METODOS NUMERICOS PARA LA TOMA DE

DECISIONES

AUTOR:

PASCO OLGUIN, CHRISTIAN EDWIN khristian_19@hotmail.com

RESUMEN

El presente trabajo está orientado al análisis

y comprensión de las aplicaciones de
métodos numéricos de toma de decisión,
fundamental para cualquier actividad
humana.

Los métodos y modelos para la toma de

decisiones, proveen herramientas de
utilidad a la hora de analizar problemas
complejos.

Los procesos de toma de decisiones han

sido analizados y modelados
matemáticamente, para dotar a las personas
encargadas de tomar decisiones, de
herramientas que les permitan contar con
una mejor visualización de los factores que
intervienen en los procesos, así como de las
preferencias existentes.

La toma de decisiones es la principal

actividad para cualquier administrador. Sea
en el sector público o en el sector privado,
la tarea de tomar decisiones constituye la
actividad cotidiana más difícil y riesgosa,
pues involucra la necesidad de evaluar
opciones y elegir, de entre todas las
posibilidades, aquella que mejor se adecue
a los objetivos perseguidos.

Por otro lado también incluyo un cuadro

comparativo que ayudara a entender mejor
cada método numérico.
CONTENIDO Los métodos heurísticos son
estrategias generales de resolución y
reglas de decisión utilizadas por los
1. PROBABILÍSTICO: solucionadores de problemas,
basadas en la experiencia previa con
Es la forma que pueden tomar un problemas similares. Estas
conjunto de datos obtenidos de estrategias indican las vías o
muestreos de datos con posibles enfoques a seguir para
comportamiento que se supone alcanzar una solución.
aleatorio. Los métodos heurísticos pueden
Los modelos probabilísticos más variar en el grado de generalidad.
típicos son: Algunos son muy generales y se
 Distribución Normal: usada pueden aplicar a una gran variedad
ampliamente en muestras de dominios, otros pueden ser más
mayores a 30 datos. específicos y se limitan a un área
 Distribución Chi Cuadrado: particular del conocimiento. La
usada en muestras pequeñas. mayoría de los programas de
entrenamiento en solución de
 Distribución Exponencial:
problemas enfatizan procesos
usada en duración o donde
heurísticos generales como los
interviene el paso del
planteados por Polya (1965) o
tiempo.
Hayes (1981).
 Distribución F-Snedecor:
usada para controlar la
Los métodos heurísticos específicos
varianza de 2 distribuciones.
están relacionados con el
conocimiento de un área en
particular. Este incluye estructuras
2. HEURÍSTICO:
cognoscitivas más amplias para
reconocer los problemas, algoritmos
Es un conjunto de reglas prácticas
más complejos y una gran variedad
que ayudan a simplificar y resolver
de procesos heurísticos específicos.
problemas, aunque no garantizan
una solución correcta.
El método Heurístico es una
3. AHP:
tecnología de programación que
dentro de sus rutinas de detección y
Proceso de análisis Jerárquico,
eliminación de especies virales,
desarrollado por Thomas L. Saaty
incluye las cadenas típicas que son
en 1980. Está diseñado para resolver
similares, parecidas o afines a virus
problemas múltiples. El proceso
auténticos. El método heurístico, si
requiere que quien toma las
no está bien programado, es
decisiones proporcione evaluaciones
susceptible de incurrir en resultados
subjetivas respecto a la importancia
falsos positivos o negativos.
relativa de cada uno de los criterios
y que, después especifique su
preferencia con respecto a cada una del problema mediante
de las alternativas de decisión y para identificación de meta,
criterio. El resultado del AHP es una criterios, subcriterios y
jerarquización con prioridades que alternativas).
muestran la preferencia global para  Priorización de los elementos
cada una de las alternativas de del modelo jerárquico.
decisión.  Comparaciones binarias entre
los elementos.
En un ambiente de  Evaluación de los elementos
certidumbre, el AHP mediante asignación de
proporciona la posibilidad de “pesos”.
incluir datos cuantitativos  Ranking de las alternativas de
relativos a las alternativas de acuerdo con los pesos dados.
decisión. La ventaja del AHP  Síntesis
consiste en que  Análisis de Sensibilidad.
adicionalmente permite
incorporar aspectos El AHP es una herramienta
cualitativos que suelen metodológica que ha sido
quedarse fuera del análisis aplicada en varios países para
debido a su complejidad para incorporar las preferencias de
ser medidos, pero que pueden actores involucrados en un
ser relevantes en algunos conflicto y/o proceso
casos. participativo de toma de
decisión.
El AHP, mediante la
construcción de un modelo 3.1 BASE MATEMÁTICA DEL
jerárquico, permite de una AHP
manera eficiente y gráfica
organizar la información “El AHP trata directamente
respecto de un problema,
con pares ordenados de
descomponerla y analizarla
por partes, visualizar los prioridades de importancia,
efectos de cambios en los preferencia o probabilidad de
niveles y sintetizar.
pares de elementos en
El AHP “se trata de desmenuzar un función de un atributo o
problema y luego unir todas las
criterio común representado
soluciones de los subproblemas en
una conclusión”. en la jerarquía de decisión.
Creemos que este es el
El AHP se fundamenta en:
método natural (pero
 La estructuración del modelo
refinado) que la gente siguió
jerárquico (representación
al tomar decisiones mucho información sobre la
antes que se desarrollaran importancia relativa y las
funciones de utilidad y antes preferencias, se utiliza el
que se desarrollara proceso matemático
formalmente el AHP”2. denominado síntesis, para
resumir la información y para
“El AHP hace posible la toma proporcionar una
de decisiones grupal mediante jerarquización de prioridades
el agregado de opiniones, de de las alternativas, en
tal manera que satisfaga la términos de la preferencia
relación recíproca al global.
comparar dos elementos.
Luego toma el promedio 3.3 COMPARACIONES
geométrico de las opiniones. PAREADAS

Cuando el grupo consiste en Las comparaciones pareadas

expertos, cada uno elabora su
propia jerarquía, y el AHP
combina los resultados por el
7
promedio geométrico” .
3.2 ESTABLECIMIENTO
PRIORIDADES CON EL AHP
El AHP, pide a quien toma
las decisiones señalar una
preferencia o prioridad con
respecto a cada alternativa de
decisión en términos de la
medida en la que contribuya a
cada criterio. Teniendo la
son bases fundamentales del
AHP. El AHP utiliza una
escala subyacente con valores
de 1 a 9 para calificar las
preferencias relativas de los
DE
dos elementos. Se presentan
las calificaciones numéricas
que se recomiendan para las
preferencias verbales
expresadas por el decisor.
Investigaciones anteriores
han determinado que está es
una escala razonable para
distinguir las preferencias
entre dos alternativas.
 ESCALA DE PREFERENCIAS
Calificación
Planteamiento verbal de la preferencia Numérica

Extremadamente preferible. 8

Entre muy fuertemente y extremadamente preferible 7

Muy fuertemente preferible. 6

Entre fuertemente y muy fuertemente preferible. 5

Fuertemente preferible Entre moderadamente y fuertemente

preferible. 4

Moderadamente preferible 3

Entre igualmente y moderadamente preferible 2

Igualmente preferible 1
4. PONDERACION LINEAL
(SCORING):
Es un método que permite abordar
situaciones de incertidumbre o con
pocos niveles de información. En
dicho método se construye una
función de valor para cada una de
las alternativas. El método de
Ponderación Lineal supone la
transitividad de preferencias o la
comparabilidad. Es un método
completamente compensatorio, y
puede resultar dependiente, y 6. RELACIONES DE SUPERACION:
manipulable, de la asignación de
pesos a los criterios o de la escala de Estos
medida de las evaluaciones. Es un
método fácil y utilizado comparaciones
ampliamente en el mundo.
5. UTILIDAD MULTIATRIBUTO
(MAUT):
Para cada atributo se determina la
correspondiente función de utilidad
(parcial) y luego se agregan en una
función de utilidad multiatributo de
forma aditiva o multiplicativa. Al
determinarse la utilidad de cada una
de las alternativas se consigue una
ordenación completa del conjunto
finito de alternativas. El método de
utilidad multiatributo supone la
transitividad de preferencias o la
comparabilidad, utiliza “escalas de
intervalo”, y acepta el principio de
“preservación de orden”.
La condición de independendencia
preferencial mutua entre los
atributos suele aceptarse casi
axiomáticamente, e implícitamente
es cuestionable y no refleja la
estructura de preferencias del agente
decisor. El rigor y rigidez de los
supuestos teóricos de este método
usualmente controvertidos y
difíciles de contrastar en la práctica,
lo que obliga a relajarlos, requiere
un elevado nivel de información del
agente decisor para la construcción
de funciones de utilidad
multiatributo, aunque permiten
abordar fluidamente cuestiones de
incertidumbre y riesgo.
métodos usan como
mecanismo básico el de las
binarias de
alternativas, es decir comparaciones
dos a dos de las alternativas, criterio
por criterio. De esta forma puede
construirse un coeficiente de
concordancia Cik asociado con cada
par de alternativas (ai, ak).
Existen dos métodos de la escuela
francesa: ELECTRE y
PROMETHEE.
Del método ELECTRE
(Elimination Et Choix Traduisant la
Realité) ya existen varias versiones
que usan pseudocriterios y la teoría
de conjuntos difusos. El método
PROMETHEE (Preference Ranking
Organization Method for
Enrichment Evaluation) se ha
aplicado, con predicción para
problemas de ubicación.

7. PROGRAMACION NO LINEAL:
Es el proceso de resolución de un
sistema de igualdades y este tipo de problemas. Es
desigualdades sujetas a un conjunto
de restricciones sobre un conjunto
de variables reales desconocidas,
con una función objetivo a
maximizar, cuando alguna de las
restricciones o la función objetivo
no son lineales.
8. PROGRAMACION
En ocasiones un programa lineal
no es el más adecuado para
describir la situación sobre la que
se desea tomar una decisión. Esto
sucede cuando al menos alguna de
las relaciones entre las variables es
más compleja de lo que suele serlo
en una relación lineal. Como por
ejemplo, cuando se incluye una
ecuación de costos en la que el
costo de transporte es directamente
proporcional a la cantidad de
artículos, pero también es
inversamente proporcional a las
dimensiones de cada artículo, o
cuando el número de votos
asignados a una estrategia depende
de su calidad y el tiempo que se
sostiene; entonces es necesario
recurrir a otro tipo de modelos, los
no lineales.
En general, la programación no
lineal presenta mayores
dificultades que la lineal. Aun en
el caso de que todas las
restricciones sean lineales y la
función objetivo sea la única no
lineal. No se dispone de un
algoritmo que resuelva todos los
problemas que se ajustan a este
formato, pero se cuenta con
paquetes como Gino y Gams que
han sido utilizados con buenos
resultados para la solución de
importante destacar que estos
paquetes conducen a una
solución aproximada, esto es,
cercana a la óptima, pero esto es
suficiente como apoyo a la toma
de decisiones.
POR
OBJETIVOS:
Este método permite intentar
alcanzar varios objetivos de manera
simultánea.
Este modelo se basa en la idea de
establecer una meta numérica para
cada uno de los objetivos que se
desean alcanzar, formular una
relación que represente cada
objetivo y buscar una solución que
minimice la diferencia entre el valor
de cada función objetivo expresada
como relación entre las variables y
la meta que se desea alcanzar.
Existen dos tipos de modelos con
esta estructura: el primero es aquél
en el que se suponen igual de
importantes todos los objetivos y se
llama programa por objetivos sin
prioridades y aquél en el que se le
concede diferente importancia a
cada objetivo y para reflejar estas
prioridades se le asigna un peso
distinto a cada desviación que
aparece en la función objetivo del
programa correspondiente.

Una vez planteado el problema bajo
el formato general de la
programación, se resuelve usando el
mismo método que se utiliza en el
caso de la programación de un solo
objetivo correspondiente.
Las restricciones de recurso que se
manejan en la programación de un
objetivo, se consideran inviolables,
de manera que si aparecen dos
restricciones contradictorias el
problema no es factible. Sin
embargo, en el programa por
objetivos no es necesario que las
restricciones se satisfagan, sólo es
deseable que se cumplan. Esto es,
más que restricciones pueden ser
manejadas como propósitos, cada
uno con diferente prioridad, por lo
que se permiten desviaciones en
cualquiera de los dos sentidos para
su cumplimiento.
Existen cuatro formas de
restricciones objetivo, según se
permita la variación hacia abajo,
hacia arriba, ambas o ninguna.
9. PROGRAMACION DINAMICA:
Los modelos anteriores no resultan
útiles en el caso de que el problema
que se desea resolver requiera de
tomar varias decisiones para optimar
una función objetivo. En este caso
es necesario recurrir a otro modelo
llamado modelo de programación
dinámica.
El nuevo modelo mencionado
requiere que el problema se pueda
descomponer en problemas más
simples que se resuelven tomando
una sola decisión en cada uno.
Las características de un problema
de programación dinámica son las
siguientes:
1. Se puede dividir en etapas que
requieren de una política de decisión
en cada una de ellas.
Cada etapa corresponde a una toma
de decisión. 196 POLÍTICA Y
CULTURA
2. En cada etapa existe un número
finito de estados asociados. Los
estados son las distintas condiciones
posibles en las que puede
encontrarse el sistema en cada etapa
del problema.
3. El efecto de la política de decisión
es la transformación del estado
actual en un estado asociado con la
siguiente etapa.
4. El procedimiento de solución está
diseñado para encontrar la política
óptima para el problema completo,
es decir, recomienda las decisiones
de la política óptima en cada etapa
para cada uno de los estados
posibles.
5. Dado el estado actual, una política
óptima para las etapas restantes es
independiente de la política adoptada
en etapas anteriores. El
conocimiento del estado actual del
sistema expresa toda la información
sobre su comportamiento anterior, y
esta información es necesaria para
determinar la política óptima de allí
en adelante.
6. El procedimiento de solución se
inicia al encontrar la política óptima
para la última etapa. La política
óptima para la última etapa incluye
la decisión óptima para cada estado
en esa etapa. 10. ARBOLES DE DECISION:
Es común que la decisión de este
problema de una etapa sea trivial.
7. Se dispone de una relación
recursiva que identifica la política
óptima para la etapa n, dada la
política óptima para la etapa n+1.
8. Cuando se usa esta relación
recursiva, el procedimiento de
solución se mueve hacia atrás etapa
por etapa, encontrando cada vez la
política óptima para esa etapa, hasta
que se encuentra la política óptima
desde la etapa inicial.
Este es el modelo que presenta mayores
dificultades, tanto para su construcción
como para su solución, pero es el único
entre los mencionados que maneja una
situación que cambia con el tiempo, por
etapas, característica que hace necesaria
una decisión en cada etapa.
La forma general del modelo de
programación dinámica es:
Donde Jk (x¡) es el min de la etapa k a la última
Existen tres modelos diferentes
manejados por WINQSB.
* Problema de la diligencia (Stagecoach
Problem)
* Problema de la mochila (Snapsack
Problem)
* programación de producción e
inventarios (Production and Inventory
Scheduling)
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.
Uso de árboles decisiones
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 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.
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.

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
CUADRO COMPARATIVO ENTRE LOS MÉTODOS NUMÉRICOS PARA LA TOMA DE DESICIONES
PROBABILISTICO HEURÍSTICO
Es la forma que pueden Son procedimientos
tomar un conjunto de intuitivos que llevamos
datos obtenidos de a cabo cuando hacemos
muestreos de datos con juicios predictivos y de
comportamiento que se valor a la hora de tomar
supone aleatorio. Los decisiones
modelos probabilísticos
más típicos son: En muchos casos estos
procedimientos
Distribución Normal: permiten hacer
usada ampliamente en estimaciones correctas,
muestras mayores a 30 pero en otras ocasiones
datos. determina que
cometamos algunos
Distribución Chi sesgos.
Cuadrado: usada en
muestras pequeñas. También podemos
Distribución encontrar algunos
métodos heurísticos:
Exponencial: usada en
duración o donde La representividad,
interviene el paso del para hacer un juicio y
tiempo. simplificar el proceso
de toma de decisiones.
Distribución F-
Snedecor: usada para La disponibilidad, se
RELACIONES
AHP MAUT
SUPERACIÓN
Es una jerarquización Para cada atributo se Estos métodos usan
con prioridades que determina la como mecanismo
muestran la preferencia correspondiente función básico el de las
global para cada una de de utilidad (parcial), y comparaciones binarias
las alternativas de luego se agregan en una de alternativas.
decisión. función de utilidad
multiatributo de forma Comparaciones dos a
La ventaja del AHP aditiva o multiplicativa. dos de las alternativas,
consiste en que criterio por criterio.
adicionalmente permite Utiliza “escalas de
incorporar aspectos intervalo”. Existen dos métodos
cualitativos. de la escuela francesa:
Acepta el principio de
El AHP se fundamenta “preservación de método ELECTRE
en: orden” (rank (Elimination Et Choix
La estructuración del preservation) Traduisant la Realité)
modelo jerárquico. ya existen varias
Priorización de los Requiere un elevado versiones que usan
elementos del modelo nivel de información pseudocriterios y la
jerárquico. del agente decisor teoría de conjuntos
Comparaciones para la construcción de difusos
binarias entre los funciones de utilidad
elementos. multiatributo. método
Evaluación de los PROMETHEE
elementos mediante Permiten abordar (Preference Ranking
asignación de “pesos”. fluidamente cuestiones Organization Method
controlar la varianza de utiliza cuando se va a Ranking de las de incertidumbre y for Enrichment
2 distribuciones. tomar una decisión y no alternativas de acuerdo riesgo. Evaluation) se ha
se cuenta con toda la con los pesos dados. aplicado, con predicción
información requerida. Síntesis. para problemas de
Análisis de ubicación.
Sensibilidad.

PROGRAMACIÓN PROGRAMACIÓN PROGRAMACIÓN ARBOL DE

SCORING
DINAMICA POR OBJETIVOS NO LINEAL DECISIÓN
Es un método que Programación dinámica El modelo En ocasiones un Este método permite
permite abordar consiste en solucionar el correspondiente a un programa lineal no es el mostrar la relación que
situaciones de presente suponiendo programa por objetivos más adecuado para existe entre cada
incertidumbre o con que en cada etapa futura proporciona la describir la situación condición y el grupo de
pocos niveles de siempre se tomaran las posibilidad de sobre la que se desea acciones permisibles
información. decisiones correctas. representar esta tomar una decisión. asociado con ella.
situación y encontrar
El método de Requiere que el una solución para ella. Alguna de las Un árbol de decisión
Ponderación Lineal problema se pueda relaciones entre las sirve para modelar
supone la transitividad descomponer en La construcción de este variables es más funciones discretas.
de preferencias o la problemas más simples modelo se basa en la compleja de lo que
comparabilidad. que se resuelven idea de establecer una suele serlo en una Se ha demostrado que
tomando una sola meta numérica para relación lineal. los árboles de decisión
Es un método decisión en cada uno. cada uno de los son eficaces cuando es
completamente objetivos que se desean La programación no necesario describir
compensatorio, y Se puede dividir en alcanzar. lineal presenta mayores problemas con más de
puede resultar etapas que requieren de dificultades que la una dimensión o
dependiente, yuna política de decisión Formular una relación lineal. condición.
manipulable, de laen cada una de ellas. que represente cada
asignación de pesos a objetivo y buscar una No se dispone de un Los árboles de decisión
los criterios o de la Cada etapa corresponde solución que minimice algoritmo que resuelva no siempre son la mejor
escala de a una toma de decisión. la diferencia entre el todos los problemas que herramienta para el
medida de las valor de cada función se ajustan a este análisis de decisiones.
evaluaciones. En cada etapa existe un objetivo expresada formato.
número finito de como relación entre las El gran número de
Es un método fácil y estados asociados. variables y la meta que Se cuenta con paquetes ramas que pertenecen a
utilizado ampliamente se desea alcanzar. como Gino y Gams que varias trayectorias
en el mundo. El procedimiento de han sido utilizados con constituye más un
solución se inicia al Intervienen en este buenos resultados para problema que una ayuda
encontrar la política modelo restricciones. la solución de este tipo para el análisis.
óptima para la última de problemas.
etapa.
CONCLUSIONES

 De los diez métodos numéricos expuestos en el presente artículo, todos presentan

un rol importante al momento de la toma de decisiones, habiendo distintas
alternativas para las situaciones que se nos puedan presentar.

 Es difícil precisar cual sería el método más adecuado para usar, esto debido a las
entorno en la que se deba realizar la toma de decisión.

 El proceso de análisis jerárquico es una herramienta poderosa de solución para

aquellos problemas en los que no basta considerar los factores cuantitativos, sino
que se requiere incluir factores cualitativos y juicios humanos basados en la
experiencia.
REFERENCIAS BIBLIOGRAFÍAS

Links:

 http://es.wikipedia.org/wiki/Teoría_de_colas
 http://sisbib.unmsm.edu.pe/BibVirtual/monografias/Basic/toskano_hg/contenido
.htm
 http://www.google.com.pe/search?
hl=es&q=programacion+por+objetivos&meta=&aq=f&aqi=g3&aql=&oq=&gs_
rfai=
 http://es.wikipedia.org/wiki/Árbol_de_decisión
 http://www.mitecnologico.com/Main/ArbolesDeDecision
 http://es.wikipedia.org/wiki/Programación_no_lineal
 http://www.persystems.net/sosvirus/pregunta/heuristi.htm
 http://redalyc.uaemex.mx/redalyc/pdf/267/26700614.pdf
 http://sisbib.unmsm.edu.pe/bibvirtualdata/tesis/Basic/toskano_hg/cap2.pdf
 http://www.angelfire.com/ak6/publicaciones/27_nov_2002_ilb.pdf
 http://es.wikipedia.org/wiki/Modelo_probabilístico
 http://www.auladeeconomia.com/AG02b-TOMA%20DE%20DECISIONES.ppt
 http://sisbib.unmsm.edu.pe/bibvirtualdata/Tesis/Basic/toskano_hg/cap3.PDF
 http://www.urbanismogranada.com/administrador/archivos/04_02_08_taller_An
_lisis_Multicriterio.pdf
 http://www.monografias.com/trabajos18/teoria-colas/teoria-colas.shtml
 http://www.elprisma.com/apuntes/ingenieria_industrial/teoriadecolaslineasdeesp
era/default2.asp
 http://www.mitecnologico.com/Main/TeoriaDeColasDefinicionesCaracteristicas
YSupuestos