Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Part03 PDF
Part03 PDF
148
INVEST IGAC ION DE OPE RAC IONES PARA INGEN IER I AS y ADM IN ISTR¡\C ION DE EM PR ESAS
Estas técnicas fueron desarrolladas por dos grupos diferentes entre 1956 y 1958.
E. 1. du Pont de Nemours & Company desarrolló el CPM como una aplicación a
los proyectos de construcción y posteriormente Mauchly Associates, lo extendió a
nuevas aplicaciones. El PERT , fue producido por un grupo consultor para la Marina
de Estados Unidos, con el fin de programar las actividades de investigación y
desarrollo del programa de misiles Polaris.
149
I. U IS A I. BERTO RINCON ABR IL
150
Regla 1. Cada actividad quedará representada por un sólo arco en la red. Ninguna
actividad puede disponerse más de una vez en la red . Diferente es el caso en que
una actividad se descompone en segmentos, los cuales pueden estar
representados por arcos separados. La colocación de una banda transportadora en
un proceso de producción puede hacerse en secciones.
151
LUI S ,\LB ERTO RIN C O N I\BRIL
I
I
F
Regla 3. Cada que se agrega una actividad a la red , se deben definir las
actividades que deben terminar antes de que esta actividad pueda comenzar, las
actividades que deben seguir a esta actividad y las actividades que deben
E!jecutarse simultáneamente con esta actividad .
J52
IN\ r ~ Il l; ¡\C ION DE OPERAC IONES PA R/\ INl;EN I ERI AS y i\D~ II N I S TR i\C I ON DE H IPRESi\S
F1 Y Fi Actividades
ficticias
Figura 27. Diagrama de red para el proyecto del traslado de las oficinas.
15 3
1.1I1S ALBERTO RINCON All RIL
Una ruta crítica define una cade na de actividades críticas que unen los eventos
inicial y final del diagrama de red e identifica todas las actividades críticas del
proyecto. El método para determinar tal ruta se ilustrará con un ejemplo numérico.
Actividad A B C D E F G H I J
Tiempo 3 5 3 4 8 2 4 2 5 3
Cálculos hacia adelante. Sea TP¡ , el tiempo de inicio más próximo de todas las
actividades que se inician en el evento i o el tiempo de ocurrencia más próximo del
evento i. Convencionalmente este tiempo se toma en O para el evento de "inicio" .
154
IN\TST IGi\C ION IX OPER ,\C IONES P¡\J~ ¡\ INGEN I ER I /\S y i\DM IN ISTRf\C ION DE H I PRES r\S
Los cálculo s hacia adelante para la figura 27 proporcionan los siguientes valores :
Cálculos hacia atrás. Sea TT¡ el tiempo de ocurrencia más tardío , para todas las
actividades que terminan en el evento i. Si n es el evento de terminación de todo el
proyecto , entonces , TT n = TP n e iniciará el cálculo hacia atrás . En general , para
cada uno de los demás nodos i, el tiempo de ocurrencia más tardío se calculará
como:
TT, = Míllfn,
, - d I! J
Los cálculos hacia atrás para la figura 27 proporcionan los siguientes valores:
J55
LU IS ,\I.IlERTO RINCON A BRIL
Una actividad i~j está en la ruta crítica si satisface las tres condiciones siguientes :
TT¡ = TP¡
TT j = TP j
TT j - TT¡ = TP j - TP¡ = d¡j
156
INVEST ICAC ION DE OPERAC IONES PARA IN(,EN I ER I¡\S Y ADM IN ISTRAC ION DE EMPRESAS
Una vez se haya encontrado la Ruta Crítica , se debe proceder a calcular todas las
holguras de las actividades no críticas. Para determinar estas holgu ras , es
necesario encontrar dos parámetros adicionales, el tiempo de in icio más tardío
(lT¡j) y el tiempo de fina lización más próximo (FP¡j) para cada actividad; los
cuales cumplen las siguientes expresiones matemáticas :
IT¡j = TT j - d¡j
FP¡j = TP¡ + d¡j
Holgura total HT¡j. Diferencia entre el máximo tiempo disponible para rea lizar la
actividad y su duración ; esto es :
157
I. U IS i\ LllERTO RINCON ABR IL
Holgura libre HL¡¡. Suponiendo que todas las actividades comienzan tan pronto
como sea posible , es el exceso de tiempo disponible sobre su duración para cada
actividad ; es decir:
HLi¡ = TP¡ - TP¡ - d¡¡
Todos los cálculos de ruta crítica , incluidas las holguras total y libre para las
actividades no críticas, pueden presentarse como aparecen en la tabla de la
página siguiente. En ésta , se observa que las actividades críticas tienen las
holguras total y libre iguales a O.
158
IN\' I S I IG \l'ION DI 01' 1 ¡{ ,\C IONES PA R,\ INl; I: N IERI AS y I\I)~ II N I S TR ¡\C I ON DE E~IPRE SAS
actividades simultáneas por las limitaciones de personal y equipo . En este caso las
holguras totales para las actividades no críticas resultan muy útiles. Cambiando
una actividad no crítica (hacia atrás o hacia adelante) entre sus límites TP y TT , se
pueden cumplir los requisitos de recursos. Aun en abundancia de recursos (no hay
recursos limitados) , se acostumbra usar las holguras totales para nivelar los
recursos sobre la duración del proyecto completo. Esto significa una planeación ,
uso y control de los recursos más estable comparada con el caso donde el uso de
la fuerza laboral y de la maquinaria de trabajo cambia fuertemente entre un periodo
y otro.
Actividades críticas
. . .
® .. '9'.
~.
Actividades no críticas
• • • '-o
.- - - , - ---.------.----------,.-------'
1¡\: tF i:2 : ~
.~.;. ... .; ... .; ..':(. . .
~: : tr.=4 : t¡;'\
.~.~. ... ., ....... .,. .. -". ..~.
o
.. ..
4 8 12 16 20 ~4
Semanas del proyecto
J5 9
LU IS A L BERTO RINCON ¡\BR IL
4-1 2 no consume tiempo , por lo tanto , se muestra como una línea vertical. Las
actividades críticas se indican con líneas continuas. Los límites de tiempo para las
actividades no críticas se muestran con líneas punteadas; tales actividades pueden
programarse dentro de esos intervalos , siempre y cuando no se alteren las
relaciones de precedencia.
160
INVEST IGAC ION DE O PERAC IONES PARA INGEN I ER I¡\S y AD MI N ISTR AC ION DE EMPRESAS
2. El punto medio Y2(a + b) tiene una ponderación de la mitad de la del punto más
probable m . Entonces , el valor esperado Te es la media de Y2(a + b) Y 2m:
[2111 +
= -J {/ +-
a+ b) ] = - b+ 4111
T,' 6- -
I 1 (
"
161
LU IS ALBERTO RINCON ,\ llR IL
a
Simétrica I
b
/ ~'//I"
/
,-
a m b
Figura 29. Distribución beta para las tres estimaciones de tiempo de PERT.
Los cálculos de la red para la fi gura 27 reali zados en las se cc iones pre cedentes
fueron tomados di rectamente pa ra cada d ij , reemplazándolos con la estim ac iones
Te de la siguie nte tab la:
ACTIVIDAD a b m Te 02
A Seleccionar el s ItlÓ de las Oficinas 1.5- 4.5 3 3 0.250
B Crear el plan organlzaciona l y finanCiero 3 7 5 5 0.444
e Determinar nece sidades de personal 0.5 4.5 3.25 3 0.444
D Diseñar la Instal ación 2 7 3.75 4 0.694
E Construir el Inte nor de la Instalación 6 12 9 9 1.000
F Seleccionar el p ersonal que será transfendo 0.5 3.5 2 2 0.250
G Contratar nuevo s empleados 0 .75 5.25 4.5 4 0 .563
H Trasladarreglst ros, personal y otros 0.25 3.75 2 2 0.340
I Hace r los arregl os fin ancieros con otras sedes 2 12 4 5 2 .778
J Capaci tar el nue vo personal 1 4 3.25 3 0 .250
162
INVrSTI(i¡\(' ION DE OPER ,\C IONES PA RA I NGEN IER II\S y ADM IN I STR AC ION DE EMPRESAS
La tabla siguiente muestra que para la aplicación de este enfoque en la ruta crítica
de la figura 27 (actividades 1 ~3~4~2~5~8~9) , el tiempo esperado del
proyecto es 23 semanas con una varianza de 2.832 .
B 1 ~3 5 0.444
e 3~4 3 0.444
F1 4~2 o
D 2~5 4 0.694
E 5~8 8 1.000
J 8~9 3 0.250
Tiempo del proyecto 23 2 .832
1. Para elaborar el presupuesto del año siguiente, una empresa debe recolectar
información de sus departamentos de Ventas, Producción , Contabilidad y Tesorería. La
tabla siguiente indica las actividades y sus duraciones. Construir el modelo de red del
problema y realizar los cálculos de Ruta Crítica .
J63
LUIS ALBERTO RINCON A BRIL
164
INVESTI(i ,\CION I)E OPI-.I{ ,\C IONES 1',\1< ,\ I NGEN IERI ,\S y , \I)~ II N I STR I \C I ()N DE H IPRES¡\S
Construir el modelo de red del problema y realizar los cálculos de Ruta Critica.
J65
8. MODELOS DE INVENTARIOS
166
INVEST IG,\C ION DE OPERAC ION I:S I',\R ,\ ING EN I FR I,\S y AD~ II N I S T R , \C I ON DE E~ I I' R ESAS
y : Costo de penalización por unidad de tiempo o dinero por cada unidad que se
retrasa.
r : Punto de reorden o Nivel del inventario para el que se debe ordenar un nuevo
pedido de tamaño Q.
167
I l llS I\ Lll rln O RINCON 1\Il RIL
168
INV LST IC; .\ClON I)r Oi' 1 R,\C IONES PAR ;\ INGEN I ER l f\S y ,\D~ II N I STRAC I ON DE EMP RESAS
Con base en estos criterios , la Figura 30 describe la variación del nivel del
inventario a lo largo del tiempo . En esta , T representa la longitud del periodo y 0 0
es el valor inicial del inventario. En general , O = AT. En particular, en la figura 30,
00 = AT. El problema será encontrar el valor de O que produzca los costos
menores anuales para una función Ca(O). Esta función resulta ser la suma de los
siguientes costos parciales:
/ r AT "
C, = r de (t)dt = Jro IC( Q -At)dt = I C( Q - -
2
). C0 ll1 0 T = Q , ellfOll ces :
I JI) P
A
C = I CT Q
/' '")
Q = I QT Q
T :2 :2
J69
L U IS A LBERTO RINCON AB RIL
3. Costo anual de hacer los pedidos. Costo del pedido por el número de
pe d I'dos en el ano, I =AA.
- esto es: el = A -I = A ~
, T (J,!. Q
de le A :2AA :2AA
_ " =- -A - =o entonces Q" = -- = --
dQ :2 Q' ' le . /¡
Tr = T* - T d Y r =A T r
170
IN\' I ~ 11( ; \C!ON DE OPFR ¡\C!ONES P¡\RA I NGEN I ERI AS y AD~ II N I S TR /\C I ON DE E~ I PRESAS
Q*
2AA ~40
Tamaño económico del lote: Q" = = 200 Ton
, /¡ 0.02
. d optlma
Longltu ·· d i · do: 7" "=
e peno . Q '" = 200
- = S días .
A 40
Tiempo de reorden: Tr = T* - Td =5 - 2 = 3 días
Punto de reorden: r =A Tr = 40 x 3 = 120 Ton
17 1
L U I S ,\ L BE RTO RINCON A IlR II .
Se coloca un nuevo pedido a los tres días de inicia r cada periodo cuando el nivel
de inventarios llega a 120 unidades.
Este caso obedece a una de dos circunstancias. En un primer caso, las demandas
acumuladas insatisfechas pueden esperar hasta ser atendidas. En un segundo
caso, las demandas insatisfechas acumuladas se pierden. En cualquiera de estos
casos hay que considerar un costo de penalización adicional por no satisfacer a
tiempo la demanda. Este costo tendrá dos componentes, C pen = n + <1>. El primer
elemento representa el costo fijo por las unidades retrasadas y el segundo un
costo proporcional al tiempo de retraso.
Cm= l e I (Q _ S) T¡ = I cA (Q _ S) Q - s = l e (Q - S) 2
T '2 Q 2A 2Q en donde S es la
cantidad retrasada .
172
INV L STI(; ,\CION DE OPERAC IONES P/\RA INCEN ILR I /\S y I\D~ II N I STRAClON DE EM PRES ,\S
3. Costo anual de hacer los pedidos. Costo del pedido por el número de
·d I -
Pe d I os en e ano , esto es : e, I
= A TI = A IJI = -QA A .
4. Costo de penalización. Se definió como Cpen = n + <1>. esto es , el costo fijo por
las unidades retrasadas más un costo proporcional al tiempo de retraso. Si ¡..t
define el costo fijo por cada unidad retrasada y y el costo proporcional al tiempo
I T, S I A SS A I }S c
e = ¡"IS + y - = uS - + y =- (¡ISA - -)
'"'' T :2 T 'Q 2A Q Q :2
173
LU IS A LBERTO RINCON ,\I3R IL
A (Q _ S) C l yS e
e" (Q , S) = Ae + A
Q
+ le
2Q
- + - (USA+ -
Q . 2
)
Aplicando los conceptos del cálculo diferencial se pueden encontrar los valores
óptimos para Q y S.
'. le . pA . ! t e - .: p eAe ~I A
S·,'= Q"- => S ·,'= I _. 2AA- - - ~
le +y le + y ! le +y , le + y le + y
174
INV[ST IGi\ClON UE O I' ER,\ClONES P,\R¡\ I N(,EN I ER I,\S y i\D MI N IST RI\C ION D E E ~ 1P RES¡\S
2.2. Si se permiten retrasos en las entregas , con un costo fijo por cada unidad
retrasada de $US 2 y un costo de cada unidad proporcional al tiempo de
retraso de $US 1, determinar cada cuánto debe hacerse una corrida y de
qué tamaño debe ser.
3.2. Si se admiten retrasos en las entregas , con un costo fijo por cada galón
retrasado de $US 0.3 y un costo de cada galón proporcional al tiempo de
retraso de $US 0.2, determinar cada cuánto debe comprar y de qué tamaño
debe ser el pedido.
J7S
l. U IS 1\ LB r::RTO RINCO N A BRIL
unidad de tiempo hasta que alcanza el tamaño del lote . Los artículos se retiran
a una tasa de A (A< <1» artículos por unidad de tiempo. En este modelo se
Nivel de
Inventario
Tiempo
T1
176
9. MODELOS DE ESPERA O TEORíA DE COLAS.
177
L U I S A LB ERTO R INCON A BRIL
efectivamente para recibir atención este cliente o tiempo que el individuo pasa en
el sistema. Se define una estación de servicio como la porción de una instalación
o estación que puede suministrar servicio a un cliente a la vez.
Clientes
Fuente de
Entrada !> CHe ntet>,-_C_O_I a_> Estación de
servicio
servidos
En muchos casos se supone que las llegadas ocurren con una distribución de
l
Poisson , es decir, P (x = j) = e )'?e . En este caso, el parámetro A., es la intensidad
. JI
o tasa promedio de llegadas al sistema o valor esperado del número de llegadas
por unidad de tiempo. Ocasionalmente , las llegadas pueden ser en lotes de
tamaño fijo o variable . Un ejemplo lo constituyen las llegadas de aviones a
aeropuertos ; cada avión se considera una unidad que requiere servicio ; mientras
que los pasajeros que llegan dentro del avión componen un lote que requiere la
utilización de otros servicios.
178
INVEST IG ,\C10N DE OPER /\C IONES PARA INGEN IER I AS y i\D~ II N I STRAC I ON DE H IPRES AS
La duración t del servicio, ocurre en muchos casos de acuerdo con una distribución
exponencial f(t) = pe -pi. El parámetro p representa la tasa promedio de servicio o
valor esperado del número de clientes atendidas por unidad de tiempo.
.....................................................................
179
L U IS A L flERTO RINCO ABR IL
Si el sistema de cola se encuentre en el estado estable , esto es , una cola que lleva
operando mucho tiempo y por la cual han pasado o pasarán muchos clientes y se
supone que los límites usados en las siguientes expresiones existen , entonces:
I
1 ¿ E(S, )
1 , EU )
- = LIII1 - - = Lílll ~
A I-> ~ j , J.1 J~ OO .i
\V =
I
¿E(W: )
L íll1 -,-,
, ~,-,--
I _- L = LíIl1 _ 0 _
r E (n(r ))dl
---
T-> ~ T
I
T
Sr P (n(l ) = 11 )dl
¿P(W, "5. / )
P = Lílll =-:.(,-
1 ---- P(W ::; 1) = Lílll ,~I
"T-> ~ T I ->~ j
180
INVEST ICi .\C ION IX O PER ,\C IONES 1',\1< ,\ INGEN II, RI¡\S y ¡\I)~ II N I ST R ¡\C I ()N DE E~ I P R ES /\S
181
L UIS A Lll ERT O RI NCON ,\ B RIL
todo i, se puede demostrar que Cada r tiene una distribución exponencial con
parámetro A .
11 1
Esto es, se trata de una distribución binomial con parámetro uft independiente de
J82
INVFST IUAC ION DE O I'I. R,\C IONES PARA IN( ;EN I FR I!\S y ¡\D~ II N I S T R'\( - I ()N DE F MPR FS¡\S
183
LUIS ,\ U 3ERTO RINCON ABRIL
P (I+/i )- P(I ) O( /i )
Entonces " /i " =A" J~, 1 (I )+ ,LJ ,,+I ~<+ I(i)-(A,, + ,U ,, ) ~, (i )+ h' tomando el
definen ¡.Lo = O Y A-1 = O, entonces dP/) (t ) = f.1 1 /~( / ) - A,,1~) (I ) .Resolviendo el sistema
dI
dP() (t ) = -AP (1 )
() d~, (I ) = AP ( / )-AP ( / )
( II dI ,,- 1 "
184
IN\TST IGACION DE O PER ,\C IONES PARA I 'GF. I F.R I¡\S y , \D~ II N I STRAC I ON DE EMPRES¡\S
AII /~ ) = {I , P¡
(A, + {I l ) P¡ = A(] I~ ) + .u 2 Pe
La figura 36 muestra los diversos estados a los cuales puede llegar el sistema. Si
se igualan las tasas hacia adentro y hacia afuera de cada estado , se obtienen las
ecuaciones de balance . A esto se le reconoce como el principio de tasa de entrada
igual a tasa de salida.
Estado An-2
I •••••
\.--.J
J.ln J.ln+ 1
J.ln-I
185
LU I S ,\LBERTO RINCON ABR IL
De esta forma simplificada , se obtienen las ecuaciones que rigen el sistema. Este
procedimiento es muy utilizado para desarrollar las relaciones que rigen los
diversos tipos de colas. Este sistema se resuelve en función de Po de la siguiente
manera :
Estado
o:
1:
2:
11 - 1 : p1/
=~p 11 - 1
+ _1- ( P I! I P 1/ I
-A 11 - 2 P11 - 2 )
¡..t " P"
1/: p" = -A"- p" + -1 (¡..t " P" - A,, _JP',-J)
¡..t ,,+J ¡..t ,,+J
186
INvrSTIc;"CION D I·: O l' !" R,\C!ONFS PA R" INGEN I ER Ir\S y ADM IN ISTRAC ION DE EMPRESAS
" A ~ ~
Definiendo h" = TI I l . S/' obl i /'II/' L~, = Lb,/~) = l . A partir de esta expresión
,- 1 ~I , 11 _ 0 1/ ..;:. 0
I b"
se pueden calcular Po = , \" P Estas expresiones plantean la
b "
L. "
condición indispensable para la existencia de las probabilidades de estado estable .
Es necesario que la suma L b n converja.
Dado que se pueden asignar diferentes valores no negativos a las tasas 1.. 0 , Al, 1.. 2 ,
1.. 3, ....... An y Pl , P 2, P 3,··· ···· pn del proceso de nacimiento y muerte , existe una gran
flexibilidad para modelar un sistema de colas. Los modelos más usados en teoría
de colas están basados directamente en este proceso y entradas Poisson y
tiempos de servicio exponenciales.
h
"
= rr
" ;l
,_ 1 ,L/
= ( )"
;l
JI
~ C IICIlldo ~
;l
JI
<I
. b;l A A
Entonces se obtiene que ~ , = , -"- = ( 1- )( ~ ) " = ( 1- p)p " COII P =~ . Es decir,
L. b" JI JI JI
la condición para que existan las probabilidades es que p < 1. La probabilidad de
187
L UIS ,\U3E RTO RI NCON AB RI L
188
IN\TST I(; ,\CION D I- OI'ER ,\ C IONES PARA I Nl;EN II: RI AS y I\D~ II N I S TR I\C I ON DE H I PRESAS
Estado
I\~ •••••
u 2u 3u (s-1 )u su su
189
LLlI S I\ L Br:RTO RI NCO ' A BR IL
j
l
sp ( A) , 1
dOllde P = ~ I (A) " + _p
1) L.,
,, _o ll. ,LI
., . 1
S.( .lp-/l)
1. Identifique los clientes y los servidores del sistema de colas en cada una de las
siguientes situaciones:
1.1. Las cajas registradoras de un supermercado.
1.2 . Una estación de bomberos.
1.3. La caseta de peaje de una carretera.
1.4. Un taller de reparación de carros.
1.5. Un muelle de carga y descarga.
1.6 . Un grupo de máquinas semiautomáticas asignadas a un operador.
4. Considere un sistema M/M/ 1 con p = 1.0. Compare L para los casos en los cuales A es
0.6 , 0.9 Y 0.99, re spectiva mente . Igual para Q Y w. Cal cule la probabilidad de que el
tiempo de espera sea mayor que 4 unidades P [W > 4 l.
190
IN\' I.S1IG ,\C10N J)E 01'1 J{ .. \C ION I.S I',\R ¡\ ING I: N II: RI,\S Y J\ D ~ II N I STJ{ , \C10N DE H IPR ESAS
5. Un flujo de votantes por dos candidatos cumple un proceso de Poisson con tasas de
llegada Al y A2 independientes. Mostrar que el flujo tot al es un proceso de Poisson con
tasa (Al + A2). Determine la probabilidad de que el primer cliente vote por el primer
candidato .
7. Una cabina telefónica recibe clientes Poisson que llegan a un promedio de 12 minutos
entre cada cliente , las llamadas tienen una duración exponencial de un promedio de 4
minutos. La empresa de teléfonos decide que colocaría un segundo teléfono si los
clientes tienen que esperar en promedio más de cuatro minutos para que desocupen el
teléfono .
7.1. ¿Para que valor de A se sucede este cambio?
7.2. ¿Cuál debe ser A, sí la compañía de teléfonos coloca otro aparato sólo si la
probabilidad de que un cliente tenga que esperar exceda de 0.6?
8. Una pequeña estación de gasolina tiene cupo para dos carros solamente. Los clientes
potenciales son Poisson a tasa desconocida , pero que no se detienen si el espacio
está lleno (es decir, se pierden) . Se sabe que el tiempo promedio entre los clientes
actuales (aquellos que se detienen y son servidos) es de 6 minutos. Hay un
despachador con servicio exponencial y con media de 5 minutos .
J9 \
L U I S ,\ U 3ERT O RI NCO ,\ B RIL
9. Un sistema de colas tiene dos servidores, una distribución de tiempo entre llegadas
Poisson con media de 2 horas y una distribución de tiempo de servicio Exponencial
con media de 2 horas por servidor. Si a las 12 del día llega el primer cliente.
9.1 . Cuál es la probabilidad de que la siguiente llegada ocurra antes de la 1 P.M ., Entre
la 1 y las 2 P.M . Después de las 2 PM .?
9.2. Cuál es la probabilidad de que le número de llegadas entre la 1 y las 2 P.M. sea O,
2 ó más clientes?
10. El gerente de un supermercado debe decidir a quién contratar de dos cajeras , María ,
que trabaja despacio y puede ser empleada por C 1 = 5 $US/hora; o Alicia , que trabaja
más rápido y cuesta C2 $US/hora , donde C2 > C1. Ambas dan servicio exponencial a
tasas f.! , = 20 clientes/hora y ~l 2 = 30 clientes/ hora , respectivamente . La llegada a la
caja es Poisson con A = 10 clientes/hora. El gerente estima que en promedio, el tiempo
de cada cliente vale 0.02 $US/min y debe ser tomado en cuenta en el modelo.
10.1. Calcular el costo esperado por hora al contratar a Alicia o María.
10.2. ¿Cuánto estaría usted dispuesto a pagarle a Alicia?
10.3. Si no se conoce la tasa de servicios de Alicia , encuentre una cota superior para
la cantidad que se le pagaría.
192
10. MODELOS DE DECISiÓN MARKOVIANOS
193
L U IS 1\ 1J3E RTO RINCON ;\13 1<11 .
194
I N\ ' I. ~T I( ;'\ C I ON D I. O I'LI{ ,\CIONrS [>,\1< ,\ I NGEN I ER Ir\S y r\D~ II N I STR¡\C I ON DE EMPRESAS
A los resultados EJ , con J=1,2,3., .. , se les denomina estados del sistema . A las
probabilidades condiciona les P{X t + 1 =J I Xt-1 =i} se les llama probabil idades de
transición . Cuando Xt -1 =i y Xt+ 1 =J , se dice que el sistema realizó una transición
Ei4 EJ en el paso t. Las Cadenas de Markov homogéneas conform an un grupo
especial de probabilidades de transición que son independientes de t. Se
acostumbra la siguiente notación PIJ = P{X I =J I XI-1 =i l-1} y nAt ) = P{ XI =J}. Por
,<
I~ 1 P¡ , P¡ , P¡ ,
P" P" P" P"
P= P'I P" Pl1 P"
J95
LU IS A LBERTO RINCON ABR I L
Considerando el siguiente modelo para el cambio del valor de una acción. Al final
del día se registra el precio. Si subió , la probabilidad de que el próximo día suba es
0.66 . Si bajó , la probabilidad de que el próximo día suba es sólo 0.45 . En este caso
puede representar el estado O el precio de la acción sube y el estado 1 que baja .
La matriz de transición está dada por
Los estados posibles del clima de una región son : O día lluvioso, 1 día bueno , 2 día
con nieve. Nunca hay días buenos en secuencia . Después de un día bueno existe
la misma posibilidad de que el siguiente sea lluvioso o con nieve . El 50% de los
días lluviosos y el 50% de los días con nieve se repiten. Cuando un día es lluvioso
existe la misma posibilidad de que el siguiente sea bueno o con nieve. Cuando un
día es con nieve existe la misma posibilidad de que el siguiente sea bueno o
lluvioso. La matriz es :
25
P¡,2 1 lo.5 0.25
P¡ 2 = 0.5 ° 0.0.5 1
Pe~ 0.5 0.25 0.25
196
10.3 ECUACIONES DE CHAPMAN KOLMOGOROV.
P,111I ) = 'P.~III)
L.... ,'
/:.> II/
U
111) t:j. I
1,. • 11 \" O:-s: /1 1 :-s: 11
J.-O
paso en forma recursiva. Para n = 2, p' ~ :l =I I~, P" , . Estos elementos son las filas
197
l.U I S 1\ l. HERTO RINCON I\ ll l< ll .
P'" = P' =
0.63::>
0.26-1
0 ..\6X
0.36X
O
O.:l6X
O·'' fl''O
O
O
0.632
026-1
O.36X
0.368
O
0.36X
()
O
0283 0. 252
(U5 1 0.3 19 0.23:1
0233 01"]
0233
0.097
0.080 01 8-1 0.368 0.368 0.080 0. 18-1 0.368 (U68 0.2-1 9 0.286 0.3 0. 165
Así que , si se tiene dos relojes al final de una semana, la probabilidad de que no
haya existencias en inventario cuatro semanas después es 0.284 .
Del estado Ek se puede llegar al estado EJ si existe un n>O tal que P¡';') > O. Una
retorno a J ocurra en el paso n se le llama / ;"), entonces Pi;') = ¿" I ;I) P;;'-I) y la
1-1
198
IN\ 'ES11(; ,\C ION DE OPER I\C IONES PA R .. \ I NGEN I ER II\S y AD~ II N I S TR ¡\C I ON DE H IPR ESt\S
O'
199
LUIS ,\LI3ERTO RI 'eo 'i\I3RIL
n(I) = (1 0{0.5 0.5 ) = (0.5 0.5)=> n('2 )=(0.5 0.5{0.45 0.55) = (0.45 0.55)=(Tr() Tri)
~ OA 0.6 ~ 0.44 0.56
El lector podrá comprobar que para rc(O) = (1 O) , los valores sucesivos de rc(n) son :
N O I '2 3 4
7t1) I 0.5 0.45 0.445 0.445
Así mismo , para rc(O) = (O 1), los valores sucesivos de rc(n) son:
N O I "2 3 4
7t1) I 0.4 0.44 0.445 0.445
En ambos casos se observa que 7t(n) = (0.445 0.555) cuando n crece . Se puede
demostrar que esta cadena es ergódica, solucionando el sistema de ecuaciones:
n = TrP
200
INVEST IGAC ION DE OPERAC IONES PARA INGEN I ERI AS y ADM IN IST RAC ION DE EMPRESAS
7[/0.5 0.5 1
~ 0.4 0.6)
El lector puede analizar una de estas ecuaciones resulta redundante, por lo tanto
se elimina una cualquiera de ella y se obtiene la solución TCo = 0.445 Y TCl = 0.555 .
La sección anterior estudió las cadenas de Markov cuyos estados son ergódicos
(recurrentes y no periódicas). Si no se tiene el requerimiento de que los estados
sean no periódicos , entonces el LíI/1 p'~") puede no existir. Pero , el siguiente límite
I I~OO
siempre existe para una cadena de Markov irreducible con estados recurrentes:
Lí/l/ ( ~
11_00 11
f.. p.~¡) = 7[, ' en donde las
~ :::I
TCJ satisfacen las ecuaciones de estado estable
201
L U IS I\L13ERTO RINCO A BR IL
períodos está dado por la expresión E( 1 f e,) y usando el resultado del límite
1/ '~ I
1 " ] '"
~~:! E [ I/~ e, ) = ~Jr , e,
202
IN\ I. S1 1(; ,\c\ON DE O I' I.R AC IONES PARA INGEN IER I AS y AD~ II N I STR I\ C I ON DE H IPRESAS
Cuál es la probabilidad de que un cliente llegue a tener una mala deuda dado que
la cuenta pertenece al estado 1 a 30 días de retraso. Igualmente , dado que la
cuenta está en 31 a 60 días de retraso .
f 13 = P 10 f 03 + P 11 f 13 + P 12 f 23 + P 13 f 33
f 23 = P20 f03 + P 21 f 13 + P 22 f 23 + P 23 f33
A partir de la matriz se sustituyen los valores para cada P,J y como f03 = O Y b = 1,
estas ecu aciones se convierten en:
203
LU IS ALBERTO RINCON ABR IL
f 13 = 0.2f 13 + 0.11 23
f 23 = 0.1f 13 + 0.2f 23 + 0.2
204
11"\'1 ST l ló \(' ION Dr. OPFR ¡\C!ONES P.\R .\ IN(ó l: N ILRI.\S y . \D~ II N I STR . \C10 DE H I PRES .. \S
El último elemento de esta matriz de transición indica que, una vez que la máquina
se vuelve inoperable (entra al estado 3) , permanece inoperable , esto es, el estado
3 es absorbente. Dejar la máquina en este estado seria intole rab le ya que esto
detendría el proceso de producc ión, por lo que la máq uina debe reemplazarse. (La
reparación no es factible en este estado). La nueva máquina comenzaría entonces
en el estado O. El proceso de reemplazo toma 1 semana de manera que la
producción se pierde durante este periodo. El costo de la producción perdida
(ganancia perdida) es de $US 2000 y el costo de reemplazar la máquina es de
$US 4000 de manera que el costo total en el que se incurre siempre que la
máquina actual entra al estado 3 es de $US 6000. Antes de que la máquina llegue
al estado 3, puede incurrirse en costos por producir artículos defectuosos. Los
costos esperados por semana debido a artículos defectuosos $US O, 1000 Y 3000
respectivamente para los estados O, 1, 2. Estos costos relevantes están asociados
con la política de mantenimiento , reemplazar la máquina cuando es inoperable,
pero no darle mantenimiento en otros casos . Bajo esta política , la evolución del
estado del sistema o sucesión de máquinas , es una cadena de Markov con la
siguiente matriz de transición:
Estado O 1 2 3
O O 7/8 1/ 16 1/ 16
1 O 34 1/8 1/8
2 O O Y2 Y2
3 1 O O O
205
L U I S ,\1J3I.RTO RI NCON A8 RII.
Para evaluar esta política de mantenimiento , deben considerarse tanto los costos
inmediatos en que se incurre en la siguiente semana, como los costos
subsecuentes que resultan cuando el sistema evoluciona de esta forma. Una
medida de desempeño usada para cadenas de Markov es el costo promedio
esperado por unidad de tiempo sobre un periodo largo. El calculo de esta medida ,
exige encontrar las probabilidades de estado estable con el siguiente sistema :
7[0 = 7[.1
7 :\
7[ ( = 7[0 + 7[ 1
8 4
1 l l
7[ , = 7[(, + 7[ 1 + - 7[ ,
- 16 8 2 -
1 1 1
7[ 1 = - 7[0 + - 7[1 + - 7[ ,
. 16 8 '2 -
1= 7[0 +7[ 1 +7[ ~ +7[1
2 7 '2 2
Solu ción: 7[ 0 =- , 7[ 1 = - , 7[ , = - . 7[= -
13 13 - 13 .1 13
Así, a la larga , el costo promedio esperado por semana para esta política de
mantenimiento es . .,
e= 07[(J + 10007[ 1 + .,0007[ , +
-
6000n 1
.
25000
= --
13
206
INVEST l l;AC ION J)E OI'ER /\C IONES I',\ R /\ INGEN I ER I AS y I \ D ~ II N I ST R ;\C I ON DE EM PRESAS
$2000 por las ganancias perdidas al no producir. Las decisiones posibles después
de cada inspección son las siguientes:
Uno de los modelos para los procesos markovianos de decisión se puede resumir:
207
I lllS .·\I.I![R10 RI NCO N .\13RII.
Cada una de estas políticas tiene una matriz de transición diferente , como se
muestra enseguida:
De los costos totales por semana de la sección anterior, los valores de C'k son:
208
1;\\ 1 ~ II(; ,\CIO;\ D I. ()P I IUC! O N I.S I'/\ R/\ IN(; I.N II : RI ,\S Y J\1)~ II N 1 S TR '\(: 1 0N DE E~ 'I1'I{I -_ S ,\S
El costo promedio esperado a largo plazo por unidad de ti empo , se calcu la con la
1/
expresión E( e) =I C,¡lr" siendo k = d¡(R) para cada i y 1t¡ representa la
1"
distribución de estado estable para los estados del sistema según la política R que
se está evaluando. Una vez obtenidos 1to, 1t" 1t2 Y 1t3 para cada una de las cuatro
políticas , el cálculo de E(C) se presenta en la siguiente tabla:
209
L U IS A LBERTO RI en ,\BI< IL
11 1
° 1111 ° 11/2 D,"1
~1
O
o
O o
2 10
IN\' I.S11(; ,\C ION D I- OpE I{ ,\C IONES p,\I{ ,\ IN(;r:N I ER I.\S y I\I)~ II N I STRAC I ON DE E~ I PRES¡-\~
~l
,
/ c O
/
1 '
J
1/
/ -1 X
O O 1
Variables de decisión , Para cada i = O, 1, .... ,m y k = 1, 2,.. " .. " 1, sea )(¡k la
probabilidad incondicional de estado estable de que el sistema se encuentre en el
estado i y se tome la decisión k,
211
L U I S ,\Lll ': IH O RINCON ,\RR I L
Cada X'k tiene una relación con la D'k correspondiente , pues de las reglas de
probabilidad condicional , se tiene X ik = ni Diko Siendo ni la probabilidad de estado
estable de que la cadena de Markov se encuentre en el estado i. Se cumple
X x ,¡
= Ix ,¡
I
entonces Tr , de manera que D,¡ = -"--
¡ _I Tr ,
Restricciones.
m m I
I lIi I
decir, I
.1. _ 1
X I! = II x ,¡ p,¡ (k)
I - (J 1. - 1
para J = 0,1 ,2, ...... ,m .
," I
Mil/(Z) = I I C,¡ x ,¡
I-() .1. - 1
/11 I
Sujeto a las restricciones : IIx" = 1
1_ 0 /..:;:J
I 111 I
I
J. .;.:; )
X I! - I I X ,¡ p,¡ (k) = O
I - () J. - I
212
INVEST IGAC ION DE O PER ,\C IONES PARA I NGEN IER I AS y AD~ " N I STRAC I ON DE E~ I PRESAS
X ,¡
Una resuelto el modelo, se encuentra a D,I = I
LX ,!
I ~I
Min(Z) = 1000 X11 + 6000 X13 + 3000 X21 + 4000 X22 + 6000 X23 + 6000 X33
21 3
L U IS ,\ I. 13ERTO RI NCO N ,\ 13 RIL
1. Dos máquinas dan premio , la primera con probabilidad a y la segunda con probabilidad
b. Una persona juega, si pierde juega de nuevo en la misma máquina, si gana cambia
de máquina. Encuentre la matriz de transición y las probabilidades de estado.
3. Una máquina , cuando está operando al comenzar el día tiene una probabilidad de 0.1
de descomponerse en algún momento de ese día. Cuando esto ocurre , la reparación
se hace al siguiente día y se termina al finalizar ese día .
3.1. Formule la evolución del estado de la máquina como una cadena de Markov,
identificando los tres estados posibles al final del día y después construyendo la
matriz de transición (de un paso) .
3.2. Encontrar el tiempo esperado de primera pasada del estado i al estado j.
3.3. Si la máquina tiene 20 días sin descomponerse desde la última reparación , cuál es
el número esperado de días que la máquina permanecerá en operación antes de
la siguiente descompostura.
214
IN\ I.S11<i \UON DE 0 1'1 R,\C IONES P,\ R,\ ING I·.N IERI ,\S y , \ J) ~ II N I STRAC I ON J) E E~ l r R ES , \ S
de marca como una cadena de Markov, incluyendo tres estados: los estados A y B
representan a los clientes que beben cerveza producida por las mencionadas
cervecerías y el estado C representa a todas las demás marcas. Los datos se toman
cada mes y el analista del CÓNDOR construye la siguiente matriz de transición con
datos hi stóricos.
A B e
A 0.7 0.2 0.1
B 0.2 0.7 0.1
e 0.2 0.2 0.6
4.1. ¿Cuáles son los porcentajes de mercado en el estado estable para las dos
cervecerías grandes?
215
L U IS A LB ERT O RI NCON ABR IL
6.1. Cada año en que el mercado sube (o baja) 100 puntos , el F1 tiene ganancias o
pérdidas de $US 200, mientras que el F2 tiene ganancias o pérdidas de $US 100.
Si el mercado sube o baja 200 puntos en un año, las ganancias o pérdidas del F1
serán de $US 500 mientras que las del F2 serán de $US 200. Si el mercado no
cambia , ninguno de los fondos tiene ganancias o pérdidas. El inversionista quiere
determinar su política óptima de inversión con el fin de minimizar en el largo plazo
el costo (pérdida menos ganancia) promedio esperado por año.
6.2. Formule este problema como un problema de decisión de Markov identificando los
estados y las decisiones. Después encuentre las Cik .
6.3. Identifique todas las políticas determinísticas. Para cada una, encuentre la matriz
de transición y escriba una expresión para el costo promedio esperado (a la larga)
por periodo en términos de las probabilidades de estado estable nO, n1, n2, .... "nm.
6.4. Encontrar la política óptima por enumeración exhaustiva.
PO =
(0.9 0.1)
0.6 0.4
RO = (2
1 -3
-1) PI=(0.7 0.3)
0.2 0.8
RO=(4
2
1)
-1
216
APÉNDICE A.
A.1 MATRIZ.
Los aij de la Matriz A=(aij) son llamados elementos de la matriz y el doble subíndice
define la posición de fila y columna. En el caso anterior diremos que la matriz es de
orden mxn y lo podremos simbolizar como Amn.
A.2.1 Vector columna (Vector): Es una matriz con solamente una columna y cualquier
número de filas.
A.2.2 Vector fila (Fila): Es una matriz con solamente una fila y cualquier número de
columnas.
217
L U I S i\ U 3ERTO RI NCON j\Il RIL
A.2.4 Matriz cuadrada : Una matriz A se llama cuadrada si m=n , esto es, tiene igual
número de filas y columnas. Se dice que es de orden n y se simboliza An.
A.2.5 Matriz triangular: Es una matriz cuadrada que cumple una de las siguientes
condiciones:
- 2 3 1 - 1 O O O
O 1 2 - 1 f3 O O
A= B=
O O -V'2 3 4 2 l2 O
..,
O O O f3 ,) O -13
A.2.6 Matriz diagonal : Es una matriz cuadrada con a'j = O para todo i 7:- j. Equivale a decir
que cualquier elemento ocupando una posición fuera de la diagonal de la matriz es nulo.
A.2.7 Matriz idéntica: Es una matriz diagonal con a" =1 . Equivale a decir que cada
elemento de la diagonal es 1.
1 O O O
O 1 O Oo, O
1= O O O
O
O O O Oo, 1
A.2 .8 Transpuesta de una matriz. Dada. una matriz A de orden mxn , su transpuesta
AT, será otra matriz de orden nxm , obtenida al intercambiar respectivamente filas por
columnas en la matriz A.
!! ,.
218
IN\TS11(; .\CION J)E ()I'I R,\C IONES I" \R¡\ ING I,N I ER II\S y I \J)~ II ISTR ¡\C IO DE E~IPRESr\S
T
Una matri z A, se llama simétrica , si cumple A = A; Y se llama oblicuamente simétrica ,
T
cuando cumple A = -A.
A.3IGUALDAD DE MATRICES.
A.4.1 Suma de matrices : La suma de las matrices Amn Y Bmn es otra matriz Cmn , tal que
cada elemento en la posición fila i-ésima , columna j-ésima de la matriz resultado , se
obtiene como:
A.4.2 Producto escalar: Operación producto entre un número real a y una matriz A.
La expresión anterior indica que el escalar multiplicará a cada uno de los elementos de
la matriz.
A mp * B pn = C mn
2 19
LUI S ALBERTO RINCON ABR IL
C=AB=
-1
(2 O
°1)(~1 - 1 1] (-LxI+bO+Orl - 1.\{- I)+ld+OIO - lxi + b:2+010) = (- 1 2 21)
~ ~ = 2r! +010+ bl 21{- I)+Oxl+bO 2rl+Ox2+bO 3 - 2
Asociativa: (A + B) + C = A + (B + C)
(A *B)*C = A*(B*C)
a(A*B) = (aA)*B = A*(aB)
Conmutativa: A + B = B + A
Distributiva: (a + B)A = aA + BA
a(A + B) = aA + aB
(A + B)*C = A*C + B*C
A*(B + C) = A*B + A*C
A.S VECTORES.
Entenderemos un vector como una matriz con una sola columna , por lo tanto sobre
los vectores aparecen definidas las mismas operaciones con las mismas propiedades
que para las matrices.
220
INVESTIG,\CION DE OI'ER /\CIONES PARA INGEN IER I /\S y AD~ lI N I STR¡\C I ON DE H IPR ES ,\S
A.5.1 Combinación lineal: Dados los vectores V l , V2, V3,... .,Vn y los escalares al , a2,
a3, .. ... ,a n ; el vector V obtenido como: V = al V l + a2V2 + a3V3 + ..... + anVn , es una
combinación lineal de los vectores dados.
22 1
L U I S 1\ I. BE RTO RINCON AB RIL
TEOREMA: Cualquier punto sobre un segmento de línea puede ser expresado como
una combinación convexa de los extremos del segmento.
222
INVEST IG ,\CION DC OPEI< ¡\C IONES P/\R ,\ II'GEN I ER I AS y AD~ 1I NISTRAC I ON DE EMPRESAS
A.6 DETERMINANTES.
Asociado con cualquier matriz cuadrada A = (a,j), existe un número único llamado el
determinante de A, que se simboliza de cualquiera de las siguientes formas det(A), I A 1,
I a l·
'j
A.5.3 Menor de un elemento : Dada una matriz cuadrada A, para cada elemento a,j, se
define su menor d,j, como el determinante que se puede calcular cuando en la matriz A,
se suspende la fila i-ésima y la columna j-ésima. Para la siguiente matriz:
del =(-2)(-3)-2(- 1) =8
d" = 1(-3)-2.11=-5
d" = 1(- 1)-(-2) 1 = 1
A.5.5 Cofactor de un elemento : Dada una matriz cuadrada A, para cada elemento a,j,
se define su cofactor f,j , como el menor signado multiplicado por el mismo elemento
f'j = (-1 tja'j d'j
En el ejemplo de los puntos anteriores: f21 = -8*3 = -24, f22 = -5*0 = O Y f23 = -1*1 = -1. De
este ejercicio, el lector podrá deducir que si a'j = O, entonces f'j =O.
22 3
LU I S I\ I. BE RTO RI NCON AI3 RIL
A.5.6 Determinante para la matriz de orden n ~ 2. Existe una propiedad para las
matrices cuadradas , la cual no se va a demostrar, la suma de los cofactores de
cualquier fila o columna es siempre el mismo valor. Este aspecto "específico " fue
definido como el determinante de la matriz. Asi pues, dada una matriz cuadrada A, se
tiene que det(A) = D ,J , para una sola fila i-ésima o una sola columna j-ésima . En el
ejemplo que se viene presentando se puede calcular det(A) = -24 + O -1 =-25.
A.5.? Propiedades de los determinantes. La demostración de las siguientes
propiedades se dejan al lector y en ellas se supone que cuando se habla del
determinante de una matriz A, se entiende la estructura IAI .
3. Si 181 es el determinante obtenido al multiplicar por a un solo vector fila o columna del
determinante lA\, entonces: 181 = alAI·
224
IN \ I S rJ G ,\ C IO N D E OPER ,\C10 N ES P,\l~" ING EN IER I AS y ,\DM IN I STR AC ION DE E ~ IPRE SAS
A.6.2 Matriz Adjunta . La adjunta de una matriz cuadrada A es otra matriz cuadrada J
del mism o orden , estructurada como la transpuesta de los menores signados de A, esto
es , Si A =(ajj), entonces J =(m jj)T
A.6.3 Matriz Inversa. Una matriz B recibe el nombre de inversa de la matriz cuadrada
A, si A*B = 1. La inversa de A se designa como A '. Puede demostrarse que si A es no
I
singular, esto es IAI 1:- O, entonces A- = I .J .
A
Para cu alquier matriz cuadrada no singular A, A-' es única y cumple A* A-' =A-'* A =I
A=
{{ el (1 l' (/ 211
X= X'j
X,
b=
b,
(f
",1 (/ 11/2 { I "/II X" b,
225
LU IS ALBERT O R INCüN ABR IL
Si A es cuadrada , esto es , m = n y no singular, el vector solución está dado por X =A- 1b.
Aplicar esta expresión para encontrar X, exige un procedimiento demasiado
congestionado de operaciones, el cual fue totalmente mejorado mediante el método de
eliminación de Gauss.
1. Construir la estructura ( A 11 1 b ).
2. Realizar las combinaciones lineales adecuadas entre las filas de esta matriz para que
en la posición donde está A, aparezca la matriz idéntica 1.
1
3. Cuando esto se logra la anterior estructura se convierte a ( 1 1 A- 1X ).
Para encontrar la inversa de una matriz A, el proceso será iniciar con (A 11), realizar las
combinaciones lineales para terminar con (1 1 A-\
2X , +3X , + X ; =2
X1+X , +X ; = O
- X, +X , +2 X ;= 4
226
INVESTIG /\C ION DE OPERAC IONES PARA INGEN IER I AS y ADM IN ISTRAC ION DE EMPRESAS
Con esta información se puede construir el tablero inicial ( A 1I 1 b ), el cual queda como:
2 I 3 1 1 O O 2 F1
1 1 1 O 1 O O F2
-1 1 2 O O 1 4 F3
1 3/2 Y2 Y2 O O 1 F1 1=Y2 F1
O [3J Y2 -Y2 1 O -1 F2 1=F2- F1 1
O 5/2 5/2 Y2 O 1 5 F3 1=F3+ F1 1
1 O 2 -1 3 O -2 F1 2=F1 1 -3/2F2 2
O 1 -1 1 -2 O 2 F2 2= -2F2 1
O O I 5 -2 5 1 O F3 2=F3 1 -5/2F2 2
1 O O -1 /5 1 -2/5 -2 F1 3=F1 2-1 /5F33
O 1 O 3/5 -1 1/5 2 F23=F22+F3 3
O O 1 -2/5 1 1/5 O F3 3 =1/5F3 2
b) El "vector unitario" debe generarse con 1 en la posición del marco (elemento pivote) y
ceros en el resto de la columna.
c) La fila que contiene el elemento pivote ( fila pivote) debe multiplicarse por el inverso
del pivote, para pasar al nuevo tablero.
d) Las demás filas se obtienen realizando entre ella y la fila pivote la correspondiente
combinación lineal que genere el cero del "vector unitario".
227
I_U I S A L BERTO RINCON A BR IL
T
determinar: a) A + B b) CD e) DC d) BC - 2AD e) C + D
a) b)
5. Dada A= (= S)enCOl1lrOr
J I
B= (x -" ) , para que:
:: l'
T
(a) AB = BA (b) AB = I (e) AB = A (d) AB = A2
22 8
INVEST IG¡\C ION DE OPERACIONES PARA INGEN IER I¡\S y ¡\I)~ I I N I S TR AC I ()N DE H 1PRESAS
18 18
15 18
VI = 9 V2 = O
O 8
O O
Expresar mediante una combinación lineal convexa todas las posibles soluciones
óptimas al programa lineal.
a) 2X 1 + 3X 2 - 5X 3 =-3 b) 3X 1 + 2X 2 - X3 = 4
3X 1 - 2X 2 + 4X 3 = 15 2X 2 + 3X 3 = 8
5X 1 + 3X 2 - 2X 3 = 6 X1 + X2 + X3 = 4
c) 2X 1 + X2 + X3 = 10 d) X1 + X2 + X3 + X4 = 3
X1 + 2X 2 + X3 = 8 2X 1 - X2 - X3 = O
X1 - X2 + 2X 3 = 2 X1 + 2X 2 - X3 + 2X 4 = 2
X3 + X4 = 1
229
BIBLIOGRAFíA
AHUJA, R., MAGNANTI T, Y ORLlN, J,. Netwoork flows : Theory, Algorithms and
applications. Ed. Prentice Hall. New Jersey. 1993.
BAZARAA, M., JARVIS J,. Linear programming and Netwoork flows. 3a . Edición .
Ed , Willey. New York. 1995.
BINGHAM, R. Programas de computación para formular alimentos. Avicultura
profesional. pp 134-136. 1983.
BRONSON, R. Teoría y problemas de investigación de operaciones. Ed. McGraw
Hill. México 1983. 324 p.
COOPER, Robert B., Introduction to Oueueing Theory. 3 a . Edición . Elsevier
North Holland. Nueva York. 1988.
COWLES, K y CARLlNG B. , Markov chain Monte Cario convergen ce
diagnostics. Journal Am . Stat. Assoc., 1996. p 91 , 883-904.
DANTZIG, G. B. Linear Programming and Extensions. Princeton University Press.
Princeton. 1963.
EPPEN G. D., GOULD F. G., SCHMIDT C.P. MOORE J. H. Y WEATHERFORD
1. R., Investigación de Operaciones en la ciencia administrativa. Editorial Prentice
Hall. Ouinta Edición . 1998. México.
FU, M. C. ,Optimization via Simulation , Annals of Operations Research . 1994. P
199-248.
GASS, S. 1. An IlIustrated guide to Linear programming. Ed . Dover Publications.
1990.
GILKS, W., RICHARDSON S., Markov chain Monte in practice. Chapman Hall.
1996.
HILLlER, Frederick S. y LlEBERMAN, Gerald J., Introducción a la
Investigación de Operaciones. Editorial Mc Graw Hill. Cuarta Edición. 1997.
México.
INFANTE, A. Programación Lineal. Bogotá . Universidad de América, 1979. 352
p.
230
I VESTIGAC ION DE OPERAC IO ES PARA I NGEN I ER I AS y AD~ II N I STRAC I ON DE E~ I PRESAS
231
LUIS ALBERTO RINCÓN ABRIL
ISBN 958809509 - 3