FACULTAD DE INGENIERIA

RED NACIONAL UNIVERSITARIA

SYLLABUS

Facultad de Ingeniería
Ingeniería de Sistemas

SEXTO SEMESTRE
Gestión Académica I/2017

1
 FACULTAD DE INGENIERIA

UDABOL
UNIVERSIDAD DE AQUINO BOLIVIA
Acreditada como PLENA mediante R.M. 288/01

VISIÓN DE LA UNIVERSIDAD

Ser la Universidad líder en calidad educativa.

MISIÓN DE LA UNIVERSIDAD

Desarrollar la Educación Superior Universitaria con calidad y competitividad al servicio de

la sociedad.

2
 FACULTAD DE INGENIERIA

SYLLABUS

Asignatura: Investigación Operativa II

Código: MAT 403A
Requisito: MAT 303 A
Carga Horaria: 80
Créditos: 6

I. OBJETIVOS GENERALES DE LA ASIGNATURA.

 Fundamentar las bases matemáticas en la obtención de resultados frente a problemas económicos y técnicos.
 Valorar los modelos generales de optimización en el aprendizaje del profesional en formación.
 Reflexionar sobre la metodología de la investigación en el análisis de problemas y la obtención de soluciones
mediante modelos matemáticos.
 Optimizar un sistema productivo o de servicio en forma experimental utilizando para el efecto modelos de colas.
 Diagnosticar un sistema real productivo o de servicio para plantear alternativas de solución.
 Diseñar algoritmos y programas en lenguaje computacional para simular soluciones factibles de problemas reales
a través del uso del computador.
 Analizar modelos reales aleatorizados estableciendo sus características a través del empleo de la teoría de
probabilidades.
 Valorar la investigación final como aplicación de las herramientas aprendidas durante el periodo de enseñanza y
aprendizaje a partir de la realización del trabajo final en la asignatura.

II. PROGRAMA ANALÍTICO DE LA ASIGNATURA.

UNIDAD I: INVESTIGACIÓN CIENTÍFICA - ALGORITMOS PROBABILISTICOS Y DETERMINISTICOS

TEMA 1. Metodología de la Investigación Científica

 Etapas básicas del método científico

 Observación
 Formulación de la hipótesis
 Predicción
 Validez
 Análisis de los hechos
 Elaboración y presentación de propuestas
 Aplicación e implementación

TEMA 2. Programación Dinámica

 Generalidades y conceptos
 Principio matemático de descomposición
 Formulación matemática del modelo de P.D.
 Función recursiva
 Aplicaciones de la P.D.

3
 FACULTAD DE INGENIERIA

TEMA 3. Cadenas de Markov

 Introducción
 Terminología y definiciones
 Probabilidades de transición superior
 Estado estable
 Tiempo esperado de primera llegada
 Estados absorventes
 Aplicaciones

Unidad II: LA TEORÍA DE COLAS

TE MA 4: Teoría de Colas
 Generalidades y definiciones
 Estructura básica de un modelo de colas
 Notación y terminología
 Rol de la distribución exponencial
 Modelos Poisson
 Modelos que no son Poisson
 Aspectos económicos en los fenómenos de espera
 Aplicaciones

Unidad III: SIMULACIÓN DE EXPERIMENTOS

TEMA 5: Introducción a la Simulación
 Generalidades
 Definiciones y características
 Elementos de los modelos de simulación
 Metodología en el análisis de simulación
 Análisis y validación de datos
 Generación de números aleatorios
 Aplicaciones varias en computadora

TEMA 6. Generación de Procesos en la Simulación

 Introducción
 Métodos de Generación
 Generadores de variables aleatorias continuas
 Generadores de variables aleatorias discretas
 Generador empírico
 Aplicaciones en computadora

TEMA 7: Aplicación y Validación de Simuladores

 Generalidades
 Formulación del modelo matemático
 Número de simulaciones – tamaño de muestra
 Solución y resultados del modelo
 Validación del simulador

4
 FACULTAD DE INGENIERIA

III. BIBLIOGRAFÍA.

 TERRAZAS, Rafael. Modelos lineales de optimización. Editorial Verbograf. Bolivia, 2000.

 TAHA, H.A. Investigación de Operaciones. Editorial Servicio de Ingeniería. México, 1976.
 DANIEL Cohen, karen. Sistemas de información para la toma de decisiones. Editorial McGraw Hill. 2ª Edición.
México, 1998.
 EPPEN Gould, Schmidt. Investigación de operaciones en la ciencia administrativa. Editorial Prentice Hall. México,
1992.

5
 FACULTAD DE INGENIERIA

IV. CONTROL DE EVALUACIONES

1° evaluación parcial
Fecha
Nota

2° evaluación parcial
Fecha
Nota

Examen final
Fecha
Nota

APUNTES

6
 FACULTAD DE INGENIERIA

WORK PAPER # 1

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: No. DE HOJAS

ELABORÓ: CÓDIGO:

TÍTULO DEL WORK PAPER: LA PROGRAMACIÓN DINÁMICA

DPTO.: Facultad de Ingeniería

DESTINADO A:

DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES:

FECHA DE DIFUSIÓN: Abril 2006

FECHA DE ENTREGA: Abril 2006

7
 FACULTAD DE INGENIERIA

Introducción
La Programación dinámica es una técnica de la investigación de operaciones, que esta dentro el campo de la optimización
restringida, cuya característica fundamentales que este modelo permite resolver problemas por etapas, donde el óptimo de
una etapa es función directa del óptimo de la etapa anterior, logrando optimizar de esta manera es sistema en su conjunto.
Aplicaciones
Se utiliza en problemas no lineales, con ciertas restricciones. Se puede aplicar en teoría de nventarios, sistemas de producción,
en problemas de asignación, teoría de redes, etc.

CUESTIONARIO

1. La empresa de aseo EMSA desea asignar carros basureros a los distritos A, B, C, de modo que los carros asignados a cada
distrito maximize el beneficio total. La tabla siguiente muestra los beneficios (Bs.) de asignar los carros a los distintos distritos
(A, B, C).

Carros/distritos A B C
1 2 3 5
2 1 4 5
3 2 3 6

2. Demostrar que las salidas de información son función de las entradas de información y las decisiones, a partir del principio
matemático de descomposición.
Xn  X0

8
 FACULTAD DE INGENIERIA

WORK PAPER # 2

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: No. DE HOJAS

ELABORÓ: CÓDIGO:

TÍTULO DEL WORK PAPER: CADENAS DE MARKOV

DPTO.: Facultad de Ingeniería

DESTINADO A:

DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES:

FECHA DE DIFUSIÓN: Mayo 2006

FECHA DE ENTREGA: Mayo 2006

Introducción

9
 FACULTAD DE INGENIERIA

Es un proceso estocástico que cumple con la propiedad Markoviana que dice que la ocurrencia de un evento solo depende
del evento anterior y solo afecta a la ocurrencia del evento posterior.
Definiciones básicas
Vector probabilístico: Es un vector cuyos elementos suman la unidad.
Estado: Son eventos asociados a un problema
Paso: Lo vamos a asociar con el tiempo. El paso no es mas que el cambio de estado.
Matriz probabilística: Es una matriz cuadrada, que refleja el comportamiento probabilístico de los estados de una cadena de
markov.

CUESTIONARIO

1. Un hombre cambia su carro cada año; si tiene un Buick lo cambia por un Plymounth y si tiene Plymounth lo cambia por
un Ford y si tiene un Ford puede cambiarlo por cualquiera de los otros 3 vehículos. En 1995 compro su primer carro que
era Ford a) Plantear el problema como una cadena de Markov b) Cual es la probabilidad de que se compre un Ford el
año 1998 c) Cual es la probabilidad de que se compre el auto Ford a la larga. d) Cual es la probabilidad de que se
compre el auto Plymounth a la larga
2 Una partícula se mueve en un círculo que tiene 5 puntos marcados, en el sentido de las agujas del reloj. La partícula sale
del punto 0 y a cada paso tiene una probabilidad Q de moverse a la derecha y 1-Q de moverse a la izquierda. a) Plantear
el problema como un problema markoviano b) Realizar su grafo de transición.
3 El señor Quiroz gusta de cazar patos. El solo acierta a un pato cada vez, independientemente de la cantidad que esten
volando. La probabilidad de éxito en cada tiro es de 0.2. Se permite cazar un máximo de 2 patos por día. a) Describir este
problema como un problema Markoviano b) Hallar el número esperado de tiros que el señor Quiroz debe dar para alcanzar
el límite.

10
 FACULTAD DE INGENIERIA

WORK PAPER # 3

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: No. DE HOJAS

ELABORÓ: CÓDIGO:

TÍTULO DEL WORK PAPER: TEORÍA DE COLAS

DPTO.: Facultad de Ingeniería

DESTINADO A:

DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES:

FECHA DE DIFUSIÓN: Mayo 2006

FECHA DE ENTREGA: Mayo 2006

11
 FACULTAD DE INGENIERIA

Introducción

Es un modelo estocástico de la I.O. que busca analizar las situaciones que se presentan entre clientes y servidores con el
objetivo fundamental de calcular parámetros estándar tales como:
1) La longitud promedio en la cola
2) Tiempo esperado de espera
3) Número de servidores óptimo
4) Número de servidores ociosos esperados
5) La distribuciones de probabilidades del sistema, etc

Estructura del modelo de colas

La estructura del modelo de colas esta formado por:

Población potencial: Todos los elementos posibles que pueden llegar al sistema de colas. Pueden ser finitas o infinitas. > a
30 población infinita.
Cola: Asociado a los clientes. La cola esta compuesta por los clientes que esperan ser atendidos. La cola puede ser finita o
infinita.
Disciplina de servicio: Puede ser FIFO, LIFO, RS., PR.
Sistema de servicio: Puede ser simple, serie, paralelo o una combinación de estos.

Terminología

Tni = Tiempo entre llegadas

Tsi= Tiempo de servicio y/o atención al cliente i
Tn = tiempo promedio de llegadas
 = Tasa promedio de llegadas
Ts = Tiempo promedio de servicio
= Tasa promedio de servicio
P(n) = Probabilidad de que existan n clientes en el sistema.
n= Número de clientes en el sistema
L= Número esperado de clientes en el sistema
Lq= Número esperado de clientes en la cola.
W = Tiempo esperado de espera en el sistema
Wq = Tiempo esperado de espera en la cola.
= Tasa de ocupación del sistema.
S= Número de servidores

Modelos de la teoría de colas

a) Modelo básico cola finita

b) Modelo básico cola infinita.
c) Modelo básico fuente limitada.

CUESTIONARIO

1-Las secretarias de 5 oficinas de UDABOL sacan copias en una copiadora en forma periódica. La razón de llegada de las
secretarias es de 4 por hora; el tiempo de servicio es exponencial de 6 secretarias por hora.
a) Cuál es la probabilidad de que la copiadora este ociosa? (Po)
b) Cual es el número promedio de secretarias usando la copiadora? (L)
c) Cual es el número promedio de secretarias en la copiadora? (Lq)

12
 FACULTAD DE INGENIERIA

2-Una gasolinera es atendida por una persona en un tiempo esperado de 5 minutos por automóvil, los clientes llegan a la
gasolinera aleatoriamente según una distribución Poisson a una tasa de 15 autos por hora.
a) Construya el diagrama de tasas para este sistema
b) Cual es la probabilidad de estado estable del número de clientes que se encuentran en la gasolinera.
c) Obtenga L. Lq, W, Wq para el sistema

3- Para la ejecución de un nuevo complejo aeropuertuario, se desea encontrar el número de pistas de aterrizaje que hay que
prever, de tal manera que la probabilidad de esperar en el aire para que un avión que este pidiendo aterrizar, sea inferior al
10%. Un estudio estadístico de llegadas ha mostrado de que se podría admitir hipótesis de llegadas poissonianas con una
media de 27 aviones por hora. El tiempo de ocupación de una pista esta distribuida exponencialmente con una media de dos
minutos.

13
 FACULTAD DE INGENIERIA

WORK PAPER # 4

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: No. DE HOJAS

ELABORÓ: CÓDIGO:

TÍTULO DEL WORK PAPER: PROBLEMAS DE SIMULACIÓN.

DPTO.: Facultad de Ingeniería

DESTINADO A:

DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES:

FECHA DE DIFUSIÓN: Mayo 2006

FECHA DE ENTREGA: Mayo 2006

14
 FACULTAD DE INGENIERIA

Introducción

Objetivos

 Valorar la significación de los modelos de simulación como alternativa de solución a los problemas económicos y técnicos.
 Demostrar la importancia de la etapa de validación de simuladores para la optimización de un sistema.
 Define los elementos de los modelos de simulación en función del uso del texto de consulta.
 Criticar los métodos de generación de números aleatorios, a través del uso del computador.
 Evaluar la importancia de los distintos tipos de generadores de variables aleatorias, en función del análisis de los ejercicios
propuestos en la guía práctica.
 Caracterizar el generador empírico en los procesos de simulación a partir del uso frecuente en los sistemas reales.

Concepto

Es una técnica numérica y experimental que se aplica para solucionar sistemas complejos ( Económicos, industriales, etc)
buscando predecir el comportamiento estable de las variables relevantes en periodos extensos de tiempo real.

Elementos del modelo de simulación

Los elementos son:

a) Variables exógenas o de entrada

b) Variables endógenas o de salida
c) Variables de estado o intermedias
d) Parámetros
e) Relaciones funcionales

Generación de procesos

Es el hecho de generar variables que siguen cualquier tipo de distribución.

X = f ( r)
X = Variable aleatoria que sigue cualquier tipo de distribución
r = Número random que esta entre 0 y 1.

Método de la transformada inversa

Permite generar variables aleatorias que siguen algún tipo de distribución de probabilidades.

Generadores continuos

Entre estos tenemos a:

a) Generador uniforme
b) Generador exponencial
c) Generador Gamma – Erlang

CUESTIONARIO

15
 FACULTAD DE INGENIERIA

1. Desarrolle un generador de procesos para las siguientes funciones de densidad de probabilidad:

a)

1/6 0<x  2
f (x) = 1/3 2<x  3
1/12 3<x  7

b)
30X - 3 0 < x  0.2
f (x) = 13 – 2X 0.2 < x  0.5
3
2(1 – X) 0.5 < x  1

c)
X / 100 0 < x  10
f (x) = 20 – X 10 < x  20
100

2. El volumen de ventas para un determinado artículo depende de su precio de venta. El precio de venta , así como las
probabilidades se muestran en la siguiente tabla:

Tabla No 1
Precio Probabilidades Media Desviación
650 0.25 150 20
700 0.20 125 15
750 0.25 100 10
800 0.30 75 5

Se supone que el volumen de ventas sigue una distribución normal con medias y desviaciones iguales a los propuestos en la
tabla No 1. Si el volumen de ventas esta dado en Unidades/semana, calcular el ingreso bruto para 100 semanas.

16
 FACULTAD DE INGENIERIA

WORK PAPER # 5

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: No. DE HOJAS

ELABORÓ: CÓDIGO:

TÍTULO DEL WORK PAPER: SOLUCION DE PROBLEMAS A PARTIR DEL USO DEL SOFTWARE Q&M.

DPTO.: Facultad de Ingeniería

DESTINADO A:

DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES:

FECHA DE DIFUSIÓN: Mayo 2006

FECHA DE ENTREGA: junio 2006

17
 FACULTAD DE INGENIERIA

Introducción

Es una herramienta de la I.O., que busca la optima asignación de los recursos hacia las actividades para que estas se
desarrollen. Cuya característica fundamental es que todas las ecuaciones que intervienen son de tipo lineal.

CUESTIONARIO

1. El ministerio de educación debe elegir 4 proyectos académicos que deben asignarse a 3 escuelas diferentes. Para no crear
descontento entre los participantes, se debe asignar por lo menos un proyecto por escuela. Se ha evaluado las doce
alternativas correspondientes calificándolas en porcentaje, de acuerdo a:

Proyectos/escuelas 1 2 3
1 40 60 60
2 100 100 100
3 80 90 100
4 100 100 100

Determinar la asignación optima de los cuatro proyectos entre las tres escuelas, maximizando el porcentaje de realización.

2. Se tiene el siguiente cuadro de costos en la asignación de carros basureros a zonas, donde las filas representan el número
de carros y las columnas representan a dos zonas (A y B). Usando la Programación Dinámica, asignar un número de carros a
cada zona de tal forma que se pueda minimizar los costos de asignación total.

No carros / zonas A B
0 0 0
1 15 10
2 10 15

PROGRAMA DE CALIDAD UDABOL

18
 FACULTAD DE INGENIERIA

DIF – 001 10/04/2006

La investigación de operaciones
La investigación de operación de operaciones es la aplicación del método científico para resolver problemas.

Herramientas de la I.O.

A continuación se presenta un listado de las herramientas de uso mas común:

- El modelo de programación lineal.
- Las cadenas de Markov
- La teoría de redes
- La teoría de colas
- Simulación
- El modelo de transporte, etc.

Objetivos de la I.O.

 Fundamentar las bases matemáticas en la obtención de resultados frente a problemas económicos y técnicos.

 Valorar los modelos generales de optimización en el aprendizaje del profesional en formación.

 Reflexionar sobre la metodología de la investigación en el análisis de problemas y la obtención de soluciones mediante

modelos matemáticos.

¿Explique las características del método científico?

¿cuáles son las aplicaciones fundamentales de este método en el proceso decisional?
¿Qué otras herramientas tiene la I.O.?

19