Unidad Didáctica de Investigación Operativa 2

UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODALIDAD A DISTANCIA
INVESTIGACIÓN OPERATIVA II
AUTORES:
Ing. Edwin Roberto Gómez Bastidas, MBA.
Dra. Mayra Alexandra Córdova Alarcón, Mgst.
Ing. Víctor Marcelo Merino Castillo, Mgst.
FACULTAD DE CIENCIAS ADMINISTRATIVAS Investigación Operativa II
Edwin Roberto Gómez Bastidas
Mayra Alexandra Córdova Alarcón
Víctor Marcelo Merino Castillo
Investigación Operativa II
ISBN: 978-9942-21-726-4
2
TABLA DE CONTENIDOS
TABLA DE CONTENIDOS ...................................................................................... 3

INTRODUCCIÓN. .............................................................................................................. 5
CARACTERIZACIÓN DE LA MATERIA. ................................................................. 5
IMPORTANCIA PARA LA FORMACIÓN DEL PROFESIONAL. ........................ 6
CAPITULO Nº 1 .................................................................................................................. 8
PROGRAMACIÓN LINEAL......................................................................................... 8
COMPETENCIA ESPECÍFICA .................................................................................... 8
OBJETIVO DE LA UNIDAD DE COMPETENCIA................................................... 8
CONTENIDO ................................................................................................................... 8
EXPLICACIÓN ............................................................................................................... 9
PROGRAMACION LINEAL: ....................................................................................... 9
Recomendaciones:........................................................................................................ 9
Problemas Resueltos .................................................................................................. 10
CAPÍTULO 2 ..................................................................................................................... 33
MODELOS DE PROGRAMACIÓN LINEAL CON MÁS DE DOS VARIABLES33
COMPETENCIA ESPECÍFICA .................................................................................. 33
OBJETIVO DE LA UNIDAD DE COMPETENCIA................................................. 33
EXPLICACIÓN ............................................................................................................. 34
CAPÍTULO 3 ..................................................................................................................... 41
MODELOS DE TRANSPORTE Y ASIGNACIÓN .................................................. 41
CONTENIDO ................................................................................................................. 41
EXPLICACIÓN ............................................................................................................. 42
CAPÍTULO 4 ..................................................................................................................... 61
MODELOS DE LÍNEAS DE ESPERA O TEORÍA DE COLAS ............................. 61
3
CONTENIDO ................................................................................................................. 61
EXPLICACIÓN ............................................................................................................. 62
MODELO DE LINEAS DE ESPERA Y TEORIA DE COLAS ............................... 62
MODELO DE LÍNEA DE ESPERA DE ÚNICO SERVIDOR CON
LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/1 ......................................................................................................................... 62
MODELO DE LÍNEA DE ESPERA DE MÚLTIPLES CANALES CON
LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/S ......................................................................................................................... 67
MODELO DE LÍNEA DE ESPERA BÁSICO CON CAPACIDAD LIMITADA
DE UN SOLO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE
SERVICIO EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM ................ 74
AUTOEVALUACIÓN .................................................................................................. 79
FORMULARIO ............................................................................................................. 83
BILBIOGRAFÍA BÁSICA ............................................................................................... 86
TABLA DE ILUSTRACIONES ....................................................................................... 87
TABLAS ............................................................................................................................. 89
4
INTRODUCCIÓN.
CARACTERIZACIÓN DE LA MATERIA.
Una de las características de un Administrador y/o de un Auditor es saber tomar las

decisiones más adecuadas, optimizando sus recursos, la asignatura denominada
“investigación Operativa” le enseñará esto, mediante la utilización de modelos
matemáticos.
La Investigación de Operaciones se desarrolló con fuerza al comienzo de la Segunda

Guerra Mundial con el fin de lograr una administración eficiente de los recursos que
poseían cada una de las potencias industriales y manufactureras.
Son técnicas o métodos cuantitativos que nos ayudan a implantar modelos de procesos de
la empresa para tomar la mejor decisión, este es un trabajo que regularmente se lo debe
realizar por un grupo multidisciplinario que se puedan plantear los modelos más cercanos
a la realidad y analizar los resultados.
Es una ciencia, porque se basa en técnicas y modelos matemáticos para tomar una decisión
y un arte porque nos incentiva a desarrollar modelos de manera creativa.
5
IMPORTANCIA PARA LA FORMACIÓN DEL PROFESIONAL.
En la actualidad con el despunte de la nueva tecnología y de técnicas modernas, la

Investigación Operativa es automatizada, es decir, la misma se ha vuelto computarizada,
para poder optimizar del tiempo de resolución de los modelos matemáticos cuantitativos,
para lo cual se dispone de un sinnúmero de software con este objetivo, pero que no le
servirán si Ud. no tiene claros los conceptos, su aplicación y su interpretación.
Toda empresa grande o mediana, aplican muchísimo y con excelentes resultados los
métodos de la Investigación Operativa, puesto que ha contribuido eficazmente a optimizar
una gran parte de sus objetivos.
La Investigación Operativa no toma decisiones por si misma, su función es la de asesorar

y apoyar a quien o quienes deciden, determinando las diversas situaciones que se
presentan en la marcha de las organizaciones.
6
1.2.3 RELACIONES CON OTRAS ASIGNATURAS.
Es una ciencia interdisciplinaria: reconoce que la mayor parte de los problemas de

negocios tienen aspectos contables, biológicos, económicos, matemáticos, físicos,
psicológicos, sociológicos, estadísticos y de ingeniería.
7
CAPITULO Nº 1
PROGRAMACIÓN LINEAL
Figura 1 Región de viabilidad
COMPETENCIA ESPECÍFICA
El estudiante estará en capacidad de resolver modelos de Programación Lineal básicos
con dos variables, aplicados a empresas productoras y
comercializadoras, tanto públicas como privadas con el fin de optimizar sus recursos.
OBJETIVO DE LA UNIDAD DE COMPETENCIA

Resolver modelos de Programación Lineal básicos con dos variables, aplicados a
empresas productoras y comercializadoras, tanto públicas como privadas con el fin de
optimizar sus recursos.
CONTENIDO
 BASES TEÓRICAS.
 PLANTEAMIENTO DE MODELOS CON DOS VARIABLES DE DECISIÓN.
 RESOLUCIÓN DE MODELOS POR EL MÉTODO GRAFICO.
8
EXPLICACIÓN
PROGRAMACION LINEAL:
En este Capítulo se presenta el desarrollo teórico – práctico de los modelos de

Programación Lineal (PL).
Con conceptos Básicos se detalla la utilidad de este tema y por medio de ejemplos nos
enseña a formular problemas y el beneficio que han obtenido muchas empresas al saber
utilizar este tipo de modelos.
Es “Programación”, pues se decidirán valores de las variables de un modelo para
optimizar la función objetivo o de desempeño; y, es “Lineal”, pues todas las ecuaciones e
inecuaciones que intervienen en la misma son Funciones Lineales y de primer grado;
usted nunca encontrará en estos problemas variables al cuadrado, cubo, raíz cuadrada, etc.
Entre las funciones objetivo que podemos optimizar tenemos: maximizar las utilidades o
ganancias, los ingresos, etc. también se puede minimizar los costos, el desperdicio de un
proceso, el impacto ambiental o la utilización de materia prima etc.
Para la formulación o planteamiento de los modelos matemáticos de cualquier problema
de Programación Lineal, debe considerarse paso a paso las condiciones básicas antes
descritas y a su vez las recomendaciones siguientes:
Recomendaciones:
1.- Tabular preferiblemente en forma matricial, todos los datos que da el problema de
manera que se entienda a donde se quiere llegar, identificando claramente:
La función objetivo de problema

Cuántas y cuáles son las variables de decisión, y
Cuántos y cuáles son los recursos y limitaciones, sus unidades.
Es recomendable (no una regla), por facilidad de planteamiento y de análisis, tabular el

resumen de datos del problema en forma matricial, es decir, ubicando en las columnas las
“variables” y en las filas los “recursos y/o limitaciones”, y el resto de información, como
utilidades, costos, precios de venta, disponibilidad de recursos, etc., en las filas o
columnas correspondientes.
2.- Definir claramente las variables de decisión: que es lo que busca el problema, que es lo
que se quiere determinar, que es lo que se va a producir, etc., considerando sus unidades
de medida por unidad de tiempo: Kg/mes, unidades/sem, horas/mes, artículos/día, etc
3.- Plantear la Función Objetivo como ecuación, que en general busca uno de dos
extremos o Maximizar o Minimizar
4.- Plantear el sistema de restricciones (ecuaciones y/o inecuaciones) correspondientes a

cada recurso con la identificación respectiva; una forma de comprobarse es realizando la
igualdad de unidades: horas/mes = horas/mes. (debe asegurarse de plantear una función
lineal por cada restricción y/o recurso)
9
5.- Existen varios métodos para resolver un problema de PL, pero los más utilizados en la
actualidad son:
Método Gráfico,
Uso de diferentes Software (programas de computación)
La Solución Gráfica o Método Gráfico tiene como principal limitante que no se puede
resolver modelos de PL con más de DOS variables, pues en un plano cartesiano solo tiene
dos ejes.
Problemas Resueltos
Problema 1.
La siguiente tabla resume los factores clave acerca de dos productos A y B, y los recursos
Q, R y S, requeridos para producirlos.
Tabla 1: Usos de recursos por unidad producida
Usos de recursos por unidad producida

Cantidad
Producto Producto
Recurso disponible
A B
de recurso
Q 2 1 2
R 1 2 2
S 3 3 4
Utilidad $3.000 $2.000
Se cumplen todas las suposiciones de programación lineal.

Formule en forma algebraica este mismo problema.
Debe quedar claro que uno de los puntos más importantes es definir las variables y la
función objetivo. Para lo cual se le recomienda que lea detenidamente el enunciado las
veces que sean necesarias hasta entenderlo.
En este tipo de problemas, un error muy frecuente es que se defina como variable a los
recursos, sin tomar en cuenta que lo que le debe interesar es cuántas unidades de cada
producto (en este cado denominados X, Y) se tiene que fabricar, para obtener la máxima
ganancia que es el objetivo de este problema.
Por lo tanto el Modelo de Programación Lineal sería:
X = Número de unidades del Producto A

Y = Número de unidades del Producto B
10
Función Objetivo:
Maximizar Ganancia = 3,000 X + 2,000 Y
Sujeta a:
Rec. Q: 2X + Y <2
Rec. R: X + 2Y < 2
Rec. S: 3 X + 3Y < 4
X>0
Y>0
Use el método gráfico para resolver este modelo: para lo cual se debe realizar los cuadro
de valores de cada restricción, graficar y determinar el polígono o región factible de
solución:
Restricción - 1 Restricción - 2 Restricción - 3
X Y X Y X Y
0 2 0 1 0 1.33
1 0 2 0 1.33 0
C
Figura 2 Región Factible
Tabla 2: Resultados del polígono de solución:
VERTICES X Y GANANCIA
A 0 1 2,000.00
B 2/3 2/3 3,333.33
C 1 0 3,000.00
Punto Óptimo : X = 0.6667

Y = 0.6667
GANANCIA = $3,333.33
11
c.- Formule un modelo de programación lineal para este problema en una hoja de cálculo
y use Excel Solver para resolver este problema.
Luego de seguir las indicaciones del Texto guía para utilizar esta función y las formulas
respectivas, el modelo en hoja de cálculo y su solución quedaría de esta manera:
Tabla 3 : Uso de recursos por cantidad unidad disponible
Recurso Producto A Producto B Recursos

Q 2 1 2 < 2
R 1 2 2 < 2
S 3 3 4 < 4
Ganancia $3.000 $2.000 3333,33
Solución 0,6667 0,6667
Problema 2 .
A Ralph Edmund le encanta el filete con papas. Así que decide ponerse a una dieta
consistente sólo en estos dos alimentos (más algunos líquidos y suplementos vitamínicos)
en todas sus comidas. Ralph se percata de que no es la dieta más sana, de modo que quiere
comer las cantidades correctas de los 2 alimentos para satisfacer algunos requerimientos
nutricionales clave. Consiguió la siguiente información nutricional y de costos.
Tabla 4: información nutricional y de costos
Gramos por ingrediente por ración

Ingrediente Filete Papas Requerimientos
diarios (gramos)
Carbohidratos 5 15 ≥50
Proteína 20 5 ≥40
Grasa 15 2 ≤60
Costo por $4 $2
ración
Ralph desea determinar el número de raciones diarias (pueden ser fraccionales) de filetes
y papas que cubrirán estos requerimientos a un costo mínimo.
Identifique en forma verbal las decisiones a tomar, las restricciones sobre estas decisiones
y la medida de desempeño global para las decisiones.
Las decisiones a tomar son las raciones diarias de filete y de papas

Las restricciones son los requerimientos diarios de carbohidratos, proteínas y grasa
La medida de desempeño global es minimizar el costo
Convierta estas descripciones verbales de las restricciones y la medida de desempeño en

expresiones cuantitativas en términos de los datos y las decisiones.
12
Minimizar Costo = 4 ($/rac. filete)*(# de raciones de filete) + 2($/rac. papas)* (# de

raciones de papas)
Carbohidratos: 5 (gr/rac. filete)*(# de raciones de filete) + 15 (gr/rac. papas)* (# de

raciones de papas) ≥ 50
Proteínas: 20 (gr/rac. filete)*(# de raciones de filete) + 5 (gr/rac. papas)* (# de raciones

de papas) ≥ 40
Grasas: 15 (gr/rac. filete)*(# de raciones de filete) + 2 (gr/rac. Papas)*( de raciones de

papas) ≥ 60
# de raciones de filete ≥ 0
# de raciones de papas ≥ 0
Formule este mismo problema en forma algebraica.
X1 = Número de raciones de filete

X2 = Número de raciones de papas
Minimizar Costo = 4X1 + 2X2
1.- Carbohidratos: 5 X1 + 15X2 > 50

2.- Proteínas: 20 X1 + 5X2 > 40
3.- Grasas: 15 X1 + 2X2 < 60
X1 > 0 y X2 > 0
Formule y resuelva un modelo de programación lineal para este problema en una hoja de
cálculo y utilice la función Solver de Excel:
Tabla 5: gradiente Filete Papas diarios (gramos)
Carbohidratos 5 15 50 > 50
Proteína 20 5 40 > 40
Grasa 15 2 24.83 < 60
Costo Requerimientos 4 2 10.91
No por ración Solución 1.2727 2.91
Solución óptima:
X1 = 1,27 raciones de filete

X2 = 2,91 raciones de papas
Costo Mínimo = 10,91 Dólares
13
Use el método gráfico para resolver este problema: para lo cual se debe realizar los cuadro
de valores de cada restricción, graficar y determinar el polígono o región factible de
solución:
Restricción - 1 Restricción - 2 Restricción - 3
X1 X2 X1 X2 X1 X2
0 3.33 0 8 0 30
10 0 2 0 4 0
C B
Tabla 6: Resultados del polígono de solución:
VERTICES X1 X2 GANANCIA
A 0 30 60
B 3.72 2.09 19.01
C 1.27 2.91 10.91
D 0 8 16
Solución óptima:
X1 = 1.3 raciones de filete X2 = 2.9 raciones de papas
Costo Mínimo = 10,91 Dólares
14
NOTA: Recuerde que son soluciones matemáticas, puesto que en la realidad se deberá
proponer soluciones con números enteros.
Problema 3.
A continuación presentamos la solución del Texto Matemáticas para Administración,

Economía, Ciencias Sociales y de la Vida, de HAEUSSLER y PAUL que desde la sección
7.9 página 364
Utilidad J. Smith, quien opera desde un puesto de pago por teléfono, vende dos tipos de
dispositivos electrónicos, Zeta y Gamma. Estos dispositivos son construidos para Smith
por tres amigos A, B, C; cada quien debe hacer parte del trabajo en cada dispositivo. El
tiempo que cada uno invierte en la fabricación de cada dispositivo se da en la tabla
siguiente:
Tabla 7: Tiempo que cada uno invierte en la fabricación de cada dispositivo
Amigo A Amigo B Amigo C

Zeta 2 horas 1 hora 1 hora
Gamma 1 hora 1 hora 3 horas
Los amigos de Smith tienen otro trabajo que hacer, pero determinan que cada mes pueden
invertir hasta 70, 50 y 90 horas, respectivamente, para trabajar en los productos de Smith.
Éste obtiene una utilidad de $5 en cada dispositivo Zeta y $7 en cada dispositivo Gamma.
¿Cuántos dispositivos de cada tipo debe construir Smith cada mes para maximizar la
utilidad y cuál será esta utilidad máxima?
El modelo algebraico de programación lineal sería:
X1 = Número de unidades del dispositivo Zeta que se debe construir

X2 = Número de unidades del dispositivo Gamma que se debe construir
F. Objetivo: Maximizar Utilidad = 5X1 + 7X2
Sujeto a: Amigo A: 2X1 + X2 ≤ 70

Amigo B: X1 + X2 ≤ 50
Amigo C: X1 + 3X2 ≤ 90
X1 ≥ 0; X2 ≥ 0
La solución por el método gráfico será:
Restrricción - 1 Restrricción - 2 Restrricción - 3
X1 X2 X1 X2 X1 X2
0 70 0 50 0 30
35 0 50 0 90 0
15
Tabla 8 Resultados del polígono de solución:
VERTICES X1 X2 GANANCIA
A 35 0 175
B 0 30 210
C 24 22 274
La solución óptima factible (matemática) será:

X1 = unidades Zeta = 24
X2 = unidades Gamma = 22
La utilidad máxima = $274
Problema 4.
Petrocomercial compra 2 tipos de petróleo crudo ligero y pesado a un precio de $25 el

barril de petróleo ligero y el petróleo pesado a $22 el barril, cada uno de los barriles de
petróleo ligero y pesado al ser refinado produce 3 productos: GASOLINA, TURBOSINA
Y KEROSENE y de acuerdo con las proporciones indicadas en la siguiente tabla (barril de
producto por barril de crudo):
Tabla 9: Proporción gasolina, turbosina y kerosene
Gasolina Turbosina Kerosene
Petróleo Ligero 0,45 0,18 0,30

Petróleo Pesado 0,35 0,36 0,20
16
Petrocomercial entrega mensualmente 1’260,000 barriles de gasolina, 900,000 barriles de

turbosina y 300,000 barriles de kerosene.
Formular el modelo necesario para determinar la cantidad de cada tipo de petróleo ligero y
pesado por comprar para minimizar el costo total.
Como primer punto tenemos que identificar las variables de decisión, que en este caso son
los dos tipos de petróleo:
X: Número Barriles de petróleo Ligero

Y: Número Barriles de petróleo Pesado
Identificación de la función objetivo:
Mínimo Costo = 25X + 22Y
El tercer paso es la identificación de las restricciones:
Gasolina: 0,45 * (bar. ligero) + 0,35*(bar. pesado) ≥ 1’260,000 bar.

Turbosina: 0,18 * (bar. ligero) + 0,36 * (bar. pesado) ≥ 900,000 bar. Kerosene: 0,30 *
(bar. ligero) + 0,20* (bar. pesado) ≥ 300,000 bar.
Una vez identificadas la función objetivo, las variables de decisión y las restricciones
podemos establecer el modelo matemático.
Mínimo Costo = 25X + 22Y
1.- Gasolina: 0,45 X + 0,35 Y ≥ 1’260.000

2.- Turbosina: 0,18 X + 0,36 Y ≥ 900.000
3.- Kerosene: 0,30 X + 0,20 Y ≥ 300.000
X ≥ 0; Y ≥ 0
Método Gráfico:
Restrricción - 1 Restrricción - 2 Restrricción - 3
X Y X Y X Y
0 3,600,000 0 2,500,000 0 1,500,000
2,800,000 0 5,000,000 0 1,000,000 0
17
Tabla 10: Resultados del polígono de solución
VERTICES X Y GANANCIA
A 50’ 0 125’
B 1.4’ 1.8’ 74.6’
C 0 3.6’ 79.2’
Podemos observar que las cantidades que se deben utilizar de cada tipo de petróleo ligero
y pesado son de:
1´400,000 barriles de petróleo ligero.

1´800,000 barriles de petróleo pesado.
Con un Costo Mínimo de $ 74´600,000
Problema 5.
Una fábrica produce los Productos A y B con 40 máquinas y 50 operarios y trabaja con un
capital semana de $ 350 000 que los utiliza en compras de insumos. La producción de un
artículo –A utiliza 3 horas-máquina, 2 horas-operario, materiales por un valor de $400 y
vendido proporciona un beneficio de $300. El producto-B utiliza 2 horas-máquina, 4
horas-operario, materiales por un valor de $200 y proporciona un beneficio de $400
dólares. La fábrica opera 10 horas por día de lunes a viernes. El análisis de mercado indica
que máximo se venderá semanalmente 800 unidades de A y no hay limitación para B (lo
que produce se vende). Formule un modelo que optimice la producción semanal de la
empresa y la utilización de los recursos que maximice sus beneficios. (Rodriguez Acosta,
2011, pág. 92)
18
Solución del Problema
1.- Tabular preferiblemente en forma matricial

Tabla 11: Tabla de Datos
Nombre de las variables de Producto- Producto-

decisión. A B
Variables X1 X2 signo Máximos recursos
1.- Horas Maquina 3 2 ≤ 2000
2.- Horas Operario 2 4 ≤ 2500
3.-Capital 400 200 ≤ 350000
4.- Demanda del producto
A 1 ≤ 800
Utilidad 300 400
2.-Definir claramente las variables de decisión

X1= Cantidad de Producto A
X2= Cantidad de producto B
3.- Plantear la Función Objetivo
Z máx.= 300X1 + 400X2
4.- Formular las restricciones
Note que es si la tabla de datos está bien realizada obtener las restricciones es más fácil,
cada fila representa una restricción.
a.- 3X1+2X2  2000
b.- 2X1+4X2  2500
c.- 400X1+200X2  350000
d.- X1 800
e.- X1, X2  0 Es importante la restricción de no negatividad indica que únicamente vamos
a trabajar en el primer cuadrante.
5.- Método Gráfico
Únicamente es necesario graficar cada restricción con los puntos que intersecan en los
ejes, por ejemplo para la restricción ‘a’ cuando x1 vale cero x2 es 1000
3(0)+2X2 = 2000
Despejando X2=1000
y cuando x2 es cero X1 es 666.67
3X1+2(0) = 2000
Despejando X1=666,67
Con éstos puntos ya podemos graficar la recta ‘a’, la recta ‘b’ y ‘c’ realizamos el mismo
procedimiento, la ‘d’ es una recta vertical en el punto 800.
a b c d
X1 X2 X1 X2 X1 X2 X1 X2
19
0 1000 0 625 0 1750 0

666,67 0 1250 0 875 0 0
La región factible es la intersección de las áreas que se obtiene al graficar las

inecuaciones, para saber la dirección del área remplazamos el puto (0,0) en cada
inecuación y verificamos si cumple la condición de no igualdad.
En la primera inecuación remplazamos el punto (0,0)
3(0)1+2(0)  2000 y
0  2000. La inequidad se cumple por lo tanto el área se dirige hacia el punto (0,0).
Continuamos con las demás restricciones y finalmente podemos tener la región factible.
20
Encuentre los vértices de la región factible, remplazamos en la función objetivo y

obtenemos la utilidad, el vértice que da la mayor utilidad es la solución por ende se debe
producir 375 productos A y 437,5 productos B; para obtener una utilidad de $287 500.
Tabla 12: Tabla de resultados
PRODUCTO. A PRODUCTO.B UTILIDAD DECISION
VÉRTICE C 666,67 0 200001

VËRTICE B 375 437,5 287500 
VÉRTICE A 0 625 250000
Análisis de sensibilidad de las Restricciones

Existen dos formas de realizar un análisis de sensibilidad analizando los recursos
Agotados y analizando los recursos Abundantes
Análisis de recursos Abundantes
Realizaremos un análisis de recursos abundantes y agotados en el punto B donde se
obtuvo la SOF solución óptima factible.
PUNTO B
1.- Horas Maquina
B= (375; 437,5)
a.- 3X1+2X2  2000
3(375)+2(437.5) 2000
21  21
21-21=0 Recurso Agotado
Significa de las 2000 horas máquina disponible, fueron utilizadas todas
2.- Horas Operario
b.- 2X1+4X2  2500
2(375)+4(437.5)  2500
21

Las horas operario fueron agotadas.
3.-Capital
c.- 400X1+200X2  350000
400(375)+200(437.5)  350000
350000-237500=112500 Recurso Abundante
Existe $112500 no gastado
4.- Demanda del producto A
d.- X1 800
(375)  800
Se puede vender 425 unidades más del producto A.
El análisis de recursos Abundantes sugiere que únicamente se requiere$237500 y producir
375 productos por lo tanto las restricciones sin cambiar la Solución Óptima Factible.
3.-Capital
c.- 400X1+200X2  237500
d.- X1 375
Análisis de recursos Agotados
Para los recursos agotados es necesario realizar un análisis en el Punto B que es donde se
tiene el máximo rendimiento y en dos puntos contiguos que en este caso serían los puntos
P y Q. como se indica en el gráfico. Para ello calculamos las coordenadas en estos puntos.
Además es importante realizar una tabla con los incrementos o decrementos que las
nuevas soluciones originarían en las utilidades.
Tabla 13: soluciones originarían en las utilidades
Vértices X1 X2 Valor Función Incremento o decremento de la

Objetivo Función Objetivo
P 0 1000 400000 ∆ 112500
Q 750 250 325000 ∆ 37500
PUNTO P
1.- Horas Máquina
P= (0,1000)
a.- 3X1+2X2  2000
3(0)+2(1000) 2000
2000  2000
Significa de las 2000 horas máquina disponible, fueron utilizadas todas
2.- Horas Operario
b.- 2X1+4X2  2500
2(0)+4(1000)  2500
2500-4000= -1500 Recurso Abundante
El resultado muestra que se debe incrementar las horas disponibles de operario en 1500
para que el vértice P pueda ser la nueva solución
3.-Capital
22
c.- 400X1+200X2  350000

400(0)+200(1000)  350000
Existe $150000 no gastado
d.- X1 800
(0)  800
800-0= 800 Recurso Abundante
PUNTO Q
1.- Horas Máquina
P= (750,250)
a.- 3X1+2X2  2000
3(750)+2(250) 2000
2750  2000
2000-2750=-750 Recurso Abundante
Para que la nueva solución sea el punto Q se debe incrementar en la disponibilidad de
horas Máquina en 750.
2.- Horas Operario

b.- 2X1+4X2  2500
2(750)+4(250)  2500
Las horas operario son exactamente las necesarias.
3.-Capital
c.- 400X1+200X2  350000
400(750)+200(250)  350000
350000-350000=0 Recurso Agotados
El capital es justo lo que se necesita y no existe ni sobrante ni faltante.
d.- X1 800
(750)  800
Realizamos el análisis basado en el precio sombra que valor que aumenta o disminuye la
ganancia en ($/unidad) por cada unidad de recurso que se incremente o reduzca.
Determinado por la siguiente relación:
Realizamos una tabla para cada restricción con el análisis respectivo, tomando en cuenta
los mayores incrementos absolutos de cada una de las restricciones en los puntos B, P y Q.
Tabla 14: Análisis restricciones en los puntos B, P y Q
Restricción Punto Recurso Tipo ∆ del ∆ Yi (Precio

Recurso Función Sombra)
Objetivo
23
a Q 1.- Horas Maquina Agotado 750 37500 50

b P 2.- Horas Operario Agotado 1500 112500 75
c B 3.-Capital Abundante -112500 0 0
d B 4.- Demanda del Abundante -425 0 0
producto A
En el Punto Q deberíamos incrementar 750 horas Máquina para tener un incremento en la

utilidad de $37500, la utilidad que tendríamos por cada hora incrementada de Maquinaria
sería de $50 también es el valor máximo adicional que podemos pagar por cada hora
adicional de Maquinaria; mientras que en el Punto P se incrementaría 1500 Horas
Operario para que aumente la utilidad en $112500, la utilidad que tendríamos por cada
hora incrementada de Operario sería de $75 también es el valor máximo adicional que
podemos pagar por cada hora adicional de Operario. Comparando estos indicadores en los
Puntos B, P, Q, podemos concluir si es conveniente modificar la Solución Óptima Factible
al punto P, ya que el precio sombra es mayor. El precio sombra calculado se lo puede
comparar con el encontrado a través del software Excel y POM.
Análisis de sensibilidad de los márgenes de contribución de los coeficientes de la Función

Objetivo.
El análisis de sensibilidad de los márgenes de contribución responde a la pregunta. “¿En

qué límites puede variar los coeficientes de la Función Objetivo (Márgenes de
Contribución) sin cambiar la Solución Óptima Factible (vértice óptimo)?” (Rodriguez
Acosta, 2011, pág. 44).
La Función Objetivo: Z máx.= 300X1+400X2, acudimos a un artificio considerando que se

trata de una ecuación lineal.
Z máx.= C1 X1+C2 X2,
Donde la pendiente sería:
Calculamos la pendiente de los recursos Agotados

1.- Horas Máquina
a.- 3X1+2X2  2000
Igualamos con la pendiente de la función Objetivo, colocando C2 como incógnita.
C2=200
C1=600
2.- Horas Operario
b.- 2X1+4X2  2500
24
C2=600
C1=200
Los límites en los que puede cambiar los coeficientes de la Función sin cambiar la
Solución Óptima Factible son:
200≤C1≤600
200≤C2≤600
También se lo puede expresar en cuanto puedo incrementar y disminuir los coeficientes de

la función Objetivo sin cambiar la Solución Óptima Factible, por supuesto que la utilidad
variará.
Tabla 15: Variación permitida de los coeficientes de la Función Objetivo
Coeficiente F. O Valor Coef. F.O. Disminuir Aumentar

C1 300 100 300
C2 400 200 200
Los resultados obtenidos se los puede ver en el informe de confidencialidad obtenido con
Excel que se explica a continuación.
6.- Programa de Software (Excel)
25
Realice una tabla en Excel con la función Objetivo y las restricciones, la función objetivo
en la celda B7, en la parte superior podemos ver la función aplicada
Figura 9
26
El uso total también se puede ver la fórmula aplicada
Figura 10 Formato para Solver
Los recursos sobrantes únicamente aplicamos una resta entre los máximos recursos y el
uso total.
27
En datos en la barra de herramientas damos clic en La Función solver y se despliega la

siguiente ventana que la llenamos según el requerimiento que lo relacionamos por el
nombre de las celdas y clic en resolver
Activamos los informes que vamos a requerir y aceptar
28
Se despliega los resultados y los informes entre ellos el informe de confidencialidad en el

que podemos ver entre otra información el precio sombra, en cuanto puede variar los
coeficientes de la función objetivo y el análisis de las restricciones.
Figura 14 Informe de confidencialidad
6.- Programa de Software (POM)
Abrir el programa POM y en la barra de tareas vamos a Módulo y señalamos

Programación Lineal
Figura 15 Tutorial de POM
29
En Archivo seleccione nuevo
Coloque el número de restricciones (4) y variables (2) según el requerimiento, además

marque si va a maximizar o minimizar (en este caso maximizar) clic en ok.
30
Llene la matriz y haga clic en solve
Finalmente tiene los resultados, en la barra de herramientas en Windows puede desplegar

los diferentes tipos de resultados incluidos el gráfico y el precio sombra.
31
El gráfico es el mismo que obtenemos en la parte inicial resuelto en Geo Gebra que se
trata de otro graficador.
32
CAPÍTULO 2
MODELOS DE PROGRAMACIÓN LINEAL CON MÁS DE DOS VARIABLES
El estudiante estará en capacidad de modelos de Programación Lineal complejos con más

de dos variables, aplicados a empresas productoras y comercializadoras, tanto públicas
como privadas con el fin de optimizar sus recursos
Resolver modelos de Programación Lineal complejos con más de dos variables, aplicados a
CONTENIDO
• Planteamiento de modelos con MÁS DE dos variables de decisión.

• Diferentes Aplicaciones Prácticas
• Resolución de modelos: USO DE SOFTWARE Y LA FUNCIÓN SOLVER.
• Interpretación de resultados
• Análisis de Sensibilidad
33
EXPLICACIÓN
Programación Lineal: Análisis de Sensibilidad e Interpretación de la solución.
En el siguiente capítulo se desarrolla la “Programación Lineal: Formulación y

Aplicaciones”, en el cual los modelos tendrán más de dos variables y su función objetivo
será tanto de maximización como de minimización.
Los problemas con mayor número de variables regularmente son más apegados a la
realidad, razón por la cual en la actualidad sólo son resueltos por medio de programas de
computación.
Se le recomienda que resuelva los modelos de DOS VARIABLES mediante el METODO

GRÁFICO, y los de TRES O MAS VARIABLES mediante la aplicación del programa
SOLVER del Excel u otros software disponibles en el mercado como el QM para Windows
(POM), TORA, LINDO, QSB, etc.
También se estudia el Análisis de “qué pasa si” para la Programación lineal lo que implica
realmente un análisis de sensibilidad de las restricciones.
Es muy importante este tema puesto que las condiciones de los negocios son cambiantes y
con este análisis se pueden encontrar el “Precio Sombra” que es la utilidad o la pérdida que
tendrá la empresa si cambia una de las restricciones del modelo. Para esto es importante en
primer lugar determinar si los recursos son “Agotados” o “Abundantes” con la
implementación del plan óptimo de solución.
El análisis de sensibilidad de los coeficientes de la función objetivo, nos ayuda a reaccionar

rápidamente a la variación de la función objetivo analizada, por ejemplo cambios de la
utilidad unitaria o del costo unitario de una de nuestras variables, nos obligarán a revisar la
decisión tomada ratificando la misma o tomando otra.
Es de suma importancia que usted analice los problemas desarrollados y luego los plantee y
resuelva. Existen algunos de los problemas propuestos que están resueltos al final del libro
y en el CD que viene con el mismo, le recomendamos que los revise y analice
detenidamente, estos nos servirán de auto evaluación, aunque cabe anotar que existe algún
error de impresión en la solución de alguno de ellos.
Problemas Resueltos
Problema 1.
De los problemas propuestos de otros autores
Para satisfacer las necesidades de vitaminas, un hombre va a comprar 100 píldoras que
deben contener al menos 750 unidades de B1, 600 unidades de B2 y 280 unidades de B6.
34
Compra a $0.5 las píldoras del tipo-I que contiene 10 unidades de B1, 5 unidades de B2 y 3
de B6; compra a $0.6 las píldoras del tipo-II que contienen 12 unidades de B1, 2 de B2 y
11 de B6 y a $0.4 las píldoras del tipo-III que contienen 6 unidades de B1, 7 de B2 y 2 de
B6.
Cuántas píldoras de cada tipo debe consumir para satisfacer sus necesidades a un mínimo
costo?
a.- Formule el modelo algebraico y resuelva en una hoja de cálculo para este problema.
b.- Use Excel Solver para obtener el intervalo de optimalidad para cada costo unitario.
Tabla 16: Resumen de datos:
PILD. PILD. PILD. NECESIDADES

NOMBRE RESTRICC TIPO-I TIPO-II TIPO-III MINIMAS
1.- VITAMINA-B1 (unid.) 10 12 6 750.00
2.- VITAMINA- B2 (unid) 5 2 7 600.00
3.- VITAMINA-B6 (unid.) 3 11 2 280.00
4.- REQUER. PILDORAS 1 1 1 100.00
costos unitarios ($/pild.) 0.5 0.6 0.4
MODELO ALGEBRAICO:
- Definición de variables:
-
X1 = cantidad de píldoras tipo-I que debe comprarse
X2 = cantidad de píldoras tipo-II que debe comprarse
X3 = cantidad de píldoras tipo-III que debe comprarse
- Función Objetivo:
-
MIN. COSTO = 0.5X1 + 0.6X2 + 0.4X3
- Restricciones:
-
1.- Vitamina B1: 10X1 + 12X2 + 6X3 ≥ 750
2.- Vitamina B2: 5X1 + 2X2 + 7X3 ≥ 600
3.- Vitamina B6: 3X1 + 11X2 + 2X3 ≥ 280
4.- Req. Píldor.: X1 + X2 + X3 = 100
35
X1 , X2 , X3 ≥ 0
Tabla 17: Resolución en solver de Excel
PILD. PILD. PILD. UNID. UNID.

NOMBRE RESTRICC
TIPO-I TIPO-II TIPO-III UTILIZ. DISPON
1.- VITAMINA - B1 (unid.) 10 12 6 750,00 ≥ 750
2.- VITAMINA - B2 (unid) 5 2 7 613,67 ≥ 600
3.- VITAMINA - B6 (unid.) 3 11 2 280,00 ≥ 280
4.- REQUER. PILDORAS 1 1 1 100,00 = 100
Costos unitarios ($/pild.) 0,5 0,6 0,4 44,03
SOLUCION OPTIMA: 29,00 5,67 65,33
RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD:
Microsoft Excel 15.0 Informe de confidencialidad

Hoja de cálculo: [Libro1]Hoja1
Informe creado: 15/10/2015 9:27:12
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$7 SOLUCION OPTIMA: PILD. TIPO-I 29 0 0,5 0,033333333 0,077777778
$C$7 SOLUCION OPTIMA: PILD. TIPO-II 5,666666667 0 0,6 0,7 0,05
$D$7 SOLUCION OPTIMA: PILD. TIPO-III 65,33333333 0 0,4 0,0875 0,1
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$E$2 1.- VITAMINA - B1 (unid.) UNID. UTILIZ. 750 0,023333333 750 31,53846154 96,66666667
$E$3 2.- VITAMINA - B2 (unid) UNID. UTILIZ. 613,6666667 0 600 13,66666667 1E+30
$E$4 3.- VITAMINA - B6 (unid.) UNID. UTILIZ. 280 0,006666667 280 51,25 42,5
$E$5 4.- REQUER. PILDORAS UNID. UTILIZ. 100 0,246666667 100 20,71428571 1,348684211
Problema 2.
Considere un problema de asignación de recursos con la siguiente tabla de parámetros:
Tabla 18: tabla de parámetros
Uso de recursos por unidad de Cantidad de

Recursos cada actividad recursos
disponible
1 2
1 1 3 8
2 1 1 4
36
Ganancia unitaria ($) 1 2
El objetivo es determinar el número de unidades de cada actividad que maximiza la

ganancia total.
a) Método gráfico
FO: Ganancia Total MAXIMIZAR
Variables:
x1 = número de unidades de actividad 1
x2 = número de unidades de actividad 2
FO: U = x1 + 2 x2 MAXIMIZAR
x1 + 3 x2 ≤ 8
x1 + x2 ≤ 4
x1 , x2 ≥ 0
La solución óptima es realizar 2 unidades de la actividad 1 y 2 unidades de la actividad 2

para obtener una utilidad máxima de $ 6.
37
b) Use el análisis gráfico para determinar el precio sombra de cada recurso resolviendo de
nuevo después de aumentar en 1 cada recurso disponible
El precio sombra para el recurso 1 es $ 0.50, es decir que por cada unidad
de recurso uno que aumente o disminuya la ganancia total aumenta o
disminuye en $0.50.
Precio sombra del recurso 2
El precio sombra para el recurso disponible 2 es $ 0.50, es decir que por cada unidad de
recurso 2 que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
38
c) Programación Lineal con Solver
Tabla 19: Resultados en solver
x1 x2 Disponible
Recurso 1 1 3 8,00 < 8

Recurso 2 1 1 4,00 < 4
Ganancia 1 2 6,00 máximo
Unitaria
Variables 2,00 2,00
La solución óptima es realizar 2 unidades de la actividad 1 y 2 unidades de la actividad 2
para obtener una utilidad máxima de $ 6 (igual que en el método gráfico)
Precio sombra del recurso 1
x1 x2 Disponible
Recurso 1 1 3 9,00 < 9

Recurso 2 1 1 4,00 < 4
Unitaria
Variables 1,50 2,50
recurso 1 que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
Precio sombra del recurso

2
x1 x2 Disponible
Recurso 1 1 3 8,00 < 8
Recurso 2 1 1 5,00 < 5
Unitaria
Variables 3,50 1,50
recurso uno que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
39
d) Use solver para obtener el precio sombra
Tabla 22: Análisis de sensibilidad
Microsoft Excel 10.0 Informe de sensibilidad

Hoja de cálculo: [Ejercicio 4.11.xls]Hoja1
Informe creado: 01/05/2005 20:50:45
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Disminución
Celda Nombre Igual reducido objetivo permisible permisible
$B$3 Variables x1 2,00 0,00 1 1 0,333333333
$C$3 Variables x2 2,00 0,00 2 1 1
Restricciones
Valor Sombra Restricción Aumento Disminución
Celda Nombre Igual precio lado derecho permisible permisible
$D$6 Recurso 1 8,00 0,50 8 4 4
$D$7 Recurso 2 4,00 0,50 4 4 1,333333333
El informe muestra que cuando tanto, el recurso uno como el 2 aumentan en una unidad, la
ganancia total aumenta o disminuye en $0.50, respectivamente.
e) Los precios sombra son útiles por que muestran como se ve afectada la ganancia cuando
los recursos disponibles aumentan o disminuyen, lo que permite decidir que recurso
aumentar para que la utilidad aumente, o que recurso disminuir para que se vea menos
afectada.
40
CAPÍTULO 3
MODELOS DE TRANSPORTE Y ASIGNACIÓN
Figura 23 Modelos de Trasporte
El estudiante estará en capacidad de resolver problemas de transporte y asignación,

aplicados a empresas públicas y privadas con diferentes tipos de servicios con el fin de
Resolver problemas de transporte y asignación, aplicados a empresas públicas y privadas

con diferentes tipos de servicios con el fin de optimizar sus recursos.
CONTENIDO
• BASES TEÓRICAS Y FORMULACIÓN MATEMÁTICA DEL PROBLEMA DE

TRANSPORTE.
• CALCULO DE DISTRIBUCIONES INICIALES BÁSICAS EN PROBLEMAS

DE MÁXIMOS Y MÍNIMOS.
• RESOLUCIÓN DE MODELOS Y OPTIMIZACIÓN DE

DISTRIBUCIONES DE PRODUCTOS CON APLICACIÓN DE
DIFERENTES SOFTWARE (Función Solver, Tora, Lindo, etc).
• CASO ESPECIAL: FORMULACIÓN Y SOLUCIÓN MATEMÁTICA DE

MODELOS DE ASIGNACIÓN.
41
EXPLICACIÓN
Modelos de Transporte
En este capítulo se presenta el modelo de Transporte y Asignación, como un modelo

particular de programación lineal.
El modelo de transporte tiene como objetivo encontrar el costo menor de transportar desde
varios puntos de origen a varios puntos de destino cubriendo la oferta o recursos y la
demanda.
Se debe tomar en cuenta en este modelo que si la oferta es mayor que la demanda las
restricciones asociadas a los orígenes debe ser del tipo “≤” y las asociadas a la oferta deben
ser “=”, pero si la demanda es mayor que la oferta los nodos de destino deberán ser los que
tienen las restricciones “≤” y los destinos “=” o se deberá aumentar un origen ficticio como
indica en el texto guía, por último si la oferta total y la demanda total son iguales todas las
restricciones podrán ser “=”.
Aunque existen varios métodos para resolver un problema de transporte se debe empezar
con una solución inicial, utilizando el método más tradicional conocido como
“aproximación de Vogel”, y luego con el proceso recurrente de optimización del problema
de transporte, pero en el texto guía no se desarrollan estos métodos por lo que se los debe
resolver como se indica en el mismo, planteándolo como modelo de programación lineal y
resolviéndolo mediante la función Solver.
Capítulo 3: “Modelos o problemas de Asignación”
La Asignación es una variante o caso especial del Modelo de Transporte. En este caso se
quieren asignar actividades o recursos a personas, máquinas o tareas o viceversa, con el
objetivo que el costo total sea el menor. La particularidad de este modelo es que la oferta y
la demanda es “1” en cada nodo de origen o destino.
42
Problemas Resueltos
Problema 1.
La empresa frutería litoral desea transportar frutas a las diferentes ciudades del país, el
gerente de dicha empresa desea que se envíe dicho producto que en este caso son
manzanas.
Los lugares de partida son de Quito con 3,000 cajas y desde Guayaquil 4,000 cajas,
mientras que los lugares de destino pueden recibir: Latacunga de 1,100 cajas, Ambato
1,200 cajas, Baños 1,400 cajas, Guaranda 1,600 cajas, Riobamba 1,700 cajas. El costo del
transporte es de acuerdo a la distancia. Encontrar la minimización del costo de transporte.
Los Costos Unitarios ($/caja) de distribución de cada fuente a cada destino son:
Tabla 23: Costos Unitarios
LATAC. AMB. BAÑOS GUAR. RIOB.
QUITO 70 120 100 150 120
GUAYAQUIL 280 120 184 100 150
Oferta Demanda
Latacunga
1100
Quito
3000
Ambato 1200
Baños
1400
Guayaquil Guaranda
4000 1600
1700
Riobamba
43
Figura 24 Modelo de Transporte resuelto con Programación Lineal
- Definición de las variables:
X11: Número de cajas que transporta de Q – L

X12: Número de cajas que transporta de Q – A
X13: Número de cajas que transporta de Q – B
X14: Número de cajas que transporta de Q – G
X15: Número de cajas que transporta de Q – R
X21: Número de cajas que transporta de G – L
X22: Número de cajas que transporta de G – A
X23: Número de cajas que transporta de G – B
X24: Número de cajas que transporta de G – G
X25: Número de cajas que transporta de G – R
Por consiguiente, el modelo de transporte planteado como un modelo de programación

lineal, sería como sigue:
FUNCION OBJETIVO
Min Costo = 70X11 + 120X12 +100X13 + 150X14 + 120X15 + 280X21 +

120X22 +184X23 + 100X24 + 150X25
RESTRICCIONES
Origen X11 + X12 + X13 + X14 + X15 = 3000

X21 + X22 + X23 + X24 + X25 = 4000
Destino X11 + X21 = 1100

X12 + X22 = 1200
X13 + X23 = 1400
X14 + X24 = 1600
X15 + X25 = 1700
X11, X12, X13, X14, X15, X21, X22., X23, X24, X25 ≥ 0
44
Planteado de acuerdo a la estructura matricial resulta como sigue:

Tabla 24:
Latacunga Ambato Baños Guaranda Riobamba Oferta
Quito X11 X12 X13 X14 X15

70 120 100 150 120 3000
Guayaquil X21 X22 X23 X24 X25

280 120 184 100 150 4000
Demanda
1100 1200 1400 1600 1700
Problema 2
Considere el problema de transporte que tiene la siguiente tabla de parámetros:
Costo unitario
Tabla 25: Tabla de parámetros
Destino
Origen 1 2 3 Recursos
1 9 6 8 4
2 7 12 10 3
3 6 7 6 2
Demanda 3 3 2
a. Trace la representación de redes de este problema.

Origen Destino
45
O1 D1
4 3
3 O2 D2
3
O3 D3
2 2
Figura 25 Modelo de Transporte
b. Formule el problema en una hoja de cálculo
c. Use Excel Solver para obtener la solución óptima.
Tabla 26: Costo unitario
Destino D1 D2 D3 Recursos
Origen TOTAL
O1 0 1 2 3 ≤ 4
O2 1 2 0 3 ≤ 3
O3 2 0 0 2 ≤ 2
TOTAL 3 3 2 $65
═ ═ ═
DEMANDA 3 3 2
Problema 3
Considere el problema de transporte que tiene la siguiente tabla de parámetros:
Tabla 27: Costo unitario
Destino
Origen 1 2 3 Recursos
1 9 6 8 4
2 7 12 10 3
3 6 7 6 2
Demanda 3 3 2
Problema 4
46
(Transporte)
Una empresa produce un único artículo en tres plantas, A, B, C. La capacidad de

producción mensual de la empresa está limitada a 50, 70, 90 unidades mensuales en cada
una de las plantas. La empresa tiene tres clientes mayoristas cuyas demandas mensuales
son 30, 90 y 80 unidades respectivamente.
Los costes de envió a los 3 clientes mayoristas que la empresa tiene vienen dados por la
siguiente tabla.
Tabla 28: Costes de envió
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3

A 208 320 145
B 310 260 135
C 280 150 125
a) Calcular la distribución Óptima y el costo mínimo, utilizando el método del costo

mínimo.
Ubicamos en la tabla de costos la respectiva oferta y demanda y la sumamos en la esquina

inferior.
Tabla 29: costos oferta y demanda
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 OFERTA

A 208 320 145 50
B 310 260 135 70
C 280 150 125 90
210
DEMANDA 30 90 80 200
Trazamos diagonales en cada una de las celdas y observamos que la oferta es 210 y la
demanda 200 por lo que es necesario que incluyamos una columna con un cliente ficticio
para que la oferta y la demanda esté equilibrada.
Como el problema se trata de un ejercicio de minimización comenzamos asignando

valores a la celda con el menor costo (no tomamos en cuenta la columna ficticia) para ello
es la celda C33, si la oferta es de 90 y la demanda de 80 asignamos lo mayor posible esto
es 80, el resto de la columna con ceros porque la suma en el Cliente-3 da el total.
Continuamos con el siguiente valor en la celda C32, aunque la demanda es de 90 solo

podemos ofertar 10 porque 80 ya fue ofertado anteriormente, la celda C31 y C34 lo
completamos con cero. La Panta C al sumar las asignaciones la oferta está satisfecha.
Continuamos con el mismo procedimiento hasta finalizar el proceso.
Tabla 30:Método u-v
PLANTAS CLIENTE- CLIENTE- CLIENTE- CLIENTE- OFERTA
47
1 2 3 FICT
30 10 0 10
50
A 208 320 145 0
0 70 0 0
70
B 310 260 135 0
0 10 80 0
90
C 280 150 125 0
210
30 90 80 10
DEMANDA 210
La distribución óptima es la siguiente:
De la Panta A distribuir al Cliente-1 30 unidades y al Cliente-2 10 unidades.
De la Panta B distribuir al Cliente-2 70 unidades.
De la Panta C distribuir al Cliente-2 10 unidades y al Cliente-3 80 unidades
El costo mínimo está dado por todas las asignaciones con sus costos respectivos:
Zmin= (30) (208)+ (10) (320)+ (70) (260)+ (10) (150)+ (80) (125)=39140
Distribución Mejorada. Método ‘u-v’
La distribución ni el costo mínimo estamos seguros que lo sean los óptimos por lo que es
necesario aplicar el método expuesto.
Comenzamos aplicando la siguiente fórmula a todas las celdas que tengan algún valor
asignado.
Tabla 31: Método u-v
v1 v2 v3 v4
CLIENTE- CLIENTE- CLIENTE- CLIENTE-
PLANTAS 1 2 3 FICT OFERTA
30 10 0 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 10 80 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
ui+vi= Cij
u1+v1=208
u1+v2=320
48
u1+v4=0
u2+v2=260
u3+v2=150
u3+v3=125
Resolvemos el sistema de ecuaciones para lo cual a la variable que más se repite le

asignamos cero (u1=0). Las soluciones son las siguientes.
u1=0
u2= -60
u3=-170
v1=208
v2=320
v3=295
v4=0
Teniendo todos los valores de u y v calculados, en las celdas cuyas variables sean igual a
cero, (exceptuando la columna ficticia) aplicamos la siguiente fórmula.
Cij=( Costo o utilidad) – (ui+vj)
C13= 145-(0+295)= -150
C21=310- (-60+208)= 162
C23=135-(-60+295) = -100
C31= 280-(-170+208)=242
Para tomar la distribución inicial como la definitiva es necesario que todos los valores
sean positivos como vemos hay 2 valores negativos -150 y -100 , consideramos la celda
del menor (C13) donde iniciaremos la optimización, en esta celda vamos a asignar una
cantidad θ, en la tercera columna si realizamos un incremento de una determinada
cantidad para que haya equilibrio es necesario que se reste en otra celda en la misma
columna, la única a la que se le puede restar es la celda C33, ya que la C23 tiene valor de
49
cero y no es posible realizar la diferencia. Ahora en la fila tenemos dos opciones restar en
la celda C12 o en la celda C11, como se trata de minimizar deseamos reducir los costos
restamos al de mayor valor C12, En la fila 3 vamos a sumar por lo que consideramos el de
menor valor C32. Teniendo la siguiente tabla.
50
v1 v2 v3 v4
CLIENTE-
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 FICT OFERTA
30 10- θ 0 +θ 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 10 + θ 80 – θ 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
Calculamos el valor de θ, seleccionando las nuevas asignaciones con signo negativo.
80 - θ = 0
10- θ = 0
Despejamos θ y escogemos el menor valor
Θ =10
Este valor remplazamos en la tabla y obtenemos la nueva asignación.
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 20 70 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
De la Panta C distribuir al Cliente-2 20 unidades y al Cliente-3 70 unidades
Z min= (30) (208)+ (10) (145)+ (70) (260)+ (20) (150)+ (70) (125)=37640
51
La distribución ni el costo mínimo estamos seguros que lo sean los óptimos y definitivos
por lo que es necesario aplicar nuevamente el método expuesto.
asignado.
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 20 70 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
ui+vi= Cij
u1+v1=208
u1+v3=145
u1+v4=0
u2+v2=260
u3+v2=150
u3+v3=125

u1=0
u2= 90
u3=-20
v1=208
v2=170
v3=145
v4=0
52
Cij=( Costo o utilidad) – (ui+vj)
C12= 320-(0+170)= 150
C21=310- (90+208)= 12
C23=138-(90+145)= -97
C31= 280-(-20+208)= 52
Para tomar la distribución inicial como la definitiva es necesario que todos los valores
sean positivos como vemos hay 1 valor negativo -97 de la celda (C23) donde iniciaremos
la optimización, en esta celda vamos a asignar una cantidad θ, en la segunda fila si
realizamos un incremento de una determinada cantidad para que haya equilibrio es
necesario que se reste en otra celda en la misma fila, la única a la que se le puede restar es
la celda C22, ya que la C21 tiene valor de cero y no es posible realizar la diferencia.
Debemos restar en las columnas 4 y sumar en la columna 2 para que haya equilibrio,
debemos saber en qué fila en la primera o en la tercera, para ello restamos los costos de
estas opciones
150-125=25 Fila 3
320-145= 75 Fila 1
La nueva asignación debe ser en la fila 3 porque allí tenemos el menor valor, recuerde que
estamos minimizando.
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70-θ 0 +θ 0
u2 B 310 260 135 0 70
0 20+θ 70-θ 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
Calculamos el valor de θ, seleccionando las nuevas asignaciones con signo negativo.
70 - θ = 0
70- θ = 0
53
Despejamos θ y escogemos el menor valor
θ =70
Este valor remplazamos en la tabla y obtenemos la nueva asignación.

v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 0 70 0
u2 B 310 260 135 0 70
0 90 0 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
De la Panta C distribuir al Cliente-2 90 unidades.
Z min= (30) (208)+ (10) (145)+ (70) (135)+ (90) (150)=30640
El nuevo costo mínimo es menor pero la distribución ni el costo mínimo estamos seguros
que lo sean los óptimos y definitivos por lo que es necesario aplicar nuevamente el
método expuesto.
asignado.
ui+vi= Cij
u1+v1=208
u1+v3=145
u1+v4=0
u2+v3=135
u3+v2=150
54

u1=0
u2= -10
u3=-20
v1=208
v2=170
v3=145
v4=0
La variables u3 y v2 no es posible resolver por lo que tomamos los valores anteriores.

Cij= (Costo o utilidad) – (ui+vj)
C12= 320-(0+150)= 170
C21=310- (-10+208)= 112
C22=260-(-10+150)= 120
C31= 280-(-20+208)= 92
C33= 125-(-20+145)= 0
Todos los valores son positivos por ello la última distribución y el valor de la Función
Objetivo son los definitivos.
55
Problema 5
(Asignación)
Una panadería tiene cuatro empleados y realiza tres tipos de pan enrollado, moldes y
empanadas; para el propietario es importante que se asigne adecuadamente a cada
empleado para realizar los diferentes tipos de pan. Se dispone de un historial en el que se
indica cuantos panes por hora realizan en promedio cada empleado. Considere que solo se
puede asignar una persona para cada clase de pan por razones operativas de la panadería.
Tabla 37: panes por hora
EMPLEADOS ENROLLADOS MOLDES EMPANADAS

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
a) Calcular la distribución Óptima y el número de panes que se puede realizar en una

hora, utilizando el método Húngaro.
Es importante reconocer que se trata de un problema de asignación porque disponemos de

un empleado para realizar únicamente una tarea. Además se trata de un problema de
maximización deseamos que la panadería elabore la mayor cantidad de panes en el menor
tiempo posible.
Tabla 38: Empleados y tipos de Panes

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
Cuando tenemos un problema de asignación iniciamos identificando el mayor valor de la

tabla en este caso es el 140 en la ubicación X23, luego de este valor restamos a todos de la
tabla. En la posición X11 restamos 140-120=20, con estos valores realizamos una nueva
tabla.
Tabla 39: Método Húngaro

JUAN 20 22 25
PEDRO 15 60 0
MATEO 30 12 7
CARLOS 40 10 12
56
Luego equilibramos el número de filas y columnas añadiendo ceros en los espacios vacíos.
COLUMNA
EMPLEADOS ENROLLADOS MOLDES EMPANADAS FIC.
JUAN 20 22 25 0
PEDRO 15 60 0 0
MATEO 30 12 7 0
CARLOS 40 10 12 0
Restamos el menor de cada fila en este caso son ceros por lo que nos queda la misma
matriz.
COLUMNA
JUAN 20 22 25 0
PEDRO 15 60 0 0
MATEO 30 12 7 0
CARLOS 40 10 12 0
El menor restamos a su respectiva columna.

COLUMNA
JUAN 5 12 25 0
PEDRO 0 50 0 0
MATEO 15 2 7 0
CARLOS 25 0 12 0
Trazamos rectas por las celdas cubriendo con cada recta la mayor cantidad de ceros,
asegurémonos que a todos los ceros sean cubiertos, no importa que haya intersecciones
entre las ellas.
COLUMNA
JUAN 5 12 25 0
PEDRO 0 50 0 0
MATEO 15 2 7 0
CARLOS 25 0 12 0
57
Son tres rectas las que cubren todos los ceros, por tratarse de un sistema de 4X4 se
requiere al menos de cuatro rectas, para ello debemos aplicar el siguiente artificio.
Encontramos el valor menor de los no subrayados (2) y:
 Sumamos 2 ( en este caso) a las intersecciones

 El resto de elementos subrayados los copiamos igual
 A los no subrayados los restamos 2 (el menor).
COLUMNA
JUAN 3 10 23 0
PEDRO 0 50 0 2
MATEO 13 0 5 0
CARLOS 25 0 12 2
Repetimos el procedimiento anterior trazamos rectas por las celdas cubriendo con cada
recta la mayor cantidad de ceros, asegurémonos que a todos los ceros sean cubiertos, no
importa que haya intersecciones entre las ellas.
COLUMNA
JUAN 3 10 23 0
PEDRO 0 50 0 2
MATEO 13 0 5 0
CARLOS 25 0 12 2
Son tres rectas las que cubren todos los ceros, por tratarse de un sistema de 4X4 se
requiere al menos de cuatro rectas, para ello debemos aplicar el siguiente artificio.
Encontramos el valor menor de los no subrayados (3) y:
 Sumamos 3 ( en este caso) a las intersecciones

 El resto de elementos subrayados los copiamos igual
 A los no subrayados los restamos 3 (el menor).
58
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
Repetimos el procedimiento anterior trazamos rectas por las celdas cubriendo con cada
recta la mayor cantidad de ceros, asegurémonos que a todos los ceros sean cubiertos, no
importa que haya intersecciones entre las ellas.
Tabla 47 Método Húngaro
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
Finalmente tenemos al menos cuatro rectas para nuestro sistema de 4X4, por lo tanto
tenemos encontrar la solución.
Recordemos que tememos que asignar un empleado para realizar una variedad de pan y en
la tabla siguiente los ceros son las posibles soluciones, por ello. Buscamos en que fila o
columna disponemos de un único cero, en las posiciones X23 y X32. Considerando que
Pedro va a realizar las empanadas y Carlos los moldes, a Juan debe hacer las Enrollados,
mientras que Mateo se queda sin tarea.
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
La asignación sería la siguiente:

Juan realiza los enrollados
Pedro las empanadas
Mateo se queda sin tarea
Carlos debe realizar los enrollados.
59

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
El número de panes que se puede fabricar por hora en la panadería es de:
Z máx. = 120+130+140 = 390 panes
60
CAPÍTULO 4
MODELOS DE LÍNEAS DE ESPERA O TEORÍA DE COLAS
El estudiante estará en capacidad de resolver modelos de Líneas de Espera complejos con

más de dos variables, aplicados a empresas productoras y comercializadoras, tanto públicas
como privadas con el fin de optimizar sus recursos.
Resolver modelos de Líneas de Espera complejos con más de dos variables, aplicados a
CONTENIDO
BASES TEÓRICAS GENERALES
• FORMULACIÓN Y SOLUCIÓN DE MODELOS DE LÍNEAS DE ESPERA DE

UN SERVIDOR, CON CAPACIDAD ILIMITADA Y LIMITADA
• FORMULACIÓN DE SISTEMAS DE LÍNEAS DE ESPERA DE VARIOS

SERVIDORES, CON CAPACIDAD ILIMITADA Y LIMITADA
• USO DE DIAGRAMAS Y ARTIFICIOS DE RESOLUCIÓN RÁPIDA.
61
EXPLICACIÓN
MODELO DE LINEAS DE ESPERA Y TEORIA DE COLAS
En el capítulo 4 se realiza el análisis de los Modelos de Colas o Línea de Espera o Teoría

de Colas. La teoría de colas basa su estudio en encontrar un equilibrio entre el costo de
tener puntos de atención a clientes de una institución versus el costo y descontento que
tiene un cliente cuando está esperando mucho tiempo que lo atiendan.
Para encontrar este equilibrio debemos plantear un modelo el cual está afectado por varios
factores operativos entre los más importantes: tiempos de espera, tiempos de atención,
número de líneas de espera, tipo de línea de espera, etc.
MODELO DE LÍNEA DE ESPERA DE ÚNICO SERVIDOR CON LLEGADAS

POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1
Según: (Anderson, Sweeney, Willams, Camm, & Kipp, 2011, pág. 661) utiliza M/M/1;
nomenclatura que identifica el modelo, además se la utiliza para ser resuelto en POM
(Software).
El siguiente gráfico resume el modelo.
Figura 26 Modelo de línea de espera de único servidor con llegadas Poisson y tiempos de servicio exponenciales.
M/M/1
Ejercicio Resuelto
Un asistente contable recibe facturas para ingresar los datos al sistema. Suponga que
puede usarse una distribución de probabilidad de Poisson con una tasa media de 10
facturas por hora para describir el patrón de llegada y que los tiempos tasa media de 12
facturas por hora con tiempos de servicio exponenciales. El costo de espera de un cliente
es de 20$/hora, mientras que el costo de servicio es de 15 $/ hora.
62
Resolución. Condiciones:
Una línea de espera
Un servido k=1
Capacidad ilimitada o infinita m=∞
Orden de atención fifo o peps (primero en llegar primero en salir)
Tasa de llegada sigue una distribución de Poisson
Tasa de servicio sigue una distribución exponencial
Datos:
Tasa de llegada
λ = 10 Clientes /hora
Tasa de servicio
µ=12 Clientes /hora
Ce=20$/hora
Cs=15 $/ hora
Con esto datos podemos resolver en POM.
Abrimos el programa, en módulo seleccionamos Waiting Lines
Figura 27 Tutorial Línea de Espera
63
En File vamos a new y seleccionamos el modelo M/M1
Tenemos dos opciones si vamos a realizar un cálculo de costos o no. Señalamos en Use
cost, si no hay datos para calcular costos no hay problema estos no se calculan pero los
otros parámetros sí, clic en ok.
64
Finalmente llenamos los datos en la matriz que se despliega y clic en solve.

En la barra de herramienta en Windows podemos desplegar los resultados, como la tabla
de probabilidades y el gráfico.
La nomenclatura que utilizaremos en el cálculo difiere de la utilizada en POM por lo que

la relacionaremos en lo posible.
a) ¿Cuál es la probabilidad de que el cliente llegue y no sea atendido?
Aplicamos el factor de Utilización U
=0.83
65
b) ¿Cuál es la probabilidad de que no haya facturas para ingresar en el sistema o que

el sistema este vacío?
c) ¿Cuál es la cantidad promedio de facturas que esperaran para ser ingresadas?
( )
( )
( )
( )
d) ¿Cuál es la cantidad promedio de facturas que se encuentran en el sistema?
( ) (
=
) ( )
e) ¿Cuál es el tiempo de espera promedio en minutos antes de ingresar los datos de la

factura al sistema?
( )
( )
( )
f) ¿Cuál es el tiempo promedio desde que la factura llega hasta que es ingresada en el
sistema en minutos (tiempo de espera más tiempo de servicio)?
( ) ( )
( )
g) ¿Cuál es la probabilidad que haya más de un cliente en el sistema?

Aplicamos la propiedad del complemento
P (>1)= 1- (P(o)+ P (1))
66
La probabilidad de que n facturas estén en el sistema es:

P (n)= P(o)*Un
P (1)= 0.17*0.831 = 0,14
P (>1)= 1- (0,17+ 0.14)
P (>1)= 0.69
h) ¿Cuál es el costo total del servicio y de espera en la cola?
CT= CS + CE
CT= Cs*k + Ce* ( )
CT= 15*1 + 20*4.17
CT=98, 4
i) ¿Cuál es el costo total del servicio y de espera en la cola?

CT= Cs*k + Ce* ( )
CT= 15*1 + 20*5
CT=115
Si comparamos los resultados obtenidos con el software son iguales a los obtenidos por las
fórmulas, lo importante es que identifiquemos el modelo de línea de espera para aplicar las
fórmulas respectivas y sobre todo tengamos una adecuada interpretación de la aplicación
de cada fórmula.
MODELO DE LÍNEA DE ESPERA DE MÚLTIPLES CANALES CON

LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/S
Según: (Anderson, Sweeney, Willams, Camm, & Kipp, 2011, pág. 665) utiliza M/M/s;
nomenclatura que identifica el modelo, además se la utiliza para ser resuelto en POM
(Software).
El siguiente gráfico resume el modelo.
Figura 32 Modelo de línea de espera de múltiples canales con llegadas Poisson y tiempos de servicio exponenciales.
M/M/s
67
Ejercicio Resuelto
En el problema anterior podemos realizar un análisis y considerar la posibilidad de

contratar otro asistente para que ayude con el ingreso de las facturas al sistema, para saber
si se reduce el costo total.
Resolución.
Condiciones:
Dos servidores k=2
Capacidad ilimitada o infinita m=∞
Datos:
Tasa de llegada
Tasa de servicio
Costo de espera
Ce=20$/hora
Costo de servicio
Cs=15 $/ hora
Abrimos el programa, en módulo seleccionamos Waiting Lines
68
Figura 33Tutorial de Líneas de Espera
En File vamos a new y seleccionamos el modelo M/Ms
Figura 34 Tutorial de Líneas de Espera
69
Finalmente llenamos los datos en la matriz que se despliega y clic en solve.
Se obtiene la tabla de resultados.
70
En la barra de herramienta en Windows podemos desplegar los resultados, como la tabla

de probabilidades y el gráfico.
La nomenclatura que utilizaremos en el cálculo difiere de la utilizada en POM por lo que

la relacionaremos en lo posible.
71
a) ¿Cuál es la probabilidad de que el cliente llegue y no sea atendido?
Aplicamos el factor de Utilización U
=0.42
b) ¿Cuál es la probabilidad de que no haya facturas para ingresar en el sistema o que

el sistema este vacío?
( ) ( ) ( )
( )
c) ¿Cuál es la cantidad promedio de facturas que esperaran para ser ingresadas?
( )
( ) ( )
( ) ( )
( )
d) ¿Cuál es la cantidad promedio de facturas que se encuentran en el sistema?
( )
72
e) ¿Cuál es el tiempo de espera promedio en minutos antes de ingresar los datos de la

factura al sistema?
( )
( )
( )
f) ¿Cuál es el tiempo promedio desde que la factura llega hasta que es ingresada en el
sistema en minutos (tiempo de espera más tiempo de servicio)?
( ) ( )
( )
g) ¿Cuál es la probabilidad que haya más de un cliente en el sistema?

Aplicamos la propiedad del complemento
P (>1)= 1- (P(o)+ P (1))
La probabilidad de que n facturas estén en el sistema es:
( )
( )
P (>1)= 1- (0,41+ 0.34)
P (>1)= 0.
h) ¿Cuál es el costo total del servicio y de espera en la cola?
CT= CS + CE
CT= Cs*k + Ce* ( )
CT= 15*2 + 20*0,18
CT=33,6
i) ¿Cuál es el costo total del servicio y de espera en la cola?

CT= Cs*k + Ce* ( )
CT= 15*2 + 20*1,008
CT=50,17
Si comparamos los resultados obtenidos con el software son iguales a los obtenidos por las
fórmulas, lo importante es que identifiquemos el modelo de línea de espera para aplicar las
fórmulas respectivas y sobre todo tengamos una adecuada interpretación de la aplicación
de cada fórmula.
73
MODELO DE LÍNEA DE ESPERA BÁSICO CON CAPACIDAD LIMITADA DE

UN SOLO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO
EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM
M/M/1 with a Finite System. Nomenclatura que identifica el modelo para ser resuelto en
POM (Software).
Figura 39 Modelo de línea de espera básico con capacidad limitada de un solo servidor con llegadas Poisson y
tiempos de servicio exponenciales. M/M/1 with a Finite System
Ejercicio Resuelto
Para visualizar de mejor manera el problema que estamos resolviendo, lo planteamos de la

siguiente manera.
Una estación de lavado de autos tiene 5 parqueaderos mientras un auto se está lavando.
Cuando se llenan los parqueaderos los autos abandonan el lugar, no se quedan haciendo
cola fuera de la estación. Suponga que puede usarse una distribución de probabilidad de
Poisson con una tasa media de 10 autos por hora para describir el patrón de llegada y que
los tiempos de lavado a una tasa media de 12 autos por hora con tiempos de servicio
exponenciales. El costo de espera de un cliente es de 20$/hora, mientras que el costo de
servicio es de 15 $/ hora.
Resolución.
Condiciones:
Un servidore k=1
Capacidad limitada o finita m=20+1=6
74
Datos:
Tasa de llegada
Tasa de servicio
Capacidad limitada o finita
m=5+1=6
Costo de espera
Ce=20$/hora
Costo de servicio
Cs=15 $/ hora
Abrimos el programa, en Módulo seleccionamos Waiting Lines
En File vamos a New y seleccionamos el modelo M/M/1 with a Finite System.
75
Llenamos los datos y hacemos clic en solve
En la barra de herramientas en Windows podemos desplegar los resultados, como la tabla

de probabilidades y los gráficos.
a) ¿Cuál es la probabilidad de que es sistema este vacío?
( )
( )
b) ¿Cuál es la probabilidad que haya un espacios vacío en el parqueadero?
Si buscamos la probabilidad de que haya exactamente 5 autos en el sistema aplicamos la

siguiente fórmula
76
( )
( )
P5=0,09
c) ¿Cuál es la probabilidad que el sistema esté lleno?
( )
( )
Pm =0,08
d) ¿Cuál es la probabilidad que haya dos espacios o más vacíos en el parqueadero?
Si en el sistema hay 6 autos, 5 en los parqueaderos y 1 lavándose, consideremos que,
Po+ P1+P2+P3+P4+P5+P6=1, la suma de todas las probabilidades es 1.
Despejando
(Po+P1+P2+P3+P4)=1-(P5+P6)
P (<=4)=1-(0,08+0,09)
P (<=4)=0,83
e) ¿Cuál es la probabilidad de que un auto si ingrese o que el sistema no esté lleno?
=1-Pm
=1-0,08
= 0,92
f) ¿Cuál es la tasa efectiva promedio de llegada?
Considerando que todos los que llegan no ingresan si llegan 10 autos por hora.
̅ ( )
̅ ( )
̅ Autos/hora
77
g) ¿Cuál es el número de autos que no logran ingresar a la lavadora?
/hora
h) ¿Cuál es el número promedio esperado de autos en la lavadora?
( ) ( )( )
( )
( ) ( )( )
( )
i) ¿Cuál es el número promedio esperado de autos en el parqueadero o en espera?
EL
EL
EL= Lq =1,52 autos
j) ¿Cuál es el tiempo esperado que permanecen los autos en la lavadora?
( )
ET=
( ) ( ( ) )
( )
ET=
( ) ( ( ) )
ET = Ws= 0,25 horas = 15 minutos
k) ¿Cuál es el tiempo esperado que permanecen los autos en el parqueadero esperando ser
atendidos?
Et = ET -
Et = 0,25 -
Et = Wq= 0,16 horas = 9,89 minutos
78
AUTOEVALUACIÓN
Relacione la columna de la izquierda (concepto) con la
BASE DE LA PREGUNTA 1 columna de la derecha (definición)
CONCEPTOS DEFINICIÓN
1. Fi a) Mercados hacia donde se envían los productos.
2. Mj b) Márgenes de contribución, que pueden ser costos o

ganancias unitarias de enviar los productos desde cada fuente
a cada mercado.
3. Cij c) Fuentes desde donde se envían los productos
4. Xij d) Variables de decisión, cantidades que cada fuente entrega

a cada mercado, cuyo valor final permite determinar el plan
óptimo de distribución.
A 1a, 2b, 3c, 4d

B 1c, 2a, 3b, 4d
C 1b, 2c, 3d, 4ª
OPCIONES DE RESPUESTA
D 1c, 2a, 3b, 4d
E 1b, 2d, 3a, 4c
F 1c, 2a, 3d, 4c
Relacione la columna de la izquierda (concepto) con la columna

BASE DE LA PREGUNTA 2 de la derecha (definición)
CONCEPTOS DEFINICIÓN
1. Po a) Tiempo esperado (promedio) que un cliente permanece en

el sistema, o, el tiempo que espera por servicio más el tiempo
de servicio.
2. E(n) b) Número esperado (promedio) de clientes en el sistema
3. E(T) c) Tiempo esperado (promedio) que un cliente espera en la

cola antes de ser atendido o por servicio.
4. E(t) d)Probabilidad de que el sistema este vacío
A 1a, 2b, 3c, 4d

B 1c, 2a, 3b, 4d
OPCIONES DE C 1b, 2c, 3d, 4a
RESPUESTA D 1c, 2b, 3a, 4d
E 1b, 2d, 3a, 4c
F 1d, 2b, 3a, 4c
79
PROBLEMA 1
Un taller elabora tres productos A, B, C, y la demanda de estos productos es de 90, 210 y 120
unidades/semana respectivamente. Los productos pueden fabricarse por uno de los tres
métodos, cada uno de los cuales dispone de las siguientes capacidades semanales: 160,120 y
140 unidades respectivamente. En la tabla se indica las ganancias (dólares/unidad) asociadas
con cada producto y cada método.
PRODUCTOS M1 M2 M3
A 139 140 137
B 209 207 210
C 254 255 255
BASE DE LA PREGUNTA 3 La distribución inicial por la Regla del costo mínimo es:
A El producto A debe producirse 90 unidades en el M3
El producto B debe fabricarse 90 unidades en M1, 120 en el
M2
El producto C debe producirse 70 unidades en M1, 50
unidades en M3
B El producto A debe producirse 90 unidades en el M1
M3
unidades en M3
C El producto A debe producirse 90 unidades en el M2
OPCIONES DE El producto B debe fabricarse 160 unidades en M1, 30 en el
RESPUESTA M2 y 20 unidades en M3
El producto C debe producirse 120 unidades en M3
D El producto A debe producirse 90 unidades en el M2
M2
unidades en M3
E El producto A debe producirse 90 unidades en el M1
M2
unidades en M2
80
BASE DE LA PREGUNTA 4 La ganancia total de esta distribución inicial es:

A 87050
B 94050
OPCIONES DE
C 85940
RESPUESTA
D 86600
E 86570
La distribución mejorada ( o mejor alternativa de distribución)

BASE DE LA PREGUNTA 5 es:
A El producto A debe producirse 90 unidades en el M3

M2
unidades en M3
B El producto A debe producirse 90 unidades en el M1
M3
unidades en M2, 50 unidades en M3
C El producto A debe producirse 90 unidades en el M2
OPCIONES DE El producto B debe fabricarse 160 unidades en M1, 30 en el
RESPUESTA M2 y 20 unidades en M3
El producto C debe producirse 120 unidades en M3
D El producto A debe producirse 90 unidades en el M2
M2
unidades en M3
E El producto A debe producirse 90 unidades en el M2
M3
unidades en M3
BASE DE LA PREGUNTA 6 La ganancia total de esta distribución es:

A $85400
B $87110
OPCIONES DE
C $92500
RESPUESTA
D $84120
E $83120
81
PROBLEMA 2
El supervisor de un banco enfrenta al problema de determinar el número de cajeros que se debe

utilizar en horas pico. El supervisor ha observado que los clientes llegan en promedio cada 4 min
y el tiempo promedio para procesar una transacción es de 2 min. También ha observado que el
patrón de números de llegada de clientes sigue la distribución de Poisson y que los tiempos de
servicio tienen una distribución exponencial negativa.
La probabilidad de que un cliente que llega sea atendido

BASE DE LA PREGUNTA 7 inmediatamente es:
A 0,75
B 0,35
OPCIONES DE
C 0,25
RESPUESTA
D 0,50
E 0,45
El tiempo esperado que un cliente permanece en el sistema o el

BASE DE LA PREGUNTA 8 tiempo que espera por servicio más el tiempo de servicio es:
A 20 min
B 10 min
OPCIONES DE
C 5 min
RESPUESTA
D 4 min
E 2 min
El número esperado de clientes es la línea de espera o esperando

BASE DE LA PREGUNTA 9 ser servidos (Longitud de la cola) es:
A 5 clientes
B 0,5 clientes
OPCIONES DE
C 0,8 clientes
RESPUESTA
D 10 clientes
E 8 clientes
BASE DE LA PREGUNTA La probabilidad de que un cliente espere menos de 4 min en el

10 sistema es:
A 0,7235
B 0,1521
OPCIONES DE
C 0,5432
RESPUESTA
D 0,6321
E 0,1426
82
FORMULARIO
FORMULARIO DE OPERATIVA
P(A= n) = P(S=t) = µ*
MODELO BASICO O GENERALIZADO
U=
( ) ( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
ANALISIS DE COSTOS DE SISTEMAS DE LÍNEAS DE ESPERA
CT =CS+CE+K CS = *u CS = *k
CE= ( )
√
MODELO BÁSICO CON CAPACIDAD LIMITADA
̅ ( )
La prob. No este lleno=1-
83
Tasa de rechazo = ̅ ( ) ( ) ; cuando U=1
( )
Cuando
E(L) = E(n)-1+ E(T)= E(t)=E(T) -

( ) ( )
E(n)= E(L)+
̅
E(n)= ̅ *E(T) E(L)= ̅ *E(t)
SISTEMAS DE CANALES MÚLTIPLES O VARIOS SERVIDORES Y UNA LÍNEA

DE ESPERA
{[∑ ( ) ] [∑ ( ) ]
( )
[ ( ) ( )]}
( ) ( )
( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( )
( )
( ) ( )
( ) ( ) ( )( )
84
( ) ( ) ( ) {
( )
( ) [ ]
}
( )( )
( )
( )
( )
( )
SISTEMA DE VARIOS SERVIDORES, UNA LÍNEA DE ESPERA Y CON

CAPACIDAD LIMITADA
̅ ̅
( )
{[∑ ( ) ] {[∑ ] [ ]}
cuando U=1
( )
[ ]}
( )
( )
P(m=n)=
̅ ( ) Tasa de rechazos = ̅
̅ ( )
( )
( ) ( ) ̅
E(L)= [( ) ( )( ) ]
( )
TECNICA BÁSICA EN FUNCIÓN DE LOS COSTOS
( )( ) ( )
85
BILBIOGRAFÍA BÁSICA
Anderson, D. R., Sweeney, D. J., Willams, T. A., Camm, J. D., & Kipp, M. (2011).
MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS. Mexico: Internacional
Thomson.
Rodriguez Acosta, S. (2011). Enseñanza-Aprendizaje DE LA INVESTIGACION

OPERATIVA- VOLUMEN 2. Quito: Impresores MYL.
BIBLIOGRAFÍA COMPLEMENTARIA
1. RENDER, Barry, STAIR, Ralph M., HANNA Michael E., “Métodos cuantitativos
para los Negocios”. Novena Edición. Pearson, Prentice Hall. 2006.731p.
2. HILLIER, Frederick. HILLIER, Mark. LIEBERMAN, Gerald. Métodos

cuantitativos para administración. Primera Edición. McGraw-Hill Interamericana.
2002. 855p
3. BONINI, Charles. HAUSMAN, Warren. BIERMAN, Harold. Análisis Cuantitativo

Para los Negocios. Novena Edición. McGraw-Hill Interamericana. 2001. 530p.
4. TAHA, Hamdy A. Investigación de Operaciones, una introducción. Sexta Edición.

Prentice – Hall. 1998. 916p.
5. EPPEN, GOULD, SCHMIDT, MOORE y WEATHERFORD. Investigación de

Operaciones en la Ciencia Administrativa. Quinta Edición. Prentice - Hall
Hispanoamericana S.A. 2000. 702p.
NETGRAFÍA
1. Programación Lineal
http://youtu.be/thl5lGwzvC8
2. Líneas de espera
http://youtu.be/Lc_vRpYJMls
http://enlaweb.com.mx/io2/lineas-de-espera.php
86
TABLA DE ILUSTRACIONES
FIGURA 1 REGIÓN DE VIABILIDAD .......................................................................................... 8

FIGURA 2 REGIÓN FACTIBLE ................................................................................................ 11
FIGURA 9 .............................................................................................................................. 26
FIGURA 10 FORMATO PARA SOLVER..................................................................................... 27
FIGURA 14 INFORME DE CONFIDENCIALIDAD ........................................................................ 29
FIGURA 15 TUTORIAL DE POM ............................................................................................ 29
FIGURA 21 REGIÓN FACTIBLE .............................................................................................. 37
FIGURA 22 REGIÓN FACTIBLE .............................................................................................. 38
FIGURA 23 MODELOS DE TRASPORTE ................................................................................... 41
FIGURA 24 MODELO DE TRANSPORTE RESUELTO CON PROGRAMACIÓN LINEAL .................. 44
FIGURA 25 MODELO DE TRANSPORTE .................................................................................. 46
FIGURA 26 MODELO DE LÍNEA DE ESPERA DE ÚNICO SERVIDOR CON LLEGADAS POISSON Y
TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1 .............................................................. 62
FIGURA 27 TUTORIAL LÍNEA DE ESPERA .............................................................................. 63
FIGURA 32 MODELO DE LÍNEA DE ESPERA DE MÚLTIPLES CANALES CON LLEGADAS POISSON Y
TIEMPOS DE SERVICIO EXPONENCIALES. M/M/S ............................................................... 67
FIGURA 33TUTORIAL DE LÍNEAS DE ESPERA ........................................................................ 69
FIGURA 34 TUTORIAL DE LÍNEAS DE ESPERA ....................................................................... 69
87
FIGURA 39 MODELO DE LÍNEA DE ESPERA BÁSICO CON CAPACIDAD LIMITADA DE UN SOLO

SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1 WITH
A FINITE SYSTEM ............................................................................................................ 74
88
TABLAS
TABLA 1: USOS DE RECURSOS POR UNIDAD PRODUCIDA ....................................................... 10

TABLA 2: RESULTADOS DEL POLÍGONO DE SOLUCIÓN: ......................................................... 11
TABLA 3 : USO DE RECURSOS POR CANTIDAD UNIDAD DISPONIBLE ...................................... 12
TABLA 4: INFORMACIÓN NUTRICIONAL Y DE COSTOS............................................................ 12
TABLA 5: GRADIENTE FILETE PAPAS DIARIOS (GRAMOS) ...................................................... 13
TABLA 6: RESULTADOS DEL POLÍGONO DE SOLUCIÓN: ......................................................... 14
TABLA 7: TIEMPO QUE CADA UNO INVIERTE EN LA FABRICACIÓN DE CADA DISPOSITIVO...... 15
TABLA 8 RESULTADOS DEL POLÍGONO DE SOLUCIÓN:........................................................... 16
TABLA 9: PROPORCIÓN GASOLINA, TURBOSINA Y KEROSENE ............................................... 16
TABLA 10: RESULTADOS DEL POLÍGONO DE SOLUCIÓN......................................................... 18
TABLA 11: TABLA DE DATOS ............................................................................................... 19
TABLA 12: TABLA DE RESULTADOS ...................................................................................... 21
TABLA 13: SOLUCIONES ORIGINARÍAN EN LAS UTILIDADES .................................................. 22
TABLA 14: ANÁLISIS RESTRICCIONES EN LOS PUNTOS B, P Y Q ............................................ 23
TABLA 15: VARIACIÓN PERMITIDA DE LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO .......... 25
TABLA 16: RESUMEN DE DATOS: .......................................................................................... 35
TABLA 17: RESOLUCIÓN EN SOLVER DE EXCEL .................................................................... 36
TABLA 18: TABLA DE PARÁMETROS ...................................................................................... 36
TABLA 19: RESULTADOS EN SOLVER .................................................................................... 39
TABLA 22: ANÁLISIS DE SENSIBILIDAD ................................................................................. 40
TABLA 23: COSTOS UNITARIOS ............................................................................................ 43
TABLA 24: ............................................................................................................................ 45
TABLA 25: COSTO UNITARIO ............................................................................................ 46
TABLA 26: COSTO UNITARIO ................................................................................................ 46
TABLA 27: COSTES DE ENVIÓ ............................................................................................... 47
TABLA 28: COSTOS OFERTA Y DEMANDA .............................................................................. 47
TABLA 29:MÉTODO U-V ....................................................................................................... 47
TABLA 30: MÉTODO U-V ...................................................................................................... 48
TABLA 31: MÉTODO U-V ...................................................................................................... 51
TABLA 32: MÉTODO U-V ...................................................................................................... 51
TABLA 33: MÉTODO U-V ...................................................................................................... 52
TABLA 34: MÉTODO U-V ...................................................................................................... 53
TABLA 35: MÉTODO U-V ...................................................................................................... 54
TABLA 36: PANES POR HORA ................................................................................................. 56
TABLA 37:EMPLEADOS Y TIPOS DE PANES ............................................................................ 56
TABLA 38:MÉTODO HÚNGARO ............................................................................................. 56
TABLA 39: MÉTODO HÚNGARO ............................................................................................ 57
89

TABLA 46 MÉTODO HÚNGARO ............................................................................................. 59
90
91

Unidad Didáctica de Investigación Operativa 2

Cargado por

Información del documento

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

Unidad Didáctica de Investigación Operativa 2

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ADMINISTRATIVAS

Edwin Roberto Gómez Bastidas

Mayra Alexandra Córdova Alarcón

Víctor Marcelo Merino Castillo

TABLA DE CONTENIDOS ...................................................................................... 3

Una de las características de un Administrador y/o de un Auditor es saber tomar las

La Investigación de Operaciones se desarrolló con fuerza al comienzo de la Segunda

IMPORTANCIA PARA LA FORMACIÓN DEL PROFESIONAL.

En la actualidad con el despunte de la nueva tecnología y de técnicas modernas, la

La Investigación Operativa no toma decisiones por si misma, su función es la de asesorar

1.2.3 RELACIONES CON OTRAS ASIGNATURAS.

Es una ciencia interdisciplinaria: reconoce que la mayor parte de los problemas de

Figura 1 Región de viabilidad

OBJETIVO DE LA UNIDAD DE COMPETENCIA

En este Capítulo se presenta el desarrollo teórico – práctico de los modelos de

La función objetivo de problema

Es recomendable (no una regla), por facilidad de planteamiento y de análisis, tabular el

4.- Plantear el sistema de restricciones (ecuaciones y/o inecuaciones) correspondientes a

Tabla 1: Usos de recursos por unidad producida

Usos de recursos por unidad producida

Se cumplen todas las suposiciones de programación lineal.

Por lo tanto el Modelo de Programación Lineal sería:

X = Número de unidades del Producto A

Maximizar Ganancia = 3,000 X + 2,000 Y

Restricción - 1 Restricción - 2 Restricción - 3

Tabla 2: Resultados del polígono de solución:

Punto Óptimo : X = 0.6667

Tabla 3 : Uso de recursos por cantidad unidad disponible

Recurso Producto A Producto B Recursos

Tabla 4: información nutricional y de costos

Gramos por ingrediente por ración

Las decisiones a tomar son las raciones diarias de filete y de papas

Convierta estas descripciones verbales de las restricciones y la medida de desempeño en

Minimizar Costo = 4 ($/rac. filete)*(# de raciones de filete) + 2($/rac. papas)* (# de

Carbohidratos: 5 (gr/rac. filete)*(# de raciones de filete) + 15 (gr/rac. papas)* (# de

Proteínas: 20 (gr/rac. filete)*(# de raciones de filete) + 5 (gr/rac. papas)* (# de raciones

Grasas: 15 (gr/rac. filete)*(# de raciones de filete) + 2 (gr/rac. Papas)*( de raciones de

Formule este mismo problema en forma algebraica.

X1 = Número de raciones de filete

Minimizar Costo = 4X1 + 2X2

1.- Carbohidratos: 5 X1 + 15X2 > 50

Tabla 5: gradiente Filete Papas diarios (gramos)

X1 = 1,27 raciones de filete

Costo Mínimo = 10,91 Dólares

Figura 3 Región Factible

Tabla 6: Resultados del polígono de solución:

X1 = 1.3 raciones de filete X2 = 2.9 raciones de papas

Costo Mínimo = 10,91 Dólares

A continuación presentamos la solución del Texto Matemáticas para Administración,

Tabla 7: Tiempo que cada uno invierte en la fabricación de cada dispositivo

Amigo A Amigo B Amigo C

El modelo algebraico de programación lineal sería:

X1 = Número de unidades del dispositivo Zeta que se debe construir

F. Objetivo: Maximizar Utilidad = 5X1 + 7X2

Sujeto a: Amigo A: 2X1 + X2 ≤ 70

La solución por el método gráfico será:

Restrricción - 1 Restrricción - 2 Restrricción - 3

Figura 4 Región Factible

Tabla 8 Resultados del polígono de solución:

La solución óptima factible (matemática) será:

La utilidad máxima = $274

Petrocomercial compra 2 tipos de petróleo crudo ligero y pesado a un precio de $25 el

Tabla 9: Proporción gasolina, turbosina y kerosene

Minimizar Costo = 4 ($/rac. filete)(# de raciones de filete) + 2($/rac. papas) (# de

Carbohidratos: 5 (gr/rac. filete)(# de raciones de filete) + 15 (gr/rac. papas) (# de

Proteínas: 20 (gr/rac. filete)(# de raciones de filete) + 5 (gr/rac. papas) (# de raciones

Grasas: 15 (gr/rac. filete)(# de raciones de filete) + 2 (gr/rac. Papas)( de raciones de