E H,I,J,K
F H,K
G J,K
H L,M
I L,M
J M,N
K N
L Terminacin
M Terminacin
N Terminacin
La compaa pretende determinar la secuencia las asignaciones que minimice el tiempo que
los entrenadores en el programa. Plantee y resulta este como problema de programacin
dinmica. (Sugerencia> desarrollo una representacin de red para el problema, en la que cada
un nodo represente la terminacin de una actividad.)
Si el entrenador acaba de terminar la asignacin F y le gustara terminar el resto del programa
de capacitacin en el tiempo mas corto posible, Cual es l asignacin que debe elegir en
seguida?
91
Etapa3 550 1100 2000 1850 1950
Suponiendo que los lotes no pueden dividir en tamaos menores de 100 docenas
cada uno, Cuantas docenas de bolas de golf debe crazy Robin enviar a cada tienda?
8.-La firma Max X.Posure Advertising Agency est llevando a cabo una compaa de
publicidad de 10 das para una tienda local de departamentos. La agencia ha
determinado que es posible que la compaa ms efectiva pudiera incluir la
colocacin la colocacin de anuncios en cuatro medios. Un periodo dominical y
televisin. Se tiene disponible un total de $8.. Para esa campaa y a la agencia le
gustara distribuir esa cantidad en incremento de $1,000 en todos los medios, de
manera que se maximice el ndice de exposicin a la publicidad. Algunas
investigaciones que la agencia ha llevado a cabo permiten obtener las siguientes
estimaciones de la exposicin por cada $1,000 de gasto en cada uno de los medios
Medio 1 2 3 4 5 6 7 8
Informativo
Peridico 24 37 46 59 72 80 82 82
diario
Peridico
Dominical
Radio
Televisin
9.-Supngase que se tiene un proceso en tres etapas en las que el rendimiento de
cada etapa es funcin de la decisin que se tome .En Notacin matemtica, se podra
plantear el problema de la siguiente manera:
Max:r1(Di+r2(d2)+ r3(d3)
Sujeto a d1 + d2 + d3 < 1000
Se presentan enseguida en forma tabular los posibles valores que pueden asumir las
variables de decisin en cada etapa y los posibles rendimientos:
Etapa 1 Etapa 2 Etapa 3
d1 r1(d1) d2 d2(d2) r3 r3(d3)
0 0 100 120 100 175
100 110 300 40 500 700
200 30 500 650
300 400 600 700
400 425 800 975
a).-Utilice una Enumeracin total para listar todas las secuencias factibles de
decisiones para este problema.. Cul es el ptimo [Es decir, la que maximiza la
r1(d1)+r2(d2)+r3(d3)]?
b).-Use programacin dinmica para resolver este problema.
9.-Recuerde el problema de control de la produccin y los inventarios. La Mills
Manufacturing Company tiene exactamente un problema de produccin y de control
de inventarios como se para la armadura que la compaa de fabrica como
componente para un generador elctrico .Los datos disponibles para el siguiente
periodo de planeacin de 3 meses son los que se presentan enseguida.
Mes Demanda Capacidad Capacidad de Costo de Costo de
de Almacn produccin x Tenencia x Unidad
produccin unidad
92
1 20 30 41 $ 2.00 $.30
2 30 20 30 $1.50 $.30
3 30 30 20 $2.00 $.20
93
INVESTIGACION DE OPERACIONES II
FORMATO PARA PROGRAMACION DINAMICA CON INVENTARIOS
ALUMNO__________________________________________________________
D3= P3= W3= d3= D2= P2= W2= D2= D1= P1= W1= D1=
dn < Pn
Xn + dn > Dn
Xn + dn Dn = Wn
Rn (Xn, dn) = Cn dn + Hn (Xn + dn Dn)
94
Tabla de tercera decisin:
d3
X3 f3 (X3)= f3 (X3)= f3 (X3)= f3 (X3)=
Tabla de resultados:
95
UNIDAD 6
OBJETIVOS ESPECFICOS
Simulaciones empricas
Teora sobre distribuciones continuas y discretas
Teora sobre generadores de proceso
Simulacin Montecarlo
Utilizacin en lneas de espera
Mejoramiento del diseo de sistemas
Casos prcticos
96
Unidad 6.- SIMULACION
6.1. INTRODUCCIN
La creciente capacidad de las computadoras y la inmensa investigacin en el campo de la
Ciencia de la Computacin otorgan nuevas herramientas para apoyar el proceso de la toma de
decisiones en diversas disciplinas y reas de diseo y manejo de la industria. La Simulacin
es una de las herramientas ms importantes y ms interdisciplinarias. En pocas palabras
podemos decir, que la simulacin realiza cuando la computadora finge ser una tienda, un avin
o un mercado de abarrotes. El usuario define la estructura del sistema que quiere simular.
Una corrida del programa de simulacin correspondiente le dice cual ser el comportamiento
dinmico de su empresa o de la maquina que esta diseando. As podemos ver los
pronsticos para la demanda y utilidad de nuestro producto, o ver cuando un mecanismo
pueda fallar en las condiciones adversas del ambiente donde funcionar.
Las aplicaciones de la simulacin parecen no tener lmites. Actualmente se simulan los
comportamientos hasta las partes ms pequeas de un mecanismo, el desarrollo de las
epidemias, el sistema inmunolgico humano, las plantas productivas, sucursales bancarias, el
sistema de reparticin de pizzas en la Ciudad de Mxico, crecimiento de poblaciones de
especies de animales, partidos y torneos de ftbol, movimiento de los planetas y la evolucin
del universo, para mencionar unos pocos ejemplos de las aplicaciones de esta herramienta.
Cabe mencionar la creciente importancia de la Simulacin en la Investigacin de operaciones y
en sus aplicaciones industriales. En los pases altamente desarrollados la simulacin es una
herramienta principal de en los procesos de toma de decisiones, en el manejo de empresas y
el planeacin de la produccin. Adems, la Simulacin es cada vez ms amigable para el
usuario, que no tiene que ser un especialista en computacin.
El Dr. Ralph Huntsinger, ex-presidente de la Society for Computer Simulation y actual
Presidente del Instituto McLeod de las Ciencias de Simulacin ha dicho en sus presentaciones
en el Primer Simposio sobre la Simulacin por Computadora y la III Conferencia sobre
Simulacin por Computadora (Universidad Panamericana, Noviembre 1992 y 1995):
97
causa cambios en el sistema. Estas pueden ser: endgenas cuando se generan dentro del
mismo sistema y exgenas cuando provienen del medio exterior.
En los sistemas discretos, el flujo es tratado como un cierto nmero de enteros. Por
ejemplo en el anlisis de flujo de personas en el supermercado, involucra el tiempo que tarda
una persona en las distancias areas del supermercado y el contador de salida de un sistema
discreto, otros sistemas discretos son: el anlisis de como el de trfico de autobuses en una
central camionera, e control de trfico de: trenes en una estacin ferroviaria, aviones en el
aeropuerto, vehculos en una autopista, buques en el puerto. Otro ejemplo puede ser un
banco, dado que las variables de estado como pueden ser: el nmero de clientes dentro del
banco, cambia solamente cuando llega un nuevo cliente o bien cuando un cliente termina de
ser atendido por un cajero y abandona el banco.
En los sistemas continuos el flujo a travs del sistema es, el de un medio continuo, por
ejemplo el flujo de las partculas slidas, movindose a velocidades relativas al tamao de las
partculas presentes en la corriente.
En la prctica, pocos sistemas continuos puros o como sistemas discretos puros, sin
embargo predomina uno de los dos, con lo cual es posible identificarlos.
98
Si el modelo es lo suficiente sencillo, es posible trabajar con cantidades y relaciones
que tiendan a la exactitud, obtenindose entonces una solucin exacta. Sin embargo, an las
soluciones analticas pueden ser extraordinariamente complejas, requirindose de un
considerable tiempo de cmputo.
99
Aunque la tcnica de simulacin generalmente se ve como un mtodo de ltimo
recurso, recientes avances en las metodologas de simulacin y la gran disponibilidad de
software que actualmente existe en el mercado, han hecho que la tcnica de simulacin sea
una de las herramientas ms ampliamente usadas en el anlisis de sistemas. Adems de las
razones antes mencionadas, Thomas H. Naylor ha sugerido que un estudio de simulacin es
muy recomendable porque presenta las siguientes ventajas:
Una observacin detallada del sistema que se est simulando puede conducir a un mejor
entendimiento del sistema y por consiguiente a sugerir estrategias que mejoren la operacin
y eficiencia del sistema.
La tcnica de simulacin puede ser utilizada como un instrumento pedaggico para ensear
a estudiantes habilidades bsicas en anlisis estadsticos, anlisis terico, etc.
La tcnica de simulacin puede ser utilizada para experimentar con nuevas situaciones,
sobre las cuales tiene poca o ninguna informacin. A travs de esta experimentacin se
puede anticipar mejor a posibles resultados no previstos.
Cuando nuevos elementos son introducidos en un sistema, la simulacin puede ser usada
para anticipar cuellos de botella o algn otro problema que puede surgir en el
comportamiento del sistema.
En simulacin cada variable puede sostenerse constante excepto algunas cuya influencia
est siendo estudiada. Como resultado el posible efecto de descontrol de las variables en
el comportamiento del sistema necesitan no ser tomados en cuenta. Como frecuentemente
debe ser hecho cuando el experimento est desarrollado sobre un sistema real.
100
Es posible reproducir eventos aleatorios idnticos mediante una secuencia de nmeros
aleatorios. Esto hace posible usar las tcnicas de reproduccin de varianza para mejorar la
precisin con la cual las caractersticas del sistema pueden ser estimadas para dar un valor
que refleje el esfuerzo de la simulacin.
Falla al producir resultados exactos. S supone que un sistema sta compuesto de uno o
ms elementos que estn sujetos a un comportamiento al azar. Cuando una simulacin es
desarrollada con un modelo del sistema, los valores de cada variable son registrados y los
promedios de estos valores son dados en una post-simulacin. Pero el promedio en una
muestra de observacin solo a veces provee un estimado de lo esperado, es decir, una
simulacin solo provee estimados, no resultados exactos.
Fallas al optimizar. La simulacin es usada para contestar preguntas del tipo Qu pasa
si?, pero no d, qu es lo mejor?. En este sentido, la simulacin no es una tcnica de
optimizacin. La simulacin no generar soluciones, solo evala esas que han sido
propuestas.
Una de los primeros pasos que se realizan en cualquier estudio estadstico es la tabulacin de
resultados, es decir, recoger la informacin de la muestra resumida en una tabla en la que a
cada valor de la variable se le asocian determinados nmeros que representan el nmero de
veces que ha aparecido, su proporcin con respecto a otros valores de la variable, etc. Estos
nmeros se denominan frecuencias: As tenemos los siguientes tipos de frecuencia:
1. Frecuencia absoluta
2. Frecuencia relativa
101
3. Porcentaje
4. Frecuencia absoluta acumulada
5. Frecuencia relativa acumulada
6. Porcentaje acumulado
7. Ejemplo
Frecuencia absoluta:
Frecuencia relativa:
La frecuencia absoluta, es una medida que est influida por el tamao de la muestra, al
aumentar el tamao de la muestra aumentar tambin el tamao de la frecuencia absoluta.
Esto hace que no sea una medida til para poder comparar. Para esto es necesario introducir
el concepto de frecuencia relativa, que es el cociente entre la frecuencia absoluta y el tamao
de la muestra. La denotaremos por fi
Porcentaje:
La frecuencia relativa es un tanto por uno, sin embargo, hoy da es bastante frecuente hablar
siempre en trminos de tantos por ciento o porcentajes, por lo que esta medida resulta de
multiplicar la frecuencia relativa por 100. La denotaremos por pi.
Para poder calcular este tipo de frecuencias hay que tener en cuenta que la variable
estadstica ha de ser cuantitativa o cualitativa ordenable. En otro caso no tiene mucho sentido
el clculo de esta frecuencia. La frecuencia absoluta acumulada de un valor de la variable, es
el nmero de veces que ha aparecido en la muestra un valor menor o igual que el de la
variable y lo representaremos por Ni.
&NBSP;
102
&NBSP;
Porcentaje Acumulado:
&NBSP;
Veamos esto con un ejemplo: Tomamos para ello los datos relativos a las personas activas.
Xi ni Fi pi Ni Fi Pi
Total 50
103
En este ejemplo se puede ver fcilmente como se calculan estas frecuencias.
&NBSP;
INTRODUCCIN.
En el presente captulo presentaremos los mtodos ms utilizados, para generar nmeros
aleatorios y pseudoaleatorios con computadora. Dejemos el tema de la aplicacin
Antes de continuar, es necesario establecer la siguiente terminologa. El trmino
variable aleatoria se emplea para nombrar una funcin de valor real, definida sobre un espacio
muestral asociado con los resultados de un experimento conceptual, de naturaleza azoroza. El
valor numrico resultante de un experimento, de cada una de las variables aleatorias, se llama
nmero aleatorio. Se utilizan letras maysculas para denotar las variables aleatorias y
minsculas, para denotar valores de stas variables aleatorias y minsculas, para denotar
valores de stas variables, es decir, para los nmeros aleatorios. Por ejemplo, F(x); la funcin
de distribucin acumulada para una variable aleatoria X, indica la probabilidad de que X sea
menor o igual al particular valor x de la funcin de probabilidad de la variable aleatoria X,
cuando X= x.
104
Los mtodos de computacin analgica dependen de ciertos procesos fsicos aleatorios (por
ejemplo, el comportamiento de una corriente elctrica), por lo que se considera que conducen
verdaderos nmeros aleatorios.
Ventaja: Aleatorios.
Desventaja: No reproducible.
e).-PROVISIN EXTERNA.
Consiste en grabar en la memoria de la computadora, las tablas Randa, a fin de tratar estos
nmeros como datos de entrada para un determinado problema.
Ejemplo: a) enteros
Sea:
n0 = 83,
n1 = d. c. (6889) = 88
105
n2 = d. c. (7744) = 74
n3 = d. c. (5476) = 47
n4 = d. c. (2209) = 20
n5 = d. c. (0400) = 40
n6 = d. c. (1600) = 60
n0 = 0.528
n1 = 0.278784 = 0.787
n2 = 0.619369 = 0.193
n3 = 0.037249 = 0.372
n4 = 0.138124 = 0.383
n5 = 0.146689 = 0.466
n6 = 0.217151 = 0.171
n7 = 0.029241 = 0.292
n8 = 0.085264 = 0.852
n9 = 0.725904 = 0.259
n10 = 0.067021 = 0.670
n11 = 0.4489 = 0.489
n12 = 0.239121 = 0.391
n13 = 0.152881 = 0.528 P = 13
n14 = 0.278784 = 0.787
106
El Mtodo de Monte Carlo da solucin a una gran variedad de problemas matemticos
haciendo experimentos con muestreos estadsticos en una computadora. El mtodo es
aplicable a cualquier tipo de problema, ya sea estocstico o determinstico. Generalmente en
estadstica los modelos aleatorios se usan para simular fenmenos que poseen algn
componente aleatorio. Pero en el mtodo Monte Carlo, por otro lado, el objeto de la
investigacin es el objeto en s mismo, un suceso aleatorio o pseudo-aleatorio se usa para
estudiar el modelo. A veces la aplicacin del mtodo Monte Carlo se usa para analizar
problemas que no tienen un componente aleatorio explcito; en estos casos un parmetro
determinista del problema se expresa como una distribucin aleatoria y se simula dicha
distribucin. Un ejemplo sera el famoso problema de las Agujas de Bufn.
La simulacin de Monte Carlo tambin fue creada para resolver integrales que no se
pueden resolver por mtodos analticos, para solucionar estas integrales se usaron nmeros
aleatorios. Posteriormente se utiliz para cualquier esquema que emplee nmeros aleatorios,
usando variables aleatorias con distribuciones de probabilidad
conocidas, el cual es usado para resolver ciertos problemas estocsticos y determinsticos,
donde el tiempo no juega un papel importante.
.
ALGORITMOS
El algoritmo de Simulacin Monte Carlo Crudo o Puro est fundamentado en la generacin de
nmeros aleatorios por el mtodo de Transformacin Inversa, el cual se basa en las
distribuciones acumuladas de frecuencias:
Determinar la/s V.A. y sus distribuciones acumuladas(F)
Generar un nmero aleatorio uniforme (0,1).
Determinar el valor de la V.A. para el nmero aleatorio generado de acuerdo a las clases que
tengamos.
Calcular media, desviacin estndar error y realizar el histograma.
Analizar resultados para distintos tamaos de muestra.
Otra opcin para trabajar con Monte Carlo, cuando la variable aleatoria no es
directamente el resultado de la simulacin o tenemos relaciones entre variables es la siguiente:
Disear el modelo lgico de decisin
Especificar distribuciones de probabilidad para las variables aleatorias relevantes.
Incluir posibles dependencias entre variables.
Muestrear valores de las variables aleatorias.
Calcular el resultado del modelo segn los valores del muestreo (iteracin) y registrar el
resultado. Repetir el proceso hasta tener una muestra estadsticamente representativa
Obtener la distribucin de frecuencias del resultado de las iteraciones
Calcular media, desvo.
Analizar los resultados
Las principales caractersticas a tener en cuenta para la implementacin o utilizacin
del algoritmo son:
El sistema debe ser descripto por 1 o ms funciones de distribucin de probabilidad (fdp)
Generador de nmeros aleatorios: como se generan los nmeros aleatorios es importante para
evitar que se produzca correlacin entre los valores mustrales. Iterar tantas veces como
muestras necesitamos
Establecer lmites y reglas de muestreo para las fdp: conocemos que valores
pueden adoptar las variables.
Definir Scoring: Cuando un valor aleatorio tiene o no sentido para el modelo a simular.
Estimacin Error: Con que error trabajamos, cuanto error podemos aceptar para que una
corrida sea vlida? Tcnicas de reduccin de varianza.
Paralelizacin y vectorizacin: En aplicaciones con muchas variables se estudia trabajar con
varios procesadores paralelos para realizar la simulacin.
107
EJEMPLO PRCTICO I
Tenemos la siguiente distribucin de probabilidades para una demanda aleatoria y
queremos ver qu sucede con el promedio de la demanda en varias iteraciones:
Demanda
0.10
0.20
0.40
0.20
0.10
0.00
0.20
0.40
0.60
0.80
1.00
Unidades Frecuencia
42 45 48 51 54
Utilizando la distribucin acumulada (F(x) es la probabilidad que la variable aleatoria
tome valores menores o iguales a x) podemos determinar cul es el valor obtenido de
unidades cuando se genera un nmero aleatorio a partir de una distribucin contina
uniforme. Este mtodo de generacin de variable aleatoria se llama Transformacin Inversa.
Unidades Frecuencia Frecuencia Acumulada
42 0.10 0.10
45 0.20 0.30
48 0.40 0.70
51 0.20 0.90
54 0.10 1.00
Generando los valores aleatorios vamos a ver como se obtiene el valor de la demanda
para cada da, interesndonos en este caso como es el orden de aparicin de los valores. Se
busca el nmero aleatorio generado en la tabla de probabilidades acumuladas, una vez
encontrado( si no es el valor exacto, ste debe se menor que el de la fila seleccionada pero
mayor que el de la fila anterior), de esa fila tomada como solucin se toma el valor de las
unidades (Cuando trabajamos en Excel debemos tomar el lmite inferior del intervalo para
busca en las acumuladas, para poder emplear la funcin BUSCARV(), para 42 sera 0, para 43
0,100001 y as sucesivamente).
Ejemplo: Supongamos que el nmero aleatorio generado sea 0,52, a qu valor de unidades
corresponde? Nos fijamos en la columna de frecuencias acumuladas, ese valor exacto no
aparece, el siguiente mayor es 0,70 y corresponde a 48 unidades. Se puede apreciar mejor en
el grfico, trazando una recta desde el eje de la frecuencia hasta que intersecta con la lnea de
la funcin acumulada, luego se baja a la coordenada de unidades y se obtiene el valor
correspondiente; en este caso 48. Cuando trabajamos con variables discretas la funcin
acumulada tiene un intervalo o salto para cada variable(para
casos prcticos hay que definir los intervalos y luego con una funcin de bsqueda hallar el
valor). Para funciones continuas se puede hallar la inversa de la funcin acumulada.
De esta forma logramos a partir de la distribucin de densidad calcular los valores de la
variable aleatoria dada. En la siguiente tabla, vemos como a medida que aumenta el nmero
de simulaciones, el valor simulado se acerca al valor original de la media y desviacin
estndar, adems de la disminucin del error tpico.
Cantidad de simulaciones Media Desvo Error
10 48.60 3.41 1.08
100 48.12 3.16 0.32
1000 47.87 3.28 0.10
108
10000 47.87 3.30 0.03
Nmero de Simulacin Nmeros aleatorios Valor de la Demanda
10 .92 54
20 .71 51
30 .85 51
... ... ...
N 0.46 48
Demanda
0.10
0.30
0.70
0.90
1.00
0.00
0.20
0.40
0.60
0.80
1.00
1.20
Unidades
42 45 48 51 54
Frecuencias
0,52
EJEMPLO PRACTICO I I
Analizaremos ahora una propuesta para la fabricacin de un nuevo artculo durante 4 aos.
Con los datos de la siguiente tabla:
Costos de puesta en marcha $ 150000
Costos variables 75% de los ingresos
Precio de Venta $ 35000
Costos del capital 10%
Costos fijos $ 15000
Tasa Fiscal 34%
Amortizacin anual $ 10000
Demanda promedio anual 10 unidades
La demanda es la variable aleatoria de nuestro modelo, ya que puede tomar los siguientes
valores: 8, 9, 10, 11,12, es una distribucin discreta uniforme. Para poder simular los valores
de esta variable utilizaremos la frmula ENTERO (8+5*ALEATORIO ()). Debido a que los
intervalos son todos de igual tamao (1/5), es igualmente posible que ALEATORIO() llegue a
cada uno de ellos, y por lo tanto es igualmente posible que la frmula de cualquiera de los
cinco valores posibles. La funcin ALEATORIO () de Excel genera un nmero en el intervalo
(0:1) de una distribucin uniforme continua. A travs de la simulacin veremos qu valores va a
tomar el valor neto actual (VNA, El VNA es
calculado mediante la frmula correspondiente del Excel con un inters del 10% ( _= +=
n
i
i
i
( tasa )valores VNA1 1). En la columna correspondiente al ao 1 se han indicado las formulas
que definen cada valor) en los 4 aos, utilizando el siguiente modelo matemtico de la
situacin:
Ao 0 Ao 1 Ao 2 Ao 3 Ao 4 Demanda
109
ENTERO(8+5*ALEATORIO())12 9 9
Ingresos
Precio de Venta*Demanda 420000 315000 315000
Costo Fijo Costo fijo 15000 15000 15000
Costo Variable 75% Ingresos 315000 236250 236250
Amortizacin 10000 10000 10000 10000
Utilidad antes de Impuestos
Ingresos -Suma(costos)80000 53750 53750
Impuestos 34 % anterior 27200 18275 18275
Utilidad despus de impuestos Utilidad - Impuestos 52800 35475 35475
Flujo neto de efectivo -150000 Utilidad Amortizacin 62800 45475 45475
Valor Neto Actual -21160
Ahora realizaremos varias corridas con diferentes tamaos de muestra para ver que
sucede con el VNA. Armamos en otra hoja un cuadro con dos columnas y tantas filas como
iteraciones(tamao de la muestra) deseemos realizar. En la columna VNA copiamos con
pegado especial(frmula) la celda del modelo en la cual se calcula el VNA. Seleccionamos
toda la tabla y con la herramienta Tabla en Datos se forma una tabla dinmica que contendr
las simulaciones para la cantidad de iteraciones que hagamos.
Luego para cada tamao de muestra aplicaremos Estadstica descriptiva(En herramientas,
Anlisis de datos) e Histograma (las clases que utilizamos son: -30000, -20000, -10000, 0,
10000, 20000, 30000)
Ahora realizamos una sntesis de las simulaciones desarrolladas para poder ver que sucedi
con el modelo:
El valor de la media y desviacin estndar se estacionan a medida que aumenta la
cantidad de iteraciones. Tambin, como podemos observar en el grfico, disminuye
notablemente el error. Tambin el modelo nos presenta mayor variabilidad para los valores
mximo y mnimo.
Cantidad de
Iteraciones Media Desviacin Estndar Mximo Mnimo Error
10 13253.55 18445.01 44294.82 -9711.94 5832.82
100 13515.19 13395.87 44728.71 -14567.50 1339.59
500 12686.22 13208.55 49067.55 -19817.50 590.70
1000 12147.81 12999.81 49067.55 -24156.34 411.09
5000 12612.65 13085.18 49067.55 -24156.34 185.05
10000 12537.13 12954.22 49067.55 -24156.34 129.54
110
10000
20000
30000
40000
50000
y mayor...
Frecuencia Acumulada
.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
Sistemas de colas.
Sistemas de inventario P y Q.
Valoracin de cartera de valores.
Sintesis
El mtodo de Monte Carlo es una herramienta de investigacin y planeamiento;
bsicamente es una tcnica de muestreo artificial, empleada para operar numricamente
sistemas complejos que tengan componentes aleatorios o determinsticos, manteniendo tanto
Resumen
-30000
-20000
-10000
0
10000
20000
30000
40000
50000
60000
Cantidad de Iteraciones
10
100
500
1000
5000
N Experimentos
Valores de la variables aleatorias
Media Desviacin Estndar Mximo Mnimo Error
Cuando el tamao de las muestras es relativamente reducido, los resultados obtenidos
en la simulacin pueden ser muy sensibles a las condiciones iniciales.
Un rea de investigacin est constituida por los mtodos Quasi-Monte Carlo, estos
6.3 APLICACION
La simulacin en computadoras es un recurso para dirigir experimentos cientficos en las
empresas y sistema econmico. Para planear experimentos de simulacin, aplicables a los
sistemas econmicos e industriales, necesariamente debemos recurrir a tcnicas como la
estadstica matemtica, el anlisis numrico, la econometra, la programacin en computadora
y el diseo de experimentos.
111
6.3.1 METODOLOGA
La experiencia sugiere que la planeacin de experimentos de simulacin requiera de un
procedimiento que consta de las etapas siguientes:
Formulacin del problema.
Recoleccin y procedimiento de datos tomados en realidad.
Formulacin de un modelo matemtico.
Estimacin de los parmetros de las caractersticas operacionales a partir de los datos reales.
Evaluacin del modelo y de los parmetros estimados.
Formulacin de un programa para la computadora.
Validacin.
Diseo de los experimentos de simulacin.
Anlisis de los datos se simulacin.
Aunque el orden en que se implantan esos nueve pasos permanece abierto a
discusin, la figura 3.1 los muestra bajo una ordenacin basada en los resultados de
experiencias [Naylor, 1977].
Con toda seguridad, cualquier procedimiento de este tipo resulta sumamente arbitrario
en su naturaleza y la posibilidad de juzgarlo slo existe en un plano puramente pragmtico.
(1)
(2)
RECOLECCIN Y PROCESAMIENTO
DE DATOS
(3)
(4)
MODELO RECHAZADO
112
MODELO
MODELO
ACEPTADO (6)
FORMULACIN DEL
PROGRAMA PARA LA
COMPUTADORA
(7)
VERIFICACIN
(8)
DISEO DE EXPERIMENTOS
(9)
ANALISIS DE DATOS DE SIMULACION
113
d) El grupo dentro del sistema puede tener objetivos mltiples. Peor an, no necesariamente
estos objetivos son consistentes entre si.
e) Las alternativas que selecciona el grupo son ejecutadas por otro grupo ajeno, al cual no se
le puede considerar como elemento independiente del sistema.
f) Los efectos de la decisin del grupo pueden sentirse por elementos que aun siendo ajenos
al sistema considerando, influyen directa o indirectamente, favorable o desfavorablemente
hacia el (poltico, consumidor, etc.).
Identificar las relaciones importantes entre las diferentes componentes del sistema, este
paso equivale a encontrar las restricciones que existen, a la vez que permite ms adelante
representar estas interrelaciones en forma matemtica.
La identificacin de la estructura del sistema (componentes, canales, interrelaciones,
etc.), se hace a travs de un proceso sistemtico, que se conoce como diseo de sistemas.
El diseo de sistemas se lleva a cabo de la siguiente manera:
a) Se ubica al sistema considerando dentro de sistemas ms grandes.
b) Se determinan las componentes del sistema.
c) Se determinan los canales de comunicacin entre las componentes del sistema y de este
hacia los elementos de otros sistemas que van a tener influencia directa o indirecta.
d) Se determinan de qu manera se tiene acceso a la informacin requerida como se procesa
esta y como se transmite entre las diferentes componentes del sistema.
114
RECOLECCIN: Es el proceso de capturar los datos disponibles que se requieren para la
simulacin del comportamiento del sistema.
PROCESAMIENTO: Se comprenden las actividades requeridas para transformar los datos en
informacin.
Por ejemplo, un directorio telefnico es un banco de datos: mi direccin y telfono es
informacin que procede de ese banco de datos el hecho de que estos datos estn arreglados
en cierta forma (procesados y forma alfabtica), permite el acceso a la informacin deseada de
una manera sencilla.
La formulacin es necesaria para poder simular un sistema.
La informacin debe ser: oportuna relevante y confiable.
115
E
116
EVALUACIN DE LAS CARACTERISTICAS DE LA INFORMACIN PROCESADA
Cmo se evalo que las llegadas de clientes al banco son tipo Poisson o que los
tiempos entre llegadas son de tipo exponencial?
De 9:00 a 10:00 el tiempo promedio es de 15
De 10:00 a 12:00 el tiempo promedio es de 30
De 12:00 a 13:00 el tiempo promedio es de 20
Como se concluyo que los tiempos de servicios en las cajas de acuerdo al tipo de
operacin son:
Ahorro 3 1
Deposito
15
. 30
Cambios de cheques
cheque < 1000
1' 30''
cheque 1001 a 5000
2' 45''
cheque> 5000
2.5'' 1
Cambio de dinero
3' 1'
pago de servicios 4 2
Para realizar las pruebas estadsticas se sugiere apoyarse en algn software como el
statgraphics que es un paquete estadstico.
FORMULACIN DEL PROBLEMA
EXISTE UN PROBLEMA?
Recientemente se ha notado la disminucin de clientes en el banco.
Posiblemente el trato hacia el cliente no se a el adecuado. O probablemente el cliente
tarda mucho esperando ha ser atendido que ha optado por buscar los servicios de otro banco.
Posiblemente haya muchas interrogaciones en relacin a lo que est ocurriendo actualmente
en el banco. Pero de ella, la mas importantes es la que est relacionada con el tiempo que
permanece el cliente en el banco como es este tiempo? podra ser disminuido a tal grado
que sea atractivo para el cliente y vuelvan a requerir los servicios del banco?
Problema: La cantidad de clientes ha disminuido, necesitamos ser ms eficientes y eficaz.
De quin es el problema?: De todos los que laboran en el banco pero fundamentalmente del
gerente y el cuerpo directivo.
Marco de referencia?: De acuerdo con la experiencia del gerente se supone que el problema
se encuentra en las cajas, especficamente en el tiempo utilizado para que un cajero atienda a
un cliente. El problema se encuentra en todo el sistema o especficamente en el subsistema
cajas.
117
Quin o quienes toman las decisiones?: El gerente con su cuerpo directivo.
Cules son las componentes controlables del sistema?:
Las cajas: Pueden ponerse cajeros ms rpidos y eficientes, aumentando su nmero.
Las lneas de espera: Pueden organizarse de tal manera que la espera sea agradable.
Estrategias: A travs de personal capacitado se puede orientar al cliente para mandarlo a la
caja ms adecuada y rpida. Esto hacia ms fluida la espera.
Cules son las componentes no controlables? Los clientes en lo que se refiere a tasa de
llegada, a su deseo de irse cuando ha transcurrido cierto tiempo o existen un nmero
determinado de clientes delante de l.
Cules son las interrelaciones ms importantes del sistema? Los recurso del sistema banco
son.
*Recursos humanos.
*Recursos financieros.
*Recursos materiales.
Entre estos existe un nmero muy grande de interrelaciones.
R.H R.F
R.M
En nuestro caso las interrelaciones ms importantes son la que se entre los recursos
humanos con los clientes. Que llegan al banco y que por un tiempo determinado forman parte
del sistema banco.
Cada caja est atendida por sistema humano y este atiende a otro ser humano que es
un cliente.
Cliente cajero
118
El numero de los clientes que hicieron determinado tipo de servicio.
La posibilidad de que colas en las cajas con un nmero determinado de clientes.
Determinar los tiempos promedio de atencin de los clientes en las cajas.
Los resultados anteriores se emplearan para analizar con qu condiciones desde el punto de
vista funcional se encuentra el sistema banco.
Por Quin? El grupo de especialistas proporcionara dicha informacin al gerente y su equipo
administrativo para su anlisis y toma de decisiones.
Qu efectos tendr? Puede ser que elimines cajas si es que la utilizacin son muy grandes.
Las soluciones tendrn efecto a corto o largo plazo? Dada la alta competitividad con otros
bancos se sugiere realizar la simulacin del sistema banco para poder tener un anlisis que
traiga como resultado mejorar el servicio que dicho banco proporciona. Todo esto a corto
plazo.
a) Podrn los efectos de las soluciones modificarse o cambiarse fcilmente?: En este caso el
efecto de las soluciones es proporcionar satisfaccin en el cliente una parte de la solucin
sera disminuir el tamao de las lneas de espera, agilizar el tiempo de atencin de caja a
los clientes. Para lograr una mayor satisfaccin se debe permitir decidir hasta qu punto
pueden crecerse los cambios deseados u en su momento disminuirse.
b) Cuntos elementos del sistema se afectaran por las soluciones y en qu grado?: Los
elementos del sistema que podran verse afectado son alguna o algunas de las 6 cajas.
Existe la posibilidad de que alguna caja tenga su utilizacin baja, desaparezca,
c) no as el servicio que proporciona al eliminarse cajas, esto podra afectar a algn trabajador.
En la formulacin del problema existe un proceso dialctico entre los que tienen el
problema y los que van a construir el modelo. Algunos objetivos o propsitos pueden definirse
mediante los siguientes aspectos:
119
Cuntas veces se debe correr el programa? An cuando en cada corrida los
resultados son diferentes estadsticamente estos pueden ser confiables.
2.- Establecer las hiptesis para cada tipo de resultados, an cierto nivel de significancia.
Por ejemplo si se hacen 5 simulaciones probar que probabilsticamente los factores de
utilizacin de cada una de las cajas son iguales.
AU = UB = UC = UD = UF
AU = UB = UC = UD = UF
AU = UB = UC = UD = UF
AU = UB = UC = UD = UF
AU = UB = UC = UD = UF
3.- Realizar la prueba de hiptesis para afirmar o refutar la hiptesis como statgraphics.
4.- Simultneamente realizan las pruebas de hiptesis, y se pueden comparar los resultados con
algn patrn de informacin previamente conocido para tener panorama ms amplio y confiable.
5.- Si la hiptesis no fue aceptada entonces se debe revisar exhaustivamente todo el programa
las funciones, procedimientos entradas y salidas de informacin, hasta encontrar si hay el
posible error.
DISEO DE EXPERIMENTOS DE SIMULACIN
Esta fase se puede hacer simultneamente con las fases: diseo y validacin del
programa. Una vez validado el programa se entra a la fase del diseo de experimentos que se
quieren simular, para ello se debe hacer lo siguiente:
1. Definir las variables endgenas y exgenas.
2. Definir las estructuras funcionales que las relacionan.
3. Elegir las distribuciones adecuadas a los parmetros aleatorios.
4. Generar los nmeros y variables aleatorias que de acuerdo a estas distribuciones,
representan al sistema baja estudio.
5. Realizar pruebas de hiptesis para seleccionar la informacin necesaria para realizar la
simulacin.
6. Definir las distintas condiciones iniciales y finales de la simulacin.
7. Realizar un nmero determinado de simulacin.
8. Tabule y grafique los resultados para realizar un mejor anlisis y validacin de la simulacin.
CONDICIONES INICIALES
El banco inicia s su funciones a las 9:00
Al inicio no hay ningn cliente
CONDICIONES FINALES
120
El banco solo pueden darse llegadas hasta las 13:30 horas.
La simulacin termina cuando no haya un solo cliente.
9. Tabular y grafique los resultados obtenidos de cada simulacin con el fin de realizar un
mejor anlisis y validacin de la simulacin.
1.- Disee una tabla con un formato tal que facilite la visualizacin de los resultados de cada
simulacin del sistema banco
QA, QB, QC, QD, QE, PA, PB, PC, PD, PE,
QF PF
TABLAS DE TIEMPO
2.- Calculo de las estadsticas
Promedios, desviaciones estndar porcentajes etc.
3.- Interpretacin de los resultados
Hacer comparaciones de los promedios entre una y otra simulacin
4.- Comparar estos resultados con algn patrn de informacin o con la realidad que
desea resolver.
Representara a los decisiones.
121
b) Disear la programacin en algn lenguaje especial como: GPSS, SIMNET, SIMSCRIPT,
GASP, DYNAMO, etc. lenguajes de alto nivel: PASCAL, C.
-condiciones iniciales de la simulacin.
-condiciones finales.
122
UNIDAD 7
OBJETIVOS ESPECFICOS
Conceptos de PROMODEL
Instrucciones para programar
Reglas de simulacin
Problemas resueltos empleando PROMODEL
Casos prcticos
123
UNIDAD 7 PROMODEL
124
Movimientos Lgicos.
La operacin es definida como la actividad transformadora que se le
realiza a una entidad dada en una locacin especfica. El movimiento
lgico es el paso de la "Entidad" al siguiente punto del proceso.
LLEGADAS Se definen para determinar las condiciones de entrada de las "entidades"
al proceso. Esto es, a dnde llegan?, cuando llegan?, con que
frecuencia?, tamao de los lotes de llegada?.
LOCACIONES
Se defini como "Locacin" a los elementos fsicos que conforman el medio ambiente de un
proceso. No tienen accin ni movimiento y su funcin es alojar a los dems elementos del
proceso. Ejemplo: edificios, escritorios, mquinas, etc.
1. NOMBRE
125
Rules...La caja de dialogo de reglas, se selecciona pulsando el botn de encabezado en la
tabla de edicin de locaciones, es usado para escoger la regla que ProModel seguir cuando
toma las siguientes decisiones:
1. Seleccionar las entidades entrantes
2. Hacer cola para salir
3. Seleccionar una unidad
Selecting Incoming Entities. Cuando una locacin est disponible y hay ms de una entidad
esperando para entrar, deber ser tomada una decisin respecto a cual admitir. Selecting
Incoming
.Queuing For Output. Cuando una entidad ha finalizado su operacin en una locacin y otras
Queuing For Output.>No Queuing. Entidades que han completado su proceso en la locacin
actual son libres de dirigirse a otras locaciones independientemente de otras entidades que
126
Queuing For Output>First In, First Out. La primera entidad en completar el proceso debe
salir para la prxima locacin antes que la segunda en completar el proceso salga, y as.
Queuing For Output>Last In, First Out (LIFO). Entidades que han finalizado su proceso
esperan para salir con esta regla, la ltima que finaliza o completa el proceso es la primera en
salir.
Queuing For Output>By Type. Entidades que han finalizado esperan para salir FIFO, pero se
Queuing For Output>Highest Attibute Value. Entidades que han completado su proceso
hacen cola para salir de acuerdo con el ms alto valor de un atributo especificado.
Queuing For Output>Lowest Attribute Value. Entidades que han completado su proceso
hacen cola para salir de acuerdo con el menor valor de un atributo especificado.
Selecting a Unit. Si la locacin tiene unidades mltiples, entonces las entidades entrantes
capacidad disponible.
Selecting a Unit>Fewest Entries. Selecciona una unidad disponible con la menor cantidad
de entradas.
127
Selecting a Unit>Longest Empty. Selecciona la una unidad disponible que ha estado ms
tiempo vaca.
New Activo .Permite crear un nuevo registro de locacin cada vez que se site un nuevo
New inactivo .Permite agregar grficos adicionales a una locacin existente, como una
Botn Edit. Despliega el cuadro de dialogo de la Librera Grafica que se usa para cambiar el
Botn Erase. Borra el grfico de la locacin seleccionada en la ventana del Esquema sin
128
anular el registro correspondiente en la Tabla de edicin de locaciones.
Grficos de locacin. Una locacin puede tener cualquiera, uno o ms de los grficos
Medidor. Barra corrediza vertical u horizontal que muestra los volmenes actuales de la
locacin durante la simulacin (como un porcentaje de la capacidad). Este grfico
constantemente se actualizar durante la simulacin.
Tanque. Barra corrediza vertical u horizontal que muestra el flujo continuo de lquidos y otras
substancias en y fuera de tanques o vasos similares. Transportadores / Colas
Smbolo que representa una banda transportadora o una cola.
Etiqueta. Texto usado para describir la locacin.
Luz de estado
Crculo que cambia de color durante la simulacin mostrar el estado de la locacin.
Sitio de entidad .Sitio asignado sobre el esquema dnde la entidad o las entidades
aparecern mientras estn en la locacin.
Regin. Lmite usado para representar el rea de una locacin.
129
Tabla
de edicin.
I
con.Muestra el grafico de la entidad.
Speed. Esta entrada es opcional y se aplica para entidades que se muevan por si mismas
como los humanos.
Stats. El nivel de estadsticas que se coleccionaran de la entidad, hay tres niveles: None,
Basic y Time Series.
Notes. Cualquier informacin puede entrarse por ejemplo el material de la parte o entidad, la
referencia, el proveedor, etc.
Path Networks
130
Editor de Path Networks. En sta tabla se rene la informacin bsica de la "ruta", cada uno
de sus campos se explica a continuacin.
Type. Existen tres tipos de rutas; Passing, Non-Passing, Crane; Passing es un tipo de ruta en
la que las entidades pueden pasar a otras entidades, es una forma de modelar algunas redes
en las que los recursos se adelantan o se traslapan sin ningn inconveniente; Non-Passing es
T/S. Se puede definir el movimiento en la ruta mediante dos tipos de unidades: Time, Speed &
Distance.
131
Paths>From.
Paths>To.
Paths>BI.
Paths>Time.
Si el viaje a travs de la ruta va ha ser medido ms en trminos del tiempo que de la distancia,
Paths>Distance.
la longitud del segmento de ruta, el tiempo de viaje entonces se determinara por la velocidad
Interfaces.
132
Si una entidad ser tomada o dejada por un recurso en una locacin entonces deber existir
Interfaces>Node.
Interfaces>Location.
Nombre de la locacin o locaciones conectadas con el nodo, un nodo puede tener interfaz con
varias locaciones pero una locacin solo puede tener una interfaz con un nodo por ruta.
Mapping.
Cuando hay varias rutas o segmentos que conecten un nodo de origen con un nodo de destino
y deba tomarse una decisin acerca de cual camino seguir entonces ProModel escoger el
ms corto pero mediante esta tabla de edicin se puede establecer explcitamente el camino
Nodes.
133
La tabla de edicin de nodos, consta de los siguientes campos:
Nodes>Node.
Nodes>Limit.
El numero mximo de entidades o recursos que pueden ocupar un nodo en un momento dado,
Recursos. Un recurso es un operario, o una maquina que sirve para transportar, realizar
de entidades.
134
Dts.
Dos tipos de detenciones estn disponibles para los recursos: Clock y Usage. Con
caractersticas muy similares a los ya explicados para las locaciones.
Stats.
Las estadsticas deseadas. Las cuales pueden ser:
1. None No se recogen estadsticas.
2. Basic Promedio de utilizacin y tiempos de actividad.
3. By Unit Se recogen estadsticas para cada unidad de recurso.
Specs.
Search.
Si se ha asignado una ruta, seleccione este campo para acceder a las tablas de edicin de
Work Search (bsqueda de trabajo) y Park Search (bsqueda de buffer de parada), usadas
para definir trabajos y buffers de parada opcionales.
Logic.
Si se ha asignado una ruta, seleccione este campo para definir cualquier lgica opcional para
ser ejecutada cuando un recurso entra o deja un nodo particular de la ruta.
Pts.
Si se ha asignado una ruta, seleccione este campo para definir puntos del recurso, que son
puntos auxiliares donde muchos recursos pueden aparecer grficamente cuando se
estacionan o en uso en un nodo de multi capacidad.
Notes.
Para colocar cualquier nota en este campo.
continuacin.
135
Path Network. Se selecciona la ruta por la cual el recurso viajar.
Return Home if Idle. Al comprobar esta casilla el recurso vuelve al nodo HOME si esta
desocupado.
Off Shift. Si a un recurso se le ha asignado una ruta y un turno, este es el nodo al cual el
Resource Search. Cuando una entidad que necesita un recurso debe seleccionarlo entre
varias unidades de recursos disponibles, debe especificarse una de las siguientes reglas (esto
136
3. Longest Idle Resource Recurso que ha estado mas tiempo desocupado.
Entity Search. Cuando dos o mas entidades con la misma prioridad requieren un recurso al
Motion. Si una ruta ha sido asignada al recurso, en estas casillas se especifica el movimiento.
Proceso. .El men de proceso define las rutas y las operaciones que se llevaran a cabo en las
locaciones para las entidades en su viaje por el sistema. Tambin puede decirse que
generalmente se conocen o hacen parte de la informacin recolectada del sistema, los
diagramas de proceso o operacin, estos se transcribirn al computador para formar el
proceso. Antes de crear el proceso es necesario definir las entidades, locaciones, recursos y
137
path networks. Para acceder al men de edicin de proceso, en el men Build, seleccione
Processing; Ctrl+P.
Editor de Proceso.
El editor de proceso consta de cuatro ventanas que se despliegan simultneamente.
(Seleccione una tabla o ventana para ver su descripcin.)
138
Tools. Ventana que aparece abajo y la izquierda, es usada para definir grficamente
operaciones y rutas.
Process. Tabla de edicin que est en la parte superior izquierda del editor de proceso y en
ella aparecen todas las operaciones realizadas en todas las locaciones a las entidades. En ella
se definen las condiciones de entrada al proceso.
Se usa para crear operaciones lgicas para cada tipo de entidad y cada locacin en el
sistema.
Entity. Tipo de entidad para las cuales el proceso es definido. seleccione el botn de
139
Location. La locacin en donde el proceso ocurre. Seleccione el botn de encabezado para
estamento WAIT para asignar una cantidad de tiempo que la entidad deber esperar en la
locacin. Otras operaciones comunes pueden ser, unir o agrupar entidades, realizar
140
Routing.Aparece en la parte superior derecha del editor de proceso y en ella se define el
destino de las entidades que han terminado su operacin en una locacin; en ella se define
Move logic. Se define el mtodo de movimiento hacia la prxima locacin con estamentos
lgicos, seleccione el botn de encabezado para abrir un cuadro de creacin lgica como el
141
Arribos. Al transcurrir la simulacin nuevas entidades entran al sistema, esto es un arribo. Un
arribo puede consistir en personas, materia prima, informacin, los sistemas necesitan una
entrada para activar el funcionamiento de los procesos al interior de ellos. Para acceder al
editor de arribos, en el men Build, seleccione Arrivals; Ctrl+A.
El editor de arribos consta de tres ventanas que aparecen la pantalla juntas, la tabla de
First Time. El tiempo de el primer arribo. Dejado en blanco se tomara el tiempo consignado en
el campo de Frequency.
142
Occurrences. El numero de arribos o ocurrencias de paquetes de entidades que se simularan,
con la expresin INF se realizaran infinitos arribos en la simulacin por lo cual el fin de esta
Logic. Define cualquier lgica opcional de arribos, consiste de uno o ms estamentos lgicos,
50 seg / pza.
Piezas
60 por hora
Exit
Limpiadora
e (60) seg
Simular
500 hrs.
PROGRAMACION PROMODEL
FILE:
LOCATION:
Name Capacity Units Rule
Pallet infinita Pieza FIFO
Limpiadora 1 Pieza FIFO
143
ENTITIES:
Name Speed Status Notes
Pieza 50 m Time series
ARRIVALS:
Entity Location Qty. Each First time Frecuency
Pieza Pallet 1 0 e (60) seg
PROCESSING:
Entity Location Operation Output Destiny Rule
Pieza Pallet -------- Pieza Limpiadora FIFO
Pieza Limpiadora Wait e (50) seg Pieza Exit
2.- A un centro de copiado llegan tres tipos de trabajos. Si un trabajo no puede ser iniciado
inmediatamente, espera en una fila comn hasta que est disponible alguna de las tres
copiadoras. El tiempo de copiado y la tasa de entrada de los trabajadores son como sigue:
Despus del proceso de copiado los trabajos son inspeccionados por un empleado en un
tiempo de 3, 6,10 minutos para los trabajos 1,2 y 3, respectivamente. Simule el sistema en
ProModel durante 50 horas, y determine:
TRABAJOS INSPECCIONES
4 Trabajos / h =
1 Trabajo / 15 min 12 min / trabajo I1 3 min
T1 C1
I2
C2
144
6 min
T2 8 Trabajos / h = 15 min / trabajo
1 Trabajo / 7.5 min
PROGRAMACION PROMODEL
FILE:
LOCATION:
Name Capacity Units Rule
Pallet 1 4 Trabajos FIFO
Pallet 2 8 Trabajos FIFO
Pallet 3 16 Trabajos FIFO
Copiadora 1 1 Trabajos FIFO
Copiadora 2 1 Trabajos FIFO
Copiadora 3 1 Trabajos FIFO
Insp. 1 Trabajos FIFO
ENTITIES:
Name Speed Status Notes
Trabajo 1 50 m Time series
Trabajo 2 50 m Time series
Trabajo 3 50 m Time series
ARRIVALS:
Entity Location Qty. Each First time Frecuency
Trabajo 1 Pallet 1 1 0 e(15)min
Trabajo 2 Pallet 2 1 0 e(7.5)min
Trabajo 3 Pallet 3 1 0 e(3.75)min
PROCESSING:
Entity Location Operation Output Destiny Rule
Trabajo 1 Pallet 1 ---------- Trabajo 1 Copiadora 1 FIFO
Trabajo 1 Copiadora 1 Wait e(12)min Trabajo 1 Insp. T1 FIFO
Trabajo 1 Insp. T1 Wait e(3)min Trabajo 1 Exit
Trabajo 2 Pallet 2 ---------- Trabajo 2 Copiadora 2 FIFO
Trabajo 2 Copiadora 2 Wait e(15)min Trabajo 2 Insp. T2 FIFO
Trabajo 2 Insp. T2 Wait e(6)min Trabajo 2 Exit
Trabajo 3 Pallet 3 ---------- Trabajo 3 Copiadora 3 FIFO
145
Trabajo 3 Copiadora 3 Wait e(1)min Trabajo 3 Insp. T3 FIFO
Trabajo 3 Insp. T3 Wait e(10)min Trabajo 3 exit
3.- A un cajero automtico llegan clientes cada 10 minutos con distribucin exponencial. El
tiempo que tarda cada cliente en hacer sus movimientos bancarios se distribuye
exponencialmente con media de 4 minutos. Lleve a cabo lo que se indica a continuacin:
Llegada de Clientes
e (10) min
Movimientos de
e (4) min
PROGRAMACION PROMODEL
FILE:
Name: Movimientos bancarios
Time: Minutos
Distance: Metros
LOCATION:
Name Capacity Units Rule
Pallet Infinita Clientes FIFO
Cajero 1 clientes FIFO
146
ENTITIES:
Name Speed Status Notes
Clientes 50 m Time series
ARRIVALS:
Entity Location Qty. Each First time Frecuency
Clientes Pallet 1 0 e(10)min
PROCESSING:
Entity Location Operation Output Destiny Rule
Clientes Pallet - Clientes Cajero FIFO
clientes Cajero Wait e(4)min Clientes exit FIFO
4.-A un sistema arriban 2 tipos de piezas. La primera es un engrane que llega a una estacin
llegadas de este engrane a la fila de la rectificadora e suna distribucin normal con tiempo
de metal que llega a una prensa con una distribucin de probabilidad exponencial con media
de 12 minutos. La prensa procesa una placa cada 3 minutos con distribucin exponencial Al
terminar sus procesos iniciales, cada una de estas piezas pasa a un proceso automtico de
lavado que
permite limpiar 2 piezas a la vez de manera independiente; este proceso, con distribucin
constante, tarda 10 minutos. Finalmente, las piezas son empacadas en una estacin que
cuenta con 2 operadores, cada uno de los cuales empaca un engrane en 51 minuto y una
placa en 72 minutos. Se sabe que los tiempos de transporte entre as estaciones es de 3
minutos con distribucin exponencial. No hay almacenes entre cada proceso: slo se tiene
espacio para 30 piezas antes de la prensa y 30 antes de la rectificadora. Asuma que cada da
de trabajo es de 8 horas. Simule este sistema por 40 das, indicando el momento en que se
inicia y se termina la simulacin.
a) Elabore el esquema del sistema a modelar
b) Complete los formatos para la programacin
LOCATION
Name CAP Units I Stats Rule
147
Pallet 1 30 30 I Time series FIFO, OLDEST
Pallet 2 30 30 I Time series FIFO, OLDEST
ARRIVALS
Entity Location Qty. Each First time Frecuency
Engrane Pallet 1 1 0 N(13,2) min
Placa Pallet 2 1 0 E(12) min
PROCESSING
Entity Location Operation Output Destination Rule
Engrane Pallet 1 Engrane Rectificadora Oldest
Engrane Rectificadora U(3,1) min Engrane Lavadora Oldest
Engrane Lavadora U(10,0) min Engrane Empacadora Oldest
Engrane Empacadora U(5,1) min Engrane Exit Oldest
Placa Pallet 2 Placa Prensa Oldest
Placa Prensa E(3) min Placa Lavadora Oldest
Placa Lavadora U(10,0) min Placa Empacadora Oldest
Placa Empacadora U(7,2) min Placa Exit
148
proceso, con distribucin uniforme, tarda de 10-12 minutos. Finalmente, las piezas son
empacadas en una estacin que cuenta con 2 operadores, cada uno de los cuales empaca con
distribucin normal un engrane en 51 minuto y una placa en 72 minutos. . No hay almacenes
entre cada proceso: slo se tiene espacio para 30 piezas antes de la prensa y 30 antes de la
rectificadora. Asuma que cada da de trabajo es de 8 horas. Simule este sistema por 40 das,
indicando el momento en que se inicia y se termina la simulacin.
Nota: Considere 2 rutas y dos operadores con movimiento exponencial de 3 minutos
149
UNIVERSIDAD DEL NORTE
MATERIA:
Maestro:
Alumno:_______________________________________________
No de Control__________________
PROGRAMACION PROMODEL
1.-FILE:
Name:
Time:
Distance:
2.-LOCATION:
Name Capacity Units Stats Rule
3.-ENTITIES:
Name Speed Status Cost
4.-ARRIVALS:
Entity Location Qty. First time Ocurrence Frecuency
Each
5.-PROCESSING:
Entity Location Operation Output Destiny Rule Move Logic
150
6.-PATH NETWORK:
Name Type T/S Paths Interfaces Mapping Nodes
PATHS INTERFACES
From To Bx Distance Node Location
7.-RESOURCES:
Name Unit Dts Stats Specs Search Logic
8.-SIMULATION OPTION
Number of Replications___________
151
2.-Desarrolle un programa en PROMODEL (Llene las hojas de programacin)
Considere 2 rutas y 2 operadores con movimiento exponencial el primero de 2 minutos y el
segundo de 4 minutos
152
UNIVERSIDAD DEL NORTE
MATERIA:
Maestro:
Alumno:_______________________________________________
No de Control__________________
PROGRAMACION PROMODEL
1.-FILE:
Name:
Time:
Distance:
2.-LOCATION:
Name Capacity Units Stats Rule
3.-ENTITIES:
Name Speed Status Cost
4.-ARRIVALS:
Entity Location Qty. First time Ocurrence Frecuency
Each
153
5.-PROCESSING:
Entity Location Operation Output Destiny Rule Move Logic
154
6.-PATH NETWORK:
Name Type T/S Paths Interfaces Mapping Nodes
PATHS INTERFACES
From To Bx Distance Node Location
7.-RESOURCES:
Name Unit Dts Stats Specs Search Logic
8.-SIMULATION OPTION
Number of Replications___________
155
Problema 3
156
UNIVERSIDAD DEL NORTE
MATERIA:
Maestro:
Alumno:_______________________________________________
No de Control__________________
PROGRAMACION PROMODEL
1.-FILE:
Name:
Time:
Distance:
2.-LOCATION:
Name Capacity Units Stats Rule
3.-ENTITIES:
Name Speed Status Cost
4.-ARRIVALS:
Entity Location Qty. First time Ocurrence Frecuency
Each
5.-PROCESSING:
Entity Location Operation Output Destiny Rule Move Logic
157
6.-PATH NETWORK:
Name Type T/S Paths Interfaces Mapping Nodes
PATHS INTERFACES
From To Bx Distance Node Location
7.-RESOURCES:
Name Unit Dts Stats Specs Search Logic
8.-SIMULATION OPTION
Number of Replications___________
158
4.-Desarrolle un programa en PROMODEL (Llene las hojas de programacin)
Considere 2 rutas y 2 operadores con movimiento exponencial el primero de 2 minutos y el
segundo de 4 minutos
159
UNIVERSIDAD DEL NORTE
MATERIA:
Maestro:
Alumno:_______________________________________________
No de Control__________________
PROGRAMACION PROMODEL
1.-FILE:
Name:
Time:
Distance:
2.-LOCATION:
Name Capacity Units Stats Rule
3.-ENTITIES:
Name Speed Status Cost
4.-ARRIVALS:
Entity Location Qty. First time Ocurrence Frecuency
Each
5.-PROCESSING:
160
161
6.-PATH NETWORK:
Name Type T/S Paths Interfaces Mapping Nodes
PATHS INTERFACES
From To Bx Distance Node Location
7.-RESOURCES:
Name Unit Dts Stats Specs Search Logic
8.-SIMULATION OPTION
Number of Replications___________
162
5.-Simule con PROMODEL
163
UNIVERSIDAD DEL NORTE
MATERIA:
Maestro:
Alumno:_______________________________________________
No de Control__________________
PROGRAMACION PROMODEL
1.-FILE:
Name:
Time:
Distance:
2.-LOCATION:
Name Capacity Units Stats Rule
3.-ENTITIES:
Name Speed Status Cost
4.-ARRIVALS:
Entity Location Qty. First time Ocurrence Frecuency
Each
5.-PROCESSING:
164
165
6.-PATH NETWORK:
Name Type T/S Paths Interfaces Mapping Nodes
PATHS INTERFACES
From To Bx Distance Node Location
7.-RESOURCES:
Name Unit Dts Stats Specs Search Logic
8.-SIMULATION OPTION
Number of Replications___________
166