Está en la página 1de 40

UNIDAD 2

CONSTRUCCIN DE MODELOS
MATEMTICOS EN INVESTIGACIN DE
OPERACIONES

investigacin de operaciones.

modelos de lneas de espera.


Investigacin de operaciones

Introduccin

E
n la unidad 1 aprendimos la importancia que tiene la investigacin
de operaciones (I. O.) en la toma de decisiones, tanto estratgicas
como operacionales, donde el ingeniero utiliza la metodologa
de la I. O. para resolver los problemas que se presentan en la industria;
tambin presentamos algunas aplicaciones concretas. En cuanto a la
metodologa, explicamos que una de las partes ms importante pero
compleja, es la construccin del modelo matemtico que represente
de manera vlida y ef icaz el problema a resolver. En esta unidad
analizaremos el concepto de modelo, los tipos de modelos y finalmente
la construccin de modelos matemticos que representen las relaciones
entre las variables y los datos de un problema, as como ejemplos de
programacin lineal, redes y lneas de espera.

En conclusin, pretendemos que con esta unidad el lector comprenda


y analice cada uno de los pasos para la construccin de un modelo
matemtico vlido, independientemente de la diversidad del problema
que represente, y no slo se memorice un modelo particular para un
caso especfico o individual.

2.1. Definicin de modelo y su clasificacin


Un modelo es la representacin simplificada de un fenmeno que
conser va las relaciones ms significativas entre las variables y los datos
involucrados en el fenmeno para su fcil manipulacin.

Un modelo representa parcialmente a la realidad. Si quisiramos construir


un modelo que la representara 100%, (si fuera posible) resultara muy
costoso, complejo y de difcil manejo; sin embargo, tampoco vamos a
construir modelos simplistas que se alejen demasiado de la realidad. Es
responsabilidad del ingeniero desarrollar el punto medio entre estos dos
extremos.

Antes de clasif icar los modelos por su tipo, citemos algunos ejemplos.

51
Unidad 2

Ejemplo 1

En Francia exi ste un tnel de viento donde se prueban los f uselajes


de los aviones para determi nar su resistencia al viento y a las
turbulencias. Sera muy costoso construi r un tnel de viento lo
suf icientemente grande para probar un avin de di mensiones reales,
adems resultara muy costosa la construccin del prototipo. En lugar
de hacer esto, se construyen modelos a escala de los aviones que se
desean probar.

Ejemplo 2

En una empresa se tiene una lnea de produccin que consta de 12


pasos, si queremos mostrar esta lnea de produccin a un grupo de
inversionistas para inducirlos a la compra de acciones de la compaa,
sera complicado llevarlos directamente a la lnea de produccin, ya que
el ruido y los obreros no permitiran una buena comunicacin; en su
lugar podemos construir un diagrama de f lujo que represente la lnea de
produccin.

Ejemplo 3

Una compaa que fabrica pasta dental desea saber cuntas personas
en Mxico conocen su producto. Una forma de saberlo es preguntarle
a cada mexicano, lo que resultara muy costoso para la empresa, en
su lugar podemos uti l i zar un modelo estadstico que nos permita
hacer l a pregunta solamente a un grupo reducido (muestra), y
con base en los resultados i nferi r el comportamiento en toda l a
pobl acin.

Cada uno de los ejemplos anteriores, representa un tipo de modelo,


el primero es un modelo tangible construido en tres dimensiones, el
segundo utiliza un esquema que es anlogo a la lnea de produccin
mientras que el ltimo es un modelo matemtico para representar la
realidad.

52
Investigacin de operaciones

Los modelos se clasif ican en:

M odelos icnicos

Es una representacin a escala de la realidad, suprimiendo algunos


aspectos para facilitar su manipulacin. Una caracterstica importante
de este tipo de modelos, es que se utilizan para analizar fenmenos que
se mantienen estticos. Ejemplos:

M odelos analgicos

Un modelo analgico, es un sistema que tiene un comportamiento


parecido al problema que se desea estudiar pero con la diferencia que
el modelo s se puede manipular. Por ejemplo, para medir la velocidad
de un automvil la velocidad angular de la llanta se transforma en
corriente elctrica; aqu la analoga consiste en que la corriente i nducida
se incrementa en forma proporcional a la velocidad del automvil. La
corriente inducida mueve la aguja del velocmetro hacia una posicin
dentro de una escala de velocidades. A diferencia de los modelos icnicos,
los modelos analgicos pueden representar situaciones dinmicas,
adems de que al utilizar este tipo de modelos incrementamos la
capacidad de hacer cambios. Ejemplos:

medicinas en animales.

53
Unidad 2

M odelos matemticos

Este tipo de modelos representan la realidad mediante smbolos y


cantidades relacionadas matemticamente; por ser abstractos no estn
restringidos a un nmero especf ico de dimensiones, ya que podemos
manejar tantas variables como queramos. Un ejemplo de este tipo de
modelo simblico es una ecuacin, la cual puede representar las relaciones
entre el tiempo que tarda en caer un cuerpo y el valor de la velocidad
inicial, la masa del cuerpo, la friccin del aire, la temperatura, etctera.

Ejemplos de modelos matemticos:

E = mc2
F = ma
t
C(t ) 1 000
2

optimizacin.
Zmx = 10x + 50y
2x + 3y < 5
7x 14y > 6
x, y > 0

Los modelos simblicos tienen muchas ventajas sobre la descripcin de


un problema. Algunas de las ventajas son:

Un modelo matemtico puede ser muy preciso. Por ejemplo, decir


que se desea mejorar un proceso de construccin de tornillos, no
nos indica de manera clara a qu se ref iere el mejorar el proceso,
sin embargo, si escribimos la ecuacin de costo de produccin y
decimos que sta se quiere minimizar (Zmn = 3x + 4y), el
problema queda bien determinado.

En un modelo simblico slo se consideran las variables y datos


que son importantes para obtener la solucin del problema.
Ejemplo: si se tienen cuatro trabajadores que producen 30 horas
de trabajo al da; es probable que no interese el nmero de
trabajadores, sino nicamente el nmero de horas de trabajo
generadas, por tal motivo en el modelo simblico slo aparecer 30
como un dato.

54
Investigacin de operaciones

la computadora para la solucin de los problemas de I. O.

En este libro utilizaremos modelos matemticos.

Ejercicio 1
1. Un modelo matemtico es:

a) Una ecuacin.
b) Un avin a escala.
c) Una fotografa.
d) Un diagrama de f lujo.

2. Un ejemplo de un modelo icnico es:

a) Una ecuacin.
b) Un avin a escala.
c) Una frmula qumica.
d) Un diagrama de f lujo.

3. Es una abstraccin simplificada de la realidad:

a) Un problema.
b) Un experimento.
c) Un modelo.
d) Una hiptesis.

4. Escribe la def inicin de modelo


____________________________________________________________________________________________________________________________________________.

5. De la clasificacin de modelos, cul es el tipo de modelo que se


utiliza para resolver problemas en I. O.?
______________________________________________________________________.

55
Unidad 2

2.2. Construccin de modelos


de programacin lineal
Una vez def i nido lo que representan los modelos y cmo se
clasif ican, ahora tenemos que aprender a construi rlos. En la unidad
1 mencionamos que exi sten programas computacionales comerciales
que nos permiten resolver problemas de I. O., que para ser ef icaces,
el usuario debe i ntroduci r los datos del modelo a la computadora
(en la actual idad, no existen programas computacionales capaces de
construi r modelos).

Construi r modelos matemticos es considerado por algunos especialistas


un arte, ya que cada persona realiza su interpretacin de la realidad;
para hacer un modelo no existe un algoritmo especfico, sino que, se
debe utilizar mucha creatividad y una gran cantidad de conocimientos
tcnicos af ines con el tema del problema que se trata de solucionar.
Por ejemplo, si queremos obtener el modelo matemtico de un proceso
qumico debemos tener conocimientos sobre qumica, para entender las
reacciones qumicas que se llevan a cabo durante el proceso, para que de
esta manera podamos cuantificarlas mediante smbolos.

Al desarrollar un modelo es recomendable empezar con uno muy sencillo,


que slo tome en cuenta pocas variables y datos; posteriormente se
construyen modelos ms complejos, los cuales consideran ms variables
y datos. Este proceso se detiene cuando el ingeniero considere que
el modelo obtenido representa de manera satisfactoria el problema de
estudio.

Los modelos matemticos que vamos a construir en I. O. son:

56
Investigacin de operaciones

Para clasif icarlos, utilizamos diferentes criterios como son:

Uno de los modelos ms importantes en la I. O. es el modelo de


programacin lineal (P. L.), el cual se def ine como:

Un modelo de P. L. consiste en una funcin lineal, la cual se desea


optimizar (maximizar o minimizar) sujeta a un conjunto de restricciones
lineales.

Los modelos de P. L. aparecen en aplicaciones para optimizar

Para construir un modelo de P. L. se recomienda:

1. Identificar los datos y las variables de decisin.


2. Identificar las restricciones.
3. Identificar la funcin objetivo.

2.2.1. Los datos y las variables de decisin


Para poder construir modelos, necesitamos tener identificadas las
variables del problema, adems de los datos que intervienen en el
mismo.

El primer paso para la construccin de modelos consiste en identificar


las variables controlables o de decisin, esto es, las variables cuyo valor

57
Unidad 2

deseamos determinar. El valor de estas variables, una vez determi nado,


representa la solucin del problema. Para identificar estas variables,
debemos cuestionarnos: qu es lo que queremos cuantificar?, qu
valores del problema podemos manipular?, cules son los valores de las
variables a optimizar?, qu valores, una vez determinados, forman una
solucin del problema? Analicemos el siguiente ejemplo para ver cmo
se identif ican las variables de decisin:

Ejemplo 4

La empresa NI NTEN se dedica a la fabricacin de i mpresoras.


Producen tres modelos di sti ntos, la i mpresora de matri z de puntos,
la lser y la de i nyeccin de ti nta. El i ngeniero de produccin
decidi r sobre el nmero de i mpresoras (de cada tipo) que deben
fabricar. Para el lo debe tomar en cuenta los datos contenidos en l a
siguiente tabl a:

La informacin contenida en la tabla 1 se interpreta de la siguiente


manera: el rengln nos indica el tipo de impresora y la columna nos
indica el tipo de dato. Por ejemplo, cada impresora de inyeccin de ti nta
produce una ganancia de $ 700.00, el costo de una impresora de matriz
de puntos es de $ 1 000.00, mientras que el tiempo para fabricar una
impresora lser es de 60 minutos.

El ingeniero sabe que el capital disponible para producir el lote de


impresoras es de $ 595 000.00 y slo se dispone de 265 horas de fuerza
de trabajo. Adems, el departamento de ventas le informa que todas
las impresoras producidas por debajo o igual a la demanda mnima se
pueden vender sin ningn problema.

58
Investigacin de operaciones

Lo primero para construir el modelo matemtico de este problema es


identif icar las variables de decisin, para esto debemos contestar las
siguientes preguntas:

1. Qu es lo que queremos cuantificar?

Respuesta: Las ganancias producidas por la produccin y venta del lote


de impresoras.

2. De qu dependen las ganancias?

Respuesta: Del nmero de impresoras que se fabriquen y vendan de cada


tipo (no confundir con la ganancia unitaria precio-costo).

3. Se puede optimizar el nmero de impresoras fabricadas de cada


modelo?

Respuesta: S.

4. Si conocemos el nmero ptimo de impresoras que debemos producir


de cada modelo para obtener la mxima ganancia, est resuelto el
problema?

Respuesta: S.

Podemos concluir que las variables de decisin son la cantidad de


impresoras de cada modelo que se deben producir.

Se le dar un nombre a cada una de las variables de decisin. El nombre


debe dar una idea del tipo de variable que representa, adems debe ser
de fcil manipulacin. Para el ejemplo podemos utilizar:

IM = nmero de impresoras del tipo de matriz de puntos que se deben


producir y vender.

IT = nmero de impresoras del tipo de inyeccin de tinta que se deben


producir y vender.

IL = nmero de impresoras lser que se deben producir y vender.

59
Unidad 2

Una vez determinadas las variables de decisin, debemos identif icar


aquellas cantidades que intervienen en el problema. Por ejemplo; los
costos de fabricacin de cada impresora, la demanda del producto, la
fuerza de trabajo disponible, el tiempo de uso de una mquina, etc.
A todas estas cantidades les llamaremos datos; estos datos quedan
determinados al plantearse el problema.

Los datos para el ejemplo son:

2.2.2. Las restricciones y la funcin objetivo


Una vez que se tienen las variables de decisin y los datos del problema,
se formula matemticamente, tanto el objetivo que se persigue, como
cada una de las restricciones del problema.

La f uncin objetivo se llama as ya que su propsito es:

Por ejemplo, en una dieta se busca la combinacin ptima de nutrientes


que minimice costos, a la vez que se minimiza el contenido de grasa
en el men. En general, la funcin objetivo debe medir de manera
cuantitativa el factor a optimizar.

60
Investigacin de operaciones

Recordemos que la I. O. es una herramienta que permite al ingeniero


tomar decisiones de tipo operativo. Estas decisiones son tomadas con la
premisa de maximizar las utilidades de la empresa, las cuales dependen
de los siguientes factores:

La funcin de utilidades U(x) de una empresa asociada a un producto, la


podemos escribir matemticamente como:

U ( x) p x C( x)

Donde:
x = volumen de venta.
p = precio de venta.
C(x) = funcin de costos evaluada en x, esto es, nos dice el costo de
producir x productos.

Si tenemos dos o ms productos, la funcin de utilidad es igual a la suma


de las funciones de utilidad de cada uno de los productos, es decir:

U ( x1, x2 , ...xn ) U ( x1 ) U ( x2 ) ... U ( xn )

Donde xi es el volumen de venta del i-simo producto.

Para poder maximizar las utilidades de la compaa tenemos varias


alternativas:

utilidad.

precio competitivo.

Estos factores son los que se deben ver ref lejados en la funcin objetivo,
la cual debe medir de una manera matemtica los costos o utilidades de
producir y vender una combinacin de productos.

61
Unidad 2

Para construir la funcin objetivo debemos:

ejemplo de NI NTEN: maximizar las utilidades de la empresa,


debidas a la produccin y venta de los tres tipos de impresoras.

datos del problema, utilizando operaciones aritmticas.

Para la empresa NI NTEN las utilidades por producir y vender impresoras


de matriz de puntos (IM) es igual al producto de la ganancia unitaria por
el total de impresoras producidas y vendidas, es decir:

U1 ( IM ) 800 IM

De manera similar se obtienen las ganancias para las impresoras de


inyeccin de tinta (IT) y las del tipo lser (IL).

U 2 ( IT ) 700 IT
U 3 ( IL) 1 000 IL

Finalmente, la utilidad total es la suma de estas tres utilidades:

U ( IM , IT , IL ) 800IM 700IT 1 000IL

Esta ltima expresin matemtica calcula la utilidad en trminos de las


variables de decisin. La f uncin objetivo la escribimos como:

Zmx = 800IM 700IT 1 000IL

Las restricciones son relaciones matemticas entre las variables de


decisin y las limitantes de la empresa. En el caso de los modelos
de P. L. estas restricciones son desigualdades o igualdades lineales.
Estas inecuaciones matemticas incluyen restricciones lgicas para
las variables que las condicionan a ser siempre positivas. A estas
restricciones que se presentan al final del modelo les llamaremos
condiciones de no negatividad.

62
Investigacin de operaciones

En las restricciones se deben tomar en cuenta:

Las restricciones son las condiciones que las variables de decisin


deben satisfacer para constituir una solucin aceptable.*

Para nuestro ejemplo las restricciones son las siguientes:

. Slo tenemos $ 595 000.00 de capital


disponible para la produccin del lote de impresoras, por lo tanto,
el costo de produccin debe ser menor o igual a esta cantidad.
El costo de producir IM es de 1 000 IM, para las IT es de
1 500 IT y para las IL 2 400 IL, por lo tanto, el costo de
produccin es la suma de las cantidades anteriores, es decir:

1 000IM 1 500IT 2 400IL


Pero esta cantidad debe ser menor a 595 000. Esto lo representamos
matemticamente como:

* Kamlesh Mathur y Daniel Solow, Investigacin de operaciones, Prentice-Hall.

63
Unidad 2

1 000IM 1 500IT 2 400IL 595 000

. La empresa cuenta con 265 horas de f uerza


de trabajo para la produccin del lote de impresoras. El tiempo de
fabricacin de las IM es de 30 IM minutos, para las IT es de
40 IT minutos y f inalmente para las IL 60 IL minutos. Por lo
tanto, el tiempo total de fabricacin del lote en minutos es de:

30IM 40IT 60IL

Pero este tiempo debe ser a lo ms de 265 horas. Para representarlo


matemticamente, primero se convierten 265 horas en minutos (para
trabajar con las mismas unidades)

60 min
265hr 15 900 mn
1hr

Con lo cual la restriccin se escribe como:

30IM 40IT 60IL 15 900

. Para asegurarnos que todas las impresoras


producidas sean vendidas, la cantidad de IM debe ser menor o igual
a 100, las de IT debe ser menor o igual a 80 y las IL deben ser a lo
ms 50. Para escribir esto en forma matemtica:

IM 100
IT 80
IL 50

. No podemos producir cantidades negativas de impresoras


y en este caso, tampoco podemos producir f racciones de ellas, por
tanto, los valores de las variables deben ser enteros positivos:
IM 0
IT 0
IL 0
IM , IT , IL Z

64
Investigacin de operaciones

El modelo matemtico que obtenemos es del tipo de programacin


lineal:

Zmx = 800IM 700IT 1 000IL

sujeto a las restricciones:

1 000IM 1 500IT 2 400IL 595 000


30IM 40IT 60IL 15 900
IM 100
I T 80
IL 50

Con condicin de no negatividad:


IM 0
IT 0
IL 0
Adems: IM , IT , IL

Ejercicio 2
1. Escribe la def inicin de un modelo de programacin lineal.
______________________________________________________________________________________________________________________________________.

2. Los modelos que vamos a utilizar en I. O. son:

a) Modelos icnicos.
b) Modelos simblicos o matemticos.
c) Modelos crticos.
d) Modelos analgicos.

65
Unidad 2

3. El modelo de P. L. se utiliza en:


a) Modelos de lneas de espera.
b) Modelos de inventarios.
c) Modelos no lineales.
d) Modelos de transporte.
4. Una variable de decisin en el ejemplo de NI NTEN es:
a) El precio de venta de las impresoras.
b) El tiempo de fabricacin de cada impresora.
c) El nmero de impresoras lser que se debe producir.
d) El capital disponible.

5. Escribe los pasos del proceso de construccin de los modelos de P. L.

Identificacin _____________________________________.
Identificacin _____________________________________.
Identificacin _____________________________________.

6. Relaciona las siguientes columnas.


a) Restricciones fsicas. ( ) Las variables deben ser
siempre positivas.
b) Restricciones de la empresa. ( ) El precio del producto debe
ser menor al de la competencia.
c) Restricciones lgicas. ( ) El espacio del almacn de
producto terminado.
d) Restriccin externa. ( ) El capital disponible.

2.3. Construccin de modelos de redes


y de lneas de espera
En la seccin anterior aprendimos a construir modelos simblicos de
programacin lineal. Aunque este modelo se puede aplicar en varios
problemas reales de manufactura y transporte, no se puede utilizar para
modelar problemas con variables estocsticas, es decir, variables cuyo
valor depende del azar.

66
Investigacin de operaciones

En este libro vamos a estudiar dos modelos que utilizan variables


estocsticas:

El modelo de redes se utiliza para calcular el tiempo de elaboracin de


un proyecto.* Si conocemos este tiempo, podemos tratar de disminuirlo
cuidando que los costos no se eleven demasiado. El modelo de lneas de
espera se utiliza para determinar el nmero de estaciones de servicio,
o de personas que deben ser contratadas para dar atencin a clientes,
buscando tener el nmero ptimo, esto es, el nmero que permita
conservar los costos ms bajos y, adems, disminuir el tiempo de espera
de cada uno de los clientes.

M odelo de redes

La fabricacin de un bien o servicio se lleva a cabo en varias etapas


donde cada una recibe el nombre de proceso. Para tener un control sobre
el tiempo en que se produce el bien o servicio, debemos conocer cada
uno de los procesos, el tiempo que tarda en llevarse a cabo y el orden
que se debe seguir. Por ejemplo, en la fabricacin de una computadora
se deben ensamblar cada una de sus partes (tarjeta madre, memoria
RAM, memoria ROM, bus, disco duro, discos f lexibles, puertos, fuente
de poder, etc.). Si alguno de estos procesos se interrumpe o tarda
demasiado, afecta toda la lnea de produccin, por lo tanto, es importante
tener un modelo que nos permita conocer los posibles puntos de falla
y as poder tomar medidas preventivas. Los modelos de redes tambin
miden los tiempos de cada proceso, para que de esta manera se trate
de optimizar el tiempo total, al buscar alternativas en la elaboracin del
producto (rutas crticas).

Para obtener el modelo matemtico de un problema de redes, debemos


seguir los siguientes cuatro pasos:

* Plan que se idea para produci r un bien o servicio.

67
Unidad 2

proceso (si usamos la tcnica PERT) o establecer una estimacin


determinstica de este tiempo (si usamos la tcnica CPM).

procesos, su interrelacin y sus tiempos estimados.

Los procesos* pueden ser sencillos o complejos. Los procesos complejos


pueden analizarse como proyectos, los cuales a su vez tienen otros
procesos intermedios.
Por ejemplo, el proyecto estadounidense de poner al hombre en la
luna antes de que terminara la dcada de los 60s constaba de varios
procesos complejos (construccin de una nave para el viaje, seleccin
y entrenamiento de los astronautas, desarrollo tecnolgico para las
comunicaciones, diseo y construccin de pequeas computadoras que
se pudieran llevar en las naves, etc.), por lo tanto, cada uno de estos
procesos constitua en s mismo un proyecto que a su vez estaba
formado por numerosos procesos. Los procesos tienen caractersticas
bien def inidas que nos pueden servir para identificarlos, stas son:

Ejemplo. El proceso de seleccin de los astronautas comienza con


la convocatoria para reclutar candidatos y termina con la seleccin
de un grupo para formar la tripulacin de la nave.

culminacin del proyecto.


Ejemplo. Si no tenemos lista a la tripulacin, no podemos llevar a
cabo el proyecto de poner un hombre en la luna.

Ejemplo. En cuanto se tiene la tripulacin, una parte del


proyecto esta concluida.

tiene sobre el proyecto.


Ejemplo. Para el presidente de la NASA, un proceso es la
construccin de computadoras para controlar el vuelo, pero para
el ingeniero de sistemas, un proceso es la construccin de un
* Pasos i ntermedios para la elaboracin de un bien o servicio.

68
Investigacin de operaciones

compilador para el lenguaje de programacin que se va a utilizar en


las computadoras de las naves espaciales.

proceso.
Ejemplo. El presidente nombr un responsable del proyecto, el cual
a su vez nombr responsables de cada uno de los procesos.

Para obtener el tiempo probable de cada proceso se debe realizar un


anlisis estadstico,* el cual nos va a dar como resultado tres datos:
es el tiempo con mayor probabilidad en
el que puede llevarse a cabo el proceso.
Tiempo pesimista del proceso: es el intervalo de tiempo ms largo en
el que puede llevarse a cabo el proceso.
Tiempo optimista: es el intervalo de tiempo ms corto en el que puede
llevarse a cabo el proceso.
Para obtener el tiempo que se asigna a cada proceso, se utiliza un
promedio ponderado, donde el tiempo probable tiene un peso mayor al
de los tiempos extremos:
tp 4t to
te
6
Donde:
te = tiempo esperado.
t p = tiempo pesimista.
t = tiempo probable.
to = tiempo optimista.

Para comenzar a disear la red de proyectos, primero se realiza una tabla


que muestre la relacin de precedencia** de cada uno de los procesos. Por
ejemplo, en el proyecto de preparar a los astronautas, el primer proceso

* Para ms detalles consultar Spiegel, Estadstica, McGraw-Hill.


* * Precedencia: A ntelacin, prioridad de una cosa con respecto a otra en el tiempo o en el espacio
(L arousse 2000).

69
Unidad 2

es seleccionarlos, posteriormente se empieza con un acondicionamiento


fsico, pruebas de manejo de aeronaves, prepararlos para la ingravidez,
etc. Por lo tanto, seleccionar a los candidatos es un proceso que precede
al proceso de acondicionamiento f sico.

La red que se construye tiene la forma de un grafo, es decir, es un


conjunto de vrtices o nodos (que representamos con un crculo) unidos
por arcos o aristas. Un ejemplo de grafo se muestra en la figura 2.1.

Figura 2.1.

Ahora, para construir la red se dibuja un nodo con el nmero cero, el cual
indica el inicio de nuestro proyecto. Tomando como punto de partida este
nodo, se dibujan los nodos que no son precedidos por ningn otro; stos
se unen con el nodo cero mediante arcos de f lecha, los cuales se nombran
con la etiqueta del proceso como se muestra en la figura 2.2.

Figura 2.2.

El nodo uno representa un punto en el tiempo, en el cual el proceso A


ya se concluy, por lo tanto, a partir de este punto se dibujan los nodos
que representen los procesos que siguen al proceso A. Esto se facilita
si observamos la tabla de precedencia, supongamos que el proceso que
sigue a A es B como se muestra en la f igura 2.3.

70
Investigacin de operaciones

Figura 2.3.

Y que al proceso C le sigue el proceso D, si se aaden estos dos procesos,


se obtiene el esquema presentado en la f igura 2.4.

Figura 2.4.

Se conti na de esta manera hasta representar todos los procesos del


proyecto. Finalmente, se coloca el nodo que represente el f inal del
proyecto. Si algunos de los nodos no estn unidos con otros para que la
red se cierre, se colocan procesos artif iciales, los cuales se representan
con una lnea punteada y se les asigna un tiempo nulo. Con esto se
obtiene una red que representa los pasos a segui r en la elaboracin
del proyecto. En la f igura 2.5., se muestra el ejemplo de una red de
proyecto:

Figura 2.5.

Por ltimo, se colocan los tiempos estimados para cada proceso, con esto
se obtiene una red que representa el proyecto (figura 2.6.), la cual va a
permitir posteriormente buscar la ruta crtica, para tratar de optimizar
el tiempo de ter minacin del proyecto. Esto ltimo se estudiar en la
unidad 10.

71
Unidad 2

Figura 2.6.

Ejemplo 5

Para poder generar energa elctrica en una planta termoelctrica, se


utiliza la energa qumica que tiene el combustleo para calentar el
agua y convertirla en vapor sobrecalentado, el cual proporciona la
presin necesaria para mover las turbinas, las cuales lo convierten en
energa mecnica que es trasmitida al generador elctrico. El proyecto de
convertir el agua en vapor para generar energa elctrica, consta de los
siguientes procesos:

Cada una de estas tareas se llevan a cabo de manera independiente.


Si queremos calcular el tiempo mnimo de terminacin del proyecto,
debemos medir el tiempo que se lleva cada proceso. En este caso, como
las variaciones de tiempo son muy pequeas, consideramos que su valor
es constante y analizamos el proceso como un modelo de redes tipo
CPM.

72
Investigacin de operaciones

En la siguiente tabla mostramos el tiempo de cada proceso:

Proceso Etiqueta Tiempo (minutos)


Extraccin de agua A 30
Desmineralizacin B 120
Primer nivel de calentado C 65
Segundo nivel de calentado D 50
Tercer nivel de calentado E 25
Paso por turbina F 5
Precalentado de combustible G 35
Inyeccin de combustible H 5

A continuacin presentamos la tabla de precedencia.

Proceso Procesos precedentes


A. Extraccin de agua Ninguno
B. Desmineralizacin A
C. Primer nivel de calentado H, B
D. Segundo nivel de calentado C
E. Tercer nivel de calentado D
F. Paso por turbina E
G. Precalentado de combustible Ninguno
H. Inyeccin de combustible G

Con esta informacin construimos la red, vase la figura 2.7.

Figura 2.7.

73
Unidad 2

M odelos de lneas de espera


En la industria existen varios procesos que se comportan como un sistema
de lnea de espera. Una lnea de espera se forma cuando los clientes o
productos llegan a una estacin de ser vicio y tienen que esperar a ser
atendidos.
Ejemplos:

de un banco.

en red.
Este tipo de sistemas tienen una modelacin especial, ya que en ellos
aparecen variables y distribuciones probabilsticas. Una lnea de espera
se describe mediante los siguientes parmetros:
1. El tiempo promedio de llegada de nuestros clientes.
2. El tiempo promedio que lleva a las estaciones atender a un cliente.
3. El nmero mximo de clientes que pueden esperar en la fila.
4. El comportamiento de la fila.
5. Nmero de estaciones.
Si se conocen estos parmetros, es posible tomar decisiones sobre:
Nmero de estaciones de servicio. Si se debe aumentar o
disminuir. Esto es crucial para las empresas, ya que al abrir
demasiadas estaciones los costos se elevan, mientras que tener un
nmero insuficiente puede ocasionar perdida de clientes.
. Es posible construir una fila nica (unifila) donde
los clientes se distribuyen a las estaciones de servicio, o bien
construir una fila delante de cada una de ellas. En los bancos se utilizan
uni f i las, mientras que en las tiendas de autoservicio se
uti l i zan multifilas (al igual que en los hospitales).

Colocar estaciones especiales. Se pueden colocar estaciones


de servicio que slo atiendan a clientes que cumplan ciertas
caractersticas. En los bancos se cuenta con cajas empresariales, en las

74
Investigacin de operaciones

tiendas de autoservicio se colocan cajas rpidas y en los hospitales


se cuenta con el rea de urgencias.
. Se debe determinar un espacio f sico
para que los clientes se formen, ste depende del nmero mximo
de clientes que puede tener la f ila o del nmero promedio de
ellos. En algunos bancos se colocan sillas para que los clientes
esperen sentados, mientras que en otras empresas existen almacenes
intermedios entre un proceso y otro.
Para realizar el modelo simblico de una lnea de espera, se debe conocer
cada uno de los siguientes componentes:
. Es el total de clientes que pueden llegar
a nuestra estacin de servicio. Esta poblacin puede considerarse
inf inita (en un sentido terico), si el nmero de clientes es
demasiado grande. Por lo general es ms sencillo modelar lneas de
espera inf initas que finitas.
Ejemplos. Un banco considera que su poblacin es infinita, ya que en
teora cualquier persona puede entrar a solicitar uno de sus servicios.
En una empresa con 15 empleados, la f ila que se forma para que les
paguen es a lo ms de 15, por lo tanto es f inita.

Proceso de llegadas. Las llegadas pueden ocurrir con una


frecuencia conocida (variable determinstica) o bien pueden ser
aleatorias. En el caso de que la llegada de clientes sea probabilstica,
se utiliza una funcin de distribucin probabilstica exponencial
1 t
negativa f (t ) e donde (lambda) es el nmero promedio
de llegadas por unidad de tiempo. Esto es, si se quiere saber cul
es la probabilidad de que llegue un cliente en la prxima unidad de
tiempo.

t
P(tiempo entre llegadas < t)=1 e

Ejemplo. En un hospital la llegada de pacientes al departamento


de urgencias es aleatorio, con un promedio =10 pacientes/hora.
Cul es la probabilidad de que llegue un cliente en los prximos 20
minutos?

75
Unidad 2

Lo primero es convertir los 20 minutos a horas, ya que (lambda)


est dada en pacientes por hora; 20 min = 1/3 de hora.
P(tiempo entre llegadas < 1/3) = 1e10(1/3)

1 e 3.33 1 0.036 0.964

Esto quiere decir que nuestra probabilidad es de 96.4%.

En cambio en el rea de especialidades a los clientes se les


programa mediante citas, por lo que su llegada es determinstica.

. Los clientes tienen que elegir entre varias f ilas


(multicanal), o existe una f ila nica (canal sencillo).
Ejemplo: En una empresa se tienen dos casetas de servicio,
los obreros pasan todas las maanas por sus herramientas de trabajo,
el ingeniero no sabe si deben formar una f ila nica e ir pasando
a una de las dos casetas, o bien, formar una fila frente a cada caseta.

. Es la forma en que cada estacin da el


servicio a los clientes, incluyendo el tiempo que tarda en atenderlos.
El tiempo puede ser determinstico o probabilstico. En este ltimo
caso, podemos utilizar tambin una funcin de distribucin de
probabilidades.
Ejemplo: En una ensambladora de automviles la lnea de
produccin est semiautomatizada, por lo que la planeacin se
hace pensando en que los robots siempre tengan piezas esperando
a ser atendidas, pues de otra manera el robot estara ocioso y esto
ocasionara un costo adicional. Aqu la estacin de servicio (robot)
siempre tarda el mismo tiempo en atender a sus clientes. En cambio
en un centro de servicio de automviles el tiempo que tarda un
mecnico en reparar un automvil es variable, ya que depende del
tipo de falla que atienda.

. Despus de ser atendidos los clientes se pueden


retirar del proceso o deben pasar a otra estacin de servicio. Cuando
sucede esto ltimo se dice que se tiene una red de lneas de espera.
Ejemplo: En una industria de refrescos los envases deben formar
una fila frente a la mquina de lavado y posteriormente formarse
frente a la mquina de llenado.

76
Investigacin de operaciones

Ejemplo 6

Pensemos en una clnica de consulta externa donde atienden dos


doctores. El horario de atencin es de 8 a.m. a 5 p.m. El tiempo de
consulta por paciente oscila entre 6 y 30 minutos. Los pacientes llegan a
la clnica de manera aleatoria, con una frecuencia dada por la siguiente
tabla:

Nm. de pacientes por hora Frecuencia


6 20%
7 30%
8 25%
9 15%
10 10%

Esto es, se tiene el 0.20 de probabilidad de que lleguen 6 pacientes en


la siguiente hora, el 0.30 de que lleguen 7, 0.25 de que lleguen 8, etc.
El tiempo que tarda la consulta tambin es aleatorio, el cual se modela
con una distribucin normal con media de 18 y desviacin estndar de 4
minutos. Si los pacientes llegan ms rpido de los que son atendidos por
los doctores, entonces se va a formar una f ila. En este proceso existen
dos variables estocsticas, el nmero de pacientes que llegan a la clnica
y el tiempo de consulta por paciente.

El inters del problema es minimizar el tiempo que esperan los pacientes


para ser atendidos, ya que si se prolonga demasiado, el paciente sale de
la clnica, con lo cual se perdera al cliente. Una solucin pudiera ser
contratar ms doctores, sin embargo, esto hace que los costos se eleven
y si el nmero de clientes no es lo suf icientemente grande para tener
ocupados a todos los doctores, se pierde dinero por el tiempo ocioso. Por
lo tanto, nuevamente se busca un punto de equilibrio, donde el tiempo
de espera por parte del paciente sea mnimo pero al menor costo posible.
Todo esto se tratar con mayor detalle en la unidad 9.

77
Unidad 2

Ejercicio 3
1. Es el nombre que se les da a las variables cuyo valor depende del
azar.

a) Discreta.
b) Aleatoria.
c) Continua.
d) Determinstica.

2. Es el proceso de anlisis de proyectos que utiliza tiempos aleatorios.

a) PERT
b) CPM
c) PETR
d) PCM

3. Proceso donde los clientes deben esperar ser atendidos por una
estacin de servicio.

a) Redes.
b) Programacin lineal.
c) Inventarios.
d) Lneas de espera.

4. Describe las cinco caractersticas que debe cumplir un proceso.


______________________________________________________________________________________________________________________________________________.

5. Coloca el nombre de cada componente en la siguiente red.


a)
d)

b)

c)

78
Investigacin de operaciones

6. Relaciona las siguientes columnas

a) Tipo de f ila. ( ) Almacn intermedio entre un


proceso y otro.
b) Estaciones especiales. ( ) Unifila.
c) Espacio fsico para la fila. ( ) Caja rpida.
d) Multicanal.

7. Describe cada uno de los siguientes componentes de una lnea de


espera:

a) Proceso de llegadas.
______________________________________________________________________________________________________________________________________________
____________________________________________________________________________________________________________________________________________.

b) Proceso de servicio.
______________________________________________________________________________________________________________________________________________
____________________________________________________________________________________________________________________________________________.

2.4. Clasificacin de modelos matemticos


en investigacin de operaciones
Los modelos matemticos que se obtienen al resolver problemas de I. O.,
se clasifican dependiendo del tipo de variables que utilizan, del tipo de
funcin objetivo, si existen restricciones y de qu tipo son; esto se hace con
la finalidad de tener bien identificado el modelo y as poder buscar la mejor
tcnica para resolverlo. A continuacin presentamos una clasificacin de los
modelos:

Determinsticos. Si el valor que toman las variables no depende del azar.


Estocstico. Si el valor de las variables depende del azar.

Los determinsticos se clasif ican a su vez:

79
Unidad 2

Lineal. Si la funcin objetivo es lineal en todas las variables que la


forman.
No lineal. Si al menos una de las variables de la f uncin objetivo
aparece con un exponente distinto a uno.

I nrestrictos. Son modelos que no tienen restricciones.


. Son modelos que tienen restricciones. Las restricciones
a su vez pueden ser lineales o no lineales.

Los estocsticos se clasif ican a su vez:

Llegadas de tipo exponencial. Si medimos el tiempo entre llegada y


llegada.
Llegadas de tipo Poisson. Si medimos el nmero de llegadas por
unidad de tiempo.

Servicio de tipo exponencial. Si medimos el tiempo entre llegada y


llegada.
Servicio de tipo Poisson. Si medimos el nmero de llegadas por
unidad de tiempo.

Los modelos determinsticos lineales con restricciones lineales, se resuelven


utilizando la tcnica del mtodo smplex; los modelos determinsticos
no lineales sin restricciones se solucionan con el mtodo de gradiente
conjugado; los modelos determinsticos no lineales con restricciones utilizan
la tcnica de multiplicadores de Lagrange; los modelos estocsticos utilizan
tcnicas de simulacin tipo montecarlo o teora de grafos.

80
Investigacin de operaciones

Ejercicios propuestos
Construye el modelo de programacin lineal del siguiente problema.

1. Un hospital cuenta con dos mquinas para revelar radiografas, la


primera es capaz de revelar hasta 25 radiograf as por hora, con un costo
de $ 5.00 cada una. La otra mquina revela hasta 50 radiografas por hora
a un costo de $ 8.00. El hospital revela como mnimo 50 radiografas
por hora. Cuntas radiografas debemos revelar en cada mquina para
optimizar los recursos?

2. Construye la red CPM del proyecto fabricacin de bicicletas:

Proceso T (minutos)
A. Armar el cuadro 20
B. Pintar el cuadro 30
C. Ensamblar las llantas 10
D. Aadir las llantas al cuadro 10
E. Colocar el manubrio 2
F. Colocar el asiento 8
G. Insertar el sistema de freno 20
H. Instalar el sistema de transmisin 28

3. En un banco la llegada de clientes es aleatoria, con un promedio de


20 clientes/hora. Cul es la probabilidad de que llegue un cliente en los
prximos 10 minutos?

81
Unidad 2

Autoevaluacin
1. Es la representacin idealizada de la realidad mediante smbolos
y ecuaciones:

a) Modelo icnico.
b) Modelo analgico.
c) Modelo matemtico.
d) Modelo probabilstico.

2. Modelo matemtico que consta de funcin objetivo lineal


y restricciones lineales:

a) Modelo probabilstico.
b) Modelo determinstico.
c) Modelo smplex.
d) Modelo de programacin lineal.

3. El primer paso para la construccin de un modelo de programacin


lineal es:

a) Identificar la funcin objetivo.


b) Identificar las variables.
c) Escribir las restricciones.
d) Sustituir los valores.

4. Una compaa fabrica tres tipos de refacciones, la ganancia por la


refaccin 1 es de $ 5.00, por la refaccin 2 es de $ 3.00 y por la refaccin 3
es de $ 4.00. Si queremos optimizar las ganancias, la funcin objetivo es:

a) Zmx = 3R1 3R2 4R3


b) Zmx = 5R1 3R2 3R3
c) Zmx = 5R1 R2 4R3
d) Zmx = 5R1 3R2 4R3

82
Investigacin de operaciones

5. Un ejemplo de modelo icnico es:

a) Un velocmetro.
b) Un reloj digital.
c) Un globo terrqueo.
d) Una ecuacin diferencial.

6. Es el tipo de modelo en que podemos manejar n-dimensiones:

a) Modelo angular.
b) Modelo icnico.
c) Modelo matemtico.
d) Modelo analgico.

7. Mide de manera matemtica los costos o utilidades de produci r


o vender una combinacin de productos:

a) Las restricciones.
b) La funcin de probabilidades.
c) La funcin de costos.
d) La funcin objetivo.

8. Dada la siguiente red, indicar el orden de los procesos:

a) c precede a b
b) b precede a 0
c) c precede a 0
d) b precede a c

83
Unidad 2

9. Es la forma en que cada estacin da servicio a los clientes:

a) Tiempo de llegada.
b) Proceso de fila.
c) Proceso de servicio.
d) Proceso de salida.

10. Un servicio de autolavado atiende en promedio a 15 autos/hora.


Cul es la probabilidad de que salga un automvil en los prximos 5
minutos?

a) 71.34%
b) 100%
c) 94.6%
d) 33.33%

84
Investigacin de operaciones

Respuestas a los ejercicios

Ejercicio 1
1. a)

2. b)

3. c)

4. Un modelo es la representacin simplificada de un fenmeno de la


realidad, conservando las relaciones ms significativas entre las variables
y los datos involucrados en el fenmeno para su fcil manipulacin.

5. Modelo icnico, modelo analgico y modelo si mblico.

Ejercicio 2
1. Un modelo de P. L. consiste en una funcin lineal, la cual se desea
optimizar (maximizar o minimizar) sujeta a un conjunto de restricciones
lineales.

2. b)

3. d)

4. c)

5. Los datos y las variables de decisin.


Las restricciones.
La funcin objetivo.

6. (c)
(d)
(a)
(b)

85
Unidad 2

Ejercicio 3
1. b)

2. a)

3. d)

4. Los procesos deben tener un comienzo y un f inal claros.


La terminacin de cada proceso debe ser necesaria para la culminacin
del proyecto.

Un proceso debe representar un progreso en el proyecto. El tamao del


proceso est en relacin directa con el control que tenemos sobre el
proyecto.

Debe existir una persona o grupo de personas responsables de cada


proceso.

5. a) Nodo.
b) Arista.
c) Tiempo de proceso.
d) Etiqueta de proceso.

6. (c)
(a)
(b)

7.
a) Es la forma en la que llegan los clientes a las estaciones de servicio.
b) Es la forma en que se atiende a los clientes, incluyendo el tiempo de
servicio.

86
Investigacin de operaciones

Respuestas a los ejercicios propuestos


1.
M1 = radiografas reveladas en la mquina 1
M2 = radiografas reveladas en la mquina 2

Zmn 5M 1 8M 2
s. a. M 1 M 2 50
M1 25
M 2 50
con las condiciones de positivida
ad
M1 0
M2 0

2.

3. 96.4%

87
Unidad 2

Respuestas a la autoevaluacin
1. c)
2. d)
3. b)
4. d)
5. c)
6. c)
7. d)
8. d)
9. c)
10. a)

88