SEP TecNM

TECNOLÓGICO NACIONAL DE MEXICO INSTITUTO

TECNOLOGICO DE ACAPULCO

MATERIA: MÉTODOS CUANTITATIVOS PARA LA ADMINISTRACIÓN

GLOSARIO

AULA: 1010 HORARIO: 3:00 - 4:00

ALUMNO:
Manríquez Aguilar Juan Manuel

PROFESOR
Zavala Berdeja Jesús

Acapulco, Gro. Mayo del 2018

ÍNDICE

UNIDAD 1: TOMA DE DECISIONES.........................................................................5

Investigación de operaciones................................................................................5
Algoritmo................................................................................................................6
Decisión..................................................................................................................6
Naturaleza..............................................................................................................7
Matriz de pago........................................................................................................7
Árbol de decisión....................................................................................................8
Criterio intermedio................................................................................................10
Maximin................................................................................................................10
Maximax...............................................................................................................11
Modelo de Razón insuficiente o de Laplace........................................................11
UNIDAD 2: MODELOS DE PROGRAMACIÓN LINEAL.........................................12
Programación lineal.............................................................................................12
Modelo matemático..............................................................................................13
Variable.................................................................................................................14
Método gráfico......................................................................................................15
Método Simplex....................................................................................................22
Análisis de sensibilidad........................................................................................23
Problema de asignación.......................................................................................24
Problema de Transporte.......................................................................................24
Algoritmo del simplex...........................................................................................25
Método de la esquina noroeste............................................................................26
Método del costo mínimo.....................................................................................27
Optimización.........................................................................................................28
Método de asignación..........................................................................................28
Método hungaro...................................................................................................34
UNIDAD 4: LINEAS DE ESPERA...........................................................................39
Teoría de colas.....................................................................................................39
Fuente de entrada o población potencial.............................................................40

2|Página
 Cliente..................................................................................................................40
Capacidad de la cola............................................................................................41
Disciplina de la cola.............................................................................................41
Mecanismo de servicio.........................................................................................41
La cola..................................................................................................................41
El sistema de la cola............................................................................................41
Distribución de Poisson........................................................................................42
UNIDAD 5: USOS DE LOS PRONÓSTICOS EN PRODUCCIÓN..........................44
Pronóstico............................................................................................................44
Métodos cualitativos.............................................................................................45
Métodos cuantitativos de pronósticos..................................................................46
Pronósticos de la demanda..................................................................................46
Serie de tiempo....................................................................................................48
Pronóstico de series de tiempo............................................................................48
Tendencia Secular................................................................................................49
Variación estacional.............................................................................................49
Variación cíclica....................................................................................................50
Variación Irregular................................................................................................50
Causales..............................................................................................................50
Inventario..............................................................................................................52
Costos de inventarios...........................................................................................53
Modelos probabilísticos........................................................................................57
Modelo “EOQ”......................................................................................................58
UNIDAD 6: REDES..................................................................................................61
Redes...................................................................................................................61
Gráfica..................................................................................................................62
Red.......................................................................................................................62
Cadena.................................................................................................................62
Ruta......................................................................................................................62
Ciclo.....................................................................................................................63
Ramal orientado...................................................................................................63
Gráfica orientada..................................................................................................64

3|Página
Árbol.....................................................................................................................64
Árbol de expansión..............................................................................................64
Nodo fuente..........................................................................................................65
Nodo destino........................................................................................................65
Gráfica de Gantt...................................................................................................73
Método de la ruta crítica (pert/cpm).....................................................................75
Red pert................................................................................................................80

4|Página
UNIDAD 1: TOMA DE DECISIONES
Investigación de operaciones
La Investigación de Operaciones (IO) o Investigación Operativa es una rama de
las matemáticas que hace uso de modelos matemáticos y algoritmos con el
objetivo de ser usado como apoyo a la toma de decisiones. Se busca que las
soluciones obtenidas sean significativamente más eficientes (en tiempo, recursos,
beneficios, costos, etc.) en comparación a aquellas decisiones tomadas en forma
intuitiva o sin el apoyo de una herramienta para la toma de decisiones.
Ejemplo de producción:
Una empresa ha dejado de fabricar ciertos productos, liberando de esta forma las
cargas de producción que tenían sus equipos en los departamentos de
maquinado. Ahora se tienen horas máquina que se pueden utilizar en los
productos denominados 1, 2,3 de la siguiente manera:
Máquina Horas por pieza de producto Rectificadora 3 - 2 150
Horas Maq. Disponibles
Utilidad$/ pieza 50 20 25
1 2 3 por semana
Recomendación del Mínimo Mínimo
Fresadora 9 3 5 500 Mínimo
Torno 5 4 – 350 Depto. Vtas a Prod. 30 15 20

5|Página
Formular un modelo de P.L para este problema:
•Definición de variables a utilizar en el método de programación linealSea: Xj =
número de piezas de producto j(j=1,2,3) a fabricar para maximizar la utilidad.
•Función económica y objetivo:MAX Z= 50X1 + 20X2 + 25X3 [ (Dls/Unidad)
(Unidad/Sem)] = [Dls/Sem.]
Sujeta a restricciones de horas máquina disponibles por semana
Fresadora: 9X1 + 3X2 + 5X3 * 500 horas máquina fresadora. Torno: 5X1 + 4X2 *
350 horas máquina tornoRectificadora: 3X1 + 2X3 * 150 horas maquina
rectificadora. Condiciones de signos pare las variables:X1 * 30 piezasX2 * 15
piezasX3 * 20 piezas

Los modelos de Investigación de Operaciones son frecuentemente usados para

abordar una gran variedad de problemas de naturaleza real en ingeniería y
ciencias sociales, lo que ha permitido a empresas y organizaciones importantes
beneficios y ahorros asociados a su utilización.

Algoritmo
Se denomina algoritmo a un grupo finito de operaciones organizadas de manera
lógica y ordenada que permite solucionar un determinado problema. Se trata de
una serie de instrucciones o reglas establecidas que, por medio de una sucesión
de pasos, permiten arribar a un resultado o solución.
Según los expertos en matemática, los algoritmos permiten trabajar a partir de un
estado básico o inicial y, tras seguir los pasos propuestos, llegar a una solución.
Cabe resaltar que, si bien los algoritmos suelen estar asociados al ámbito
matemático (ya que permiten, por citar casos concretos, averiguar el cociente
entre un par de dígitos o determinar cuál es el máximo común divisor entre dos
cifras pertenecientes al grupo de los enteros), aunque no siempre implican la
presencia de números.
Ejemplo
ALGORITMO: Promedio
DESCRIPCIÓN: Calcular la media (promedio) de 3 números
CONSTANTES: --------------------------------
VARIABLES: Entero: N1, N2, N3 Real: Prom
INICIO
1. Leer N1, N2, N3
2. Prom= (N1+ N2+ N3)/3
3. Escribir Prom

Decisión
“Decisión” va a suponer una “elección” o “selección” fundamentada en criterios de
algún carácter bien establecido, esto es, “decisión” va a suponer una elección de
acuerdo con un cuerpo de criterios que contemple, no solo el conocimiento previo
de la gama de opciones, sino además una evaluación de los resultados posibles y
la existencia de un ente decisor. Ello a su vez entraña que las condiciones de
adopción de decisiones puede dar origen a formulaciones claramente
diferenciadas, por lo que debemos tener claros los elementos que componen una
situación de decisión.
Elementos que componen una situación de decisión
 La existencia de un conjunto de soluciones alternativas (acciones,
estrategias)
 Conjunto de acciones externas que enfrenta el que tomo la decisión, que se
denominan estados de la naturaleza, y que constituye el ambiente donde se
presenta el problema. 4.
 Los resultados que se obtienen por el uso de una alternativa determinada
para los posibles estados de la naturaleza.
 La existencia de un decisor a quien corresponde proponer los criterios de
selección y aplicarlo.
 El grado de conocimiento que se tiene sobre el comportamiento de los
estados de la naturaleza.
De los cinco elementos antes mencionados los 3 primeros son esenciales,
mientras que los otros 2 tienen más bien un carácter metodológico.
Ejemplo:
Si una empresa decide ampliar sus horizontes en el mercado regional abriendo
sucursales, entonces hablamos de una decisión empresarial. Cuando las
empresas deciden optimizar la producción a partir de la implementación de nuevas
tecnologías.
Naturaleza

Distintos problemas precisan de diferentes tipos de toma de decisiones.

Cuestiones sencillas o de rutina, tales como el regreso de mercancía, se puede
manejar por medio de un procedimiento, de una decisión programada. Decisiones
de mayor importancia tal como la ubicación de un local de ventas, precisan de una
decisión no programada, una solución específica creada a través de un proceso
menos estructurado de toma de decisiones y resolución de problemas. Puesto que
la mayoría de las decisiones implican sucesos futuros, los administradores deben
asimismo aprender analizar la certeza, el riesgo y la incertidumbre asociados a
diversas acciones que se pueden emprender.

Matriz de pago

En la teoría de decisiones, el resultado de una decisión depende del escenario o

estado de la naturaleza que se va a producir. La decisión tomada afecta sólo a
quien toma la decisión y no altera el estado de la naturaleza.

Para el desarrollo del análisis de decisiones es fundamental la matriz de pagos

que en realidad es una lista de posibles estados de la naturaleza versus las
diferentes alternativas de decisión. Dentro del cuerpo de la tabla, es decir, para el
cruce de cada estado de la naturaleza y cada decisión figuran las utilidades (o
pérdidas).

Ejemplo.
Consideremos el juego piedra, papel o tijera, donde el perdedor debe pagar una
unidad monetaria al ganador y en caso de empate no hay pago para ninguno. La
siguiente tabla puede considerarse una matriz de pagos para el juego:

Piedra Papel Tijera

Piedra 0 -1 +1

Papel +1 0 -1

Tijera -1 +1 0

Si numeramos las estrategias piedra, papel y tijera como 1, 2 y 3 respectivamente,

la matriz de pagos será por definición:
Árbol de decisión

Un Árbol de Decisión (o Árboles de Decisiones) es un método analítico que a

través de una representación esquemática de las alternativas disponible facilita la
toma de mejores decisiones, especialmente cuando existen riesgos, costos,
beneficios y múltiples opciones. El nombre se deriva de la apariencia del modelo
parecido a un árbol y su uso es amplio en el ámbito de la toma de decisiones bajo
incertidumbre (Teoría de Decisiones) junto a otras herramientas como el Análisis
del Punto de Equilibrio.
Ejemplo:
La gerencia de una tienda debe decidir si debe construir una instalación pequeña
o grande en otra ciudad. La demanda ahí puede ser baja o alta, con
probabilidades estimadas de un 40% y 60%, respectivamente. Si se construye la
instalación pequeña y la demanda resulta ser alta, el gerente puede decidir no
expandirse (ganancia $223) o expandirse (ganancia $270). Si se construye una
instalación pequeña y la demanda es baja, no hay razón para expandirse y la
ganancia estimada en este caso es de $200. Por otro lado si se construye una
instalación grande y la demanda resulta ser baja , la opción es no hacer nada
(ganancia $40) o estimular la demanda con publicidad local. La respuesta a la
publicidad puede ser modesta o considerable, con probabilidades estimadas de un
30% y 70%, respectivamente. Si es modesta, la ganancia estimada será sólo de
$20; si la respuesta es considerable, la ganancia aumenta a $220; y por último, si
construye una instalación grande y la demanda resulta ser alta, la ganancia
estimada es de $800.
Dibuje un árbol de decisiones. Después analícelo para determinar el pago
esperado de cada decisión y nodo de evento. ¿Qué alternativa tiene la ganancia
esperada más alta?.
Para estos efectos es importante comprender la nomenclatura comúnmente
utilizada para representar un árbol de decisión.
1. Los nodos de decisión se anotan como cuadrados.
2. Los nodos de incertidumbre se anotan como círculos.
3. Los nodos de resultados finales se anotan como triángulos.
4. Los eventos se unen con líneas o ramas del árbol.
5. Los costos o beneficios asociados a una decisión o evento se anotan en
la rama (para efectos de recordar aplicarlos al final de esa rama).
6. Las probabilidades de un evento se anotan entre paréntesis en la rama
correspondiente a ese evento.
 7. Los valores asociados a cada pago final se anotan junto al triangulo
correspondiente, e incluyen costos asociados a la rama.
8. Se diseñan comenzando por la decisión inicial, y una rama a la vez. Es
importante tener claro el orden temporal de los eventos.
9. Es importante distinguir entre eventos sobre los cuales se tiene poder de
decisión, y aquellos que no.
10. Se debe estimar el valor o resultado final de cada extremo del árbol.
11. Se deben estimar o calcular las probabilidades de ocurrencia de los eventos
inciertos.
12. Se deben estimar los correspondientes valores esperados para cada rama
del árbol. La resolución es hacia atrás.

Criterio intermedio
El criterio de Wald y el criterio maximax. Dado que muy pocas personas son tan
extremadamente pesimistas u optimistas como sugieren dichos criterios, Hurwicz
(1951) considera que el decisor debe ordenar las alternativas de acuerdo con una
media ponderada de los niveles de seguridad y optimismo:

Donde a es un valor específico elegido por el decisor y aplicable a cualquier

problema de decisión abordado por él, por lo que T(ai) = asi + (1-a)oi. Así, la regla
de decisión de Hurwicz resulta ser:
 Los valores de a próximos a 0 corresponden a una pensamiento optimista,
obteniéndose en el caso extremo a=0 el criterio maximax.
Los valores de a próximos a 1 corresponden a una pensamiento pesimista,
obteniéndose en el caso extremo a=1 el criterio de Wald.

Maximin
Lo que propone el modelo de Maximin o de Wald es fijarnos en las valoraciones
más bajas dentro de todas las soluciones es decir, las valoraciones más bajas son:
1 para la solución A, 2 para la B y 4 para la C,
Entonces dentro de este rango nos quedamos con C, pues es la más alta dentro
de las peores, la filosofía es la mejor de las peores , esto supone una pérdida de
información porque no se tienen en cuenta el resto de campos y la opción elegida
no podría ser la más óptima.
Estamos hablando de una forma Pesimista de elegir según Wald.

Maximax
Al contrario que el anterior, el modelo Maximax propone trabajar con los datos que
mayor puntuación han obtenido, por ejemplo, en nuestro cuadro las de mayor
puntuación son:
8 para A, 10 para B y de 9 para C, aplicando la lógica de este modelo tomaríamos
como decisión final la B pues su puntuación es superior al resto, la mejor de las
mejores, por lo que es la que más beneficios daría. Nos encontramos en la misma
tesitura que antes, no contamos con toda la información y podemos estar
eligiendo, como antes, no la mejor de las decisiones.
Como hemos comentado esta vez la forma de tomar la decisión sería Optimista.

Modelo de Razón insuficiente o de Laplace

Laplace plantea la utilización de todos los valores que se han obtenido
anteriormente, no despreciamos nada por lo que trabajamos con todos los
campos. La lógica que aplica es asignar a cada valor la misma probabilidad (1/n)
de tal modo que todos están en igualdad de condiciones. N muestra los posibles
estados de la naturaleza, es decir, un ejemplo para nuestra organización: aumento
de ganancias, perdidas o estancamiento. En nuestro ejemplo trabajamos con
estos 3 campos.
Con estos criterios nuestra opción seguiría siendo la C pues a priori parece la mas
completa y equilibrada, este método no arriesga en la toma de decisiones.
A: 7*1/3 + 8*1/3 + 1*1/3= 5.3
B: 10*1/3 + 2*1/3 + 5*1/3= 5.6
C: 5*1/3 + 4*1/3+ 9*1/3= 6
UNIDAD 2: MODELOS DE PROGRAMACIÓN LINEAL
Programación lineal
La programación lineal es un conjunto de técnicas racionales de análisis y de
resolución de problemas que tiene por objeto ayudar a los responsables en las
decisiones sobre asuntos en los que interviene un gran número de variables.
Ejemplo:
Unos grandes almacenes encargan a un fabricante pantalones y chaquetas
deportivas.
El fabricante dispone para confección de 750 m de tejido de algodón y 1000 m de
tejido de poliéster. Cada pantalón precisa 1 m de algodón y 2 m de poliéster. Para
cada chaqueta se necesita 1.5 m de algodón y 1 m de poliéster.
El precio del pantalón se fija en $ 50 y de la chaqueta en $40.
¿Qué número de pantalones y chaquetas debe suministrar el fabricante a los
almacenes para que estos consignan una venta máxima?
1. Elección de las incógnitas.
 X= número de pantalones
 Y= número de chaquetas
2. Función objetivo
 F(x,y)=50x + 40y
3. Restricciones
Para escribir las restricciones vamos a ayudarnos de una tabla:

Pantalones Chaquetas Disponibles

Algodón 1 1.5 750
Poliéster 2 1 1000
 X + 1.5y < 750 à 2x + 3y< 1500
 2x + y < 1000
Como el número de pantalones y chaquetas son números naturales, tendremos
dos restricciones más:
 X>0
 Y>0
4. Halla el conjunto de soluciones factibles
Tenemos que representar gráficamente las restricciones.
Al ser x > 0 e y > 0, trabajaremos en el primer cuadrante.
Representamos las rectas, a partir de sus puntos de corte con los ejes.

Programación lineal
Resolvemos gráficamente la inecuación: 2x + 3y < 1500, para ello tomamos un
punto del plano, por ejemplo el (0,0).

Los modelos de Programación Lineal por su sencillez son frecuentemente usados

para abordar una gran
Variedad de problemas de naturaleza real en ingeniería y ciencias sociales, lo que
ha permitido a empresas y organizaciones importantes beneficios y ahorros
asociados a su utilización.

Modelo matemático

Un modelo matemático describe teóricamente un objeto que existe fuera del

campo de las Matemáticas. Las previsiones del tiempo y los pronósticos
económicos, por ejemplo, están basados en modelos matemáticos. Su éxito o
fracaso depende de la precisión con la que se construya esta representación
numérica, la fidelidad con la que se concreticen hechos y situaciones naturales en
forma de variables relacionadas entre sí.
La utilidad de estos modelos radica en que ayudan a estudiar cómo se comportan
las estructuras complejas frente a aquellas situaciones que no pueden verse con
facilidad en el ámbito real.
Existen modelos que funcionan en ciertos casos y que resultan poco precisos en
otros, como ocurre con la mecánica newtoniana, cuya fiabilidad fue cuestionada
por el propio Albert Einstein.
Puede decirse que los modelos matemáticos son conjuntos con ciertas relaciones
ya definidas, que posibilitan la satisfacción de proposiciones que derivan de los
axiomas teóricos. Para ello, se sirven de diversas herramientas, como ser el
álgebra lineal que, por ejemplo, facilita la fase de análisis, gracias a la
representación gráfica de las distintas funciones.
Ejemplo:
Según el objetivo del modelo, podemos describir los siguientes tipos:
* Modelo de simulación, que intenta adelantarse a un resultado en una
determinada situación, sea que ésta se pueda medir en forma precisa o aleatoria;
* Modelo de optimización, que contempla distintos casos y condiciones, alternando
valores, para encontrar la configuración más satisfactoria;
* Modelo de control, a través del cual se pueden determinar los ajustes necesarios
para obtener un resultado particular.

Variable
Es un símbolo constituyente de un predicado, fórmula, algoritmo o de una
proposición. El término «variable» se utiliza aun fuera del ámbito matemático para
designar una cantidad susceptible de tomar distintos valores numéricos dentro de
un conjunto de números especificado.1
En contraste, una constante es un valor que no cambia (aunque puede no ser
conocido, o indeterminado). En este contexto, debe diferenciarse de una constante
matemática, que es una magnitud numérica específica, independientemente de la
naturaleza del problema dado.
Las variables de decisión son los elementos a través de los cuales se logra el
objetivo que se persigue. La definición de las variables de decisión se identifica
con cada una de las actividades en que se descompone el problema que se
estudia y se realiza en dos etapas fundamentales: Definición conceptual y
definición dimensional. Existe un tercer elemento que puede estar definido o no,
esto es la definición temporal de las mismas.
Definición conceptual Esta definición se refiere a lo que significa la variable en el
contexto del problema. Para definir la variable desde el punto de vista conceptual
hay que tener en cuenta el principio de unicidad. La unicidad puede ser de cuatro
tipos:
 Unicidad de origen
 Unicidad de destino
 Unicidad de estructura tecnológica
  Unicidad de coeficiente económico.
Definición dimensional. Esta definición está ligada al aspecto cuantitativo. Es
decir es necesario definir las unidades de medidas en que se va a expresar las
variables. Por ejemplo, toneladas, cajas, unidades, galones, etc.

Ejemplo:
En un enfoque "clínico", por ejemplo, si se desea estudiar el comportamiento de
las infecciones hospitalarias de un establecimiento, la unidad de análisis podría
corresponder al evento "infección hospitalaria" o a "paciente con infección
intrahospitalaria". Es evidente que la cifra en ambos casos puede ser diferente: un
"paciente" con infección intrahospitalaria puede tener más de un "evento" de
infección intrahospitalaria.
Esquema de unidades de análisis y Variables con ejemplo.

Método gráfico
El método gráfico es un procedimiento de solución de problemas de programación
lineal, muy limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si
es 3D) pero muy rico en materia de interpretación de resultados e incluso análisis
de sensibilidad.
Este consiste en representar cada una de las restricciones y encontrar en la
medida de lo posible el polígono (poliedro) factible, comúnmente llamado el
conjunto solución o región factible, en el cual por razones trigonométricas en uno
de sus vértices se encuentra la mejor respuesta (solución óptima).
Ejemplo:
La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad
diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo
c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y
72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr
de b y 27 gr de c.

El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe

obtener el máximo beneficio, ¿cuántos metros de T y T’ se deben fabricar?

LA MODELIZACIÓN MEDIANTE PROGRAMACIÓN LINEAL

VARIABLES

XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

RESTRICCIONES

0,12XT + 0,2XT’ <= 500 Hilo “a”

0,15XT + 0,1XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”

Las restricciones de no negatividad no son necesarias en este ejemplo dado que

se trata de un ejercicio de maximización, cuando el ejercicio sea de minimización
lo más recomendado es incluirlas.
LA SOLUCIÓN MEDIANTE MÉTODO GRÁFICO

PASO 1: GRAFICAR LAS RESTRICCIONES

Para iniciar con el trazado de las restricciones es indispensable igualar las
restricciones a 0, de esta manera podemos mediante despeje de ecuaciones
iniciar con la tabulación que nos otorgará las coordenadas para esbozar cada una
de las gráficas. Además dado que se trabajará en el plano cartesiano sería
prudente renombrar las variables
XT = x
XT' = y

Igualamos las restricciones,

0,12X + 0,2y = 500

0,15X + 0,1y = 300
0,072X + 0,027y = 108

Acto seguido iniciamos con la primera restricción, hallamos las primeras dos
coordenadas. Para hallar las coordenadas regularmente llevamos una de las
variables a cero, para de esta manera despejar más fácilmente la segunda.

Por ejemplo, para un x = 0

0,12(0) + 0,2y = 500

0,2y = 500
500/0,2 = y
2500 = y

y para un y = 0

0,12x + 0,2(0) = 500

0,12x = 500
x = 500/0,12
x = 4167
Seguimos con la segunda restricción,

0,15X + 0,1y = 300

Tercera restricción,

0,072X + 0,027y = 108

En el siguiente gráfico se muestra el polígono solución de color gris, en este
conjunto es donde cada coordenada cumple con todas las restricciones, las cuales
se caracterizan por ser restricciones de menor o igual y esta característica se
representa con una flecha hacía abajo.
Una vez se llega a este punto es indispensable saber que las soluciones óptimas
se alojan en los vértices del polígono solución (color gris) y que identificar a la
solución óptima es cuestión de elegir la mejor alternativa dependiendo de las
herramientas disponibles (tecnológicas y conocimientos matemáticos).

La primera opción es la geométrica, esta depende de trazar la ecuación que

representa a la función objetivo (este paso consiste en realizar el mismo
procedimiento de las restricciones).

Función objetivo,

ZMAX = 4000x + 5000y

luego igualamos a 0.

4000x + 5000y = 0

luego tabulamos para obtener las coordenadas necesarias para esbozar la gráfica
correspondientes a la ecuación (en esta ocasión es recomendable más de dos
coordenadas, incluyendo la coordenada (x = 0, y = 0).
FUNCIÓN OBJETIVO

ZMAX = 4000XT + 5000XT’

Método Simplex

El método Gráfico o método Geométrico permite la resolución de problemas

sencillos de programación lineal de manera intuitiva y visual. Este método se
encuentra limitado a problemas de dos o tres variables de decisión ya que no es
posible ilustrar gráficamente más de 3 dimensiones.

Aunque en la realidad rara vez surgen problemas únicamente con dos o tres
variables de decisión resulta, sin embargo, muy útil esta metodología de
resolución. Al reproducir gráficamente las situaciones posibles como son la
existencia de una solución óptima única, soluciones óptimas alternativas, la no
existencia de solución y la no acotación, constituye una ayuda visual para
interpretar y entender el algoritmo del método Simplex (bastante más sofisticado y
abstracto) y los conceptos que lo rodean.

Análisis de sensibilidad

El análisis de sensibilidad es un término financiero, muy utilizado en las empresas

para tomar decisiones de inversión, que consiste en calcular los nuevos flujos de
caja y el VAN (en un proyecto, en un negocio, etc.), al cambiar una variable (la
inversión inicial, la duración, los ingresos, la tasa de crecimiento de los ingresos,
los costes, etc.) De este modo teniendo los nuevos flujos de caja y el nuevo VAN
podremos calcular y mejorar nuestras estimaciones sobre el proyecto que vamos a
comenzar en el caso de que esas variables cambiasen o existiesen errores de
apreciación por nuestra parte en los datos iniciales.
Ejemplo:
Inversión A Inversión B Inversión Inicial $ 100,000 $ 100,000
Posibles ganancias en el periodo de Inversión Resultado Posible Pesimista 2,500
0.00 Probable 50,000 50,000 Optimista 60,000 100,000
Resultados incluyendo la inversión: Pesimista (-97,500) (-100,000) Probable
150,000 150,000 Optimista 160,000 200,000
Los estimados de resultados se deben fijar por medio de la investigación de cada
proyecto, es decir, si se trata de una sociedad de inversión podremos analizar el
histórico de esa herramienta financiera en particular, en el caso de un proyecto de
negocio, debemos conocer la proyección financiera del mismo y las bases en que
determinaron dicha proyección.
Como se puede observar en el ejemplo, el grado de mayor riesgo lo presenta el
proyecto B, pero también la oportunidad de obtener la mayor utilidad.
Normalmente así se comportan las inversiones, a mayor riesgo mayores utilidades
posibles.
Después de conocer el sistema de análisis de Sensibilidad de un proyecto, lo
siguiente es que analices y tomes decisiones sobre la base de tus expectativas de
riesgo. Recomendamos asesoría de un profesional antes de invertir tu dinero, en
conjunto podrán considerar éste y otros métodos para tomar la decisión que más
se adapte a tus requerimientos.
UNIDAD 3: TRANSPORTE Y ASIGNACIÓN

Problema de asignación
Consiste en encontrar la forma de asignar ciertos recursos disponibles (máquinas
o personas) para la realización de determinadas tareas al menor coste,
suponiendo que cada recurso se destina a una sola tarea, y que cada tarea es
ejecutada por uno solo de los recursos.
Es uno de los problemas fundamentales de optimización combinatoria de la rama
de optimización o investigación operativa en matemática.
El modelo se puede aplicar a la asignación de empleados a tareas, de fábricas a
productos, de vendedores a territorios, de postores a contratos, etc.
Con una sencilla manipulación, el método también se puede aplicar al caso en el
que se pretende maximizar cierta cantidad.
l problema de asignación presenta las siguientes características:
 El Problema de Asignación debe estar equilibrado, es decir, que las ofertas
y las demandas sean igual a 1. Un elemento importante para el problema
de asignación es la matriz de costos. Si el número de renglones o columnas
no son iguales el problema está desbalanceado y se puede obtener una
solución incorrecta. Para obtener una solución correcta la matriz debe ser
cuadrada.
 Si el número de agentes y tareas son iguales y el coste total de la
asignación para todas las tareas es igual a la suma de los costes de cada
agente (o la suma de los costes de cada tarea, que es lo mismo en este
caso), entonces el problema es llamado problema de asignación lineal.
Normalmente, cuando hablamos de problema de asignación sin ninguna
matización adicional, nos referimos al problema de asignación lineal.

Problema de Transporte
Es, en matemáticas y economía, un caso particular de problema de programación
lineal en el cual se debe minimizar el coste del abastecimiento a una serie de
puntos de demanda a partir de un grupo puntos de oferta —posiblemente de
distinto número—, teniendo en cuenta los distintos precios de envío de cada punto
de oferta a cada punto de demanda.
Ejemplo:
Algoritmo del simplex
El método o algoritmo del símplex se utiliza para hallar las soluciones óptimas de
un problema de programación lineal con tres o más variables. Es un procedimiento
iterativo de programación lineal que va desechando las soluciones no factibles y,
en cada paso, evalúa si la solución obtenida es óptima o no. Las etapas de este
algoritmo son:
 1. Planteamiento del problema: identificación de las variables y definición de
la función objetivo y del sistema de inecuaciones lineales para restricciones.
 2. Conversión de las desigualdades en igualdades; en cada restricción se
introduce una variable de holgura en el miembro menor (o menor o igual) de
la desigualdad.
 3. Igualación a cero de la función objetivo.
 4. Escritura de una tabla inicial símplex (matriz): en las columnas, las
variables del problema; una fila para cada conjunto de coeficientes de una
restricción y una fila más para los coeficientes de la función objetivo.
 5. Determinación de las variables y los coeficientes.
Ejemplo de tabla inicial símplex:

Variable de Variable de Valor crítico

Base Valores solución
decisión holgura Z

x1 x2 x3 h1 h2 h3

h1 3 4 2 1 0 0 0 300
h2 2 1 2 0 1 0 0 200

h3 1 3 3 0 0 1 0 150

Z -2 -4 -5 0 0 1 1 0

Método de la esquina noroeste

Es un método de programación lineal hecho a mano para encontrar una solución

inicial factible del modelo, muy conocido por ser el método más fácil al determinar
una solución básica factible inicial, pero al mismo tiempo por ser el menos
probable para dar una solución inicial acertada de bajo costo, debido a que ignora
la magnitud relativa de los costos. es un proceso utilizado para resolver problemas
de transporte o asignación, si bien es un método no exacto tiene la ventaja de
poder resolver problemas manualmente y de una forma rápida, muy cercano al
valor óptimo. Cada problema debe representarse en forma de matriz en donde las
filas normalmente representan las fuentes y las columnas representan los
destinos.
Este método comienza asignando la cantidad máxima permisible para la oferta y la
demanda a la variable X11 (la que está en la esquina noroeste de la tabla).
La columna o renglón satisfechos se tacha indicando que las variables restantes
en la columna o renglón tachado son igual a cero. Si la columna y el renglón se
satisfacen simultaneamente, únicamente uno (cualquiera de los dos) debe
tacharse. Esta condición garantiza localizar las variables básicas cero si es que
existen. Después de ajustar las cantidades de oferta y demanda para todos los
renglones y columnas no tachados, la cantidad máxima factible se asigna al primer
elemento no tachado en la nueva columna o renglón. El procedimiento termina
cuando exactamente un renglón o una columna se dejan sin tachar.

Ejemplo:
Una compañía tiene 3 almacenes con 15, 25 y 5 artículos disponibles
respectivamente. Con estos productos disponibles desea satisfacer la demanda de
4 clientes que requieren 5, 15, 15 y 10 unidades respectivamente. Los costos
asociados con el envío de mercancía del almacén al cliente por unidad se dan en
la siguiente tabla.

Clientes
Almacé 1 2 3 4
n
1 10 0 20 11
2 12 7 9 20
3 0 14 16 18

Método del costo mínimo

El método del costo mínimo o método de los mínimos costos es un algoritmo

desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste, dado
que se enfoca en las rutas que presentan menores costos.

El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores,
dado que se trata simplemente de la asignación de la mayor cantidad de unidades
posibles (sujeta a las restricciones de oferta y/o demanda) a la celda menos
costosa de toda la matriz hasta finalizar el método.
Ejemplo:
Por medio de este método resolveremos el problema de transporte propuesto y
resuelto en módulos anteriores mediante programación lineal.
EL PROBLEMA
Una empresa energética colombiana dispone de cuatro plantas de generación
para satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá,
Medellín y Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45
millones de KW al día respectivamente. Las necesidades de las ciudades de Cali,
Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW
entre cada planta y cada ciudad son los registrados en la siguiente tabla.
Formule un modelo de programación lineal que permita satisfacer las necesidades
de todas las ciudades al tiempo que minimice los costos asociados al transporte.

Optimización
Es la acción y efecto de optimizar. Este verbo hace referencia a buscar la mejor
manera de realizar una actividad. El término se utiliza mucho en el ámbito de la
informática.
La optimización puede realizarse en diversos ámbitos, pero siempre con el mismo
objetivo: mejorar el funcionamiento de algo o el desarrollo de un proyecto a través
de una gestión perfeccionada de los recursos. La optimización puede realizarse en
distintos niveles, aunque lo recomendable es concretarla hacia el final de un
proceso.
Una persona que desea optimizar su tiempo laboral, por ejemplo, puede cambiar
la organización de sus actividades, buscar apoyo en la tecnología o trabajar con
alguien que le aporte conocimientos complementarios. Si la optimización es
exitosa, el sujeto podrá realizar más trabajo en menos tiempo y utilizando menos
energías en el proceso.
Optimización es un concepto que casi todas las personas aprendemos de manera
natural desde la infancia, aunque no conozcamos el término hasta alcanzada un
cierta edad. Los colegios primarios suelen incluir en sus programas la realización
de trabajos prácticos en grupo, y es a través de esta actividad en particular que
tenemos uno de nuestros primeros acercamientos a la búsqueda de la mejor
organización posible: intentamos dividir las tareas, de manera tal que cada
integrante se haga cargo de aquello que mejor sabe hacer.

Método de asignación
Estos problemas ocurren en muchos contextos de la administración. En general
consisten en el problema para determinar la asignación óptima de agentes objetos
“indivisibles”, en el sentido de que ningún agente se puede dividir entre varias
tareas. La restricción importante, para cada agente, es que será designado a una
solo una tarea.
Elaboración de la tabla de costos por asignación.
PASO 2 Restar el valor mas pequeño de cada uno de los demás valores de la
columna:

En la priemra columna Leipzig, el valor más pequeño es 11. Este valor se le resta
a los demás valores de la columna.

En la segunda columna Nancy, el valor más pequeño es 10.

En la tercera columna Lieja, el valor más pequeño es 10.
El la cuarta columna Tilburgo, el valor más pequeño es 11.
PASO 3. Resta el valor más pequeño de cada renglon de los demàs valores de
ese renglon.
En el primer renglon, el valor más pequeño es 0.
En el segundo renglon, el valor más pequeño es 0.
En el tercer renglon, el valor más pequeño es 4.
En el cuarto renglon, el valor más pequeño es o.

PASO 4. Se traza el
minimo número de líneas que puedan pasar através de todos los ceros de la tabla.
Las lineas diagonales no se permiten. En algunos casos este paso causa
dificultades, ya que ordinariamente hay muchas formas de trazar estas lineas. Las
diferentes alternativas son posibles siempre y cuando el número de lineas sea
mínimo.

Por ejemplo se pueden trazar las líneas en la tabla de la siguente manera :

Este trazado abarca todos

los ceros de la tabla, pero se realizó con 3 lineas únicamente, por lo tanto este
trazado es mejor.

PASO 5. Despues de trzar el número mínimo de líneas se hace la prueba de

optimalidad. Si en número de líneas es igual a n (número de renglones o
columnas), es la solución óptima. Si el número de líneas es menor a n, se requiere
continuar con el proceso hasta calcular la solución óptima. En la tabla, el número
de líneas es de 3 y el de renglones/columnas 4, por lo tanto hay que continuar con
el procedimiento, el cual consiste de los siguientes pasos:
De los valores que no se tacharon, se selecciona el mínimo, en este ejemplo el
mínimo es 3. Este valor se debe restar a todos los valores que no están cruzados
por ninguna linea.
También se debe sumar esta cantidad a todos los valores situdos en la
intersección de líneas.
Todos los demás valores (los que están cruzadoz únicamente por una línea),
permanecen inalterados.
PASO 6. Esta tabla es posible solución, por l otanto hay que realizar el
procedimiento a partir del paso 4.
Trazando el mínimo número de líneas para cubrir todos los ceros, se obtiene lo
siguiente

La prueba de
optimalidad: ¿número de líneas= número de reglón/columna? En este caso hay 3
líneas y 4 renglones/columnas, por lo tanto hay que continuar con el
procedimiento.
Se elige el mínimo valor de los valores de la tabla que no estàn cruzados. En este
caso 1.
Se resta valor a todos los valores de la tabla no cruzados de la tabla y se suma a
los valores de las casillas situadas en la intersección de líneas, los demás valores
permanecen inalterados.

El resultado de la nueva
tabla es:

Es una nueva posible

solución, por lo tanto, se repite el procedimiento a partir del cuarto paso.
Se traza el mínimo número de líneas que cubran todos los ceros de la tabla.

Se realiza la prueva de optimalidad, como el núero de líneas es igual al número de

rengloes, el proceso termina. La solución óptima se localiza en la casilla que
contiene cero, lo cual significa que es la asignación de la intersección.

La casilla del primer renglón , segunda columna

tiene un cero, como es la intesección de Finanzas y Nancy, quiere decir que se
asignará la Ciudad de Nancy, Francial al vicepresidente de Finanzas.
Como habrá renglones que tengan más de 2 ceros, se recomienda que se
comience con los renglones de un solo cero, de esa manera podremos eliminar
esa asignación y continuar con las que queda.

Método hungaro
El método Húngaro es un método de optimización de problemas de asignación,
conocido como tal gracias a que los primeros aportes al método clásico definitivo
fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros.
El algoritmo tal como se detallará a continuación está diseñado para la resolución
de problemas de minimización únicamente, será entonces cuestión de agregar un
paso adicional para abordar ejercicios de maximización.
Ejemplo:
EL PROBLEMA
La compañía de manufactura "Jiménez y Asociados" desea realizar una jornada
de mantenimiento preventivo a sus tres máquinas principales A, B y C. El tiempo
que demanda realizar el mantenimiento de cada máquina es de 1 día, sin embargo
la jornada de mantenimiento no puede durar más de un día, teniendo en cuenta
que la compañía cuenta con tres proveedores de servicios de mantenimiento debe
de asignarse un equipo de mantenimiento a cada máquina para poder cumplir con
la realización del mantenimiento preventivo. Teniendo en cuenta que según el
grado de especialización de cada equipo prestador de servicios de mantenimiento
el costo de la tarea varía para cada máquina en particular, debe de asignarse el
equipo correcto a la máquina indicada con el objetivo de minimizar el costo total de
la jornada. Los costos asociados se pueden observar en la siguiente tabla:

www.ingenieriaindustrialonline.
com
PASO 1
Encontramos el menor elemento de cada fila

PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.
PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta
vez en relación a las columnas, por ende escogemos el elemento menor de cada
columna. Igualmente construimos una nueva matriz con la diferencia entre los
valores de la matriz 2 y el elemento menor de la columna a la cual corresponde
cada valor.

PASO 4
En este paso trazaremos la menor cantidad de combinaciones de líneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.
Como se puede observar el menor número de líneas horizontales y/o verticales
necesarias para cubrir los ceros de la matriz de costos reducidos es igual a 2, por
ende al ser menor que el número de filas o columnas es necesario recurrir al paso
5.
PASO 5
En este paso seleccionamos el menor elemento de los elementos no subrayados.

Luego se procede a restarse de los elementos no subrayados y a adicionarse a los

elementos ubicados en las intersecciones de las líneas, en este caso existe una
única intersección (3).
Ahora ya efectuado este paso pasamos al paso 4.

Ahora observamos cómo se hace necesario trazar tres líneas (la misma cantidad
de filas o columnas de la matriz) por ende se ha llegado al tabulado final, en el que
por simple observación se determina las asignaciones óptimas.

Por ende la asignación que representa el menor costo para la jornada de

mantenimiento preventivo determina que el Equipo 1 realice el mantenimiento de
la Máquina 1, el Equipo 2 realice el mantenimiento de la Máquina 3 y el Equipo 3
realice el mantenimiento de la Máquina 2, jornada que tendrá un costo total de 17
unidades monetarias.
UNIDAD 4: LINEAS DE ESPERA

Teoría de colas
La teoría de colas es el estudio de los sistemas de líneas de espera en sus
distintas modalidades. El estudio de estos modelos sirve para determinar la forma
más efectiva de gestionar un sistema de colas.
La teoría de colas es el estudio matemático del comportamiento de líneas de
espera. Esta se presenta cuando los clientes llegan a un lugar demandando un
servicio a un “servidor”, el cual tiene una cierta capacidad de atención. Si el
servidor no está disponible inmediatamente y el cliente decide esperar, entonces
se forma la línea de espera.
¿PARA QUÉ SIRVE LA TEORÍA DE COLAS?
El estudio de las colas nos sirve para proporcionar tanto una base teórica del tipo
de servicio que podemos esperar de un determinado recurso, como la forma en la
cual dicho recurso puede ser diseñado para proporcionar un determinado grado de
servicio a sus clientes.
Aplicaciones de la teoría de colas:
 Facturación en aeropuertos.
 Cajeros automáticos.
 Restaurantes de comida rápida.
 Esperas en líneas de atención telefónica.
 Intersecciones de tráfico.
 Aviones en espera para aterrizar.
 Llamadas a la policía o a compañías de servicios públicos.
 Estándares de calidad del servicio.
 Análisis económicos que incluyan comparaciones entre costes de
explotación, inversiones de capital.
OBJETIVOS DE LA TEORÍA DE COLAS
 Identificar el nivel óptimo de capacidad del sistema que minimiza el coste
global del mismo.
 Evaluar el impacto que las posibles alternativas de modificación de la
capacidad del sistema tendrían en el coste total del mismo.
  Establecer un balance equilibrado (“óptimo”) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
 Hay que prestar atención al tiempo de permanencia en el sistema o en la
cola: la “paciencia” de los clientes depende del tipo de servicio específico
considerado y eso puede hacer que un cliente “abandone” el sistema.
Ejemplo:
Un ejemplo de cola es cuando se va a comprar un boleto para viajar, si existen
pocas personas para ser atendidas será una cola pequeña, sin embargo, si hay un
gran número de personas esperando ser atendidas será una cola muy grande, el
número de servidores dependerá de cuantas personas están atendiendo y el
cliente será la persona que quiere comprar el boleto el número de servidores
podrá ser de uno hasta infinito.
Un sistema de colas se justifica por seis características principales:
 El tiempo de distribución de entradas o llegadas.
 El tipo de distribución de salidas o retiros.
 Los canales de servicio.
 La disciplina del servicio.
 El número máximo de clientes permitidos en el sistema.
 La fuente o población.

Fuente de entrada o población potencial

Es un conjunto de individuos (no necesariamente seres vivos) que pueden llegar a

solicitar el servicio en cuestión. Se considera finita o infinita. Aunque el caso de
infinitud no es realista, sí permite (por extraño que parezca) resolver de forma más
sencilla muchas situaciones en las que, en realidad, la población es finita pero
muy grande.
Dicha suposición de infinitud no resulta restrictiva cuando, aun siendo finita la
población potencial, su número de elementos es tan grande que el número de
individuos que ya están solicitando el citado servicio prácticamente no afecta a la
frecuencia con la que la población potencial genera nuevas peticiones de servicio.

Cliente

Es todo individuo de la población potencial que solicita servicio. Suponiendo que

los tiempos de llegada de clientes consecutivos son 0<t1<t2<…, será importante
conocer el patrón de probabilidad según el cual la fuente de entrada genera
clientes.

Capacidad de la cola

Es el máximo número de clientes que pueden estar haciendo cola (antes de

comenzar a ser servidos). De nuevo, puede suponerse finita o infinita. Lo más
sencillo, a efectos de simplicidad en los cálculos, es suponerla infinita. Aunque es
obvio que en la mayor parte de los casos reales la capacidad de la cola es finita,
no es una gran restricción el suponerla infinita si es extremadamente improbable
que no puedan entrar clientes a la cola por haberse llegado a ese número límite en
la misma.

Disciplina de la cola

Es el modo en el que los clientes son seleccionados para ser servidos. Las
disciplinas más habituales son:
La disciplina FIFO (first in first out), también llamada FCFS (first come first served):
según la cual se atiende primero al cliente que antes haya llegado.
La disciplina LIFO (last in first out), también conocida como LCFS (last come first
served) o pila: que consiste en atender primero al cliente que ha llegado el último.
La RSS (random selection of service), o SIRO (service in random order), que
selecciona a los clientes de forma aleatoria.

Mecanismo de servicio
Es el procedimiento por el cual se da servicio a los clientes que lo solicitan. Para
determinar totalmente el mecanismo de servicio se debe conocer el número de
servidores de dicho mecanismo (si dicho número fuese aleatorio, la distribución de
probabilidad del mismo) y la distribución de probabilidad del tiempo que le lleva a
cada servidor dar un servicio. En caso de que los servidores tengan distinta
destreza para dar el servicio, se debe especificar la distribución del tiempo de
servicio para cada uno.

La cola

La cola, propiamente dicha, es el conjunto de clientes que hacen espera, es decir

los clientes que ya han solicitado el servicio pero que aún no han pasado al
mecanismo de servicio.
El sistema de la cola

Es el conjunto formado por la cola y el mecanismo de servicio, junto con la

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

Distribución de Poisson

La distribución de Poisson es una distribución de probabilidad discreta que se

aplica a las ocurrencias de algún suceso durante un intervalo especifico. La
variable aleatoria x es el número de ocurrencias de un suceso en un intervalo. El
intervalo suele ser normalmente tiempo, distancia, área, volumen o alguna unidad
similar. La probabilidad de que el suceso ocurra x-veces, durante el intervalo,
está dada por la siguiente fórmula:

Donde y µ es el número promedio de resultados por unidad de tiempo y donde la

desviación estándar.
La distribución de Poisson debe cumplir los siguientes requisitos:
 La variable aleatoria X es el número de ocurrencias de un suceso durante
un intervalo.
 Las ocurrencias deben ser aleatorias.
 Las ocurrencias tienen que ser independientes entre sí.
 Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo
que se emplea.
[adrotate banner=”4″]
Aspectos importantes a tener en cuenta:
 1. La distribución de Poisson sólo se ve afectada por el valor de la media µ, al
contrario que la distribución binomial que se veía afectada por el tamaño de
la muestra y la probabilidad.
2.
1. Los valores permitidos para x en la distribución de Poisson no tienen
cota superior (0,1,2,3…) al contrario que la binomial que si estaba
acotada (0,1,2,3…n).
Aplicaciones
 el número de muertes por caballo patadas en el ejército prusiano (primera
aplicación)
 defectos de nacimiento y mutaciones genéticas
 las enfermedades raras (como la leucemia, pero no el SIDA porque es
infecciosa y por tanto no independiente) – especialmente en casos legales
 accidentes automovilísticos
 el flujo de tráfico y la distancia de seguridad
 número de errores de escritura en una página
 pelos encontrados en las hamburguesas de McDonald
 propagación de un animal en peligro de extinción en África
 fallos de una máquina en un mes
UNIDAD 5: USOS DE LOS PRONÓSTICOS EN
PRODUCCIÓN

Pronóstico

El pronóstico es un procedimiento objetivo, en el que se utiliza la información

recabada en un espacio de tiempo, para predecir el futuro.
Considerando que las tendencias actuales continuarán en el futuro. Estimación
anticipada del valor de una variable, en este caso llamada demanda de un
producto.
Es una técnica que permite predecir lo que ocurrirá en el futuro, dependerá de los
cambios en las variables externas al sistema de producción.
Por qué se necesitan los pronósticos en la empresa
El objetivo básico de un pronóstico consiste en reducir el rango de incertidumbre
dentro del cual se toman las decisiones que afectan el futuro del negocio y con él
a todas las partes involucradas. Aunque, el pronóstico no sustituye el juicio
administrativo en la toma de decisiones, simplemente es una ayuda en ese
proceso
CLASIFICACIÓN
SEGÚN EL HORIZONTE DE TIEMPO:
1. Largo Plazo.
El pronóstico a largo plazo incorpora la estimación de condiciones futuras a lo
largo de lapsos que por lo general son mayores de un año son necesarios para
dar apoyo a decisiones estratégicas sobre planeación de productos, procesos,
tecnologías e instalaciones. Estas decisiones son de tal importancia para el éxito a
largo plazo de los sistemas de producción que para el desarrollo de estos
pronósticos se aplica un intenso esfuerzo organizacional.
2. Mediano Plazo.
Un pronóstico de rango mediano, o intermedio, generalmente con lapsos
medianos de meses, es valioso en la planeación de la producción y presupuestos,
planeación de ventas, presupuestos de efectivo y el análisis de varios planes de
operación.

3. Corto Plazo.
Son estimaciones de situaciones futuras que van desde unos días hasta varias
semanas. Estos pronósticos pueden abarcar periodos tan cortos de tiempo que los
ciclos, la estacionalidad y los patrones de tendencia surten muy poco efecto. El
patrón principal de datos que afecta a estos pronósticos es la fluctuación aleatoria
Según su atención al detalle se clasifican en:
 Micropronósticos. Involucran pequeños detalles e interesan a los niveles
medios y de primera línea.
 Macropronósticos. Se realizan a gran escala y son del interés de la alta
dirección.
Según la intensidad del uso de datos se clasifican en:
 Pronósticos cualitativos. Se basan en el juicio de individuos o grupos de
individuos, se pueden presentar en forma numérica pero generalmente no
están basados en series de datos históricos.
 Pronósticos cuantitativos. Emplean cantidades significativas de datos
previos como base de predicción. Pueden ser:
o Simples (no formales): proyectan datos pasados hacia el futuro sin
explicar las tendencias futuras.
o Causales (explicativos): intentan explicar las relaciones funcionales
entre la variable a ser estimada (variable dependiente) y la variable o
variables que explican los cambios (variables independientes).

Métodos cualitativos

Las técnicas cualitativas se usan cuando los datos son escasos, por ejemplo
cuando se introduce un producto nuevo al mercado. Estas técnicas usan el criterio
de la persona y ciertas relaciones para transformar información cualitativa en
estimados cuantitativos. Algunos son:
 Jurado de opinión ejecutiva. Un grupo de ejecutivos corporativos se
reúnen, sus opiniones se promedian para generar el pronóstico.
 Composición de la fuerza de ventas. Combina estimaciones de los
vendedores sobre las compras esperadas de los clientes.
 Método Delphi. Empleada predominantemente en la predicción de
tendencias y cambios tecnológicos. Emplea un panel de expertos que no se
reúnen sino que el proceso se lleva a cabo mediante una serie secuencial
de preguntas y respuestas escritas.
  Encuestas de opinión. Permiten identificar cambios en las tendencias, se
llevan a cabo en muestras de la población.
 Investigación de mercado. Se usa para evaluar y probar hipótesis acerca
de mercados reales.
 Evaluación de clientes. Combina estimaciones de los clientes habituales.
En el siguiente video, de la UPV, se presentan las características de cuatro de los
métodos cualitativos más empleados en la elaboración de pronósticos.

Métodos cuantitativos de pronósticos

Se basan en procedimientos mecánicos o modelos matemáticos que se apoyan en

datos históricos o en variables causales para producir resultados cuantitativos.
Algunos son:
 Análisis de series temporales. Establece una ecuación para una
tendencia y la proyecta al futuro
 Modelos de regresión. Pronostica una variable a partir de lo que se sabe o
supone de otras.
 Modelos econométricos. Simula con ecuaciones de regresión segmentos
de la economía.
 Indicadores económicos. Pronostica con uno o más indicadores el estado
futuro de la economía
 Efecto de sustitución. Predice con una fórmula matemática cómo, cuándo
y en qué circunstancias un nuevo producto o tecnología sustituirá al actual.
A través del siguiente video tutorial (8 videos), de INCAE, podrás aprender más
sobre los métodos cuantitativos de pronóstico.

Pronósticos de la demanda

Son proyecciones de la demanda para los productos o servicios de una compañía.

Estos pronósticos, también llamados pronósticos de ventas, conducen la
producción de una compañía, la capacidad, y los sistemas de programación, y
sirven como insumos a la planeación financiera, de mercado y de personal.
Es estimar las ventas de un producto durante determinado periodo futuro. Los
ejecutivos calculan primero la demanda en toda la industria o mercado para luego
predecir las ventas de los productos de la compañía en ellos.
El pronóstico de la demanda da origen a varias clases de proyecciones. Por
ejemplo, un pronóstico puede referirse a una industria entera, a una línea de
productos o bien a una marca individual. Puede aplicarse a la totalidad de un
mercado o a un segmento en particular. La estimación puede basarse en factores
generales o en un plan específico de comercialización. Por lo tanto, para que un
pronóstico se entienda y sea útil, es importante aclarar exactamente qué cosa
describe.
Algunos métodos para pronosticar la demanda
Una compañía puede pronosticar las ventas mediante un método de “arriba abajo”
descendente o de “abajo a arriba” ascendente.

Si se utiliza el método de arriba abajo En el pronóstico de abajo a arriba, los

los administradores deben: administradores siguen un
procedimiento de dos pasos:

1. Hacer un pronóstico de las 1. Para hacer estimaciones de la

condiciones económicas generales demanda futura obtienen información de
segmentos del mercado o de las
unidades organizacionales (vendedores
o sucursales) en la compañía.

2. Determinar el potencial de mercado 2. Se incorporan estimaciones para

de un producto obtener un pronóstico total.

3. Medir la participación del mercado

que tiene la empresa o que proyecta
captar

4. Pronosticar las ventas de su marca

del producto

Las predicciones de la demanda futura del mercado, conseguida de los

pronósticos de ventas o del mercado potencial, puede basarse en métodos que
abarcan desde conjeturas infundadas hasta complejos modelos estadísticos.
Aunque los administradores de la comercialización quizá no realicen los cálculos
estadísticos, deberían estar relacionados con las bondades y limitaciones de cada
técnica para asegurarse de utilizar el método más conveniente. Más aún, tanto
ellos como el personal que hace los pronósticos han de colaborar para cerciorarse
de que los participantes no solo entienden el proceso, sino que aplican los
resultados.

Serie de tiempo

Una serie de tiempo es una lista de fechas, cada una de las cuales se asocia a un
valor (un número). Las series de tiempo son un modo estructurado de representar
datos. Visualmente, es una curva que evoluciona a lo largo del tiempo. Por
ejemplo, las ventas diarias de un producto pueden representarse como una serie
de tiempo.
En el sector minorista o en el de manufactura, las series de tiempo son
importantes porque son las representaciones más canónicas del flujo de artículos
vendido o producido. La representación de datos comerciales como series de
tiempo generalmente ayuda a los encargados a visualizar la actividad de sus
comercios.
Ejemplo de series de tiempo

El gráfico que se encuentra arriba representa, como dos series de tiempo

agregadas mensualmente, la actividad de búsqueda en la red en Estados Unidos
de dos expresiones: cloud computing y asp.net mvc.
Pronóstico de series de tiempo

El pronóstico de las series de tiempo significa que extendemos los valores

históricos al futuro, donde aún no hay mediciones disponibles. El pronóstico se
realiza generalmente para optimizar áreas como los niveles de inventario, la
capacidad de producción o los niveles de personal.
Existen dos variables estructurales principales que definen un pronóstico de serie
de tiempo:
 El período, que representa el nivel de agregación. Los períodos más
comunes son meses, semanas y días en la cadena de suministro (para la
optimización del inventario). Los centros de atención telefónica utilizan
períodos de cuartos de hora (para la optimización del personal).
 El horizonte, que representa la cantidad de períodos por adelantado que
deben ser pronosticados. En la cadena de suministro, el horizonte es
generalmente igual o mayor que el tiempo de entrega.

Ejemplo:
Luego, existen algunas sutilezas relacionadas con la definición del período mismo,
principalmente debido a irregularidades del calendario. Por ejemplo, uno puede
decidir que la agregación mensual comienza el día N de cada mes (en lugar del
1.º), pero si N es mayor que 28, causa problemas porque no todos los meses
tienen más de 28 días.

Tendencia Secular

La tendencia secular o tendencia a largo plazo de una serie es por lo común el

resultado de factores a largo plazo. En términos intuitivos, la tendencia de una
serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la
propia serie, que se consideran consecuencias de fuerzas persistentes que
afectan el crecimiento o la reducción de la misma, tales como: cambios en la
población, en las características demográficas de la misma, cambios en los
ingresos, en la salud, en el nivel de educación y tecnología.
Las tendencias a largo plazo se ajustan a diversos esquemas. Algunas se mueven
continuamente hacía arriba, otras declinan, y otras más permanecen igual en un
cierto período o intervalo de tiempo.
Variación estacional

El componente de la serie de tiempo que representa la variabilidad en los datos

debida a influencias de las estaciones, se llama componente estacional. Esta
variación corresponde a los movimientos de la serie que recurren año tras año en
los mismos meses (o en los mismos trimestres) del año poco más o menos con la
misma intensidad.
Por ejemplo: Un fabricante de albercas inflables espera poca actividad de ventas
durante los meses de otoño e invierno y tiene ventas máximas en los de primavera
y verano, mientras que los fabricantes de equipo para la nieve y ropa de abrigo
esperan un comportamiento anual opuesto al del fabricante de albercas.

Variación cíclica

Con frecuencia las series de tiempo presentan secuencias alternas de puntos

abajo y arriba de la línea de tendencia que duran más de un año, esta variación se
mantiene después de que se han eliminado las variaciones o tendencias
estacional e irregular. Un ejemplo de este tipo de variación son los ciclos
comerciales cuyos períodos recurrentes dependen de la prosperidad, recesión,
depresión y recuperación, las cuales no dependen de factores como el clima o las
costumbres sociales.

Variación Irregular

Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a

la serie de tiempo. Como este componente explica la variabilidad aleatoria de la
serie, es impredecible, es decir, no se puede esperar predecir su impacto sobre la
serie de tiempo. Existen dos tipos de variación irregular:
a) Las variaciones que son provocadas por acontecimientos especiales, fácilmente
identificables, como las elecciones, inundaciones, huelgas, terremotos.
b) Variaciones aleatorias o por casualidad, cuyas causas no se pueden señalar en
forma exacta, pero que tienden a equilibrarse a la larga.

Causales
Estos desarrollan un modelo de causa y efecto entre la demanda (exteriorización
de las necesidades y deseos del mercado y está condicionada por los recursos
disponibles) y otras variables. Que permitan explicar mediante una ecuación
matemática los valores de una variable en términos de la otra. Por ejemplo, la
demanda de helados puede relacionarse con la población, un agricultor puede
creer que la cantidad de fertilizante que utilizó influyó en la cosecha lograda, etc.
Los modelos de pronóstico causal generalmente consideran algunas variables que
están relacionadas con la variable que se predice. Una vez que estas variables
relativas se han encontrado, se construye y utiliza un modelo estadístico para
pronosticar la variable de interés. Este intento es más poderoso que los métodos
de serie de tiempo que únicamente utilizan los datos históricos para pronosticar la
variable.
Se pueden considerar muchos factores en un análisis causal.
Por ejemplo:
Las ventas de un producto pueden estar relacionadas con el presupuesto de
publicidad de la empresa, los precios de competidores y las estrategias
promociónales, o aun las tasas económicas y de desempleo. En este caso, las
ventas serían llamadas variable dependiente y otras variables serían llamadas
variables independientes. El trabajo del administrador es de desarrollar la mejor
relación estadística entre las ventas y las variables independientes. El modelo de
pronóstico causal cuantitativo más común es el análisis de regresión lineal.
Ejemplo 4- 8:
Carvajal suministra oficinas en el territorio colombiano. Al paso del tiempo, la
compañía se ha percatado que el volumen en pesos de su trabajo de renovación
es dependiente de la nómina de sus clientes en Colombia. La siguiente tabla
enumera ingresos y la cantidad de dinero ganada por los trabajadores asalariados
en Colombia durante los años 2.004-2005:

Ventas de Carvajal Nómina ($000.000.000.000) 2.000.000.000.oo 1

3.000.000.000.oo 3 2.500.000.000.oo 4 2.000.000.000.oo 2 2.000.000.000.oo 1
3.500.000.000.oo 7
La administración de Carvajal desea establecer una relación matemática que
ayude a predecir las ventas. Primero, necesitan determinar si existe una relación
de línea recta (lineal) entre la nómina y las ventas, se graficarán los datos.
A partir de los seis puntos de datos se puede apreciar que existe una ligera
relación positiva entre la variable independiente, la nómina y la variable
dependiente: las ventas. Mientras la nómina se incrementa, las ventas de Carvajal
tienden a ser mayores. Se puede encontrar una ecuación matemática al utilizar el
sistema de regresión por mínimos cuadrados. Ventas, y Nómina, x x2 x y 2.0 1 1
2.0 3.0 3 9 9.0 2.5 4 16 10. 2.0 2 4 4.0 2.0 1 1 2.0 3.5 7 49 24.5  = 15.0 18 80
51.5 x= x = 18 = 3 n 6 y= y = 15 = 2.5 n 6 b = x y – n x y = 51.5 – (6) (3) (2.5) =
0.25 x2 - nx2 80 – (6) (3)2
a= y- b x = 2.5 – (0.25) (3) = 1.75
La ecuación de regresión estimada, por lo tanto es:
y = 1.75 + 0.25x
Ventas = 1.75 + 0.25x
Si se predice que la nómina será de 6.000 millones para el próximo año, es
posible estimar las ventas de Carvajal con la ecuación de regresión: o Ventas =
1.75 + 0.25 (6) x ($000.000.000) o Ventas = $ 3.250´000.000

Inventario

El concepto de inventario en una empresa se basa en todos los productos y

materias primas que posee la empresa y que son potenciales para la futura venta
y que proporcione beneficios a la organización. El inventario está formado por todo
el stock de la empresa que no se ha vendido, las materias primas que se poseen
que les permiten crear nuevos productos y todos aquellos productos que se
encuentran en el proceso de producción de la empresa y próximamente ya estarán
disponibles para su venta.
También se le denomina hacer el inventario a la acción de comprobar que los
números que se encuentran a los libros de contabilidad coinciden de forma exacta
con la realidad de la empresa. Este examen se realiza a través del registro
documental de todos los bienes de la empresa adquiridos con el objetivo de
realizar una futura venta hechos de forma concreta y precisa. Poseer un control
organizado sobre los diferentes tipos de productos que posee la empresa y las
materias primas que le permiten seguir fabricando es imprescindible para poder
gestionar de forma correcta una organización.
Entre los motivos que existen para realizar inventarios en las empresas
encontramos algunas ventajas como:
 Capacidad de dirección: te permiten decidir qué decisión tomar después
de ver cuál es la cantidad de stock que posee tu empresa. Es decir, si por
ejemplo tienen mucho stock de una colección de ropa y estamos a final de
temporada, es posible que se decida rebajarla para intentar venderla de
forma más rápida y poder sacar la siguiente.
  Fluctuaciones de la demanda: controlar el inventario cada cierto tiempo te
permite la posibilidad de ver cuándo es la época que más o menos se
vende y las sorpresas son menores.
 Inestabilidad del suministro: gracias a los inventarios podemos saber en
todo momento cuándo vamos a necesitar adquirir nuevos suministros para
producir nuestros productos.
 Descuentos por cantidad: la compra de materias prima en cantidades
más grande disminuye el precio de cada unidad. El control del stock y las
necesidades de producción que tenemos nos puede ayudar a reducir los
costes.
Ejemplo de inventario:
Panificadora la Moderna del Sur S.A de C.V
Inventario de materias primas:
Existencias a inicio de semana

Margarina 512 piezas

Harina 390 kilos
Azúcar 200 kilos
Aceite 80 litros
Chocolate 50 kilos
Mermelada de
40 kilos
fresa

Mermelada de 60 kilos
piña

50 tablillas
Cobertura simple

150 litros (en

Leche botella
plástica)
Costos de inventarios

Los costes de inventario son los costes relacionados con el almacenamiento y el

mantenimiento del inventario durante un determinado período de tiempo.
Generalmente, los costes de inventario se describen como un porcentaje del valor
de inventario (inventario promedio anual; es decir, para un minorista, el promedio
de bienes comprados a sus proveedores durante un año) en base anualizada.
Estos costes varían significativamente según el sector comercial, pero son
siempre bastante altos. Normalmente, se acepta que los costes de
almacenamiento por sí solos representen el 25 % del valor de inventario
disponible.
Para los minoristas y los mayoristas, así como para los propietarios de
eCommerce, el inventario es generalmente el mayor activo, así como el mayor
generador de gastos. La evaluación de los costes de inventario es, por lo tanto,
esencial, y tiene repercusiones en las finanzas de la compañía, así como en su
gestión. Ayuda a las compañías a determinar cuánto beneficio pueden obtener del
inventario, de qué modo pueden reducir los costes, dónde se pueden realizar
cambios, qué proveedores o qué artículos se deben elegir, cómo se debe asignar
el capital, etc.
Dificultades para evaluar correctamente los costes de inventario
Constantemente observamos que muchas compañías no saben con exactitud
cuáles son los costes totales vinculados con su inventario. Lo que es peor, muchas
compañías se apoyan en la falsa premisa de que una contabilidad regular les da
una estima razonable de los costes de su inventario.

En primer lugar, la medición del coste de inventario es, en sí misma, un

problema complicado. Existen varios sistemas alternativos de contabilidad de
costes que pueden resultar válidos para algunos fines, al tiempo que resultan
inadecuados o peligrosos para otros (cf. Edward A. Silver, David F. Pyke y Rein
Peterson, ver Referencias n.o 4 más abajo). Además, no siempre es ni posible ni
económico hacer un seguimiento de todos los costes, o dividirlos y asignarlos en
forma adecuada. Para comenzar a evaluar los costes de inventario, es preciso
entender que los números relevantes no siempre aparecen en los registros de
contabilidad convencionales, y que, cuando parece que sí lo hacen, aún es preciso
ser cuidadoso con el conjunto de reglas y las suposiciones que se utilizan para
elaborar esos números. Por ejemplo, al momento de combinar los diferentes
costes, es necesario asegurarse de que los elementos estén expresados en modo
coherente como cifras antes de impuestos o cifras después de impuestos, pero no
como una mezcla de ambas.

En segundo lugar, el verdadero coste de inventario simplemente implica

muchos elementos y va más allá del coste de bienes vendidos o de materias
primas. Enseguida vienen a la mente los gastos de gestión y de mantenimiento,
pero no se termina allí. Hay que agregar a eso los seguros, los intereses, la
merma, etc. La lista es bastante larga. En este artículo, intentamos elaborar una
clasificación clara de estos costes para ayudar a los encargados a entender mejor
dónde es que deberían empezar a buscar para determinar los costes de sus
inventarios.

Si bien intentaremos dar algunas estimas generales de algunos de estos, el lector

deberá recordar que cada uno de estos costes directamente del sector
comercial específico y de las políticas y las decisiones de gestión (ej.: la decisión
de utilizar proveedores de servicios terceros o de aplicar una política de inventario
justo a tiempo, etc.).
Categorización de costes de inventario
Una vez más, si bien en la literatura pueden hallarse muchos puntos comunes, las
categorías y subcategorías de inventario fluctúan y se superponen, o se designan
con nombres diferentes. No pretendemos exponer a continuación la clasificación
correcta, sino simplemente una que, con suerte, pueda tener sentido
(nuevamente, concentrándonos en el comercio) y pueda ser útil para que los
encargados tengan una idea acabada de los costes del inventario.

Los costes de inventario se dividen en 3 categorías principales:

 Costes de ordenamiento (también llamados costes de preparación);
 Costes de almacenamiento (también llamados costes de tenencia);
 Costes de faltas de existencias (también llamados costes de escasez).

Definimos brevemente estos conceptos pero, entre esas tres categorías, los
costes de almacenamiento se ganan casi toda nuestra atención.

Más detalles: Existen otras clasificaciones, algunas de ellas más relevantes para
los fabricantes. Por ejemplo, Mary Lu Harding (ver Referencias nro. 1 más abajo)
adopta una perspectiva diferente, con categorías como coste de no entrega, coste
de no calidad, costes relacionados con el uso, etc., adecuadas principalmente
para el procesamiento comercial de materias primas, y útiles para determinar
cómo seleccionar a los proveedores de materias primas.
Costes de ordenamiento
El coste de ordenamiento (también llamado coste de preparación, en el sector de
los fabricantes), o el coste de reabastecimiento de inventario, cubre la fricción
creada por las órdenes mismas, es decir, los costes en que se incurre cada vez
que se realiza una orden. Estos costes se pueden dividir en dos partes:
 El coste del proceso de ordenamiento en sí mismo: puede considerarse
un coste fijo, independiente de la cantidad de unidades ordenada.
Generalmente incluye las tarifas de la realización de la orden y los costes
administrativos relacionados con la facturación, la contabilidad o la
comunicación. Para actividades comerciales grandes, en especial para los
minoristas, esto puede reducirse al coste amortizado del sistema EDI
(intercambio electrónico de datos), que permite reducir significativamente
los costes del proceso de ordenamiento (a veces, de varias órdenes de
magnitud).
 Los costes de logística entrante, relacionados con el transporte y la
recepción (descarga e inspección). Esos costes son variables. Luego, el
coste de envío del proveedor depende del volumen total ordenado, lo que a
veces produce variaciones importantes en el coste por unidad de la orden.

Costes de almacenamiento
Los costes de almacenamiento son esenciales para un punto de vista estático del
inventario; es decir, al concentrarse en el impacto de tener más o menos
inventario, independientemente del flujo de inventario.
Una vez más, la clasificación varía en la literatura; la categorización que
proponemos es la siguiente:
Costes de capital (o cargos financieros)
Costes de espacio de almacenamiento
Costes de servicios de inventario
Costes de riesgo de inventario
Costes de capital
Es el componente más grande entre los costes de almacenamiento de inventario.
Incluye todo lo relacionado con la inversión, los intereses sobre el capital de
trabajo y el costo de oportunidad del dinero invertido en el inventario (en lugar de
en títulos del tesoro, fondos de inversión, etc.). Determinar los costes de capital
puede ser más o menos complicado según la actividad comercial. Es posible, no
obstante, dar algunas reglas básicas: es importante entender cuál es la parte
financiada externamente y cuál la parte financiada mediante flujo de caja interno; y
es igual de importante evaluar el riesgo de inventario en la propia actividad.
Costes de espacio de almacenamiento
Incluyen el coste del mantenimiento del establecimiento y los servicios (luz, aire
acondicionado, calefacción, etc.), el coste de la compra, la depreciación, o el
alquiler y los impuestos de la propiedad.
Costes de servicios de inventario
Incluyen seguro, hardware de TI y aplicaciones (para algunas actividades, equipos
RFID y otros), pero también el manejo físico con los correspondientes recursos
humanos, gestión, etc. También podemos poner en esta categoría los gastos
relacionados con el control de inventario y el recuento de ciclos. Por último, si bien
son una especie de categoría en sí mismos, es posible incluir los impuestos en
esta categoría.
Ejemplo:
Consideremos una empresa con un valor de inventario promedio de $10M. Para
calcular los costes de almacenamiento, primero necesitamos sumar todos los
costes no capitalizables. Supongamos que fuera así:

Costes de espacio de almacenamiento: 200k

Costes de servicio de inventario: 800k
- Manejo físico: 200k
- Seguro: 100k
- Cargos administrativos, gastos de equipo y control: 300k
- Impuestos: 200k
Costes de riesgo de inventario: 900k
- Merma (incluido hurto, etc.): 300k
- Obsolescencia: 600k

Esto representa un total de USD 1.9M.

Para obtener un porcentaje, dividimos este total por el valor de inventario
promedio: 1.9M USD / 10M USD = 19 %.
Por último, sumamos los costes de capital. Supongamos que son un 10 % en este
caso, es decir, USD 1M.
En nuestro ejemplo, los costes de almacenamiento de inventario totales alcanzan
los USD 2.9M para un valor de inventario promedio de USD 10M. La tasa de
almacenamiento de inventario equivale a 19 %+10 %= 29 %.
Modelos probabilísticos

Modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de

datos obtenidos de muestreos de datos con comportamiento que se supone
aleatorio.
Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad, y
que incluye un conjunto de asunciones sobre la generación de algunos datos
muéstrales, de tal manera que asemejen a los datos de una población mayor.

Las asunciones o hipótesis de un modelo estadístico describen un conjunto de

distribuciones de probabilidad, que son capaces de aproximar de manera
adecuada un conjunto de datos. Las distribuciones de probabilidad inherentes de
los modelos estadísticos son lo que distinguen a los modelos de otros modelos
matemáticos deterministas.
Ejemplo:
Modelos de regresión
Un modelo estadístico de regresión es una expresión simbólica en forma de
igualdad o ecuación que se emplea en todos los diseños experimentales y en la
regresión para indicar los diferentes factores que modifican la variable de
respuesta. El modelo estadístico más simple es el usado en los diseños completos
aleatorizados (DCA). Su modelo es:

Donde
Y = es la variable de respuesta de interés.
μ = promedio general de la población sobre la cual se está trabajando
t = es la variación que se atribuye a los niveles del factor que se está evaluando
(efecto de los tratamientos).
ξ = es la variación de los factores no controlados ( el error experimental)
i = i -ésimo tratamiento
j = j -ésima repetición de cada tratamientos
j(i) = es la variación de las unidades experimentales anidado en los tratamientos.
Los modelos estadísticos pueden ser lineales o no lineales.
Modelo “EOQ”

Una de las herramientas que se utilizan para determinar el monto óptimo de

pedido para un artículo de inventario es el modelo de la cantidad económica de
pedido (CEP). Tiene en cuenta los diferentes costos financieros y de operación y
determina el monto de pedido que minimice los costos de inventario de la
empresa.
El modelo de Cantidad Económica de Pedido o simplemente EOQ (Economic
Order Quantity) por sus siglas en inglés, es una de las herramientas más sencillas
en la Gestión de Inventarios que permite obtener el tamaño del pedido que
minimizan los costos totales asociados a la gestión del inventario.
Como todo modelo necesita de algunos supuestos que dependiendo de la
situación práctica que se desee modelar serán más o menos realistas. Los
supuestos más fuertes o característicos de EOQ es que la demanda es constante
y conocida y que el tiempo de entrega (o lead time) del pedido es constante y
conocido.
El Costo Anual total del Inventario queda definido por la suma de los costos de
adquisición o compra (D*C), costos de emisión de pedidos (D/Q)*S y costos de
almacenamiento (Q/2)*H.
La Fórmula del modelo de Tamaño Económico de Pedido EOQ que representa el
costo total del inventario es la siguiente:
CT = D*C + (D/Q)*S + (Q/2)*H
Para obtener la cantidad de pedido que minimiza la función de costos totales se
deriva la fórmula respecto a Q y se iguala a cero, para posteriormente despejar el
parámetro Q. Notar que el costo de adquisición (C*D) será constante
independiente de la política de pedido (tamaño de pedido) en la medida que no
existan descuentos por cantidad.

Donde D es usualmente la demanda anual (que se asume conocida o factible de

estimar con precisión), S es el costo de hacer un pedido (o costo de emisión) que
se asume fijo y H es el costo anual unitario de almacenamiento en el inventario.
Ejemplo:
A continuación se presenta un ejemplo para ilustrar la aplicación de este modelo
de Cantidad Económica de Pedido (EOQ):
 D: Demanda Anual = 6.000 unidades
 S: Costo de Emisión = $750
 H: Costo de Almacenamiento Anual (unitario) = $400
Reemplazando los parámetros en la fórmula se obtiene Q=150 [unidades/pedido]
que es la cantidad de pedido que minimiza el costo anual del
inventario: CT=(6.000/150)*$750+(150/2)*$400=$60.000.
Se puede corroborar (recomendamos fuertemente al lector hacer esto) que
cualquier otra cantidad de pedido proporciona un costo anual del inventario
superior al obtenido con el modelo EOQ. Esto debido a que el tamaño del pedido
obtenido con EOQ equilibra explícitamente los costos de emisión con los costos
de almacenamiento.
Notar que para tamaños de pedido grandes los costos de emisión se minimizan
(se requerirá de menos pedidos en el año) y los costos de almacenamiento se
maximizan (dado que se tendrá un inventario promedio mayor en las bodegas). De
forma análoga, para pedidos pequeños los costos de emisión se maximizan a la
vez que los costos de almacenamiento se minimizan.
UNIDAD 6: REDES

Redes

Esta teoría que constituye una técnica matemática que ha aportado una ayuda
eficaz en el tratamiento de los problemas de transportación de la producción.
La modelación de redes permite la resolución de múltiples problemas de
programación matemática mediante la implementación de algoritmos especiales
creados para tal fin, conocidos como Algoritmos de optimización de redes.
Dentro de los problemas más comúnmente resueltos mediante la modelación de
redes se encuentran los ya vistos modelos de transporte, transbordo además de
los muy conocidos modelos de determinación de cronograma de actividades para
proyectos como lo son el PERT y el CPM.
Problemas fundamentales
 Problema del camino más corto
 Modelos del flujo máximo.
 Planeación, programación y control de proyecto de actividades.
En cada caso, una función es definida en los arcos de la red, pero el álgebra para
la manipulación de estas medidas cuantitativas es diferente de modelo a modelo.
Un concepto clave en los modelos de redes es que aunque la estructura de varias
redes puede ser idéntica, el análisis de las relaciones funcionales definidas sobre
la red pueden ser diferentes para modelos diferentes, de ahí que los resultados del
análisis sean distintos.
Problema del camino más corto
El problema del camino más corto tiene como característica común el hecho de
ser representado mediante una red en la cual se le asocia a cada arco o arista un
determinado valor y la solución del problema planteado está dada por la búsqueda
de un conjunto de secuencias o caminos de valor extremal, o sea, de valor mínimo
o máximo.
Modelos del flujo máximo
Los modelos de flujo máximo en una red permiten determinar el flujo máximo
posible entre dos nodos específicos de la red. El problema físico surge casi
siempre que las mercancías, físicas o de otra clase, fluyen de una fuente u origen
s a un terminal t.. Por tanto si en una red que describa tal situación existen puntos
desde los cuales se envía el flujo (Ej. fábricas), puntos a los cuales se envía el
flujo (ejemplo: almacenes, fábricas, etc.) y rutas por las cuales puede ser enviado
el flujo que conecta los puntos de orígenes y puntos de destino pasando por
puntos intermedios.

Gráfica

Una gráfica es una serie de puntos llamados nodos que van unidos por unas
líneas llamadas ramales o arcos.

Red

Una red es una gráfica que presenta algún tipo de flujo en sus ramales. Por
ejemplo una gráfica cuyo flujo en sus ramales sea la electricidad es una red
eléctrica. En las redes se usa una simbología específica para denotar su tamaño y
elementos que la constituyen, dicha notación es la (N, A) donde N representa el
número de nodos que contiene la red y A representa el número de arcos o
ramales.

Cadena

Una cadena corresponde a una serie de elementos ramales que van de un nodo a
otro. En el siguiente caso se resalta una cadena que va desde el nodo 1 hasta el
nodo 7 y que se compone por los elementos [1-4, 4-7].
Ruta

Una ruta corresponde a los nodos que constituyen una cadena, en el siguiente
caso [1, 4, 7].

Ciclo

Un ciclo corresponde a la cadena que une a un nodo con sigo mismo, en el

siguiente ejemplo el ciclo está compuesto por la cadena [4-2, 2-5, 5-7, 7-4].

Ramal orientado

Un ramal o arco orientado es aquel que tiene un sentido determinado, es decir que
posee un nodo fuente y un nodo destino.
Gráfica orientada

Una gráfica orientada es aquella en la cual todos sus ramales se encuentran

orientados.

Árbol

Un árbol es una gráfica en la cual no existen ciclos, como el siguiente ejemplo.

Árbol de expansión

Un árbol de expansión es aquel árbol que enlaza todos los nodos de la red, de
igual manera no permite la existencia de ciclos.
Nodo fuente

El nodo fuente es aquel nodo en el cual todos sus ramales se encuentran

orientados hacia afuera.

Nodo destino

El nodo destino es aquel nodo en el cual todos sus ramales se encuentran

orientados hacia él.

Ejemplo
La ciudad de Cali cuenta con un nuevo plan parcial de vivienda el cual contará con
la urbanización de más de 7 proyectos habitacionales que se ubicarán a las
afueras de la ciudad. Dado que el terreno en el que se construirá no se encontraba
hasta ahora dentro de las zonas urbanizables de la ciudad, el acueducto municipal
no cuenta con la infraestructura necesaria para satisfacer las necesidades de
servicios públicos en materia de suministro de agua. Cada uno de los proyectos de
vivienda inició la construcción de un nodo de acueducto madre, el cual cuenta con
las conexiones de las unidades de vivienda propias de cada proyecto (es decir que
cada nodo madre solo necesita estar conectado con un ducto madre del
acueducto municipal para contar con su suministro). El acueducto municipal al ver
la situación del plan parcial debe de realizar las obras correspondientes a la
instalación de ductos madres que enlacen todos los nodos del plan con el nodo
Meléndez (nodo que se encuentra con suministro de agua y que no pertenece al
plan parcial de vivienda, además es el más cercano al mismo), la instalación de
los ductos implica obras de excavación, mano de obra y costos de los ductos
mismos, por lo cual optimizar la longitud total de los enlaces es fundamental. Las
distancias existentes (dadas en kilómetros) correspondientes a las rutas factibles
capaces de enlazar los nodos del plan parcial se presentan a continuación.
Además la capacidad de bombeo del nodo Meléndez es más que suficiente para
satisfacer las necesidades de presión que necesita la red madre.

El acueducto municipal le contacta a usted para que mediante sus conocimientos

en teoría de redes construya una red de expansión que minimice la longitud total
de ductos y que enlace todos los nodos del plan parcial de vivienda.
PASO 0:
Se definen los conjuntos iniciales C 0 = {ø} que corresponde al conjunto de nodos
enlazados de forma permanente en la iteración indicada en el subíndice y Č 0 = {N
= 1,2,3,4,5,6,7,8} que corresponde al conjunto de nodos pendientes por enlazar de
manera permanente en la iteración indicada en el subíndice.

PASO 1:
Se debe definir de manera arbitraria el primer nodo permanente del conjunto Č0,
en este caso escogeremos el nodo 1 (puede ser cualquier otro), que
algebraicamente se representa con la letra i, se procede a actualizar los conjuntos
iniciales, por ende C1 = {i} = {1} y Č0 = {N - i} = {2,3,4,5,6,7,8}, actualizamos k por
ende ahora será igual a 2.

PASO 2:
Ahora se debe seleccionar el nodo j del conjunto ČK-1 (es decir del conjunto del
paso 1) el cual presente el arco con la menor longitud y que se encuentre
enlazado con uno de los nodos de enlace permanente del conjunto Ck-1 en el cual
ahora solo se encuentra el nodo 1 (es decir que se debe de encontrar un nodo que
tenga el arco de menor longitud enlazado al nodo 1).

Los arcos o ramales de color naranja representan los arcos que enlazan
el conjunto ČK-1 (es decir del conjunto del paso 1, recordemos que K en este paso
es igual a 2, por ende ČK-1= Č1) con los nodos de enlace permanente del conjunto
Ck-1 en el cual ahora solo se encuentra el nodo 1, por ende ahora solo falta
escoger el de menor longitud, que en este caso es el arco cuya longitud es 2, que
enlaza de forma permanente ahora el nodo 2.
Al actualizar los conjuntos quedan así:
C2 = {1,2} y Č2 = {3,4,5,6,7,8}

Ahora se procede a actualizar k ya que se procede a efectuar la siguiente

iteración. Ahora se seleccionará un nuevo nodo j del conjunto Č2que presente el
enlace (ramal o arco) de menor longitud con los nodos que se encuentran en el
conjunto C2.

Los arcos de color naranja representan los enlaces posibles y dado que existe
empate entre las menores longitudes se elige de manera arbitraria, en este caso
se representa nuestra elección con un arco de color verde, enlazando de forma
permanente ahora el nodo 4.

Al actualizar los conjuntos quedan así:

C3 = {1,2,4} y Č3 = {3,5,6,7,8}

Ahora se procede a actualizar k ya que se procede a efectuar la siguiente

iteración.
Lo que representan los arcos naranja y verde es ya conocido, ahora la línea azul
interrumpida irá trazando nuestro árbol de expansión final. Dado a que el arco
menor es el de longitud 3, ahora se enlazará de manera permanente el nodo 5.

Al actualizar los conjuntos quedan así:

C4 = {1,2,4,5} y Č4 = {3,6,7,8}

Ahora se procede a actualizar k ya que se procede a efectuar la siguiente

iteración.
Ahora se enlazará de manera permanente el nodo 7.

Al actualizar los conjuntos quedan así:

C5 = {1,2,4,5,7} y Č5 = {3,6,8}

Ahora se procede a actualizar k ya que se procede a efectuar la siguiente

iteración.

Ahora se enlazará de manera permanente el nodo 6.

Al actualizar los conjuntos quedan así:

C6 = {1,2,4,5,7,6} y Č6 = {3,8}

Ahora se procede a actualizar k ya que se procede a efectuar la siguiente

iteración.

Se rompen los empates de forma arbitraria, ahora se enlazará de manera

permanente el nodo 3.

Al actualizar los conjuntos quedan así:

C7 = {1,2,4,5,7,6,3} y Č7 = {8}

Ahora se procede a actualizar k ya que se procede a efectuar la última iteración.

Ahora se enlazará de manera permanente el nodo 8.

Al actualizar los conjuntos quedan así:

C8 = {1,2,4,5,7,6,3,8} = {N} y Č8 = {ø}
Por ende se ha llegado al árbol de expansión mínima

Árbol que presenta una longitud total minimizada de 21 kilómetros de ductos.

Gráfica de Gantt
Es una herramienta visual para la planificación y programación de actividades o
tareas sobre una línea del tiempo. Permite al usuario establecer la duración y el
comienzo de cada actividad. A través de una gráfica, fácil de interpretar, el usuario
puede llevar un control de la planificación de su trabajo.
La herramienta, cuya autoría se le asigna a Henry Laurence Gantt, está muy
extendida entre los profesionales de la gestión de proyectos, ya que permite dividir
el proyecto en tareas míninas o actividades. Por ello, para proyectos complejos es
recomendable combinar su uso con técnicas basadas PERT y CPM.
Y es que, al planificar un proyecto estamos haciendo dos cosas: por un lado,
organizamos todas las actividades del mismo, relacionándolas con las
necesidades para su consecución, y por otro lado, esquematizamos y controlamos
los objetivos a alcanzar en una línea del tiempo. El modo con el que planifiquemos
puede convertirse en todo un caos, o puede ser un punto de inicio eficiente y fácil
de comprender. Aquí entra en juego el gráfico de Gantt.
Muestra el principio y final de las unidades mínimas de trabajo o grupo de tareas, y
constituye la base de las aplicaciones online más actuales. Está compuesto por un
eje vertical donde se sitúan las actividades del proyecto, y un eje horizontal que
expone la duración de cada una de ellas a través de un calendario. Cada
colaborador podrá identificar rápidamente la actividad a realizar en el tiempo que
se le indica en la gráfica.
Ejemplo
Un diagrama de Gantt cualquiera…
Origen del gráfico de Gantt

El famoso cronograma pudo tener otro nombre. Aunque se atribuye el éxito de

este tipo de gráfica al ingeniero mecánico y consultor en administración de
empresas Henry Laurence Gantt, lo cierto es que el nuevo método de
visualización fue desarrollado unos años antes (1896) por el también ingeniero
Karol Adamiecki. Sin embargo, la publicación se escribió en polaco, por lo que
Gantt pudo popularizar el diagrama, ligeramente modificado, entre los años 1910 y
1915, a través de varios artículos publicados en la Revista de Ingeniería en Nueva
York.
Ventajas y limitaciones del gráfico de Gantt
Siendo como fuere y con un siglo de historia, el famoso diagrama de Gantt es una
de las herramientas de gestión que más se siguen usando en la actualidad, sin
apenas variación. Sólo una modificación a destacar en los software de gestión
más potentes: la técnica PERT (Project Evaluation and Review Techniques). Gantt
no fue capaz de añadir una red de relaciones entre un volumen amplio de
actividades, por lo que, algunas aplicaciones especializadas en la gestión de
proyectos complejos, han agregado al gráfico esta técnica que interrelaciona las
dependencias entre tareas.

A pesar de todo ello, el cronograma de Gantt tiene una ventaja importante que
forma parte de la comunicación entre manager y equipo: proporciona una
visualización rápida y tremendamente útil entre el tiempo y las cargas de trabajo.
No sólo con el fin de compensar el esfuerzo entre los colaboradores de un
proyecto, sino para controlar realmente el uso de los diferentes recursos en un
momento determinado. Esto nos permite actuar con rapidez y tomar decisiones
más eficientes.

Método de la ruta crítica (pert/cpm)

El método de la ruta crítica CPM (Critical Path Method), es un algoritmo basado en

la teoría de redes diseñado para facilitar la planificación de proyectos. El resultado
final del CPM será un cronograma para el proyecto, en el cual se podrá conocer la
duración total del mismo, y la clasificación de las actividades según su criticidad.
El algoritmo CPM se desarrolla mediante intervalos determinísticos, lo cual lo
diferencia del método PERT que supone tiempos probabilísticos.
Regla 1: Cada actividad se debe representar sí y sólo sí, por un ramal o arco.

Regla 2: Cada actividad debe estar identificada por dos nodos distintos. En el
caso de existir actividades concurrentes (que inicien al mismo tiempo, o que el
inicio de una actividad dependa de la finalización de 2 o más actividades distintas)
se debe recurrir a actividades ficticias (representadas por arcos punteados que no
consumen ni tiempo ni recursos) para satisfacer esta regla.
Por ejemplo, la actividad C para su inicio requiere que finalicen A y B. Las
actividades A y B inician al mismo tiempo.

FASES PARA LA PLANIFICACIÓN DE UN PROYECTO CON CPM

PASO 1: ACTIVIDADES DEL PROYECTO
La primera fase corresponde a identificar todas las actividades que intervienen en
el proyecto, sus interrelaciones, sucesiones, reglas de precedencia. Con la
inclusión de cada actividad al proyecto se debe cuestionar respecto a que
actividades preceden a esta, y a cuales siguen inmediatamente esta finalice.
Además, deberá relacionarse el tiempo estimado para el desarrollo de cada
actividad.

PASO 2: DIAGRAMA DE RED

Con base en la información obtenida en la fase anterior y haciendo uso de los
conceptos básicos para diagramar una red, obtendremos el gráfico del proyecto:

Fb y Fd corresponde a actividades ficticias que no consumen tiempo ni recursos.

PASO 3: CALCULAR LA RED
Para el cálculo de la red se consideran 3 indicadores, T1, T2 y H. Estos
indicadores se calculan en cada evento o nodo (entiéndase nodo entonces como
un punto en el cual se completan actividades y se inician las subsiguientes.
T1: Tiempo más temprano de realización de un evento. Para calcular este
indicador deberá recorrerse la red de izquierda a derecha y considerando lo
siguiente:
 T1 del primer nodo es igual a 0.
 T1 del nodo n = T1 del nodo n-1 (nodo anterior) + duración de la actividad
que finaliza en el nodo n.
 Si en un nodo finaliza más de una actividad, se toma el tiempo de la
actividad con mayor valor.

En este caso para el cálculo del T1 en el nodo 4, en el que concurren la

finalización de 3 actividades, 2 de ellas ficticias (Fb y Fd, cuyos tiempos son cero)
y una es la actividad C. En este caso deberá considerarse el mayor de los T1
resultantes:

T1 (nodo 3) + Fb = 4 + 0 = 4
T1 (nodo 2) + C = 3 + 2 = 5
T1 ( nodo 5) + Fd = 5 + 0 = 5

Así entonces, el T1 del nodo 4 será igual a 5 (el mayor valor).

T2: Tiempo más tardío de realización del evento. Para calcular este indicador
deberá recorrerse la red de derecha a izquierda y considerando lo siguiente:
 T2 del primer nodo (de derecha a izquierda) es igual al T1 de este.
 T2 del nodo n = T2 del nodo n-1 (nodo anterior, de derecha a izquierda) -
duración de la actividad que se inicia.
  Si en un nodo finaliza más de una actividad, se toma el tiempo de la
actividad con menor valor.

En este caso para el cálculo del T2 del nodo 2, en el que concurren el inicio de
varias actividades deberá entonces considerarse lo siguiente:

T2 nodo 3 - B = 5 - 1 = 4
T2 nodo 4 - C = 5 - 2 = 3
T2 nodo 5 - D = 5 - 2 = 3

Así entonces, el T2 del nodo 2 será 3, es decir el menor valor.

H: Tiempo de holgura, es decir la diferencia entre T2 y T1. Esta holgura, dada en
unidades de tiempo corresponde al valor en el que la ocurrencia de un evento
puede tardarse. Los eventos en los cuales la holgura sea igual a 0 corresponden a
la ruta crítica, es decir que la ocurrencia de estos eventos no puede tardarse una
sola unidad de tiempo respecto al cronograma establecido, dado que en el caso
en que se tardara retrasaría la finalización del proyecto.
Las actividades críticas por definición constituyen la ruta más larga que abarca el
proyecto, es decir que la sumatoria de las actividades de una ruta crítica
determinará la duración estimada del proyecto. Puede darse el caso en el que se
encuentren más de una ruta crítica, como es el caso del problema que hemos
desarrollado.
Ruta crítica 1:

Esta ruta se encuentra compuesta por las actividades A, C y E. La duración del

proyecto será de 9 horas.
Ruta Crítica 2:
PASO 4: ESTABLECER EL CRONOGRAMA
Para establecer un cronograma deberán considerarse varios factores, el más
importante de ellos es la relación de precedencia, y el siguiente corresponde a
escalonar las actividades que componen la ruta crítica de tal manera que se
complete el proyecto dentro de la duración estimada.

Red pert

Un Diagrama de PERT permite establecer relaciones a partir de las dependencias

de las actividades de un proyecto. Si el entregable de una actividad es necesario
para empezar la siguiente, situaremos a continuación a segunda tarea. Ninguna
actividad se puede realizar antes si depende de que termine otra que está
planificada más tarde. De esta manera, más sencilla, explicamos qué es el
Diagrama de PERT y cómo usar PERT en el proceso de planificación de tu
trabajo.
En el mundo de la gestión y dirección de proyectos, la técnica de PERT es muy
popular y se aplica para conocer las rutas de trabajo óptimas.
Por ejemplo:
Si para realizar la tarea C se necesita el entregable de la actividad A, PERT nos
avisará de que debemos terminar A antes de que pongamos en marcha C. Pura
lógica que a priori no debe tener mayor complicación. Sin embargo, la cosa se
complica cuando la ejecución de una sola actividad afecta a numerosas
actividades.
PERT considera los recursos necesarios para completar las actividades en una
duración determinada, la lógica del CPM detecta el camino crítico y los posibles
‘cuellos de botella’ del proyecto.

Red PERT
Las técnicas PERT y CPM nos ayudan a programar un proyecto con el coste
mínimo y la duración más adecuada, tal y como lo hace Sinnaps. Con ambas
técnicas, el Project Manager podrá encontrar una compensación del esfuerzo en
su proyecto. Teniendo en cuenta las actividades que no están dentro del camino
crítico, el equipo trabajará en estas tareas cuando tenga disponibles los recursos,
dejándolas al servicio de las actividades críticas en las fases más complicadas del
proceso.