Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Toma 1 A 8 PDF
Toma 1 A 8 PDF
DE PROYECTOS CPM
MODELO PARA LA TOMA DE DECISIONES
AUTOR: Gabriel Mauricio Yañez Barreto
ÍNDICE
Recomendaciones académicas
Desarrollo de cada una de las unidades temáticas
1. Redes para la administración de proyectos CPM.
1.1. Representación como red
1.2. Ruta crítica
Referencias
Referencias bibliográficas
INTRODUCCIÓN
Dentro de esta cartilla, cada uno de los estudiantes revisará la teoría básica de las redes para la
administración de proyectos, que son usadas para determinar el tiempo de un proyecto y cuáles son las
actividades más importantes dentro del mismo. Para poder comprender mejor el tema se brindarán
algunos “tips” o anotaciones con puntos claves de la teoría.
Ahora, teniendo en cuenta que esto se utiliza es para la planeación de los proyectos en general, pueden
revisar infinidad de aplicativos de las teorías para casos prácticos. Logran verlos aplicados desde el
momento de planear un día a día hasta el desarrollo de cualquier proyecto en una empresa.
RECOMENDACIONES ACADÉMICAS
Para profundizar un poco más en el tema, no olviden que dentro de los recursos virtuales de la institución
pueden encontrar varios tipos de documentos que les serán útiles, como lo son libros de investigación de
operaciones o de administración científica, también encontrarán artículos y documentos investigativos de
aplicación.
2 POLITÉCNICO GRANCOLOMBIANO
Tiempo
Costo
Disponibilidad de recursos.
Estos factores son los que definen si un proyecto se realiza o no, ya que entre ellos se encuentran
relacionados. Por ejemplo, sabemos que si aumentamos el tiempo de un proyecto aumentan los costos,
para disminuir los costos de un proyecto debemos tener en cuenta que también se deben buscar
alternativas de tiempo y recursos. Lo que se busca con esta teoría es determinar un tiempo de desarrollo
y unas actividades que son las más importantes, lo cual nos define que esas actividades importantes son
las que no debemos permitir que se retrasen. Por lo tanto el método CPM,“critical path method” en sus
siglas en inglés, que traduce al español el método de la ruta crítica, es utilizado para la planeación de cada
una de las actividades de un proyecto, definiendo cuál será su predecesor y cuáles actividades dependerán
de la terminación de la misma.
Este método es utilizado para relacionar el tiempo de inicio y finalización de cada una de las actividades,
generando así el tiempo de desarrollo de un proyecto de manera secuencial. Así, con la suma de los
tiempos de cada una de las actividades, podemos relacionar el tiempo de duración de todo un proyecto.
Durante el desarrollo de la cartilla encontraremos cómo se realizan y definen las actividades más
importantes.
Se realiza una representación como red para tener un gráfico que defina cuáles son las precedencias de
cada una de las actividades y lograr definir de manera más didáctica cuáles son las más importantes y
cuáles pueden generar una demora. Por lo tanto, vamos a definir qué es un nodo y qué es un arco:
Arco: es el que refleja las relaciones de precedencia de cada una de las actividades.
Actividad Predecesor
A -
B -
C A
D A,B
E C,D
Según lo que dice la tabla 1, la actividad A y B no tiene predecesor, por tanto son las iniciales del proyecto;
la actividad C depende de la finalización de A, la actividad D depende de la finalización de C y D, por ultimo
tenemos que la actividad E depende de la finalización de C y D. El tiempo en el que terminará la actividad
E será el tiempo total de duración del proyecto.
Así como se muestra en la figura 1, quedaría la representación como red del ejemplo que venimos
desarrollando, todo teniendo en cuenta las precedencias y dependencias de cada una de las actividades.
Si revisamos bien la figura 1 nos encontramos con 3 rutas que cumplen las relaciones de precedencia desde
el inicio hasta el final, estas son A-C-E, B-D-E y por ultimo A-D-E. Para definir el tiempo total del proyecto,
es la suma de los tiempos de todas las actividades de una de las rutas siendo el mayor de los tiempos en
cualquiera de las rutas. Una ruta crítica para una red es aquella que es mayor o igual que cualquiera de las
rutas de la red.
También debemos tener en cuenta la definición de una holgura, la cual es la que nos indica si es o no una
actividad crítica o de las importantes del proyecto, ya que la ruta crítica solo tiene actividades con holgura
cero y que cumplan un camino desde el inicio del proyecto hasta el final del mismo.
Ahora revisemos el mismo ejemplo pero con tiempos para hacer más practico el trabajo del mismo.
Tabla 2. Ejemplo con tiempos
A - 1.5
B - 1
C A 2
D A,B 1.5
4 POLITÉCNICO GRANCOLOMBIANO
E C,D 1
Empecemos con mirar las rutas que existen desde el inicio hasta el final del proyecto, también
analizaremos de una vez cual es el tiempo que se demora cada una de ellas, por lo tanto tenemos:
A - C - E = 1.5 + 2 + 1 = 4.5
A – D – E = 1.5 + 1.5 + 1 = 4
B – D – E = 1 + 1.5 + 1 = 3.5
Si nos fijamos en lo que acabamos de escribir sobre los tiempos de cada una de las rutas del proyecto y
retomamos las definición de la ruta crítica “que es aquella ruta que sea mayor o igual a cualquiera de los
tiempos de las rutas del proyecto” como lo mencionamos anteriormente, tenemos que la ruta crítica del
ejemplo que estamos realizando es la primera o A – C – E que es la que se demora 4.5 unidades de tiempo.
Para entrar al detalle cómo se realiza todo el proceso con la teoría de CPM debemos definir los siguientes
tiempos por cada una de las actividades del proyecto, los cuales son:
Ahora tenemos que para hallar cada uno de estos tiempos las siguientes instrucciones;:
S=LF-EF
S= LS –ES
Si el resultado de las holguras es cero, es muy probable que esta actividad sea parte de la ruta crítica.
Definamos de una manera más corta y concisa cada uno de los pasos para realizar el desarrollo de un
proyecto por el método de CPM:
1. Calcular los tiempos más tempranos de iniciación (ES) para cada una de las actividades
desde el inicio hasta el final.
2. Tenga en cuenta que el tiempo más temprano de iniciación de una actividad es el máximo
de los tiempos de finalización temprana (EF) de las actividades predecesoras.
3. Calcular los tiempos más tempranos de finalización de cada una de las actividades.
4. En las actividades finales del proyecto se toma el mayor de los tiempos tempranos de
finalización (EF) como el tiempo total del proyecto.
5. Calcular los tiempos más tardíos de finalización de cada una de las actividades desde el fin
hasta el inicio.
6. Tenga en cuenta el tiempo más tardío de terminación de una actividad (LF) es el mínimo
de los tiempos más tardío de iniciación de las actividades futuras.
7. Calcular los tiempos más tardíos de iniciación de cada una de las actividades.
8. Determinar las holguras de cada una de las actividades y definir la ruta crítica.
Ya teniendo definidos cada uno de los pasos que se deben realizar vamos a continuar con el ejemplo que
veníamos trabajando para esclarecer cada una de las dudas y demostrar cómo es la fase operativa de esta
teoría. Tomamos la tabla 2 de nuevo de referencia del trabajo. La red queda de la siguiente manera:
6 POLITÉCNICO GRANCOLOMBIANO
Figura 3. Representación de la red con los tiempos de cada una de las actividades
Después de construir la red debemos empezar a encontrar los tiempos de inicio de cada una de las
actividades, como se muestra en la figura 2 los tiempos de inicio temprano de la actividad A y B son cero
por ser actividades iniciales de un proyecto. Pasamos a hallar los tiempos de finalización temprana (ES)
que son la suma del tiempo inicialización temprana (ES) con el tiempo de la actividad por lo tanto queda
como se muestra en la figura 3.
Por lo tanto, el ES en c será 1.5 (el final de A), y el de D es 1.5 también por ser el tiempo mayor. Después
hallamos el EF de C y D, que es simplemente la suma del tiempo de la actividad con el ES de cada una de
ellas, todo quedaría como se muestra en la Figura 4.
Para hallar el valor del ES de la actividad es básicamente el máximo de los EF de la actividad C y D, lo cual
sería el mayor entre 3.5 y 3, que sería 3.5 por lo tanto se vería algo así.
Figura 7. Hallar el EF de E
Teniendo en cuenta que E es la última actividad el tiempo del proyecto es de 4.5 unidades de tiempo, por
lo tanto ahora empezamos a devolvernos y hallar los LF y LS de cada una de las actividades para terminar
el ejemplo.
El LF de la actividad E es básicamente el valor de tiempo total del proyecto y a ese LF se le deben restar el
valor del tiempo de la actividad E para encontrar LS, lo cual queda como se muestra en la figura 7.
8 POLITÉCNICO GRANCOLOMBIANO
Figura 8. Hallar el valor LS en la actividad E
Figura 9. Hallar el LF de C y D
Ahora hallamos el valor de LS de la actividad C y D que es restar el valor de LF de cada una de las actividades
por el valor del tiempo de cada una de las actividades. Ya en la figura 9 se muestra que después de hallar
los LS de la actividad C y D hallaremos el LF de la actividad que es el menor de los números de los tiempos
LS de C y D, como se muestra en la figura 9.
Nos falta hallar las holguras de cada una de las actividades, como se muestra en la figura 11, y luego ya
tenemos las holguras como se muestra en la figura 12.
Con estos elementos podemos definir la ruta crítica, ya que esta es la secuencia de actividades
desde el inicio hasta el final, donde cada una de las actividades tiene holgura cero, por lo tanto
la ruta crítica es A – C – E, con un tiempo de duración del proyecto de 4.5 unidades de tiempo.
Teniendo en cuenta este ejercicio desarrollaremos otro ejercicio más como ejemplo del tema.
Tabla 3. Ejemplo 2
A - 6
B - 4
C A 3
D A 5
E A 1
F B,C 4
G B,C 2
H E,F 6
I E,F 5
10
10 POLITÉCNICO GRANCOLOMBIANO
J D,H 3
K G,I 5
Ahora en el siguiente paso colocaremos lo tiempos de cada una de las actividades y hallaremos lo tiempos
de inicialización temprana y de finalización temprana de cada una de las actividades.
Como se muestra en la figura 13, así quedaría la red con los ES y EF de cada una de las actividades.
Figura 14. Tiempos de iniciación temprana y de finalización temprana de cada una de las actividades
Ahora realizaremos el procedimiento para hallar los LS y LF de cada una de las actividades y sus respectivas
holguras.
Ahora como podemos ver en la figura 14 ya tenemos cada una de las holguras de las actividades por lo
tanto podemos definir cuál es la ruta crítica, que sería A – C – F – I – K, teniendo un tiempo de terminación
del proyecto de 23 unidades de tiempo.
12
12 POLITÉCNICO GRANCOLOMBIANO
REFERENCIAS
Referencias bibliográficas
Anderson, D. S. (2005). Métodos Cuantitativos Para Los Negocios (Novena Edición ed.). Mexico: Cengage
Learning Editores.
Bazaraa, M. J. (1996). Programación Lineal y Flujo en Redes (Segunda edición ed.). México: Limusa.
Bazarra, M., & Jarvis, J. J. (2005). Programación lineal y flujo en redes. (Segunda Edición. ed.). México:
Limusa Editores. .
Hillier, F. &. (2006). Texto principal: Introducción a la Investigación de Operaciones. (6ª Edición. ed.). N/A:
McGraw Hill. .
Hillier, F. &. (2006). Investigación De Operaciones (Octava Edición ed.). México: McGraw-Hill.
Hillier, F. &. (2008). Métodos Cuantitativos Para Administración (Tercera Edición ed.). México: McGraw-
Hill.
Taha, H. (1997). Investigación de Operaciones: Una Introducción (Sexta edición ed.). NY: Prentice Hall.
Introducción
Recomendaciones académicas
Desarrollo de cada una de las unidades temáticas
1. Inventarios EOQ
2. Modelo EPL
3. Modelo EOQ Con faltantes
4. Modelo de inventarios EOQ con descuentos
Referencias
Referencias bibliográficas
INTRODUCCIÓN
En esta cartilla se revisarán las teorías sobre el manejo de los inventarios y las bases teóricas de la
programación lineal. Para el caso de los inventarios se entrarán a revisar los costos de cada uno de los
objetos que tenemos dentro del inventario de un almacén y cómo tenerlos puede incurrir en unos costos
que se ven reflejados en el desarrollo del año de servicio.
También se estudiará el desarrollo de la programación lineal, sus diferentes aplicaciones y aparte sus
ventajas de uso. Teniendo en cuenta el cómo se realiza la formulación y cómo generar una solución.
Sabiendo que cada solución puede tener un rango en cual se desplazara para dar una solución acorde al
problema que se está trabajando.
RECOMENDACIONES ACADÉMICAS
Para profundizar un poco más en el tema no olvide que dentro de los recursos virtuales de la institución
puede encontrar varios tipos de documentos que pueden ser útiles, como lo son libros de investigación de
operación o de administración científica, también puede encontrar artículos y documentos investigativos
de aplicación de las mismas.
2 POLITÉCNICO GRANCOLOMBIANO
DESARROLLO DE CADA UNA DE LAS UNIDADES TEMÁTICAS
Inventarios EOQ
El gran creador del modelo de inventarios fue Ford W. Harris “how many parts at once” donde él nos dice
que “Intereses sobre el capital invertido en salarios, materiales y gastos generales establece un límite
máximo para la cantidad de piezas que se puede fabricar de manera rentable a la vez; costos "set-up " en
el trabajo de fijar el mínimo. La experiencia ha demostrado un gestor de una forma de determinar el
tamaño económica de lotes” (Hillier, 2006). Esta fue una de las primeras aplicaciones de la administración
científica.
Para el modelo EOQ se deben realizar varios supuestos para poderlo aplicar, en total son 7 supuestos de
los cuales debemos tener en cuenta;
𝑄 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑑𝑎.
𝑅 = 𝑃𝑢𝑛𝑡𝑜 𝑑𝑒 𝑟𝑒𝑜𝑟𝑑𝑒𝑛.
3
3
MODELOS PARA LA TOMA DE DECISIONES 3
Debemos tener en cuenta que nuestras variables de decisión o los datos más importantes son el tamaño
de la corrida y el punto de reorden, ya que éstas son las que definen completamente el modelo que se
debe seguir. Según lo dicho anteriormente, la gráfica del modelo EOQ es la que se presenta en la figura #
1
Para definir cada una de las ecuaciones necesarias para el modelo EOQ
2 ∗ 𝐶𝑜 ∗ 𝐷
𝑄=√
𝐶ℎ
𝑅 =𝐷∗𝑙
Para hallar cada uno de los costos en los que se incurre durante el año en un inventario tenemos las
siguientes ecuaciones;
4 POLITÉCNICO GRANCOLOMBIANO
𝑄
Costo de inventario : Inventario promedio
2
𝐶ℎ ∗𝑄
Costo anual de inventario
2
𝐶ℎ ∗𝑄
Costo unitario de inventario
2𝐷
Costo de alistamiento: se toma como los costos unitario de alistamiento por lote por lo
𝐶𝑜
𝑄
La función de costos totales anuales está definida como la suma del costo anual de
𝐶ℎ ∗ 𝑄 𝐷 ∗ 𝐶𝑜
𝐶𝑇(𝑄) = +
2 𝑄
Bart's Barometer Business (BBB) es una pequeña tienda especializada en implementos para la medición
del clima. Actualmente BBB quiere decidir la política óptima de inventarios para sus barómetros.
Cada uno cuesta US$50 y la demanda se ha estimado en 500 por año. Los costos de ordenar son de US$80
por pedido (un pedido tarda en ser entregado aproximadamente 60 días) y el costo de inventario es del
20% del costo del producto.
Después de haber leído el problema debemos realizar el listado de los datos que nos dan para de esta
manera empezar a solucionar el problema.
𝐷 = 500
𝐶 = 50
𝐶𝑜 = 80
5
5
MODELOS PARA LA TOMA DE DECISIONES 5
𝐶ℎ = (0.2) ∗ (50)
𝑙 = 60 𝑑𝑖𝑎𝑠 = 0.2 𝑎ñ𝑜𝑠
Empezamos a aplicar cada una de las ecuaciones del modelo descritas anteriormente. Por lo tanto
debemos iniciar con la cantidad óptima a pedir o Q
2 ∗ 80 ∗ 500
𝑄=√ = 89.44 𝑆𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎 𝑎 90 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑜𝑟 𝑝𝑒𝑑𝑖𝑑𝑜.
10
500
= 5.56 𝑆𝑜𝑛 𝑙𝑎𝑠 𝑜𝑟𝑑𝑒𝑛𝑒𝑠 𝑞𝑢𝑒 𝑑𝑒𝑏𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑎𝑙 𝑎ñ𝑜
90
90
= 0.18 𝑎ñ𝑜𝑠 ∗ 300 = 54 𝐷𝑖𝑎𝑠 𝑒𝑠 𝑒𝑙 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑛𝑡𝑟𝑒 𝑝𝑒𝑑𝑖𝑑𝑜𝑠.
500
𝑅 = 500 ∗ (0.2) = 100 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠.
10 ∗ 90 500 ∗ 80
𝐶𝑜𝑠𝑡𝑜 𝐴𝑛𝑢𝑎𝑙 = + = 894
2 90
2. Modelo EPL
En el modelo EPL se deben realizar varios supuestos para poderlo aplicar, tal cual como en el modelo EOQ
pero que sólo se cambie uno de los supuestos, miremos los 7 supuestos los cuales debemos tener en
cuenta:
6 POLITÉCNICO GRANCOLOMBIANO
𝐶𝑜 = 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑜 𝑑𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑢𝑛 𝑝𝑒𝑑𝑖𝑑𝑜.
𝑢 = 𝑈𝑡𝑖𝑙𝑖𝑧𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑚𝑎𝑞𝑢𝑖𝑛𝑎.
𝑄 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑑𝑎.
Figura 2.
Modelo EPL
Ahora veremos la definición de cada una de las ecuaciones necesarias para el modelo EPL:
2 ∗ 𝐶𝑜 ∗ 𝐷
𝑄=√
𝐶ℎ ∗ (1 − 𝐷⁄𝑃)
7
7
MODELOS PARA LA TOMA DE DECISIONES 7
EL inventario máximo será:
𝐼 = (1 − 𝐷⁄𝑃 ) ∗ 𝑄
𝑈 = 𝐷/𝑃
Para definir los costos del modelo EPL tenemos las siguientes expresiones:
(1−𝐷⁄𝑃)∗𝑄
Costo de inventario : Inventario promedio
2
𝐶ℎ ∗(1−𝐷⁄𝑃)∗𝑄
Costo anual de inventario
2
𝐶ℎ ∗(1−𝐷⁄𝑃)∗𝑄
Costo unitario de inventario
2𝐷
Costo de alistamiento: se toma como los costos unitario de alistamiento por lote por lo
𝐶𝑜
𝑄
La función de costos totales anuales está definida como la suma del costo anual de
𝐶ℎ ∗ (1 − 𝐷⁄𝑃 ) ∗ 𝑄 𝐷 ∗ 𝐶𝑜
𝐶𝑇(𝑄) = +
2 𝑄
La compañía Non-Slip Tile (NST) debe satisfacer una demanda de 1000000 de baldosas al año. El costo de
alistamiento por corrida de producción es de US$5000 y se ha estimado un costo de inventario de US$ 0.1
por baldosa por año. La fábrica puede producir 500000 baldosas por mes y opera 365 días al año.
Si actualmente produce corridas de 100000 baldosas 10 veces por año ¿Cuánto le cuesta su política de
producción al año?
Calcule la política óptima de producción para la compañía y compárela con la política actual.
8 POLITÉCNICO GRANCOLOMBIANO
Solución del problema:
𝐷 = 1000000
𝐶 = 6000000
𝐶𝑜 = 5000
𝐶ℎ = 0.1
2 ∗ 5000 ∗ 1000000
𝑄=√ = 346410 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
0.1 ∗ (1 − 1⁄6)
1000000
= 2.89 𝑐𝑜𝑟𝑟𝑖𝑑𝑎𝑠 𝑝𝑜𝑟 𝑎ñ𝑜
346410
346410
= 0.346 𝐴ñ𝑜𝑠 = 126.4 𝑑í𝑎𝑠
1000000
1000000 1
𝑢= =
6000000 6
9
9
MODELOS PARA LA TOMA DE DECISIONES 9
𝐶𝑏 = 𝐶𝑜𝑠𝑡𝑜 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑓𝑎𝑙𝑡𝑎𝑛𝑡𝑒𝑠.
𝑄 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑑𝑎.
Por lo tanto cada una de las ecuaciones que definen el modelo de EOQ con Faltantes es;
2 ∗ 𝐶𝑜 ∗ 𝐷 𝐶ℎ + 𝐶𝑏
𝑄=√ ∗√
𝐶ℎ 𝐶𝑏
10 POLITÉCNICO GRANCOLOMBIANO
El número de faltantes será:
𝐶ℎ
𝑆 =𝑄∗( )
𝐶ℎ + 𝐶𝑏
𝑅 =𝐷∗𝑙−𝑆
Para definir los costos del modelo EOQ con Faltantes tenemos las siguientes expresiones:
(𝑄−𝑆)2
Costo de inventario : Inventario promedio
2
𝐶ℎ ∗(𝑄−𝑆)2
Costo anual de inventario
2
Costo de alistamiento: se toma como los costos unitario de alistamiento por lote por lo
𝐷 ∗ 𝐶𝑜
𝑄
𝑆2
Costo por las unidades faltantes: Faltantes promedio
2∗𝑄
𝐶𝑏 ∗𝑆 2
Costo Anual de faltantes
2∗𝑄
La función de costos totales anuales está definida como la suma del costo anual de
𝐶ℎ ∗ (𝑄 − 𝑆)2 𝐷 ∗ 𝐶𝑜 𝐶𝑏 ∗ 𝑆 2
𝐶𝑇(𝑄) = + +
2 𝑄 2∗𝑄
Hervis Rent-a-Car tiene una flota de 2500 autos atendiendo Los Angeles. Todos los autos son
administrados desde un garaje central. En promedio, 8 autos por mes necesitan cambio de motor, cada
motor cuesta US$850. Hay un costo de US$120 por pedido (toma 2 semanas hacer la entrega) y el costo
anual de inventario equivale al 30% del costo del motor. Finalmente cada semana que un auto esté fuera
de servicio Hervis pierde US$40.
11
11
MODELOS PARA LA TOMA DE DECISIONES 11
Solución del problema:
𝐷 = 96
𝐶 = 850
𝐶𝑜 = 120
𝐶ℎ = (0.3) ∗ (850) = 255
𝐶𝑏 = (52) ∗ (40) = 2080
96
= 9.6 𝑐𝑜𝑟𝑟𝑖𝑑𝑎𝑠 𝑝𝑜𝑟 𝑎ñ𝑜
10
10
= 0.104 𝐴ñ𝑜𝑠 = 38 𝑑í𝑎𝑠
96
255
10 ( ) = 1 𝑢𝑛𝑖𝑑𝑎𝑑
255 + 2080
12 POLITÉCNICO GRANCOLOMBIANO
𝐶𝑜 = 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝑜𝑟𝑑𝑒𝑛𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑜 𝑑𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑢𝑛 𝑝𝑒𝑑𝑖𝑑𝑜.
𝑄 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑟𝑟𝑖𝑑𝑎.
𝑅 = 𝑃𝑢𝑛𝑡𝑜 𝑑𝑒 𝑟𝑒𝑜𝑟𝑑𝑒𝑛.
Para definir cada una de las ecuaciones necesarias para el modelo EOQ con descuentos es básicamente
las mismas del modelo EOQ básico.
2 ∗ 𝐶𝑜 ∗ 𝐷
𝑄=√
𝐶ℎ
Para que sea factible la cantidad óptima debe estar en el rango que se tome para calcular el modelo.
𝑅 =𝐷∗𝑙
Ahora para halla cada uno de los costos en los que se incurre durante el año en un inventario tenemos las
siguientes ecuaciones:
𝑄
Costo de inventario : Inventario promedio
2
𝐶ℎ ∗𝑄
Costo anual de inventario
2
𝐶ℎ ∗𝑄
Costo unitario de inventario
2𝐷
13
13
MODELOS PARA LA TOMA DE DECISIONES 13
Costo de alistamiento: se toma como los costos unitario de alistamiento por lote por lo
𝐶𝑜
𝑄
La función de costos totales anuales está definida como la suma del costo anual de
𝐶ℎ ∗ 𝑄 𝐷 ∗ 𝐶𝑜
𝐶𝑇(𝑄) = + + 𝐶𝑖 ∗ 𝐷
2 𝑄
Nick's Camera Shop vende película fílmica instantánea Zodiac. La película tiene un costo, normalmente,
de US$3.20 por rollo y Nick vende cada uno en US$5.20. La película Zodiac tiene una vida útil de 18 meses.
El promedio de ventas semanales es de 21 rollos de película. Su costo de inventario anual está
representado por un 20% del costo del rollo y a Nick le cuesta US$20 cada pedido que haga, independiente
de la cantidad ordenada.
Si Zodiac ofrece un descuento del 7% si se ordena 400 rollos o más, del 10% si se ordena 900 rollos o más
y del 15% si se ordena 2000 rollos o más, ¿Cuál es la cantidad óptima a ordenar?
2 ∗ 1092 ∗ 20
𝑄=√ = 261.24 = 261 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
0.64
1092
= 4.18 𝑐𝑜𝑟𝑟𝑖𝑑𝑎𝑠 𝑝𝑜𝑟 𝑎ñ𝑜
261
14 POLITÉCNICO GRANCOLOMBIANO
261
= 0.24 𝐴ñ𝑜𝑠 = 87.6 𝑑í𝑎𝑠
1092
2 ∗ 1092 ∗ 20
𝑄=√ = 270.94 𝑁𝑜 𝑒𝑠 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒 𝑝𝑜𝑟 𝑞𝑢𝑒 𝑛𝑜 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜
0.595
2 ∗ 1092 ∗ 20
𝑄=√ = 275.38 𝑁𝑜 𝑒𝑠 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒 𝑝𝑜𝑟 𝑞𝑢𝑒 𝑛𝑜 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜
0.576
2 ∗ 1092 ∗ 20
𝑄=√ = 283.36 𝑁𝑜 𝑒𝑠 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒 𝑝𝑜𝑟 𝑞𝑢𝑒 𝑛𝑜 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜
0.544
Al analizar los costos óptimos por cada rango, se obtiene un menor valor en el segundo rango, un
descuento del 7%, ordenado una cantidad de 400 rollos por pedido. El costo anual en que se incurre es de
US$3423.4
15
15
MODELOS PARA LA TOMA DE DECISIONES 15
REFERENCIAS
Referencias bibliográficas
Anderson, D. S. (2005). Métodos Cuantitativos para los negocios (Novena Edición ed.). México: Cengage
Learning Editores.
Bazaraa, M. J. (1996). Programación Lineal y Flujo en Redes (Segunda edición ed.). México: Limusa.
Bazarra, M., & Jarvis, J. J. (2005). Programación lineal y flujo en redes. (Segunda Edición. ed.). México:
Limusa Editores. .
Hillier, F. &. (2006). Texto principal: Introducción a la Investigación de Operaciones. (6ª Edición. ed.). N/A:
McGraw Hill. .
Hillier, F. &. (2006). Investigación de Operaciones (Octava Edición ed.). México: McGraw-Hill.
Hillier, F. &. (2008). Métodos Cuantitativos para Administración (Tercera Edición ed.). México: McGraw-
Hill.
Taha, H. (1997). Investigación de Operaciones: Una Introducción (Sexta edición ed.). NY: Prentice Hall.
Winston, W. (2005). Investigación de Operaciones Aplicaciones y Algoritmos (Cuarta Edición ed.). México:
Thomson.
16 POLITÉCNICO GRANCOLOMBIANO
REDES DE ADMINISTRACIÓN
MODELO PARA LA TOMA DE DECISIONES
AUTOR: Gabriel Mauricio Yañez Barreto
ÍNDICE
• Desarrollo
temático
1. Redes
para
la
administración
de
proyectos
PERT
1.1. Representación
como
red
1.2. Método
de
las
tres
estimaciones
1.3. Ejemplo
ilustrativo
2. Redes
para
la
administración
de
proyectos,
análisis
de
costos
• Glosario
de
términos
• Referencias
• Referencias
bibliográficas
DESARROLLO TEMÁTICO
Dentro
de
la
planeación
de
un
proyecto
debemos
tener
en
cuenta
que
existen
varios
factores
que
afectan
el
desarrollo
del
mismo
como
lo
son:
1) Tiempo;
a
diferencia
del
método
CPM
aquí
el
tiempo
puede
variar
2) Costo
3) Disponibilidad
de
recursos
¿Qué
quiere
decir
que
el
tiempo
puede
variar?,
que
se
pueden
tener
tres
tiempos
los
cuales
se
deben
tener
en
cuenta
para
el
desarrollo
del
problema;
estos
son,
un
tiempo
optimista
de
terminar
la
tarea,
un
tiempo
nominal
de
terminación
de
la
tarea
y
por
ultimo
un
tiempo
pesimista
de
desarrollo
de
la
tarea.
Para
la
representación
de
la
red
se
realiza
básicamente
lo
mismo
que
con
el
método
de
la
cartilla
anterior
(CPM).
La
gran
diferencia
es
que
se
basa
en
una
distribución
normal
de
las
variables
del
proyecto
y
se
cuenta
con
una
varianza
y
una
desviación
estándar
que
controlan
la
decisión
sobre
el
proyecto.
Por
lo
tanto,
a
esta
teoría
se
le
llama
“Proyect
Evaluation
and
Review
Tecnique”,
la
cual
se
basa
en
datos
estadísticos
para
tomar
la
decisión
de
la
ruta
de
un
proyecto,
lo
que
define
la
necesidad
de
tener
varios
tiempos
sobre
una
sola
actividad
y
de
esta
manera
realizar
una
distribución
normal
de
las
mismas.
La
representación
como
red
(que
se
muestra
en
el
punto
siguiente)
se
2
2 POLITÉCNICO GRANCOLOMBIANO
maneja
básicamente
igual
que
el
método
de
CPM,
ya
que
se
basa
en
éste
para
realizar
el
desarrollo
del
método
PERT.
Se
realiza
una
representación
como
red
para
tener
un
gráfico
que
defina
cuales
son
las
precedencias
de
cada
una
de
las
actividades
y
lograr
definir
de
manera
más
didáctica
cuáles
son
las
más
importantes
y
cuáles
pueden
generar
una
demora.
Por
lo
tanto
vamos
a
definir
qué
es
un
nodo
y
que
es
un
arco.
Nodo: es la representación de cada una de las actividades del proyecto.
Arco: es el que refleja las relaciones de precedencia de cada una de las actividades.
Para
realizar
el
desarrollo
de
un
proyecto
por
medio
del
método
PERT,
debemos
definir
el
método
de
las
tres
estimaciones.
Para
este
método
contamos
con
una
incertidumbre
sobre
el
tiempo
de
desarrollo
de
una
actividad,
este
tiempo
sigue
una
distribución
BETA
(estadística),
lo
cual
implica
que
para
calcularlo
debemos
hallar
un
promedio
sobre
los
datos
con
los
que
contamos.
Definamos
los
tiempos
básicos
de
cada
una
de
las
actividades:
Teniendo
definidos
cada
uno
de
los
tiempos
que
puede
llegar
a
tomar
la
actividad,
podemos
precisar
lo
que
es
el
“promedio”
del
tiempo
de
una
actividad
para
el
caso
del
método
PERT.
Para
definir
el
“promedio”
(que
no
es
un
promedio
normal)
del
tiempo
de
una
actividad
utilizamos
la
siguiente
ecuación:
𝑎+4∗𝑚+𝑏
𝑡=
6
También
debemos
encontrar
la
varianza
del
tiempo
de
desarrollo
de
una
actividad,
lo
cual
planteamos
con
la
siguiente
ecuación
𝜎 8 = (𝑏 − 𝑎 6)8
Por
último,
para
hallar
la
ruta
crítica
utilizaremos
el
método
CPM.
Se
asume
que
el
tiempo
de
terminación
del
proyecto
sigue
una
distribución
normal
con
una
media
igual
a
la
suma
de
los
promedios
de
todas
las
actividades
de
la
ruta
crítica
y
una
varianza
igual
a
la
suma
de
las
varianzas
de
todas
las
actividades
de
la
ruta.
Para
el
ejemplo
ilustrativo
manejaremos
una
tabla
que
cuenta
con
los
tres
tiempos
para
poder
desarrollar
cada
uno
de
los
pasos
necesarios
para
el
método
PERT.
Tabla 1. Ejercicio de PERT con los tiempos para cada una de las actividades
A -‐ 4 6 8
B -‐ 1 4.5 5
C A 3 3 3
D A 4 5 6
E A 0.5 1 1.5
F B,C 3 4 5
G B,C 1 1.5 5
4
4 POLITÉCNICO GRANCOLOMBIANO
H
E,F
5
6
7
I E,F 2 5 8
K G,I 3 5 7
Iniciamos
el
ejercicio
construyendo
la
red
como
la
construiríamos
con
el
método
CPM.
Quedando
tal
como
se
muestra
en
la
figura
1,
basándonos
en
la
tabla
1
que
es
la
que
provee
los
datos
del
ejercicio,
Teniendo
la
red
del
ejemplo
nos
vamos
a
la
tabla
para
encontrar
los
tiempos
de
cada
una
de
las
actividades
por
medio
de
la
ecuación
del
tiempo
promedio.
Los
tiempos
promedios
quedan
como
se
muestran
en
la
siguiente
tabla,
Tiempo
ACTIVIDAD
PREDECESORES
a(h)
m(h)
b(h)
promedio
A -‐ 4 6 8 6
B -‐ 1 4.5 5 4
C A 3 3 3 3
D A 4 5 6 5
E A 0.5 1 1.5 1
F B,C 3 4 5 4
G B,C 1 1.5 5 2
H E,F 5 6 7 6
I E,F 2 5 8 5
K G,I 3 5 7 5
6
6 POLITÉCNICO GRANCOLOMBIANO
Los
tiempos
promedio
de
cada
una
de
las
actividades
los
utilizamos
para
hallar
cada
uno
de
los
tiempos
de
inicialización
temprana,
terminación
temprana,
finalización
tardía
e
inicialización
tardía,
para
cada
una
de
ellas
por
el
método
CPM.
Por lo tanto, la red quedará como se muestra en la figura 2:
Figura 2. Red con los tiempos promedio de cada una de las actividades
Con
las
holguras
de
cada
una
de
las
actividades
del
proyecto
definimos
la
ruta
crítica
del
mismo;
la
ruta
crítica
es
A
–
C
–
F
–
I
–
K
con
una
duración
total
del
proyecto
de
23
horas.
Como
se
había
mencionado
antes,
debemos
hallar
la
varianza
del
proyecto,
la
cual
se
le
calcula
únicamente
a
las
actividades
de
la
ruta
crítica,
después
debemos
sumar
esta
varianza
con
la
finalidad
de
encontrar
la
varianza
total
del
proyecto
y
se
halla
la
desviación
estándar
del
proyecto
que
básicamente
es
la
raíz
cuadrada
de
la
varianza.
A -‐ 4 6 8 6 0.4
B -‐ 1 4.5 5 4
C A 3 3 3 3 0.0
8
8 POLITÉCNICO GRANCOLOMBIANO
D
A
4
5
6
5
0.1
E A 0.5 1 1.5 1
F B,C 3 4 5 4 0.1
G B,C 1 1.5 5 2
H E,F 5 6 7 6
I E,F 2 5 8 5 1.0
K G,I 3 5 7 5 0.4
𝑃 𝑇 < 24 = 𝜙(0.71)
𝑃 𝑇 < 24 = 0.76
¿Cuál es la probabilidad de que el proyecto termine en 25 horas?
𝑇 − 23 25 − 23
𝑃 𝑇 < 25 = 𝑃 <
𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 1.41
𝑃 𝑇 < 25 = 1 − 𝜙(1.42)
𝑃 𝑇 < 25 = 0.0778
¿Cuál es la probabilidad de que el proyecto se encuentre entre 22 y 25 semanas?
22 − 23 𝑇 − 23 25 − 23
𝑃 22 < 𝑇 < 25 = 𝑃 < <
1.41 𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 1.41
10
10 POLITÉCNICO GRANCOLOMBIANO
2. Redes
para
la
administración
de
proyectos,
análisis
de
costos
Para
esta
sección
nos
volvemos
a
basar
en
el
método
de
CPM,
para
construir
una
red
y
hallar
los
tiempos
del
proyecto,
solo
que
en
este
caso
a
diferencia
del
método
PERT,
encontramos
una
posibilidad
de
variación
del
tiempo
de
cada
una
de
las
actividades,
y
teniendo
en
cuenta
los
costos
por
disminución
de
una
actividad.
La
gran
diferencia
es
que
contamos
con
un
tiempo
normal
y
un
tiempo
acelerado
para
cada
una
de
las
actividades
de
un
proyecto,
cada
una
enlazada
a
un
costo
normal
y
un
costo
acelerado.
Traduciendo,
es
básicamente
por
la
disminución
del
tiempo
de
una
actividad
que
se
nos
aumentan
los
costos
de
desarrollo
de
la
misma
actividad.
Para hallar el costo de acelerar en unidad de tiempo una actividad se tiene la siguiente ecuación:
Realicemos
un
ejemplo
para
entender
la
teoría
básica
del
método
de
análisis
de
costos.
Como
pueden
observar
en
la
tabla
5
el
ejemplo
de
las
actividades,
predecesores,
tiempo
normal,
tiempo
acelerado,
costo
normal,
costo
acelerado,
A.
Estudio
de
mercado
-‐
3
1
1000
3000
12
12 POLITÉCNICO GRANCOLOMBIANO
C.
Diagrama
de
flujo.
A
2
2
2000
2000
D.
Diseño
de
pantalla.
B,C
6
4
3000
6000
I.
Combinar
programas
D,G,H
8
5
8000
12800
Empezamos
por
hallar
los
costos
por
unidad
de
tiempo
para
cada
una
de
las
actividades,
entonces
para
la
actividad
A:
3000 − 1000
𝐾=
3−1
2000
𝐾=
2
𝐾 = 1000
Por
lo
tanto
para
la
actividad
A
el
costo
por
acelerar
una
unidad
de
tiempo
es
de
1000.
Revisemos
para
las
demás
actividades,
para
la
actividad
B:
6000 − 4000
𝐾=
4−3
2000 − 2000 0
𝐾= =
2−2 0
Como
una
división
por
0
es
indeterminada,
se
pondrá
el
caso
práctico
0
como
valor
ya
que
la
actividad
no
se
puede
acelerar
por
definición.
6000 − 3000
𝐾=
6−4
3000
𝐾=
2
𝐾 = 1500
3800 − 2500
𝐾=
5−4
1300
𝐾=
1
𝐾 = 1300
3000 − 1500
𝐾=
3−2
1500
𝐾=
1
𝐾 = 1500
14
14 POLITÉCNICO GRANCOLOMBIANO
10000 − 6400
𝐾=
5−4
3600
𝐾=
1
𝐾 = 3600
12800 − 8000
𝐾=
8−5
4800
𝐾=
3
𝐾 = 1600
Teniendo cada uno de los costos por unidad de tiempo nos remitimos a completar la tabla:
COSTO
TIEMPO
TIEMPO
COSTO
COSTO
POR
ACTIVIDAD
PREDECESOR
NORMAL
ACELERADO
NORMAL
ACELERADO
UNIDAD
I.Combinar
D,G,H
8
5
8000
12800
1600
programas
Con
la
tabla
completa
nos
dirigimos
a
construir
la
red
y
hallar
cada
uno
de
los
tiempos
de
las
actividades,
por
medio
del
método
CPM.
Ya
que
el
análisis
de
costos
se
basa
en
el
método
CPM,
pero
se
realiza
la
red
con
los
tiempo
normales
y
luego
se
empieza
a
reducir
el
tiempo
paso
por
paso.
Figura 7. Red del ejemplo de costos con tiempos de cada una de las actividades y holguras
16
16 POLITÉCNICO GRANCOLOMBIANO
Con
la
red
de
las
holguras
de
cada
una
de
las
actividades,
podemos
hallar
la
ruta
crítica
que
es:
A
–
C
–
E
–
G
–
I,
denotando
de
esta
manera
un
tiempo
de
25
semanas;
para
empezar
a
disminuir
el
tiempo
del
proyecto
debo
tener
en
cuenta
cuánto
tendré
de
ganancia
y
cómo
sopesarlo
contra
la
disminución
de
tiempos
por
actividad.
Las
nociones
básicas
para
disminuir
el
tiempo
de
una
actividad
son:
• Que
la
actividad
se
encuentre
dentro
de
la
ruta
crítica
• Que
la
actividad
sea
la
más
barata
de
las
actividades
de
la
ruta
crítica
• Si
una
actividad
no
disminuye,
pruebe
con
dos
o
más
actividades
en
un
paso
Debemos
tener
en
cuenta
que
al
realizar
una
disminución
es
probable
que
cambie
la
ruta
crítica,
por
lo
tanto
debemos
realizar
la
revisión
de
las
holguras
cada
vez
que
disminuyamos
una
actividad.
Para
el
caso
del
ejemplo
se
va
a
disminuir
la
actividad
A
en
una
unidad
(deben
disminuir
de
una
unidad),
por
lo
tanto
la
red
quedará
como
se
muestra
en
la
figura
8:
Después
de
reducir
la
actividad
A,
se
denota
que
el
tiempo
del
proyecto
disminuye
en
una
unidad
de
tiempo,
lo
que
implica
que
existe
un
aumento
del
costo.
Para
definir
el
costo
de
un
proyecto
se
debe
realizar
la
sumatoria
de
cada
uno
de
los
costos
normales
de
las
actividades
del
proyecto
y
sumar
también
el
costo
por
unidad
de
cada
una
de
las
actividades
que
se
reducen
durante
el
proceso.
Se
presentaría
de
la
siguiente
manera:
Costo
de
la
actividad
A
+
Costo
de
la
actividad
B
+
Costo
de
la
actividad
C
+
Costo
de
la
actividad
D
+
Costo
de
la
actividad
E
+
Costo
de
la
actividad
F
+
Costo
de
la
actividad
G
+
1000+4000+2000+3000+2500+1500+6400+3000+8000= 31400
Para
determinar
el
costo
en
el
que
se
incurre
al
momento
de
desear
disminuir
una
actividad,
se
trata
básicamente
de
sumar
el
costo
por
disminuir
esa
unidad.
Para
el
caso
del
ejercicio
debemos
sumar
el
costo
por
unidad
de
la
actividad
A
que
es
de
1000.
Por
tanto
el
costo
total
del
proyecto
será
31400
+1000,
o
sea
que
al
disminuir
la
actividad
A
quedaría
en
32400.
Para
completar
el
ejemplo
vamos
a
decir
que
por
cada
una
de
las
semanas
que
se
reduzca
el
tiempo
del
proyecto
se
van
a
recibir
1500
de
ganancia,
¿hasta
dónde
será
bueno
reducir
el
proyecto?
Las
reducciones
que
vamos
a
realizar
deben
ser
de
una
unidad
a
la
vez
para
lograr
ver
el
cambio
en
la
red.
Como
podemos
seguir
disminuyendo
la
actividad
A
realizamos
otra
disminución.
Hasta
aquí
el
costo
del
proyecto
es
de
33400
con
las
dos
reducciones,
pero
como
estamos
ganando
1500
con
cada
unidad
reducida
tenemos
una
ganancia
de
3000
por
lo
que
el
proyecto
me
está
costando
en
este
momento
30400.
Se
continúa
con
las
reducciones
de
tiempo;
ya
no
puedo
reducir
más
la
actividad
A,
por
lo
tanto
debo
revisar
la
ruta
crítica
y
ver
cual
actividad
sigue
para
la
reducción.
A
la
actividad
C
tampoco
le
puedo
realizar
una
reducción
ya
que
no
está
permitido
por
el
ejercicio
(revisar
la
tabla),
ahora
se
debería
reducir
la
actividad
G
que
es
la
más
barata.
Por
lo
tanto
se
presentaría
como
se
muestra
en
la
figura
10.
18
18 POLITÉCNICO GRANCOLOMBIANO
El
proyecto
queda
en
22
unidades
de
tiempo
con
un
costo
de
33400+1200=
34600,
generando
una
ganancia
de
4500.
El
proyecto
en
este
momento
está
costando
30100.
Seguiré
presentando
una
ganancia.
Se sigue realizando este procedimiento hasta que se llegue a un punto de equilibrio.
Reduciendo
así
dos
veces
la
actividad
A,
dos
veces
la
actividad
G
y
una
vez
la
actividad
E,
lo
que
nos
da
una
ganancia
de
7500,
teniendo
un
costo
total
del
proyecto
de
37100,
al
que
le
debemos
quitar
los
7500,
lo
cual
nos
genera
el
costo
del
proyecto:
29600.
Se
utiliza
para
determinar
el
tiempo
que
tomará
la
finalización
del
proyecto,
la
ruta
crítica
del
proyecto,
holgura,
ES,
EF,
LS
y
LF
de
todas
las
actividades.
CPM:
Sigla
del
Método
de
Ruta
Crítica
(Critical
Path
Method);
ésta
es
una
red
muy
parecida
a
PERT
pero
que
nos
da
la
opción
de
la
compresión
de
proyectos.
Se
utiliza
frecuentemente
para
calcular
el
tiempo
y
variaciones
de
terminación
de
las
actividades
en
las
redes.
PERT:
Técnica
de
redes
que
permite
evaluar
y
revisar
programas
asignando
tres
estimaciones
de
tiempo
a
cada
actividad
del
proyecto.
Red:
20
20 POLITÉCNICO GRANCOLOMBIANO
REFERENCIAS
Referencias bibliográficas
Anderson,
D.
S.
(2005).
Métodos
Cuantitativos
Para
Los
Negocios
(Novena
Edición
ed.).
Mexico:
Cengage
Learning
Editores.
Bazaraa,
M.
J.
(1996).
Programación
Lineal
y
Flujo
en
Redes
(Segunda
edición
ed.).
México:
Limusa.
Bazarra,
M.,
&
Jarvis,
J.
J.
(2005).
Programación
lineal
y
flujo
en
redes.
(Segunda
Edición.
ed.).
México:
Limusa
Editores.
.
Castillo.
(20
de
Noviembre
de
2007).
Departamento
Unican.
Recuperado
de
Unican:
http://departamentos.unican.es/macc/personal/profesores/castillo/libro.htm
Hillier,
F.
&.
(2006).
Texto
principal:
Introducción
a
la
Investigación
de
Operaciones.
(6ª
Edición.
ed.).
N/A:
McGraw
Hill.
Hillier, F. &. (2006). Investigación De Operaciones (Octava Edición ed.). México: McGraw-‐Hill.
Hillier,
F.
&.
(2008).
Métodos
Cuantitativos
Para
Administración
(Tercera
Edición
ed.).
México:
McGraw-‐Hill.
Hopp, W. &. (2008). M. Factory Physics. NY: McGraw Hill.
Taha,
H.
(1997).
Investigación
de
Operaciones:
Una
Introducción
(Sexta
edición
ed.).
NY:
Prentice
Hall.
Winston,
W.
(2005).
Investigación
De
Operaciones
Aplicaciones
Y
Algoritmos
(Cuarta
Edición
ed.).
México:
Thomson.
PROGRAMACIÓN LINEAL
MODELOS PARA LA TOMA DE DECISIONES
AUTOR: Gabriel Mauricio Yañez Barreto
INICIO
Se
conoce
como
Investigación
de
Operaciones
al
proceso
científico
utilizado
para
encontrar
una
solución
o
decisión
que
permita
operar
un
sistema
y
obtener
un
resultado
específico
asignando
la
menor
cantidad
de
recursos
posibles,
a
este
proceso,
se
le
conoce
como
Ciencia
de
la
Administración.
2 POLITÉCNICO GRANCOLOMBIANO
Un
Sistema
es
un
conjunto
de
elementos
independientes
que
trabajan
en
conjunto
para
lograr
una
meta
común.
Una
empresa
cualquiera
sería
un
buen
ejemplo
de
sistema
cuya
meta
común
es
aumentar
al
máximo
sus
ganancias
mientras
ofrecen
productos
de
excelente
calidad.
Cuando
las
variables
de
decisión
no
requieren
de
sucesiones
de
decisión
para
periodos
múltiples
se
tiene
un
modelo
estático.
En
caso
contrario,
se
tiene
un
modelo
dinámico.
En
el
modelo
estático
podemos
resolver
un
problema
con
tan
solo
un
intento
cuyas
soluciones
dicten
valores
óptimos
de
las
variables
de
decisión
en
cada
uno
de
los
puntos
de
tiempo.
Los
modelos
restantes,
en
los
cuales
las
decisiones
requieren
del
análisis
recursivo
para
periodos
múltiples,
pertenecen
a
la
categoría
de
modelos
dinámicos.
Si
las
variables
de
decisión
que
aparecen
en
la
función
objetivo
y
en
las
restricciones
de
un
modelo
de
optimización
están
multiplicadas
por
constantes
y
acomodadas
en
forma
de
suma,
entonces,
en
este
caso,
tendremos
un
modelo
lineal;
cuando
el
modelo
de
optimización
no
es
lineal
obtenemos
un
modelo
no
lineal.
Tenemos
un
modelo
entero
cuando
en
el
modelo
de
optimización
una
o
más
variables
de
decisión
deben
ser
enteros,
cuando
las
variables
de
decisión
tengan
la
opción
de
ser
un
valor
fraccionario,
entonces,
tendremos
un
modelo
no
entero.
En
caso
de
conocer
con
seguridad
el
valor
de
la
función
objetivo
y
si
las
restricciones
se
cumplen
o
no
para
cualquier
valor
de
las
variables
de
decisión
se
tendrá
un
modelo
determinístico;
en
caso
contrario,
en
el
que
no
conocer
los
valores
de
la
función
objetivo
y
no
tener
seguridad
sobre
el
cumplimiento
de
las
restricciones
se
tendrá
un
modelo
estocástico.
3
3
MODELOS PARA LA TOMA DE DECISIONES 3
2. Proceso
de
construcción
de
modelos
de
siete
pasos
El
siguiente
proceso
es
esencial
en
la
investigación
de
operaciones
para
la
solución
de
problemas
de
una
empresa.
1. Plantear
el
problema:
al
definir
el
problema
que
está
afectando
a
determinada
empresa
se
deben
tener
en
cuenta
los
objetivos
específicos
y
partes
de
la
misma
que
deben
ser
analizadas
para
lograr
resolver
el
problema.
2. Observar
el
sistema:
la
recopilación
de
información
es
esencial
para
conocer
el
valor
de
los
factores
que
están
causando
el
problema
de
la
empresa;
con
base
en
ellos,
se
podrá
estudiar
el
inconveniente
mediante
un
modelo
matemático.
3. Formular
un
modelo
matemático
del
problema:
el
estudio
y
análisis
de
los
parámetros
que
afectan
el
problema
de
la
empresa
debe
dar
como
resultado
uno
o
más
modelos
matemáticos,
sobre
los
cuales
se
planteará
una
nueva
estrategia
a
seguir
para
contrarrestar
el
conflicto.
4. Verificación
del
modelo
para
la
predicción
y
su
implementación:
es
necesario
verificar
que
el
rendimiento
de
las
variables
de
decisión
que
no
se
usaron
en
la
estimación
estén
perfectamente
representadas.
Aunque
un
modelo
esté
validado
y
corroborado
se
debe
tener
cuidado
al
aplicarlo.
5. Seleccionar
una
opción
adecuada:
a
partir
de
la
base
del
modelo
matemático
y
de
las
diferentes
opciones
que
este
ofrece,
se
debe
decidir
cuál
de
todas
ellas
es
la
más
conveniente
para
los
objetivos
de
la
empresa,
ya
que
por
supuesto,
puede
existir
más
de
una
solución
viable
para
la
solución
del
problema.
6. Presentar
los
resultados
y
la
conclusión
del
estudio
a
la
empresa:
después
de
decidir
la
mejor
opción
u
opciones
para
la
solución
del
problema,
es
necesario
presentar
el
resultado
de
la
investigación
ante
la
cabeza
de
la
empresa,
en
caso
de
existir
varias
soluciones
diferentes
es
posible
que
las
directivas
quieran
escoger
la
más
adecuada;
si
por
algún
motivo
la
empresa
no
aprueba
las
soluciones
presentadas,
se
debe
encontrar
la
falla
en
el
proceso
de
investigación;
una
posibilidad
puede
ser
que
se
haya
abordado
de
forma
incorrecta
la
definición
de
los
problemas
de
la
empresa
o
que
se
haya
omitido,
desde
un
comienzo
el
proceso,
la
participación
de
las
directivas
de
la
empresa.
En
este
caso,
la
investigación
debe
retroceder
al
punto
en
el
que
se
originó
el
error.
7. Poner
en
marcha
y
evaluar
las
recomendaciones:
después
que
la
empresa
apruebe
los
resultados
del
proceso
de
investigación,
se
deben
empezar
a
aplicar
las
recomendaciones.
Para
lo
cual,
es
necesario
vigilar
y
actualizar
el
sistema
de
forma
continua,
de
manera
que
estas
recomendaciones
logren
contribuir
con
las
metas
propuestas.
4 POLITÉCNICO GRANCOLOMBIANO
3. Ventajas
del
modelo
matemático
1. Un
modelo
puede
ser
una
representación
exacta
de
un
problema
real.
Con
una
buena
formulación
es
posible
tener
una
ecuación
altamente
precisa;
la
validez
del
modelo
depende
en
su
exactitud
al
momento
de
representar
el
problema
o
el
sistema
a
estudiar,
lo
cual
lo
hace
tremendamente
eficiente
para
la
resolución
de
problemas
de
negocios.
2. Los
modelos
pueden
ser
muy
útiles
para
un
directivo
que
quiera
formular
problemas
hipotéticos,
que
le
ayuden
a
calcular
ingresos,
gastos,
ventas,
rendimientos,
costos
de
producción
y
de
transporte
y
otros
elementos
similares.
3. Se
puede
utilizar
un
modelo
para
recopilar
información,
a
largo
plazo
de
esta
forma
se
puede
saber
de
qué
forma
podrían
afectar
los
posibles
cambios
de
presupuesto
a
las
utilidades;
a
esto
se
le
conoce
como
análisis
de
sensibilidad
y
permite
estudiar
los
cambios
de
un
modelo.
4. Una
empresa
puede
usar
un
modelo
para
ahorrar
costos
a
la
hora
de
tomar
una
decisión
y
resolver
un
problema;
el
costo
y
el
tiempo
invertidos
en
un
análisis
de
modelo
son
mucho
menores
que
los
de
una
arriesgada
campaña
de
marketing,
con
lo
cual
es
posible
determinar
con
anticipación
los
resultados
en
un
entorno
real.
5. En
ocasiones
el
modelo
es
el
único
medio
infalible
para
la
resolución
de
problemas
complejos;
si
una
empresa
quiere
saber
cuánto
crecerá
o
disminuirá
su
taza
de
producción
y
ganancia
con
restricciones
de
manufactura,
puede
utilizar
un
modelo
para
calcular
tales
cifras
en
cualquier
situación
específica.
6. Los
modelos
también
pueden
ser
útiles
para
compartir
diferentes
problemas
y
soluciones
con
otros
analistas;
de
esta
forma,
se
presentarán
mejores
soluciones
a
los
directivos
de
una
empresa
que
les
ayuden
a
tomar
la
mejor
decisión
final.
7. Solución
de
modelos
de
programación
lineal
de
dos
variables
con
método
gráfico
5
5
MODELOS PARA LA TOMA DE DECISIONES 5
4. Conceptos
clave
para
el
desarrollo
de
problemas
de
programación
lineal
Para
solucionar
modelos
de
programación
lineal
es
necesario
reconocer
tres
objetos
básicos
del
problema:
1. Variables
de
decisión:
lo
que
se
está
tratando
de
determinar.
2. Función
objetivo:
la
meta
a
optimizar.
3. Las
restricciones:
los
alcances
del
sistema
a
satisfacer.
Se
debe
tener
especial
atención
en
el
desarrollo
de
las
restricciones;
tenemos
varios
tipos
de
restricciones
y
se
debe
tener
la
habilidad
de
detectarlas
para
poderlas
expresar
en
el
lenguaje
matemático.
Esta
habilidad
solamente
se
puede
obtener
mediante
la
práctica
de
ejercicios.
Veremos
una
forma
de
analizar
restricciones.
Las
restricciones
que
limitan
el
uso
de
materias
primas
y
de
la
demanda.
Las
restricciones
de
materia
primas
se
pueden
expresar
de
la
siguiente
manera:
[Uso de la materia prima] ≤ [Disponibilidad máxima de la materia prima]
Ahora
el
caso
práctico
que
veremos
a
continuación,
contiene
todos
estos
conceptos
aplicados,
los
analizaremos
con
el
ejercicio
piloto
de
Hamdy
A.
Taha.
(Taha
1997)
Ejemplo desarrollado.
Si tenemos el siguiente problema vamos a resolverlo de manera didáctica y paso a paso.
Iron
Works,
Inc.
(IWI)
fabrica
dos
productos
de
acero
y
sólo
recibe
pedidos
mensuales
de
b
libras
de
acero.
Una
unidad
de
producto
1
requiere
de
a1
libras
de
acero
para
su
fabricación
y
se
requieren
a2
libras
de
acero
para
la
fabricación
de
una
unidad
de
producto
2.
Sea
x1
y
x2
el
nivel
de
producción
mensual
de
producto
1
y
producto
2,
respectivamente.
Denote
por
P1
y
P2
l
as
utilidades
unitarias
para
los
productos
1
y
2,
respectivamente.
6 POLITÉCNICO GRANCOLOMBIANO
El
fabricante
tiene
un
contrato
para
entregar
al
menos
m
unidades
de
producto
1
este
mes.
Adicionalmente,
la
planta
puede
fabricar,
como
máximo,
u
unidades
de
producto
2
mensualmente.
Lo
primero
que
debemos
realizar
es
la
revisión
del
problema,
cuales
son
los
datos
más
importantes
y
realizar
una
pequeña
lista
de
variables.
Todo
esto
con
el
fin
de
definir
las
variables
de
estado
y
que
tipo
de
función
objetivo
voy
a
tener.
a1 * x1 + a2 * x2 ≤ b = La cantidad de unidades del producto 1.
Para
el
producto
1
se
utilizan
libras
de
acero
y
para
el
producto
2
libras.
Esta
frase
nos
indica
que
la
primera
restricción
está
dada
por
la
siguiente
ecuación
Donde
serán
mis
variables
de
decisión,
ya
que
son
las
unidades
que
podre
producir
con
la
materia
prima
con
la
que
cuento,
el
valor
de
esa
materia
prima
es
b.
La
restricción
queda
menor
o
igual
ya
que
como
máximo
podré
utilizar
b
cantidad
de
materia
con
la
que
cuento.
Ahora
analizando
un
poco
más
el
ejercicio
puedo
definir
la
función
objetivo.
Como
el
ejercicio
habla
sobre
las
utilidades
obtenidas
por
cada
uno
de
los
productos
debo
tener
en
cuenta
que
lo
más
importante
es
MAXIMIZAR
las
ganancias
de
la
empresa
por
medio
de
la
producción
de
los
dos
productos.
Por
lo
tanto
tengo
que
la
función
objetivo
está
definida
por
que
son
las
utilidades
obtenidas
por
cada
uno
de
los
productos
que
fabrica
la
empresa.
Que
quiere
decir
que
7
7
MODELOS PARA LA TOMA DE DECISIONES 7
esos
valores
de
son
constantes
para
el
modelo
como
tal.
La
función
objetivo
queda
de
la
siguiente
forma.
Que
lo
que
me
dice
la
ecuación
anterior
es
que
necesitamos
realizar
una
producción
por
medio
de
la
cual
obtenga
la
mejor
ganancia
aprovechando
el
material
con
el
que
cuento.
Por
último,
contamos
con
dos
restricciones
más
definidas
por
el
problema,
la
cantidad
de
unidades
que
puede
producir
del
producto
2
y
el
contrato
que
tiene
el
fabricante
sobre
las
unidades
del
producto
1.
Entonces
en
la
restricción
que
es
referente
a
la
cantidad
de
unidades
del
producto
2
se
construye
la
restricción
de
la
siguiente
manera;
La
restricción
queda
así
de
sencilla
por
que
como
un
máximo
o
un
límite
superior
de
la
solución
esta
que
se
generen
u
unidades
del
producto
u,
ya
sea
por
la
capacidad
de
la
planta
o
por
la
capacidad
de
trabajo
del
personal.
Ahora
para
la
restricción
del
contrato
que
adquirió
la
empresa
sobre
el
producto
1
se
tiene
la
siguiente
restricción;
Esta
restricción
queda
así
ya
que
lo
mínimo
que
debe
producir
la
empresa
del
producto
1
es
m
unidades
que
es
para
cumplir
el
contrato
con
el
que
se
compromete.
Esta
es
un
límite
inferior
del
sistema
modelado.
Se
encuentra
sujeto
a:
8 POLITÉCNICO GRANCOLOMBIANO
La
ultima
restricción
me
dice
que
cada
una
de
las
variables
de
decisión
son
positivas
o
tiene
un
valor
nulo
(0)
como
mínimo,
ya
que
no
puedo
tener
un
numero
negativo
de
unidades.
Ahora
podemos
darle
valores
a
las
constantes
del
ejercicio
anterior
para
revisar
cómo
se
podría
dar
una
solución
al
modelo
ya
sea
por
método
matemático,
método
grafico
o
por
simplex.
Teniendo
en
cuenta
que
contamos
con
ecuaciones,
podemos
encontrar
un
valor
aproximado
por
medio
de
desarrollo
de
ecuaciones
básicas,
por
lo
tanto
si
al
modelo
anterior
le
damos
valores
numéricos
a
las
constantes
que
definen
el
modelo
del
ejemplo
anterior.
Supongamos
que
se
cuentan
con
2000
libras
de
acero,
que
se
utilizan
2
libras
de
acero
en
construir
el
producto
1
y
3
libras
de
acero
en
construir
el
producto
2,
que
el
contrato
con
el
que
se
compromete
la
empresa
es
de
60
unidades
y
por
último
que
máximo
se
pueden
construir
720
unidades
del
producto
2.
También
que
las
utilidades
del
producto
1
y
producto
2
son
de
100
y
200
respectivamente.
Por
lo
tanto
el
modelo
queda
definido
de
la
siguiente
manera:
(1)
(2)
(3)
(4)
(5)
Podemos
iniciar
con
la
condición
que
conlleva
más
relevancia
para
la
empresa
y
partiendo
de
ella
definir
el
punto
de
inicio
de
desarrollo
del
sistema,
esta
restricción
es
el
cumplimiento
del
contrato
de
60
unidades
con
el
cual
se
compromete
la
empresa,
por
lo
tanto
damos
el
valor
mínimo
de
la
variable
de
decisión
y
arrancamos
con
él
a
resolver
el
sistema
9
9
MODELOS PARA LA TOMA DE DECISIONES 9
Lo
igualamos
a
60
ya
que
con
esto
es
lo
mínimo
de
unidades
del
producto
1
que
deben
construirse
para
poder
cumplir
el
contrato
de
la
empresa.
Despejamos
la
ecuación
anterior
y
de
esta
manera
podemos
hallar
el
valor
de
X2
y
de
esta
manera
completar
una
solución
para
el
problema.
Aclarando
que
hablamos
de
unidades,
nos
damos
cuenta
que
no
podemos
tener
decimales
por
lo
cual
debemos
aproximar
por
lo
cual
el
resultado
queda
de
la
siguiente
manera
Ahora
como
ya
conocemos
el
valor
de
cada
una
de
las
variables
de
decisión
debemos
tener
en
cuenta
que:
Por
lo
tanto
esto
reflejado
en
la
función
objetivo
nos
da
de
la
siguiente
manera:
Lo
que
nos
define
que
la
utilidad
cumpliendo
con
las
restricciones
del
problema
es
131
400,
cumpliendo
con
el
contrato
y
teniendo
en
cuenta
que
no
se
supera
el
número
de
unidades
posibles
para
producir
del
producto
2,
por
lo
tanto
el
problema
se
encuentra
muy
bien
desarrollado.
10 POLITÉCNICO GRANCOLOMBIANO
5.3. Método
Gráfico
Teniendo
en
consideración
el
ejemplo
anterior
realizaremos
la
solución
del
mismo
por
medio
del
método
gráfico.
Teniendo en cuenta el modelo definido de la siguiente manera;
(1)
(2)
(3)
(4)
(5)
Empezamos
con
el
análisis
de
las
restricciones
para
lograr
desarrollar
el
modelo
por
medio
de
grafica
en
2
ejes
(gráfica
clásica
de
X
y
Y).
En
primera
instancia
definimos
que
por
teoría
cada
una
de
las
restricciones
genera
una
línea
recta
que
me
define
cual
será
el
conjunto
solución
para
el
modelo.
Definimos que cada uno de los dos ejes tiene un nombre que en este caso se encuentra definido
Empezamos
con
la
restricción
#
4
ya
que
es
la
más
sencilla
de
analizar,
teniendo
en
cuenta
que
esta
solo
depende
de
la
variable
.
11
11
MODELOS PARA LA TOMA DE DECISIONES 11
Teniendo
en
cuenta
la
imagen
anterior
,
la
restricción
#
2
queda
como
una
línea
recta
paralela
a
el
eje
y,
el
espacio
de
solución
para
esta
restricción
es
todo
el
conjunto
de
números
que
van
desde
0
hasta
la
línea,
ya
que
se
dice
que
tiene
que
ser
menor
o
igual
a
60
unidades
de
.
De
la
misma
manera
analizaremos
la
restricción
#
3
y
la
restricción
#
4,
para
cada
una
de
ellas
tendremos
rangos
de
solución,
pero
para
la
solución
del
modelo
completo
encontraremos
la
Intersección
de
cada
uno
de
estos
conjuntos
de
solución.
Sigamos
con
la
restricción
#3
que
será
también
una
línea
recta
pero
en
este
caso
será
paralela
al
eje
x
y
tendrá
un
valor
de
720,
según
la
restricción
matemática
el
conjunto
solución
para
esta
restricción
será
todos
los
valores
menores
o
iguales
a
720
como
se
muestra
en
la
siguiente
figura.
12 POLITÉCNICO GRANCOLOMBIANO
Ahora
continuando
con
la
ecuación
#2
que
es
la
ecuación
“complicada”
iniciamos
de
la
siguiente
manera:
Inicializamos en 0 lo cual nos dará una ecuación de la siguiente manera:
Ahora
con
este
valor
ya
tenemos
el
primer
punto
para
dibujar
la
recta,
tengamos
en
cuenta
que
para
dibujar
una
línea
recta
debemos
contar
por
lo
menos
con
dos
puntos.
El
primero
de
nuestros
puntos
es:
Para
el
segundo
punto
de
la
recta
debemos
definir
para
hallar
un
valor
para
El
segundo
punto
de
la
recta
es
el
siguiente
Lo
que
se
realiza
al
poner
cada
una
de
las
variables
en
0
se
está
poniendo
un
punto
de
cruce
en
cada
uno
de
los
ejes,
para
lograr
una
construcción
de
la
línea.
El
área
que
define
por
los
valores
que
se
encuentren
en
la
línea
o
debajo
de
ella.
13
13
MODELOS PARA LA TOMA DE DECISIONES 13
Por
lo
tanto
tenemos
la
siguiente
gráfica:
Ahora
para
dar
la
solución
por
el
método
gráfico,
debemos
tener
en
cuenta
que
es
la
intersección
de
los
conjuntos
de
solución
de
cada
una
de
las
restricciones.
Por
lo
cual
como
ya
hemos
relacionado
en
las
gráficas
anteriores
queda
de
la
siguiente
manera:
El
triángulo
azul
es
el
rango
de
solución
del
modelo,
pero
pues
la
idea
es
encontrar
el
punto
donde
se
crucen
como
mínimo
dos
restricciones,
este
punto
y
dependiendo
de
lo
que
esté
realizando
es
14 POLITÉCNICO GRANCOLOMBIANO
la
solución
óptima
(o
mejor
solución
para
el
modelo),
se
debe
definir
que
se
está
realizando
sea
una
minimización
o
una
maximización
del
modelo.
Figura 5. Solución óptima del modelo por medio del método gráfico
Para
hallar
el
valor
numérico
del
punto
de
cruce
de
las
dos
restricciones
se
deben
manejar
esas
dos
ecuaciones
como
un
sistema
de
ecuaciones
de
dos
variables,
las
cuales
dando
la
solución
es
el
punto
que
buscamos
que
será
la
solución
óptima
del
problema,
veamos
cómo
se
debe
realizar:
Debemos
tener
en
cuenta
que
la
recta
vertical
es
de
una
valor
de
60,
lo
cual
representa
la
segunda
restricción
que
estamos
manejando
como
solución
óptima
ahora
para
la
segunda
ecuación
se
tiene.
Por
lo
tanto
el
punto
de
solución
óptima
por
método
gráfico
es
(60,626,7),
lo
cual
genera
el
siguiente
valor
para
y,
reemplazándolo
en
la
función
objetivo
del
modelo,
el
resultado
de
remplazar
los
valores
es
131
320
que
es
la
solución
del
modelo.
Si tenemos el siguiente problema vamos a resolverlo de manera didáctica y paso a paso.
Iron
Works,
Inc.
(IWI)
fabrica
dos
productos
de
acero
y
sólo
recibe
pedidos
mensuales
de
b
libras
de
acero.
Una
unidad
de
producto
1
requiere
de
libras
de
acero
para
su
fabricación
y
se
requieren
libras
de
acero
para
la
fabricación
de
una
unidad
de
producto
2.
15
15
MODELOS PARA LA TOMA DE DECISIONES 15
Sea
y
el
nivel
de
producción
mensual
de
producto
1
y
producto
2,
respectivamente.
Denote
por
y
las
utilidades
unitarias
para
los
productos
1
y
2,
respectivamente.
El
fabricante
tiene
un
contrato
para
entregar
al
menos
m
unidades
de
producto
1
este
mes.
Adicionalmente,
la
planta
puede
fabricar,
como
máximo,
u
unidades
de
producto
2
mensualmente.
max 𝑝1∗𝑥1+𝑝2∗𝑥2
𝑎1∗𝑥1+𝑎2∗𝑥2≤𝑏
𝑥2≤𝑢
𝑥1≥𝑚
𝑥1, 𝑥2≥0
𝑝1=100 𝑦 𝑝2=200
Por
lo
tanto
el
modelo
queda
definido
de
la
siguiente
manera:
max
100∗𝑥1+200∗𝑥2
(1)
2∗𝑥1+3∗𝑥2≤2000
(2)
𝑥2≤720 (3)
𝑥1≥60 (4)
𝑥1,𝑥2≥0 (5)
Para
desarrollar
el
problema
por
medio
del
método
simplex,
debemos
reorganizar
cada
una
de
las
ecuaciones
pasándolas
de
desigualdades
a
igualdades,
lo
cual
genera
unas
nuevas
variables
por
ecuación
que
se
llaman
holguras.
Para
explicar
lo
anterior
tendremos
en
cuenta
lo
siguiente:
16 POLITÉCNICO GRANCOLOMBIANO
max
z=100∗𝑥1+200∗𝑥2
(5)
2∗𝑥1+3∗𝑥2+𝑠1=2000 (6)
𝑥2+𝑠2=720 (7)
𝑥1+𝑠3=60 (8)
Cada
uno
de
esas
variables,
las
holguras
mencionadas
en
el
párrafo
anterior,
ahora
lo
que
debemos
realizar
es
una
organización
en
las
ecuaciones
ya
que
para
colocarlas
en
una
tabla
y
empezar
a
desarrollar
el
ejemplo
por
medio
del
método
simplex
debemos
plantear
las
ecuaciones
de
una
manera
específica.
Este
proceso
se
basa
en
teorías
de
algebra
lineal
y
disminuciones
gausianas.
z−100∗𝑥1−200∗𝑥2=0 (9)
2∗𝑥1+3∗𝑥2+𝑠1=2000 (10)
𝑥2+𝑠2=720 (11)
𝑥1+𝑠3=60 (12)
17
17
MODELOS PARA LA TOMA DE DECISIONES 17
La
tabla
quedará
de
la
siguiente
manera:
Z X1 X2 S1 S2 S3 RESULTADO
R1 1 -‐100 -‐200 0 0 0 0
R2 0 2 3 1 0 0 2000
R3 0 0 1 0 1 0 720
R4 0 1 0 0 0 1 60
Donde
lo
que
queda
en
la
columna
de
resultado
es
lo
que
está
al
lado
derecho
de
cada
una
de
las
ecuaciones;
lo
que
se
presenta
después
del
igual.
Mientras
que
la
primera
columna
es
el
nombre
del
renglón.
Cada
una
de
las
siguientes
columnas
son
las
variables
de
decisión
y
holguras
correspondientes
a
cada
una
de
las
ecuaciones.
Como
explicación
de
donde
aparecen
las
holguras,
es
para
poder
“quitar”
los
signos
de
desigualdades
y
poder
colocar
el
igual;
estas
holguras
serán
los
números
que
completan
la
ecuación
para
lograr
la
igualdad.
Contando
con
la
tabla
debemos
encontrar
lo
que
se
llama
la
columna
pivote,
la
fila
pivote
y
el
número
pivote
del
sistema.
Cada
una
de
estos
datos
es
indispensable
para
poder
desarrollar
el
método
y
cada
uno
de
sus
pasos.
Para
hallar
la
columna
pivote
se
revisa
cuál
es
el
menor
de
los
números
en
toda
la
tabla,
esta
estará
siempre
entre
las
variables
de
decisión
de
la
función
objetivo;
si
revisamos
la
tabla
del
ejemplo
que
estamos
realizando
la
columna
pivote
estará
en
-‐200
que
se
encuentra
en
la
variable
x2
de
la
función
objetivo.
Para
hallar
la
fila
pivote
se
debe
realizar
un
proceso
por
cada
una
de
las
restricciones,
ese
proceso
requiere
contar
con
la
columna
pivote;
se
divide
cada
uno
de
los
números
de
los
resultados
sobre
el
valor
del
mismo
de
la
columna
pivote,
como
se
ve
en
la
siguiente
tabla;
18 POLITÉCNICO GRANCOLOMBIANO
Tabla
2.
Selección
de
la
columna
pivote
Z X1 X2 S1 S2 S3 RESULTADO
R1 1 -‐100 -‐200 0 0 0 0
Teniendo
en
cuenta
lo
anterior
realizamos
las
divisiones
correspondientes
a
cada
uno
de
los
casos
(estas
divisiones
no
se
aplican
para
la
función
objetivo,
solo
para
las
restricciones).
Entonces
el
resultado
de
cada
uno
de
los
renglones
será
666.67,
720.
El
ultimo
no
se
puede
realizar
ya
que
una
división
por
0
es
indeterminada;
de
las
tres
divisiones
debemos
encontrar
el
menor,
por
lo
tanto
el
renglón
número
2
será
el
renglón
pivote.
19
19
MODELOS PARA LA TOMA DE DECISIONES 19
Z X1 X2 S1 S2 S3 RESULTADO
R1 1 -‐100 -‐200 0 0 0 0
R2 0 2 3 1 0 0 2000
R3 0 0 1 0 1 0 720
R4 0 1 0 0 0 1 60
Ahora,
el
número
pivote
es
la
intersección
de
la
columna
pivote
y
la
fila
pivote,
por
lo
tanto
en
este
ejemplo
seria
el
número
3.
Lo
que
se
debe
realizar
es
volver
el
número
pivote
en
1,
para
lo
cual
debemos
realizar
una
división
en
toda
la
fila
que
representa
la
ecuación
sobre
3.
Después
de
realizar
esa
división
queda
la
tabla
de
la
siguiente
manera;
Z X1 X2 S1 S2 S3 RESULTADO
R1 1 -‐100 -‐200 0 0 0 0
R3 0 0 1 0 1 0 720
R4 0 1 0 0 0 1 60
20 POLITÉCNICO GRANCOLOMBIANO
Luego
tendremos
que
volver
cada
uno
de
los
números
de
la
columna
pivote
en
0,
lo
cual
se
realiza
con
sumas
y
multiplicaciones
sobre
la
fila
pivote.
Se
debe
seguir
una
serie
de
pasos
para
realizar
esta
reducción.
Para
el
renglón
1
debemos
convertir
el
-‐200
en
0
,
lo
cual
significa
que
debemos
multiplicar
el
renglón
2
(renglón
pivote)
por
200
y
luego
sumarlo
al
renglón
1.
Esta
operación
se
presentaría
de
la
siguiente
manera:
200𝑅2+𝑅1
Lo
que
vemos
anteriormente
es
la
operación
necesaria
para
disminuir
el
renglón
1
(representada
en
vectores),
por
lo
tanto
el
renglón
1
quedará
así:
De
esta
manera
debe
quedar
el
renglón
1,
teniendo
en
cuenta
que
ya
se
redujo
el
-‐200
a
0,
del
mismo
modo
se
debe
realizar
para
los
otros
dos
renglones,
con
la
siguiente
relación
de
ecuaciones
para
cada
uno
de
ellos.
−1𝑅2+𝑅3
Para
el
renglón
4
no
se
debe
realizar
ninguna
ecuación
ya
que
esta
se
encuentra
en
0.
La
tabla
del
ejercicio
sería:
Z X1 X2 S1 S2 S3 RESULTADO
R4 0 1 0 0 0 1 60
21
21
MODELOS PARA LA TOMA DE DECISIONES 21
Se
seguirá
el
procedimiento
mientras
los
coeficientes
de
las
variables
de
decisión
sean
negativos.
Lo
que
quiere
decir
es
que
si
revisamos
la
tabla
tenemos
varios
números
negativos
que
debemos
“quitar”.
Volvemos
a
escribir
la
tabla
anterior
sin
la
selección
de
la
columna
y
fila
pivote
ya
que
en
este
punto
se
vuelve
a
iniciar
el
procedimiento.
Z X1 X2 S1 S2 S3 RESULTADO
R4 0 1 0 0 0 1 60
22 POLITÉCNICO GRANCOLOMBIANO
GLOSARIO
DE
TÉRMINOS
Enunciado
matemático
del
objetivo
de
una
organización
con
el
que
se
intenta
Función
objetivo maximizar
o
minimizar
una
cantidad
de
gran
importancia
como
ganancias
o
gastos.
Método
de
Método
algebraico
con
el
que
es
posible
hallar
el
punto
de
la
intersección
de
ecuaciones
dos
o
más
ecuaciones
de
restricción
lineal.
simultaneas
Esta
condición
se
presenta
cuando
la
variable
del
dinero
y
la
utilidad
asociada
No
acotamiento aumentan
indefinidamente
sin
violar
las
restricciones
del
problema
en
un
proceso
de
maximización.
Se
ubica
en
una
de
las
esquinas
de
la
región
factible,
lo
cual
significa
que
queda
Punto
de
esquina
en
la
intersección
de
dos
líneas
de
restricción.
Restricción
de
los
recursos
disponibles
para
una
firma;
se
representa
en
forma
Restricción
de
desigualdad
o
ecuación.
Restricciones
de
no
Este
conjunto
de
restricciones
necesita
que
cada
variable
de
decisión
sea
no
negatividad negativa,
cada
X1
debe
ser
igual
o
mayor
a
0.
Se
define
de
esta
manera
a
cualquier
punto
localizado
en
la
región
factible
que
Solución
factible
logre
satisfacer
todas
las
restricciones
del
problema.
Cualquier
punto
ubicado
fuera
de
la
región
factible
que
además
viole
una
o
Solución
infactible
varias
de
las
restricciones
establecidas.
23
23
MODELOS PARA LA TOMA DE DECISIONES 23
Situación
que
se
presenta
cuando
se
obtiene
más
de
una
solución
óptima
y
Solución
óptima
cuando
la
pendiente
de
la
función
objetivo
es
la
misma
que
la
pendiente
de
alternativa
una
restricción.
24 POLITÉCNICO GRANCOLOMBIANO
REFERENCIAS
Referencias Bibliográficas
Anderson,
D.
S.
(2005).
Métodos
Cuantitativos
para
los
Negocios
(Novena
Edición
ed.).
México:
Cengage
Learning
Editores.
Bazaraa,
M.
J.
(1996).
Programación
Lineal
y
Flujo
en
Redes
(Segunda
edición
ed.).
México:
Limusa.
Bazarra,
M.,
&
Jarvis,
J.
J.
(2005).
Programación
lineal
y
flujo
en
redes.
(Segunda
Edición.
ed.).
México:
Limusa
Editores.
.
Castillo.
(20
de
Noviembre
de
2007).
Departamento
Unican.
Recuperado
de
Unican:
http://departamentos.unican.es/macc/personal/profesores/castillo/libro.htm
Hillier,
F.
&.
(2006).
Texto
principal:
Introducción
a
la
Investigación
de
Operaciones.
(6ª
Edición.
ed.).
N/A:
McGraw
Hill.
.
Hillier, F. &. (2006). Investigación de Operaciones (Octava Edición ed.). México: McGraw-‐Hill.
Hillier,
F.
&.
(2008).
Métodos
Cuantitativos
para
Administración
(Tercera
Edición
ed.).
México:
McGraw-‐Hill.
Hopp, W. &. (2008). M. Factory Physics. NY: McGraw Hill.
Taha,
H.
(1997).
Investigación
de
Operaciones:
Una
Introducción
(Sexta
edición
ed.).
NY:
Prentice
Hall.
Winston,
W.
(2005).
Investigación
de
Operaciones
Aplicaciones
y
Algoritmos
(Cuarta
Edición
ed.).
México:
Thomson.
25
25
MODELOS PARA LA TOMA DE DECISIONES 25
TRANSPORTE Y ASIGNACIÓN
MODELOS PARA LA TOMA DE DECISIONES
AUTOR: Gabriel Mauricio Yañez Barreto
INDICE
• Introducción
• Recomendaciones
académicas
• Desarrollo
de
cada
una
de
las
unidades
temáticas
1. Modelo
de
transporte
1.1. Ejemplo
2. Modelo
de
asignación
• Referencias
• Referencias
bibliográficas
INTRODUCCIÓN
En
esta
cartilla
se
revisarán
las
aplicaciones
de
la
programación
lineal.
Teniendo
en
cuenta
que
las
aplicaciones
de
la
programación
lineal,
son
dependientes
de
los
problemas
de
aplicaciones
más
comunes
dentro
del
ambiente
real.
Teniendo
en
cuenta
que
el
fuerte
de
cada
uno
de
ellos
es
dependiente
de
la
cantidad
de
veces
que
se
pueden
aplicar
y
cuáles
serían
las
variaciones
en
casos
especiales
de
cada
uno
de
ellos.
RECOMENDACIONES ACADÉMICAS
Estimados
estudiantes
a
lo
largo
de
la
cartilla
encontrarán
las
aplicaciones
de
la
programación
lineal,
recuerden
que
deben
realizar
un
resumen
de
las
nociones
más
importantes
dentro
de
la
cartilla
para
su
estudio
autónomo.
Desarrollen
de
manera
individual
cada
uno
de
los
ejercicios
que
se
le
presentan
como
ejemplo
dentro
de
esta
cartilla.
Para
profundizar
un
poco
más
en
el
tema
no
olvide
que
dentro
de
los
recursos
virtuales
de
la
institución
puede
encontrar
varios
tipos
de
documentos
que
pueden
ser
útiles,
como
lo
son
libros
de
investigación
de
operaciones
o
de
administración
científica,
también
puede
encontrar
artículos
y
documentos
investigativos
de
aplicación
de
las
mismas.
2 POLITÉCNICO GRANCOLOMBIANO
DESARROLLO
DE
CADA
UNA
DE
LAS
UNIDADES
TEMÁTICAS
Empezamos
por
definir
que
la
aplicación
de
la
programación
lineal
se
manejan
como
modelos
de
redes.
Los
modelos
de
redes
son
representaciones
de
un
conjunto
de
nodos
iniciales
y
un
conjunto
de
nodos
finales
relacionados
entre
sí
por
arcos,
en
los
que
se
cuenta
con
datos
como
costos,
ofertas
y
demandas
por
cada
uno
de
ellos.
El
modelo
de
transporte
se
puede
solucionar
por
cualquiera
de
los
métodos
de
solución
de
la
programación
lineal
expuestos
en
la
unidad
anterior.
Se
define
también
que
si
cada
uno
de
los
valores
del
lado
de
derecho
de
las
ecuaciones
(desigualdades)
son
enteros,
la
solución
también
será
un
número
entero
(número
sin
decimales).
Debido
a
la
estructura
especial
de
la
programación
lineal
de
los
problemas,
se
pueden
utilizar
algoritmos
de
redes
para
alcanzar
soluciones
eficientemente.
Para
terminar
de
entrar
en
materia
el
modelo
de
transporte
es
una
aplicación
de
la
programación
lineal
en
la
que
se
busca
reducir
los
costos
de
realizar
un
transporte
de
bienes
desde
un
inicio
hasta
un
destino,
donde
se
debe
tener
en
cuenta
la
oferta
del
nodo
de
inicio
𝑆"
,
también
se
debe
tener
en
cuenta
la
demanda
del
nodo
de
finalización
𝐷$ ,
donde
se
define
que
el
costo
de
transportar
desde
un
nodo
de
inicio
i
hasta
un
nodo
de
finalización
j
como
𝐶"$ .
Definiendo
de
manera
sencilla
lo
dicho
anteriormente
es
“realizar
la
revisión
de
que
cantidad
puedo
enviar
desde
una
fábrica
(nodo
de
inicio)
y
como
cumplir
la
demanda
de
un
cliente
(nodo
Final)
teniendo
en
cuenta
lo
que
me
cuesta
enviar
una
sola
unidad
de
un
producto
o
bien”
Para
realizar
la
representación
como
red
se
define
que
cada
uno
de
los
inicios
y
los
finales
se
representan
como
nodos,
mientras
que
los
caminos
se
representan
como
arcos,
los
arcos
son
los
que
definen
los
posibles
caminos
entre
el
inicio
y
los
destinos
con
los
que
contamos.
Cada
uno
de
los
arcos
se
les
asigna
un
costo,
mientras
que
a
cada
nodo
de
inicio
se
le
asigna
una
oferta
y
a
cada
nodo
de
destino
se
le
asigna
una
demanda.
Para
evidenciarlo
de
manera
más
clara
podremos
en
la
figura
1
como
se
dibujaría
la
red.
Como
podemos
ver
en
la
figura
1,
tenemos
los
nodos
de
inicio
con
color
negro,
quienes
se
encuentran
relacionados
cada
uno
con
una
oferta
𝑆" ,
mientras
que
en
color
verde
tenemos
los
nodos
de
finalización
o
destino,
cada
uno
de
ellos
relacionados
a
una
demanda
𝐷$ .
Mientras
que
cada
uno
de
los
caminos
cuenta
con
un
costo
asociado.
Debemos
tener
en
cuenta
que
siempre
en
un
modelo
de
transporte
se
busca
minimizar
los
costos
de
transportar
un
bien,
desde
un
origen
hasta
un
final
con
un
costo
relacionado
por
realizar
esta
tarea.
Para
definir
el
modelo
de
manera
matemática
tenemos
las
siguientes
ecuaciones;
9 8
4 POLITÉCNICO GRANCOLOMBIANO
La
definición
del
modelo
es
como
se
presenta
anteriormente,
lo
que
en
palabras
esta
dicho
de
la
siguiente
manera:
La
función
objetivo
es
la
suma
de
la
cantidad
de
unidades
que
van
por
un
arco
multiplicado
por
el
costo
de
este
camino,
teniendo
en
cuenta
la
cantidad
de
inicios
y
de
finales
con
los
que
se
cuente.
Las
primeras
restricciones
van
atadas
a
la
cantidad
de
unidades
que
pueden
salir
de
un
nodo,
por
lo
tanto,
la
cantidad
de
unidades
que
salga
por
cada
uno
de
los
arcos
que
salgan
de
un
nodo
deben
ser
cuando
mucho
la
oferta
que
tiene
este.
Las
segundas
restricciones
es
para
los
arcos
que
entran
a
los
nodos
de
destino,
la
suma
de
las
unidades
que
van
por
cada
uno
de
los
arcos
deben
cumplir
con
la
demanda
del
nodo.
Teniendo
entendido
lo
anterior
debemos
enfocarnos
en
algunos
de
los
casos
especiales
que
pueden
ocurrir
dentro
de
este
tipo
de
modelo,
los
cuales
son;
• Requerimiento
mínimo
de
transporte
desde
i
hasta
j,
lo
que
nos
dice
que
desde
un
nodo
de
inicio
hasta
un
nodo
de
destino
exista
la
necesidad
en
enviar
una
cantidad
mínima
de
unidades.
𝑋"$ ≥ 𝑙"$
• Capacidad
máxima
de
la
ruta
𝑋"$ ≤ 𝑙"$
• Ruta
inaceptable,
retire
la
ruta
que
no
se
pueda
realizar.
1.1. Ejemplo:
Building
Brick
Company
(BBC)
tiene
ordenes
por
80
ton
de
ladrillos
en
tres
locaciones
suburbanas:
Northwood
(25
ton),
Westwood
(45
ton)
y
Eastwood
(10
ton).
BBC
tiene
dos
plantas,
cada
una
de
las
cuales
puede
producir
50
ton
por
semana.
Cuál debería ser el plan de envíos si los costos de transporte por tonelada (en US$) son
Planta 1 24 30 40
Planta 2 30 40 42
En
primera
instancia
debemos
analizar
el
problema,
para
lo
cual
debemos
definir
qué
cantidad
de
nodos
de
inicio
tenemos,
después
revisamos
cuantos
nodos
de
finalización
contamos
y
por
último
revisamos
cuales
son
los
caminos
y
los
costos
de
transportar
por
cada
una
para
construir
la
red.
Como
inicios
tenemos
2,
que
serán
la
planta
1
y
la
planta
cada
una
con
una
oferta
de
50
toneladas,
como
finales
tenemos
las
tres
locaciones
suburbanas
que
cada
una
tiene
una
demanda
definida
(Nortwood
25
ton,
Eastwood
45,
westwood
10
ton),
debemos
encontrar
el
modelo
que
define
el
problema
y
las
restricciones
del
mismo.
Analizando
los
arcos
todos
los
caminos
se
pueden
cumplir,
por
lo
tanto
ya
con
esto
podríamos
definir
las
restricciones
que
están
atadas
al
modelo,
como
podemos
observar
en
la
figura
2
la
red
ya
está
construida.
6 POLITÉCNICO GRANCOLOMBIANO
Ya
teniendo
definida
la
red
del
ejemplo,
debemos
realizar
el
montaje
de
la
función
objetivo,
la
cual
según
la
definición
es
la
suma
de
los
costos
por
las
unidades
que
se
enviaran
desde
un
inicio
hasta
un
destino.
Tengamos
en
cuenta
que
la
cantidad
de
unidades
que
se
envían
es
la
variable
de
decisión
por
lo
tanto
contaremos
con
tantas
variables
de
decisión
como
arcos
se
cuenten
dentro
de
la
red.
Función Objetivo:
Para
explicar
las
dos
restricciones
anteriores,
son
las
referentes
a
los
nodos
de
inicio,
ya
que
la
suma
de
todo
lo
que
sale
de
estos
dos
nodos
no
puede
superar
la
oferta
que
este
tiene,
por
eso
se
pone
la
desigualdad
con
el
signo
de
menor
o
igual
a
la
oferta
del
mismo.
Mientras
que
las
restricciones
para
los
nodos
de
destino
tienen
que
estar
igualadas
a
la
demanda
de
cada
uno
de
ellos,
ya
que
se
debe
cumplir
con
la
demanda
de
cada
uno
de
ellos,
como
lo
veremos
a
continuación:
𝑋NN + 𝑋QN = 25
𝑋NQ + 𝑋QQ = 45
𝑋NR + 𝑋QR = 10
Por
ultimo
debemos
definir
la
condición
de
no
negatividad
que
es
primordial,
ya
que
no
me
puede
dar
un
numero
negativo
de
unidades.
Por lo tanto, el modelo completo quedará de la siguiente manera
𝑋NN + 𝑋QN = 25
𝑋NQ + 𝑋QQ = 45
𝑋NR + 𝑋QR = 10
Para
solucionar
el
modelo
podemos
utilizar
el
método
simplex
(explicado
en
la
unidad
anterior),
o
simplemente
podemos
utilizar
la
herramienta
de
solver
en
Excel.
Para
ejemplificar
este
caso
vamos
a
usar
la
herramienta
de
solver
de
Excel,
pero
primero
re
escribiremos
el
modelo
de
manera
organizada
para
poderlo
escribir
en
Excel
correctamente.
8 POLITÉCNICO GRANCOLOMBIANO
1 ∗ 𝑋NN + 1 ∗ 𝑋NQ + 1 ∗ 𝑋NR + 0 ∗ 𝑋QN + 0 ∗ 𝑋QQ + 0 ∗ 𝑋QR ≤ 50
Como
se
escribió
ahora,
el
modelo
es
para
decir
cuales
variables
de
decisión
se
encuentran
en
la
tabla
y
cuáles
no,
por
ejemplo,
las
variables
que
están
multiplicadas
por
0
son
inexistentes,
pero
de
esta
manera
se
pueden
escribir
más
fácil
cada
una
de
las
ecuaciones.
Tenga
en
cuenta
que
si
no
han
activado
la
herramienta
solver
de
Excel
en
el
instructivo
que
está
en
curso
encontraran
como
hacerlo.
Ahora
la
tabla
de
Excel
quedará
de
la
siguiente
manera.
24 30 40 30 40 42
CELDAS CAMBIANTES
1 1 1 0 0 0 <= 50
0 0 0 1 1 1 <= 50
1 0 0 1 0 0 = 25
0 1 0 0 1 0 = 45
0 0 1 0 0 1 = 10
10 POLITÉCNICO GRANCOLOMBIANO
Ya
con
la
tabla
podemos
aplicar
solver,
para
tener
claro
las
celdas
que
están
en
naranja
serán
las
celdas
de
formulación
de
las
restricciones,
mientras
que
las
que
están
en
amarillo
claro
serán
las
que
corresponden
a
la
solución
dada
por
solver,
pero
antes
de
eso
debemos
formular
en
una
de
las
celdas
de
la
tabla
la
multiplicación
de
la
función
objetivo,
ósea
el
costo
por
la
celda
cambiante
correspondiente
a
la
variable
de
decisión,
tal
y
como
se
ve
en
la
figura
3.
Proseguimos
a
realizar
la
formulación
de
cada
una
de
las
restricciones
en
las
celdas
que
están
en
blanco
antes
de
cada
uno
de
los
signos,
como
se
ve
en
la
figura
4.
Ahora,
así
como
en
la
figura
4
se
realiza
la
multiplicación
de
cada
una
de
las
celdas
cambiantes
por
el
valor
de
la
constante
que
la
acompaña,
se
fijan
las
celdas
cambiantes
para
poder
desplazar
la
formula
hasta
la
última.
Quedando
el
modelo
como
se
muestra
en
la
figura
5.
Ya teniendo la tabla completa podemos dirigirnos a buscar la herramienta solver.
12 POLITÉCNICO GRANCOLOMBIANO
Ya
encontrando
la
herramienta,
vemos
que
como
en
primera
instancia
nos
pide
una
celda
objetivo,
la
cual
será
la
celda
donde
tenemos
formulada
la
función
objetivo,
después
debemos
definir
si
queremos
maximizar
o
minimizar
la
función
objetivo
(para
el
caso
del
modelo
de
transporte
es
minimizar).
El
espacio
que
dice
celdas
cambiantes
son
las
celdas
vacías
que
dejamos
y
con
las
que
formulamos
cada
una
de
las
ecuaciones.
En
el
recuadro
grande
adjuntamos
cada
una
de
las
restricciones
y
por
ultimo
escogemos
el
método
SIMPLEX
LP
en
el
desplegable
del
método
de
solución.
Veamos
en
las
siguientes
figuras
como
se
realiza
este
hecho
14 POLITÉCNICO GRANCOLOMBIANO
Como
se
muestra
en
la
figura
11,
debemos
realizar
el
ingreso
de
cada
una
de
las
restricciones
teniendo
en
cuenta
que
la
celda
de
referencia
será
donde
tenemos
formulada
la
ecuación,
el
signo
debe
ser
el
mismo
que
el
que
tiene
la
restricción
en
el
modelo,
por
ultimo
agregamos
el
valor
al
que
se
debe
asemejar
el
resultado.
Después
de
ingresar
cada
una
de
las
restricciones
del
problema
quedará
el
solver
como
se
muestra
en
la
figura
12.
Después
de
tener
el
modelo
completo
simplemente
le
damos
que
lo
soluciones
y
él
nos
mostrará
un
recuadro
como
se
muestra
en
la
figura
13.
Lo
que
nos
pregunta
en
la
figura
13
Excel
es
que,
si
queremos
mantener
la
solución
que
nos
da
solver,
y
podemos
imprimir
los
reportes
que
son
el
de
resultados,
análisis
de
sensibilidad
y
los
limites
correspondientes
al
sistema,
que
los
veremos
en
la
siguiente
semana.
Por
el
momento
le
damos
que
mantenga
los
valores.
Figura 14. Solución del modelo por medio de la herramienta Solver
Ya
solver
nos
deja
solucionado
con
cuantas
unidades
por
arco
se
van
a
transportar
(el
valor
de
cada
una
de
las
celdas
cambiantes),
también
nos
muestra
de
una
vez
el
valor
de
la
función
objetivo
que
será
el
costo
total
de
la
operación.
16 POLITÉCNICO GRANCOLOMBIANO
Traduciendo
lo
que
nos
da
solver
como
solución;
Según los resultados del modelo el costo mínimo para el problema de transporte es de 2490.
Para
el
problema
de
asignación
es
básicamente
otra
aplicación
del
problema
de
transporte,
en
el
cual
se
busca
asignar
una
cantidad
de
agentes
a
una
cantidad
predeterminada
de
tareas.
Se
debe
tener
en
cuenta
que
cada
una
de
las
asignaciones
tiene
un
costo.
Como
desarrollo
del
modelo
de
asignación
se
debe
tener
en
cuenta
que
se
asume
que
todas
las
tareas
son
desarrollas
y
que
todos
los
agentes
son
asignados.
Este
modelo,
como
ya
se
dijo,
se
basa
en
el
modelo
de
transporte,
pero
con
la
gran
diferencia
que
todas
las
ofertas
y
todas
las
demandas
son
consideradas
como
1,
lo
que
quiere
decir
que
solo
se
puede
asignar
un
agente
a
una
tarea,
por
lo
tanto
el
modelo
en
sus
restricciones
queda
como
una
noción
binaria
(de
1
y
0).
Para
realizar
la
representación
como
red
se
define
que
cada
uno
de
los
agentes
y
las
tareas
se
representan
como
nodos,
mientras
que
las
asignaciones
se
representan
como
arcos,
los
arcos
son
los
que
definen
las
posibles
asignaciones
entre
el
agente
y
la
tarea
con
los
que
contamos.
Cada
uno
de
los
arcos
se
les
asigna
un
costo,
a
diferencia
del
modelo
de
transporte
se
asigna
una
demanda
y
una
oferta.
Para
evidenciarlo
de
manera
más
clara
podremos
en
la
figura
15
como
se
dibujaría
la
red.
Debemos
tener
en
cuenta
que
siempre
en
un
modelo
de
asignación
se
busca
minimizar
los
costos
de
asignar
un
agente
a
una
determinada
tarea.
Para
definir
el
modelo
de
manera
matemática
tenemos
las
siguientes
ecuaciones:
9 8
18 POLITÉCNICO GRANCOLOMBIANO
La
función
objetivo
es
la
suma
los
costos
por
la
tarea
que
se
cumple,
mientras
que
las
restricciones
suman
1,
porque
por
definición
los
agentes
quedaran
asignados
por
lo
menos
1
a
cada
tarea.
También
para
el
modelo
de
asignación
tenemos
casos
especiales
como
lo
son;
𝑋"$ ≤ 1
$
𝑋"$ ≤ 𝑎
$
• Si una asignación no es aceptada simplemente se elimina del modelo.
Un
contratista
paga
sus
empleados
un
sueldo
base
más
una
comisión
proporcional
a
la
distancia
recorrida
para
hacer
el
trabajo.
En
un
día
en
particular
el
contratista
tiene
que
cumplir
con
tres
trabajos
eléctricos
asociados
a
diferentes
proyectos.
A
continuación,
se
presentan
las
distancias
de
los
empleados
a
cada
proyecto.
PROYECTOS
EMPLEADOS A B C
W 50 36 16
F 28 30 18
G 35 32 20
U 25 25 14
20 POLITÉCNICO GRANCOLOMBIANO
𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜:
Para
las
restricciones
debemos
tener
en
cuenta
que
el
modelo
es
un
caso
especial
en
el
que
tengo
más
agentes
que
tareas
por
lo
tanto
el
modelo
queda
de
la
siguiente
manera.
Ahora, ya teniendo la definición de modelo lo pasamos a Excel como se muestra en la figura 17.
Se colocan las restricciones en solver como se muestra en la figura 18.
El
Resultado
del
modelo,
es
que
se
asigna
al
trabajador
W
a
la
tarea
3,
generando
una
distancia
de
16.
Se
asigna
al
trabajador
F
a
la
tarea
1,
dando
así
una
distancia
de
28.
El
trabajador
G
no
se
le
asigna
ninguna
tarea.
Por
último
el
trabajador
U
se
le
asigna
la
tarea
2
con
una
distancia
de
25,
por
lo
tanto
en
el
total
de
las
distancias
a
recorrer
será
de
69.
La
solución
en
solver
se
ve
como
se
presenta
en
la
figura
19.
22 POLITÉCNICO GRANCOLOMBIANO
REFERENCIAS
Referencias bibliográficas
Anderson,
D.
S.
(2005).
Métodos
Cuantitativos
para
los
Negocios
(Novena
Edición
ed.).
México:
Cengage
Learning
Editores.
Bazaraa,
M.
J.
(1996).
Programación
Lineal
y
Flujo
en
Redes
(Segunda
edición
ed.).
México:
Limusa.
Bazarra,
M.,
&
Jarvis,
J.
J.
(2005).
Programación
lineal
y
flujo
en
redes.
(Segunda
Edición.
ed.).
México:
Limusa
Editores.
.
Castillo.
(20
de
Noviembre
de
2007).
Departamento
Unican.
Recuperado
de
Unican:
http://departamentos.unican.es/macc/personal/profesores/castillo/libro.htm
Hillier,
F.
&.
(2006).
Texto
principal:
Introducción
a
la
Investigación
de
Operaciones.
(6ª
Edición.
ed.).
N/A:
McGraw
Hill.
.
Hillier, F. &. (2006). Investigación de Operaciones (Octava Edición ed.). México: McGraw-‐Hill.
Hillier,
F.
&.
(2008).
Métodos
Cuantitativos
Para
Administración
(Tercera
Edición
ed.).
México:
McGraw-‐Hill.
Hopp, W. &. (2008). M. Factory Physics. NY: McGraw Hill.
Taha,
H.
(1997).
Investigación
de
Operaciones:
Una
Introducción
(Sexta
edición
ed.).
NY:
Prentice
Hall.
Winston,
W.
(2005).
Investigación
de
Operaciones
Aplicaciones
y
Algoritmos
(Cuarta
Edición
ed.).
México:
Thomson.
24 POLITÉCNICO GRANCOLOMBIANO
MODELO DE TRANSBORDO Y
ANALISIS DE SENSIBILIDAD
MODELOS PARA LA TOMA DE DECISIONES
AUTOR:Gabriel Mauricio Yañez Barreto
INDICE
El
modelo
de
transbordo
es
otra
aplicación
del
modelo
de
transporte,
solo
que
aquí
se
añaden
unos
nodos
de
paso
entre
los
inicios
y
los
finales,
estos
pueden
ser
convertidos
en
problemas
de
transporte
más
grandes
y
solucionados
como
modelos
de
transporte.
Para
realizar
la
representación
como
red
de
este
tipo
de
modelo
tenemos
tres
grupos
de
nodos,
los
cuáles
serán
los
correspondientes
a
los
inicios,
transbordos
y
por
último
los
destinos.
Cada
uno
de
estos
conjuntos
de
nodos,
se
encuentran
unidos
por
arcos
que
son
los
que
definen
los
caminos
que
se
pueden
seguir.
Teniendo
en
cuenta
que
es
una
forma
de
un
modelo
de
transporte,
también
se
tiene
en
cuenta
el
costo
por
transportar
un
“bien”
de
un
punto
a
otro,
pero
pasando
por
un
punto
intermedio.
Por
lo
tanto,
cada
uno
de
los
nodos
de
inicio
cuenta
con
una
oferta,
mientras
que
los
nodos
de
finalización
cuentan
con
una
demanda
que
se
debe
cumplir.
2 POLITÉCNICO GRANCOLOMBIANO
Debemos
tener
en
cuenta
que
siempre
en
un
modelo
de
transbordo
se
busca
minimizar
los
costos
de
transportar
un
bien,
desde
un
origen
hasta
un
final,
pasando
por
un
transbordo
con
un
costo
relacionado
por
realizar
el
envío
desde
el
inicio
hasta
el
transbordo
y
después
otro
costo
por
enviar
del
transbordo
hasta
el
destino
final.
Para
definir
el
modelo
de
manera
matemática
tenemos
las
siguientes
ecuaciones;
7 6
6 7
Lo
que
nos
dice
que
la
función
objetivo
es
básicamente
de
la
misma
manera
que
el
modelo
de
transporte
que
es
la
sumatoria
de
los
costos
por
las
variables
de
decisión,
la
diferencia
en
este
caso
es
que
tenemos
más
variables
de
decisión
ya
que
contamos
con
más
arcos.
Para
las
restricciones
tenemos
que
por
cada
uno
de
los
nodos
contaremos
con
una
restricción,
si
estamos
hablando
de
los
nodos
de
inicio
la
restricción
es
que
la
suma
de
todo
lo
que
sale
del
nodo
tiene
que
ser
menor
o
igual
a
la
oferta
de
este
nodo.
Para
los
nodos
de
transbordo
tenemos
que
la
restricción
es
que
la
suma
de
todo
lo
que
entra
al
nodo
menos
todo
lo
que
sale
de
él
debe
ser
0,
ya
que
en
un
transbordo
no
se
almacena
mercancía.
Por
ultimo
para
los
nodos
de
destino
tenemos
que
la
suma
de
todo
lo
que
entra
en
un
nodo
de
destino
es
igual
a
la
demanda
del
mismo.
Thomas
Industries
y
Washburn
Corporation
proveen
a
tres
firmas
(Zrox,
Hewes,
Rockwright)
las
cuales
personalizan
los
estantes
para
sus
oficinas.
Ambos
ordenan
los
estantes
a
los
mismos
fabricantes,
Arnold
Manufacturers
y
Supershelf,
Inc.
Actualmente
las
demandas
semanales
por
parte
de
sus
clientes
son:
50
para
Zrox,
60
para
Hewes,
y
40
para
Rockwright.
Tanto
Arnold
como
Supershelf
pueden
entregar
a
lo
sumo
75
unidades
semanalmente.
Debido
a
largos
contratos,
basados
en
acuerdos
especiales,
los
costos
unitarios
para
cada
estante
varían
para
cada
cliente.
Éstos
son:
Thomas Washburn
Arnold 5 8
Supershelf 7 4
4 POLITÉCNICO GRANCOLOMBIANO
El
costo
de
instalación
es
diferente
para
cada
una
de
las
firmas
como
se
ve
en
la
tabla
#2.
Thomas 1 5 8
Washburn 3 4 4
Para
construir
la
red
para
el
ejemplo
tenemos
que
definir
cuál
será
el
grupo
de
nodos
de
inicio,
cuáles
serán
los
transbordos
y
por
ultimo
cuáles
serán
los
destinos.
Por
lo
tanto,
si
analizamos
bien
las
empresas
Arnold
y
Supershelf
será
nuestros
nodos
de
inicio
cada
uno
con
una
oferta
de
75,
mientras
que
nuestros
transbordos
serán
Thomas
y
Washburn,
por
ser
los
transbordos
ellos
no
cuentan
con
mercancía
en
stock.
Por
ultimo
encontramos
que
los
finales
serán
Zrox
Hewes
y
Rockwright.
Dibujamos la red teniendo en cuenta el análisis realizado en el párrafo anterior.
Ya
teniendo
la
red
inicial
podemos
iniciar
a
colocar
a
cada
uno
de
los
nodos
los
datos
completos,
como
para
cada
nodo
de
inicio
la
oferta
inicial
es
de
75,
el
costo
entre
cada
camino
que
está
relacionado
en
las
tablas,
y
las
demandas
de
cada
uno
de
los
finales
que
son
50,
60
y
40
respectivamente.
Ya
en
la
figura
3
veremos
la
red
completa.
Ahora definimos las variables de decisión para este caso de manera más clara que en la red.
𝑋23 = 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛𝑣𝑖𝑎𝑑𝑎 𝑑𝑒𝑠𝑑𝑒 𝑙𝑎 𝑓á𝑏𝑟𝑖𝑐𝑎 𝑖 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑑𝑜𝑟 𝑗.
𝑥3O = 𝑙𝑎 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑒𝑛𝑣𝑖𝑎𝑑𝑎 𝑑𝑒𝑠𝑑𝑒 𝑒𝑙 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖𝑑𝑜𝑟 𝑗 ℎ𝑎𝑠𝑡𝑎 𝑒𝑙 𝑑𝑒𝑠𝑡𝑖𝑛𝑜 𝑘.
6 POLITÉCNICO GRANCOLOMBIANO
Para
definir
la
función
objetivo
debemos
tener
en
cuenta
que
es
la
suma
de
los
costos
multiplicados
por
las
variables
de
decisión,
por
lo
tanto,
la
función
objetivo
quedara
de
la
siguiente
manera;
Para
las
restricciones
vamos
a
escribirlas
de
manera
separada
para
que
queden
totalmente
claras,
entonces
por
cada
uno
de
los
inicios
tenemos;
𝑋ab + 𝑋ae ≤ 75 𝐸𝑠𝑡𝑎 𝑠𝑒𝑟í𝑎 𝑝𝑎𝑟𝑎 𝑙𝑜 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑛𝑣𝑖𝑎𝑟 𝐴𝑟𝑛𝑜𝑙𝑑.
𝑋fb + 𝑋fe ≤ 75 𝐸𝑠𝑡𝑎 𝑠𝑒𝑟í𝑎 𝑝𝑎𝑟𝑎 𝑙𝑜 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑛𝑣𝑖𝑎𝑟 𝑆𝑢𝑝𝑒𝑟𝑠ℎ𝑒𝑙𝑓
Ahora para cada uno de los transbordos tenemos las siguientes expresiones;
𝑋ab + 𝑋fb − 𝑋bg − 𝑋bh − 𝑋bi = 0 𝐸𝑠𝑡𝑎 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛 𝑠𝑒𝑟í𝑎 𝑝𝑎𝑟𝑎 𝑇ℎ𝑜𝑚𝑎𝑠.
𝑋ae + 𝑋fe − 𝑋eg − 𝑋eh − 𝑋ei = 0 𝐸𝑠𝑡𝑎 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖𝑜𝑛 𝑒𝑠 𝑝𝑎𝑟𝑎 𝑊𝑎𝑠ℎ𝑏𝑢𝑟𝑛.
Ahora para cada uno de los finales tendremos también una serie de restricciones;
Por
ultimo
tendremos
una
restricción
que
es
súper
importante,
la
de
no
negatividad
ya
que
no
podemos
tener
un
numero
negativo
de
unidades.
𝑋23 , 𝑋3O ≥ 0
Por lo tanto, el modelo completo quedará de la siguiente manera:
𝑋fb + 𝑋fe ≤ 75
𝑋bg + 𝑋eg = 50
𝑋bh + 𝑋eh = 60
𝑋bi + 𝑋ei = 40
𝑋23 , 𝑋3O ≥ 0
Ahora nos dirigimos a Excel a montar el ejemplo en un cuadro, para solucionarlo con solver:
Figura
4.
Montaje
del
modelo
en
Excel
Si
nos
fijamos
tenemos
algunos
de
los
valores
en
-‐1,
toca
de
esta
manera
para
poder
lograr
formular
la
resta
de
manera
sencilla,
tengamos
en
cuenta
que
en
los
transbordos
se
suma
lo
que
entre
y
se
le
resta
lo
que
salga
del
mismo.
Ahora
nos
dedicamos
a
montar
cada
una
de
las
restricciones
en
solver.
8 POLITÉCNICO GRANCOLOMBIANO
Ahora le damos que solucione el modelo y nos arroja el resultado de la figura 6.
Figura
6.
Solución
del
problema
en
solver
Teniendo
en
cuenta
el
resultado
nos
damos
cuenta
que
el
costo
de
la
operación
total
será
de
1150,
enviando
75
unidades
desde
la
fábrica
de
Arnold
a
Thomas,
75
unidades
desde
Supershelf
a
Washburn,
enviando
las
50
unidades
demandas
desde
Thomas
a
Zrox,
Pero
desde
Thomas
también
se
le
envían
25
unidades
a
Hewes,
para
completar
la
demanda
de
Hewes
se
deben
enviar
las
35
unidades
faltantes
desde
Washburn,
por
último
se
cumple
con
las
40
unidades
de
Rockwright
con
lo
que
quedaba
en
Washburn.
Permite responder preguntas del tipo “¿Qué pasaría si?” acerca del problema.
• max 𝑧 = 5 ∗ 𝑥a + 7 ∗ 𝑥f
• 𝑠. 𝑎.
𝑥a ≤ 6
• 2 ∗ 𝑥a + 3 ∗ 𝑥f ≤ 19
• 𝑥a + 𝑥f ≤ 8
• 𝑥a , 𝑥f ≥ 0
10 POLITÉCNICO GRANCOLOMBIANO
•
Figura
7.
Solución
óptima
por
método
gráfico
El
rango
de
optimalidad
de
cada
coeficiente
provee
el
rango
de
valores
sobre
el
cual
la
actual
solución
permanecerá
óptima.
Se
debe
enfocar
los
esfuerzos
en
aquellos
coeficientes
que
tienen
un
rango
de
optimalidad
más
estrecho
y
en
aquellos
más
cerca
de
los
bordes
del
intervalo.
Gráficamente,
los
límites
del
rango
de
optimalidad
son
encontrados
cambiando
la
pendiente
de
la
línea
de
la
función
objetivo
dentro
de
los
límites
de
las
pendientes
de
las
restricciones
activas.
La
pendiente
de
la
línea
de
la
función
objetivo,
max 𝑐a 𝑥a + 𝑐f 𝑥f ,
es−𝑐a /𝑐f ,
y
la
pendiente
de
una
restricción,
𝑎a 𝑥a + 𝑎f 𝑥f = 𝐵
,
es
−𝑎a /𝑎f
La
pendiente
de
la
línea
de
la
función
objetivo
es
−𝑐a /𝑐f
.
La
pendiente
de
la
primera
restricción
𝑥a + 𝑥f ≤ 8
es
-‐1
y
de
la
segunda
restricción
2 ∗ 𝑥a + 3 ∗ 𝑥f ≤ 19
es -‐2/3. Dejando 𝑐f fijo en el valor de 7, tenemos que: -‐‑1 < 𝑐a /7 < -‐‑2/3
12 POLITÉCNICO GRANCOLOMBIANO
Rango
de
optimalidad
para
𝑐f
Dejando
𝑐a fijo
en
el
valor
de
5,
tenemos
que:
-‐‑1
<
5
/𝑐f
<
-‐‑2/3
Despejando
𝑐f
se
obtiene:
5
<𝑐f
<
15/2
Ahora
también
en
solver
podemos
pedir
que
nos
entregue
varios
informes
en
donde
encontraremos
los
rangos
para
cada
una
de
las
variables.
Veamos
como
lo
hacemos
Como
vemos
en
la
figura
10,
cuando
solver
nos
dice
que
si
quiere
conservar
la
solución
en
el
lado
derecho
podemos
seleccionar
los
informes
que
queremos,
por
lo
tanto
pedimos
el
informe
de
sensibilidad.
Las
columnas
que
nos
importan
son
las
3
últimas
de
las
celdas
variables
que
son
las
que
nos
dan
los
datos
más
importantes
de
las
variaciones
con
sus
límites
correspondientes
a
cada
una
de
las
variables.
Para analizar los datos del lado derecho de cada una de las ecuaciones tenemos.
Un
cambio
en
el
lado
derecho
de
una
restricción
puede
afectar
la
región
factible
y
tal
vez
cause
un
cambio
en
la
solución
óptima.
El rango de factibilidad es el rango sobre el cual el precio sombra es aplicable.
Cuando
el
RHS
incrementa,
otras
restricciones
se
pueden
convertir
en
activas
y
limitan
el
cambio
en
el
valor
de
la
función
objetivo.
14 POLITÉCNICO GRANCOLOMBIANO
Mientras
que
para
el
precio
sombra:
• El
precio
sombra
es
la
diferencia
entre
los
valores
de
las
funciones
objetivo
del
problema
nuevo
y
del
problema
original.
• El
precio
sombra
para
una
restricción
No-‐‑activa
es
0.
• Un
precio
sombra
negativo
(en
un
problema
de
Max)
indica
que
la
función
objetivo
no
mejorará
si
el
RHS
es
incrementado.
• El
rango
de
factibilidad
para
un
cambio
en
el
RHS
es
el
rango
de
valores
que
puede
tomar
dicho
coeficiente
sin
que
el
precio
sombra
cambie.
• Gráficamente,
el
rango
de
factibilidad
se
determina
encontrando
los
valores
del
RHS
que
no
cambian
ninguna
restricción
activa
a
No-‐‑activa.
Actividad
en
Arco
Es
una
red
en
la
que
las
actividades
son
representadas
con
el
uso
de
(AOA):
arcos.
Actividad
en
Nodo
Es
una
red
en
la
que
las
actividades
son
representadas
con
el
uso
de
(AON):
nodos.
Proceso
que
nos
permite
determinar
el
nivel
de
sensibilidad
de
la
mejor
solución
ante
los
cambios
de
los
valores
que
se
usaron
en
las
ecuaciones.
También
estudia
el
grado
de
sensibilidad
de
la
mejor
Análisis
de
Sensibilidad:
solución
ante
hipótesis
de
modelo
y
actualización
de
información.
En
estos
casos
se
le
conoce
como
Análisis
de
Postoptimalidad.
Enunciado
matemático
del
objetivo
de
una
organización
con
el
que
se
Función
Objetivo:
intenta
maximizar
o
minimizar
una
cantidad
de
gran
importancia
como
ganancias
o
gastos.
16 POLITÉCNICO GRANCOLOMBIANO
REFERENCIAS
Referencias bibliográficas
Anderson,
D.
S.
(2005).
Métodos
Cuantitativos
para
los
Negocios
(Novena
Edición
ed.).
México:
Cengage
Learning
Editores.
Bazaraa,
M.
J.
(1996).
Programación
Lineal
y
Flujo
en
Redes
(Segunda
edición
ed.).
México:
Limusa.
Bazarra,
M.,
&
Jarvis,
J.
J.
(2005).
Programación
lineal
y
flujo
en
redes.
(Segunda
Edición.
ed.).
México:
Limusa
Editores.
.
Hillier,
F.
&.
(2006).
Texto
principal:
Introducción
a
la
Investigación
de
Operaciones.
(6ª
Edición.
ed.).
N/A:
McGraw
Hill.
.
Hillier, F. &. (2006). Investigación de Operaciones (Octava Edición ed.). México: McGraw-‐Hill.
Hillier,
F.
&.
(2008).
Métodos
Cuantitativos
para
Administración
(Tercera
Edición
ed.).
México:
McGraw-‐Hill.
Hopp, W. &. (2008). M. Factory Physics. NY: McGraw Hill.
Taha,
H.
(1997).
Investigación
de
Operaciones:
Una
Introducción
(Sexta
edición
ed.).
NY:
Prentice
Hall.
Winston,
W.
(2005).
Investigación
de
Operaciones
Aplicaciones
y
Algoritmos
(Cuarta
Edición
ed.).
México:
Thomson.
Introducción
Recomendaciones académicas
a. Teoría de colas
b. Ley de Little
c. Colas Markovianas
d. Ejemplo
Referencias
Referencias bibliográficas
INTRODUCCIÓN
En esta cartilla se revisarán los temas relacionados con la toma de decisiones por medio del uso de la
distribución de tareas y asignaciones para un sistema completo de colas, donde se encuentran
relacionadas la cantidad de servidores y de colas según sea necesario, con la finalidad de evitar que el
usuario demore mucho dentro del sistema logrando un tiempo acorde entre el momento que entra al
sistema y el momento en el que sale. Tenga en cuenta que es importante que tome nota de lo que está
realizando y que realice los ejercicios desarrollados para un mayor entendimiento de los mismos.
RECOMENDACIONES ACADÉMICAS
Para profundizar un poco más en el tema no olviden que dentro de los recursos virtuales de la institución
puede encontrar varios tipos de documentos que pueden ser útiles, como lo son libros de investigación
2 POLITÉCNICO GRANCOLOMBIANO
de operaciones o de administración científica, también puede encontrar artículos y documentos
investigativos de aplicación.
a. Teoría de colas
El origen de la Teoría de Colas está en el esfuerzo de Agner Krarup Erlang (Dinamarca, 1878 - 1929)
(Anderson, 2005) en 1909 para analizar la congestión de tráfico telefónico con el objetivo de cumplir la
demanda incierta de servicios en el sistema telefónico de Copenhague. Sus investigaciones acabaron en
una nueva teoría llamada teoría de colas o de líneas de espera. Esta teoría es ahora una herramienta de
valor en negocios debido a que muchos de sus problemas pueden caracterizarse como problemas de
congestión llegada - partida.
Una cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que
describen sistemas de líneas de espera particulares o de sistemas de colas. Los modelos sirven para
encontrar un buen compromiso entre costes del sistema y los tiempos promedio de la línea de espera
para un sistema dado.
El problema es determinar qué capacidad o tasa de servicio proporciona el balance correcto. Esto no es
sencillo, ya que un cliente no llega a un horario fijo, es decir, no se sabe con exactitud en que momento
llegarán los clientes.
Los problemas de colas se presentan permanentemente la vida diaria: un estudio de EE.UU. concluyó
que un ciudadano medio pasa 5 años de su vida esperando en distintas colas, y de ellos casi 6 meses
parado en los semáforos.
Mecanismo de
Situación Llegadas Cola
servicio
Entonces por definición, la teoría de Colas es el estudio matemático del comportamiento de líneas de
espera. Estas se presentan cuando "clientes" llegan a un "lugar" demandando un servicio a un "servidor"
el cual tiene cierta capacidad de atención. Si el servidor no está disponible inmediatamente y el cliente
decide esperar, entonces se forma en la línea de espera.
A continuación realizaremos el estudio de los conceptos básicos necesarios para el caso de las teorías de
colas.
4 POLITÉCNICO GRANCOLOMBIANO
Instalaciones de Servicio: este término se usa para referirse a:
Líneas telefónicas
Talleres de reparación
Pistas de aeropuerto
Tasa de Servicio: este término se usa para designar la capacidad de servicio, por ejemplo:
Un sistema telefónico entre dos ciudades puede manejar 90 llamadas por minuto
Una instalación de reparación puede de media, reparar máquinas a razón una cada 8
horas.
Número de servidores de servicio: Es la cantidad de servidores de que disponemos:
El número de servidores no tiene porqué ser siempre en paralelo, es decir, puede que un sistema de
colas tenga varias fases.
Tabla 2. Tipos de colas dependiendo de la cantidad de servidores y fases
Línea de producción
Uno Varias
secuencial.
Funcionamiento de
Varios Una
operaciones bancarias.
Centros de exámenes
Varios Varias
médicos.
Ahora revisaremos los costes que van asociados a las teorías de las colas.
¿Por qué es necesario contar con herramientas de optimización para los problemas de colas?
Por ejemplo, el valor del tiempo perdido o la gasolina malgastada en los atascos o los semáforos.
Lo normal es pensar que estos costes de espera decrecen conforme aumenta la capacidad de servicio del
sistema.
Contra la reducción anterior de costes de espera, es también normal que el coste asociado a incrementar
la capacidad de servicio crezca con alguna proporcionalidad en relación a esta capacidad.
6 POLITÉCNICO GRANCOLOMBIANO
c. Los costes totales del sistema de servicio
La suma de los dos costes anteriores da una función de costes totales del sistema en función de la
capacidad, que tendrá una forma similar a la siguiente:
Dada la función de costes anterior, los objetivos de la Teoría de Colas consisten en:
Identificar el nivel óptimo de capacidad del sistema que minimiza el coste global del mismo
Evaluar el impacto que las posibles alternativas de modificación de la capacidad del sistema
tendrían en el coste total del mismo
8 POLITÉCNICO GRANCOLOMBIANO
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, eso puede hacer que un cliente “abandone”
el sistema.
Según el tipo de sistema de colas, tenemos varios tipos de éstas, las cuales son:
El primer sistema que se muestra se llama un sistema de un servidor y una cola o puede describir
una consulta de un médico.
El segundo, una línea con múltiples servidores, es típico de una peluquería o una panadería en
donde los clientes toman un número al entrar y se les sirve cuando les llega el turno.
El tercer sistema, en que cada servidor tiene una línea separada, es característico de los bancos y
las tiendas de autoservicio. Para este tipo de servicio pueden separarse los servidores y tratarlos
como sistemas independientes de un servidor y una cola. Esto sería válido sólo si hubiera muy
pocos intercambios entre las colas.
David G. Kendall introdujo una notación de colas A/B/C en 1953 para describir las colas y sus
características. Esta ha sido desde entonces extendida a 1/2/3/ (4/5/6) donde los números se
reemplazan con :
a. M para "Markoviano" (la tasa de llegadas sigue una distribución de Poisson), significando una
distribución exponencial para los tiempos entre llegadas.
10 POLITÉCNICO GRANCOLOMBIANO
b. D para unos tiempos entre llegadas "determinísticas".
c. G para una "distribución general" de los tiempos entre llegadas o del régimen de llegadas.
1. Un código similar que representa el proceso de servicio (tiempo de servicio). Se usan los mismos
símbolos.
Last Come First Served (LCFS) o Last In First Out (LIFO), 6. El tamaño de la población desde donde
los clientes vienen.
Según la Figura 4, las colas pueden tomar la distribución de tiempo de arribos y tiempo de servicio como
exponenciales, constantes o determinísticas según sea el caso, por ejemplo, nombrar una cola M/M/1,
sería una cola con tiempo de arribo exponencial, con un tiempo de servicio exponencial y con solo un
servidor.
b. Ley de Little
La ley de Little establece las ecuaciones o formas de encontrar los datos más importantes dentro de un
problema de colas, para establecer de manera concreta cuales serán la cantidad de clientes dentro de
una cola, el tiempo que se demora un cliente en una cola, la cantidad de clientes que están siendo
12 POLITÉCNICO GRANCOLOMBIANO
atendidos o la probabilidad que un servidor se encuentre ocupado, por lo tanto tendremos las siguientes
expresiones;
𝐿 = 𝐸 [𝑛] = ∑ 𝑛 ∗ 𝑃𝑛
𝑛=0
∞
𝐿𝑞 = 𝐸[𝑛𝑞 ] = ∑ (𝑛 − 𝑐) ∗ 𝑃𝑛
𝑛=𝑐+1
c. Colas Markovianas
Las colas markovianas son básicamente aquellas con distribuciones exponenciales, ya sean en el tiempo
de arribo como en el tiempo de servicio. Por lo tanto, debemos tener en cuenta las colas M/M/1 o las
M/M/c, que son las que veremos a continuación;
𝜆 𝜆
𝐿= 𝜌=
𝜇−𝜆 𝜇
𝜆2
𝐿𝑞 = 𝑃𝑛 = 𝜌𝑛 ∗ (1 − 𝜌)
𝜇∗(𝜇−𝜆)
𝜆
𝐿𝑠 =
𝜇
1
𝑊=
𝜇−𝜆
𝜆
𝑊𝑞 =
𝜇∗(𝜇−𝜆)
1
𝑊𝑠 =
𝜇
Ahora debemos tener en cuenta que para poder utilizar este modelo se debe tener una condición de
estabilidad la cual está definida de la siguiente manera:
𝜆<𝜇
Ahora, para estandarizar los modelos tenemos las siguientes ecuaciones que definen el modelo
independientemente de la cantidad de servidores con los que se cuente, por lo tanto;
14 POLITÉCNICO GRANCOLOMBIANO
Las principales medidas de desempeño tenemos
d. Ejemplo
b. El tiempo promedio que un vehículo tardará desde que llega al peaje hasta que lo cruza
La caseta de peaje se puede modelar como un sistema M/M/1, con tasa de arribos =10 v/h y tasa de
servicio =15 v/h. Note que se cumple la condición de estabilidad (10 < 15).
b. Tiempo promedio desde que un vehículo llega al peaje hasta que lo cruza.
1 1
𝑊= = ℎ𝑜𝑟𝑎 = 12 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
15 − 10 5
16 POLITÉCNICO GRANCOLOMBIANO
10
𝐿= = 2 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠
15 − 10
102 4
𝐿𝑞 = = 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠.
15 ∗ (15 − 10) 3
10 2
𝑊𝑞 = = 𝐻𝑜𝑟𝑎 = 8 𝑚𝑖𝑛𝑢𝑡𝑜𝑠.
15∗(15−10) 5
f. La proporción del tiempo que el cajero debe trabajar.
10 2
𝜌= =
15 3
REFERENCIAS
Referencias bibliográficas
Anderson, D. S. (2005). Métodos Cuantitativos para los Negocios (Novena ed.). México: Cengage Learning
Editores.
Bazarra, M., & Jarvis, J. J. (2005). Programación lineal y flujo en redes. (Segunda ed.). México: Limusa
Editores. .
Hillier, F. &. (2006). Texto principal: Introducción a la Investigación de Operaciones. (6ª ed.). N/A:
McGraw Hill. .
Hillier, F. &. (2006). Investigación de Operaciones (Octava Edición ed.). México: McGraw-Hill.
Hillier, F. &. (2008). Métodos Cuantitativos para Administración (Tercera ed.). México: McGraw-Hill.
Taha, H. (1997). Investigación de Operaciones: Una Introducción (Sexta ed.). NY: Prentice Hall.
18 POLITÉCNICO GRANCOLOMBIANO
MODELOS DE TOMA DE DECISIONES 19
FORMULACIÓN DE PROBLEMAS
MODELO
PARA LA TOMAS DE DECISIONES
AUTOR:
Gabriel Mauricio Yañez Barreto
ÍNDICE
1. Formulación
de
problemas.
2. Matriz
de
pagos
3. Criterios
de
manejo
de
toma
de
decisiones.
3.1. Criterio
optimista.
3.2. Criterio
conservador.
3.3. Criterio
minimax.
4. Árboles
de
decisión.
2 POLITÉCNICO GRANCOLOMBIANO
Estos
criterios
son:
• Criterio Optimista.
• Criterio Conservador.
• Criterio Minimax(Arrepentimiento).
Demanda
Alta
Media
Baja
Pequeña
4
4
-‐2
Tamaño
de
la
Mediana
0
3
-‐1
planta
Alta
1
5
-‐3
Fuente:
Elaboración
propia
2016.
Demanda
Alta
Media
Baja
MAX
Pequeña
4
4
-‐2
4
Tamaño
de
la
Mediana
0
3
-‐1
3
planta
Alta
1
5
-‐3
5
Fuente:
Elaboración
propia
2016.
La
mejor
de
las
alternativas
seria
construir
una
planta
con
una
demanda
media,
según
lo
que
nos
muestra
la
tabla
1,
por
lo
tanto,
el
tomador
de
decisiones
se
enfoca
en
esta
decisión
como
tal.
ii. Para
tomar
la
decisión
se
toma
la
peor
de
las
opciones
y
de
las
peores
se
toma
la
mejor
o
que
genere
mejor
pago.
iii. Si
la
tabla
está
en
función
de
los
costos
se
toman
primero
los
peores
pagos
y
de
estos
se
escoge
el
mejor.
Ahora
para
resolver
el
problema
de
la
compañía
ACME
tenemos
que
en
la
tabla
de
escenarios
posibles
(ver
tabla1.)
los
estados
de
la
naturaleza
serán
qué
tipo
de
planta
abriremos,
por
lo
que
se
define
que
el
criterio
conservador
se
toma
el
peor
de
los
casos
y
de
este
se
toma
la
mejor
solución.
Por
lo
tanto,
tendremos
la
siguiente
tabla
4 POLITÉCNICO GRANCOLOMBIANO
Tabla
3.
Criterio
Conservador.
Demanda
Alta
Media
Baja
MAX
Pequeña
4
4
-‐2
-‐2
Tamaño
de
la
Mediana
0
3
-‐1
-‐1
planta
Alta
1
5
-‐3
-‐3
Fuente:
Elaboración
propia
2016.
Al
considerar
el
peor
de
los
escenarios
se
toma
la
mejor
de
las
soluciones
del
mismo
por
lo
tanto
la
solución
es
una
planta
mediana.
ii. La
tabla
se
construye
al
calcular,
para
cada
estado
de
la
naturaleza,
la
diferencia
entre
el
pago
de
cada
alternativa
con
el
mejor
pago
para
dicho
estado
de
la
naturaleza.
iii. A
cada
alternativa
se
le
asigna
el
mayor
costo
de
oportunidad
posible,
luego
se
selecciona
la
alternativa
con
el
menor
de
los
costos
asignados.
Es
decir,
se
selecciona
la
alternativa
con
el
mínimo
de
los
costos
de
oportunidad
máximos.
Para
resolver
el
problema
por
medio
del
criterio
minimax
tenemos
Tabla
4.
Creación
de
la
nueva
matriz
de
pagos.
Demanda
Alta
Media
Baja
Pequeña
4-‐4
5-‐4
-‐1+2
Tamaño
de
la
Mediana
4-‐0
5-‐3
-‐1+1
planta
Alta
4-‐1
5-‐5
-‐1+3
Fuente:
Elaboración
propia
2016.
Demanda
Alta
Media
Baja
MAX
Pequeña
0
1
1
1
Tamaño
de
la
Mediana
4
2
0
4
planta
Alta
3
0
2
3
Fuente:
Elaboración
propia
2016.
ii. El
pago
esperado
de
cada
decisión
es
calculado
al
ponderar
los
pagos
bajo
cada
estado
de
la
naturaleza
con
la
probabilidad
respectiva
de
cada
estado.
iii. La decisión escogida será la que presente el mejor valor esperado.
iv. El
valor
esperando
de
la
decisión
𝑑" esta
dado
por
la
siguiente
expresión
;
)
𝐸𝑉 𝑑" = 𝑃 𝑠( 𝑉"(
(*+
Donde
N=Numero
de
estados
de
la
naturaleza.
𝑃 𝑠( =Probabilidad
de
que
ocurra
el
estado
di.
𝑉"( =el
pago
obtenido
por
di
y
el
estado
de
la
naturaleza
sj.
6 POLITÉCNICO GRANCOLOMBIANO
Al
final
de
cada
rama-‐fin
del
árbol
se
encuentran
los
pagos
acumulados
de
todas
las
ramas
desde
el
inicio
hasta
la
rama-‐fin
Ejemplo
2.
El
restaurante
Burger
Prince
está
considerando
construir
un
nuevo
restaurante
en
la
carrera
séptima.
Se
ha
estimado
que
la
tasa
de
arribo
de
clientes
al
restaurante
puede
ser
de
80
clientes/hora
(s )
con
una
probabilidad
del
40%,
100
clientes/hora
(s )
con
una
probabilidad
del
1 2
20%
y
120
clientes/hora
(s )
con
una
probabilidad
del
40%.
El
restaurante
puede
abrir
uno
de
3
tres
tipos
de
locales
(d ,
d o
d ).
Las
utilidades
promedio
(en
dólares)
para
cada
escenario
se
1 2
3
muestran
a
continuación.
Tabla
6.
Matriz
del
ejemplo2.
Demanda
80c/h
100
c/h
120
c/h
D1
10000
15000
14000
Modelo
Local
D2
8000
18000
12000
D3
6000
16000
21000
Fuente:
Elaboración
propia
2016.
Por
lo
tanto,
la
respuesta
para
el
ejemplo
será
el
estado
3
o
D3.
Valor
esperado
de
la
información
perfecta:
Con
frecuencia,
antes
de
tomar
una
decisión,
se
puede
contar
con
información
que
permite
mejorar
la
estimación
de
las
probabilidades
de
los
estados
de
la
naturaleza.
• El
EVPI
ofrece
un
valor
límite
del
precio
que
se
deberá
pagar
por
la
información
muestral.
Pasos
para
Calcular
el
EVPI:
• Determine el pago óptimo para cada estado de la naturaleza.
8 POLITÉCNICO GRANCOLOMBIANO
Ahora
lo
primero
es
que
hallan
los
mejores
pagos
para
cada
estado
de
la
naturaleza
80
c/h
100
c/h
120
c/h
Pago
optimo
10000
18000
21000
Por
lo
tanto
hallamos
0.4*10000+0.2*18000+0.4*21000=
16000
,
por
lo
tanto
como
el
valor
esperado
del
mejor
de
los
resultados
es
14000
el
EVPI
será
de
:
EVPI=
16000-‐14000=2000
Probabilidades
Posteriores.
• Sume
las
probabilidades
conjuntas
del
mismo
indicador
sobre
todos
los
estados
de
la
naturaleza,
así
se
obtiene
la
probabilidad
marginal.
• Su
valor
está
acotado
por
el
valor
de
la
información
perfecta.
• Halle
la
diferencia
entre
el
Valor
Esperado
(EV)
de
la
mejor
decisión
con
las
probabilidades
anteriores
y
el
valor
esperado
con
las
probabilidades
posteriores.
El
resultado
será
el
EVSI.
La
eficiencia
de
la
Información
Muestral
es
la
razón
entre
el
EVSI
y
el
EVPI.
Lo
eficiencia
siempre
es
un
número
entre
0
y
1.
10 POLITÉCNICO GRANCOLOMBIANO
GLOSARIO
DE
TÉRMINOS
Criterio
Optimista:
Se
le
dice
así
al
criterio
maximax.
Gráfica
que
nos
muestra
la
relación
entre
la
utilidad
y
los
valores
Curva
de
Utilidad
monetarios;
al
trazarse
esta
curva
se
pueden
utilizar
los
valores
de
utilidad
en
la
toma
de
las
decisiones.
Distribución
de
Se
utiliza
frecuentemente
para
calcular
el
tiempo
y
variaciones
de
Probabilidades
terminación
de
las
actividades
en
las
redes.
Beta:
Conjunto
de
relaciones
existente
en
cualquier
sistema
de
colas
de
un
Ecuación
de
Little:
estado
estable.
Línea
de
Espera
Uno
o
más
clientes
u
objetos
que
permanecen
en
modo
de
espera
para
(Cola):
recibir
un
servicio.
M/D/1: Notación Kendall para el modelo constante de tiempos de servicio.
Notación
Kendall
para
el
modelo
de
único
canal
con
llegadas
Poisson
y
M/M/1:
tiempos
de
servicio
exponenciales.
Notación
Kendall
para
el
modelo
de
colas
multicanal
con
m
servidores,
M/M/m:
llegadas
Poisson
y
tiempos
de
servicio
exponenciales.
Criterio
optimista
para
tomar
una
decisión;
se
presenta
cuando
se
opta
Maximax:
por
la
alternativa
con
el
rendimiento
posible
más
alto.
Método
de
clasificación
de
sistema
de
colas
basado
en
la
distribución
de
Notación
Kendall:
llegadas,
de
tiempos
de
servicio
y
de
la
cantidad
de
canales
de
servicio.
12 POLITÉCNICO GRANCOLOMBIANO
REFERENCIAS
Anderson,
D.
S.
(2005).
Métodos
Cuantitativos
Para
Los
Negocios
(Novena
Edición
ed.).
Mexico:
Cengage
Learning
Editores.
Bazaraa,
M.
J.
(1996).
Programación
Lineal
y
Flujo
en
Redes
(Segunda
edición
ed.).
México:
Limusa.
BAZARRA,
M.,
&
JARVIS,
J.
J.
(2005).
Programación
lineal
y
flujo
en
redes.
(Segunda
Edición.
ed.).
México:
Limusa
Editores.
.
Castillo.
(20
de
Noviembre
de
2007).
Departamento
Unican.
Obtenido
de
Unican:
http://departamentos.unican.es/macc/personal/profesores/castillo/libro.htm
HILLIER,
F.
&.
(2006
).
Texto
principal:
Introducción
a
la
Investigación
de
Operaciones.
(6ª
Edición.
ed.).
N/A:
McGraw
Hill.
.
Hillier,
F.
&.
(2006).
Investigación
De
Operaciones
(Octava
Edición
ed.).
México:
McGraw-‐Hill.
Hillier,
F.
&.
(2008).
Métodos
Cuantitativos
Para
Administración
(Tercera
Edición
ed.).
México:
McGraw-‐Hill.
Hopp,
W.
&.
(2008).
M.
Factory
Physics.
NY:
McGraw
Hill.
TAHA,
H.
(
1997).
Investigación
de
Operaciones:
Una
Introducción
(Sexta
edición
ed.).
NY:
Prentice
Hall.
WINSTON,
W.
(2005).
Investigación
De
Operaciones
Aplicaciones
Y
Algoritmos
(Cuarta
Edición
ed.).
México
:
Thomson.