Investigacion de Operaciones - 2017 II PDF

Calidad que se acredita internacionalmente
ASIGNATURA
INVESTIGACIÓN DE
OPERACIONES
(TEXTO UNIVERSITARIO)
Asignatura: Investigación de Operaciones
VISIÓN
Ser una de las 10 mejores universidades

privadas del Perú al año 2020, reconocidos por
nuestra excelencia académica y vocación de
servicio, líderes en formación integral, con
perspectiva global; promoviendo la
competitividad del país.
MISIÓN
Somos una universidad privada, innovadora y

comprometida con el desarrollo del Perú, que se
dedica a formar personas competentes, íntegras
y emprendedoras, con visión internacional; para
que se conviertan en ciudadanos responsables e
impulsen el desarrollo de sus comunidades,
impartiendo experiencias de aprendizaje
vivificantes e inspiradoras; y generando una alta
valoración mutua entre todos los grupos de
interés.
Universidad Continental de Ciencias e Ingeniería

Material publicado con fines de estudio
Cuarta edición
Huancayo, 2013
pág. 2
INTRODUCCIÓN
El desarrollo del material de la asignatura, se hace considerando la Investigación de

Operaciones como una ciencia administrativa basada en el enfoque científico, para resolver
problemas y proporcionar ayuda para la toma de decisiones. Planear, programar, organizar,
dirigir, dotar de personal, controlar, son actividades que el alumno en su ejercicio profesional
puede desempeñar, y la Investigación de Operaciones le sirve de ayuda con su método analítico
y sistemático. Con base en este enfoque gerencial es que se plantea en el presente manual el
estudio de esta ciencia.
La primera Unidad Didáctica, es una puerta de entrada al estudio de las diversas técnicas y los
respectivos modelos que conforman la asignatura. Se hace énfasis en el análisis cuantitativo
que es la base del enfoque científico, punto de partida del proceso que determinará la toma de
una decisión.
La segunda Unidad Didáctica, se inicia en las técnicas a estudiar, siendo la primera,
Programación Lineal. Esta es una de las técnicas más empleadas y se aplica en sistemas con
relaciones lineales, para usar los recursos escasos de la mejor manera posible.
La tercera unidad estudia las aplicaciones especiales de la programación lineal, los cuales son
el problema de transporte y el problema de asignación.
La cuarta unidad didáctica contiene el estudio de técnicas utilizadas para el manejo de
proyectos que son: PERT y CPM. Ambas técnicas tienen el objetivo de ahorrar el mayor tiempo
posible en la ejecución de proyectos. Didácticamente, su estudio ha sido dividido en tres fases:
Planeamiento, Programación y Control.
La quinta unidad está dedicada al estudio de la Teoría de Colas, con especial mención del
modelo M/M/1, llamado así según la notación de Kendall. La Teoría es un estudio de los
sistemas de espera y de los diferentes modelos que provee la Investigación de Operaciones
para ayudar en la toma de decisiones en este campo.
La sexta unidad es la Teoría de decisiones, en la cual se desarrollan los diversos modelos de
decisiones, complementado con el cálculo del valor de la información perfecta. Además se
incluye los árboles de decisión para la representación de decisiones secuenciales.
La séptima unidad consiste en las Cadenas de Markov para la evaluación de ocurrencias de
eventos ante situaciones ocurridas.
El presente material es una guía para el desarrollo del curso y debe ser complementada por el
estudiante a través de la investigación y búsqueda de información en diversas fuentes como
biblioteca e internet así como con el desarrollo de las clases presenciales.
pág. 3
ÍNDICE
Pág.
INTRODUCCIÓN 3
INDICE 4
PRIMERA UNIDAD 7
Tema Nº 1: LA INVESTIGACIÓN DE OPERACIONES Y EL USO DE MODELOS 7
1.1 Los modelos 7
1.2 ¿Qué es la investigación de operaciones? 8
SEGUNDA UNIDAD 10
Tema Nº 2: PROGRAMACIÓN LINEAL 10
2.1 Introducción. 10
2.2 Expresión matemática 10
2.3 Modelo de Programación Lineal 11
2.4 Forma estándar del modelo 12
2.5 Suposiciones del Modelo de Programación Lineal 12
2.6 Modelos matemáticos 13
2.7 Formulación de modelos de programación lineal 13
Casos de aplicación 14
Tema Nº 3: METODOS DE SOLUCION DE PROBLEMAS DE PL 20

3.1 Método gráfico 20
3.2 El Método Simplex 33
Tema Nº 4: ANALISIS DE DUALIDAD Y SENSIBILIDAD 40

4.1 Análisis de Dualidad 40
4.2 Definición de Problema dual 40
4.3 Análisis de sensibilidad 43
TERCERA UNIDAD 46
Tema Nº 5: MODELO DE TRANSPORTE 46
5.1 Problema de Transporte 47
5.2 Modelo general del problema de transporte 47
5.3. Métodos para encontrar soluciones factibles 49
5.4 Método de la esquina noroeste 49
5.5 Método de aproximación de Vogel 50
5.6 Modelos Balanceados y no balanceados 50
Tema Nº 6: MODELO DE ASIGNACION DE RECURSOS 59

6.1 Problemas de asignación de recursos 59
6.2 El método Húngaro 60
pág. 4
CUARTA UNIDAD 65
Tema Nº 7: ADMINISTRACIÓN DE PROYECTOS PERT/CPM 65
7.1 Introducción 66
7.2 Procedimiento para trazar un modelo de red 66
7.3 Pasos en el planeamiento del proyecto del CPM 68
7.4 Utilidad de las técnicas PERT y CPM 69
7.5 Programación de proyectos 70
7.6 Ventajas del PERT y CPM 70
7.7 Pasos en el método PERT (Program Evaluation and Review Technique) 71
7.8 Asignación de tiempos 72
QUINTA UNIDAD 80
Tema Nº 8: SISTEMA DE LÍNEA DE ESPERA 80
8.1 Modelo de formación de colas. 80
8.2 Elementos existentes en un modelo de colas 81
8.3 Casos de colas o líneas de espera 87
SEXTA UNIDAD 97
Tema Nº 9: TEORÍA DE DECISIONES 97
9.2 Toma de decisiones bajo incertidumbre 97
9.3 Caso de aplicación: Criterios de decisión en incertidumbre 103
9.4 Árboles de decisión 108
SEPTIMA UNIDAD 114

Tema Nº 10: CADENAS DE MARKOV 114
10.2 Caso de aplicación 114
10.3 Formulación de las Cadenas de Markov 114
REFERENCIAS BIBLIOGRÁFICAS 119

REFERENCIAS ELECTRÓNICAS 119
ANEXO 120
pág. 5
ICONOGRAFÍA DE TEXTO
METODOLOGÍA DE LA INVESTIGACIÓN DE OPERACIONES
El texto se fundamenta en la metodología de la investigación de operaciones alineada a

la investigación científica. Las diversas técnicas de investigación de operaciones buscan
optimizar el uso de recursos en las organizaciones mediante la definición del problema
a resolver en un sistema empresarial o social en base a lo cual se construyen los modelos
matemáticos y se recolectan los datos en forma paralela y cíclica; planteado el modelo
se procede a resolverlo mediante los métodos de cada técnica operativa, lo cual puede
llevar a un replanteamiento del modelo, a recopilar más datos o ambos; solucionado el
modelo se procede a hacer la verificación de la validez de los resultados, su coherencia
con la realidad; finalmente se realiza la implementación para solucionar el problema
definido mejorando la situación inicial.
pág. 6
PRIMERA UNIDAD
Tema Nº 1: LA INVESTIGACIÓN DE OPERACIONES Y EL USO DE

MODELOS
1.1 Los modelos

Un modelo es una representación ideal de un sistema y la forma en que este opera. El
objetivo es analizar el comportamiento del sistema o bien predecir su comportamiento
futuro. Obviamente los modelos no son tan complejos como el sistema mismo, de tal
manera que se hacen las suposiciones y restricciones necesarias para representar las
porciones más relevantes del mismo. Claramente no habría ventaja alguna de utilizar
modelos si estos no simplificaran la situación real. En muchos casos podemos utilizar
modelos matemáticos que, mediante letras, números y operaciones, representan
variables, magnitudes y sus relaciones.
1.1.1 Clasificación de modelos

Se podría decir que un modelo de las ciencias físicas es una traducción de la realidad física
de un sistema en términos matemáticos, es decir, una forma de representar cada uno de
los tipos entidades que intervienen en un cierto proceso físico mediante objetos
matemáticos. Las relaciones matemáticas formales entre los objetos del modelo, deben
representar de alguna manera las relaciones reales existentes entre las diferentes
entidades o aspectos del sistema u objeto real. Así una vez "traducido" o "representado"
cierto problema en forma de modelo matemático, se pueden aplicar el cálculo, el álgebra
y otras herramientas matemáticas para deducir el comportamiento del sistema bajo
estudio. Un modelo físico requerirá por tanto que se pueda seguir el camino inverso al
modelado, permitiendo reinterpretar en la realidad las predicciones del modelo. Los
modelos matemáticos pueden clasificarse de la siguiente manera:
 Determinista. Se conoce de manera puntual la forma del resultado ya que no hay
incertidumbre. Además, los datos utilizados para alimentar el modelo son
completamente conocidos y determinados.
 Estocástico. Probabilístico, que no se conoce el resultado esperado, sino su
probabilidad y existe por tanto incertidumbre.
Además con respecto a la función del origen de la información utilizada para construirlos
los modelos pueden clasificarse de otras formas, se distinguen modelos heurísticos y
modelos empíricos:
 Modelos heurísticos (del griego euriskein 'hallar, inventar'). Son los que están
basados en las explicaciones sobre las causas o mecanismos naturales que dan
lugar al fenómeno estudiado.
 Modelos empíricos (del griego empeirikos relativo a la “experiencia”). Son los
que utilizan las observaciones directas o los resultados de experimentos del
fenómeno estudiado.
Además los modelos matemáticos encuentran distintas denominaciones en sus diversas
aplicaciones. A continuación veremos algunos tipos en los que se puede adecuar algún
modelo matemático de interés. Según su campo de aplicación los modelos:
 Modelos conceptuales. Son los que reproducen mediante fórmulas y algoritmos
matemáticos más o menos complejos los procesos físicos que se producen en la
naturaleza
pág. 7
 Modelo matemático de optimización. Los modelos matemáticos de

optimización son ampliamente utilizados en diversas ramas de la ingeniería para
resolver problemas que por su naturaleza son indeterminados, es decir presentan
más de una solución posible.
Categorías por su aplicación suelen utilizarse en las siguientes tres áreas, sin embargo
existen muchas otras como la de finanzas, ciencias etc.
 Simulación. De situaciones medibles de manera precisa o aleatoria, por ejemplo
con aspectos de programación lineal cuando es de manera precisa, y probabilística
o heurística cuando es aleatorio.
 Optimización. Para determinar el punto exacto para resolver alguna problemática
administrativa, de producción, o cualquier otra situación. Cuando la optimización
es entera o no lineal, combinada, se refiere a modelos matemáticos poco
predecibles, pero que pueden acoplarse a alguna alternativa existente y
aproximada en su cuantificación.
 Control. Para saber con precisión como está algo en una organización,
investigación, área de operación, etc.
1.1.2 Principios de los modelos

"Los modelos no pueden remplazar al tomador de decisiones, sólo auxiliarlos"
A continuación se presenta una lista, no exhaustiva, de los principios generales de
modelación.
 No debe elaborarse un modelo complicado cuando uno simple es suficiente.
 El problema no debe ajustarse al modelo o método de solución.
 La fase deductiva de la modelación debe realizarse rigurosamente.
 Los modelos deben validarse antes de su implantación.
 Nunca debe pensarse que el modelo es el sistema real.
 Un modelo debe criticarse por algo para lo que no fue hecho.
 No venda un modelo como la perfección máxima.
 Uno de los primeros beneficios de la modelación reside en el desarrollo del modelo.
 Un modelo es tan bueno o tan malo como la información con la que trabaja.
 Los modelos no pueden remplazar al tomador de decisiones.
 Los modelos de Investigación de Operaciones, conducen a mejores decisiones y no
a simplificar la toma de éstas.
1.2 ¿Qué es la investigación de operaciones?

Como toda disciplina en desarrollo, la investigación de operaciones ha ido evolucionando
no sólo en sus técnicas y aplicaciones sino en la forma como la conceptualizan los
diferentes autores, en la actualidad no existe solamente una definición sino muchas,
algunas demasiado generales, otras demasiado engañosas, aquí seleccionamos dos de
las más aceptadas y representativas.
La investigación de operaciones es la aplicación, por grupos interdisciplinarios,

del método científico a problemas relacionados con el control de las
organizaciones o sistemas (hombre-máquina), a fin de que se produzcan
soluciones que mejor sirvan a los objetivos de la organización.
Churchman, Ackoff y Arnoff
De ésta definición se pueden destacar los siguientes conceptos:
1. Una organización es un sistema formado por componentes que se interaccionan,
unas de estas interacciones pueden ser controladas y otras no.
pág. 8
2. En un sistema la información es una parte fundamental, ya que entre las

componentes fluye información que ocasiona la interacción entre ellas. También
dentro de la estructura de los sistemas se encuentran recursos que generan
interacciones. Los objetivos de la organización se refieren a la eficacia y eficiencia
con que las componentes pueden controlarse, el control es un mecanismo de
autocorrección del sistema que permite evaluar los resultados en términos de los
objetivos establecidos.
3. La complejidad de los problemas que se presentan en las organizaciones ya no
encajan en una sola disciplina del conocimiento, se han convertido en
multidisciplinario por lo cual para su análisis y solución se requieren grupos
compuestos por especialistas de diferentes áreas del conocimiento que logran
comunicarse con un lenguaje común.
4. La investigación de operaciones es la aplicación de la metodología científica a
través modelos matemáticos, primero para representar al problema y luego para
resolverlo. La definición de la sociedad de investigación de operaciones de la
Gran Bretaña es la siguiente:
5. La investigación de operaciones es el ataque de la ciencia moderna a los
complejos problemas que surgen en la dirección y en la administración de
grandes sistemas de hombres, máquinas, materiales y dinero, en la industria,
en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste
en desarrollar un modelo científico del sistema tal, que incorpore valoraciones
de factores como el azar y el riesgo y mediante el cual se predigan y comparen
los resultados de decisiones, estrategias o controles alternativos. Su propósito
es el de ayudar a la gerencia a determinar científicamente sus políticas y
acciones.
En relación a ésta definición deben destacarse los siguientes aspectos:
i. Generalmente se asocian los conceptos de dirección y administración a las empresas
de tipo lucrativo, sin embargo, una empresa es un concepto más amplio, es algo
que utiliza hombres, máquinas, materiales y dinero con un propósito específico;
desde éste punto de vista, se considera como empresa desde una universidad hasta
una armadora de automóviles.
ii. Para tratar de explicar el comportamiento de un sistema complejo, el científico debe
representarlo en términos de los conceptos que maneja, lo hace expresando todos
los rasgos principales del sistema por medio de relaciones matemáticas. A esta
representación formal se le llama modelo.
iii. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el
futuro, pero si ser capaz de indicar muchas cosas acerca de la forma en que se
puede esperar que un sistema opere en una variedad de circunstancias, lo que
permite valorar su vulnerabilidad. Si se conocen las debilidades del sistema se
pueden tomar cursos de acción agrupados en tres categorías:
a. Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta;
b. Realizar un plan de toma de decisiones;
c. Instalar estrategias que generen decisiones.
Cuando se aplica alguno de estos remedios, la investigación de operaciones nos
ayuda a determinar la acción menos vulnerable ante un futuro incierto.
iv. El objetivo global de la investigación de operaciones es el de apoyar al tomador de
decisiones, en cuanto ayudarlo a cumplir con su función basado en estudios
científicamente fundamentados.
pág. 9
SEGUNDA UNIDAD
Tema Nº 2: PROGRAMACIÓN LINEAL
2.1 Introducción.
Se considera al desarrollo de la Programación Lineal (PL) entre los avances científicos
más importantes de mediados del siglo XX. En la actualidad es una herramienta común
que ha ahorrado miles o millones de dólares a muchas compañías y negocios, incluyendo
industrias medianas y pequeñas en distintos países del mundo. ¿Cuál es la naturaleza
de esta notable herramienta y qué tipo de problemas puede manejar? Expresado
brevemente, el tipo más común de aplicación abarca el problema general de asignar
recursos limitados entre las distintas actividades de la mejor manera posible (es decir,
en forma óptima). La variedad de situaciones a las que se puede aplicar esta descripción
es sin duda muy grande, y va desde la asignación de instalaciones productivas a los
productos, hasta la asignación de los recursos nacionales a las necesidades de un país.
No obstante, el ingrediente común de todas estas situaciones es la necesidad de asignar
recursos a las actividades.
La programación lineal utiliza un modelo matemático para describir el problema. El
adjetivo lineal significa que todas las funciones matemáticas del modelo deber ser
funciones lineales. En este caso, las palabra programación no se refiere a programación
en computadoras; en esencia es un sinónimo de planeación. Así, la programación lineal
trata la planeación de las actividades para obtener un resultado óptimo, esto es, el
resultado que mejor alcance la meta especificada (según el modelo matemático) entre
todas las alternativas de solución.
2.2 Expresión matemática

 La Función Objetivo del Modelo Lineal es la formulación matemática de una
meta establecida y por lo tanto su valor final mide la efectividad lograda. Es
una función lineal a ser maximizada o minimizada y tiene la siguiente forma
general:
Optimizar C 1X1 + C 2X2 + C3X3 + C4X4 +...................+ CnXn
 Xj, simboliza matemáticamente a las variables de decisión. Son los valores
numéricos que se determinan con la solución del modelo y representan o
están relacionadas con una actividad o acción a tomar. Son los únicos valores
desconocidos en el modelo y pueden existir en cualquier cantidad, desde 1
hasta n variables. Es decir, j varía desde 1 hasta n.
 Cj, matemáticamente, simboliza el coeficiente de la variable j en la
Función Objetivo. Son datos relevantes, insumos incontrolables ya
conocidos. En la Función Objetivo representan la cantidad con la cual
contribuye cada unidad de la variable j, al valor total deseado en el objetivo.
 Las restricciones, desde el punto de vista matemático, son funciones
lineales expresadas como igualdades o desigualdades, que limitan el valor
de las variables de decisión a valores permisibles. Representan recursos,
condiciones o requerimientos establecidos. Las restricciones del Modelo
Lineal general tienen la forma siguiente:
a11 X1 + a 12 X 2 + a 13 X 3 + a14 X 4 + … + a1nXn <= b1
a21 X1 + a 22 X 2 + a 23 X 3 + a24 X 4 + … + a2n Xn <= b2
.
.
am1 X1 + a m2 X 2 + a m3 X 3 + am4 X 4 +… + amn Xn <= bm
pág. 10
 aij, matemáticamente simboliza el coeficiente, en la restricción i, de las variable

j.
El subíndice i indica el recurso, requerimiento o condición cuya limitación se está
expresando; j indica la variable correspondiente. Cuando la limitación es de un
recurso i, estos coeficientes representan la cantidad del recurso total limitado i,
que es utilizada en cada unidad de la variable j. Cuando la limitación es de un
requerimiento o condición i, representan la cantidad del requerimiento o
condición i limitada, que aporta cada unidad de la variable j, al requerimiento o
condición total establecida. Son, por ello, valores unitarios, al igual que los
coeficientes de las variables en la Función Objetivo.
 bi, matemáticamente constituye el lado derecho de la restricción i.
Representa la cantidad total disponible del recurso limitado i, o la cantidad total
de un requerimiento o condición i establecida. Puede existir cualquier cantidad
de restricciones por lo tanto i puede variar desde 1 hasta m.
 Xj >= 0 es una restricción de no negatividad de las j variables, la cual se le
considera siempre presente como una condición natural en el Modelo Lineal
General.
2.3 Modelo de Programación Lineal

Los términos clave son recursos y actividades, en donde m denota el número de distintos
tipos de recursos que se pueden usar y n denota el número de actividades bajo
consideración. Algunos ejemplos de recursos son dinero y tipos especiales de
maquinaria, equipo, vehículos y personal. Los ejemplos de actividades incluyen
inversión en proyectos específicos, publicidad en un medio determinado y el envío de
bienes de cierta fuente a cierto destino. En cualquier aplicación de programación lineal,
puede ser que todas las actividades sean de un tipo general (como cualquiera de los
ejemplos), y entonces cada una correspondería en forma individual a las alternativas
específicas dentro de esta categoría general.
El tipo más usual de aplicación de programación lineal involucra la asignación de
recursos a ciertas actividades. La cantidad disponible de cada recurso está limitada, de
forma que deben asignarse con todo cuidado. La determinación de esta asignación
incluye elegir los niveles de las actividades que lograrán el mejor valor posible de la
medida global de efectividad.
Ciertos símbolos se usan de manera convencional para denotar las distintas
componentes de un modelo de programación lineal. Estos símbolos se enumeran a
continuación, junto con su interpretación para el problema general de asignación de
recursos a actividades.
Z = valor de la medida global de efectividad
xj = nivel de la actividad j (para j = 1,2,...,n)
cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j
bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)
aij = cantidad del recurso i consumido por cada unidad de la actividad j

El modelo establece el problema en términos de tomar decisiones sobre los niveles de
las actividades, por lo que x1,x2,....,xn se llaman variables de decisión. Los valores de
cj, bi y aij (para i = 1,2,....,m y j = 1,2,....,n) son las constantes de entrada al modelo.
Las cj, bi y aij también se conocen como parámetros del modelo.
2.4 Forma estándar del modelo

Ahora se puede formular al modelo matemático para este problema general de
asignación de recursos a actividades. En Datos necesarios para un modelo de
pág. 11
programación lineal que maneja la asignación de recursos a actividades particular, este

modelo consiste en elegir valores de x 1,x2,....,xn para:
Optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn,
Sujeto a las restricciones:
a11x1 + a12x2 +....+ a1nxn < b1
a21x1 + a22x2 +....+ a2nxn < b2
.
.
am1x1 + am2x2 +....+ amnxn < bm
X1  0, X2  0, ..., Xn  0.
2.5 Suposiciones del Modelo de Programación Lineal
2.5.1 Proporcionalidad
La contribución de cada actividad al valor de la función objetivo Z es proporcional al
nivel de actividad xj, como lo representa el término cjxj en la función objetivo. De manera
similar, la contribución de cada actividad al lado izquierdo de cada restricción funcional
es proporcional al nivel de la actividad x j, en la forma en que lo representa el término
aijxj en la restricción. En consecuencia, esta suposición elimina cualquier exponente
diferente a 1 para las variables en cualquier término de las funciones (ya sea la función
objetivo o la función en el lado izquierdo de las restricciones funcionales) en un modelo
de programación lineal.
2.5.2 Actividad
Establece que la entrada y salida de un recurso en particular al conjunto de actividades,
deben ser la misma cantidad; o sea, que las actividades transforman los recursos y no
los crean o destruyen. Esta suposición garantiza que la contribución total tanto a la
función objetivo como a las restricciones, es igual a la suma de las contribuciones
individuales. Cuando en un problema dado no se tenga la aditividad puede recurrirse al
empleo de otras técnicas de la programación matemática, dependiendo de cada caso en
particular.
2.5.3 Aditividad
Cada función en un modelo de programación lineal (ya sea la función objetivo o el lado
izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales
de las actividades respectivas.
2.5.4 Divisibilidad
Las variables de decisión en un modelo de programación lineal pueden tomar cualquier
valor, incluyendo valores no enteros, que satisfagan las restricciones funcionales y de
no negatividad. Así, estas variables no están restringidas a sólo valores enteros. Como
cada variable de decisión representa el nivel de alguna actividad, se supondrá que las
actividades se pueden realizar a niveles fracciónales.
2.6 Modelos matemáticos

Existen muchos problemas administrativos que se ajustan a este molde de tratar de
minimizar o maximizar un objetivo que está sujeto a una lista de restricciones. Un
fabricante, al planear la producción futura, busca un costo mínimo al mismo tiempo
cómo cumplir restricciones sobre la demanda del producto, la capacidad de producción,
pág. 12
los inventarios, el nivel de empleados y la tecnología. La PL se ha aplicado con éxito a

estos y otros muchos problemas. Para ello emplea modelos matemáticos.
Un modelo matemático consta al menos de tres conjuntos básicos de elementos:
a) Variables de decisión y parámetros
Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidos del sistema
o bien que se pueden controlar.
b) Restricciones
Las restricciones son relaciones entre las variables de decisión y magnitudes que
dan sentido a la solución del problema y las acotan a valores factibles. Por ejemplo
si una de las variables de decisión representa el número de empleados de un taller,
es evidente que el valor de esa variable no puede ser negativa.
c) Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión,
parámetros y una magnitud que representa el objetivo o producto del sistema. Por
ejemplo si el objetivo del sistema es minimizar los costos de operación, la función
objetivo debe expresar la relación entre el costo y las variables de decisión.
La solución ÓPTIMA se obtiene cuando el valor del costo sea mínimo para un
conjunto de valores factibles de las variables.
Es decir hay que determinar las variables x1, x2, ..., xn que optimicen el valor de
Z = f(x1, x2, ..., xn) sujeto a restricciones de la forma g(x 1, x2, ..., xn)  b.
Donde x1, x2, ..., xn son las variables de decisión Z es la función objetivo, f es una
función matemática.
2.7 Formulación de modelos de programación lineal

Como su nombre lo indica, la formulación estriba en pasar directamente del sistema
asumido al modelo de PL. Para tal efecto, se propone el siguiente orden: definir el objetivo,
definir las variables de decisión, enseguida las restricciones estructurales y finalmente
establecer las condiciones técnicas
2.7.1 Pasos a seguir

a) Definir el Objetivo: Consiste en definir un criterio de optimización el cual puede ser
Maximización o Minimización dependiendo del problema que se desee resolver, el cual es
una función lineal de las diferentes actividades del problema. Bajo el criterio de
optimización definido se pretende medir la contribución de las soluciones factibles que
puedan obtenerse y determinar la óptima.
b) Definir las variables de decisión: Son las incógnitas del problema básicamente
consisten en los niveles de todas las Actividades que pueden llevarse a cabo en el problema
a formular, estas pueden ser de tantos tipos diferentes como sea necesario, e incluir tantos
subíndices como sea requerido.
c) Definir las restricciones: Son los diferentes requisitos que debe cumplir cualquier
solución para que pueda llevarse a cabo. En cierta manera son las limitantes en los valores
de los niveles de las diferentes actividades (variables). Las restricciones más comunes son
de seis tipos, las cuales se listan a continuación:
 Restricción de capacidad: limitan el valor de las variables debido a la disponibilidad
de horas-hombre, horas-máquina, espacio, etc.
 Restricción de mercado: Surge de los valores máximos y mínimos en las ventas o
el uso del producto o actividad a realizar.
pág. 13
 Restricción de entradas: Son limitantes debido a la escasees de materias primas,

mano de obra, dinero, etc.
 Restricción de calidad: Son las restricciones que limitan las mezclas de
ingredientes, definiendo usualmente la calidad de los artículos a manufacturar.
 Restricciones de balance de material: Estas son las restricciones que definen las
salidas de un proceso en función de las entradas, tomando en cuenta generalmente
cierto porcentaje de merma o desperdicio.
 Restricciones Internas: Son las que definen a una variable dada, en la formulación
interna del problema, un ejemplo tipo, es el de inventario.
 Condiciones Técnicas: En este apartado se establece que todas las variables deben
tomar valores no negativos.
2.7.2 Casos de aplicación

En cada uno de los enunciados de problemas dados a continuación, se debe trasladar
la información del sistema a un modelo que lo represente, es decir, formular y
construir el Modelo Lineal respectivo.
CASO 1.
Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca a los
siguientes precios: A, S / . 700.00, cada unidad; B, S / . 3 500; C, S / 7 000.
Producir cada unidad de A necesita 1 hora de trabajo, 2 horas de acabado y 3 unidades
de materia prima. Producir una unidad de B necesita 2 horas de trabajo, 3 horas de
acabado y 2.5 unidades de materia prima. Producir una unidad de C necesita 3 horas
de trabajo, 1 hora de acabado y 4 unidades de materia prima. Para este período de
planificación están disponibles 100 horas de trabajo, 200 horas de acabado y 600
unidades de materia prima.
Con base en la teoría señalada, para formular y construir el modelo, se tiene lo

siguiente:
a) Debe definirse claramente a las variables de decisión y expresarlas simbólicamente.

X1: unidades a producir de producto A
X2: unidades a producir de producto B Estos son insumos controlables
X3: unidades a producir de producto C
b) Debe Definirse claramente el objetivo y expresarse como función lineal.
Objetivo: Maximizar ingresos de venta
Max S/. 700 por unidad * X1 unidades de A + 3.500 X2 + 7.000 X3
Escribir el objetivo de esta forma es expresar en unidades físicas uno de sus
términos. Este término presenta la información específica de lo que contiene y
permite confirmar la esencia física de lo que se está sumando y también que ello
es consecuente con lo que se está obteniendo en el total de la ecuación; en este
caso, ingreso en Nuevos soles.
c) Deben definirse las restricciones y expresarlas como funciones lineales.

Restricción 1: Disponibilidad limitada de horas de trabajo.
pág. 14
1 hora de trabajo X1(unid. de producto A) + 2 X2 + 3 X3 ≤ 100 horas de trabajo

Unidad de A
Restricción 2: Horas de acabado disponibles en este período:
2 X1 + 3 hora de acabado X2 (unid. de producto B) + 1 X3 ≤ 200 horas de acabado

Unidad de B
Restricción 3: Disponibilidad limitada de unidades de materia prima:
3X1 + 2.5 X2 + 4 unid. mat. prima X3 (unid. de prod. B) ≤ 600 Unid de Mat prima
Unidad de B
De esta forma las restricciones están expresadas en unidades físicas. Se destaca en

cada una de ellas alguno de sus términos, con indicación de lo que representa. Esto
confirma que lo que se está sumando es consecuente con lo que se está obteniendo del
lado derecho de la ecuación.
Finalmente, incorporando la restricción de no-negatividad de las variables de decisión,

se resume así el modelo:
Max z: 700 X1 + 3.500 X2 + 7.000 X3
Sujeto a:
1X1 + 2 X2 + 3 X3 ≤ 100
2X1 + 3 X2 + 1 X3 ≤ 200
3X1 + 2.5 X2 + 4 X3 ≤ 600
X1, X2, X3 ≥ 0
CASO 2.
La Cámara de Industriales de la región periódicamente promueve servicios públicos,
seminarios y programas. Actualmente los planes de promoción para este año están
en marcha. Los medios alternativos para realizar la publicidad así como los costos y
la audiencia estimados por unidad de publicidad, además de la cantidad máxima de
unidades de publicidad en que puede ser usado cada medio se muestran a
continuación.
Restricciones Televisión Radio Prensa

Audiencia por unidad de publicidad 100.000 18.000 40.000
Costo por unidad de publicidad $ 2.000 $ 300 $ 600
Uso máximo del medio 10 20 10
Para lograr un uso balanceado de los medios, la publicidad en radio no debe exceder el
50% del total de unidades de publicidad autorizados. Además la cantidad de unidades
solicitadas en televisión debe ser al menos 10% del total autorizado. El presupuesto
total para promociones se ha limitado a $18.500.
Utilizando el mismo proceso teórico, se tiene lo siguiente:
Variables de decisión:
X1: unidades de publicidad a contratar en televisión.
X2: unidades de publicidad a contratar en radio.
X3: unidades de publicidad a contratar en prensa.
pág. 15
Objetivo: Maximizar la audiencia total o cantidad de personas que ven la publicidad

Max 100.000 personas X1 Unid en t.v + 18.000 X2 + 40.000 X3
Unid en t.v
Restricción 1: Disponibilidad limitada de presupuesto para la publicidad:
2.000 X1 + 300 X2 + 600 X3 ≤ 18.500
Restricciones 2, 3 y 4: Uso máximo de medios para la publicidad:

X1 ≤ 10 unidades de publicidad a contratar en t.v
X2 ≤ 20 unidades de publicidad a contratar en radio
X3 ≤ 10 unidades de publicidad a contratar en prensa
Restricción 5: Publicidad limitada a un máximo de 50% en radio, con relación al total

de unidades a contratar:
X2 ≤ 0.5 (X1+ X2+ X3)
Finalmente quedará expresada así:
- 0.5 X1 + 0.5 X2 - 0.5 X3 ≤ 0
Restricción 6: La cantidad de unidades solicitadas en televisión debe ser al menos 10%

del total autorizado
X1 ≥ 0.10 (X1+ X2+ X3)
Finalmente quedará expresada así: 0.9 X1 – 0.1 X2 - 0.1 X3 ≥ 0
Posteriormente puede resumir el modelo agregándole la restricción de no-negatividad
de las variables
CASO 3.
El Banco Internacional abre de lunes a viernes de 8 a.m. a 4 p.m. De experiencias
pasadas sabe que va a necesitar la cantidad de cajeros señalados en la tabla dada.
Hay dos tipos de cajeros: los que trabajan tiempo completo de 8 am a 4 pm, los cinco
días, excepto la hora que utilizan para almorzar. El Banco determina cuándo debe
almorzar cada cajero, pero debe ser entre las 12 m y la 1 p.m. o entre la 1 p.m. y
las 2 p.m. A los empleados a tiempo completo se les paga S/. 1.800 la hora (incluida
la hora de almorzar). También hay trabajadores a tiempo parcial que deben trabajar
exactamente 3 horas consecutivas cada día y se le paga S/. 1.100 la hora, sin ningún
otro pago. A fin de mantener la calidad del servicio el Banco desea tener un máximo
de 5 cajeros contratados a tiempo parcial. Se desea minimizar los costos de empleados
contratados.
8-9 9 - 10 10 - 11 11 - 12 - 1 1-2 2-3 3-4
Tiempo
a.m. a.m. a.m. 12 m. p.m. p.m. p.m. p.m.
Cajeros
4 3 4 6 5 6 8 8
Requeridos
a) Variables de decisión:
X1: Empleados a tiempo completo que toman su almuerzo de 12 m- 1pm
X2: Empleados a tiempo completo que toman su almuerzo de 1 pm-2 pm
X3: Empleados a tiempo parcial que empiezan a trabajar a la 8 am
pág. 16

X7: Empleados a tiempo parcial que empiezan a trabajar a la 12 m
X8: Empleados a tiempo parcial que empiezan a trabajar a la 1 pm
Empleados a tiempo parcial que trabajan desde la 1pm hasta que cierre y por lo tanto
no se necesitan empleados a tiempo parcial que empiecen a las 2 pm o las 3 p.m.
b) Objetivo: Minimizar Costos de contratación
Min 14.400 (X1+ X2) + 3.300(X3+ X4 + X5 + X6 + X7 + X8)
c) Restricciones de requerimientos de empleados totales en los ocho horarios

señalados (8 restricciones)
Restricción de empleados en el horario de 8 am - 9 a.m.
X1 + X2 + X3 ≥ 4
Restricción de empleados en el horario de 9 a.m. - 10 a.m.
X1 + X2 + X3 + X4 ≥ 3
X1 + X2 + X3 + X4 + X5 ≥ 4
X1 + X2 + X4 + X5 + X6 ≥ 6
Restricción de empleados en el horario de 12m - 1 p.m.
X2 + X5 + X6 + X7 ≥ 5
Restricción de empleados en el horario de 1 p.m. - 2 p.m.
X1 + X6 + X7 + X8 ≥ 6
X1 + X2 + X7 + X8 ≥ 8
X1 + X2 + X8 ≥ 8
Restricción de cantidad máxima de 5 cajeros contratados a tiempo parcial:
X3 + X4 + X5 + X6 + X7 + X8 ≤ 5
Restricción de no negatividad de las variables: Todas las variables no negativas
NOTA: Para obtener las restricciones puede elaborar un cuadro de doble entrada: Una
entrada conteniendo cada Tipo de trabajador y la otra con las horas durante las
cuales existen requerimientos específicos; esta última se dividirá en 8 columnas de 8
horarios, al final de las cuales está el total de empleados requeridos en cada uno de
ellos.
Caso 3:
Sean x1 y x2 la cantidad a producirse de dos productos 1 y 2 respectivamente, los costos
de producción de ambos productos, S/. 3 para el producto 1 y S/. 5 para el producto
2. Si el tiempo total de producción está restringido a 500 horas y el tiempo de producción
es de 8 horas por unidad para el producto 1 y de 7 horas por unidad para el producto
2, entonces podemos representar el modelo como:
pág. 17
C = 3x1 + 5x2 (Costo total de Producción)

Sujeto a:
8x1 + 7x2  500
x1  0 y x 2  0
Caso 4:
Un fabricante de dos productos sillas y mesas y dispone de 6 pies de madera y 28 horas
para su ensamblaje, luna silla requiere 2 pies de madera y 7 horas de ensamblaje, una
mesa requiere 1 pie de madera y 8 horas de ensamblaje, los precios de los productos
son S/. 120 y S/. 80 respectivamente. ¿Cuantas sillas y cuantas mesas se deben fabricar
para maximizar su ingreso?
Sea x1 y x2 la cantidad de sillas y mesas a producir respectivamente
El objetivo se expresa como: Maximizar z = 120x 1 + 80x2
El fabricante está sujeto a dos restricciones:
- De Material : 2x1 + x2  6
- De Horas : 7x1 + 8x2  28
- De no negatividad x1 0 y x2  0
- Además no se venden productos no terminados por lo tanto las variables
x1 y x2 deben ser enteras.
Recomendaciones finales.
Para formular un problema en forma matemática, deben expresarse afirmaciones
lógicas en términos matemáticos. Esto se realiza cuando se resuelven “problemas
hablados” al estudiar un curso de álgebra. Algo muy parecido sucede aquí al formular
las restricciones. Por ejemplo, considérese la siguiente afirmación: Para fabricar el
producto A se emplea 3 horas por unidad y para B se emplea 2 horas por unidad. Si
deben usarse todas las 100 horas- hombre, disponibles, la restricción será:
3A + 2B = 100
Sin embargo, en la mayoría de las situaciones de negocios, no es obligatorio que se
usen todos los recursos (en este caso, horas de mano de obra). Más bien la limitación
es que se use, cuando mucho, lo que se tiene disponible. Para este caso, la afirmación
anterior puede escribirse como una desigualdad:
3A + 2B  100
Para que sea aceptable para PL, cada restricción debe ser una suma de variables con
exponente 1. Además, la forma estándar para una restricción pone a todas las variables
del lado izquierdo y sólo una constante positiva o cero del lado derecho. Esto puede
requerir algún reacomodo de los términos. Si, por ejemplo, la restricción es que A debe
ser por los menos el doble de B, esto puede escribirse como:
A  2B ó A - 2B  0
La metodología de PL requiere que todas las variables sean positivas o cero, es decir,
no negativas. Para la mayoría de los problemas esto es real, no se querría una solución
que diga: prodúzcanse menos dos cajas o contrátense menos cuatro personas.
Mientras que no existe un límite en el número de restricciones que puede tener un
problema de PL, sólo puede haber un objetivo. La forma matemática del objetivo se
llama función objetivo. Debe llevar consigo el maximizar o minimizar alguna medida
numérica. Podría ser maximizar el rendimiento, la ganancia, la contribución marginal o
pág. 18
los contactos con los clientes. Podría ser minimizar el costo, el número de empleados o
el material de desperdicio. Con frecuencia el objetivo es evidente al observar el
problema.
Como el valor de la función objetivo no se conoce hasta que se resuelve el problema,
se usa la letra Z para representarlo. La función objetivo tendrá, entonces, la forma:
Maximizar Z = 3A + 2B ó
Minimizar Z = 3x1 + 2x2
Actividad
Formular los modelos de programación lineal.

PROBLEMA N° 01
Un herrero con 80 kg. de acero y 120 kg. de aluminio quiere hacer bicicletas de paseo
y de montaña que quiere vender, respectivamente a 2.000 y 1.500 Euros cada una para
sacar el máximo beneficio. Para la de paseo empleará 1 kg. De acero y 3 kg de aluminio,
y para la de montaña 2 kg. de ambos metales. ¿Cuántas bicicletas de paseo y de
montaña venderá?
PROBLEMA N° 02
Un autobús Caracas-Maracaibo ofrece plazas para fumadores al precio de 100 euros y
a no fumadores al precio de 60 euros. Al no fumador se le deja llevar 50 kg. de peso y
al fumador 20 kg. Si el autobús tiene 90 plazas y admite un equipaje de hasta 3.000
kg. ¿Cuál ha de ser la oferta de plazas de la compañía para cada tipo de pasajeros, con
la finalidad de optimizar el beneficio?
PROBLEMA N° 03
A una persona le tocan 10 millones de euros en una lotería y le aconsejan que los
invierta en dos tipos de acciones, A y B. Las de tipo A tienen más riesgo pero producen
un beneficio del 10 %. Las de tipo B son más seguras, pero producen sólo el 7% anual.
Después de varias deliberaciones decide invertir como máximo 6 millones en la compra
de acciones A y por lo menos, 2 millones en la compra de acciones B. Además, decide
que lo invertido en A sea, por lo menos, igual a lo invertido en B. ¿Cómo deberá invertir
10 millones para que el beneficio anual sea máximo?
PROBLEMA N° 04
Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La
empresa A le paga 5 euros por cada impreso repartido y la empresa B, con folletos más
grandes, le paga 7 euros por impreso. El estudiante lleva dos bolsas: una para los
impresos A, en la que caben 120 y otra para los impresos B, en la que caben 100. Ha
calculado que cada día es capaz de repartir 150 impresos como máximo. Lo que se
pregunta el estudiante es: ¿Cuántos impresos habrá que repartir de cada clase para que
su beneficio diario sea máximo?
pág. 19
Tema Nº 3: METODOS DE SOLUCION DE PROBLEMAS DE PL
3.1 Método gráfico

En el análisis cuantitativo, una vez que se ha formulado y construido un modelo lineal
para resolver un problema existente, en un sistema cualquiera, es necesario resolverlo.
La solución de un modelo lineal muestra siempre un conjunto convexo delimitado por las
restricciones del mismo y en el cual, si existe solución posible, al menos uno de sus puntos
extremos es la solución óptima. Un punto extremo existe en la intersección de, al menos,
dos rectas.
El método gráfico se usa para resolver modelos lineales con dos variables y muestra el
conjunto convexo que constituye la denominada región solución y el(los) punto(s)
extremo(s) que proporciona(n) la solución del modelo. Permite conocer la base
matemática de la solución de modelos lineales, los conjuntos convexos, y observar
gráficamente situaciones que se presentan en modelos de cualquier tamaño. Esto ayuda
a la comprensión de la Programación Lineal.
El proceso para trabajar con el Método Gráfico sigue los pasos siguientes:
a) Graficar las restricciones como igualdades y luego determinar el área
correspondiente a la desigualdad, sombreando el espacio correspondiente.
b) Determinar el área común a todas las restricciones.
c) Evaluar la Función Objetivo en cada punto extremo del espacio de soluciones
posibles. El punto o los puntos extremos en el que se obtenga el mejor valor,
determinarán la solución del modelo.
d) Existe un procedimiento alterno al punto c), señalado en el Método Gráfico, para
obtener la solución del modelo. Este procedimiento alterno consiste en graficar la
Función Objetivo con un valor arbitrario dentro de la región solución. Luego se
desplaza paralelamente en la dirección que incremente su valor (si está
maximizando) o decrezca su valor (si está minimizando). El punto o los puntos
extremos que toque esa Función Objetivo antes de salir totalmente fuera de la
región de soluciones posibles determinarán el óptimo, o solución del modelo.
3.1.1 Criterios a considerar

 Al conjunto convexo de solución se le llama región de soluciones posibles, porque
todos los puntos de esa región satisfacen TODAS las restricciones del modelo.
 Un modelo tiene solución óptima UNICA cuando sólo una combinación de variables
proporciona el mejor valor para el objetivo; se reconoce en el gráfico porque un
único punto extremo provee el mejor valor del objetivo o un único punto extremo
limita el valor de la recta objetivo.
 Un modelo tiene soluciones óptimas ALTERNAS cuando más de una combinación
de variables proporciona el óptimo valor del objetivo. Se reconoce en el gráfico
porque más de un punto extremo proporciona el óptimo valor del objetivo o más
de un punto extremo limita el valor de la recta objetivo. La recta objetivo al
desplazarse dentro de la región solución cae paralelamente sobre alguna
restricción antes de salir totalmente de la región solución. Un modelo NO TIENE
SOLUCIÓN POSIBLE cuando no hay alguna combinación de variables que satisfaga
todas las restricciones. Se debe a la presencia de restricciones inconsistentes en el
modelo. Se reconocen en el gráfico porque no existe ninguna región común para
todas las restricciones.
pág. 20
 Un modelo tiene SOLUCIÓN CON VALOR INFINITO cuando hay combinaciones de

variables que proporcionan valor infinito para el objetivo y no hay alguna
combinación que limite el valor del objetivo a un valor finito. Esto se debe a la
omisión de restricciones importantes, del sistema, en el modelo. Estas
restricciones limitarían las variables de decisión a valores factibles. Se reconocen
en el gráfico porque el espacio de solución es abierto, no acotado, no limitado y la
Función Objetivo puede moverse dentro de esa región hasta el infinito sin que un
punto extremo, con valor finito, limite su valor.
 Un modelo tiene ESPACIO DE SOLUCION NO ACOTADO y SOLUCION DE VALOR
FINITO cuando existen combinaciones de variables que dan un valor infinito al
objetivo pero existe al menos una combinación de variables que le proporciona un
valor finito. Se reconocen en el gráfico porque la región de soluciones posibles es
abierta, no limitada pero hay por lo menos un punto extremo que limita el valor
del objetivo.
 Un modelo tiene SOLUCION DEGENERADA cuando existen combinaciones de
variables que tienen más de la cantidad normal (una por cada restricción) de
variables con valor cero. Esto se debe a la presencia de restricciones redundantes
en el modelo. Más de la cantidad normal de variables (una por cada restricción del
modelo) debe tomar valor cero para satisfacer a mayor cantidad de restricciones
en el punto óptimo. Se reconocen en el gráfico porque más de dos restricciones
cruzan sobre el punto extremo óptimo.
3.1.2 Casos de aplicación

CASO 1.
a) Dibuja el recinto formado por los puntos que cumplen las siguientes condiciones:
y  3

y  x  1
y  3 x  0

b) Indica si los puntos (0, 0), (2, 1) y (1, 2) forman parte de las soluciones del
sistema anterior.
Solución:
y  3

a) Representamos las rectas y  x  1  y  x  1
y  3 x  0  y  3 x

Tomamos un punto cualquiera; por ejemplo el (1, 0), para comprobar cuáles
son los puntos que cumplen las desigualdades propuestas.
El recinto buscado es:
pág. 21
A la vista de la gráfica anterior, tenemos que (0, 0) y (2, 1) no son soluciones

del sistema, pero (1, 2) sí lo es.
CASO 2.
Maximiza la función z = x + y, sujeta a las siguientes restricciones:
 x  3 y  26

4 x  3 y  44
2 x  3 y  28
x  0

y  0
Solución:
 x  3 y  26  y  26  x
 3
 44  4 x
 Representamos las rectas 4 x  3 y  44  y 
 3
 28  2x
2 x  3 y  28  y  3
Se halla la región que cumple las condiciones del problema, teniendo en cuenta
que: x ≥ 0 e y ≥ 0.
Representamos la dirección de las rectas z = x + y, dibujando la que pasa por
el origen de coordenadas: x + y = 0
pág. 22
4 x  3y  44
El punto M, intersección de  es decir, M 8, 4, es el que proporciona
2x  3y  28
el máximo, que vale: z = 8 + 4 = 12
CASO 3.
En una granja de pollos se da una dieta "para engordar" con una composición mínima
de 15 unidades de una sustancia A y otras 15 de una sustancia B. En el mercado solo
se encuentran dos clases de compuestos: el tipo I con una composición de una unidad
de A y cinco de B, y el tipo II con una composición de cinco unidades de A y una de B.
El precio del tipo I es de 10 euros y el del tipo II es de 30 euros. Se pregunta:
¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades con un
coste mínimo?
Solución:
Llamamos x a las unidades que se compran de tipo I e y a las que se compran
de tipo II.
Resumamos los datos en una tabla:
Las restricciones son:
 x  5 y  15

5 x  y  15

x  0
y  0
La función que nos da el coste es z = 10x + 30y = 10(x + 3y).

Debemos hacer mínima esta función, sujeta a las restricciones anteriores.
Dibujamos el recinto correspondiente a las restricciones, y la recta 10(x + 3y) = 0

x + 3y = 0, que nos da la dirección de las rectas z = 10(x + 3y).
pág. 23
x  5y  15
El mínimose alcanzaen el punto de intersección de  ; es decir,en (2,5; 2,5).
5 x  y  15
Por tanto, hay que comprar 2,5 de tipo I y 2,5 de tipo II. El precio en este caso
será de z = 10(2,5 + 3x2,5) = 100 soles.
CASO 4.
Disponemos de 210 000 soles para invertir en bolsa. Nos recomiendan dos tipos de
acciones. Las del tipo A que rinden el 10% y las de tipo B que rinde el 8%. Decidimos
invertir un máximo de 130 000 soles en las de tipo A y, como mínimo, 6 000 soles en
las de tipo B. además, la inversión en las del tipo A debe ser menor o igual que el doble
de la inversión en B.
¿Cuál tiene que ser la distribución de la inversión para obtener máximo interés anual?
Solución:
Llamamos x al dinero que invertimos en acciones de tipo A e y al que invertimos
en las de tipo B. Resumimos los datos en una tabla:
Las restricciones son:
x  y  210 000

x  130 000
y  6 000

x  2y
x 0

y 0
La función que nos da el rendimiento total es:
pág. 24
z  0,1x  0,08y 
1
10x  8y   2 5x  4y   1 5x  4y .
100 100 50
Debemos maximizar esta función, sujeta a las restricciones anteriores.

Dibujamos el recinto correspondiente a las restricciones (la unidad es 10 000)
y la recta
1
5x  4y   0  5 x  4y  0, que nos da la direcciónde las rectas
50
z
1
5x  4y .
50
El máximo se alcanza en el punto (13, 8).

Por tanto, debemos invertir 130 000 soles en acciones del tipo A y 80 000 soles
en las de tipo B. En este caso, el beneficio anual será de
z
1
5  130000  4  80 000  19 400 euros.
50
CASO 5.
a) Representa el recinto que cumple estas restricciones:
 x  3y  9

2 x  y  8

x  0
y  0
b) Da tres puntos que sean solución del sistema anterior.

Solución:
pág. 25
x  3y  9 9x
 y 
 3

a) Representamos las rectas 2 x  y  8  y  8  2x
x  0

y  0
Tomamos un punto cualquiera, por ejemplo el (0, 0), para comprobar cuáles
son los puntos que cumplen las desigualdades propuestas.
El recinto buscado es:
b) Por ejemplo: (1, 1), (2, 2) y (2, 0).
3.1.3 Situaciones especiales

a) Modelos con soluciones óptimas alternas o múltiples.
Max z =
6X1+2X2
(Beneficio)
Sujetos a:
3 X1 + X2 ≤ 48 horas de trabajo
3 X1 + 4 X2 ≤ 120 unidades de materia Prima
3 X1 + X2 ≥ 36 horas de supervisión.
X1, X2 ≥0
El modelo es formulado por una empresa que desea determinar la cantidad de unidades
de producto 1 (X1) y producto 2 (X2) a fabricar para satisfacer el objetivo establecido
de maximizar el beneficio. El monto total disponible de horas de trabajo para este
período es de 48. La disponibilidad de materia prima es de 120 unidades y la cantidad
mínima de horas disponibles para supervisión es de 36 horas.
Graficar las restricciones y obtener el espacio de solución se efectúa en forma similar
al proceso efectuado en el caso 1 y por lo tanto no se repetirán las instrucciones.
Los puntos extremos del conjunto convexo son: A(16,0), B(8,24), C(8/3,28) y D(12,0).
pág. 26
 Dos puntos extremos proporcionan el máximo valor del objetivo, los puntos A y B.
Esto permite afirmar que existen soluciones óptimas Alternas para este modelo.
Son óptimos todos los puntos sobre el segmento de línea AB que limita el
conjunto convexo de solución y corresponden a la primera restricción.
 Si utiliza el método de graficar la Función Objetivo con un valor arbitrario, 48 por
ejemplo, podrá observar que la línea es completamente paralela a la primera y
tercera restricción. Al desplazarla paralelamente hacia su optimización, hacia
arriba porque se está maximizando, finalmente caerá completamente sobre la
primera restricción, de horas de trabajo, antes de salir totalmente fuera de la región
solución. Dos puntos extremos estarían limitando el crecimiento del objetivo, el
punto B y el punto A.
“Cualquier recta que tenga ratio de coeficientes igual al de otra recta, es paralela
a esa otra recta”
La ventaja que presentan los modelos con este Tipo de solución es que se puede
elegir cualquiera de las soluciones óptimas, porque todas presentan el mismo valor
óptimo para el objetivo. Por ejemplo, si una de las soluciones tiene valores
fraccionales para las variables y no puede trabajarse con valores fraccionales, el que
toma la decisión seleccionará una solución con valores enteros.
 Es una solución óptima alterna porque existe más de una combinación de productos
1 y 2 a producir, que proporcionan el mismo valor óptimo para el beneficio.
 Se reconoce en el gráfico porque más de un punto extremo limita el valor
óptimo del objetivo o proporciona su valor óptimo, los puntos: A (16,0) y punto
B (8,24). Por lo tanto, todos los puntos sobre la recta AB son también óptimos.
Debe seleccionar una de todas las soluciones. Suponga que elige la del punto
extremo B (8, 24). En este caso la decisión sería: Producir 8 unidades de producto1
y 24 unidades del producto 2 para maximizar el beneficio en 96 unidades
monetarias: 6 (8) + 2 (24) = 96. Este valor para la Función Objetivo también se
obtendría en el otro punto extremo A (16, 0) y en cualquier punto sobre la recta
AB en la región solución.
Considerando las restricciones:

 Restricción 1: 3 (8) + 1 ( 24) = 48 48 = 48
Se observa que se cumple como igualdad. Esto indica que con esa decisión óptima
se utiliza totalmente el monto máximo de horas de trabajo disponible para la
producción.
pág. 27
 Restricción 2: 3 (8) + 4 ( 24) = 120

Cumple exactamente, es decir como una igualdad, indica que con esa decisión
óptima se utilizará totalmente el monto máximo disponible de Materia Prima.
 Restricción 3: 3 (8) + 1(24) > 36 48 > 36
Cumple como una desigualdad. Esto indica que con esa decisión óptima se utilizan
12 horas sobre el monto mínimo disponible de horas de supervisión. Se utilizan 48
horas.
b) Modelos sin solución posible.

No se definirán los elementos del modelo porque no habrá una solución posible para
tomar alguna decisión.
Max z=40 X1 + 30 X2
Sujeto a:
2/5 X1 + 1/2X2 ≤ 20
1/5 X2 ≤ 5
3/5 X1 + 3/10 ≤ 21
X2 X1 ≥ 30
X2 ≥ 15
X1, X2 ≥ 0
 Puede observarse en él, que mientras las 3 primeras restricciones delimitan un

espacio en común, las 2 últimas delimitan otro espacio común para ellas. Por lo
tanto, no hay una región de puntos comunes que satisfagan ambos conjuntos de
restricciones y el modelo no tendrá solución posible. En estos casos es
necesario determinar cuáles son las restricciones inconsistentes para el modelo. Es
decir, cuáles son realmente válidas para el modelo.
 Observe que si las variables X1 y X2 toman el valor mínimo que pueden tomar en
las dos últimas restricciones, es decir X1 = 30 y X2 = 15 entonces la tercera
restricción no se cumpliría. Esto es una inconsistencia.
 Estos modelos no deben existir en el mundo real. Si el sistema e s re al , entonces
el modelo debe representarlo de tal manera que permita obtener una solución
posible.
pág. 28
c) Modelos que presentan solución con valor infinito

Max z= X1+ 2X2
Sujeto a:
-4 X1 + 3 X2 ≤3
X1 - X2 ≤ 3
X1, X2 ≥ 0
 No se definirán los elementos del modelo porque no habrá una solución para
tomar alguna decisión.
 En el gráfico, el conjunto convexo llamado región solución, que contiene todas las
soluciones posibles, es un espacio abierto.
 Tiene tres puntos extremos A, B y C, pero ninguno delimita el crecimiento del

objetivo. Esta función puede tomar valores infinitos ya que las variables
conforman puntos con valores infinitos dentro de la región factible y ninguno
proporciona un valor finito óptimo. Por tanto, no es lógico encontrar un objetivo
de valor infinito.
 En estos casos debe buscarse dentro del sistema, la restricción o las
restricciones que se omitieron modelo y que limitarían las variables de decisión a
valores factibles.
d) Modelos con espacio de solución no acotado y solución de valor finito.
Min z=0.06 X1+ 0.05 X2 (costos)

Sujeto a:
0.30 X1 + 0.20 X2 ≥ 500 Proteína
0.15 X1 + 0.30 X2 ≥ 300 Grasa
X1, X2 ≥ 0
 El modelo es formulado para una guardería de perros que se destaca por dar una
alimentación balanceada a las mascotas. El alimento lo elabora mezclando 2
pág. 29
marcas conocidas de alimentos que llamaremos X1 y X2. Se desea determinar la

cantidad de gramos de X1 y X2 a mezclar en el alimento, con el objetivo
establecido de minimizar los costos de la mezcla. Esta, debe contener al menos
500 gramos de proteínas y al menos 300 gramos de grasa por día. Los porcentajes
de contenido de grasa y proteína de cada gramo de X1 y X2 se conocen y son usados
en el modelo.
 El espacio de solución obtenido se muestra en el gráfico. Se observa una región

abierta con las soluciones posibles y puntos extremos A, B, C. Esto indica que
pueden existir combinaciones de cantidad de gramos de alimento X1 y X2 con
valor infinito, en este caso los costos serían infinitos. Esto es posible porque no se
está limitando directamente la cantidad de X1 y X2 en alguna restricción específica
y las restricciones existentes son todas de Tipo “que”.
 Pero, mientras exista al menos una combinación con valor finito, en algún punto
extremo que limite el valor del objetivo, a esa combinación se le considerará
óptima. En los casos de región abierta de soluciones posibles, es conveniente
entonces encontrar el valor óptimo con el procedimiento de graficar la Función
Objetivo.
 Al graficar la Función Objetivo, con un valor arbitrario de 120, se observa que al
desplazarla paralelamente hacia su optimización, hacia abajo porque se está
minimizando, la línea cae sobre el punto B, antes de salir completamente de la
región solución. A este punto se le considerará punto extremo óptimo.
 La solución óptima es Única con los valores: X1 = 1.500, X2 = 250 F.O. =
102.5
e) Modelos con solución degenerada

Min z= 2500 X + 2200 Y (costos)
Sujeto a:
X+ Y ≤ 10 Empleados temporales
300 X + 400 Y ≥ 3.400 cartas
80 X + 50 Y ≥ 680 paquetes
X, Y ≥ 0
pág. 30
 El modelo es formulado por una oficina de correos que puede contratar hasta 10
empleados para manejar el correo. La oficina conoce que un empleado (hombre)
puede manejar 300 cartas y 80 paquetes por día y una empleada (mujer) puede
manejar 400 cartas y 50 paquetes en un día. No menos de 3.400 cartas y de 680
paquetes se esperan por día. A cada empleado hombre (X), se le paga $ 2.500 por
día y a una empleada mujer (Y) se le paga $ 2.200 por día.
 Se quiere determinar la cantidad de hombres (X) y mujeres (Y) que se deben
contratar para satisfacer las restricciones y lograr el objetivo establecido de
minimizar los costos de la nómina.
 Siguiendo el procedimiento el gráfico obtenido es:
Se observa una región de soluciones posibles de un solo punto común para todas las
restricciones y por lo tanto un único punto extremo A.
Esto indica que existe una única combinación posible y además óptima, de cantidad
de empleados X e Y que satisface las restricciones y optimiza el objetivo.
Conociendo la definición del modelo, se plantean las siguientes consultas:
a) ¿Qué representa el coeficiente de la variable Y en la Función Objetivo y en la
segunda restricción?
b) ¿Qué Tipo de solución presenta el modelo?, ¿Por qué? y ¿Cómo se reconoce en el
gráfico?
c) ¿Cuál es la solución y la decisión que se recomendaría con la solución encontrada?
d) Analice las restricciones en el punto óptimo y presente la información que se
obtiene.
e) ¿Qué efecto tendría, sobre la solución óptima encontrada, un cambio en el número
de cartas esperadas. Suponga que cambia a 2.400. Explique y muestre sobre el
gráfico.
Respuestas:
a) El coeficiente de la variable Y en la Función Objetivo representa lo que se le paga
diariamente a cada trabajadora (mujer), es decir, el costo de contratar una
trabajadora al día es de Bs. 2.200. En la segunda restricción representa la cantidad
de cartas que puede manejar al día cada mujer contratada, es decir, 400 cartas al
día puede manejar cada mujer contratada.
pág. 31
b) Única y Degenerada. Normalmente la solución de un modelo contiene una variable

(Estructural o de holgura) con valor mayor que cero por cada restricción del
modelo. En este caso, más variables de las normales toman valor cero, para poder
satisfacer mayor número de restricciones, en el punto óptimo. Hay entonces
menor cantidad de variables con valor mayor que cero con relación al número de
restricciones. Por eso se le llama Solución Degenerada en contraposición a la
Solución Normal. Además es única porque una sola combinación de empleados,
hombres y mujeres, proporciona el mínimo costo. Se debe a la presencia de
restricciones redundantes en el modelo y se reconoce en el gráfico porque más de
dos restricciones cruzan sobre el punto óptimo. Del total de restricciones que
cruzan el punto óptimo, sólo dos son necesarias para calcular sus coordenadas. En
este caso sólo hay una restricción redundante, por ello la Solución es Degenerada.
Se reconoce que es única porque hay un solo punto extremo que proporciona el
valor óptimo del objetivo.
c) La solución es X = 6, Y = 4, F.O. = 23800. La decisión sería contratar 6
empleados hombres y 4 mujeres para minimizar los costos diarios de
contratación en 23.800 unidades monetarias: 2500(6) + 2200 (4).
d) Restricción 1
X + Y ≤10
6 + 4 = 10 De esta manera se contrata el máximo de empleados que se
estaba dispuesto a contratar.
Restricción 2
300 X + 400 Y ≥ 3400
300(6) + 400(4) = 3400 Así se manejará el mínimo de cartas.
Restricción 3
80 X + 50 Y ≥ 680
80(6) + 50 (4) = 680 Se manejará el mínimo de paquetes.
e) Se realiza el análisis de sensibilidad.

Sobre el gráfico está graficada la nueva restricción
300X + 400 Y ≥ 2400
pág. 32
 Se observa que no cambia el espacio de soluciones posibles y por lo tanto la

solución óptima seguirá siendo la misma.
 En general, disminuir la cantidad del lado derecho de una restricción Tipo ≥ ,
es relajar la restricción y hacerla más fácil de satisfacer.
 Esto puede expandir el conjunto convexo o dejarlo igual. En este caso quedó
igual. Esto se estudia más detalladamente en Análisis de Sensibilidad.
Actividad
Solucionar mediante el Método Gráfico los siguientes programas lineales
a) Halla el mínimo de la función z = 3x + 2y con las siguientes restricciones:
3 x  4 y  12

3 x  2 y  2

x  0
y  0
b) Dibuja el recinto definido por:
 2 x  y  3

 2x  y  2
 x  2y  4

 Halla los vértices del recinto anterior.

 Halla el máximo de la función z = 4y - x, sujeta a las restricciones propuestas.
 ¿En qué punto del recinto alcanza dicho máximo?
c) Hallar la solución:
x  3 y  200

x  y  100

x  20
y  10
 Maximizar las ganancias equivale a maximizar los ingresos.

 La función que nos da los ingresos es z = 30x y = 10(3x y). Debemos
obtener el máximo de esta función sujeta a las restricciones anteriores.
pág. 33
3.2 El Método SIMPLEX

Los problemas reales de programación lineal generalmente tienen variables de decisión
y muchas restricciones. Tales problemas no pueden ser resueltos gráficamente. Se usan
algoritmos tales como el simplex. El método simplex es un procedimiento iterativo que
progresivamente permite obtener una solución óptima para los problemas de
programación lineal. Existen numerosos programas tanto para computadoras centrales
como para personales. Aunque el método simplex es especialmente útil en problemas
de gran escala (resueltos con una computadora).
Procedimiento general del simplex

1. Establézcase la tabla inicial de simples. Formular la función objetivo y las
restricciones e introducir las variables de decisión, variable en la solución, valor
en solución (LD), C (contribución de la variable), Z (costo de introducir la
variable), C – Z (contribución neta de la variable).
2. Selecciónese la columna pivote. Ésta es la columna con el número positivo más
grande en el renglón inferior (C - Z). Esta se convierte en la nueva variable de
la solución.
3. Selecciónese la fila pivote. Ésta es la fila con la razón más pequeña del valor LD
dividido por el valor de la columna pivote. Úsense sólo números positivos. Esto
identifica la variable que deja la solución.
4. Enciérrese en un círculo el elemento pivote. Ésta es la intersección de la fila y la
columna pivotes.
5. Conviértase al elemento pivote en un 1. Hágase esto dividiendo cada valor de la
fila pivote entre el valor pivote. Ingrésese esta fila en una tabla nueva.
6. Genérense las demás filas de la nueva tabla con ceros en la columna pivote. Esto
se hace multiplicando la nueva fila (del paso 5) por el negativo del elemento en
la columna pivote. El resultado será sumado a la antigua fila. Introdúzcase esta
fila revisada en la nueva tabla, y continúese este procedimiento en cada fila de
la sección central de la tabla.
7. Prueba de optimización. Calcúlense los valores de Z y C – Z. Los valores de Z de
cada columna son (elementos de la columna) (C). Si todos los valores de C – Z
son ≤ 0, la solución es óptima. Léanse los valores de las variables en la solución
de la columna de LD y el valor de la función objetivo de la fila de Z en la columna
de LD. Si la solución no es óptima, regrese al paso 2.
Variables de holgura- El método simplex empieza con el planteamiento de una

función objetivo y ecuaciones de restricción. Las rutinas computarizadas de
programación lineal (PL) automáticamente arreglarán esos datos iniciales, pero
tratándose de soluciones manuales, debe construirse en cada paso la tabla de simples.
Esto requiere que las restricciones sean establecidas como igualdades. En los problemas
de maximización se logra esto añadiendo variables de holgura (s) a cada restricción. La
holgura representa una cantidad no utilizada, o la diferencia entre lo que es usado y el
límite de lo que puede usarse.
Caso de aplicación
La metodología de solución de los problemas de maximización hace necesario
seleccionar una columna y una fila pivotes y revisar los valores de la tabla hasta que en
la fila inferior sean menores o iguales que cero.
pág. 34
C 10 30 0 0 Valores de
Variables de Variables de decisión solución
la solución X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
1. Seleccionar una columna y una fila pivotes

a) La columna pivote es la que tiene el número positivo más grande en la fila
inferior
C-Z 10 30 0 0 0
En este ejercicio es 30.
b) La fila pivote es la que tiene la razón más pequeña, de la fila pivote

12 16
 2 (Mínimo) 4
6 4
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
Por lo tanto la fila 1 es la fila pivote.
c) El elemento pivote es encerrado en un círculo 6
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
2. Divídase cada valor de la fila pivote 1 entre el elemento pivote (6) y colóquense los
valores en una nueva tabla.
0 Y 2/3 1 1/6 0 2
a) Genérense las otras filas para la siguiente tabla, de tal manera que los elementos
de la columna pivote sean iguales a cero.
Se empieza con la fila S2, el cual tiene 4 en la columna de Y. Se multiplica la
nueva fila (del paso 2) por el negativo del valor que se desea convertir (-4), y se
suma a la anterior fila de S2. Se multiplica la nueva fila por (-4) el resultado se
muestra en la siguiente tabla.
pág. 35
X Y S1 S2 (LD)
El renglón del paso 2 se -4(2/3) -4(1) -4(1/6) -4(0) -4(2)
multiplica por -4
Obtener el resultado -8/3 -4 -2/3 0 -8
Sumarlo a la fila de S2 8 4 0 1 16
Para obtener la nueva fila 16/3 0 .2/3 1 8
La fila obtenida se introduce a la nueva tabla del paso 2.
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z
Si hay más filas que convertir, debe repetirse este paso en la siguiente fila. Dado
que ahí no hay más, puede calcularse la fila Z y C-Z.
Los valores en la fila Z son ∑ (elem. de la columna) (C) Elementos de la fila Z:
Para X: Z = 2/3(30) + 16/3(0) = 20
Para Y: Z = 1(30) + 0(0) = 30
Para S1: Z = 1/6(30) – 2/3(30) = 5
Para S2: Z = 0(30) + 1(0) = 0
Para LD: 2(30) + 8(0) = 60
Después de que se introducen éste y los valores de C-Z en la siguiente matriz,

se tiene:
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z 20 30 5 0 60
C-Z -10 0 -5 0
Repetir los pasos anteriores hasta que todos los valores de la fila inferior sean ≤
0. Dado que todos los valores son ≤ 0, ha sido alcanzada la solución óptima. Las
variables en la solución son identificadas por las columnas en la parte central de
la tabla que tienen un 1, y el resto de los valores son cero. Los valores solución
son datos en la columna del lado derecho, como se ve en la siguiente tabla.
X Y S1 S2 (LD)
- 1 - 0 2
- 0 - 1 8
Z - - - - 60
Por tanto,
X = no está en la solución
Y = 2 unidades
Z = $60
Note que la variable de holgura asociada con la restricción 2 también tiene un 1 y ceros,
lo cual significa que tiene holgura en la solución y que la restricción no se agotó.
Entonces hay sólo una variable de decisión (no holgura) en la solución (Y) y una
restricción agotada (número 1). Esto concuerda con el teorema fundamental de
programación lineal, que establece que el número de variables de decisión (no holgura)
de la solución siempre será igual a número de restricciones que son agotadas.
pág. 36
Actividad
Resolver mediante el método simplex los siguientes casos:

1. Textil Donnell, produce dos modelos, Chompas y Sacones. El beneficio que arroja
cada chompa es de 40 S/. y cada sacón de 60 S/. El mercado puede adquirir hasta
400 chompas/semana y hasta 300 sacones/semana y en total la planta solo puede
fabricar 600 unidades/semana.
a. ¿Cuántas unidades de cada modelo debe producir la fábrica Textil, para
obtener el máximo de ingresos?
2. Un fabricante produce dos artículos, A y B cada uno de los cuales requiere de dos
tipos de máquinas y los tiempos respectivos tal como se indica en el siguiente
cuadro:
Máq / Prod A B
Máquina 1 2 4
Máquina 2 3 1
Utilidad S/. 2.5 3.5
Si el número de horas disponibles en las máquinas al mes son de 200 y 150
respectivamente,
a. ¿Determine cuantas unidades de cada producto debe producirse al mes, a fin
de maximizar la utilidad total?
b. ¿Cuál es esa utilidad total?
3. Un camión distribuidora Central SA. puede transportar como máximo 9 TM. por
viaje. En un viaje debe transportar al menos 4 TM. de la mercancía A y un peso
de la mercancía B que no sea inferior a la mitad del peso que transporta de A.
Sabiendo que cobra 30 S/. / kilo de A y 20 S/. / kilo de B.
a. ¿Cómo se debe cargar el camión para obtener la ganancia máxima?
4. Un comerciante acude al mercado mayorista a comprar naranjas con S/. 5 000. Le
ofrecen dos tipos de naranjas: las de tipo Valencia a 5 S/. el kg. y las de tipo
Huando a 8 S/. el kg. Sabiendo que sólo dispone de su camioneta con espacio para
transportar 700 kg. de naranjas como máximo y que piensa vender el kg. de
naranjas tipo Valencia a 8 S/. y el kg. de tipo Huando a 12 S/.
a. ¿Cuántos kg. de naranjas de cada tipo deberá comprar para obtener máximo
beneficio?
b. ¿Cuál será ese beneficio máximo?
5. La empresa Bembo’s vende hamburguesas de dos tipos: de un cuarto de libra y
hamburguesas bembonas. La hamburguesa de un cuarto de libra obviamente
utiliza ¼ de libra de carne y la hamburguesa bembona, sólo utiliza 0,2 libras de
carne. El restaurante empieza cada día con 200 libras de carne. La utilidad neta
es la siguiente: 2.00 $ por cada hamburguesa de cuarto de libra y 1.50 $ por cada
hamburguesa normal. El gerente estima además que no venderá más de 900
hamburguesas en total.
Aplicando el método gráfico, determine la máxima utilidad que obtiene Bembo’s.
pág. 37
6. Un carpintero fabrica dos productos: sillas y mesas. Su producción está limitada

por las disponibilidades en listones de madera (36 semanales) y por las horas de
mano de obra contratada (48 semanales). Cada silla requiere 4 listones de madera
y 3 horas de mano de obra. Cada mesa requiere 4 listones y 6 horas hombre. El
carpintero obtiene S/. 30 y S/. 20 de utilidades por cada silla y mesa
respectivamente. Halle por medios gráficos el programa de fabricación que haga
máximas las utilidades.
7. Un estudiante del ISTPC dedica parte de su tiempo al reparto de propaganda
publicitaria. La empresa A le paga S/. 5 por cada impreso repartido y la empresa
B, con folletos más grandes, le paga S/. 7 por impreso. El estudiante lleva dos
bolsas: una para los impresos A, en la que caben 120 y otra para los impresos B,
en la que caben 100. Ha calculado que cada día es capaz de repartir 150 impresos
como máximo.
¿Cuántos impresos habrá que repartir de cada tipo para que su beneficio diario
sea máximo?
8. Un agricultor tiene 480 hectáreas en la que se puede sembrar ya sea trigo o maíz.
El calcula que tiene 800 horas de trabajo disponible durante la estación crucial del
verano. Dados márgenes de utilidad y los requerimientos laborales mostrados en
el cuadro.
Disp. / Prod maíz trigo
Horas de trabajo por hectárea 2 4
Utilidad S/. 40 30
a. ¿Cuántas hectáreas de cada uno debe plantar para maximizar su utilidad?
b. ¿Cuál es ésta utilidad máxima?
9. La cervecería Andina S.A. produce cerveza Premium y la de tipo Light. La cerveza

Premium se vende a 5 dólares el barril, y la Light a 2 dólares el barril. La producción
de un barril de cerveza Premium requiere de 5 kilos de cebada y 2 kilos de lúpulo.
La producción de un barril de Light requiere de 2 kilos de cebada y 1 kilo de lúpulo.
Se dispone de 60 kilos de cebada y de 25 kilos de lúpulo.
a. ¿Cuántos barriles de cada tipo de cerveza debe producir para maximizar sus
ingresos?
b. ¿Cuáles son esos ingresos máximos?
10.Una fábrica de carrocerías de automóviles y camiones tiene 2 plantas-talleres. En

el taller A, para hacer la carrocería de un camión, se invierten 7 días-operario,
para fabricar la de un auto se precisan 2 días-operario. En el taller B se invierten
3 días-operario tanto en carrocerías de camión como de auto. Por limitaciones de
mano de obra y maquinaria, el taller A dispone de 300 días-operario, y el taller B
de 270 días-operario. Si los beneficios que se obtienen por cada camión son de 6
mil soles y de 3 mil soles por cada auto.
¿Cuántas unidades de cada clase se deben producir para maximizar las ganancias?
11.Un constructor va a edificar dos tipos de viviendas A y B. Dispone de 600 mil

dólares y el costo de una casa de tipo A es de 13 mil y 8 mil una de tipo B. El
número de casas de tipo A ha de ser, al menos, del 40 % del total y el de tipo B,
el 20 % por lo menos. Si cada casa de tipo A se vende a 16 mil y cada una de tipo
B en 9 mil dólares respectivamente.
¿Cuántas casas de cada tipo debe construir para obtener el beneficio máximo?
pág. 38
12.Una fábrica produce camisas y pantalones los produce con dos tipos de máquinas
(de cortar, coser). Fabricar una camisa representa emplear la máquina de cortar
una hora y la de coser tres horas; fabricar un pantalón representa usar la máquina
de cortar una hora, la de coser una hora. La máquina de coser se puede usar hasta
doce y la de cortar hasta 7 horas al día, sino se recalienta. Todo lo que se fabrica
es vendido y se obtiene un beneficio de ocho soles por cada camisa y de cinco
soles por cada pantalón.
¿Cómo emplearíamos las máquinas para conseguir el beneficio máximo?
13.Un fabricante de cemento produce dos tipos de cemento, a saber en gránulos y
polvo. Él no puede hacer más de 1600 bolsas un día debido a una escasez de
vehículos para transportar el cemento fuera de la planta. Un contrato de ventas
establece que él debe producir 500 bolsas al día de cemento en polvo. Debido a
restricciones del proceso, se requiere el doble del tiempo para producir una bolsa
de cemento granulado en relación al tiempo requerido por el cemento en
polvo. Una bolsa de cemento en polvo consume para su fabricación 15
minutos/bolsa y la planta opera 8 horas al día. Su ganancia es S/.4 por la bolsa de
cemento granulado y S/ 3 por la bolsa de cemento en polvo.
¿Cuánto se debe producir de cada tipo de cemento para maximizar sus ingresos?
14.En Justicia Paz y Vida de El Tambo, se van a construir casas de dos tipos: A y B.
La empresa constructora dispone para ello de un máximo de 1,8 millones de soles,
siendo el costo de cada tipo de casa de 30 y 20 mil soles respectivamente. El
Ministerio de Vivienda, por la normatividad de paisajismo y urbanismo exige que
el número total de casas no sea superior a 80. Sabiendo que el beneficio obtenido
por la venta de una casa de tipo A es 4 mil soles y de 3 mil soles por una de tipo
B.
a. ¿La constructora cuántas casas debe construir de cada tipo para obtener
el máximo beneficio?
b. ¿Cuáles son esos ingresos máximos?
15.Doe Run SRL. produce Cobre y Zinc. Por el momento es capaz de vender todo el
mineral producido. La ganancia por tonelada de Cobre y Zinc vendida es de 4 y 3
mil dólares respectivamente. El proceso de cada tonelada de Cobre requiere 3
horas de trabajo en el horno y otras 4 horas de lavado. Para cada tonelada de
Zinc se requieren 4 horas de horneado y 2 horas de lavado. Las horas diarias
disponibles en el horno y el lavado son 35 y 30, respectivamente. Además se
supone que al menos se deben producir diariamente 4 toneladas de Zinc.
¿Cuántas toneladas de Cobre y cuántas de Zinc deben producir a fin de maximizar
el ingreso?
16.Una compañía puede anunciar su producto mediante el uso de estaciones de radio

y televisión locales. Su presupuesto limita los gastos en publicidad a $1000 por
mes. Cada minuto de anuncio en la radio cuesta $5 y cada minuto de publicidad
en televisión cuesta $100. La compañía desearía utilizar la radio cuando menos
dos veces más que la televisión. La experiencia pasada muestra que cada minuto
de publicidad por televisión generará en términos generales 25 veces más ventas
que cada minuto de publicidad por la radio. Determine la asignación óptima del
presupuesto mensual para anuncios por radio y televisión.
pág. 39
Tema Nº 4: ANALISIS DE DUALIDAD Y SENSIBILIDAD
4.1 Análisis de Dualidad

Hemos visto como la programación lineal puede ser usada para resolver una extensa
variedad de problemas propios de los negocios, ya sea para maximizar utilidades o
minimizar costos. Las variables de decisión en tales problemas fueron, por ejemplo, el
número de productos a producir, la cantidad de pesos a emplear, etc. En cada caso la
solución óptima no explicó cómo podrían ser asignados los recursos (ejemplo: materia
prima, capacidad de las máquinas, el dinero, etc.) para obtener un objetivo establecido.
En este capítulo veremos que a cada problema de programación lineal se le asocia otro
problema de programación lineal, llamado el problema dual. La solución óptima del
problema de programación dual, proporciona la siguiente información sobre el problema
original:
 La solución óptima del problema dual proporciona los precios en el mercado o
los beneficios de los recursos escasos asignados en el problema original.
 La solución óptima del problema dual aporta la solución óptima del problema
original y viceversa.
Normalmente llamamos al problema de programación lineal original el problema de
programación primal. Es el concepto clave que permite resolver un problema a partir de
otro, y se deriva de las relaciones primo-dual, en el valor de la función objetivo.
Formulación del problema dual. El problema dual es un problema de PL auxiliar que

se define directa y sistemáticamente a partir del modelo de PL original o primal.
El problema de programación lineal vienen dado por:
Maximizar Z = C’X
sujeto a: AX  B
X  0
Su dual asociado es el problema de PL dado por:
Minimizar Z’ = B’W
sujeto a: AW  C
W  0
El paso al dual se lleva a cabo teniendo presente las cuatro reglas siguientes:
a. Los coeficientes de la i-ésima restricción para el problema primal pasan a ser los
coeficientes de las variables Wi en las restricciones del problema dual. El
problema dual tiene tantas variables como restricciones hay en el primal.
b. Los coeficientes de las variables de decisión Xj en el problema primal pasan a ser
los coeficientes de la restricción j-ésima en el problema dual. El problema dual
tiene tantas restricciones como variables hay en el primal.
c. Los coeficientes de la función objetivo en el problema primal pasan a ser los
coeficientes del segundo miembro de las restricciones en el problema dual.
d. Los coeficientes del segundo miembro de las restricciones del problema primal
pasan a ser los coeficientes de la función objetivo del dual.
pág. 40
Primal
Ejemplo: Maximizar: Z = 60 X1 + 30 X2 + 20 X3
sujeto a: 8X1 + 6X2 + X3  48
4X1 + 2X2 + 1.5X3  20
2X1 + 1.5X2 + 0.5X3  8
X1, X2, X3 0
Dual:
Minimizar Z’ = 48 W1 + 20 W2 + 8W3
sujeto a: 8W1 + 4W2 +  60
2W3
6W1 + 2W2 + 1.5W3  30
W1 + 1.5W2 + 0.5W3  20
" W1, W2, W3  0
4.2 Definición de Problema dual

El desarrollo de la programación lineal se ha visto reforzado por el descubrimiento de
que todo problema de programación lineal tiene asociado otro problema llamado dual.
El problema original se llama primal, ambos problemas están relacionados de tal
manera que la el valor de la función objetivo en el óptimo es igual para ambos
problemas, y la solución de uno conduce automáticamente a la del otro.
Las relaciones entre ambos problemas facilitan el análisis de sensibilidad de un
problema.
El dual es un problema de programación lineal se obtiene matemáticamente de un
problema primal.
La forma del problema dual es única y se define en base a la forma estándar general
del problema primal:
Optimizar (Max o Min) z = S j =1..ncjxj
Sujeto a S j =1..naijxj = bi
xj ≥ 0 con i = 1..m, j = 1..n
Donde las “n” variables xj incluyen los excesos y las holguras.
El problema dual se construye simétricamente del primal de acuerdo a las siguientes
reglas.
1. Para cada restricción primal (m restricciones) existe una variable dual yi (m
variables), la función objetivo se construye con los valores libres bi como
coeficientes de las variables yi.
2. Para cada variable primal xj (n variables) existe una restricción dual (n
restricciones), la restricción se construye con los m coeficientes de las
restricciones primales de esa variable. Los valores libres son los n coeficientes
cj.
3. Si la optimización primal es una Maximización, el problema dual es una
Minimización y las restricciones son ≥. (y a la inversa Minimización primal,
Maximización dual, restricciones). El siguiente diagrama muestra la construcción
del dual:
pág. 41
x1 x2 .. xj .. xn
Variables duales
Valores libres
Objetivo primal c1 c2 .. c1 .. c1 de restricciones l
duales
v
Coeficientes
a11 a12 .. a1j .. a1n b1 y1
restricciones duales
a21 a22 .. a2j .. a2n b2 y2
am1 a22 .. a2j .. a2n bm ym
Restr.
Función Objetivo dual
dual j
Nota: si consideramos los excesos y holguras las variables duales (yi) no tienen
restricciones de signo, en caso contrario en ambos problemas se considera variables ³
0. Por lo que las variables duales correspondientes a restricciones del tipo = deben ser
sin restricciones de signo, recíprocamente cuando una variable en el primal no tiene
restricción de signo, la restricción correspondiente en el dual debe ser del tipo =.
Ejemplo
Sea Max z = 3x1 + 5x2
x1 + 10x2 < 80
2x1 + 3x2 < 45
4x1 - 2x2 < 25
3x2 <60
x1, x2 > 0
Aplicando las reglas y la nota:

1. Para cada restricción primal (4 restricciones) existe una variable dual yi (4
variables) y1 y2 y3 y4, la función objetivo se construye con los valores libres bi
(80,45,25,60) como coeficientes de las variables yi.
2. Para cada variable primal xj (2 variables sin considerar las variables de holgura)
existe una restricción dual (2 restricciones), la restricción se construye con los
4 coeficientes de las restricciones primales de esa variable. Los valores libres son
los 2 coeficientes cj (3, 5).
3. la optimización primal es una Maximización, el problema dual es una
Minimización y las restricciones son >.
Nota: No hemos considerado las variables de excesos ni holguras las variables
duales por lo que en ambos problemas se considera variables > 0, no existen
restricciones de =.
pág. 42
Problema dual:
Min Y = 80y1 + 45y2 + 25y3 + 60y4
Sujeto a:
Y1 + 2y2 + 4y3 > 3
10y1 + 3y2 - 2y3 + 3y4 > 5
y1, y2, y3, y4 > 0
2. Max Z = 3x1 + 7x2
Sujeto a:
2x1 + 5x2 = 15
x1 + 8x2 < 30
x1, x2 > 0
0. Para cada restricción primal (2 restricciones) existe una variable dual yi (2
variables) y1 y2, la función objetivo se construye con los valores libres bi (15,
30) como coeficientes de las variables yi.
1. Para cada variable primal xj (2 variables sin considerar las variables de
holgura) existe una restricción dual (2 restricciones), la restricción se
construye con los 2 coeficientes de las restricciones primales de esa variable.
Los valores libres son los 2 coeficientes cj (3, 7).
Aplicando las reglas y la nota:
Nota: Para la segunda restricción no hemos considerado las variables de
excesos ni holguras las variables duales por lo que en el dual y 2 ³ 0, la
primera restricción es de igualdad por lo que la primera variable no tiene
restricción de signo.
Problema dual:
Min Y= 15y1 + 30y2
Sujeto a:
2y1 + y2 > 3
5y1 + 8y2 > 7
y1 sin restricción de signo (irrestricta)
y2 > 0.
4.3 Análisis de sensibilidad

Una vez obtenida la solución de un problema de programación lineal, es deseable
investigar cómo cambia la solución del problema al cambiar los parámetros del
modelo.
Por ejemplo si una restricción de un problema es 4x1 + 6x2 < 80 donde 80
representa la cantidad de recurso disponible. Es natural preguntarse ¿qué pasa con
la solución del problema si la cantidad de recurso (por ejemplo Horas) disminuye
a 60? Otras veces podemos preguntarnos qué pasa si cambiamos algunos
coeficientes de la función objetivo? O bien si agregamos una restricción o una
variable. El estudio de la variación de un problema de programación lineal debido a
cambios de los parámetros del mismo, se llama análisis de sensibilidad.
pág. 43
Una forma de responder estas preguntas sería resolver cada vez un nuevo problema.
Sin embargo esto es computacionalmente ineficiente.
Para esto es preferible hacer uso de las propiedades del método Simplex y de los
problemas primal y dual.
Recordemos que una vez que en un problema lineal se conoce B, CB y XB, la tabla
simplex se puede calcular utilizando B-1 y los datos originales del problema.
El efecto de los cambios en los parámetros del problema del análisis de sensibilidad
(post óptimo) se puede dividir en tres categorías:
0. Cambios en los coeficientes C de la función objetivo, solo afecta la
optimalidad.
1. Cambios en el segundo miembro b solo pueden afectar la factibilidad.
2. Cambios simultáneos en C y b pueden afectar la optimalidad y la factibilidad.
Ejercicio 1
CIDEMETAL SRL, produce mesas y sillas para venta en el país. Se requieren dos tipos
básicos de mano de obra especializada: para ensamblado y acabado. Producir una mesa
requiere tres horas de ensamblado, dos horas de acabado y se vende con una ganancia
de $30. La producción de una silla requiere 1 hora de acabado y se vende con una ganancia
de $18. Actualmente, la compañía dispone de 200 horas de ensamblado y 160 horas de
acabado.
La formulación a este problema es:
Maximizar: X0 = 30X1 + 18X2
Sujeta a: 3X1 + X2  200 (ensamblado)
2X1 + X2  160 (acabado)
X1, X2  0
Y la solución óptima la siguiente
Base X0 X1 X2 X3 X4 Solución
X0 1 6 0 0 18 2880
X3 0 1 0 1 -1 40
X2 0 2 1 0 1 160
La compañía desea consejo en los siguientes planteamientos:

a. ¿Cuánto es lo máximo que pueden reducirse las horas-hombre disponibles en
ensamblado sin que la factibilidad de la mezcla actual cambie?
b. ¿Cuál es el rango de variación de la utilidad unitaria de las sillas en donde la
inmejorabilidad de la mezcla óptima se mantiene?
c. ¿En cuál departamento recomendaría usted contratar tiempo extra?
d. Si se comprara una máquina que redujera el tiempo de ensamblado en las mesas,
de 3 a 1/2, ¿recomendaría usted una inversión de dicha máquina?
e. ¿En cuánto se incrementaría la utilidad óptima actual si se programan 15 horas-
hombre extra en la operación de acabado?
pág. 44
f. Si la utilidad unitaria de las sillas disminuye a $16, ¿Cómo se afecta a la solución

óptima y el objetivo?
g. Si los obreros que llevan a cabo la operación de acabado ofrecen trabajar horas
extras a razón de $12/hora ¿Recomendaría usted contratar tiempo extra? Si lo
recomienda, ¿qué tanto tiempo extra puede programarse sin cambiar la
optimalidad de la mezcla actual?
Ejercicio 2
GRANDE PERU SAC, se especializa en la fabricación de camas (colchones). La compañía
fabrica tres clases de colchones: matrimonial, "King-size" e individual. Los tres tipos de
colchones se fabrican en dos plantas diferentes que son propiedad absoluta de la
compañía. En un día hábil normal de 8 horas, la planta No. 1 fabrica 50 colchones
matrimoniales, 80 colchones "King-size" y 100 individuales. La planta No.2 fabrica 60
colchones matrimoniales, 60 "King-size" y 200 individuales. El gerente de mercadotecnia
de la GRANDE ha proyectado la demanda mensual para los tres tipos de colchones y calcula
será de 2500, 3000 y 7000 unidades, respectivamente. Los contadores de la compañía
indican que el costo diario de operación de la planta No. 1 es de $3500 diarios. A los
administradores les gustaría determinar el número óptimo de días de operación por mes
en las dos diferentes plantas con el objeto de minimizar el costo total de producción, al
mismo tiempo que se satisface la demanda.
Utilizando
y1 = número de días de operación por mes de la planta No.1
y2 = número de días de operación por mes de la planta No.2
Entonces el planteamiento puede expresarse de la siguiente manera:
Minimizar: Z = 2500Y1 + 3500Y2
Sujeto a: 50Y1 + 60Y2  2500
80Y1 + 60Y2  3000
100Y1 + 200Y2  7000
Y1, Y2  0
Es fácil observar que el problema se encuentra en forma del problema dual estándar.
a. Plantee el problema primario para el problema dual que se dio antes.
b. ¿Cuáles son las unidades de medición de las variables primarias?
c. Resuelva el problema utilizando el método simplex. ¿Por qué fue más sencillo resolver
el problema primario que el dual?
d. Utilizando el problema primario óptima, determine el valor óptimo para las variables
duales de decisión para el problema de la GRANDE.
e. ¿Qué significado tienen las variables primarias en el problema de la GRANDE?
pág. 45
TERCERA UNIDAD
Tema Nº 5: MODELO DE TRANSPORTE
5.1 Problema de Transporte

En esta unidad presentaremos dos aplicaciones importantes de la programación lineal
que son el modelo de transportes y el de asignación de recursos. Aun cuando la
solución de estos modelos puede obtenerse aplicando el método simplex, se estudian
algoritmos especiales para la solución de estos problemas.
Debido a su estructura especial, hace posible hace posible métodos de solución más
eficientes en términos del cálculo.
La programación lineal es un campo tan amplio que se extiende a subclases de
problemas para los cuales existen métodos de solución especiales. Una de estas
subclases se conoce como problemas de transporte. El método símplex de programación
lineal, puede servir para resolver estos problemas. Pero se han desarrollado métodos
más sencillos que aprovechan ciertas características de los problemas. Entonces, el
método del transporte son sólo técnicas especiales para resolver ciertos tipos de
problemas de programación lineal.
El transporte desempeña un papel importante en la economía y en las decisiones
administrativas. Con frecuencia la disponibilidad de transporte económico es crítica para
la sobrevivencia de una empresa.
¿Qué significa problema de transporte? Supóngase que un fabricante tiene tres plantas
que producen el mismo producto. Estas plantas a su vez mandan el producto a cuatro
almacenes. Cada planta puede mandar productos a todos los almacenes, pero el costo
de transporte varía con las diferentes combinaciones. El problema es determinar la
cantidad que cada planta debe mandar a cada almacén con el fin de minimizar el costo
total de transporte.
La manera más fácil de reconocer un problema de transporte es por su naturaleza o
estructura
“de-hacia”: de un origen hacia un destino, de una fuente hacia un usuario, del presente
hacia el futuro, de aquí hacia allá. Al enfrentar este tipo de problemas, la intuición dice
que debe haber una manera de obtener una solución. Se conocen las fuentes y los
destinos, las capacidades y demandas y los costos de cada trayectoria. Debe haber una
combinación óptima que minimice el costo (o maximice la ganancia). La dificultad
estriba en el gran número de combinaciones posibles.
Puede formularse un problema de transporte como un problema de programación lineal
y aplicarse el método símplex. Si se hiciera, se encontraría que los problemas de
transporte tienen características matemáticas únicas. Para visualizar esto, considérese
el siguiente ejemplo:
El problema
Suponga que una compañía tiene m plantas de producción (i), de capacidad ai (i = 1..m)
y n almacenes de distribución (j), con demanda bj (j=1..n). El costo de transporte entre
la planta i y el almacén es conocido como cij.
El problema es determinar la cantidad (xij) que debe suministrar la planta i al almacén
j, de tal manera que el costo de transporte total sea mínimo. Las consideraciones de
costos de producción e inventario se pueden incorporar al modelo básico.
El modelo típico tiene cuatro componentes:
pág. 46
- Un conjunto de m fuentes
- Un conjunto de n destinos
- Costos de transporte entre las fuentes y los destinos
- Cantidades de producto para enviar entre las fuentes y los destinos.
El modelo general que representa el modelo de transporte es:

Min z = S iS j cijxij
Sujeto a:
S j xij = ai (fuentes i = 1..m)
S i xij = bj (destinos j = 1..n)
xij ³ 0
5.2 Modelo general del problema de transporte.

Cualquier problema de programación lineal que se ajuste a esta formulación especial es
del tipo de problemas de transporte, sin importar su contexto físico. De hecho, se han
realizado numerosas aplicaciones no relacionadas con el transporte que se ajustan a
esta estructura especial. Ésta es una de las razones por las que el problema de
transporte se suele considerar como uno de los tipos especiales de problemas de
programación lineal más importantes.
Además de los datos de entrada (los valores de cij, si y dj), la única información que
necesita el método símplex de transporte es la solución básica factible actual, los valores
actuales de ui y vj y los valores resultantes de cijuivj para las variables no básicas xij.
Cuando se resuelve un problema a mano es conveniente registrar esta información en
una tabla símplex de transporte, como la que se muestra enseguida:
pág. 47
En los casos en que la sumatoria de todo lo que se produce en todos los orígenes
es mayor que la sumatoria de todo lo que se demanda en todos los destino o viceversa,
entonces se dice que el problema no está balanceado. En estos casos lo primero que se
debe hacer antes de intentar resolver el problema es balancearlo.
m n
 si  dj
Para el caso de SOBREPRODUCCIÓN ( i 1  j 1 )
Si el caso es que se dispone de mayor producción de la que se demanda,
entonces para balancear el problema se agrega un destino imaginario o artificial
(llamado también destino ficticio) el cual tendrá como demanda dicha sobreproducción.
En cuanto a los costos asociados a este nuevo destino los estableceremos a cero (¿por
qué?). El siguiente dibujo muestra lo que se debe hacer:
pág. 48
5.3. Métodos para encontrar soluciones factibles.

Al iniciar, todos los renglones de los orígenes y las columnas de destinos de la
tabla símplex de transporte se toman en cuenta para proporcionar una variable
básica (asignación).
1. Se selecciona la siguiente variable básica (asignación) entre los renglones y
columnas en que todavía se puede hacer una asignación de acuerdo a algún
criterio.
2. Se hace una asignación lo suficientemente grande como para que use el resto
de los recursos en ese renglón o la demanda restante en esa columna
(cualquiera que sea la cantidad más pequeña).
3. Se elimina ese renglón o columna (la que tenía la cantidad más pequeña en los
recursos o demanda restantes) para las nuevas asignaciones. (Si el renglón y
la columna tiene la misma cantidad de recursos y demanda restante, entonces
arbitrariamente se elimina el renglón. La columna se usará después para
proporcionar una variable básica degenerada, es decir, una asignación con cero
unidades.)
4. Si sólo queda un renglón o una columna dentro de las posibilidades, entonces
el procedimiento termina eligiendo como básicas cada una de las variables
restantes (es decir, aquellas variables que no se han elegido ni se han eliminado
al quitar su renglón o columna) asociadas con ese renglón o columna que tiene
la única asignación posible. De otra manera se regresa al paso 1.
5.4 Método de la esquina noroeste.

1. Regla de la esquina noroeste: la primera elección es x11 (es decir, se comienza
en la esquina noroeste de la tabla símplex de transporte). De ahí en adelante,
si xij fue la última variable básica seleccionada, la siguiente elección es x i,j+1 (es
decir, se mueve una columna a la derecha) si quedan recursos en el origen i.
De otra manera, se elige xi+1,j (es decir, se mueve un renglón hacia abajo).
Para hacer más concreta esta descripción, se ilustrará el procedimiento general,
utilizando la regla de la esquina noroeste en el siguiente ejemplo:
Recursos
3 7 6 4 5
2 4 3 2 2
4 3 8 5 3
Demanda 3 4 2 1 10
10
Lo primero que debemos hacer al resolver cualquier problema de transporte es

comprobar que esté balanceado, si no lo estuviera, agregamos un origen o un destino
artificial según sea el caso para conseguir que el problema quede balanceado y podamos
comenzar a resolverlo. En nuestro ejemplo, la sumatoria de los recursos de los tres
orígenes es de 10 unidades que es igual a la sumatoria de las demandas de los destinos,
por lo que nuestro problema está balanceado y podemos iniciar con la resolución.
pág. 49
5.5 Método de aproximación de Vogel

Método de Aproximación de Vogel: para cada renglón y columna que queda bajo
consideración, se calcula su diferencia, que se define como la diferencia aritmética
entre el costo unitario más pequeño (cij) y el que le sigue, de los que quedan en ese
renglón o columna. (Si se tiene un empate para el costo más pequeño de los restantes
de un renglón o columna, entonces la diferencia es 0). En el renglón o columna que
tiene la mayor diferencia se elige la variable que tiene el menor costo unitario que
queda. (Los empates para la mayor de estas diferencias se pueden romper de manera
arbitraria).
Iniciamos el método calculando las primeras diferencias para cada renglón y columna.
De las diferencias que obtuvimos nos fijamos en la mayor (¿Por qué?), que resulta ser
para la tercera columna. En esa columna encontramos el costo unitario (c ij) menor y en
esa celda realizamos la primera asignación:
Recursos DIF.
3 7 6 4 5 1
2 4 3 2 2 0 0
2
4 3 8 5 3 1
10
Demanda 3 4 2 0 1 10
DIF. 1 1 3 1
2
Nota: Marcar la mayor de las diferencias seleccionadas encerrándola en un círculo

y escribiendo como superíndice el número que le corresponda en la secuencia de
selección.
Observemos en la figura anterior que únicamente eliminamos el segundo renglón

ya que la tercera columna nos servirá después para hacer la asignación de una variable
básica degenerada. Continuando con la aplicación del método, tenemos que calcular
nuevamente las diferencias de las columnas ya que hemos eliminado un renglón y ésto
puede ocasionar que las diferencias aritméticas entre el costo unitario más pequeño y
el que le sigue ya no sean las mismas:
Recursos DIF.
3 7 6 45 1
2 4 3 22 0 0
2
4 3 8 53 0 1
3
10
Demanda 3 4 1 2 0 1 10
DIF. 1 1 3 1
2
1 4 2 2 1
pág. 50
Como siguiente paso deberíamos calcular las nuevas diferencias de columnas, pero ya
que solamente queda un renglón dentro de las posibilidades (ésto no significa que
solamente un renglón quede bajo consideración ya que podemos observar que ninguna
de las cuatro columnas (destinos) ha sido eliminada y todas quedan todavía bajo
consideración), no es posible encontrar la diferencia aritmética entre el costo menor y
el que le sigue, por lo tanto vamos tomando una a una las celdas que quedan
comenzando con la de menor costo unitario hasta que todas hayan sido asignadas.
Recursos DIF.
3 7 6 45 2 1 0 1
3 1 0 1
2 4 3 22 0 0
2
4 3 8 53 0 1
3
10
Demanda 3 0 4 1 0 2 0 1 0 10
1
DIF. 1 1 3 2
2
1 4 2 1
La solución inicial básica factible es x11=3, x12=1, x13=0 (variable básica

degenerada), x14=1, x23=2 y x32=3 y el costo total de transporte asociado a esta primera
“Política de Transporte” factible es de:
x11 c11 x12 c12 x13 c13 x14 c14 x23 c23 x32 c32
Costo = 3 (3) + 1 (7) + 0 (6) + 1 (4) + 2 (3) + 3 (3) = 35
Es necesario aclarar que ésta puede o no ser la solución final del problema, es necesario
aplicar a esta primera solución factible la prueba de optimalidad ya que puede existir
una mejor “política de transporte” que minimice todavía más el costo total.
5.6 Modelos Balanceados y no balanceados

Un modelo de transporte se llama balanceado cuando:
S i ai = S j b
Esto significa que la suma de los suministros de todas las plantas debe ser igual a la
suma de las demandas de todos los almacenes.
 Sin embargo en problemas de la vida real, esta igualdad rara vez se satisface.
 Lo que se hace entonces es balancear el problema.
 Si los requerimientos exceden a los suministros, se agrega una planta ficticia, que
suministrará la diferencia.
 El costo de transporte desde la planta ficticia hacia cualquier almacén es cero.
 Recíprocamente, si los suministros exceden a los requerimientos, se agrega un
almacén ficticio que absorberá el exceso.
 El costo unitario de transporte desde las plantas al almacén ficticio es cero.
pág. 51
Actividad
Problemas para resolver por el método de transporte

El siguiente cuadro indica el costo de transporte unitario en nuevos soles, desde los orígenes
a los destinos y sus respectivas ofertas y demandas. Empleando el método de costo mínimo
determine la cantidad a transportar de cada origen a cada destino y determine también el
costo mínimo en que se incurre.
a.
Destino Oferta
A B C TM
Origen I 3 6 9 200
Origen II 1 4 5 300
Origen III 3 2 1 400
Demanda TM 150 250 500
b.
Destino Oferta
A B C Kg.
Origen 1 4 6 8 50
Origen 2 1 3 5 200
Origen 3 2 4 5 250
Demanda Kg. 200 150 150
c.
Destino Oferta
W X Y Z m3
Origen P 6 10 6 8 200
Origen Q 7 9 6 11 300
Origen R 8 10 14 6 450
Demanda m3 100 150 400 300
pág. 52
d. Caso I: Cuando la oferta es igual a la demanda (O = D )
Destino Oferta
X Y Z TM
Origen I 3 6 4 1000
Origen II 2 3 1 2000
Demanda TM 2000 1500 1000
e. Caso II: Cuando la oferta es mayor que la demanda (O  D)
Destino Oferta
X Y Z TM
Origen I 4 3 5 600
Origen II 2 1 3 120
Demanda TM 100 150 60
f. Caso III: Cuando la oferta es menor que la demanda (O < D)
Destino Oferta
X Y Z TM
Origen I 2 4 6 25
Origen II 1 3 5 35
Origen III 4 2 3 50
Demanda TM 40 30 60
1. INTELL Co. una empresa dedicada a la fabricación de componentes de computadoras

tiene dos fábricas que producen, respectivamente, 800 y 1500 piezas mensuales. Estas
piezas han de ser transportadas a tres tiendas que necesitan 1000, 700 y 600 piezas,
respectivamente. Los costos de transporte, en nuevos soles por pieza son los que
aparecen en la tabla adjunta. ¿Cómo debe organizarse el transporte para que el costo
sea mínimo?
Tienda A Tienda B Tienda C

Fábrica I 3 7 1
Fábrica II 2 2 6
pág. 53
2. Desde dos almacenes A y B, se tiene que distribuir fruta a tres mercados de la ciudad
Lima. El almacén A dispone de 10 toneladas de fruta diarias y el B de 15 toneladas, que
se reparten en su totalidad. Los dos primeros mercados necesitan, diariamente, 8
toneladas de fruta, mientras que el tercero necesita 9 toneladas diarias. El costo del
transporte desde cada almacén a cada mercado viene dado por el siguiente cuadro:
Mercado 1 Mercado 2 Mercado 3

Almacén A 10 15 20
Almacén B 15 10 10
Utilizando el método matriz mínima, determine el transporte para que el costo sea
mínimo.
3. Una compañía tiene tres Plantas (A, B y C) para fabricar bebidas gaseosas BIG KOLA, y
dispone de tres distribuidores mayoristas para la venta (D, E y F). Las cantidades
producidas por A, B y C son 1000, 5000 y 4000 litros por día respectivamente. La
máxima cantidad que puede vender el almacén D es 3000 litros/día, E es 6000 litros/día
y F es 7000 litros/día. Los costos de transporte de cada fábrica a cada distribuidor
mayorista están dados en la siguiente tabla:
Demanda
D E F
Planta A 1 4 2
Planta B 3 1 2
Planta C 4 5 2
Determine la cantidad a transportar desde los orígenes a los destinos para que el costo
sea mínimo.
4. SEDAM Huancayo SA. tiene que distribuir el agua de tres pozos entre tres localidades.
La tabla de costos de distribución de cada m 3 es la siguiente:
LOCALIDADES OFERTA
(m3/día)
A B C
Pozo I 7 8 10 40
Pozo II 5 12 4 30
Pozo III 9 7 8 45
DEMANDA (m3/día) 55 40 60
Determine la distribución del agua para cada una de las localidades de modo que el
costo sea el mínimo.
5. Una empresa de electricidad ElectroSURMEDIO SA. tiene 4 plantas termoeléctricas que
son abastecidas por 3 minas de carbón. La oferta total de carbón de las minas es igual
a los requerimientos totales de las plantas termoeléctricas. Existe un costo de transporte
de una unidad desde cada mina a cada planta. En la tabla que se muestra a continuación
se indican la oferta disponible, los requerimientos y los costos de transporte por unidad.
pág. 54
PLANTA
Oferta
M N O P
Mina X 2 3 4 5 14
Mina Y 5 4 3 1 15
Mina Z 1 3 3 2 17
Demanda 6 11 17 12
La empresa de electricidad quiere determinar cuántas unidades debe transportar desde
la mina a cada planta para minimizar el costo de transporte.
Actividad
PROBLEMAS PROPUESTOS
1. Una empresa KINGTEX S.A. produce 120 unidades del producto A y 360 unidades
del producto B cada día. Estos productos han de someterse a control de calidad,
siendo la capacidad de control de 200 unidades al día. El producto A se vende en el
mercado a un precio 4 veces superior al precio del producto B. Determínese la
producción de la empresa que hace posible maximizar el beneficio.
2. CEPER PIRELLI SA. fabrica cable eléctrico de alta calidad usando dos tipos de
aleaciones metálicas, M y N. La aleación M contiene un 80% de cobre y un 20% de
aluminio, mientras que la N incluye un 68% de cobre y un 32% de aluminio. La
aleación M tiene un precio de 80 euros por tonelada, y la N, 60 euros por tonelada.
¿Cuáles son las cantidades que Pedro Pérez debe usar de cada aleación para
producir una tonelada de cable que contenga al menos un 20% de aluminio y cuyo
costo de producción sea el menor posible?
3. SAN FERNANDO S.A. posee 200 cerdos que consumen 90 lb. de comida especial
todos los días. El alimento se prepara como una mezcla de maíz y harina de soya
con las siguientes composiciones:
Libras por libra de alimento
Alimento Calcio Proteína Fibra Costo ($/lb)
Maíz 0.001 0.09 0.02 0.20
Harina de soya 0.002 0.60 0.06 0.60
Los requisitos diarios de alimento de los cerdos son:
i. Cuando menos 1% de calcio
ii. Por lo menos 30% de proteína
iii. Máximo 5% de fibra
Determine la mezcla de alimentos con el mínimo de costo por día.
pág. 55
4. CATALINA HUANCA SAC fabrica dos tipos de joyas. Las del tipo A precisan 1 g de
oro y 1,5 g de plata, vendiéndolas a 40 euros cada una. Para la fabricación de las
de tipo B emplea 1,5 g de oro y 1 g de plata, y las vende a 50 euros. El orfebre
tiene solo en el taller 750 g de cada uno de los metales.
¿Cuántas joyas se han de fabricar de cada clase para obtener un beneficio máximo?
5. PIER’S SAC. desean liquidar 200 camisas y 100 pantalones de la temporada

anterior. Para ello, lanzan dos ofertas, A y B. La oferta A consiste en un lote de
una camisa y un pantalón, que se venden a 30 nuevos soles; la oferta B consiste
en un lote de tres camisas y un pantalón, que se vende a 50 nuevos soles. No se
desea ofrecer menos de 20 lotes de la oferta A ni menos de 10 de la B.
¿Cuántos lotes han de vender de cada tipo para maximizar la ganancia?
6. POLAR EIRL. fabrica helados A y B, hasta un máximo diario de 1 000 kilos. La

fabricación de un kilo de A cuesta 1,8 euros y uno de B, 1,5 euros. Calcula
cuántos kilos de A y B deben fabricarse, sabiendo que la casa dispone de 2 700
euros /día y que un kilo de A deja un margen igual al 90% del que deja un kilo de
B.
7. SOL DE PIURA EIRL. elabora dos tipos de sombreros. Cada sombrero del primer
tipo requiere dos veces más tiempo de mano de obra que un producto del segundo
tipo. Si todos los sombreros son exclusivamente del segundo tipo, la compañía
puede producir un total de 500 unidades al día. El mercado limita las ventas diarias
del primero y segundo tipos a 150 y 200 unidades. Supóngase que la ganancia que
se obtiene por producto es $8 para el tipo 1 y $5 para el tipo 2. Determine el número
de sombreros de cada tipo que deben elaborarse para maximizar la ganancia.
8. NACIÓN WANKA SRL. ha decidido manufacturar algunos o todos de cinco productos

nuevos en tres de sus fábricas que tienen capacidades productivas sobrantes. Los
productos se venden por peso y suponga que una unidad de ese producto equivale
a la cantidad de ese producto. El esfuerzo productivo para hacer cada producto es
igual. Las capacidades disponibles a cada fabrica se ven a continuación:
FABRICA CAPACIDAD DISPONIBLE
I 40 unidades
II 60 unidades
III 90 unidades
La investigación de mercados indica que las ventas potenciales son así:
VENTAS POTENCIALES
PRODUCTOS
(Unidades)
1 30
2 40
3 70
4 40
5 60
Los costos variables de producción (miles $) de cada producto en cada fábrica son:
pág. 56
Producto 1 2 3 4 5
Fabrica
I 20 19 14 21 16
II 15 20 13 19 16
III 18 15 18 20 X
La X quiere decir que la fábrica 3 no puede producir el producto 5.
¿Qué cantidad de cada producto debe fabricarse en cada fábrica? y ¿Cuál es el
costo Total de Producción?
9. SCORZA SAC. dedicada a la fabricación de muebles ha de determinar cuántas

mesas, sillas, escritorios y estantes debe hacer para optimizar el uso de sus
recursos. Estos productos utilizan dos tipos diferentes de paneles, y la compañía
dispone de 1500 tableros MDF y 1000 de MELAMINE. Por otro lado cuenta con 800
horas de mano de obra. Las predicciones de venta así como los pedidos atrasados
exigen la fabricación de al menos 40 mesas, 130 sillas, 30 escritorios y como
máximo 10 estantes. Cada mesa, silla, escritorio y estantes necesita 5, 1, 9, y 12
tableros, respectivamente, de MDF y 2, 3, 4, y 1 tableros de MELAMINE. Una mesa
requiere 3 horas de trabajo; una silla, 2; un escritorio, 5; y un estante 10. La
compañía obtiene un beneficio de 12 dólares en cada mesa, 5 dólares en cada silla,
15 dólares en un escritorio, y 10 dólares en un estante. Planteé el modelo de
programación lineal para maximizar los beneficios totales.
10. PEPE DIAZ SRL. produce tres modelos (I, II y III) de cierto producto. El utiliza dos
tipos de materia prima (A y B), de los cuales se dispone de 4000 y 6000 unidades,
respectivamente. Los requisitos de materias primas por unidad de los tres modelos
son:
Requisitos por unidad

del modelo dado
Materia prima I II III
A 2 3 5
B 4 2 7
El tiempo de mano de obra para cada unidad del modelo I es dos veces mayor que
el del modelo II y tres veces mayor que el del modelo III. Toda la fuerza de trabajo
de la fábrica puede producir el equivalente de 1500 unidades del modelo I. Un
estudio del mercado indica que la demanda mínima de los tres modelos es 200, 200
y 150 unidades, respectivamente. Sin embargo, las razones del número de unidades
producidas deben ser iguales a 3:2:5. Supóngase que la ganancia por unidad de los
modelos I, II y III es $30, $20 y $50, respectivamente. Formule el problema como
un modelo de programación lineal para determinar el número de unidades de cada
producto que maximizarán la ganancia.
11. TANS PERÚ SAC. Posee un avión de carga que tiene tres compartimientos para
almacenar: delantero, central y trasero. Estos compartimientos tienen un límite de
capacidad tanto en peso como en espacio. Los datos se resumen en seguida:
pág. 57
Compartimiento Capacidad de peso Capacidad de espacio

(toneladas) (pies cúbicos)
Delantero 12 7000
Central 18 9000
Trasero 10 5000
Para mantener el avión balanceado, el peso de la carga en los respectivos
compartimientos debe ser proporcional a su capacidad.
Se tienen ofertas para los siguientes envíos en un vuelo próximo ya que se cuenta
con espacio:
Carga Peso Volumen Ganancia

(toneladas) (pies cúbicos/tonelada) ($/tonelada)
1 20 500 320
2 16 700 400
3 25 600 360
4 13 400 290
Se puede aceptar cualquier fracción de estas cargas. El objetivo es determinar qué
cantidad de cada carga debe aceptarse (si se acepta) y cómo distribuirla en los
compartimientos para maximizar la ganancia del vuelo. Formule el modelo de
programación lineal para este problema.
12. KONDA MOTOR’S SA. es especialista en el ensamble de vehículos. En los siguientes

cuadros se dan las ofertas, demandas y costos (semanales):
OFERTA DE DEMANDA DE
ENSAMBLADORA CIUDAD
MOTOS MOTOS
Bogotá 35 Cartagena 30
Medellín 60 Cali 45
Barranquilla 25 Montería 25
Pasto 20
A
Cartagena Cali Montería Pasto
DE
Bogotá 50 30 60 70
Medellín 20 80 10 90
Barranquilla 100 40 80 30
Determine el PLAN ÓPTIMO de distribución con su Costo Total.
pág. 58
Tema Nº 6: MODELO DE ASIGNACION DE RECURSOS

6.1 Problemas de asignación de recursos
Los problemas de asignación presentan una estructura similar a los de transporte, pero
con dos diferencias: asocian igual número de orígenes con igual número de demandas
y las ofertas en cada origen es de valor uno, como lo es la demanda en cada destino. El
problema de asignación debe su nombre a la aplicación particular de asignar hombres
a trabajos (o trabajos a máquinas), con la condición de que cada hombre puede ser
asignado a un trabajo y que cada trabajo tendrá asignada una persona. La condición
necesaria y suficiente para que este tipo de problemas tenga solución, es que se
encuentre balanceado, es decir, que los recursos totales sean iguales a las demandas
totales. El modelo de asignación tiene sus principales aplicaciones en: Trabajadores,
Oficinas al personal, Vehículos a rutas, Máquinas, Vendedores a regiones, productos a
fabricar, etc.
Transporte Asignación
Unidades de un bien
m orígenes m recursos
n destinos n actividades
si recursos en el origen i
Demanda dj en el destino j
Costo cij por unidad distribuida
desde el origen i al destino j
Ganancia Z Medida global de la efectividad Z
Así, por lo general, el origen i (i = 1, 2, ..., m) dispone de si unidades para distribuir a
los destinos y el destino j (j = 1, 2, ..., n) tiene una demanda de dj unidades que recibe
desde los orígenes. Una suposición básica es que el costo de distribución de unidades
desde el origen i al destino j es directamente proporcional la distancia, donde cij denota
el costo por unidad distribuida. Igual que para el ejemplo prototipo, estos datos de
entrada se pueden resumir en forma muy conveniente en la tabla de costos y
requerimientos que se muestra enseguida:
Costo por unidad distribuida consumo Cantidad de

de recursos por unida de actividad recursos
disponibles
Destino Actividad
1 2 ... n Recursos
1 c11 c12 ... c1n s1
Origen 2 c21 c22 ... c2n s2
Recurso . . . . .
. . . . .
m cm1 cm2 ... cmn sm
Demanda d1 d2 ... dn
Contribución a Z por
unidad de actividad
pág. 59
6.2 El método Húngaro

Este algoritmo se usa para resolver problemas de minimización, ya que es más
eficaz que el empleado para resolver el problema del transporte por el alto grado de
degeneración que pueden presentar los problemas de asignación. Las fases para la
aplicación del método Húngaro son:
 Paso 1: Encontrar primero el elemento más pequeño en cada fila de la matriz
de costos m*m; se debe construir una nueva matriz al restar de cada costo el
costo mínimo de cada fila; encontrar para esta nueva matriz, el costo mínimo en
cada columna. A continuación se debe construir una nueva matriz (denominada
matriz de costos reducidos) al restar de cada costo el costo mínimo de su
columna.
 Paso 2: (En algunos pocos textos este paso se atribuye a Flood). Consiste en
trazar el número mínimo de líneas (horizontales o verticales o ambas únicamente
de esas maneras) que se requieren para cubrir todos los ceros en la matriz de
costos reducidos; si se necesitan m líneas para cubrir todos los ceros, se tiene
una solución óptima entre los ceros cubiertos de la matriz. Si se requieren menos
de m líneas para cubrir todos los ceros, se debe continuar con el paso 3. El
número de líneas para cubrir los ceros es igual a la cantidad de asignaciones que
hasta ese momento se pueden realizar.
 Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz

de costos reducidos, que no está cubierto por las líneas dibujadas en el paso 2;
a continuación se debe restar k de cada elemento no cubierto de la matriz de
costos reducidos y sumar k a cada elemento de la matriz de costos reducidos
cubierto por dos líneas (intersecciones). Por último se debe regresar al paso 2.
Notas:
 Para resolver un problema de asignación en el cual la meta es maximizar la
función objetivo, se debe multiplicar la matriz de ganancias por menos uno (-1)
y resolver el problema como uno de minimización.
 Si el número de filas y de columnas en la matriz de costos son diferentes, el
problema de asignación está desbalanceado. El método Húngaro puede
proporcionar una solución incorrecta si el problema no está balanceado; debido
a lo anterior, se debe balancear primero cualquier problema de asignación
(añadiendo filas o columnas ficticias) antes de resolverlo mediante el método
Húngaro.
 En un problema grande, puede resultar difícil obtener el mínimo número de filas
necesarias para cubrir todos los ceros en la matriz de costos actual. Se puede
demostrar que si se necesitan j líneas para cubrir todos los ceros, entonces se
pueden asignar solamente j trabajos a un costo cero en la matriz actual; esto
explica por qué termina cuando se necesitan m líneas.
Mediante el siguiente ejemplo vamos a ilustrar la manera de aplicar el método Húngaro
a la solución de un problema de asignación de minimización:
Una factoría tiene cuatro operarios, los cuales deben ser asignados al manejo de cuatro
máquinas; las horas requeridas para cada trabajador en cada máquina se dan en la
tabla adjunta; el tiempo a laborar por cada operario en cada una de las máquinas se
pretende que sea mínimo, para lo cual se busca la asignación óptima posible.
pág. 60
OPERARIOS MAQUINAS
1 2 3 4
Antonio 10 14 16 13
Bernardo 12 13 15 12
Carlos 9 12 12 11
Diego 14 13 18 16
Planteamiento del Modelo Primal:

Min W = 10X11+ 14X12+ 16X13+ 13X14+ 12X21+ 13X22+ 15X23+ 12X24+ + 9X31+ 12X32+
12X33+ 11X34+ 14X41+ 13X42+ 18X43+ 16X44
sujeto a las siguientes restricciones:
Aplicando el método Húngaro tenemos:
1 2 3 4
A 10 14 16 13
B 12 13 15 12
C 9 12 12 11
D 14 13 18 16
Restamos 10, 12, 9 y 14 (costos mínimos de cada fila) de cada elemento en cada una de las filas
correspondientes:
1 2 3 4
A 0 3 6 3
B 0 1 3 0
C 0 3 3 2
D 0 2 4 2
pág. 61
En la matriz anterior trazamos el menor número de líneas (3), de manera tal que cubran todos los ceros
(Método de Flood):
1 2 3 4
A 0 3 3 3
B 0 0 0 0
C 0 2 0 2
D 0 1 1 2
En la matriz anterior trazamos el menor número de líneas (3), de manera tal que cubran todos los ceros
(Método de Flood):
1 2 3 4
A 0 2 3 2
B 1 0 1 0
C 0 1 0 1
D 0 0 1 1
Solución Óptima Unica:A-1, B-4, C-3 y D-2.Lo anterior quiere decir que Antonio va a laborar en la
máquina 1 (10 horas), Bernardo en la máquina 4 (12 horas), Carlos va a trabajar en la máquina 3 (12
horas) y Diego en la máquina 2 (16 horas).
La combinación óptima de los recursos para este problema de minimización de asignación es de 50
horas, resultantes de adicionar las asignadas a cada uno de los operarios en cada una de las máquinas.
Dicho valor corresponde al valor óptimo de la función objetivo.
pág. 62
Actividad
1. Una fábrica dispone de cuatro obreros para completar cuatro trabajos. Cada obrero sólo
puede hacer uno de los trabajos. El tiempo que requiere cada obrero para completar
cada trabajo se da a continuación:
Tiempo Trabajo 1 Trabajo 2 Trabajo 3 Trabajo 4

requerido por
obreros
Obrero 1 14 5 8 7
Obrero 2 2 12 6 5
Obrero 3 7 8 3 9
Obrero 4 2 4 6 10
La fábrica desea minimizar el tiempo total dedicado a los cuatro trabajos.

a) Formular un modelo que determine la mejor asignación de los obreros.
2. Un pequeño taller arma dispositivos mecánicos, ya sea como un producto terminado

que entrega al mercado, o como un proceso intermedio para entregar a una gran fábrica.
Trabajan 3 personas en jornadas de 40 horas semanales. Dos de estos obreros no
calificados reciben $0.4 por hora, y el tercero, un obrero calificado, recibe $0.6 por hora.
Los tres están dispuestos a trabajar hasta 10 horas adicionales a la semana con un
salario 50% superior durante este período.
Los costos fijos semanales son de $800. Los gastos de operación variables son de $1.0
por hora de trabajo de obrero no calificado y $2.4 por hora de obrero calificado. Los
dispositivos mecánicos sin acabar son vendidos a la planta a $6.5 cada uno. El taller
tiene un contrato bajo el cual debe entregar 100 de estos dispositivos semanalmente a
la empresa. El dueño del taller tiene como política el producir no más de 50 dispositivos
a la semana por sobre el contrato.
Los dispositivos terminados se venden a $15 cada uno sin restricciones de mercado.
Se requieren 0.5 horas de obrero no calificado y 0.25 horas de obrero calificado para
producir un dispositivo sin acabar listo para entregar a la empresa. Uno de estos
dispositivos puede ensamblarse y dejarlo terminado agregándole 0.5 horas de
trabajador calificado.
Un dispositivo acabado listo para entregar al mercado se puede producir con 0.6 horas
de obrero no calificado y 0.5 horas de obrero calificado. Plantear el modelo de
programación lineal que permita responder la consulta: ¿cómo y cuánto producir para
cumplir el contrato de modo de maximizar las utilidades?
3. El gestor de un hospital debe planificar el horario de los trabajadores del mismo.

Determínese el coste mínimo de personal para el hospital sabiendo que
a. La jornada laboral consta de 3 turnos.
b. En cada turno ha de haber al menos 1 medico, 3 enfermeras y 3 auxiliares de clínica.
c. El número máximo de empleados que se requiere en cada turno es 10.
d. Los salarios son los siguientes: 50 dólares/turno para un medico, 20 dólares/turno
para un enfermero, y 10 dólares/turno para un auxiliar de clínica.
e. El número total de empleados es: 15 médicos, 36 enfermeras, y 49 auxiliares de
clínica.
f. Cada empleado debe descansar al menos dos turnos consecutivos.
pág. 63
4. Una empresa tiene un trabajo compuesto de 5 módulos para ser desarrollado por 5
programadores, se desea que cada módulo sea desarrollado por un solo programador y
que cada programador desarrolle un solo módulo. Debido a los diferentes grados de
dificultad de los módulos y a las diferencias individuales de los programadores, el tiempo
(en días) que ellos emplean es diferente y se da en la siguiente tabla:
MODULOS PROGRAMADORES
A B C D E
Módulo 1 2 4 4 3 6
Módulo 2 2 6 5 4 6
Módulo 3 5 6 5 3 7
Módulo 4 3 5 7 2 4
Módulo 5 8 5 6 2 1
a) Determine la asignación óptima de modo de minimizar el tiempo total
b) Para cuándo debe comprometerse a entregar el trabajo
c) ¿Cómo sería la formulación si un programador puede desarrollar más de un
módulo?
a) ¿Cuál es la opción que más le conviene hacer a la empresa?
a. Si la utilidad unitaria de las sillas disminuye a $16, ¿Cómo se afecta a la solución

óptima y el objetivo?
pág. 64
CUARTA UNIDAD
Tema Nº 7: ADMINISTRACIÓN DE PROYECTOS PERT/CPM
7.1 Introducción
En muchas situaciones los administradores son responsables de planear, programar y
controlar proyectos compuestos de numerosas actividades, tareas, y complejos
procesos. Estos pueden variar en un rango de menor a mayor complejidad en relación
directa al monto de la inversión, en esta última se hace difícil coordinar la duración, su
presupuesto, la precedencia todas las actividades.
La existencia de métodos cuantitativos muy relacionados entre sí como el PERT y el CPM
asisten eficazmente al administrador de proyectos. En esa oportunidad la variedad de
las utilidades de estas dos técnicas solo se estudiaran aquellas orientados a la
mercadotecnia como:
- Investigación y desarrollo de nuevos productos
- Conducción de una campaña publicitaria
- Capacitación a la fuerza de ventas
- Asesoría y consultoría en marketing
- Diseñar o modificar procesos productivos complejos
El origen de estas técnicas se debió a la complejidad de las tareas y actividades a
desarrollar en mega proyectos donde decenas, centenas y millares de actividades en el
campo militar eran necesarias planear, programa y controlar. Un factor que complica el
término a una fecha determinada de tales actividades es la interdependencia de las
mismas, por ejemplo: Algunas actividades dependen de la terminación de otras antes
de que puedan iniciarse. Los proyectos pueden llegar a varios miles de tareas o
actividades por lo que los administradores de proyectos buscan procedimientos a
responder a algunas interrogantes como:
1. ¿De qué modo puede desplegarse el proyecto en forma gráfica para visualizar
mejor el flujo de actividades?
2. ¿Cuál es el tiempo total para terminar el proyecto?
3. ¿Cuáles son las fechas programadas de inicio y término para cada una de las
actividades?
4. ¿Cuáles son las actividades cuello de botella denominadas actividades críticas?,
¿dónde deben evitarse los retrasos?
5. Dada la incertidumbre al estimar con precisión las duraciones de las actividades
¿Cuál es la probabilidad de terminar el proyecto a la fecha programada?
6. Si se gasta dinero adicional para acelerar el proyecto o para evitar penalidades
por la demora en la entrega o finalización del proyecto. ¿Cuál es la forma menos
costosa de intentar cumplir con el tiempo programado?
En toda actividad a realizar se requieren conocimientos precisos y claros de lo que se
va a ejecutar, de su finalidad, viabilidad, elementos disponibles, capacidad financiera,
etc. Esta etapa aunque esencial para la ejecución del proyecto no forma parte del
método. Es una etapa previa que se debe desarrollar separadamente y para la cual
también puede utilizarse el Método del Camino Critico. Es una investigación de objetivos,
métodos y elementos viables y disponibles.
De modo que el PERT CPM, es un instrumento de dirección válido para obtener la
seguridad en la planificación y control y es aplicable en todos los niveles de complejidad,
desde los problemas simples y de corto plazo, hasta el más complicado y de largo
alcance.
pág. 65
7.2 Procedimiento para trazar un modelo de red

Para aplicar CPM o PERT se requiere conocer la lista de actividades que incluye un
proyecto. Se considera que el proyecto está terminado cuando todas las actividades han
sido completadas. Para cada actividad, puede existir un conjunto de actividades
predecesoras que deben ser completadas antes de que comience la nueva actividad. Se
construye una malla o red del proyecto para graficar las relaciones de precedencia entre
las actividades. En dicha representación gráfica, cada actividad es representada como
un arco y cada nodo ilustra la culminación de una o varias actividades.
Consideremos un proyecto que consta de solo dos actividades A y B. Supongamos que
la actividad A es predecesora de la actividad B. La representación gráfica de este
proyecto se muestra en la figura. Así, el nodo 2 representa la culminación de la actividad
A y el comienzo de la actividad B.
A B
1 2 3
Si suponemos ahora que las actividades A y B deben ser terminadas antes que una
actividad C pueda comenzar, la malla del proyecto queda como se muestra en la figura2.
En este caso, el nodo representa que las actividades A y B se han terminado, además
del inicio de la actividad C. Si la actividad A fuera predecesora de las actividades B y C,
la red quedara como se muestra.
A
1
2 C B
Proyecto de tres actividades
Dado un conjunto de actividades y sus relaciones de predecesoras, se puede construir

una representación gráfica de acuerdo a las siguientes reglas:
 El nodo 1 representa el inicio del proyecto. Por lo tanto, las actividades que
parten del nodo 1 no pueden C tener predecesoras.
 El nodo Terminal o final del proyecto debe representar el término de todas las
actividades incluidas en la red.
 Una actividad no puede ser representada por más de un arco en la red.
 Dos nodos deben estar conectados por a lo más un arco.
Para no violar las reglas 3 y 4, a veces es necesario introducir una actividad artificial
o dummy que posee tiempo de duración nulo. Por ejemplo, supongamos que las
actividades A y B son predecesoras de la actividad C y además comienzan al mismo
tiempo. En este caso, una primera representación podría ser la indicada en la figura 2.4.
Sin embargo, la red de la figura 3 viola la regla 4. Para corregir este problema, se
introduce una actividad artificial indicada con un arco segmentado en la figura
La red de la figura 4 refleja el hecho de que la actividad C tiene como predecesoras a A
y B, pero sin violar la regla 4. En otros casos, se deben agregar actividades artificiales
para no violar la regla 3.
1 2
B C
A y B predecesoras de C
pág. 66
Razones para usar actividades ficticias:

a) Para evitar que dos o más actividades tengan el mismo Evento inicial y final y
b) Para representar relaciones de precedencia que de otra manera no pueden ser
representadas. Una red bien debe contener el mínimo necesario de este tipo de
actividades.
pág. 67
7.3 Pasos en el planeamiento del proyecto del CPM

a) Especifique las actividades individuales
De la estructura de la interrupción del trabajo, un listado se puede hacer de todas
las actividades en el proyecto. Este listado se puede utilizar como la base para
agregar la información de la secuencia y de la duración en pasos más últimos.
b) Determine la secuencia de las actividades
Algunas actividades son dependientes en la terminación de otras. Un listado de los
precursores inmediatos de cada actividad es útil para construir el diagrama de la
red del CPM.
c) Dibuje el diagrama de la red
Una vez que se hayan definido las actividades y el su ordenar, el diagrama del CPM
puede ser dibujado. El CPM fue desarrollado originalmente como actividad en red
del nodo (AON), pero algunos planificadores del proyecto prefieren especificar las
actividades en los arcos.
d) Estime la época de la terminación para cada actividad
El tiempo requerido para terminar cada actividad se puede estimar usando
experiencia previa o las estimaciones de personas bien informadas. El CPM es un
modelo determinista que no considera la variación en el tiempo de la terminación,
tan solamente un número se utiliza para la estimación del tiempo de una actividad.
e) Identifique la trayectoria crítica (la trayectoria más larga a través de la red)
La trayectoria crítica es la trayectoria de larga duración a través de la red. La
significación de la trayectoria crítica es que las actividades que intervienen en ella
no se pueden retrasar sin retrasar el proyecto. Debido a su impacto en el proyecto
entero, el análisis de trayectoria crítica es un aspecto importante del planeamiento
del proyecto. La trayectoria crítica puede ser identificada determinando los cuatro
parámetros siguientes para cada actividad:
 ES, Principio temprano.
 EF, principio tardío.
 LS, terminación temprana.
 LF, terminación tardía.
La época floja para una actividad es el tiempo entre su hora de salida más temprana
y más última, o entre su tiempo más temprano y más último del final. La holgura
es la cantidad de tiempo que una actividad se puede retrasar más allá de su
comienzo más temprano o final más temprano sin retrasar el proyecto.
La trayectoria crítica es la trayectoria a través de la red del proyecto en la cual
ningunas de las actividades tienen holgura, es decir, la trayectoria para la cual
ES=LS y EF=LF para todas las actividades en la trayectoria. Retrasa en la
trayectoria crítica retrasa el proyecto. Semejantemente, acelere el proyecto que es
necesario reducir el tiempo total requerido para las actividades en la trayectoria
crítica.
f) Ponga al día el diagrama del CPM
Pues progresa el proyecto, los tiempos reales de la terminación de la tarea serán
sabidos y el diagrama de la red se puede poner al día para incluir esta información.
Una trayectoria crítica nueva puede emerger, y los cambios estructurales se pueden
realizar en la red si los requisitos del proyecto cambian.
g) Limitaciones del CPM
El CPM fue desarrollado para el complejo pero los proyectos bastante rutinarios con
incertidumbre mínima en los tiempos de la terminación del proyecto. Para menos
proyectos de la rutina hay más incertidumbre en los tiempos de la terminación, y
límites de esta incertidumbre la utilidad del modelo determinista del CPM. Una
alternativa al CPM es el modelo del planeamiento del proyecto del PERT, que permite
que una gama de duraciones sea especificada para cada actividad.
pág. 68
Ejemplo: Construcción de un Complejo Deportivo

La universidad del Estado está considerando construir un complejo atlético de sus
múltiples dentro de su campo. El complejo proveerá un gimnasio para juegos inter-
universidades, espacio de oficinas, salones de clases y todos los servicios necesarios
dentro de él. Las actividades que serán emprendidas antes de su construcción se
muestran, con la información necesaria, a continuación:
Actividades
Actividad Descripción Duración
Precedentes
A Estudios del sitio para la construcción ------ 6

B Desarrollo del diseño inicial ------ 8
C Obtener aprobación de las instancias A,B 12
superiores
D Seleccionar al arquitecto C 4
E Establecer el presupuesto C 6
F Finalizar el diseño D,E 15
G Obtener financiamiento E 12
H Contratar al constructor F,G 8
7.4. Utilidad de las técnicas PERT y CPM

El PERT/CPM fue diseñado para proporcionar diversos elementos útiles de
información para los administradores del proyecto.
a) Expone la "ruta crítica" de un proyecto. Estas son las actividades que limitan la
duración del proyecto. En otras palabras, para lograr que el proyecto se realice
pronto, las actividades de la ruta crítica deben realizarse pronto. Por otra parte,
si una actividad de la ruta crítica se retarda, el proyecto como un todo se retarda
en la misma cantidad. Las actividades que no están en la ruta crítica tienen una
cierta cantidad de holgura; esto es, pueden empezarse más tarde, y permitir
que el proyecto como un todo se mantenga en programa.
b) Identifica estas actividades y la cantidad de tiempo disponible para retardos.
c) Considera los recursos necesarios para completar las actividades. En muchos
proyectos, las limitaciones en mano de obra y equipos hacen que la
programación sea difícil.
pág. 69
d) Identifica los instantes del proyecto en que estas restricciones causarán

problemas y de acuerdo a la flexibilidad permitida por los tiempos de holgura de
las actividades no críticas, permite que el gerente manipule ciertas actividades
para aliviar estos problemas.
e) Proporciona una herramienta para controlar y monitorear el progreso del
proyecto. Cada actividad tiene su propio papel en éste y su importancia en la
terminación del proyecto se manifiesta inmediatamente para el director del
mismo. Las actividades de la ruta crítica, permiten por consiguiente, recibir la
mayor parte de la atención, debido a que la terminación del proyecto, depende
fuertemente de ellas. Las actividades no críticas se manipularan y remplazaran
en respuesta a la disponibilidad de recursos.
Simplemente hablando, el PERT-CPM es una técnica de planificación y un instrumento
de control de la dirección que utiliza la teoría de la “Red”. Una vez definidas las varias
actividades que componen el proyecto, se forma con ellos la “Red”, mostrando la
sucesión de las actividades en secuencia lógica y el grado de interdependencia entre
ellas. Se estima el tiempo de duración asociado a cada actividad, y se determinan las
partes críticas del proyecto La “Red” es el mapa, la representación gráfica de la
organización interna del proyecto.
7.5. Programación de proyectos

Una vez elaborado el diagrama queda clara la secuencia de actividades y se puede
pasar a la programación de las mismas. Para ello, es necesario conocer las
duraciones de las distintas actividades. Generalmente, éstas no se pueden fijar con
exactitud, ya que son muchos los factores de carácter aleatorio que están relacio-
nados con ellas. Sirva de ejemplo la actividad «escribir un informe»: ¿nos podría
decir qué tiempo tardada usted? Suponemos que la respuesta sería algo parecido a
«depende». El PERT aborda este problema evaluando la duración de una actividad
a partir de tres estimaciones:
a) Duración optimista: que representa el tiempo mínimo en que podría ejecutarse la
actividad si todo marchara excepcionalmente bien, no produciéndose ningún
contratiempo durante la fase de ejecución. Se considera que la probabilidad de
poder finalizar la actividad en esta duración no es Superior al 1 por 100.
b) Duración más probable, o estimación modal, que es el tiempo que, normalmente,
se empleará en ejecutar la actividad; en el caso de que dicha tarea se hubiera
realizado varias veces, sería la duración con mayor frecuencia de aparición.
c) Duración pesimista, que representa el tiempo máximo en que se podría ejecutar la
actividad si todas las circunstancias que influyen en su duración fueran totalmente
desfavorables su probabilidad se considera, como máximo, del 1 por 100.
7.6. Ventajas del PERT y CPM

a) Enseña una disciplina lógica para planificar y organizar un programa detallado
de largo alcance.
b) Proporciona una metodología estándar de comunicar los planes del proyecto me-
diante un cuadro de tres dimensiones (tiempo, personal; costo).
c) Identifica los elementos (segmentos) más críticos del plan, en que problemas
potenciales puedan perjudicar el cumplimiento del programa propuesto.
d) Ofrece la posibilidad de simular los efectos de las decisiones alternativas o
situaciones imprevistas y una oportunidad para estudiar sus consecuencias en
relación a los plazos de cumplimiento de los programas.
e) Aporta la probabilidad de cumplir exitosamente los plazos propuestos.
pág. 70
En otras palabras: CPM es un sistema dinámico, que se mueve con el progreso del
proyecto, reflejando en cualquier momento el STATUS presente del plan de acción.
El administrador de proyectos no tiene por qué saber el manejo matemático de las
herramientas de planeación que muchas veces es complicado, pero es fundamental
saber los conceptos, el ¿Por qué? y ¿Cuándo? usar cada técnica, y como sacar provecho
de los resultados de las mismas para la toma de decisiones
Las técnicas de planificación por redes son únicas en su forma, especialmente por lo
que respecta a los conceptos de la ruta crítica. Los conceptos relativos a nivelación de
cargas, costo mínimo y programación de recursos limitados han aportado una base
racional a una dirección de proyectos que se apoya en planes amplios cuidadosamente
tratados. Se puede decir que los planes se derivan del análisis de diversas alternativas
sobresalientes. Estando basados en la computadora, se pueden aplicar a sistemas muy
grandes. Son flexibles, de manera que se pueden modificar cuando así lo aconseje la
experiencia.
Una vez establecidas la red de actividades, la ruta crítica y los datos estadísticos del
programa se tiene un plan de proyecto. De la información se puede extraer datos
adicionales con respecto a la demanda de recursos del programa inicial; es posible la
formulación de programas alternativos, con el fin de nivelar las cargas. La distribución
del tiempo que se supone para la actividad se define por tres estimados, (estimado de
tiempo probable, tiempo optimista, tiempo pesimista) tomado en cuenta que el tiempo
de terminación del proyecto es la suma de todos los tiempos esperados de las
actividades sobre la ruta crítica, de ese modo se sabe que las distribuciones de los
tiempos de las actividades son independientes y la varianza del proyecto es la es la
suma de las varianzas de las actividades en la ruta crítica.
Mientras que el CPM y PERT son esencialmente lo mismo, sus matices hacen cada uno
aplicable más que el otro en situaciones diferentes. En ambos métodos la información
esencial deseada es la ruta crítica y las holguras. Estas, le permiten al director del
proyecto hacer decisiones con base a información, basado en el principio de
administración por excepción, sobre los planes y proyectos del trabajo actual y
monitorear el progreso del proyecto.
7.7. Pasos en el método PERT (Program Evaluation and Review Technique)

En CPM se asume que la duración de cada actividad es conocida con certeza.
Claramente, en muchas ocasiones este supuesto no es válido. PERT intenta
corregir este error suponiendo que la duración de cada actividad es una variable
aleatoria. Para cada activad, se requiere estimar las siguientes cantidades:
a=Tiempo Optimista. Duración de la actividad bajo las condiciones más

favorables
b=Tiempo Pesimista. Duración de la actividad bajo las condiciones más
desfavorables
m=Tiempo Normal. El valor más probable de la duración de la actividad.
La forma de la distribución se muestra en la figura, tiempo más probable es el

tiempo requerido para completar la actividad bajo condiciones normales. Los
tiempos optimistas y pesimistas proporcionan una medida de la incertidumbre
inherente en la actividad, incluyendo desperfectos en el equipo, disponibilidad de
mano de obra, retardo en los materiales y otros factores.
pág. 71
7.8. Asignación de tiempos

Es necesario estimar los tiempos de las tareas incluidas en la red. Para ello se
podrá disponer de sistemas de estudio y medición del trabajo, de estadísticas
históricas o de datos de ejecución de tareas iguales, similares o comparables.
Cuando mencionamos las diferencias entre CPM y PERT, dijimos que para el
primero, la determinación de tiempo de cada una de las tareas es estimada
mientras que para el segundo la determinación es probabilística. Es decir, la
técnica PERT hace un uso explícito de la teoría de la probabilidad mientras que en
el CPM es intuitivo.
Sintetizando, el método PERT utiliza tres distintas estimaciones de tiempo, que se
aplican al caso de planes desarrollados para aplicaciones no tradicionales, en que
existe un desconocimiento total de la duración de una actividad:
 Estimaciones optimistas (to): duración mínima en que la tarea puede ser
finalizada.
 Estimación pesimista (tp): duración máxima en que la tarea puede ser
totalizada.
 Estimación más probable (tm): representa el valor más probable, es decir el
de mayor frecuencia, o sea, la moda.
Con estos tiempos, podemos obtener el tiempo esperado (te) bajo la siguiente
fórmula:
𝑡𝑜 + 4𝑡𝑚 + 𝑡𝑝
𝑡𝑒 =
6
La ventaja de tener tres estimaciones de los tiempos de cada actividad es que
puede calcularse la dispersión de los tiempos y puede utilizarse esta información
para evaluar la incertidumbre de que el proyecto se termine de acuerdo con el
programa.
Cálculos básicos:
La siguiente parte del proceso, que es la determinación de los tiempos en cada
actividad.
Lo primero que tendríamos que hacer es calcular el tiempo más temprano de iniciación
de cada actividad (ES), que está determinado por el tiempo de terminación de las
actividades predecesoras a esta.
pág. 72
El tiempo más temprano de terminación de una actividad (EF) es igual al tiempo más
temprano de inicio de dicha actividad (ES) más el tiempo esperado de la actividad (t),
es decir:
EF = ES + t
Regla de tiempo de ES  El tiempo más temprano de inicio de una actividad (ES) es

igual al más tardío de los tiempos más tempranos de terminación de las actividades
predecesoras.
Por otro lado, el ES de una actividad sin predecesores es 0.
Una vez terminado este proceso (conocido como “proceso hacia adelante”), haremos el
“proceso hacia atrás”, el cual nos servirá para determinar los tiempos más tardíos de
inicio y terminación de cada una de las actividades.
Como su nombre lo dice, esta parte del proceso es “hacia atrás” ya que iniciamos
calculando el tiempo más tardío de terminación (LF) de la última actividad, que es igual
al tiempo más temprano de terminación (EF) de esta misma actividad (que es el mismo
del proyecto).
El tiempo más tardío de inicio (LS) de cada actividad es igual al tiempo más tardío de
terminación (LF) menos el tiempo esperado de la actividad (t), esto es:
LS = LF – t
Regla de tiempo para LF  El tiempo más tardío de terminación (LF) para una actividad
es igual al menor de los tiempos más tardíos de inicio (LS) de sus actividades sucesoras.
Una vez terminada esta actividad, ya podemos definir la ruta crítica, que es la formada
por las actividades críticas de la red. Las actividades críticas son aquellas que tienen un
tiempo de holgura igual a cero.
Tiempo de holgura = LS – ES = LF – EF
Resumen del procedimiento de diagramación de red:

1. Identificar todas las actividades relacionadas con el proyecto
2. Determinar las relaciones de precedencia entre las actividades
3. Estimar el tiempo de terminación de cada actividad
4. Elaborar la red del proyecto, mostrando las relaciones de precedencia
5. Con el proceso “hacia delante” calcular el tiempo más temprano de inicio (ES) y
el tiempo más temprano de terminación (EF) de cada actividad
6. Con el proceso “hacia atrás” calcular el tiempo más tardío de terminación (LF) y
el tiempo más tardío de inicio (LS) de cada actividad
7. Calcular el tiempo de holgura de cada actividad
8. Identificar la ruta crítica del proyecto
Una de las características de este modelo es el poder manejar la incertidumbre en los
pronósticos de tiempo para terminar las tareas
pág. 73
CONSIDERACIÓN DE LOS INTERCAMBIOS DE TIEMPO Y COSTO
Los desarrolladores originales de CPM dieron al administrador del proyecto la posibilidad

de agregar recursos a actividades seleccionadas para reducir el tiempo de terminación
del proyecto. Los recursos añadidos (como más trabajadores, tiempo extra y otros)
generalmente incrementan los costos del proyecto, por lo que la decisión de reducir los
tiempos de las actividades debe tomar en consideración el costo adicional involucrado.
En efecto, el administrador del proyecto tiene que tomar una decisión que implica
negociar un tiempo más reducido de actividad contra un costo adicional del proyecto.
La tabla siguiente define un proyecto de mantenimiento de dos máquinas que involucra
cinco actividades. Dado que la administración ha tenido gran experiencia con proyectos
similares, se considera que los tiempos para las actividades de mantenimiento son
conocidos; por lo que se da una sola estimación de tiempo para cada actividad.
El procedimiento para efectuar cálculos de camino crítico para la red del proyecto de
mantenimiento es el mismo que utilizamos para determinar el camino crítico en las
redes tanto para el proyecto de expansión del Western Hills Shopping Center como para
el proyecto Porta-Vac. Efectuando los cálculos de pase hacia adelante y pase hacia atrás
de la red obtuvimos el programa de actividades que aparece en la tabla.
Los tiempos de holgura cero, y por lo tanto el camino crítico, quedaron asociados con
las actividades A-B-E. La duración del camino crítico, y por lo tanto el tiempo total
requerido para finalizar el proyecto, es de 12 días.
Tiempos de actividades apresuradas

Ahora suponga que los niveles actuales de producción hacen imperativo terminar el
proyecto de mantenimiento en diez días. Observando la duración del camino crítico de
la red (12 días) nos damos cuenta de que es imposible cumplir con el tiempo deseado
de finalización del proyecto a menos que podamos reducir algunos tiempos
seleccionados de actividad. Esta reducción de los tiempos de actividad, que por lo
general se puede conseguir agregando recursos, se conocen como apresurar. Sin
embargo, los recursos añadidos asociados con tiempos de actividad de apresuramiento
pág. 74
generalmente dan como resultado costos agregados del proyecto, por lo que
requeriremos identificar las actividades cuyo apresuramiento cuesta menos y a
continuación apresurar esas actividades únicamente lo necesario para cumplir con el
tiempo deseado de finalización del proyecto.
Para determinar simplemente dónde y cuánto apresurar los tiempos de actividad,
necesitamos información sobre cuánto se puede apresurar cada una de las actividades
y cuánto cuesta este proceso de apresuramiento, por lo que debemos solicitar la
siguiente información:
1. Costo de la actividad bajo el tiempo de actividad normal o esperado
2. Tiempo para finalizar la actividad bajo un apresuramiento máximo (es decir,
el tiempo de actividad más corto posible)
3. Costo de la actividad bajo apresuramiento máximo.
Actividad
PROBLEMAS PROPUESTOS DE PROGRAMACIÓN DE PROYECTOS

1. Corporación de Alimentos S.A. fabrica y distribuye diversos productos alimenticios que
se venden a través de tiendas de abarrotes y supermercados. La empresa recibe
pedidos directamente de cada una de las tiendas individuales: un pedido típico solicita
la entrega de varias cajas de bienes que abarcan entre 20 a 50 productos diferentes,
Bajo la operación actual del almacén de la empresa, los almaceneros despachan
personalmente seleccionando los pedidos llevándolos al área de embarque. Debido a
los elevados costos de la mano de obra y a la relativa baja productividad de la selección
manual de pedidos, la administración ha decidido automatizar la operación del
almacén instalando un sistema de selección de pedidos controlado por computadora,
junto con un sistema de banda o faja transportadora para mover los productos del
área de almacenaje a la área de embarque.
El gerente de logística de la Corporación fue designado administrador del proyecto
encargado del sistema automatizado. Después de consultar con el área de ingeniería
y de administración se ha realizado una listado actividades y los tiempos de las
mismas, las que son:
Act Descripción Precedente Te
A Determinar necesidades del equipo - 4
B Obtener cotizaciones de los proveedores - 6
C Seleccionar proveedor A, B 2
D Diseñar el sistema de pedidos C 8
E Diseñar nueva disposición física del almacén C 7
F Acondicionar el almacén E 4
G Diseñar interface con la computadora C 4
H Realizar el interface de la computadora D, F, G 4
I Instalar sistema D, F 4
J Capacitar a los operadores del sistema H 3
K Probar el sistema I, J 2
Se desea conocer: El grafico del proyecto indicando su duración y el / los caminos

critico/s
pág. 75
2. Un empresario que se dedica a la venta de cueros y suelas ha decidido incursionar en

la fabricación de calzados y propone para la puesta en marcha de su proyecto de
inversión, las siguientes actividades hasta el inicio de sus operaciones fabriles y le ha
dado un plazo de 6 semanas para terminar la implementación.
(Emplea a su sobrino para administrar –implementar y ejecutar- el proyecto ya que
no desea tener desavenencias con clientes de su tienda de cueros y suelas que son
fabricantes de calzados)
Actividad Precedente Duración (días)

A E 4
B - 10
C D, E, F 3
D A, B 16
E - 5
F H 10
G H 12
H A, B 15
I C, G 7
Se desea conocer:
a. Gráfico de las actividades
b. Las actividades críticas (camino crítico)
c. ¿Puede asegurarse en las condiciones actuales terminar el proyecto en 42
días?
d. A su criterio ¿qué debería realizarse para cumplir con el plazo previsto?
3. En un proyecto de inversión las actividades que se desarrollaran son las siguientes:
Act. Descripción Precedente Duración (días)

A Acondicionar los puntos de venta - 12
B Contratar vendedoras A 6
C Instruir vendedoras B 13
D Seleccionar agencia de publicidad A 3
E Planear campaña de publicidad D 7
F Dirigir campaña de publicidad E 17
G Diseñar etiqueta (de especificaciones) - 3
H Fabricar etiqueta G 14
I Colocar etiqueta a stocks iniciales H, J 8
J Especificar lotes al fabricante - 15
K Seleccionar distribuidores A 13
L Vender a los distribuidores C, K 11
M Enviar mercadería a los distribuidores I, L 9
pág. 76
Se desea conocer:
a. ¿Cuál es el menor número de días, necesarios para introducir al mercado el
nuevo producto?
b. Si se contratara vendedoras con experiencia y se elimina la actividad de
instrucción ¿Qué sucedería con el plazo mínimo de terminación del proyecto?
4. Antes de poder introducir un nuevo producto al mercado se deben realizar todas las
actividades que se muestran en la tabla (todos los tiempos están en semanas).
Actividad Descripción Predecesores a b m

A Diseño del producto - 2 10 6
B Estudio de mercado - 4 6 5
C Emitir ordenes de materiales A 2 4 3
D Recibir materiales C 1 3 2
E Construir prototipo A, D 1 5 3
F Desarrollo y promoción B 3 5 4
G Producción masiva E 2 6 4
H Distribuir producto PDV G, F 0 4 2
Dibuje la malla del proyecto y determine la ruta crítica. Interprete sus resultados.
Realice un modelo de programación lineal que permita determinar la duración mínima
del proyecto.
5. Una empresa de micro finanzas de la ciudad de Huancayo desea abrir otra sucursal
en la ciudad de Ayacucho, la junta de accionistas ha puesto un plazo inflexible de 24
semanas para la apertura. El grupo “analistas de sistemas y operaciones” esta a cargo
de la planeación, programación y control de este proceso, cuidando de que todo se
desarrolle de acuerdo a lo planeado y que se cumpla con el plazo previsto.
La nueva sucursal es casi difícil aunque hay relativa experiencia en apertura de
otras sucursales, esta es sui géneris ya que se prevé darle mayor autonomía para
tratar de ser centro de operaciones de otras sucursales que también planean abrir
en Andahuaylas, Puno y Cuzco.
Se debe elegir entre:
- Acondicionar un local céntrico de la ciudad
- Construir un nuevo local previamente derrumbar la construcción
antigua o
- Alquilar un piso de un edificio céntrico
- Determinar cuántos empleados de la sede central Huancayo se mudaran
a Ayacucho, cuantos se contratan y cuántos de ellos deben ser
capacitados
El grupo de sistemas y la oficina de planeamiento deben organizar e instrumentar
los procedimientos operativos y los desembolsos a seguir en cada actividad de la
apertura de la nueva sede.
pág. 77
Los arquitectos tienen que diseñar el espacio interior, el estilo de la tienda y contar
con la superficie suficiente, previamente el estudio de mercado ha determinado que
gradualmente se incrementara la cantidad de clientes.
Un segundo motivo de complicación es que hay interdependencia de actividades
como por ejemplo:
 No se puede amoblar las oficinas, no sin antes haberlas acabado y previamente
haberlas diseñado.
 Tampoco puede contratarse nuevos empleados mientras no se haya
determinado el requerimiento de personal.
Pasos a seguir:
Debe efectuarse un listado de actividades (no tareas) necesarias del proyecto,
estableciendo la relaciones de precedencia correspondiente.
Actividad Descripción Precedente Tiempo

(semanas)
A Crear el plan financiero y de - 3
organización
B Elegir ubicación de la sede - 5
C Determinar requerimiento d personal B 3
D Diseñar ambientes del local A, C 4
E Construir – acondicionar el local D 8
F Determinar personal a trasladar de sede C 2
G Contratar nuevos empelados F 4
H Trasladar sistemas y personal clave F 2
I Probar sistemas y hacer ajustes B 5
financieros con central
J Entrenar nuevo personal H, E, G 3
K Apertura de nueva sede J 1
Se desea conocer: El gráfico del proyecto indicando su duración y el / los caminos

critico/s
pág. 78
QUINTA UNIDAD
Tema Nº 8: SISTEMA DE LÍNEA DE ESPERA
La teoría de líneas de espera se originó en los trabajos de A. K. Erlang que principiaron

eh 1909. Experimento con un problema relacionado con la congestión del tráfico
telefónico. Durante los periodos ocupados, los que pretendan hacer llamadas sufran
algunas demoras, porque las operadoras eran incapaces de atender las llamadas con la
rapidez con que se hacían. El problema original que trato Erlang fue el cálculo de esa
demora para una operadora, y en 1917 los resultados se extendieron al caso de varias
operadoras. En ese año Erlang publicó su obra muy conocida, Solutions of Some
Problems in the Theory of Probabilities of Significance in Automatic Telephone
Exchanges. Los adelantos en el campo del tráfico telefónico continuaron generalmente
en el sentido iniciado por Erlang, y las publicaciones principales fueron las de Molina en
1927 y de Thornton D. Fry en 1928, pero solo fue hasta el fin de la Segunda Guerra
Mundial cuando esos trabajos se extendieron a otros problemas relacionados con líneas
de espera. Inicialmente, este capítulo se concentrara en las derivaciones matemáticas
de las fórmulas de un problema de líneas de espera de un solo canal. Los modelos
matemáticos para problemas de líneas de espera de canales múltiples, se darán sin
ninguna prueba matemática. Se presentara el método de Montecarlo, que básicamente
es una técnica de simulación en la que se crean funciones estadísticas de distribución,
usando una tabla de números aleatorios. Se empleara para resolver problemas de líneas
de espera de un solo canal y de canales múltiples.
8.1 Modelo de formación de colas.

En los problemas de formación de cola, a menudo se habla de clientes, tales como
personas que esperan la desocupación de líneas telefónicas, la espera de máquinas
para ser reparadas y los aviones que esperan aterrizar y estaciones de servicios, tales
como mesas en un restaurante, operarios en un taller de reparación, pistas en un
aeropuerto, etc. Los problemas de formación de colas a menudo contienen una
velocidad variable de llegada de clientes que requieren cierto tipo de servicio, y una
velocidad variable de prestación del servicio en la estación de servicio.
Cuando se habla de líneas de espera, se refieren a las creadas por clientes o por las
estaciones de servicio. Los clientes pueden esperar en cola simplemente porque los
medios existentes son inadecuados para satisfacer la demanda de servicio; en este
caso, la cola tiende a ser explosiva, es decir, a ser cada vez más larga a medida que
transcurre el tiempo. Las estaciones de servicio pueden estar esperando por que los
medios existentes son excesivos en relación con la demanda de los clientes; en este
caso, las estaciones de servicio podrían permanecer ociosas la mayor parte del tiempo.
Los clientes puede que esperen temporalmente, aunque las instalaciones de servicio
sean adecuadas, porque los clientes llegados anteriormente están siendo atendidos.
Las estaciones de servicio pueden encontrar temporal cuando, aunque las
instalaciones sean adecuadas a largo plazo, haya una escasez ocasional de demanda
debido a un hecho temporal. Estos dos últimos casos tipifican una situación equilibrada
que tiende constantemente hacia el equilibrio, o una situación estable.
En la teoría de la formación de colas, generalmente se llama sistema a un grupo de

unidades físicas, integradas de tal modo que pueden operar al unísono con una serie
de operaciones organizadas. La teoría de la formación de colas busca una solución al
problema de la espera prediciendo primero el comportamiento del sistema. Pero una
solución al problema de la espera consiste en no solo en minimizar el tiempo que los
clientes pasan en el sistema, sino también en minimizar los costos totales de aquellos
que solicitan el servicio y de quienes lo prestan.
pág. 79
La teoría de colas incluye el estudio matemático de las colas o líneas de espera y

provee un gran número de modelos matemáticos para describirlas.
Se debe lograr un balance económico entre el costo del servicio y el costo asociado
a la espera por ese servicio.
La teoría de colas en sí no resuelve este problema, sólo proporciona información

para la toma de decisiones.
Objetivos de la Teoría de Colas
Los objetivos de la teoría de colas consisten en:
 Identificar el nivel óptimo de capacidad del sistema que minimiza el coste

global del mismo.
 Evaluar el impacto que las posibles alternativas de modificación de la
capacidad del sistema tendrían en el coste total del mismo.
 Establecer un balance equilibrado (“óptimo”) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
 Hay que prestar atención al tiempo de permanencia en el sistema o en la
cola: la “paciencia” de los clientes depende del tipo de servicio específico
considerado y eso puede hacer que un cliente “abandone” el sistema.
8.2. Elementos existentes en un modelo de colas
Fuente de entrada o población potencial: Es un conjunto de individuos (no

necesariamente seres vivos) que pueden llegar a solicitar el servicio en cuestión.
Podemos considerarla finita o infinita. Aunque el caso de infinitud no es realista, sí
permite (por extraño que parezca) resolver de forma más sencilla muchas
situaciones en las que, en realidad, la población es finita pero muy grande. Dicha
suposición de infinitud no resulta restrictiva cuando, aun siendo finita la población
potencial, su número de elementos es tan grande que el número de individuos que
ya están solicitando el citado servicio prácticamente no afecta a la frecuencia con la
que la población potencial genera nuevas peticiones de servicio.
pág. 80
Cliente: Es todo individuo de la población potencial que solicita servicio. Suponiendo

que los tiempos de llegada de clientes consecutivos son 0<t1<t2<..., será
importante conocer el patrón de probabilidad según el cual la fuente de entrada
genera clientes. Lo más habitual es tomar como referencia los tiempos entre las
llegadas de dos clientes consecutivos: T{k} = tk - tk-1, fijando su distribución de
probabilidad. Normalmente, cuando la población potencial es infinita se supone que
la distribución de probabilidad de los Tk (que será la llamada distribución de los
tiempos entre llegadas) no depende del número de clientes que estén en espera de
completar su servicio, mientras que en el caso de que la fuente de entrada sea finita,
la distribución de los Tk variará según el número de clientes en proceso de ser
atendidos.
Capacidad de la cola: Es el máximo número de clientes que pueden estar haciendo

cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita.
Lo más sencillo, a efectos de simplicidad en los cálculos, es suponerla infinita.
Aunque es obvio que en la mayor parte de los casos reales la capacidad de la cola
es finita, no es una gran restricción el suponerla infinita si es extremadamente
improbable que no puedan entrar clientes a la cola por haberse llegado a ese número
límite en la misma.
Disciplina de la cola: Es el modo en el que los clientes son seleccionados para ser
servidos. Las disciplinas más habituales son:
La disciplina FIFO (first in first out), también llamada FCFS (first come first served):
según la cual se atiende primero al cliente que antes haya llegado.
La disciplina LIFO (last in first out), también conocida como LCFS (last come first
served) o pila: que consiste en atender primero al cliente que ha llegado el último.
La RSS (random selection of service), o SIRO (service in random order), que

selecciona a los clientes de forma aleatoria.
Mecanismo de servicio: Es el procedimiento por el cual se da servicio a los clientes

que lo solicitan. Para determinar totalmente el mecanismo de servicio debemos
conocer el número de servidores de dicho mecanismo (si dicho número fuese
aleatorio, la distribución de probabilidad del mismo) y la distribución de probabilidad
del tiempo que le lleva a cada servidor dar un servicio. En caso de que los servidores
tengan distinta destreza para dar el servicio, se debe especificar la distribución del
tiempo de servicio para cada uno.
pág. 81
La cola, propiamente dicha, es el conjunto de clientes que hacen espera, es decir

los clientes que ya han solicitado el servicio pero que aún no han pasado al
mecanismo de servicio.
El sistema de la cola: es el conjunto formado por la cola y el mecanismo de

servicio, junto con la disciplina de la cola, que es lo que nos indica el criterio de qué
cliente de la cola elegir para pasar al mecanismo de servicio. Estos elementos pueden
verse más claramente en la siguiente figura:
Un modelo de sistema de colas debe especificar la distribución de probabilidad de

los tiempos de servicio para cada servidor.
La distribución más usada para los tiempos de servicio es la exponencial, aunque es

común encontrar la distribución degenerada o determinística (tiempos de servicio
constantes) o la distribución Erlang (Gamma).
Notación de Kendall
Por convención los modelos que se trabajan en teoría de colas se etiquetan
Las distribuciones que se utilizan son:
• M: Distribución exponencial (markoviana)

• D : Distribución degenerada (tiempos constantes)
• E k : Distribución Erlang
• G : Distribución general
pág. 82
Terminología
Datos básicos:
• El número esperado de llegadas por unidad de tiempo se llama tasa media de

llegadas ()
• El tiempo esperado entre llegadas es 1/
• El tiempo esperado de servicio depende de la tasa media de servicio ()
• El tiempo esperado de servicio equivale a 1/
Medidas del desempeño del sistema de colas:
• Número esperado de clientes en la cola Lq

• Número esperado de clientes en el sistema Ls
• Tiempo esperado de espera en la cola Wq
• Tiempo esperado de espera en el sistema Ws
Fórmulas generales para las medidas del desempeño:
1
Ws  Wq 

Ls  Ws
Lq  Wq

Ls  Lq 

Factor de utilización del sistema:





s
Modelos de una cola y un servidor:
2
M/M/1: Lq 
 (   )
2 2   2
M/G/1: Lq 
2(1   )
2
M/D/1: Lq 
2(1   )
 2 (k  1)
M/Ek/1: Lq 
2k (1   )
pág. 83
Modelos de varios servidores:
1
P0 
  s  s 1  n
s
 
M/M/s: s!  s    n 0 n!
 s 
Lq  P0
( s  1)!( s   ) 2
3
Lq 
4 2
M/M/2 y M/M/3:
4
Lq 
(3   )(6  4    2 )
M/D/s
M/Ek/s
ANÁLISIS ECONÓMICO DE COLAS:
Costos
Costo
total
Costo del
servicio
Costo de
espera
Tasa óptima Tasa de
Características claves.
de servicio servicio
Existen dos clases básicas de tiempo entre llegadas:
Determinístico, en el cual clientes sucesivos llegan en un mismo intervalo de tiempo,

fijo y conocido. Un ejemplo clásico es el de una línea de ensamble, en donde los
artículos llegan a una estación en intervalos invariables de tiempo (conocido como
ciclos de tiempo)
Probabilístico, en el cual el tiempo entre llegadas sucesivas es incierto y variable.

Los tiempos entre llegadas probabilísticos se describen mediante una distribución de
probabilidad.
En el caso probabilístico, la determinación de la distribución real, a menudo, resulta

difícil. Sin embargo, una distribución, la distribución exponencial, ha probado ser
confiable en muchos de los problemas prácticos. La función de densidad, para una
distribución exponencial depende de un parámetro, digamos 𝜆 (letra griega lambda),
y está dada por:
pág. 84
f(t)=(1/ 𝜆 )e - 𝜆t
En donde l (lambda) es el número promedio de llegadas en una unidad de tiempo.
Con una cantidad, T, de tiempo se puede hacer uso de la función de densidad para
calcular la probabilidad de que el siguiente cliente llegue dentro de las siguientes T
unidades a partir de la llegada anterior, de la manera siguiente:
P(tiempo entre llegadas <=T)=1- e - 𝜆t
El proceso de servicio.
El proceso de servicio define cómo son atendidos los clientes. En algunos casos,
puede existir más de una estación en el sistema en el cual se proporcione el servicio
requerido. Los bancos y los supermercados, de nuevo, son buenos ejemplos de lo
anterior. Cada ventanilla y cada registradora son estaciones que proporcionan el
mismo servicio. A tales estructuras se les conoce como sistemas de colas de canal
múltiple. En dichos sistemas, los servidores pueden ser idénticos, en el sentido en
que proporcionan la misma clase de servicio con igual rapidez, o pueden no ser
idénticos. Por ejemplo, si todos los cajeros de un banco tienen la misma experiencia,
pueden considerarse como idénticos.
Al contrario de un sistema de canal múltiple, considere un proceso de producción

con una estación de trabajo que proporciona el servicio requerido. Todos los
productos deben pasar por esa estación de trabajo; en este caso se trata de un
sistema de colas de canal sencillo. Es importante hacer notar que incluso en un
sistema de canal sencillo pueden existir muchos servidores que, juntos, llevan a cabo
la tarea necesaria. Por ejemplo, un negocio de lavado a mano de automóviles, que
es una sola estación, puede tener dos empleados que trabajan en un auto de manera
simultánea
Otra característica del proceso de servicio es el número de clientes atendidos al

mismo tiempo en una estación. En los bancos y en los supermercados (sistema de
canal sencillo), solamente un cliente es atendido a la vez. Por el contrario, los
pasajeros que esperan en una parada de autobús son atendidos en grupo, según la
capacidad del autobús que llegue.
Otra característica más de un proceso de servicio es si se permite o no la prioridad,

esto es ¿puede un servidor detener el proceso con el cliente que está atendiendo
para dar lugar a un cliente que acaba de llegar? Por ejemplo, en una sala de urgencia,
la prioridad se presenta cuando un médico, que está atendiendo un caso que no es
crítico es llamado a atender un caso más crítico. Cualquiera que sea el proceso de
servicio, es necesario tener una idea de cuánto tiempo se requiere para llevar a cabo
el servicio. Esta cantidad es importante debido a que cuanto más dure el servicio,
más tendrán que esperar los clientes que llegan. Como en el caso del proceso de
llegada, este tiempo pude ser determinístico o probabilístico. Con un tiempo de
servicio determinístico, cada cliente requiere precisamente de la misma cantidad
conocida de tiempo para ser atendido. Con un tiempo de servicio probabilístico, cada
cliente requiere una cantidad distinta e incierta de tiempo de servicio. Los tiempos
de servicio probabilísticos se describen matemáticamente mediante una distribución
de probabilidad. En la práctica resulta difícil determinar cuál es la distribución real,
sin embargo, una distribución que ha resultado confiable en muchas aplicaciones, es
la distribución exponencial.
En general, el tiempo de servicio puede seguir cualquier distribución, pero, antes de
que pueda analizar el sistema, se necesita identificar dicha distribución.
pág. 85
8.3. Casos de líneas de espera

En la teoría de colas se estudian los procesos de llegada, tiempo en cola que pasa
el cliente, tiempo de servicio así como número de clientes que se encuentran. El
proceso de entrada se conoce por lo general como proceso de llegada, la llegada de
los clientes. Los modelos en los que las llegadas se toman de una población
pequeña se llaman modelos de origen finito. Ha servidores en paralelo como por
ejemplo los cajeros de un banco que están organizados generalmente en paralelo,
el otro es servidores en serie en los cuales se debe de pasar por varios de ellos
antes de completar el servicio un ejemplo de esto son la líneas de ensamble.
La disciplina de cola es el método que se usa para determinar el orden en que se
sirve a los clientes. La disciplina más común es la disciplina PLPS (primero en llegar
primero en ser servido), ULPS (último en llegar primero en ser servido) este se
puede ejemplificar cuando alguien es el último en subirse a un elevador lleno y el
primero que se baja, o sea el primero en ser servido. Disciplina SEOA (servicio en
orden aleatorio), DG disciplina general en la cola.
1. Naturaleza del proceso de llegada
2. Naturaleza de tiempos de servicio
3. Número de servidores en Paralelo
4. Disciplina de la cola
5. Número máximo de clientes en el sistema, incluyendo los que esperan y los que
están en ventanilla.
6. Tamaño de la población de la cual se toman los clientes.
Donde:
1. puede ser M: exponencial, D: tiempos de llegada son idénticamente
determinística. Ek: los tiempos entre llegadas son con distribución de Erlang con
parámetro de forma k. GI: los tiempos de llegadas son idénticamente
determinísticos y están gobernados por alguna distribución general.
2. M, D, Ek, G: los tiempos de servicio son idénticamente determinísticas y siguen
alguna distribución general.
3. PLPS, ULPS, SEOA, DG.
EJEMPLO 1
M/M/8/PLPS/10/ puede representar una clínica con 8 doctores (8) con tiempos
exponenciales de llegada y servicio (M/M/), la disciplina en la cola es el primero que
llega es el primero en ser servido (PLPS), y una capacidad de 10 pacientes (10) con una
población infinita ().
SISTEMA DE COLAS M/M/1/DG//
En este sistema la tasa de llegada y servicio son exponenciales con 1 servidor, disciplina
general en la cola con infinitos clientes en el sistema y población infinita.
 = número promedio de llegas que entran por unidad de tiempo
 = número de clientes que se atienden por unidad de tiempo
Lq = número promedio de clientes que esperan en la cola
Ls = número promedio de clientes en el sistema
Wq = tiempo promedio que pasa un cliente en la cola
Ws = tiempo promedio que pasa un cliente en el sistema
 = factor de utilización
pág. 86
𝜆
En estas definiciones, todos los promedios son para estado estable donde  = <1, si
𝜇
 >1 es fácil ver por qué no puede existir distribución de estado estable. Supongamos
=6 clientes por hora y que = 4 clientes por hora. Aun si el despachador estuviera
trabajando todo el tiempo, sólo podría atender a 4 clientes por hora. Así, el número
promedio de clientes en el sistema crecería al menos en 6 – 4 =2 clientes por hora. Esto
significa que después de mucho tiempo, el número de clientes que hay “explotaría” y
no podría existir distribución de estado estable. Entonces para cualquier sistema de
colas en el que exista una distribución de estado estable, se cumplen las siguientes
ecuaciones
Lq = .Wq; Ls = .Ws
EJEMPLO 2
A un cajero para automovilistas, sólo llega un promedio de 10 vehículos por
hora. Suponga que el tiempo promedio de servicio para cada cliente es de 4
minutos, y que los tiempos entre llegadas y los de servicio son exponenciales.
Conteste las siguientes preguntas.
a) ¿Cuál es la probabilidad de que el cajero se encuentre vacío?
b) ¿Cuál es el número promedio de automóviles que esperan en la cola su turno?,
se considera que un vehículo que está ocupando el cajero, no está en la cola
esperando.
c) ¿Cuál es el tiempo promedio que un cliente pasa en el estacionamiento del banco,
incluyendo el tiempo en el servicio?
d) En promedio, ¿Cuántos clientes por hora serán atendidos por el cajero
automático?
Solución:
Identificamos el modelo M/M/1/DG//, ya que no especifica la cantidad de clientes en
el sistema ni la población asumimos infinito, y se coloca una disciplina general.
Identificamos  = 10 vehículos/hora y =4 minutos/hora, lo primero que hay que fijarse
es que no están en las misma unidades entonces  la colocamos en vehículos por hora
si atiende 1 vehículo en 4 minutos entonces atenderá 15 en una hora por lo tanto =15
vehículos/hora. RECORDARSE SIEMPRE EN LAS MISMA UNIDADES.
a. La probabilidad de que el cajero se encuentre vació es Po = 1-  ;
𝜆 10 2
𝜌=𝜇= = = 0.667, entonces Po =1-0.667 = 0.33, por lo tanto el cajero estará
15 3
vació el 33% del tiempo.
𝜌2 0.6672
b. 𝐿𝑞 = 1−𝜌 = 1−0.667 = 1.33 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠
c. Ahora buscamos Ws que es el tiempo total de todo el sistema.

𝐿𝑠 2 1
𝑊𝑠 = = = ℎ𝑜𝑟𝑎 = 12 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
 10 5
d. Si el cajero estuviera ocupado siempre, podría atender 15 clientes por hora. Pero
sabemos que solo se está ocupado 0.67 del tiempo. Así que durante cada hora
llegaran 0.67 (15)=10 clientes. El valor de 0.67 se obtiene de 1-Po, que es el
tiempo que está ocupado.
EJEMPLO 3.
Supongamos que todos los propietarios de automóviles llenan sus tanques de gasolina
cuando están exactamente a la mitad, En la actualidad, llega un promedio de 7.5 clientes
por hora a una gasolinera que tiene una sola bomba surtidora. Se necesita un promedio
pág. 87
de 4 minutos para atender un automóvil. Suponga que tanto los tiempos entre llegadas
como los tiempos de servicio son exponenciales.
a) Para el caso actual, calcule L y W
b) Suponga que se presenta escasez de gasolina y que hay compras de pánico. Para
modelar este fenómeno, suponga que todos los propietarios de automóvil
compran gasolina cuando sus tanques les falta exactamente ¾ partes. Como
cada conductor pone menos gasolina al tanque durante cada visita a la
gasolinera, suponga que el tiempo promedio de servicio se ha reducido a 3.33
minutos ¿Cómo afecto la compra de pánico a L y a W?
Solución:
a) Al identificar el sistema observamos que es M/M/1/DG// con =7.5 vehículos
/hora y =15 vehículos por hora. Primero encontramos =7.5/15=0.50, nótese
que aquí se hace conversión porque  tiene diferentes unidades. Teniendo 
logramos obtener L =  / (1-) = 0.50 / (1-0.5) = 1 , luego obtenemos :
W = L/ = 1/7.5 = 0.13 horas. Con estos resultados podemos observar que todo
está bajo control y son improbables las largas colas.
b) Con la segunda opción tenemos el mismo sistema M/M/1/DG// con
=2(7.5)=15 vehículos por hora, se preguntar porque por 2 y es dado que el
cliente llenará con doble de frecuencia su tanque porque ahora no estar a la
mitad sino que 3/4, y visitara la gasolinera cada vez que se haya gastado 1/4 de
tanque. Y  es igual a 60/3.33 = 18 vehículos por hora donde =15/18=5/6.
Con los datos utilizamos las ecuaciones: L= (5/6) /(1-5/6) =5 automóviles y
W = 5/15 =1/3 horas = 20minutos.
Ya comparando se ve que las compras de pánico han originado colas mas largas
y tiempos más largos en el sistema.
EJEMPLO 4.
En una aerolínea se debe revisar cada pasajero, así como su equipaje, para ve si trae
armas. Suponga que al aeropuerto Internacional La Aurora llega un promedio de 10
pasajeros/minuto. Los tiempos entre llegadas son exponenciales. Para revisar a los
pasajeros, el aeropuerto debe tener una estación que consiste en un detector de metales
y una máquina de rayos X para el equipaje. Cuando está trabajando la estación se
necesitan dos empleados. Una estación puede revisar un promedio de 12 pasajeros/min.
Con la hipótesis que el aeropuerto sólo tiene una estación de verificación, responda las
siguientes preguntas.
a. ¿Cuál es la probabilidad de que un pasajero tenga que esperar para ser revisado?
b. En promedio, ¿Cuántos pasajeros esperan en la cola para entrar a la estación?
c. En promedio, ¿Cuánto tiempo pasará el pasajero en la estación de verificación?
Solución:
Primero identificamos el modelo M/M/1/DG// donde existe un servidor, en
el problema puede confundirse pensando que son dos servidores porque hay
dos empleados trabajando, pero NO es así ya que un servidor aquí se
considera una estación independientemente que se realice en ella y cuantos
la atiendan.
a. =10 pasajeros/minuto =12 pasajeros/minuto
=/=10/12=0.833 Po=1-0.833=0.17 (probabilidad de que este vació)
Entonces estar ocupado 1-0.17= 0.833 = 83.33% del tiempo esto es
igual a .
pág. 88
b. Lq= Wq=2/((-)) = 102/(12(12-10))= 4.17 personas en la cola.

c. Ws=1/(-)=1/(12-10)= 0.5 minutos.
MODELO M/M/1/DG/m/
Este sistema es parecido al anterior con la variante que tiene una capacidad total de
“m” clientes, y cuando existen estos “m” clientes, todas las llegadas se regresan y el
sistema las pierde para siempre. Este número máximo de clientes es una constante y
varía según el libro que se utiliza c,m, etc. En este modelo de capacidad finita, llega
un promedio de Pm, de esas llegadas encuentran al sistema lleno a toda capacidad y
se van. Por lo tanto, en realidad entrará al sistema un promedio de =(1-Pm) llegadas
por unidad de tiempo. En este modelo existirá estado estable aún si > Esto se debe
que aun cuando >, la capacidad finita de “m” en el sistema evita que “explote” el
número de personas en la cola.
EJEMPLO 5
En una peluquería hay un peluquero y un total de 10 asientos. Los tiempos de llegada
tienen distribución exponencial, y llega un promedio de 20 clientes posibles por hora.
Los que llegan cuando la peluquería está llena no entran. El peluquero tarda un promedio
de 12 minutos en atender a cada cliente. Los tiempos de corte de pelo tienen distribución
exponencial.
a) En promedio ¿Cuántos cortes de pelo hará el peluquero?
b) En promedio ¿Cuánto tiempo pasará un cliente en la peluquería, cuando entra?
Solución
Identificación del modelo M/M/1/DG/10/

a) Una fracción de P10 de las llegadas encuentra que la peluquería está llena. Por
lo tanto, entrará a ella un promedio de (1-P10) por hora. Todos los clientes que
desean que se les corte el cabello, y por lo tanto, el peluquero hará un promedio
de (1-P10) cortes por hora.
m=10, =20 clientes por hora y =5 clientes/hora. Entonces =20/5=4
 1   n
Pn     Donde n=1,2,....m
m 1 
1  
Sustituyendo datos P10=0.75
Así, los cortes de pelo son en promedio 20(1-0.75) = 5 cortes/hora.
b) Para calcular W=L/((1-Pm))
 1  m  1 m  m m1  41  10  1410  10  4101 

L
1   m1 1     1  4101 1  4  9.67clientes
W=9.67/(20(1-0.75))=1.93 horas.
pág. 89
EJERCICIOS RESUELTOS
Problema 1 M/M/1/
Suponga que un cajero bancario puede atender a los clientes a una velocidad promedio
de diez clientes por hora. Además, suponga que los clientes llegan a la ventanilla del
cajero a una tasa promedio de 7 por hora. Se considera que las llegadas siguen la
distribución Poisson y el tiempo de servicio sigue la distribución exponencial. Realice un
análisis acerca de la situación actual del Banco.
Solución:
=10 clientes/hora =7 clientes/hora k=1
=/=7/10=0.7
Po=1-0.7=0.3
 7 7
Ls     2.33
  10  7 3
2 72
Lq    1.63
 (    ) 10(10  7)
1 1 1
Ws     0.33
   10  7 3
 7
Wq    0.233
 (    ) 10(10  7)
Según los datos obtenidos el sistema está ocupado el 70% del tiempo, vacío el 30% en
promedio hay 2.33 unidades en el sistema y 1.63 en la cola con un tiempo en el sistema
de 1/3 hora = 20 minutos y un tiempo en la cola de 0.233 horas = 14 minutos.
Problema 2. M/M/K/
Suponga que se coloca un segundo cajero bancario en el problema antes descrito. ¿Qué
tanto se mejorará el servicio? De sus conclusiones y recomendaciones para el Banco.
Solución:
S=k=2 número de servidores =7 clientes/hora =10 clientes/hora
 7
   0.35
k 2(10)
1 1
Po    0.48148
7
0
7
1
7
2
1  0.7  0.3769
     
 10    10    10   10(2) 
 
0! 1! 2!  10(2)  7 
pág. 90
7(10)(7 / 10) 2
Ls  (0.48148)  7 / 10  0.7977
(2  1)!(2(10)  7) 2
Lq = 0.7977 – 7/10 = 0.0977
Ws =Ls/ = 0.7977/7 =0.11396
Wq = Lq /  = 0.0977/7 = 0.01396
Con dos cajeros las estadísticas de los clientes mejoraran dramáticamente. Ahora se
tiene un promedio de solamente 0.0977 clientes en la línea y el cliente promedio
esperara solamente 0.0139 horas para recibir el servicio (menos de un minuto). El costo
de este buen servicio es que los prestadores de este solamente están ocupados durante
el 35% de su tiempo. A menos que se desee un servicio extraordinariamente bueno el
banco no deseara incurrir en el gasto de un segundo cajero. Puede tomarse en
consideración en las horas pico.
Problema 3. M/M/K/
En un restaurante se vende comida para llevar y tratan de determinar cuántos

servidores o colas deben trabajar el turno del almuerzo. Durante cada hora, llegan en
promedio 100 clientes al restaurante. Cada cola puede manejar en promedio 50 clientes
por hora. Un servidor cuesta Q 5 /hora y se carga un costo de Q 20 por cada cliente que
espere en la cola durante 1 hora. Calcule el número de colas que minimice el costo.
Solución:
=100 clientes/hora =50 clientes / hora
1 servidor ------- Q 5/hora
k servidores ------ 5k Q 20 por cada cliente que espera en la cola por hora 20Wq
Costo total = 5k + 20Wq quetzales / hora

K=?
100 2
 1 1 k2 2 , 3, 4.... 
50k k
=100/2(50)=1 pero  1
Aunque se realice el cálculo con k=2 los datos generados serian incoherentes.
Se deja al estudiante que lo compruebe.
Con K=3
 =100/3(50) =2/3 =0.667
1 2
(100 / 50) 0 (100 / 50)1 (100 / 50) 2
Po  A    1 2  2  5
A B n 0 0! 1! 2!
pág. 91
(100 / 50) 3  50(3)  1 1

B    4 Po    0.111
3!  50(3)  100  54 9
(100)(50)(100 / 50) 3 26
Ls  (1 / 9)  (100 / 50)   2.89
3  1!(3(50)  100) 2
9
Lq = 2.89 – 100/50 = 0.89
Ws = 2.89/100 = 0.0289 horas = 1.73 minutos
Wq = Lq /  = 0.89/100=0.0089 horas
CT = 5(3) + 20(0.0089) =Q15.18 / hora
Al utilizar k>3 servidores el costo se aumenta por lo tanto se deben tener 3 Servidores.
Problema 4. M/M/1/m
Hay un promedio de 40 automóviles por hora, con tiempos exponenciales entre llegadas,
que desean que se les atienda en la ventanilla de “servicio en su auto” de Pizza Hut. Si
hay una cola de más de 4 coches, incluyendo el de la ventanilla, el coche que llegue se
va. En promedio toman cuatro minutos en servir a un automóvil.
(a) ¿Cuál es el número promedio de automóviles esperado en la cola, sin incluir al que
está frente a la ventanilla?
(b) En promedio ¿a cuántos automóviles se atiende en cada hora?
(c) Acabo de formarme en la cola. En promedio ¿Cuánto tiempo pasará para que llegue
a la ventanilla?
Solución:
=40 autos/ hora =4 minutos/ hora = 15 autos / hora m=4
Lq = ? Ls =? Wq =?
 = 40/15 =2.67
1  1  2.67
Po    0.012398
1  m 1
1  2.67 5
 1  2.67 
P4   4 1 
(2.67) 4  0.63011
 1  2.67 
  (m  1)  m1  2.67  (4  1)(2.67) 41 

Ls         3.438
1    1   m1  1  2.67  1  2.67 41 
Ls =3.438 autos / hora
Lq = Ls - (1- Po)= 3.438 - (1 - 0.012398)=2.45
 =  (1-Pm)  = 40 (1-0.63011) =14.80  = 14.80
Wq = Lq/ Wq = 2.45 /14.80 = 0.1655 Wq =0.1655 horas = 9.9
minutos
a) El número promedio de autos en la cola es Lq=2.45 autos

b) El número promedio de autos atendidos cada hora es Ls=3.438 autos/hora
c) En llegar a la ventanilla me tardo Wq=0.1655 horas = 9.9 minutos
pág. 92
Actividad
PROBLEMAS PROPUESTOS DE TEORIA DE COLAS
1. MexiCars de la Av. J.C. Mariátegui tiene un empleado que se encarga de instalar

sistemas de alarma a carros y lo hace a una tasa promedio de 3 por hora; cerca de
1 cada 20 minutos. Los clientes que solicitan este servicio llegan en promedio de 2
por hora. Los aspectos del sistema M/M/1 se encuentran aquí presentes. ¿Cómo es
el comportamiento de este sistema?
2. Grupo Hinostroza SAC. división llantas, la gerencia está considerando contratar un

nuevo mecánico para manejar todos los cambios de llantas para los clientes que
ordenan nuevos juegos de llantas. Dos mecánicos han solicitado el trabajo. Uno de
ellos tiene experiencia limitada y puede ser contratado pagándole 5.00 S/. la hora.
Se espera que este mecánico pueda atender un promedio de 3 clientes por hora. El
otro mecánico tiene varios años de experiencia, puede servir un promedio de 4
clientes por hora y se le pagaría 10.00 S/. la hora. Asuma que los clientes arriban
a una tasa de 2 por hora.
En el sistema es aplicable el modelo M/M/1.
a. Calcule las características Operacionales con cada mecánico.
b. Si el taller asigna un costo de espera a cada cliente de 15.00 S/. por hora,
¿Cuál mecánico proporciona el menor costo de operación?
3. Una franquicia de comida rápida, está pensando abrir operaciones de servicio por
ventanilla a los clientes, desde su vehículo. Los clientes que llegan al
intercomunicador a colocar órdenes y luego manejan hasta la ventanilla para pagar
y recibir sus órdenes lo hacen a una tasa de 24 por hora. En el sistema es aplicable
el modelo M/M1. Se está considerando las alternativas siguientes:
a. Realizar la operación con un solo empleado que llene la orden y reciba el dinero
del cliente. En esta alternativa, el tiempo promedio de servicio es de 2 minutos.
b. Realizar la operación con un empleado y un ayudante que tome el dinero del
cliente. En esta alternativa, el tiempo promedio de servicio es de 1.25 minutos.
En ambos caso es un sistema de una sola ventanilla, por lo que se mantiene el
sistema de un solo servidor, modelo M/M/1. Se le pide:
a. Calcule las características operacionales para cada alternativa y tome una
decisión.
b. Si dispone de información del costo de espera de S/. 25.00 por hora, pues es
considerado alto este costo en los servicios de comida rápida y el costo de cada
empleado es de 8.00 S/. por hora, siendo además cargado 20.00 S/. por
equipos y espacio. ¿Cuál sería la alternativa de menor costo para el servicio?
4. Sam Lawer Médico Veterinario maneja una clínica de vacunación antirrábica para
perros, en la clínica municipal. Sam puede vacunar un perro cada tres minutos. Se
estima que los perros llegarán en forma independiente y aleatoriamente en el
transcurso del día, en un rango de un perro cada seis minutos, de acuerdo con la
distribución de Poisson. También suponga que los tiempos de vacunación de Sam
están distribuidos exponencialmente.
Datos 𝜆 = 1 / 6 = 0.167 perros/min
𝜇 = 1 / 3 = 0.34 perros/min
pág. 93
Determinar:
a. La probabilidad de que Sam este de ocioso
b. La proporción de tiempo en que Sam está ocupado.
c. El número total de perros que están siendo vacunados
d. El número promedio de perros que esperan a ser vacunados
5. Las llamadas llegan a la central telefónica de la OEC a una tasa de dos por minuto,
él tiempo promedio para manejar cada una de estas es de 20 segundos.
Actualmente solo hay una operadora de la central. Las distribuciones de Poisson y
exponencial parecen ser relevantes en esta situación.
Datos
𝜆 = 2 llamadas/minutos
𝜇 = (1 / 20 seg.)(60 seg.) = 3 llamadas/minuto
Determine:
a. La probabilidad de que la operadora este ocupada
b. El tiempo promedio que debe de esperar una llamada antes de ser tomada por
la operadora
c. El número de llamadas que esperan ser contestadas
6. Al principio de la temporada de fútbol, la ventanilla de boletos se ocupa mucho el

día anterior al primer juego. Los clientes llegan a una tasa de cuatro llegadas cada
10 minutos y el tiempo promedio para realizar la transacción es de dos minutos.
Datos
𝜆 = (4 / 10) = 0.4 c/min
𝜇 = (1 /2) = 0.5 c/min
Determine:
a. El número promedio de aficionaos en línea de espera
b. El tiempo promedio que una persona pasaría en la oficina de boletos
c. La proporción de tiempo que el servidor está ocupado
7. Una empleada administra un gran complejo de cines “Cinemark Comas” I, II, III y
IV. Cada uno de los cuatro auditorios proyecta una película diferente, el programa
se estableció de tal forma que las horas de las funciones se encuentren escalonadas
para evitar las multitudes que ocurrirían si los cuatro cines comenzarán a la misma
hora. El cine tiene una sola taquilla y un cajero que puede mantener una tasa de
promedio de servicio de 280 clientes por hora. Se supone que los tiempos de
servicio siguen una distribución exponencial. Las llegadas en un día son distribución
de Poisson y promedian 210 por hora.
Determine:
a. El número promedio de cinéfilos esperando en la línea para adquirir un boleto
b. ¿Qué porcentaje del tiempo está ocupado el cajero?
c. ¿Cuál es el tiempo promedio que pasa un cliente en el sistema?
d. ¿Cuál es el tiempo promedio que pasa esperando en la línea para llegar a la
taquilla?
e. ¿Cuál es la probabilidad de que haya más de dos personas en la cola?
pág. 94
SEXTA UNIDAD
Tema Nº 9: TEORÍA DE DECISIONES

9.1 Introducción
La teoría de decisiones proporciona una manera útil de clasificar modelos para la toma
de decisiones. Se supondrá que se ha definido el problema, que se tienen todos los
datos y que se han identificado los cursos de acción alternativos. La tarea es entonces
seleccionar la mejor alternativa. La teoría de decisiones dice que esta tarea de hacer
una selección caerá en una de las cuatro categorías generales dependiendo de la
habilidad personal para predecir las consecuencias de cada alternativa.
Categorías Consecuencias
Certidumbre Deterministas
Riesgo Probabilísticas
Incertidumbre Desconocidas
Conflicto Influidas por un oponente
9.2 Toma de decisiones bajo incertidumbre

En los procesos de decisión bajo incertidumbre, el decisor conoce cuáles son los posibles
estados de la naturaleza, aunque no dispone de información alguna sobre cuál de ellos
ocurrirá. No sólo es incapaz de predecir el estado real que se presentará, sino que
además no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto
excluye el conocimiento de información de tipo probabilístico sobre las posibilidades de
ocurrencia de cada estado.
Reglas de decisión
A continuación se describen las diferentes reglas de decisión en ambiente de
incertidumbre, y que serán sucesivamente aplicadas al ejemplo de construcción del
hotel.
• Criterio de Wald
• Criterio Maximax
• Criterio de Hurwicz
• Criterio de Savage
• Criterio de Laplace
Para trabajar con los criterios utilizaremos la siguiente matriz:
Estados de la Naturaleza
Alternativas e1 e2 ... en
a1 x11 x12 ... x1n
a2 x21 x22 ... x2n
.. ... ... ... ...

.
am xm1 xm2 ... xmn
pág. 95
a) Criterio de Laplace
Este criterio, propuesto por Laplace en 1825, está basado en el principio de razón
insuficiente: como a priori no existe ninguna razón para suponer que un estado se puede
presentar antes que los demás, podemos considerar que todos los estados tienen la
misma probabilidad de ocurrencia, es decir, la ausencia de conocimiento sobre el estado
de la naturaleza equivale a afirmar que todos los estados son equiprobables. Así, para
un problema de decisión con n posibles estados de la naturaleza, asignaríamos
probabilidad 1/n a cada uno de ellos.
La regla de Laplace selecciona como alternativa óptima aquella que proporciona un
mayor resultado esperado:
1 n 
máx _ ai   xai , e j 
 n j 1 
EJEMPLO
Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra los
resultados esperados para cada una de las alternativas.
Alternativas Estados de la Naturaleza
Terreno
Aeropuerto en A Aeropuerto en B Resultado esperado
comprado
A 13 -12 0.5
B -8 11 1.5
AyB 5 -1 2
Ninguno 0 0 0
En este caso, cada estado de la naturaleza tendría probabilidad ocurrencia 1/2. El

resultado esperado máximo se obtiene para la tercera alternativa, por lo que la decisión
óptima según el criterio de Laplace sería comprar ambas parcelas.
CRÍTICA
La objeción que se suele hacer al criterio de Laplace es la siguiente: ante una misma
realidad, pueden tenerse distintas probabilidades, según los casos que se
consideren. Por ejemplo, una partícula puede moverse o no moverse, por lo que la
probabilidad de no moverse es 1/2. En cambio, también puede considerarse de la
siguiente forma: una partícula puede moverse a la derecha, moverse a la izquierda o
no moverse, por lo que la probabilidad de no moverse es 1/3.
Desde un punto de vista práctico, la dificultad de aplicación de este criterio reside en la
necesidad de elaboración de una lista exhaustiva y mutuamente excluyente de todos
los posibles estados de la naturaleza.
Por otra parte, al ser un criterio basado en el concepto de valor esperado, su
funcionamiento debe ser correcto tras sucesivas repeticiones del proceso de toma de
decisiones. Sin embargo, en aquellos casos en que la elección sólo va a realizarse una
vez, puede conducir a decisiones poco acertadas si la distribución de resultados presenta
una gran dispersión, como se muestra en la siguiente tabla:
pág. 96
Alternativas e1 e2 Resultado
esperado
a1 15000 -5000 5000
a2 5000 4000 4500
Este criterio seleccionaría la alternativa a1, que puede ser poco conveniente si la toma
de decisiones se realiza una única vez, ya que podría conducirnos a una pérdida elevada
b) Criterio de Wald
Este es el criterio más conservador ya que está basado en lograr lo mejor de las peores
condiciones posibles. Esto es, si el resultado x(ai, ej) representa pérdida para el decisor,
entonces, para ai la peor pérdida independientemente de lo que ej pueda ser, es máx
ej { x(ai, ej) }. El criterio minimax elige entonces la acción ai asociada a:

Elegir _ ai  mín ai máx e j x( ai , e j ) 
En una forma similar, si x(ai, ej) representa la ganancia, el criterio elige la acción ai
asociada a :

Elegir _ ai  máx ai mín e j x( ai , e j ) 
Este criterio recibe el nombre de criterio maximin, y corresponde a un pensamiento
pesimista, pues razona sobre lo peor que le puede ocurrir al decisor cuando elige una
alternativa.
EJEMPLO
Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de seguridad de las diferentes alternativas:

Terreno
Aeropuerto en A Aeropuerto en B si
comprado
A 13 - 12 -
12
B -8 11 -8
AyB 5 -1 -1
Ninguno 0 0 0
La alternativa óptima según el criterio de Wald sería no comprar ninguno de los terrenos,
pues proporciona el mayor de los niveles de seguridad.
pág. 97
CRÍTICA
En ocasiones, el criterio de Wald puede conducir a decisiones poco adecuadas. Por
ejemplo, consideremos la siguiente tabla de decisión, en la que se muestran los niveles
de seguridad de las diferentes alternativas.
Estados de la
Naturaleza
Alternativas e1 e2 si
a1 1000 99 99
a2 100 100 100
El criterio de Wald seleccionaría la alternativa a2, aunque lo más razonable parece ser
elegir la alternativa a1, ya que en el caso más favorable proporciona una recompensa
mucho mayor, mientras que en el caso más desfavorable la recompensa es similar.
c) Criterio de Hurwicz
Este criterio representa un intervalo de actitudes desde la más optimista hasta la más
pesimista. En las condiciones más optimistas se elegiría la acción que proporcione el
máx ai máx ej { x(ai, ej) }. Se supone que x(ai, ej), representa la ganancia o beneficio.
De igual manera, en las condiciones más pesimistas, la acción elegida corresponde a
máx ai mín ej { x(ai, ej) }. El criterio de Hurwicz da un balance entre el optimismo
extremo y el pesimismo extremo ponderando las dos condiciones anteriores por los
pesos respectivos  y (1- ), donde 0 ≤  ≤ 1. Esto es, si x(ai, ej) representa beneficio,
seleccione la acción que proporcione:
 
máx ai máx e j x( ai , e j )  (1   )mín e j x( ai , e j )
Para el caso donde x(ai, ej) representa un costo, el criterio selecciona la acción que
proporciona:

mín ai mín e j x( ai , e j )  (1   )máx e j x( ai , e j ) 
El parámetro  se conoce como índice de optimismo: cuando  = 1, el criterio es
demasiado optimista; cuando  = 0, es demasiado pesimista. Un valor de  entre cero
y uno puede ser seleccionado dependiendo de si el decisor tiende hacia el pesimismo o
al optimismo. En ausencia de una sensación fuerte de una circunstancia u otra, un valor
de  = 1/2 parece ser una selección razonable.
pág. 98
EJEMPLO
Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con la media ponderada de los niveles de optimismo y
pesimismo de las diferentes alternativas para un valor = 0.4:

Terreno
comprado Aeropuerto en A Aeropuerto en B mínei máxei S(ai)
A 13 -12 -12 13 -2
B -8 11 -8 11 -0.4
AyB 5 -1 -1 5 1.4
Ninguno 0 0 0 0 0
La alternativa óptima según el criterio de Hurwicz sería comprar las parcelas A y B, pues
proporciona la mayor de las medias ponderadas para el valor de  seleccionado.
d) Criterio de Savage
En 1951 Savage argumenta que al utilizar los valores xij para realizar la elección, el
decisor compara el resultado de una alternativa bajo un estado de la naturaleza con
todos los demás resultados, independientemente del estado de la naturaleza bajo el que
ocurran. Sin embargo, el estado de la naturaleza no es controlable por el decisor, por
lo que el resultado de una alternativa sólo debería ser comparado con los resultados de
las demás alternativas bajo el mismo estado de la naturaleza.
Con este propósito Savage define el concepto de pérdida relativa o pérdida de
oportunidad rij asociada a un resultado xij como la diferencia entre el resultado de la
mejor alternativa dado que ej es el verdadero estado de la naturaleza y el resultado de
la alternativa ai bajo el estado ej:
Así, si el verdadero estado en que se presenta la naturaleza es ej y el decisor elige la

alternativa ai que proporciona el máximo resultado xij, entonces no ha dejado de ganar
nada, pero si elige otra alternativa cualquiera ar, entonces obtendría como ganancia xrj
y dejaría de ganar xij-xrj.
Savage propone seleccionar la alternativa que proporcione la menor de las mayores
pérdidas relativas, es decir, si se define ri como la mayor pérdida que puede obtenerse
al seleccionar la alternativa ai,
el criterio de Savage resulta ser el siguiente:
pág. 99
Conviene destacar que, como paso previo a la aplicación de este criterio, se debe
calcular la matriz de pérdidas relativas, formada por los elementos rij. Cada columna de
esta matriz se obtiene calculando la diferencia entre el valor máximo de esa columna y
cada uno de los valores que aparecen en ella.
Observe que si x(ai, ej) es una función de beneficio o de pérdida, la matriz de pérdidas
relativas, formada por los elementos rij representa en ambos casos pérdidas. Por
consiguiente, únicamente el criterio minimax (y no el maximin) puede ser
aplicado a la matriz de de exploración.
EJEMPLO
Partiendo del ejemplo de construcción del hotel, la siguiente tabla muestra la matriz de
pérdidas relativas y el mínimo de éstas para cada una de las alternativas.

Terreno
Aeropuerto en A Aeropuerto en B ri
comprado
A 0 23 23
B 21 0 21
AyB 8 12 12
Ninguno 13 11 13
El mayor resultado situado en la columna 1 de la tabla de decisión original es 13; al

restar a esta cantidad cada uno de los valores de esa columna se obtienen las pérdidas
relativas bajo el estado de la naturaleza Aeropuerto en A. De la misma forma, el máximo
de la columna 2 en la tabla original es 11; restando a esta cantidad cada uno de los
valores de esa columna se obtienen los elementos rij correspondientes al estado de la
naturaleza Aeropuerto en B. Como puede observarse, el valor ri menor se obtiene para
la tercera alternativa, por lo que la decisión óptima según el criterio de Savage sería
comprar ambas parcelas.
CRÍTICA
El criterio de Savage puede dar lugar en ocasiones a decisiones poco razonables. Para
comprobarlo, consideremos la siguiente tabla de resultados:
Alternativas e1 e2
a1 9 2
a2 4 6
La tabla de pérdidas relativas correspondiente a esta tabla de resultados es la siguiente:
pág. 100
Estados de la
Naturaleza
Alternativas e1 e2 ri
a1 0 4 4
a2 5 0 5
La alternativa óptima es a1. Supongamos ahora que se añade una alternativa, dando
lugar a la siguiente tabla de resultados:
Alternativas e1 e2
a1 9 2
a2 4 6
a3 3 9
La nueva tabla de pérdidas relativas sería:
Estados de la
Naturaleza
Alternativas e1 e2 ri
a1 0 7 7
a2 5 3 5
a3 6 0 6
El criterio de Savage selecciona ahora como alternativa óptima a2, cuando antes
seleccionó a1. Este cambio de alternativa resulta un poco paradójico: supongamos que
a una persona se le da a elegir entre peras y manzanas, y prefiere peras. Si
posteriormente se la da a elegir entre peras, manzanas y naranjas, ¡esto equivaldría a
decir que ahora prefiere manzanas!
9.3 Caso de aplicación: Criterios de decisión en incertidumbre

Una instalación recreativa debe decidir acerca del nivel de abastecimiento que debe
almacenar para satisfacer las necesidades de sus clientes durante uno de los días de
fiesta. El número exacto de clientes no se conoce, pero se espera que esté en una de
cuatro categorías: 200,250, 300 o 350 clientes. Se sugieren, por consiguiente, cuatro
niveles de abastecimiento, siendo el nivel i el ideal (desde el punto de vita de costos) si
pág. 101
el número de clientes cae en la categoría i. La desviación respecto de niveles ideales

resulta en costos adicionales, ya sea porque se tenga un abastecimiento extra sin
necesidad o porque la demanda no puede satisfacerse. La tabla que sigue proporciona
estos costos en miles de unidades monetarias.
Nivel de e1(200) e2(250) e3(300) e4(350)

abastecimiento
a1(200) 5 10 18 25
a2(250) 8 7 8 23
a3(300) 21 18 12 21
a4(350 30 22 19 15
Determine cuál es el nivel de aprovisionamiento óptimo, utilizando los criterios

explicados.
RESULTADOS
a) LAPLACE:
El principio de Laplace establece que e1, e2, e3, e4 tienen la misma probabilidad de
suceder. Por consiguiente las probabilidades asociadas son P(x)=1/4 y los costos
esperados para las acciones son:
E(a1) = (1/4)(5+10+18+25) = 14.5
E(a2) = (1/4)(8+7+8+23) = 11.5
E(a3) = (1/4)(21+18+12+21) = 18.0
E(a4) = (1/4)(30+22+19+15) = 21.5
Por lo tanto, el mejor nivel de inventario de acuerdo con el criterio de Laplace está
especificado por a2.
b) WALD
Ya que x(ai, ej) representa costo, el criterio minimax es aplicable. Los cálculos se
resumen en la matriz que sigue. La estrategia minimax es a3:
Nivel de e1(200) e2(250) e3(300) e4(350)

abastecimiento
a1(200) 5 10 18 25 25
a2(250) 8 7 8 23 23
a3(300) 21 18 12 21 21
(valor
minimax)
a4(350 30 22 19 15 30
pág. 102
c) HURWICZ
Supongamos =1/2. Los cálculos necesarios se muestran enseguida. La solución
óptima está dada por a1 ó a2.
a1 5 25 15 (mín)
a2 7 23 15 (mín)
a3 12 21 16.5
a4 15 30 22.5
d) SAVAGE
Se obtiene primero la matriz rij restando 5, 7, 8 y 15 de las columnas 1, 2, 3 y 4
respectivamente.
Nivel de e1(200) e2(250) e3(300) e4(350)

abastecimien
to
a1(200) 5 10 18 25 10
a2(250) 8 7 8 23 8 (valor minimax)
a3(300) 21 18 12 21 16
a4(350 30 22 19 15 25
CASO DE APLICACIÓN
La empresa Z de servicios computarizados especializadas en servicios de información

tales como encuestas, análisis de datos, etc., actualmente está en la etapa final de
selección del sistema de computadoras que utilizará en una nueva dependencia que
abrirá en una zona del país.
Aunque la empresa ya ha decidido la marca de computadoras que utilizará, está
tratando de determinar el tamaño del sistema de computadoras que para sus
condiciones resulta más económico de arrendar.
A partir del análisis realizado en las empresas se consideró que existen 3 alternativas
de decisión pudiendo ocurrir 2 posibles eventos o estados de la naturaleza, los cuales
son:
Decisiones Alternativas
D1: Arrendar un sistema de computadoras grande
D2: Arrendar un sistema de computadoras mediano
D3: Arrendar un sistema de computadoras pequeño
Estado de la Naturaleza
E1: Alta aceptación de los servicios de la empresa Z
E2: Baja aceptación de los servicios de la empresa Z
Teniendo en cuenta lo anterior y usando la mejor información disponible la empresa ha
estimado la posible ganancia a obtener para cada combinación decisión-estado de la
naturaleza la cual aparece en la siguiente matriz de decisión:
pág. 103
Matriz de decisión
Decisiones Alternativas Alta Acept. E1 Baja Acept. E2
D1 $200 000 -$20 000
D2 $150 000 $20 000
D3 $100 000 $60 000
En estas condiciones: ¿Qué decisión debe tomar la empresa Z si quiere lograr la máxima
ganancia?
Solución:
Aplicando los criterios para la toma de decisiones en condiciones de incertidumbre se
tiene:
Criterio pesimista
Para aplicar este criterio se lista primeramente para cada decisión alternativa el "peor"
resultado, seleccionando entonces la decisión que proporcione el mayor valor para esos
resultados peores, lo cual se resume en la siguiente tabla:
Decisiones Alternativas Peor resultado

Sistema grande D1 -$20 000
Sistema mediano D2 $20 000
Sistema pequeño D3 $60 000
De acuerdo con este criterio la decisión a recomendar es arrendar un sistema pequeño,

la cual garantiza una ganancia mínima de $60 000. Aunque PSI puede obtener más, no
puede obtener menos que dicho valor que corresponde al valor MaxiMin.
Criterio optimista
La aplicación de este criterio se resume en la siguiente tabla:
Decisiones Alternativas Mejor resultado

Sistema grande D1 $200 000
El resultado obtenido conduce a recomendar que la decisión a tomar es arrendar un

sistema grandes la cual proporciona la posibilidad dé obtener la mayor ganancia que es
de $200 000. Obsérvese que aunque este criterio proporciona también expone a la
empresa a la posibilidad de pérdida de $20 000.
Criterio de Laplace
La aplicación de este criterio presupone el cálculo del resultado medio y se expresa en
la siguiente tabla:
Decisiones Alternativas Resultado Medio

Sistema grande D1 $ 90 000
El resultado obtenido conduce a recomendar como mejor decisión el arrendar un sistema
grande, la que proporcionaría la un resultado promedio de $90 000. Nótese que en
este casa son válidos las mismas observaciones realizadas a los resultados que
proporciono el criterio optimista.
Criterio de Savage
Para aplicar este criterio es necesario calcular primeramente la matriz de pérdida de
oportunidad, la cual se muestra a continuación:
pág. 104
Matriz de pérdida de oportunidad
Decisiones Alternativas Alta Acept. E1 Baja Acept. E2

D1 $0,00 $80 000,00
D2 $50 000,00 $40 000,00
D3 $100 000,00 $0,00
Para aplicar el criterio se busca entonces para cada decisión el máximo valor de las
Oij a fin de determinar de entre estos el mínimo, lo cual se refleja en la siguiente tabla:
Decisiones Alternativas Max. O ij

Sistema grande D1 $80 000,00
Sistema mediano D2 $50 000,00
Sistema pequeño D3 $100 000,00
La decisión a recomendar, de acuerdo con este criterio es arrendar un sistema mediano,

lo que proporcionaría una pérdida de oportunidad de $50 000,00.
Criterio de Hurwitz
Para aplicar este criterio hay que definir un valor para el coeficiente  . Fijemos un
  0,4 y calculamos los valores que adoptaría en los hi.
h1 =0.4 (200000) + 0.6 (-20000) = $68000
h2 = 0.4 (150000) + 0.6 (20000) - 72000
h3 = 0.4 (100000) + 0.6 (60000) = 76000 < - Mayor valor
En este caso la decisión a recomendar es arrendar un sistema pequeño. Nótese que al

fijar un valor de  = 0.4 nos inclinamos hacia un criterio pesimista. Fijando otro valor
para  podremos obtener otra solución.
Observe que los criterios de decisión utilizados han conducido a recomendaciones

diferentes. Esto no es malo en sí mismo, sino que refleja la diferencia en cuanto a la
actitud que adapta el decisor, ante el riesgo que subyace en los diferentes criterios.
Finalmente la decisión la debe adaptar la dirección de la empresa Z.
Estos criterios sirven para que basta los tenga en cuenta y seleccione el que lo parezca
más razonable de acuerdo con su experiencia, intuición, objetivos, etc. En definitiva el
decisor seleccionar él que mejor reflejo sus criterios.
No olvidemos que la toma de decisiones en condiciones de incertidumbre siempre es
convencional y subjetiva.
Pero pese a todo, los métodos empleados son útiles, ya que permiten:
 Expresar en la matriz de decisión los elementos esenciales que se daban tener en
cuenta para tomar la misma y lo cual es bueno cuando se tienen muchas
alternativas.
 Sustituir la mera contemplación de la matriz de decisión con el empleo de diferentes
criterios que permiten valorar las decisiones desde diferentes puntos de vistas,
considerar las recomendaciones de cada uno de ellos y por ultimo detenerse en algo
concreto.
Esto es semejante a discutir el problema desde diferentes puntos de vista, pues como
se sabe de la discusión sale la mejor solución. Por tanto no puede esperarse de la teoría
de la decisión soluciones definitivas e indiscutibles, con lo único que puede ayudarnos
es con consejos.
Si las recomendaciones que se deducen de los diferentes criterios coinciden, tanto
mejor, entonces se puede elegir sin vacilar la alternativa recomendada. Si como sucede
frecuentemente, las recomendaciones son contradictorias, entonces razonemos sobre
pág. 105
estas, aclaremos hasta qué punto divergen los resultados obtenidos, precisemos los
puntos de vista y hagamos la elección definitiva.
No olvidemos que en cualquier problema en el que se deben fundamentar decisiones es

inevitable cierta arbitrariedad que puede estar dado Incluso al elegir el criterio de
selección. La teoría de la decisión no elimina la arbitrariedad sino que permite solo
"ponerla en su lugar".
En los problemas de teoría de la decisión luego de identificar el tipo de problema
presente, un paso importante es contar con la matriz de decisión, de conocerse la matriz
de decisión el trabajo se reduce a aplicar los criterios de decisión, es por ello que
veremos un ejemplo donde se desconoce la matriz.
Actividad
PROBLEMAS PROPUESTOS DE TEORIA DE DECISIONES
1. La vendedora Phyllis Pauley vende periódicos en la esquina de la avenida Kirkwood

y la calle Indiana, y todos los días debe determinar cuántos periódicos pedir.
Phyllis paga a la compañía $ 20 por cada ejemplar y los vende a $ 25 cada uno. Los
periódicos que no se venden al terminar el día no tienen valor alguno. Phyllis sabe
que cada día puede vender entre 6 y 10 ejemplares, cada uno con una posibilidad
equiprobable. Demuestre cómo se ajusta este problema en el modelo del estado del
mundo.
9.4 Árboles de decisiones
El árbol de decisión es un diagrama que representan en forma secuencial condiciones y

acciones; muestra qué condiciones se consideran en primer lugar, en segundo lugar y
así sucesivamente. Este método permite mostrar la relación que existe entre cada
condición y el grupo de acciones permisibles asociado con ella.
Un árbol de decisión sirve para modelar funciones discretas, en las que el objetivo es
determinar el valor combinado de un conjunto de variables, y basándose en el valor de
cada una de ellas, determinar la acción a ser tomada.
Los árboles de decisión son normalmente construidos a partir de la descripción de la

narrativa de un problema. Ellos proveen una visión gráfica de la toma de decisión
necesaria, especifican las variables que son evaluadas, qué acciones deben ser tomadas
y el orden en la cual la toma de decisión será efectuada. Cada vez que se ejecuta un
árbol de decisión, solo un camino será seguido dependiendo del valor actual de la
variable evaluada.
Se recomienda el uso del árbol de decisión cuando el número de acciones es pequeño y

no son posibles todas las combinaciones.
El desarrollo de árboles de decisión beneficiado analista en dos formas. Primero que

todo, la necesidad de describir condiciones y acciones llevan a los analistas a identificar
de manera formal las decisiones que actualmente deben tomarse. De esta forma, es
difícil para ellos pasar por alto cualquier etapa del proceso de decisión, sin importar que
este dependa de variables cuantitativas o cualitativas. Los árboles también obligan a los
analistas a considerar la consecuencia de las decisiones.
Se ha demostrado que los árboles de decisión son eficaces cuando es necesario describir
problemas con más de una dimensión o condición. También son útiles para identificar
los requerimientos de datos críticos que rodean al proceso de decisión, es decir, los
pág. 106
árboles indican los conjuntos de datos que la gerencia requiere para formular decisiones
o tomar acciones. El analista debe identificar y elaborar una lista de todos los datos
utilizados en el proceso de decisión, aunque el árbol de decisión no muestra todo los
datos.
Si los árboles de decisión se construyen después de completar el análisis de flujo de

datos, entonces es posible que los datos críticos se encuentren definidos en el
diccionario de datos (el cual describe los datos utilizados por el sistema y donde se
emplean). Si únicamente se usan árboles de decisiones, entonces el analista debe tener
la certeza de identificar con precisión cada dato necesario para tomar la decisión.
Los árboles de decisión no siempre son la mejor herramienta para el análisis de

decisiones. El árbol de decisiones de un sistema complejo con muchas secuencias de
pasos y combinaciones de condiciones puede tener un tamaño considerable. El gran
número de ramas que pertenecen a varias trayectorias constituye más un problema que
una ayuda para el análisis. En estos casos los analistas corren el riesgo de no determinar
qué políticas o estrategias de la empresa son la guía para la toma de decisiones
específicas. Cuando aparecen estos problemas, entonces es momento de considerar las
tablas de decisión.
ESTRUTURA DE UN ÁRBOL DE DECISIÓN
Los Árboles de decisión están formados por:

 Nodos de decisión representados por cuadrados. Estos nodos representan los
puntos donde el que toma una decisión debe elegir entre varias acciones posibles
 Nodos de oportunidad o de evento representados por círculos. Estos nodos
indican aquellas artes del proceso de toma de decisión ' es en las que ocurre un
evento o estado de la naturaleza.
 Ramas que se representan por una línea. Se utilizan para denotar las decisiones
(ramas de decisión) a los estados de la naturaleza (ramas de oportunidad). En
estas se reflejan las probabilidades de que ocurra un estado dado de la
naturaleza
 El final del árbol lo indican las Ramas Terminales, las cuales pueden ser ramas
de decisión o de oportunidad. Al lado de estas se reflejan los Resultados a Pagos.
En la toma de decisiones empresariales son recuentos las situaciones en las que el

decisor debe adoptar una secuencia de decisiones, ya que una decisión en el momento
actual puede condicionar y exigir otras decisiones en momentos de tiempo posteriores.
El análisis basado en el Árbol de decisión es una herramienta útil en la toma de
decisiones referente a inversiones, la estrategia de nuevos productos, etc.
CÓMO DIBUJAR UN ÁRBOL DE DECISIONES
Para comenzar a dibujar un árbol de decisión debemos escribir cuál es la decisión que
necesitamos tomar. Dibujaremos un recuadro para representar esto en la parte
izquierda de una página grande de papel.
Desde este recuadro se deben dibujar líneas hacia la derecha para cada posible solución,
y escribir cuál es la solución sobre cada línea. Se debe mantener las líneas lo más
apartadas posibles para poder expandir tanto como se pueda el esquema. Al final de
cada línea se debe estimar cuál puede ser el resultado. Si este resultado es incierto, se
puede dibujar un pequeño círculo. Si el resultado es otra decisión que necesita ser
tomada, se debe dibujar otro recuadro. Los recuadros representan decisiones, y
los círculos representan resultados inciertos. Se debe escribir la decisión o el
causante arriba de los cuadros o círculos.
Comenzando por los recuadros de una nueva decisión en el diagrama, dibujar líneas
que salgan representando las opciones que podemos seleccionar. Desde los círculos se
pág. 107
deben dibujar líneas que representen las posibles consecuencias. Nuevamente se debe
hacer una pequeña inscripción sobre las líneas que digan que significan. Seguir
realizando esto hasta que tengamos dibujado tantas consecuencias y decisiones como
sea posible ver asociadas a la decisión original.
Un ejemplo de árbol de decisión se puede ver en la siguiente figura:
Una vez que tenemos hecho esto, revisamos el diagrama en árbol. Controlamos cada
cuadro y círculo para ver si hay alguna solución o consecuencia que no hayamos
considerado. Si hay alguna, la debemos agregar. En algunos casos será necesario
dibujar nuevamente todo el árbol si partes de él se ven muy desarregladas o
desorganizadas. Ahora ya tendremos un buen entendimiento de las posibles
consecuencias de nuestras decisiones.
EVALUAR LOS ÁRBOLES
Aquí es cuando podemos analizar cuál opción tiene el mayor valor para nosotros.
Comencemos por asignar un costo o puntaje a cada posible resultado (cuánto creemos
que podría ser el valor para nosotros si estos resultados ocurren).
Luego, debemos ver cada uno de los círculos (que representan puntos de incertidumbre)
y estimar la probabilidad de cada resultado. Si utilizamos fracciones, estas deberían
sumar 1 (si utilizamos porcentajes, el total debe sumar 100%). Si tenemos algún tipo
de información basada en eventos del pasado, quizás estemos en mejores condiciones
de hacer estimaciones más rigurosas sobre las probabilidades. De otra forma, debemos
realizar nuestra mejor suposición
Esto dará un árbol parecido al de la siguiente figura:
pág. 108
CALCULO DE LOS VALORES DE LOS ÁRBOLES
Una vez que calculamos el valor de cada uno de los resultados, y hemos evaluado la
probabilidad de que ocurran las consecuencias inciertas, ya es momento de calcular el
valor que nos ayudará a tomar nuestras decisiones. Comenzamos por la derecha del
árbol de decisión, y recorremos el mismo hacia la izquierda. Cuando completamos un
conjunto de cálculos en un nodo (cuadro de decisión o círculo de incertidumbre), todo
lo que necesitamos hacer es anotar el resultado. Podemos ignorar todos los cálculos que
llevan a ese resultado.
 CALCULAR EL VALOR DE LOS NODOS DE INCERTIDUMBRE (círculos)
Cuando vayamos a calcular el valor para resultados inciertos (los círculos),

debemos hacerlo multiplicando el costo de estos resultados por la probabilidad
de que se produzcan. El total para esos nodos del árbol lo constituye la suma de
todos estos valores.
 CALCULAR EL VALOR DE LOS NODOS DE DECISIÓN (recuadros)
Cuando evaluamos los nodos de decisión, debemos escribir el costo de la opción

sobre cada línea de decisión. Luego, debemos calcular el costo total basado en
los valores de los resultados que ya hemos calculado. Esto nos dará un valor que
representa el beneficio de tal decisión. Hay que tener en cuenta que la cantidad
ya gastada no cuenta en este análisis - estos son costos ya perdidos y (a pesar
de los argumentos que pueda tener un contador) no deberían ser imputados a
las decisiones. Cuando ya hayamos calculado los beneficios de estas decisiones,
deberemos elegir la opción que tiene el beneficio más importante, y tomar a este
como la decisión tomada. Este es el valor de este nodo de decisión.
pág. 109
El árbol final con los resultados de los cálculos puede verse en la siguiente figura:
 CUÁL ES EL RESULTADO
Realizando este análisis podemos ver que la mejor opción es el desarrollo de un

nuevo producto. Es mucho más valiosos para nosotros que tomemos suficiente
tiempo para registrar el producto antes que apurarnos a sacarlo rápidamente al
mercado. Es preferible el mejorar nuestros productos ya desarrollados que echar
a perder un nuevo producto, incluso sabiendo que nos costará menos.
Actividad
PROBLEMAS PROPUESTOS DE ÁRBOLES DE DECISIONES
1. Una empresa que fabrica un determinado producto está pensando en aumentar su

capacidad. Sus principales alternativas son: construir una planta pequeña,
construir una planta mediana, construir una planta grande o no hacer nada. La
nueva instalación fabricará un nuevo tipo de producto, cuyo potencial de
comercialización actualmente es desconocido. Si se construye una planta grande
y existe un mercado favorable, se podría obtener un beneficio de 200 millones de
Bs. Un mercado desfavorable supondría una pérdida de 180 millones de Bs. Sin
embargo, con una planta mediana se obtendría un beneficio de 120 millones si el
mercado fuera favorable, mientras que la pérdida sería de 20 millones si el mercado
fuera desfavorable. Por otro lado, una planta pequeña daría un beneficio de 80
millones de Bs. si el mercado fuera favorable, y una pérdida de 10 millones si fuera
desfavorable.Recientes estudios de mercado indican que existe una probabilidad de
0.4 de que el mercado sea favorable.
¿Cuál alternativa seleccionaría?
pág. 110
2. Como director de operaciones de Muebles & Madera, usted debe tomar una decisión
sobre la ampliación de la línea de mobiliario infantil (cunas, cajas para juguetes,
camas, etc.). Estudia las posibilidades con la directora de ventas y ambos están de
acuerdo en que va a haber mercado y que la compañía debe entrar en él. Sin
embargo, como el mobiliario infantil a menudo se debe pintar en lugar de barnizar,
usted decide que necesita otra línea de producción. No tiene duda alguna sobre su
decisión, y está seguro que necesita un segundo proceso. Pero la cuestión es saber
cuál ha de ser su tamaño. Una línea de producción grande costará 300 millones de
Bs.; una línea de producción pequeña costará 200 millones de Bs. Por tanto, es
importante saber la demanda que habrá de mobiliario infantil. Después de una
extensa discusión con los representantes de una empresa de marketing que se
contrató para que hiciera el estudio de mercado, se determinó que la mejor
estimación que se puede hacer es que hay un 66.5% de probabilidades de que la
demanda sea alta, y un 33.5 % de probabilidades de que la demanda sea baja.
Con una línea de producción grande y una demanda alta puede obtener ganancias
de 400 millones. Si la demanda es baja obtendrá beneficios de 200 millones. Con
una línea de producción pequeña no podrá cubrir una demanda alta, por lo que la
empresa se verá en la necesidad de expandirse; después de la expansión las
ganancias serán de 330 millones. Si no se expande, las ganancias se quedarían en
280 millones. Si se decide por un proceso pequeño y la demanda es baja, podrá
satisfacerla sin ningún problema con una ganancia de 200 millones.
¿Abrirá una línea de producción grande o pequeña?
pág. 111
SEXTA UNIDAD
Tema Nº 10: CADENAS DE MARKOV
10.1 INTRODUCCIÓN
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra
un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo
tienen memoria. “Recuerdan" el último evento y esto condiciona las posibilidades de los
eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov
de las series de eventos independientes, como tirar una moneda al aire o un dado.
En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de
compra de los deudores morosos, para planear las necesidades de personal y para
analizar el remplazo de equipo.
El análisis de Markov, llamado así en honor de un matemático ruso que desarrollo el
método en 1907, permite encontrar la probabilidad de que un sistema se encuentre en
un estado en particular en un momento dado. Algo más importante aún, es que permite
encontrar el promedio a la larga o las probabilidades de estado estable para cada estado.
Con esta información se puede predecir el comportamiento del sistema a través del
tiempo.
La tarea más difícil es reconocer cuándo puede aplicarse. La característica más
importante que hay que buscar en la memoria de un evento a otro.
10.2 CASO DE APLICACIÓN

Aplicación a la administración: Planeación de Personal.
El análisis de transición puede ser útil al planear satisfacer las necesidades de personal.
Muchas firmas emplean trabajadores de diferentes niveles de clasificación dentro de la
misma categoría de trabajo. Esto es común para personal de confianza, oficinistas,
obreros calificados, no calificados y personal profesional. La firma debe tener el número
de empleados en cada nivel de clasificación para proporcionar la oportunidad de
promoción adecuada, cumplir con las habilidades necesarias para el trabajo y controlar
la nómina. Una planeación de personal a largo plazo apropiada requiere que se considere
el movimiento de personas tanto hacia arriba en el escalafón de clasificación como hacia
afuera de la organización. El análisis de Markov puede ayudar en este esfuerzo de
planeación.
El movimiento de personal a otras clasificaciones puede considerarse como una cadena
de Markov. Se supone que hay tres clasificaciones; el grado 1 es la más baja. Además,
los descensos se consideran raros y se omiten. El estado "salen" es absorbente, el cual
incluye renuncias, ceses, despidos y muertes. Por supuesto, todos los empleados
finalmente alcanzan este estado.
Las transiciones del grado 1 al grado 2 y del grado 2 al grado 3 representan
promociones. Como transiciones de probabilidad, están controladas por la firma, puede
establecerse el nivel que la firma determine que es necesario para cumplir sus objetivos.
Como ejemplo, supóngase que la firma tiene en este momento 30 empleados del 3, 90
empleados del grado 2 y 300 empleados del grado 1 y que desea mantener este nivel
de empleados durante el próximo año. Por experiencia, se espera que salgan el 30 %
de los empleados de grado 1 al año, el 20 % de los empleados de grado 2 y el 10 % de
aquellos que están en el grado 3. Si la política es contratar sólo en los niveles de
clasificación más bajos, ¿cuántos se deben contratar y cuántos se deben promover el
siguiente año para mantener estables los niveles?
Este problema puede resolverse sin el análisis de Markov, pero el modelo es útil para
ayudar a conceptualizar el problema. Como se trata sólo de un ciclo, se usa el análisis
de transición. El análisis comienza con el grado más alto. No se hacen promociones pero
el 10 %, o sea, 3, sale. Todos ellos deben de remplazarse por promociones del grado 2.
En el nivel de clasificación, el 20 % sale y se deben promover 3, con una pérdida de 21.
pág. 112
Esto se debe compensar por promoción del grado 1. Al pasar al grado 1, el 30 % sale y
21 deben promoverse, lo cual una pérdida total de 111. Por tanto, el siguiente año se
deben contratar 111 empleados del nivel 1.
En este ejemplo se derivan algunas tasas de transición a partir de consideraciones
externas.
10.3 FORMULACIÓN DE LAS CADENAS DE MARKOV

Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra
un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo
tienen memoria. “Recuerdan" el último evento y esto condiciona las posibilidades de los
eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov
de las series de eventos independientes, como tirar una moneda al aire o un dado.
En la siguiente se muestra el proceso para formular una cadena de Markov. El generador
de Markov produce uno de n eventos posibles, Ej , donde j = 1, 2, . . . , n, a intervalos
discretos de tiempo (que no tiene que ser iguales ). Las probabilidades de ocurrencia
para cada uno de estos eventos dependen del estado del generador. Este estado se
describe por el último evento generado. En la figura 4.1.1, el último evento generado
fue Ej , de manera que el generador se encuentra en el estado Mj .
Generador de Markov
La probabilidad de que Ek sea el siguiente evento generado es una probabilidad

condicional: P (Ek / Mj). Esto se llama probabilidad de transición del estado Mj al estado
Ek. Para describir completamente una cadena de Markov es necesario saber el estado
actual y todas las probabilidades de transición.
Probabilidades de transición
Una forma de describir una cadena de Markov es con un diagrama de estados, como el
que se muestra en la figura 4.1.2. En ésta se ilustra un sistema de Markov con cuatro
estados posibles: M1, M2, M3 y M4. La probabilidad condicional o de transición de
moverse de un estado a otro se indica en el diagrama
pág. 113
Diagrama de estados
Otro método para exhibir las probabilidades de transición es usar una matriz de
transición. . La matriz de transición para el ejemplo del diagrama de estados se muestra
en la tabla Matriz de transición.
Matriz de transición
Otro método para exhibir las probabilidades de transición es usar una matriz de
transición. .
Para n = 0, 1, 2, …
El superíndice n no se escribe cuando n = 1.
CASOS RESUELTOS
pág. 114
pág. 115
Actividad
PROBLEMAS PROPUESTOS DE CADENAS DE MARKOV
1.
2.
pág. 116
REFERENCIAS BIBLIOGRÁFICAS
1. ANDERSON y WILLIAMS, 2004 Métodos Cuantitativos Para los Negocios, 9ª

Edición, México, Editorial IThomson Learning
2. EPPEN G D y Otros, 2000 Investigación de operaciones en la ciencia
administrativa 5ª edición México Editorial Prentice Hall
3. HILLIER F y LIEBERMAN G. 1991 Introducción a la investigación de operaciones
5ª edición México Editorial McGraw-Hill
4. TAHA, H. 1998 Investigación de Operaciones. 6ª edición. México, Prentice
Hall,
REFERENCIAS ELECTRÓNICAS
1. Administración de operaciones
http://admoperaciones.pe.tripod.com/admope.htm
2. Operations Management and Principles of Operations Management
http://wps.prenhall.com/bp_heizer_opsmgmt_10/147/37737/9660836.cw/index.ht
ml
3. Sistemas de producción integrado
http://italica.us.es/asignaturas/it/spi.htm
pág. 117
ANEXO
DISTRIBUCION DE PROBABILIDAD NORMAL ESTANDAR
normal 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.5279 0.53188 0.53586
0.1 0.53983 0.5438 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.6293 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.6591 0.66276 0.6664 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.7054 0.70884 0.71226 0.71566 0.71904 0.7224
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.7549
0.7 0.75804 0.76115 0.76424 0.7673 0.77035 0.77337 0.77637 0.77935 0.7823 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.8665 0.86864 0.87076 0.87286 0.87493 0.87698 0.879 0.881 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.9032 0.9049 0.90658 0.90824 0.90988 0.91149 0.91308 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.9222 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.9452 0.9463 0.94738 0.94845 0.9495 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.9608 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.9732 0.97381 0.97441 0.975 0.97558 0.97615 0.9767
2 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.9803 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.983 0.98341 0.98382 0.98422 0.98461 0.985 0.98537 0.98574
2.2 0.9861 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.9884 0.9887 0.98899
2.3 0.98928 0.98956 0.98983 0.9901 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.9918 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.9943 0.99446 0.99461 0.99477 0.99492 0.99506 0.9952
2.6 0.99534 0.99547 0.9956 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.9972 0.99728 0.99736
2.8 0.99744 0.99752 0.9976 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.999
3.1 0.99903 0.99906 0.9991 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.9994 0.99942 0.99944 0.99946 0.99948 0.9995
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.9996 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.9997 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.9998 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.9999 0.9999 0.9999 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
4 0.99997 0.99997 0.99997 0.99997 0.99997 0.99997 0.99998 0.99998 0.99998 0.99998
pág. 118

Investigacion de Operaciones - 2017 II PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion de Operaciones - 2017 II PDF

Cargado por

Copyright:

Formatos disponibles

Calidad que se acredita internacionalmente

Ser una de las 10 mejores universidades

Somos una universidad privada, innovadora y

Universidad Continental de Ciencias e Ingeniería

El desarrollo del material de la asignatura, se hace considerando la Investigación de

Tema Nº 3: METODOS DE SOLUCION DE PROBLEMAS DE PL 20

Tema Nº 4: ANALISIS DE DUALIDAD Y SENSIBILIDAD 40

Tema Nº 6: MODELO DE ASIGNACION DE RECURSOS 59

SEPTIMA UNIDAD 114

REFERENCIAS BIBLIOGRÁFICAS 119

METODOLOGÍA DE LA INVESTIGACIÓN DE OPERACIONES

El texto se fundamenta en la metodología de la investigación de operaciones alineada a

Tema Nº 1: LA INVESTIGACIÓN DE OPERACIONES Y EL USO DE

1.1 Los modelos

1.1.1 Clasificación de modelos

 Modelo matemático de optimización. Los modelos matemáticos de

1.1.2 Principios de los modelos

1.2 ¿Qué es la investigación de operaciones?

La investigación de operaciones es la aplicación, por grupos interdisciplinarios,

2. En un sistema la información es una parte fundamental, ya que entre las

Tema Nº 2: PROGRAMACIÓN LINEAL

2.2 Expresión matemática

 aij, matemáticamente simboliza el coeficiente, en la restricción i, de las variable

2.3 Modelo de Programación Lineal

bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)

aij = cantidad del recurso i consumido por cada unidad de la actividad j

2.4 Forma estándar del modelo

programación lineal que maneja la asignación de recursos a actividades particular, este

2.5 Suposiciones del Modelo de Programación Lineal

2.6 Modelos matemáticos

los inventarios, el nivel de empleados y la tecnología. La PL se ha aplicado con éxito a

2.7 Formulación de modelos de programación lineal

2.7.1 Pasos a seguir

 Restricción de entradas: Son limitantes debido a la escasees de materias primas,

2.7.2 Casos de aplicación

Con base en la teoría señalada, para formular y construir el modelo, se tiene lo

a) Debe definirse claramente a las variables de decisión y expresarlas simbólicamente.

c) Deben definirse las restricciones y expresarlas como funciones lineales.

1 hora de trabajo X1(unid. de producto A) + 2 X2 + 3 X3 ≤ 100 horas de trabajo

Restricción 2: Horas de acabado disponibles en este período:

2 X1 + 3 hora de acabado X2 (unid. de producto B) + 1 X3 ≤ 200 horas de acabado

Restricción 3: Disponibilidad limitada de unidades de materia prima:

De esta forma las restricciones están expresadas en unidades físicas. Se destaca en

Finalmente, incorporando la restricción de no-negatividad de las variables de decisión,

Restricciones Televisión Radio Prensa

Objetivo: Maximizar la audiencia total o cantidad de personas que ven la publicidad

Restricciones 2, 3 y 4: Uso máximo de medios para la publicidad:

Restricción 5: Publicidad limitada a un máximo de 50% en radio, con relación al total

Restricción 6: La cantidad de unidades solicitadas en televisión debe ser al menos 10%

X5: Empleados a tiempo parcial que empiezan a trabajar a la 10 am

c) Restricciones de requerimientos de empleados totales en los ocho horarios

C = 3x1 + 5x2 (Costo total de Producción)

Formular los modelos de programación lineal.

Tema Nº 3: METODOS DE SOLUCION DE PROBLEMAS DE PL

3.1 Método gráfico

3.1.1 Criterios a considerar

 Un modelo tiene SOLUCIÓN CON VALOR INFINITO cuando hay combinaciones de

3.1.2 Casos de aplicación

A la vista de la gráfica anterior, tenemos que (0, 0) y (2, 1) no son soluciones

Las restricciones son:

La función que nos da el coste es z = 10x + 30y = 10(x + 3y).

Dibujamos el recinto correspondiente a las restricciones, y la recta 10(x + 3y) = 0

Las restricciones son: