Centro de Estudios

UNIVER, Durango

Licenciatura en Administración de Empresas

Materia: Investigación de Operaciones

MIXTO SABATINO

ING. OSVALDO ZARAGOZA SOLIS

Ciclo: 2018.
 Contenido
1.- INVESTIGACIÓN DE OPERACIONES ........................................................................................ 1
1.1 Definición de la investigación de operaciones ................................................................................ 1
1.2 Historia de la investigación de operaciones ................................................................................... 2
1.3 Características de la investigación de operaciones ......................................................................... 4
1.4 Las computadoras y la investigación de operaciones ..........................................................................5
1.5 Definición de modelo .................................................................................................................. 5
1.6 Formulación de modelo ............................................................................................................... 6
1.7 Función de los modelos en los proyectos de IO ............................................................................ 6
1.8 Ventaja de los modelos ............................................................................................................... 7
1.9 Desventajas de los modelos ........................................................................................................ 7
1.10 Modelos cuantitativos que se abarcan .......................................................................................... 7
2.- TEORÍA DE DECISIONES ........................................................................................................ 8
2.1 Requisitos para la formulación de problemas de la teoría de decisiones........................................... 9
2.2 Relaciones entre la independencia y la dependencia estadística ...................................................... 9
2.3 Términos de la probabilidad ....................................................................................................... 11
2.4 Revisión de probabilidades ......................................................................................................... 12
2.5 Asignación de recursos mediante matrices ................................................................................... 12
2.5.1 Concepto matriz ……………………………………………………………………………………………………….…. 12
2.5.2 Concepto determinante ………………………………………………………………………………………………… 12
2.6 Selección del criterio óptimo (Certidumbre, riesgo, incertidumbre) ................................................ 12
2.7 Árboles de decisiones ................................................................................................................ 19
3.- CONTROL DE INVENTARIOS ....................................................................................................20
3.1 Términos y símbolos .................................................................................................................. 20
3.2 Sistemas determinísticos ............................................................................................................ 22
3.3 Lote económico de compra ........................................................................................................ 23
3.4 Calculo de existencias de las reservas ........................................................................................ 24
4.- PERT / TIEMPO Y PERT / COSTO .......................................................................................... 24
4.1 Requisitos para transformar una gráfica de gant a una red de pert ............................................... 24
4.2 Problema de pert / tiempo ......................................................................................................... 24
4.3 Paquetes de pert / tiempo para computadora .............................................................................. 25
4.4 Pert / costo ............................................................................................................................... 25
4.5 Problema de pert / costo ............................................................................................................ 25
4.6 Paquete de pert / costo para computadora .................................................................................. 26
4.7 Probabilidades de terminar un proyecto pert................................................................................ 26
4.8 Ventajas del pert ....................................................................................................................... 27
4.9 Desventajas del pert .................................................................................................................. 27
4.10 Costo de utilización de la técnica pert ........................................................................................ 27
5.- PROGRAMACIÓ LINEAL – MÉTODOS GRÁFICO Y SIMPLEX ...................................................... 29
5.1 Requisitos para la formulación de un problema de programación lineal ......................................... 29
5.2 Método gráfico de programación lineal........................................................................................ 37
5.3 Métodos simplex........................................................................................................................ 38
5.4 Precauciones a tomar con los métodos de programación lineal ..................................................... 47

0
 1. - INVESTIGACION DE OPERACIONES.

1.1 Definición de la investigación de operaciones.

La investigación de operaciones. - Puede describirse como un procedimiento científico para tomar

decisiones que comprenden en forma sistemática las diversas operaciones de los sistemas de las
organizaciones.

¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

Como toda disciplina en desarrollo, la investigación de operaciones ha ido evolucionando no sólo en sus
técnicas y aplicaciones sino en la forma como la conceptualizan los diferentes autores, en la actualidad
no existe solamente una definición sino muchas, algunas demasiado generales, otras demasiado
engañosas, aquí seleccionamos dos de las mas aceptadas y representativas.

LA DEFINICIÓN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIÓN DE OPERACIONES ES LA

APLICACIÓN, POR GRUPOS INTERDISCIPLINARIOS, DEL MÉTODO CIENTÍFICO A PROBLEMAS
RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O SISTEMAS (HOMBRE-MÁQUINA), A
FIN DE QUE SE PRODUZCAN SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS DE LA
ORGANIZACIÓN.

De esta definición se pueden destacar los siguientes conceptos:

1. Una organización es un sistema formado por componentes que se interaccionan, unas de estas
interacciones pueden ser controladas y otras no.
2. En un sistema la información es una parte fundamental, ya que entre las componentes fluye
información que ocasiona la interacción entre ellas. También dentro de la estructura de los sistemas se
encuentran recursos que generan interacciones. Los objetivos de la organización se refieren a la eficacia y
eficiencia con que las componentes pueden controlarse, el control es un mecanismo de auto corrección
del sistema que permite evaluar los resultados en términos de los objetivos establecidos.
3. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola
disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su análisis y solución
se requieren grupos compuestos por especialistas de diferentes áreas del conocimiento que logran
comunicarse con un lenguaje común.
4. La investigación de operaciones es la aplicación de la metodología científica a través modelos
matemáticos, primero para representar al problema y luego para resolverlo. La definición de la sociedad
de investigación de operaciones de la Gran Bretaña es la siguiente:

La investigación de operaciones es el ataque de la ciencia moderna a los complejos problemas que

surgen en la dirección y en la administración de grandes sistemas de hombres, máquinas, materiales y
dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste
en desarrollar un modelo científico del sistema tal, que incorpore valoraciones de factores como el azar
y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones, estrategias o
controles alternativos. Su propósito es el de ayudar a la gerencia a determinar científicamente sus
políticas y acciones.

EN RELACIÓN A ESTA DEFINICIÓN DEBEN DESTACARSE LOS SIGUIENTES ASPECTOS:

1. Generalmente se asocian los conceptos de dirección y administración a las empresas de tipo lucrativo,
sin embargo, una empresa es un concepto más amplio, es algo que utiliza hombres, máquinas,
materiales y dinero con un propósito específico; desde este punto de vista, se considera como empresa
desde una universidad hasta una armadora de automóviles.
2. Para tratar de explicar el comportamiento de un sistema complejo, el científico debe representarlo
1
en términos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema
por medio de relaciones matemáticas. A esta representación formal se le llama modelo.
3. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero si
ser capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere
en una variedad de circunstancias, lo que permite valorar su vulnerabilidad.

Si se conocen las debilidades del sistema se pueden tomar cursos de acción agrupados en tres
categorías: A) Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta; B) Realizar
un plan de toma de decisiones; C) Instalar estrategias que generen decisiones. Cuando se aplica alguno
de estos remedios, la investigación de operaciones nos ayuda a determinar la acción menos vulnerable
ante un futuro incierto.
4. El objetivo global de la investigación de operaciones es el de apoyar al tomador de decisiones, en
cuanto ayudarlo a cumplir con su función basado en estudios científicamente fundamentados.

1.2 Historia de la investigación de operaciones.

La toma de decisiones es un proceso que se inicia cuando una persona observa un problema y determina
que es necesario resolverlo procediendo a definirlo, a formular un objetivo, reconocer las limitaciones
o restricciones, a generar alternativas de solución y evaluarlas hasta seleccionar la que le parece mejor,
este proceso puede ser cualitativo o cuantitativo.

El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades necesarias en este
enfoque son inherentes en la persona y aumentan con la práctica. En muchas ocasiones este proceso
basta para tomar buenas decisiones. El enfoque cuantitativo requiere habilidades que se obtienen del
estudio de herramientas matemáticas que le permitan a la persona mejorar su efectividad en la toma
de decisiones. Este enfoque es útil cuando no se tiene experiencia con problemas similares o cuando el
problema es tan complejo o importante que requiere de un análisis exhaustivo para tener mayor
posibilidad de elegir la mejor solución.

La investigación de operaciones proporciona a los tomadores de decisiones bases cuantitativas para

seleccionar las mejores decisiones y permite elevar su habilidad para hacer planes a futuro. En el
ambiente socioeconómico actual altamente competitivo y complejo, los métodos tradicionales de toma
de decisiones se han vuelto inoperantes e inadmisibles ya que los responsables de dirigir las
actividades de las empresas e instituciones se enfrentan a situaciones complicadas y cambiantes con
rapidez que requieren de soluciones creativas y prácticas apoyadas en una base cuantitativa sólida.

En organizaciones grandes se hace necesario que el tomador de decisiones tenga un conocimiento

básico de las herramientas cuantitativas que utilizan los especialistas para poder trabajar en forma
estrecha con ellos y ser receptivos a las soluciones y recomendaciones que se le presenten. En
organizaciones pequeñas puede darse que el tomador de decisiones domine las herramientas
cuantitativas y él mismo l as aplique para apoyarse en ellas y así tomar sus decisiones.

Desde al advenimiento de la Revolución Industrial, el mundo ha sido testigo de un crecimiento sin

precedentes en el tamaño y la complejidad de las organizaciones. Los pequeños talleres artesanales se
convirtieron en las corporaciones actuales de miles de millones de pesos. Una parte integral de este
cambio revolucionario fue el gran aumento en la división del trabajo y en la separación de las
responsabilidades administrativas en estas organizaciones. Los resultados han sido espectaculares. Sin
embargo, junto con los beneficios, el aumento en el grado de especialización creo nuevos problemas
que ocurren hasta la fecha en muchas empresas. Uno de estos problemas es la tendencia de muchas
de las componentes de una organización a convertirse en imperios relativamente autónomos, con sus
propias metas y sistemas de valores, perdiendo con esto la visión de la forma en que encajan sus
actividades y objetivos con los de toda la organización. Lo que es mejor para una componente, puede
ir en detrimento de otra, de manera que pueden terminar trabajando con objetivos opuestos. Un
2
problema relacionado con esto es que, conforme la complejidad y la especialización crecen, se vuelve
más difícil asignar los recursos disponibles a las diferentes actividades de la manera más eficaz para la
organización como un todo. Este tipo de problemas, y la necesidad de encontrar la mejor forma de
resolverlos, proporcionaron el ambiente adecuado para el surgimiento de la INVESTIGACIÓN DE
OPERACIONES (IO).

Las raíces de la investigación de operaciones se remontan a muchas décadas, cuando se hicieron los
primeros intentos para emplear el método científico en la administración de una empresa. Sin embargo,
el inicio de la actividad llamada investigación de operaciones, casi siempre se atribuye a los servicios
militares prestados a principios de la segunda guerra mundial. Debido a los esfuerzos bélicos, existía
una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las
actividades dentro de cada operación, en la forma más efectiva. Por esto, las administraciones militares
americana e inglesa hicieron un llamado a un gran número de científicos para que aplicaran el método
científico a éste y a otros problemas estratégicos y tácticos. De hecho, se les pidió que hicieran
investigación sobre operaciones (militares). Estos equipos de científicos fueron los primeros equipos de
IO. Con el desarrollo de métodos efectivos para el uso del nuevo radar, estos equipos contribuyeron al
triunfo del combate aéreo inglés. A través de sus investigaciones para mejorar el manejo de las
operaciones antisubmarinas y de protección, jugaron también un papel importante en la victoria de la
batalla del Atlántico Norte. Esfuerzos similares fueron de gran ayuda en una isla de campaña en el
pacífico.

Al terminar la guerra, el éxito de la investigación de operaciones en las actividades bélicas generó un

gran interés en sus aplicaciones fuera del campo militar. Como la explosión industrial seguía su curso,
los problemas causados por el aumento en la complejidad y especialización dentro de las organizaciones
pasaron de nuevo a primer plano. Comenzó a ser evidente para un gran número de personas, incluyendo
a los consultores industriales que habían trabajado con o para los equipos de IO durante la guerra, que
estos problemas eran básicamente los mismos que los enfrentados por la milicia, pero en un contexto
diferente. Cuando comenzó la década de 1950, estos individuos habían introducido el uso de la
investigación de operaciones en la industria, los negocios y el gobierno. Desde entonces, esta disciplina
se ha desarrollado con rapidez.

Se pueden identificar por lo menos otros dos factores que jugaron un papel importante en el desarrollo
de la investigación de operaciones durante este período. Uno es el gran progreso que ya se había hecho
en el mejoramiento de las técnicas disponibles en esta área. Después de la guerra, muchos científicos
que habían participado en los equipos de IO o que tenían información sobre este trabajo, se encontraban
motivados a buscar resultados sustanciales en este campo; de esto resultaron avances importantes. Un
ejemplo sobresaliente es el método simplex para resolver problemas de programación lineal,
desarrollado en 1947 por George Dantzing. Muchas de las herramientas características de la
investigación de operaciones, como programación lineal, programación dinámica, líneas de espera y
teoría de inventarios, fueron desarrolladas casi por completo antes del término de la década de 1950.
Un segundo factor que dio ímpetu al desarrollo de este campo fue el advenimiento de las computadoras.
Para manejar de una manera efectiva los complejos problemas inherentes a esta disciplina, por lo
general se requiere un gran número de cálculos. Llevarlos a cabo a mano puede resultar casi imposible.
Por lo tanto, el desarrollo de la computadora electrónica digital, con su capacidad para realizar cálculos
aritméticos, miles o tal vez millones de veces más rápido que los seres humanos, fue una gran ayuda
para la investigación de operaciones. Un avance más tuvo lugar en la década de 1980 con el desarrollo
de las computadoras personales cada vez más rápidas, acompañado de buenos paquetes de software
para resolver problemas de IO, esto puso las técnicas al alcance de un gran número de personas. Hoy
en día, literalmente millones de individuos tienen acceso a estos paquetes. En consecuencia, por rutina,
se usa toda una gama de computadoras, desde las grandes hasta las portátiles, para resolver problemas
de investigación de operaciones.

3
1.3 Características principales de la IO.

Método científico.

Como su nombre lo dice, la investigación de operaciones significa "hacer investigación sobre las
operaciones". Entonces, la investigación de operaciones se aplica a problemas que se refieren a la
conducción y coordinación de operaciones (o actividades) dentro de una organización. La naturaleza
de la organización es esencialmente inmaterial y, de hecho, la investigación de operaciones se ha
aplicado de manera extensa en áreas tan diversas como la manufactura, el transporte, la constitución,
las telecomunicaciones, la planeación financiera, el cuidado de la salud, la milicia y los servicios públicos,
por nombrar sólo unas cuantas. Así, la gama de aplicaciones es extraordinariamente amplia.

La parte de investigación en el nombre significa que la investigación de operaciones usa un enfoque

similar a la manera en que se lleva a cabo la investigación en los campos científicos establecidos. En
gran medida, se usa el método científico para investigar el problema en cuestión. (De hecho, en
ocasiones se usa el término ciencias de la administración como sinónimo de investigación de
operaciones.) En particular, el proceso comienza por la observación cuidadosa y la formulación del
problema incluyendo la recolección de los datos pertinentes. El siguiente paso es la construcción de un
modelo científico (por lo general matemático) que intenta abstraer la esencia del problema real. En este
punto se propone la hipótesis de que el modelo es una representación lo suficientemente precisa de las
características esenciales de la situación como para que las conclusiones (soluciones) obtenidas sean
válidas también para el problema real. Después, se llevan a cabo los experimentos adecuados para
probar esta hipótesis, modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso
se conoce como validación del modelo.) Entonces, en cierto modo, la investigación e operaciones
incluyen la investigación científica creativa de las propiedades fundamentales de las operaciones.

Trabaja con Modelos.

La parte innovadora de la IO es sin duda alguna su enfoque modelístico, producto de sus creadores
aunado a la presión de supervivencia de la guerra o la sinergia generada al combinarse diferentes
disciplinas, una descripción del enfoque es la siguiente.

1. Se define el sistema real en donde se presenta el problema. Dentro del sistema interactúan
normalmente un gran número de variables.
2. Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables
relevantes, con las cuales se define un sistema asumido del sistema real.
3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones
entre las variables relevantes mediante la utilización de funciones matemáticas.
4
4. Se obtiene la solución al modelo cuantitativo mediante la aplicación de una o más de las técnicas
desarrolladas por la IO.
5. Se adapta e imprime la máxima realidad posible a la solución teórica del problema real obtenida en
el punto 4, mediante la consideración de factores cualitativos o no cuantificables, los cuales no pudieron
incluirse en el modelo. Además, se ajusta los detalles finales vía el juicio y la experiencia del tomador de
decisiones.
6. Se implanta la solución en el sistema real.

La investigación de operaciones obtiene la solución del problema real indirectamente, y no como

normalmente se intentaría pasando directamente del problema real a la solución real.

Trabaja con grupos interdisciplinarios.

La investigación de operaciones ha tenido un impacto impresionante en el mejoramiento de la eficiencia de

numerosas organizaciones en todo el mundo. En el proceso, la investigación de operaciones ha hecho
contribuciones significativas al incremento de la productividad dentro de la economía de varios países.
Hay ahora más de 30 países que son miembros de la International Federation of Operational Research
Societies (IFORS), en la que cada país cuenta con una sociedad de investigación de operaciones.

Sin duda, el impacto de la investigación de operaciones continuará aumentando. Por ejemplo, al inicio
de la década de los 90, el U.S. Bureau of Labor Statistics predijo que la IO sería el área profesional
clasificada como la tercera de más rápido crecimiento para los estudiantes universitarios en Estados
Unidos, graduados entre 1990 y 2005. Pronosticó también que, para el año 2005, habría 100 000
personas trabajando como analistas de investigación de operaciones.

1.4 Las computadoras y la investigación de operaciones.

En los últimos años se ha desarrollado una Importante sinergia con el desarrollo de las tecnologías de la
información y la comunicación. Existe una gran de paquetería de Software en el mercado como lo son,
QSA, QSB, Modulo SOLVER de EXCEL, LINDO, EXTEND+MANUFACTURING, EXTEND +BPR, TORA
que ayudan bastante en la solución de los algoritmos utilizados en métodos cuantitativos.

1.5 Definición de modelo.

MODELO: ES EL CUERPO DE INFORMACIÓN RELATIVA A UN SISTEMA PARA FINES DE ESTUDIARLO.

5
Ejemplo de un modelo de supermercado: “Los clientes que necesitan varios artículos de consumo llegan a
un supermercado, toma un carrito si lo hay disponible, realizan sus compras y luego forman una cola para
salir por una de las distintas cajas. Después de pagar devuelven el carrito y salen del lugar.

ENTIDAD ATRIBUTO ACTIVIDAD

Clientes Números de artículos Llegar, obtener

Carrito Disponibilidad Comprar, formar cola Caja

Cantidad, ocupación Devolver, salir

1.6 Formulación del modelo.

La parte innovadora de la IO es sin duda alguna su enfoque modelístico, producto de sus creadores
aunado a la presión de supervivencia de la guerra o la sinergia generada al combinarse diferentes
disciplinas, una descripción del enfoque es la siguiente.
1. Se define el sistema real en donde se presenta el problema. Dentro del sistema interactúan
normalmente un gran número de variables.
2. Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables
relevantes, con las cuales se define un sistema asumido del sistema real.
3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones
entre las variables relevantes mediante la utilización de funciones matemáticas.
4. Se obtiene la solución al modelo cuantitativo mediante la aplicación de una o más de las técnicas
desarrolladas por la IO.
5. Se adapta e imprime la máxima realidad posible a la solución teórica del problema real obtenida en
el punto 4, mediante la consideración de factores cualitativos o no cuantificables, los cuales no pudieron
incluirse en el modelo. Además, se ajusta los detalles finales vía el juicio y la experiencia del tomador de
decisiones.
6. Se implanta la solución en el sistema real.

La investigación de operaciones obtiene la solución del problema real indirectamente, y no como

normalmente se intentaría pasando directamente del problema real a la solución real.

1.7 Función de los modelos en los proyectos de investigación de operaciones.

Ayudar a los gerentes a desarrollar el conocimiento y las herramientas necesarias para comprender los
problemas de decisión, traducirlos a términos analíticos y luego resolverlos.

6
1.8 Ventajas de los modelos.

Ventajas de los modelos de la investigación de operaciones: Usualmente estos modelos ayudan a los
administradores a tomar dos tipos de decisiones: estratégicas y operacionales.

Decisiones estratégicas: Son decisiones de una sola vez con consecuencias a largo plazo para la
administración, por ejemplo: cambios en las políticas de administración, abrir nuevas instalaciones,
reordenar inventarios a intervalos regulares de tiempo en lugar de que el nivel caiga por debajo de
alguna cantidad especificada, etc. De hecho, estas decisiones tienen gran impacto en la organización,
por este motivo debe dedicarse tiempo en asegurar un modelo válido con datos lo más exactos posibles.
Decisiones operacionales: Los procesos afectados por estas decisiones corresponden a periodos más
cortos, por ejemplo: programar de manera eficiente la fuerza de trabajo mensual, encontrar un plan de
producción óptimo, minimizar de manera adecuada los costos de la producción, etc. También se tienen
otros beneficios de los modelos matemáticos en:

• Asignación óptima de recursos escasos.

• Evaluar la fortaleza de la solución óptima al realizar análisis de sensibilidad.
• Como evaluar el impacto de un cambio propuesto.
• Involucrar otras partes de la organización en la obtención de objetivos para beneficio de
la organización total.

1.9. Desventaja de los modelos.

Al aplicar la I de O al estudio de sistemas y a la resolución de problemas se corre el riesgo de tratar de

manipular los problemas para buscar que se ajusten a las diferentes técnicas, modelos de algoritmos
establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores,
utilizando los métodos apropiados, es decir resolver el problema utilizando los métodos que
proporcionan las mejoras soluciones y no buscar ajustar el problema a un método específico.

Para llegar a hacer un uso apropiado de la I de O, es necesario primero comprender la metodología para
resolver los problemas, así como los fundamentos de las técnicas de solución para de esta forma saber
cuándo utilizarlas o no en las diferentes circunstancias.

DESVENTAJAS ESPECÍFICAS.

1. Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y
detener una solución.
2. La mayoría de los modelos sólo considera un solo objetivo y frecuentemente en las organizaciones
se tienen objetivos múltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones en un problema práctico, debido a
que los métodos de enseñanza y entrenamiento dan la aplicación de esta ciencia centralmente se
basan en problemas pequeños para razones de índole práctico, por lo que se desarrolla en los alumnos
una opinión muy simplista e ingenua sobre la aplicación de estas técnicas a problemas reales.
4. Casi nunca se realizan análisis costo-beneficio de la implantación de soluciones definidas por medio
de la I de O, en ocasiones los beneficios potenciales se van superados por los costos ocasionados por el
desarrollo e implantación de un modelo.

1.10 Modelos cuantitativos que se abarcan.

Toma de decisiones.
Planeación y control de proyecto.
Modelos de programación lineal para:
Planeación de la Producción Asignación
de personal
Transporte
7
Mercados
Modelos de inventarios y líneas de espera para:
Balanceo de costo y servicio

Modelos de simulación para: Inventarios

Estrategias de Inversión
Líneas de espera
etc.

I TRABAJO DE AUTO EVALUACIÓN DE LA UNIDAD.

1.- ¿Qué eventos históricos ocurrían durante el nacimiento de la investigación de operaciones?

2.- ¿Que es un modelo de investigación de operaciones?
3.- ¿Cómo se clasifican los modelos?
4.- ¿Que es un grupo interdisciplinario?
5.- ¿Cómo define la investigación de operaciones? 6.-
¿Que es un algoritmo? Investigar en la RED
7.- ¿Mencione algunos algoritmos utilizados en investigación de operaciones? Investigar en la RED
8.- ¿Que es un método heurístico? Investigar en la RED
9.- ¿Que es la simulación? Investigar en la RED
10.- ¿Mencione algunos ejemplos de aplicación de la simulación? Investigar en la RED
11.- ¿Cuáles son los pasos de la metodología de la investigación de operaciones?
12.- Mencione tres aplicaciones de la IO en el campo administrativo
13.- Mencione una limitación de la investigación de operaciones
14.- Mencione tres métodos meta heurísticos. Investigar en la RED
15.- Explique el siguiente paso de la metodología de la investigación de operaciones:

ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCIÓN.

16. Método desarrollado en 1947 por George Dantzing

17. Mencione los pasos para la creación de un modelo de investigación de operaciones

2.- TEORÍA DE DECISIONES.

2.1 Requisitos para la formulación de problemas de la teoría de decisiones.

En economía y administración existen ciertos tipos de problemas en los que no es posible obtener
muestras (información objetiva) para estimar ciertas características de la población. Es necesario
recurrir a la información de una persona (información subjetiva). La teoría de decisiones puede definirse
como el análisis lógico y cuantitativo de todos los factores que afectan los resultados de una decisión en
un mundo incierto.

Se resuelven según:

1) INFORMACION PERFECTA: Toma de decisiones en condiciones de certeza. Se conocen los datos

(disponibilidad completa).
2) INFORMACION IMPERFECTA O PARCIAL: Dos situaciones:

a) Decisiones con Riesgo: Disponibilidad intermedia de datos. Los datos se representan a través de las
funciones de probabilidad.
b) Decisiones con Incertidumbre: No se disponen de datos:
b.1. No se conocen los datos y no puede determinarse una función de probabilidad.
b.2. Si el decisor además tiene un oponente inteligente se formularán teorías de Juegos.
8
Observaciones:
- El propósito de la teoría de decisiones es incrementar la probabilidad de obtener buenos resultados
en un mundo de incertidumbre.

- El “decisor” es el individuo o conjunto de individuos, que tiene la responsabilidad de comprometer o

asignar recursos de una organización.

- La calidad de la decisión dependerá de si esta es no consistente con las alternativas, información y

preferencias del decisor.

DECISIONES CON RIESGO.

(*) Cuando las decisiones a futuro no dependen de lo que se tiene ahora: Evaluación de alternativas de
una sola etapa.
Criterios:

a) Valor esperado.
b) Valor esperado y Varianza combinados.
c) Nivel de aceptación conocido.
d) Ocurrencia más probable de un estado futuro.
(*) Evaluación de alternativas de múltiples etapas: Criterio del Árbol de decisión.

DECISIONES CON INCERTIDUMBRE.

Los criterios se diferencian por el grado de “conservador “del decisor, esto es; según asuma una posición
entre Optimista y Pesimista.

Criterios:
a) Laplace
b) Wald
c) Savage
d) Hurwicz

Supuesto para aplicar los criterios: El decisor no tiene un oponente inteligente. Se dice que la
“naturaleza” es el oponente y que no existe razón para creer que la naturaleza se proponga provocar
pérdidas al decisor.

Si existe un oponente inteligente, se aplicará otros criterios correspondientes a la teoría de juegos.

2.2 Relaciones entre la independencia y la dependencia estadística.

Probabilidad de sucesos.

Al definir los sucesos hablamos de las diferentes relaciones que pueden guardar dos sucesos entre sí,
así como de las posibles relaciones que se pueden establecer entre los mismos. Vamos a ver ahora
cómo se refleja esto en el cálculo de probabilidades. a) Un suceso puede estar contenido en otro:
entonces, la probabilidad del primer suceso será menor que la del suceso que lo contiene.

Dos sucesos pueden ser iguales: en este caso, las probabilidades de ambos sucesos son las mismas.
9
Intersección de sucesos: es aquel suceso compuesto por los elementos comunes de los dos o más
sucesos que se interceptan. La probabilidad será igual a la probabilidad de los elementos comunes.
Unión de dos o más sucesos: la probabilidad de la unión de dos sucesos es igual a la suma de las
probabilidades individuales de los dos sucesos que se unen, menos la probabilidad del suceso
intersección Sucesos incompatibles: la probabilidad de la unión de dos sucesos incompatibles será igual a
la suma de las probabilidades de cada uno de los sucesos (ya que su intersección es el conjunto vacío y
por lo tanto no hay que restarle nada).

Sucesos complementarios: la probabilidad de un suceso complementario a un suceso (A) es igual a 1 -

P(A)

Unión de sucesos complementarios: la probabilidad de la unión de dos sucesos complementarios es

igual a 1.

Las probabilidades condicionadas se calculan una vez que se ha incorporado información adicional a la
situación de partida:

Las probabilidades condicionadas se calculan aplicando la siguiente fórmula:

P (B/A) es la probabilidad de que se del suceso B condicionada a que se haya dado el suceso A. P
(B ^ A) es la probabilidad del suceso simultáneo de A y de B
P (A) es la probabilidad a priori del suceso A

La probabilidad compuesta (o regla de multiplicación de probabilidades) se deriva de la probabilidad

condicionada:
La probabilidad de que se den simultáneamente dos sucesos (suceso intersección de A y B) es igual a
la probabilidad a priori del suceso A multiplicada por la probabilidad del suceso B condicionada al
cumplimiento del suceso A.

La fórmula para calcular esta probabilidad compuesta es:

El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de
probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen
tiempo dicha probabilidad es y%. Este teorema nos permite deducir cuál es la probabilidad de que
ocurra un accidente si conocemos la probabilidad de que llueva y la probabilidad de que haga buen
tiempo.
La fórmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es
igual a la suma de multiplicar cada una de las probabilidades condicionadas de este suceso con los
diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la
probabilidad de cada suceso A.

Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades
(la suma de sus probabilidades debe ser el 100%).

El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la
probabilidad total:

10
Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o
de que haga buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente). Teorema de
Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las
probabilidades del suceso A (¿estaba lloviendo o hacía buen tiempo?). La fórmula del Teorema de Bayes
es:

Para que dos sucesos sean independientes tienen que verificar al menos una de las siguientes
condiciones:
P (B/A) = P (B) es decir, que la probabilidad de que se del suceso B, condicionada a que previamente se
haya dado el suceso A, es exactamente igual a la probabilidad de B.

P (A y B) = P (A) * P (B) es decir, que la probabilidad de que se del suceso conjunto A y B es

exactamente igual a la probabilidad del suceso A multiplicada por la probabilidad del suceso B.

2.3 Términos de probabilidad.

La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se realiza un
experimento. El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos
resultados, dentro de un conjunto posible de soluciones, y esto aún realizando el experimento en las
mismas condiciones. Por lo tanto, a priori no se conoce cual de los resultados se va a presentar:
Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar las reglas de la
probabilidad. Suceso elemental: hace referencia a cada una de las posibles soluciones que se pueden
presentar.

Suceso compuesto: es un subconjunto de sucesos elementales.

a) Un suceso puede estar contenido en otro: las posibles soluciones del primer suceso también lo son
del segundo, pero este segundo suceso tiene además otras soluciones suyas propias.

Dos sucesos pueden ser iguales: esto ocurre cuando siempre que se cumple uno de ellos se cumple
obligatoriamente el otro y viceversa.
Unión de dos o más sucesos: la unión será otro suceso formado por todos los elementos de los sucesos
que se unen.
Intersección de sucesos: es aquel suceso compuesto por los elementos comunes de dos o más sucesos
que se interceptan.

Sucesos incompatibles: son aquellos que no se pueden dar al mismo tiempo ya que no tienen elementos
comunes (su intersección es el conjunto vacío).

Sucesos complementarios: son aquellos que si no se da uno, obligatoriamente se tiene que dar el otro.

Probabilidad.

Como hemos comentado anteriormente, la probabilidad mide la mayor o menor posibilidad de que se
dé un determinado resultado (suceso) cuando se realiza un experimento aleatorio. La probabilidad toma
valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y 100%):

El valor cero corresponde al suceso imposible: lanzamos un dado al aire y la probabilidad de que salga
el número 7 es cero (al menos, si es un dado certificado por la OMD, "Organización Mundial de Dados").
El valor uno corresponde al suceso seguro: lanzamos un dado al aire y la probabilidad de que salga
11
 cualquier número del 1 al 6 es igual a uno (100%). El resto de sucesos tendrá probabilidades entre cero y
uno: que será tanto mayor cuanto más probable sea que dicho suceso tenga lugar.
¿Cómo se mide la probabilidad? Uno de los métodos más utilizados es aplicando la Regla de Laplace: define
la probabilidad de un suceso como el cociente entre casos favorables y casos posibles.

P(A) = Casos favorables / casos posibles

2.4 Revisión de probabilidades.

La siguiente tabla muestra los resultados de una encuesta aplicada a 100 familias de la ciudad de
Tijuana, donde se relaciona el ingreso familiar con la compra de productos alimenticios especializados

Calcule las siguientes probabilidades:

a) ¿Probabilidad de que la familia seleccionada sea compradora? 0.38

b) ¿Probabilidad de que la familia seleccionada sea compradora y tenga ingreso alto? 0.20

c) ¿Si ya sabemos que es compradora calcule la probabilidad de que tenga ingresos altos? =20/40=0.5

2.5 Asignación de recursos mediante matrices.

2.5.1 Concepto matriz.

Para la toma de decisiones se considera el uso de matrices para la determinación de recursos de una
organización la cual es de mucho aporte ya que se definen matemáticamente las mejores soluciones
correspondientes al problema. El concepto matriz es el uso de una matriz de tabla de datos para la
solución de problemas complejos debido a la falta de información disponible mediante criterios de
selección. EL uso de matrices se realiza mediante cálculos matemáticos y formulas preestablecidas las
cuales se revisarán en el siguiente tema.

2.5.2 Concepto determinante.

El concepto determinante es utilizado ampliamente en la industria y debido a este es el cual las

organizaciones se apoyan de manera ardua para la solución de problemas a gran escala y de forma
eficiente en los procesos ya sea productivos o de servicios de una organización.

2.6 Selección del criterio optimo (Certidumbre, riesgo e incertidumbre).

Criterio de decisión en condiciones de incertidumbre.

Tomar decisiones en condiciones de incertidumbre significa que se desconocemos las probabilidades de

que se presenten los diversos estados de la naturaleza. Los problemas de negocios de este tipo se
presentan cuando no hay una experiencia pasada para determinar las probabilidades de ocurrencia para
12
los diversos estados de la naturaleza. El acceso a este tipo de toma de decisiones es mucho más
complejo que en el caso anterior ya que al no tener probabilidades para los diferentes estados de la
naturaleza, quién toma las decisiones no tiene manera de calcular un pago esperado para las diferentes
estrategias, por lo tanto, teóricamente no hay un mejor criterio para escoger la mejor estrategia para la
empresa. La selección de un criterio específico se determina por el tamaño de la empresa, los
objetivos y las políticas de la misma, los sentimientos del encargado de tomar la decisión u otra base
lógica. El empleo de diferentes criterios puede causar la selección de diferentes estrategias. Esto es
ligeramente análogo a la situación en la que hay factores cambiantes de probabilidad para la toma
de decisiones en condiciones de riesgo.

Tenemos cinco métodos para esta situación:

a. Criterio de decisión de HURWICZ: Máximax

b. Criterio de decisión de WALD: Maximin
c. Criterio Intermedio
d. Criterio de decisión de SAVAGE: Mínimax
e. Criterio de decisión de LAPLACE: Principio de Razón Insuficiente

A continuación, abordaremos cada uno de ellos, para su mejor comprensión.

1) Criterio Máximax

Este criterio corresponde a UN pensamiento optimista, ya que suponemos que la naturaleza

siempre estará de nuestra parte, por lo que siempre se presentará el estado más favorable del cual
obtenemos algunas oportunidades afortunadas. El criterio Máximax consiste en elegir aquella
alternativa que proporcione el mayor nivel de optimismo posible, lo que esta directamente
relacionado con el mayor pago que se puede obtener al elegir una de las alternativas, ese pago se
llama a menudo Máximax (máximo de los máximos) o sea el mayor de los máximos para cada
estrategia.

Ejemplo:
Partiendo del ejemplo de la construcción de la zona Franca, la siguiente tabla muestra las recompensas
obtenidas junto con los niveles de optimismo de las diferentes alternativas:

Estados
Estados deNaturaleza
de la la Naturaleza
Alternativas
Alternativas terrenos
terrenos
comprados
comprados Aeropuerto
Zona Aeropuerto Zona Máximos
Máximos
en Franca
A en A en B
Franca en B
A A 13 -12 13
B B -8 11 11
A yA
By B 5 -1 5
Ninguno
Ninguno 0 0 0

La alternativa óptima según el criterio máximax sería comprar la parcela en la ubicación A, pues
proporciona el mayor de los niveles de optimismo (máximo pago).

Critica
Al utilizar el criterio máximax las pérdidas pueden ser elevadas, si no se presenta el estado de la
naturaleza adecuado. Además, en ocasiones puede conducir a decisiones pobres o poco convenientes.
2) Criterio de Wald: Maximin

Este criterio de decisión es completamente opuesto al de Hurwicz, Wald sugiere que quién toma las
decisiones siempre debe ser pesimista, por lo tanto Wald sugiere que el decisor debe elegir aquella
13
alternativa que le proporcione el mayor nivel de seguridad posible. Este criterio recibe también el
nombre de criterio Maximin, y corresponde a un pensamiento pesimista, pues razona sobre lo
peor que le puede ocurrir al decisor cuando elige una alternativa, lo que significa que quien toma las
decisiones, debe basarse en la malevolencia constante de la naturaleza. El criterio de Wald exige que se
escoja la estrategia con el mayor de los pagos mínimos que genera cada alternativa (el máximo de los
mínimos). Debido al tamaño mismo de su negocio, el hombre de negocios en pequeño debe adoptar ese
enfoque conservador, ya que como ha invertido todos sus activos o la mayor parte de ellos en un solo
sitio, debe cuidar de no perderlos. Una utilidad segura y cierta permite que sobreviva la pequeña
empresa, mientras que un movimiento falso; por ejemplo, la iniciación de un programa cuando no es
oportuno, puede ser perjudicial. También las empresas medianas y grandes deben adoptar hasta cierto
punto este método si quieren sobrevivir. Un método completamente optimista lo debe moderar un acceso
conservador, que constituya una protección para los programas que puedan fracasar debido a problemas
imprevistos.

Ejemplo No.18:
Partiendo del ejemplo de construcción de la zona franca, la siguiente tabla muestra las recompensas
obtenidas junto con los niveles de seguridad de las diferentes alternativas:

Estados
Estados dede
lala Naturaleza
Naturaleza
Alternativas
Alternativasterrenos
terrenos Pagos
Pagos
comprados
comprados Aeropuerto
Zona Aeropuerto
Zona mínimos
mínimos
en A en A
Franca en B en B
Franca
AA 13 -12 -12
BB -8 11 -8
AAy y
BB 5 -1 -1
Ninguno
Ninguno 0 0 0

En este caso el mayor de los pagos mínimos es 0, lo que significa que la alternativa óptima según el
criterio de Wald sería no comprar ninguno de los terrenos, pues proporciona el mayor de los niveles de
seguridad, mientras que los pagos mínimos de las otras alternativas proporcionarían perdidas.
Crítica
En ocasiones, el criterio de Wald puede conducir a decisiones poco adecuadas.

3) Criterio Intermedio.

Para combatir ese optimismo absoluto o bien un pesimismo extremo, se introdujo el concepto de un
coeficiente de optimismo, lo que significa que quién toma las decisiones tiene en cuenta tanto el pago
mayor como el menor y considera su importancia de acuerdo con algunos factores de probabilidad que
varía de cero, cuando el que toma las decisiones es completamente pesimista, hasta 1 cuando es
completamente optimista. Las probabilidades asignadas al pago mayor y menor deben de dar un total
de 1. Se trata de un criterio intermedio entre el criterio de Wald y el criterio máximax. Dado que
muy pocas personas son tan extremadamente pesimistas u optimistas como sugieren dichos
criterios, Hurwicz considera que el decisor debe ordenar las alternativas de acuerdo con una media
ponderada de los niveles de seguridad y optimismo:

0  1

donde (coeficiente de optimismo) es un valor específico elegido por el decisor y aplicable a cualquier
problema de decisión abordado por él.
Los valores de próximos a 1 corresponden a un pensamiento optimista, obteniéndose en el caso
extremo = 1 el criterio máximax
Los valores de próximos a 0 corresponden a un pensamiento pesimista, obteniéndose en el caso
extremo = 0 el criterio de Wald.
14
Para aplicar este criterio debemos calcular el pago esperado para cada alternativa así.
PE (ai) = pago máximo (ai) + ((1- i).

El pago esperado para cada alternativa es igual al coeficiente de optimismo multiplicado por el pago
máximo que genera la alternativa más el coeficiente de pesimismo multiplicado por el pago mínimo que
genera la alternativa

Así, la regla de decisión de Hurwicz resulta ser:

a
Elegir la alternativa k tal que PE(ak) = pago máximo (aik) + ((1- ) pago mínimo(ak) tenga el
máximo pago esperado de todas las alternativas.

Elección de :
Para la aplicación de la regla de Hurwicz es preciso determinar el valor de 
optimismo), valor propio de cada decisor. Un valor de 
más optimista que pesimista y entre más cercano a 1 esté ese valor, mayor será la tendencia a percibir
un resultado optimista, en caso contrario si 
una mayor tendencia al pesimismo y entre más cercano a 0 esté este valor más pesimista serán las
expectativas del decisor.

Ejemplo:
Partiendo del ejemplo de construcción de la zona franca, la siguiente tabla muestra las recompensas
obtenidas junto con la media ponderada de los niveles de optimismo y pesimismo de las diferentes
alternativas para un valor =0.6:

Estados de la Naturaleza
Alternativas
Pagos Pagos
terrenos Aeropuerto
Zona Aeropuerto
Zona PE
mínimos
mínimos máximos
comprados en A en A en B en B
Franca Franca
A 13 -12 -12 13 3
B -8 11 -8 11 3.4
AyB 5 -1 -1 5 2.6
Ninguno 0 0 0 0 0

PE(A) = (13) (0.6) + (-12) (0.4) = 3

PE (B) = (11) (0.6) + (-8) (0.4) = 3.4
PE(A y B) = (5) (0.6) + (-1) (0.4) = 2.6
PE (Ninguno) = (0) (0.6) + (0) (0.4) = 3

La alternativa óptima según el criterio de Hurwicz sería comprar la parcela en la ubicación B, pues
proporciona la mayor de las medias ponderadas para el valor de 
Critica
El criterio de Hurwicz puede conducir en ocasiones a decisiones poco razonables, como se muestra en
la siguiente tabla:
Estados de la Naturaleza Pagos Pagos
PE
Alternativas E1 E2 ... E50 mínimos máximos

A1 0 1 ... 1 0 1 
A2 1 0 ... 0 0 1 

15
Según el criterio de Hurwicz ambas alternativas son equivalentes, aunque racionalmente la alternativa A1
es preferible a la alternativa A2. Más aún, si el resultado de la elección de la alternativa A2 cuando la
naturaleza presenta el estado E1 fuese 1.001, se seleccionaría la segunda alternativa, lo cual parece poco
razonable.

4) Criterio de Savage: Minimax

En 1951 Savage argumenta que al utilizar los valores xij para realizar la elección, el decisor compara el
resultado de una alternativa bajo un estado de la naturaleza con todos los demás resultados,
independientemente del estado de la naturaleza bajo el que ocurran. Sin embargo, el estado de la
naturaleza no es controlable por el decisor, por lo que el resultado de una alternativa sólo debería ser
comparado con los resultados de las demás alternativas bajo el mismo estado de la
naturaleza.

Con este propósito Savage define el concepto de pérdida relativa o costo de oportunidad COij
asociada a un resultado xij como la diferencia entre el resultado de la mejor alternativa dado que Ej es el
verdadero estado de la naturaleza y el resultado de la alternativa Ai bajo el estado Ej:

COij max( xij ) xij

Así, si el verdadero estado en que se presenta la naturaleza es Ej y el decisor elige la alternativa Ai que
proporciona el máximo resultado xij, entonces no ha dejado de ganar nada, pero si elige otra alternativa
cualquiera Ar, entonces obtendría como ganancia xrj y dejaría de ganar xij-xrj.

Este criterio hace notar que quién toma las decisiones podría arrepentirse después de haber tomado la
decisión y de que se haya producido el estado de la naturaleza, porque quisiera haber escogido una
estrategia distinta.

Savage propone seleccionar la alternativa que proporcione el menor de los mayores arrepentimientos o
costo de oportunidad (CO). El criterio de Savage resulta ser el siguiente:
Elegir la alternativa AK que tenga un costo de oportunidad tal que, CO = min(max CO ) .
K ij

Conviene destacar que, como paso previo a la aplicación de este criterio, se debe calcular la matriz de
arrepentimiento o matriz de costos de oportunidad, formada por los elementos COij. Cada columna de
esta matriz se obtiene para cada estado de la naturaleza, calculando la diferencia entre el valor máximo
de esa columna y cada uno de los valores que aparecen en ella, si es una matriz de ganancia y como
la diferencia entre cada uno de los pagos con el menor de ellos, si es una matriz de costos.
Utilidad Mayor valor - Xij

Costos Xij - Menor valor

Ejemplo:
Partiendo del ejemplo de construcción de la zona franca, la siguiente tabla muestra la matriz de pérdidas
relativas y el mínimo de éstas para cada una de las alternativas.

Estados de la Naturaleza
Alternativas
Máximo
Máximo
terrenos Aeropuerto Aeropuerto
comprados
Zona Zona CO
en A en B
Franca en A Franca en B
A 0 23 23
B 21 0 21
AyB 8 12 12
Ninguno 13 11 13

16
El mayor resultado situado en la columna 1 de la tabla de decisión original es 13; al restar a esta
cantidad cada uno de los valores de esa columna se obtienen los costos de oportunidad bajo el estado de
la naturaleza Aeropuerto en A. De la misma forma, el máximo de la columna 2 en la tabla original es 11;
restando a esta cantidad cada uno de los valores de esa columna se obtienen los elementos COij
correspondientes al estado de la naturaleza Zona Franca en B. Como puede observarse, el valor COi j
menor se obtiene para la tercera alternativa, por lo que la decisión óptima según el criterio de Savage
sería comprar ambas parcelas.
Crítica

El criterio de Savage puede dar lugar en ocasiones a decisiones poco razonables. Para comprobarlo,
consideremos la siguiente tabla de resultado:
Estados de la Naturaleza
Alternativas
E1 E2

A1 9 2
A2 4 6

La matriz de costos de oportunidad correspondiente a esta tabla de resultados es la siguiente:

Estados de la Naturaleza Máximo
Alternativas
E1 E2 CO

A1 0 4 4
A2 5 0 5

La alternativa óptima es A1. Supongamos ahora que se añade una alternativa, dando lugar a la siguiente
tabla de resultados:

Estados de la Naturaleza
Alternativas
E1 E2

A1 9 2
A2 4 6
A3 3 9

La nueva matriz de costos de oportunidad sería:

Estados de la Naturaleza
Alternativas i
E1 E2
A1 0 7 7
A2 5 3 5
A3 6 0 6

El criterio de Savage selecciona ahora como alternativa óptima A2, cuando antes seleccionó A1. Este
cambio de alternativa resulta un poco paradójico: supongamos que a una persona se le da a elegir
entre peras y manzanas, y prefiere peras. Si posteriormente se la da a elegir entre peras,
manzanas y naranjas, ¡esto equivaldría a decir que ahora prefiere manzanas!

5) Criterio de Laplace.

Este criterio data de más de 2500 años. Supone que todos los diversos estados de la naturaleza tienen
igual posibilidad de ocurrencia. En nuestro ejemplo, cada P(Ni) = 1/3

"Si no conocemos alguna razón para que las probabilidades sean diferentes, deberemos considerar que son
iguales"

17
Para encontrar la mejor alternativa, se calcula la cantidad esperada para cada pago y se escoge la
estrategia que tenga el mayor pago esperado (si la matriz es de utilidad).

Si la matriz es de costos, se escogerá la cantidad con el menor valor encontrado.

El criterio de Laplace es el único que no expresa actitud alguna a excepción del deseo de ser racional.

Este criterio, propuesto por Laplace, en 1825, está basado en el principio de razón insuficiente:
como a priori no existe ninguna razón para suponer que un estado se puede presentar antes que los
demás, podemos considerar que todos los estados tienen la misma probabilidad de ocurrencia, es
decir, la ausencia de conocimiento sobre el estado de la naturaleza equivale a afirmar que todos los
estados son equiprobables. Así, para un problema de decisión con n posibles estados de la naturaleza,
asignaríamos probabilidad 1/n a cada uno de ellos.

Una vez realizada esta asignación de probabilidades, a la alternativa Ai le corresponderá un resultado

esperado igual a:
n
1 
 xi j
j 1 n 

La regla de Laplace selecciona como alternativa óptima aquella que proporciona un mayor resultado
esperado: n
1  n
1 
Elegir la alternativa AK, tal que  n x i j max   xi j
j 1   1j n
j 1 
n 
Ejemplo:
Partiendo del ejemplo de construcción de la zona franca, la siguiente tabla muestra los resultados
esperados para cada una de las alternativas.

Alternativas Estados de la Naturaleza

Terrenos Resultado
Zona
Aeropuerto Zona
Aeropuerto esperado
Comprados en A en A en B en B
Franca Franca
A 13 -12 0.5
B -8 11 1.5
AyB 5 -1 2
Ninguno 0 0 0

En este caso, cada estado de la naturaleza tendría probabilidad ocurrencia 1/2. El resultado esperado
máximo se obtiene para la tercera alternativa, por lo que la decisión óptima según el criterio de Laplace
sería comprar ambas parcelas.

Crítica

La objeción que se suele hacer al criterio de Laplace es la siguiente: ante una misma realidad,
pueden tenerse distintas probabilidades, según los casos que se consideren. Por ejemplo,
una partícula puede moverse o no moverse, por lo que la probabilidad de no moverse es 1/2. En cambio,
también puede considerarse de la siguiente forma: una partícula puede moverse a la derecha, moverse a
la izquierda o no moverse, por lo que la probabilidad de no moverse es 1/3.

18
Desde un punto de vista práctico, la dificultad de aplicación de este criterio reside en la
necesidad de elaboración de una lista exhaustiva y mutuamente excluyente de todos
los posibles estados de la naturaleza.

2.7 Árboles de decisión.

• Es utilizado para estructurar el proceso de Toma de decisiones bajo

Incertidumbre.
• Variable de decisión: Son las alternativas disponibles.

• Variable de estado: Estados de la naturaleza, estados futuros, ocurrencias probables.

• Los problemas de decisión que involucran una sola variable de decisión y una
variable de estado pueden ser analizados usando las tablas de ganancias esperadas.

• El Árbol de decisión muestra la progresión natural o lógica que ocurre en el proceso

de Toma de decisiones.

Nodo de Alternativas Nodo Ramas de Decisión de decisión de azar estado Resultados.

1º. Para cada variable de decisión, que se denota por un cuadrado; salen tantas líneas como
alternativas disponibles existan.

2º. Los terminales de las ramas de decisión son usados como nodos de comienzo de variables de

estado. 3º. De cada uno de los nodos redondos salen tantas ramas.

Ejemplo

La compañía ABC ha desarrollado una nueva línea de productos. La alta administración esta
tratando de decidir una estrategia adecuada de mercadeo y producción. Las estrategias
consideradas son: Agresiva, normal y precavida. Las condiciones esperadas en el mercado
varían de fuerte a débil. La administración estima las siguientes ganancias netas en millones
de dólares y se encuentran resumidas en la siguiente matriz de pagos.

Decisión Estados de la naturaleza Fuerte Estados de la naturaleza

Débil
A 30 -8

B 20 7

C 5 15

La administración estima en 0.45 y 0.55 las condiciones fuerte y débil del mercado
respectivamente.

Se puede calcular el valor esperado para cada decisión y seleccionar la

mejor: La decisión óptima es seleccionar B.

Una manera más conveniente de representar este problema es usando árboles de decisión,
como en la figura Un nodo cuadrado representará un punto en el cual se debe tomar una
decisión, y cada línea abandonando el cuadrado representará una posible decisión. Un nodo
círculo representará situaciones cuyas ocurrencias son inciertas, y cada línea abandonando el
círculo representará un posible acontecimiento.

Árbol de decisión para la compañía ABC

El proceso de usar un árbol de decisión para encontrar la decisión óptima se denomina resolver el
árbol.

19
Para resolver el árbol se trabaja desde atrás hacia adelante. Esto se llama retornando el árbol.
Primero, las ramas terminales se llevan hacia atrás calculando un valor
esperado para cada nodo terminal. Ver la figura.

Árbol de decisión reducido para la compañía ABC

La Administración debe resolver un problema más simple que es el de elegir la alternativa que
lleva al valor esperado más alto del nodo terminal. De esta forma un árbol de decisión provee
una forma más gráfica de ver el problema. Se utiliza la misma información que antes y se
realizan los mismos cálculos. Preguntas para la segunda unidad:

1. ¿Qué es un árbol de decisión?

2. Construya una tabla de contingencias para analizar

3. ¿Qué es el valor esperado?

4. ¿Cómo podemos diferenciar las decisiones de riesgo de las decisiones con incertidumbre?

5. ¿Cuáles son los principales criterios para decisión con incertidumbre?

6. Dada la información de unidades vendidas y sus respectivas probabilidades:

3. – CONTROL DE INVENTARIOS.

3.1 Términos y símbolos.

CONTROL DE INVENTARIO

Glosario de términos y símbolos de control de inventario

TERMINOS SIMBOLOS

1.- Demanda (consumo). D

2.- Tamaño de lote. L
3.- Tiempo de Adquisición. Ta
4.- Reserva (existencia de seguridad). R
5.- Punto de reorden. Pr
6.-Costo Unitario. Cu
7.- Costo de pedido. Cp
8.-Costo de almacenamiento. Ca
9.-Costo de mantenimiento en inventario. Cm
10.-Costo total incremental. CTI
11.-Minimo - Máximo. Min-Max
12.-Frecuencia. F
13.-Probabilidad. P
14.-Costo de Faltante. Cf
15.-Costo de Excedente. Ce

Demanda (D)

Denominada consumo o uso, consiste en preveer lo que se ha de consumir en un futuro. Con

objeto de mantener la existencia suficiente para las necesidades de ventas y producción y no
excederse en la inversión y en los costos de almacenamiento.

Tamaño de lote (L)

20
Conjunto de unidades o piezas, contadas, pesadas o medidas que integran la cantidad ordenada
en un pedido de compra en una orden de producción.

Tiempo de Adquisición (Ta)

Es el número de días, semanas o meses que tarda un periodo de compra en llegar al almacén,
después de haber sido solicitado al proveedor.

Reserva (existencia de seguridad (R)

Es la cantidad de material o producto que se mantiene en existencia como una previsión de

seguridad, o para casos en que las cantidades calculadas para el consumo durante el periodo de
entregas lleguen a agotarse, ya sea por demora en la entrega, por consumos mas rápidos, por
salidas a producción o por ventas a clientes.

Punto de reorden (Pr)

Es el nivel precalculado de existencia de materiales o de productos terminados, que indica que la

cantidad almacenada solamente podrá consumirse durante el periodo que requiere su
reabastecimiento. El punto de reorden puede considerarse como la señal que indica al
departamento de compras la necesidad de hacer un pedido por la cantidad necesaria para
recuperar el nivel del tope fijado como máximo de existencia.

Costo Unitario (Cu)

En lo que respecta a los materiales, el precio de compra más el costo de adquisición. Estos
costos pueden ser por concepto de fletes, gastos aduanales, entre otros y en relación con los
productos terminados, la suma de sus costos directos e indirectos de fabricación.

Costo de pedido (Cp)

Es la suma de todos los gastos anuales inherentes al abastecimiento de materias primas y

materiales, dividida entre el número de pedidos de compra al año.

El costo de preparación de una orden de producción es la suma de todos los gastos anuales
incurridos en el requerimiento, la programación y los cambios en las máquinas y los procesos,
divididas entre el número de órdenes de producción al año. En algunos productos o líneas de
productos se calculan en forma individual el tiempo y costo de los cambios, para obtener el
factor costo que requerirá el cálculo del lote económico de producción.

Costo de almacenamiento (Ca)

Suelen expresarse como un porcentaje del promedio anual del inventario; incluyen gastos de
caja, así como costos intangibles pero reales como los siguientes:

Intereses sobre capital invertido en la existencia.

El valor del espacio ocupado por los almacenes en relación con el valor del espacio total de la
planta.
Sueldos y prestaciones del personal que interviene en las zonas de recibo, de almacenamiento y
de embarque.
El costo de depreciación de las instalaciones de los equipos de almacenamiento y de movimiento
de materiales.
Costos por mermas y obsolescencias.
Mantenimiento de las instalaciones, impuestos y otros gastos.
Costo de mantenimiento en inventario (Cm)

Este costo varía según el volumen almacenado y el costo unitario del material o producto que se
emplea como uno de los factores en las fórmulas del lote económico de compra y del lote
económico de producción.

21
El porcentaje obtenido en el costo de almacenamiento, multiplicado por el costo unitario del
material o producto, nos da el costo de mantenimiento de existencia en los almacenes:

Cm=Cu x Câ

Costo total incremental (CTI)

Es la suma de los costos de preparación y de almacenamiento. En la fórmula del lote económico

varía de acuerdo con los distintos tamaños de los lotes y con las veces de adquisición anuales.

Mínimo – Máximo (Min-Max)

Niveles de cantidades de existencias que deben llevarse en los almacenes de acuerdo con los
cálculos de lote económicos y con los puntos de reorden.

El mínimo es la cantidad de existencia que sirve de señal para reabastecer.

El máximo es la cantidad tope de cada material o de cada producto que debe almacenarse. La
adquisición normalmente se calcula mediante la diferencia entre la existencia al momento de
efectuar el pedido y la cantidad fijada como “máxima”.

Frecuencia (F)

Es el número de veces que ocurre un determinado evento o valor

Probabilidad (P)

Factor de posibilidades de que ocurra un evento en 100 frecuencia; por tanto, se expresa por
ciento de probabilidades de que ocurra un hecho o un evento.

Costo de Faltante (Cf)

Es lo que cuesta en no surtir un producto a un cliente. El costo faltante se toma como el margen
de utilidad entre el costo del producto y su precio de venta. Los costos intangibles, como las
perdida del cliente o de imagen en el mercado, no se considera en los cálculos.

Costo de Excedente (Ce)

Es el valor Cm, o sea, el costo de almacenamiento aplicado a un producto que permanece en

exceso en almacén, por no venderse.

3.2 Sistemas determinísticos.

El objetivo primordial de la dirección con respecto a los abastecimientos y al control de

inventario, consiste en definir políticas y reglas de decisión con miras a establecer los sistemas
que tienden a reducir al mínimo los costos siguientes:

1.- los que dependen, en volumen y valor, del tamaño de la compra, o sea. Lo que llamamos
lote económico de compra

2.- Aquellos que dependen de la secuencia, la programación de cargas de maquinas, del tiempo
de preparación de órdenes de producción y de tiempos de preparación de máquinas, cuando el
volumen de producción afecta a estos factores; es decir, el lote económico de fabricación.

El lote económico de compra constituye un método determinístico que sirve de base para la
toma de decisiones por lo que respecta a cuanto comprar o reabastecer.

El lote económico de compra debe cubrir tres objetivos:

22
1.- Reducir al mínimo posible el nivel del valor total del inventario

2.- Reducir al mínimo el acaecimiento de faltantes

3.- Reducir los consumos de adquisición y de almacenamiento.

TÉCNICAS PARA DETERMINAR EL LOTE ECONOMICO DE COMPRA

Para los cálculos que determinan el lote económico de compra pueden emplearse los siguientes
métodos:

a.- Técnica de tabulación a un solo precio unitario.

b.- Técnica de tabulación con descuentos por volumen de compra.

c.- Técnica de gráfica.

d.- Técnicas de derivación.

3.3 Lotes económico de compra.

Hay dos condiciones que se deben cumplir antes de comenzar a pensar en una solución a un
problema de optimización para el caso de lotes económico de compra, que por lo general se
lleva a cabo el uso de la programación dinámica.

Sub-estructura óptima: Un problema tiene sub-estructura óptima cuando la solución óptima a un

problema se puede componer a partir de soluciones óptimas de sus sub-problemas.
Superposición de Problemas. El cálculo de la solución óptima implica resolver muchas veces un
mismo sub-problema. La cantidad de sub-problemas es “pequeña”.

Al construir un algoritmo usando la estrategia de programación dinámica es necesario:

1. Caracterizar la estructura de una solución óptima.

2. Definir recursivamente el valor de una solución óptima.
3. Computar el valor de una solución en forma bottom-up.
4. [Opcional] Construir una solución óptima a partir de la información computada.

EJEMPLO:
Un fabricante produce grandes transformadores eléctricos para la industria eléctrica. La empresa
tiene pedidos para los siguientes seis meses. Se espera que el costo de fabricación de un
transformador se modifique durante los siguientes meses, debido a las variaciones en los costos
de los materiales y en el valor de la mano de obra. La empresa puede producir hasta 50
unidades por mes en tiempo normal y hasta 20 unidades adicionales por mes en tiempo extra.
Los costos de producción normal y en tiempo extra se muestran en la tabla 6-1.

El costo de mantener en inventario un transformador no vendido es de US $500 por mes. La

empresa tiene 15 transformadores en inventario al 1ro de enero y desea tener no menos de 5
en inventario al 30 de junio. Formular un problema de programación lineal para determinar el
cronograma de producción óptimo para el fabricante. La capacidad no utilizada en tiempo
normal se asume con un costo del 50%, la de tiempo extra se asume com cero y no se acepan
entregas con retrazo.

Tabla 6-1.
Mes Enero Febrero Marzo Abril Mayo Junio
Pedidos (unidades) 58 36 34 69 72 43
23
Costo por unidad en tiempo normal
(en miles de US$) $18 17 17 18.5 19 19
Costo por unidad en tiempo extra
(en miles de US$) $20 19 19 21 22 22

3.4 Calculo de existencias de la reserva.

El modelo de asignación es un modelo bastante utilizado para distribuir vendedores a diferentes

territorios.

Procedimiento Manual:
• Restar todos los números de la matriz del número más grande en la matriz
• Efectuar una reducción por renglón y por otra por columna, tomando como base el valor más
pequeño en cada renglón y columna.
• Cubrir todos los ceros con el menor número de líneas posibles, si el número mínimo fue igual
al número de columnas o renglones la asignación es óptima.
• Si no fue optima se encuentra una nueva asignación, sumado el numero mas pequeño que
quedó sin cubrir a los que se encuentran en los cruces de las líneas y restándolos de todos los
números que quedaron sin cubrir.

El procedimiento de computadora se puede hacer mediante QSA. QSB. LINDO o EXCEL-Solver.

Los siguientes datos muestran las ventas de de cuatro vendedores en cuatro territorios, asignar
de manera óptima los vendedores a los territorios.

T1 T2 T3 T4
V1 100000 125000 130000 95000
V2 120000 115000 90000 110000
V3 115000 100000 99000 115000
V4 118000 110000 120000 120000
Maximizar

4.- PERT/TIEMPO.

4.1 Requisitos para transformar una GRAFICA DE GANTT en una RED DE PERT.

Para utilizar PERT, se necesita dos tipos de información para cada actividad en el
proyecto. Los requerimientos de secuencia para una actividad deben ser conocidos antes de
iniciar cada actividad específica, además se requiere de un estimado de tiempo. La
simbología utilizada es una flecha para indicar la secuencia y un círculo o cuadro para indicar
la actividad.

4.2 Problemas del PERT/TIEMPO.

En un problema PERT-TIEMPO es de interés determinar la ruta crítica para el proyecto,

con el fin simplificar el control del proyecto al momento de trabajar sobre el. Se entiende
como ruta critica el camino de mayor duración de entre todos los posibles que se encuentran
en la red de proyecto.

Ejemplo la tabla siguiente muestra las actividades para realizar un proyecto, junto con su
secuencia y tiempos estimados.

Actividad Tiempo estimado (Días) Antecesores

inmediatos A 2 Ninguno

B3A
24
C4A
D 6 B, C

E 2 Ninguno

F8E

A) Elabore el diagrama de red

b) Calcule los tiempos para las actividades y las holguras

ES Tiempo para iniciar la actividad más

pronto EF Tiempo para terminar la

actividad más pronto LS Tiempo para

tardío para iniciar la actividad

LF Tiempo para tardío para finalizar la actividad

Los tiempos de pronto inicio y pronta terminación se calculan acumulando los tempos de las
actividades hacia delante.

4.3 PAQUETES PERT /TIEMPO PARA COMPUTADORA.

Entre los paquetes para computadora el más utilizado es el denominado PROJECT de MS,
QSA, QSB etc.

4.4 PERT/COSTO.

Cuando se trabaja sobre un proyecto pueden surgir retrazo en la terminación de algunas

de las actividades críticas, lo cual obliga al administrador del proyecto a tomar la decisión
de intercambiar tiempo por costo. Y el problema clave a la hora de hacer la planeación del
proyecto es determinar de antemano que actividades son susceptibles de ser intercambiadas
para que el proyecto se termine en el tiempo original planeado ya un menor costo.

4.5 Problemas de PERT/COSTO.

Suponga que para el problema anterior se tiene la siguiente lista de actividades con sus
tiempos y costos respectivos.

Act. Tiempo estimado

programa regular Tiempo estimado Programa de choque Costo estimado

Programa
regular Costo estimado
Programa de choque Antecesores
inmediatos A 2 1.5 100 150 Ninguno
B 3 2 200 250 A
C 4 3 300 375 A
D 6 4.5 500 740 B, C
E 2 1.5 180 210 Ninguno
F 8 5.5 1000 1200 E
2280 2925

Cuando queremos reducir el tiempo de una actividad, debemos concentrarnos en las

25
actividades que en ese momento son críticas para pueda reducirse la duración del proyecto y
de esas actividades criticas debemos escoger las de menor costo.
Por ejemplo, para reducir el tiempo del proyecto de 12 días a 11 días nos conviene reducir la
actividad C porque solo significa un costo incremental de 75 por día, mientras que las
actividades a solo puede reducirse medio día a un costo de 50 y la actividad D se puede
reducir un día a un costo de 160 o medio día a un costo de 80.

Y de esta manera se buscarían más combinaciones de actividades críticas para seguir

reduciendo el tiempo de duración del proyecto.

4.6 Paquetes PERT/COSTO para computadora.

Entre los paquetes para computadora el más utilizado es el denominado PROJECT de MS,
QSA, QSB etc.

4.7 Probabilidades de terminar un proyecto PERT.

Cuando los tiempos de las actividades son inciertos se toman tres estimaciones de tiempo
que se denominan:

Optimista: a, Más probable: m y Pesimista: c

Con las cuales se calcula una media y una desviación estándar para cada actividad, para
después suponer una distribución normal o beta o triangular y de esta manera convertir la
incertidumbre en riesgo.

Las formulas utilizadas son las

siguientes: Donde t es la media y es la

desviación estándar.

Posteriormente la desviación estándar del proyecto con la siguiente

formula. Calcular la variable normal estándar mediante:

Ejemplo la tabla siguiente muestra las actividades para realizar un proyecto, junto con su
secuencia y tiempos estimados.
Act. a m b

A1232
.33 0.11
B1353
.67 0.45
C2464
.67 0.45
D4686
.67 0.45
E1232
.33 0.11
F 1 8 15 8
2.33 5.43

Con los tiempos promedios se encuentra la ruta crítica, y se calcula su desviación estándar.

a) Determine la probabilidad de terminar el proyecto en 10,12 y 14 días.

B) Determine el tiempo que se debe asignar al proyecto para tener una probabilidad
de 0.8 de terminarlo a tiempo.
C) Probabilidad igual a 0.977.

26
4.8 Ventajas del PERT.

Las principales ventajas de trabajar con los modelos de redes es que se puede determinar con
facilidad cuales son las actividades críticas de un proyecto y concentrar los esfuerzos en
ellas para facilitar la gestión del proyecto. Se puede manejar un proyecto de cualquier
tamaño lo caula es muy difícil de manejar con las técnicas graficas de Gantt.

4.9 Desventajas del PERT.

La desventaja es que requiere análisis matemático o la utilización de un software para este

propósito y mes mucho más costosa que una grafica de Gantt.

4.10 Costo de utilización de la técnica PERT.

La inversión necesaria implica:

Disposición de software y hardware y el especialista en proyectos, la cual es recuperable

siempre que se trate de proyectos de gran escala.

Ejercicios para autoevaluación:

1. Los siguientes datos representan las actividades necesarias para realizar

una tesis. Actividad Descripción Actividad prerrequisito Tiempo esperado

Semanas:
A Investigación de literatura
Ninguna 6 B Formulación del
tema Ninguna 5
C Selección del
comité B 2 D
Propuesta formal C
2
E Selección de la compañía y
contacto A, D 2 F Reporte de
avances D 1
G Investigación formal
A, D 6 H Recopilación
de datos E 5
I Análisis de
datos G, H 6 J
Conclusiones I 2
K Borrador sin(
conclusiones ) G 4 L
Documento final J, K 3
M Examen oral L 1

a) Trace un diagrama de red que ilustre los requerimientos de la secuencia para el

conjunto de actividades de la tabla. Asegurar de reflejar las actividades con círculos o cuadros
y los requerimientos de secuencia con flechas.

b) Calcular los ES, EF, LS y LF para cada actividad, suponiendo que el EF el LF para la última
actividad son los mismos. ¿Cuál es el tiempo mínimo para la culminación del proyecto?

c) Listar las actividades que están en la ruta crítica.

2. Una cadena de tiendas de ventas al detalle de electrodomésticos y ferretería. La

empresa está considerando la instalación de un nuevo sistema de computador para liquidar
la nómina, contabilizar las ventas (pagar las compras y enviar las facturas) y el registro y

27
control del inventario. El contador de la empresa está tratando de elaborar un cronograma para
las diferentes tareas involucradas en la puesta en marcha del nuevo sistema. La empresa
planea contratar programadores para desarrollar los programas de de contabilidad y de
nómina. Sin embargo, va a contratarse una firma de consultoría externa para hacer el
programa de control de inventarios. Ciertos aspectos del programa de control de inventario
dependen del programa de contabilidad y por eso tienen que desarrollarse después de haber
terminado este último. La terminación de cada programa implica implica trabajo
preliminar, final, prueba, revisión, redacción de los manuales y aplicación. El nuevo gerente
de operaciones elaboró la lista de tareas (actividades), que se muestran en la tabla que
deben ejecutarse, junto con los tiempos necesarios para realizarlas y las actividades que
deben completarse antes de que una actividad determinada pueda comenzar.

a) ¿Cuánto tiempo pasará antes de que el sistema de computador con los tres programas este
completo?
¿Cuáles actividades son críticas para cumplir este plazo?

b) Suponer que la gerencia está interesada solo en minimizar el tiempo para aplicar los
programas de contabilidad y de nómina. ¿Cuánto tardará esto? ¿Cuáles actividades son
críticas en este caso?

Act. Descripción Actividad antecesora Tiempo para completarse en meses.

A Analizar sistemas alternativos de computador y pedir el computador al fabricante

Ninguno 2 B Espera el despacho del equipo por parte del fabricante A 4
C Contratar programadores de sistemas A 1
D Hacer el trabajo preliminar de trabajo de nómina C 1.5
E Hacer el trabajo preliminar del programa de contabilidad C 2.5
F Hacer el trabajo final de los programas de nómina y contabilidad D, E 2
G Contratar a un consultor externo para trabajar en el programa de control de
inventario A 1 H Hacer el trabajo final del programa de control de inventario E, G 2
I Hacer las pruebas preliminares de programas de nómina y contabilidad en la maquina
alquilada F, H 2
J Hacer pruebas preliminares de programas de nómina y contabilidad en la maquinaria
arrendada F 0.5 K Revisar los programas de nómina y contabilidad J 0.5
L Instalar y verificar el computador enviado por el fabricante B 0.5
M Probar los programas de nómina y contabilidad en el computador instalado
K, L 0.5 N Preparar los manuales que describen los programas de nomina y
contabilidad J 1
O Aplicar los programas de nómina y contabilidad M, N 0.5
P Probar el programa de control de inventarios en el computador instalado
I, L 0.5 Q Preparar los manuales que describen los programas de control
de inventarios I 1 R Aplicar el programa de control de inventarios P, Q 0.5
S Fin O, R 0
3. En el proyecto que aquí se considera, la actividad que se divide puede ocupar un amplio
rango de tiempo de reducción. El costo por día de la reducción está dado por:

Act. Tiempo estimado

Programa regular Tiempo

estimado Programa de
choque Costo estimado
Programa regular Costo
estimado
Programa de choque Antecesores
inmediatos A 3 1 100 150 Ninguno
B 4 2 200 250 Ninguno
C 3 1 300 375 A
D 2 1 500 740 E
E 2 1 180 210 A, B

28
F 4 3 1000 1200 C, D
2280 2925
a) Determine la vía menos costosa para terminar el proyecto en 11 días, en 10 días, en 9
días y en 8dias.

5.- PROGRAMACIÓN LINEAL- METODO GRÁFICO Y SIMPLEX.

Introducción a la PL.

Muchas personas clasifican el desarrollo de la programación lineal entre los avances

científicos más importantes de mediados del siglo XX, su impacto desde 1950 ha sido
extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o
millones de pesos a muchas compañías o negocios, incluyendo empresas medianas en los
distintos países industrializados del mundo; su aplicación a otros sectores de la sociedad
se está ampliando con rapidez. Una proporción muy grande de los cálculos científicos en
computadoras está dedicada al uso de la programación lineal.

¿Cuál es la naturaleza de esta notable herramienta y qué tipos de problemas puede manejar.
Expresado brevemente, el tipo más común de aplicación abarca el problema general de
asignar recursos limitados entre actividades competitivas de la mejor manera posible (es
decir, en forma óptima). Con más precisión, este problema incluye elegir el nivel de ciertas
actividades que compiten por recursos escasos necesarios para realizarlas. Después, los niveles
de actividad elegidos dictan la cantidad de cada recurso que consumirá cada una de ellas. La
variedad de situaciones a las que se puede aplicar esta descripción es sin duda muy grande, y
va desde la asignación de instalaciones de producción a los productos, hasta la asignación de
los recursos nacionales a las necesidades de un país; desde la selección de una cartera de
inversiones, hasta la selección de los patrones de envío; desde la planeación agrícola, hasta el
diseño de una terapia de radiación, etc. No obstante, el ingrediente común de todas estas
situaciones es la necesidad de asignar recursos a las actividades eligiendo los niveles de las
mismas.

La programación lineal utiliza un modelo matemático para describir el problema. El

adjetivo lineal significa que todas las funciones matemáticas del modelo deber ser funciones
lineales. En este caso, las palabra programación no se refiere a programación en
computadoras; en esencia es un sinónimo de planeación. Así, la programación lineal trata
la planeación de las actividades para obtener un resultado óptimo, esto es, el resultado
que mejor alcance la meta especificada (según el modelo matemático) entre todas las
alternativas de solución. Aunque la asignación de recursos a las actividades es la aplicación
más frecuente, la programación lineal tiene muchas otras posibilidades. de hecho,
cualquier problema cuyo modelo matemático se ajuste al formato general del modelo de
programación lineal es un problema de programación lineal. Aún más, se dispone de un
procedimiento de solución extraordinariamente eficiente llamado método simplex, para
resolver estos problemas, incluso los de gran tamaño. Estas son algunas causas del
tremendo auge de la programación lineal en las últimas décadas.

5.1 Requisitos para formulación de un problema de programación lineal.

SUPOSICIONES DEL MODELO DE PROGRAMACIÓN LINEAL.

PROPORCIONALIDAD.
La contribución de cada actividad al valor de la función objetivo Z es proporcional al nivel de
actividad, como lo representa el término en la función objetivo. De manera similar, la
contribución de cada actividad al lado izquierdo de cada restricción funcional es proporcional
al nivel de la actividad xj, en la forma en que lo representa el término en la restricción. En

29
consecuencia, esta suposición elimina cualquier exponente diferente a 1 para las variables
en cualquier término de las funciones (ya sea la
función objetivo o la función en el lado izquierdo de las restricciones funcionales) en un
modelo de programación lineal.

ADITIVIDAD.
Establece que la entrada y salida de un recurso en particular al conjunto de actividades,
deben ser la misma cantidad; o sea, que las actividades transforman los recursos y no los
crean o destruyen. Esta suposición garantiza que la contribución total tanto a la función
objetivo como a las restricciones, es igual a la suma de las contribuciones individuales. Cuando
en un problema dado no se tenga la aditividad puede recurrirse al empleo de otras técnicas de
la programación matemática, dependiendo de cada caso en particular. Cada función en un
modelo de programación lineal (ya sea la función objetivo o el lado izquierdo de las
restricciones funcionales) es la suma de las contribuciones individuales de las actividades
respectivas.

DIVISIBILIDAD
Las variables de decisión en un modelo de programación lineal pueden tomar cualquier valor,
incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad.
Así, estas variables no están restringidas a sólo valores enteros. Como cada variable de
decisión representa el nivel de alguna actividad, se supondrá que las actividades se pueden
realizar a niveles fracciónales.

LIMITACIONES DEL MODELO DE PROGRAMACIÓN LINEAL.

MODELO DETERMINÍSTICO.
El modelo de PL involucra únicamente tres tipos de parámetros y de ahí su sencillez y gran
aplicación. Sin embargo, el valor de dichos parámetros debe ser conocido y constante.
Cuando el valor de los parámetros tiene un cierto riesgo o incertidumbre, pude utilizarse
la programación paramédica, la programación estocástica, o realizarse un análisis de
sensibilidad.

MODELO ESTÁTICO.
En algunos modelos matemáticos se han empleado con éxito las ecuaciones diferenciales, para
inducir la variable tiempo en ellos. En este sentido, puede decidirse que la PL utiliza un modelo
estático, ya que la variable tiempo no se involucra formalmente. Adquiriendo un poco de
experiencia en la formulación de modelos de PL, puede incluirse la temporalidad
mencionada, con el uso de subíndices en las variables.

MODELO QUE NO SUBOPTIMIZA.

Debido a la forma que se plantea el modelo de PL, o encuentra la solución óptima o declara
que ésta no existe. Cuando no es posible obtener una solución óptima y se debe obtener
alguna, se recurre a otra técnica más avanzada que la PL, la cual se denomina programación
lineal por metas.

MODELO GENERAL DE PL.

Los términos clave son recursos y actividades, en donde m denota el número de distintos
tipos de recursos que se pueden usar y n denota el número de actividades bajo consideración.
Algunos ejemplos de recursos son dinero y tipos especiales de maquinaria, equipo, vehículos y
personal. Los ejemplos de actividades incluyen inversión en proyectos específicos, publicidad
en un medio determinado y el envío de bienes de cierta fuente a cierto destino. En cualquier
aplicación de programación lineal, puede ser que todas las actividades sean de un tipo
general (como cualquiera de los ejemplos), y entonces cada una correspondería en forma
individual a las alternativas específicas dentro de esta categoría general. El tipo más usual de

30
aplicación de programación lineal involucra la asignación de recursos a ciertas actividades.
La cantidad disponible de cada recurso está limitada, de forma que deben asignarse con
todo cuidado. La determinación de esta asignación incluye elegir los niveles de las
actividades que lograrán el mejor valor posible de la medida global de efectividad.

Ciertos símbolos se usan de manera convencional para denotar las distintas componentes de un
modelo de programación lineal. Estos símbolos se enumeran a continuación, junto con su
interpretación para el problema general de asignación de recursos a actividades.

z= valor de la medida global de efectividad, variable de desempeño o función objetivo.

C =Matriz de costos o ganancias, está formada por los elementos que representan los
costos o ganancias unitarias en cada actividad o variable de decisión individual.

X= Matriz de Variables de decisión o variables independientes, está formada por los

elementos que representan cada actividad o variable de decisión individual.

B = Matriz de recursos totales o de requerimientos totales, está formada por los

elementos Que representan la cantidad de recursos o de requerimientos totales de cada tipo.

A = Matriz de coeficientes tecnológicos, está formada por los elementos Que representan la
cantidad del recurso i consumida por cada unidad de la actividad j o variable.

PLANTEAMIENTOS DE MODELOS DE PL.

RACY’S DEPARTMENT STORE: La tesorería de la tienda por departamentos Racy’s está haciendo
su plan financiero para el siguiente semestre, de septiembre a febrero. Debido a la
temporada de Navidad, Racy’s necesita grandes cantidades de dinero, particularmente en los
meses de noviembre a diciembre; una gran cantidad de ingreso de efectivo se presenta entre
enero y febrero, cuando los clientes pagan sus cuentas de Navidad, Estos requerimientos se
sintetizan en la tabla (en miles de dólares).

La tesorera de Racy’s tiene tres fuentes de recursos a corto plazo para satisfacer las
necesidades de la tienda.
SEP OCT NOV DIC ENE FEB

Saldos de cuentas por cobrar

(a comienzo de mes) $70 $50 $70 $120

$100 $50 Pagos planeados de los

suministros

(Suponiendo que se toma el descuento) 80 90 100 60 40 50

Necesidades de efectivo para las operaciones 30 60 90 Superávit en efectivo de las

operaciones 20 30 150

Estas son:

PIGNORAR LAS CUENTAS POR COBRAR. Un banco local le prestará recursos a Racy’s, sobre
una base mes a mes, contra la pignoración del saldo de las cuentas por cobrar al comienzo
de cada mes. El préstamo máximo es de 75% de las cuentas por cobrar en un mes
determinado. El costo del préstamo es de 1.5 % mensual sobre la cantidad prestada.
POSTERGAR El PAGO DE SUMINISTROS. El pago de los suministros puede retrasarse un
31
mes. Por ejemplo, los US $100,000 planeados para noviembre, podrían aplazarse hasta
diciembre y Racy”s podría utilizar ese dinero para satisfacer las necesidades de noviembre.
Cuando los pagos por suministros se posterguen de esta manera, Racy’s pierde 3% del
descuento que normalmente recibe por pronto pago.

UTILIZAR UN PRESTAMO A CORTO PLAZO. Un banco está dispuesto a prestarle a Racy’s

cualquier cantidad de dinero entre US $40,000 y US $1000,000, por un período de seis
meses. El préstamo de una cantidad fija tendría que tomarse a comienzo de septiembre y se
pagaría en su totalidad a finales de febrero. No es posible aumentar El préstamo a pagar
parte del mismo durante El período. El costo de los préstamos sería del 1% mensual,
pagadero cada mes.

Si la empresa tiene exceso de fondos, cualquier período, éstos pueden invertirse en bonos del
gobierno a corto plazo que producen un rendimiento de 0.5% por mes.

El objetivo de la tesorera es minimizar El costo neto del interés para Racy’s, a la vez que
satisfacer sus necesidades de efectivo.

Formular la decisión financiera a corto plazo que se necesita en este caso, como un
problema de programación lineal.

1- FUNCION DE OBJETIVO.
Minimizar Z = Costo del dinero =

Interés 2.- DEFINIR LAS

RESTRICCIONES

3.- DEFINIR LAS VARIABLES DE DECISIÓN

Xijkl = cantidad que se pide prestado en el mes i de la fuente j para cubrir obligaciones k en el

mes l. PROBLEMA NUMERO 2.2

2-2.
FORMULACION DEL
PROBLEMA 1.- DEFINIR
LA FUNCION
MAX. Z= Cx
DONDE Z= Ingreso por concepto total de

interés. 2.- DEFINIR LAS RESTRICCIONES.

3.- DEFINIR LA VARIABLE DE DECISION.

S.A.
X1 + X2 + X3 + X4 + X5 = 1 500 000
Todas las x > 0

Máx. Z = .15X1 + .12X2 + 0.09X3 + 0.10X4 +

0.07X5 S.A.

Xj > 0

32
Todas las variables deben ser iguales o mayores a 0 “cero”.

1.2-1. Una fábrica produce cuatro artículos: A, B, C, y D. Cada unidad del producto A requiere
de dos horas de maquinado, una hora de montaje y diez unidades monetarias de inventario
en proceso. Cada unidad del producto B requiere de una hora de maquinado, tres horas de
montaje y cinco unidades monetarias de inventario en proceso. Cada unidad e producto C
requiere de dos horas y media de maquinado, dos horas y media de montaje y dos
unidades monetarias de inventario en proceso. Finalmente, cada unidad del producto D
requiere de cinco horas de maquinado, ninguna de montaje y doce unidades monetarias de
inventario en proceso.

La fábrica dispone de 120,000 horas de tiempo de maquinado y 160,000 horas de tiempo de

montaje. Además, no puede tener más de un millón de unidades monetarias de
inventario en proceso. Cada unidad del producto A genera una utilidad de 40 unidades
monetarias, cada unidad del producto B genera una utilidad de 24 unidades monetarias, cada
unidad del producto C genera una utilidad de
36 unidades monetarias y cada unidad del producto D genera una utilidad de 23
unidades de monetarias. No puede venderse más de 20,000 unidades del producto A, 16,000
unidades del producto C, y puede venderse la cantidad que se requiera de los productos B y
D. sin embargo, deben producir y vender por lo menos 10,000 unidades del producto D
para cumplir con los requerimientos de un contrato.

Sobre estas condiciones, formular un problema de programación lineal. El objetivo de la

fábrica es maximizar la utilidad resultante de la venta de los cuatro productos.

Una fábrica vende dos tipos de productos diferentes A y B.

La información sobre el precio de venta y el costo por unidad incremental es la siguiente:

PRODUCTO A PRODUCTO B
Precio de Venta 60 40
Costo incremental 30 10
Utilidad incremental 30 30
Los dos productos se fabrican dentro de un proceso común y se venden en dos mercados
diferentes. El proceso de producción tiene una capacidad de 30 mil horas de mano de obra, se
requiere de 3 horas para elaborar una unidad de A y 1 hora para producir una unidad de B. El
mercado ya fue estudiado, por lo que los funcionarios de la empresa consideran que los mas
que pueden venderse de A son 8 mil unidades y de B 12 mil unidades. De acuerdo con esas
limitaciones los productos pueden venderse en cualquier combinación. Formular de
programación lineal.

5. PROBLEMA.
Se desea seleccionar una estrategia de publicidad para llegar a dos tipos de clientes: amas de
casa de familias con ingresos anuales superiores a US $25,000 y amas de casa de familias con
ingresos anuales inferiores a US $25,000. Se considera que las personas del primer grupo
compraran el doble de un
producto con respecto a las personas del segundo grupo. La meta es maximizar las compras,
para lo cual, puede hacerse una publicidad en televisión o en una revista; una unidad de
publicidad en la televisión cuesta US $ 40,000 y llega a 20,000 personas del primer grupo
y a 80,000 del segundo, aproximadamente. Una unidad de publicidad en la revista cuesta US
$24,000 y llega a 60,000 personas del primer grupo y a 30,000 del segundo. La empresa
necesita por lo menos, 6 unidades de publicidad en televisión y no más de 12 unidades de
publicidad en la revista. El presupuesto de publicidad es de US $360,000.

Formular este problema como un caso de programación lineal, definiendo todas las variables

33
que se utilicen.

6. Problema 2.9 El American Safety Coucil debe asignar su presupuesto nacional para El
seguimiento año fiscal. Las decisiones irrevocables, concernientes a la asignación de los
recursos para las diferentes áreas programadas, ya se tomaron. Por ejemplo, se destinó un
total de US $ 110,000 para la prevención de accidentes automovilísticos y la reducción de daño
a la propiedad.

Sin embargo, las decisiones detalladas de asignación deben hacerse con relación a proyectos
específicos diseñados para contribuir al cumplimiento del programa. En El caso de la
prevención de accidentes automovilísticos y la reducción de daños a la propiedad, la tabla
contiene los proyectos recomendados para los analistas del consejo, junto con las cifras
pertinentes. Quines toman las decisiones en El consejo requieren de ayuda para tomar una
decisión de asignación presupuestal (o elección de proyecto y magnitud). En respuesta a la
pregunta relacionada con cuál de las dos misiones específicas es más importante, ellos
dijeron: “Es una pregunta difícil De un lado, la vida humana es sagrada y no puede
comprarse por ninguna cantidad de dinero. Del otro lados, si hay dos opciones para salvar El
mismo número de vidas, naturalmente preferiríamos El proyecto que también cuente con la
menor cantidad de daño a la propiedad”. Cuando se les preguntó específicamente sobre
la alternativa entre vidas salvadas y daño a la propiedad, dijeron: “Es una pregunta difícil, Sin
embargo, estamos conscientes de que una agencia del gobierno tiene, con fines de
asignación de recursos internos, un valor de dinero implícito pro vida humana salvada de USA
300,000 (pensemos que también hay otra agencia que utiliza esta cifra para tomar sus
decisiones acerca de agregar seguridad adicional a su equipo). Con base en la
información anterior, formular un modelo de PL cuya solución represente una asignación óptima
de los USA 110,000 presupuestados. No olvidar definir todas las variables utilizadas. No se
necesita resolver El problema.

TABLA
Proyecto Limite
superior De
gastos del
proyecto
(medido en dólares) Accidentes que se espera prevenir por cada US$1,000 invertidos Reducción
que se espera en daños a la propiedad por cada
US$1,000 invertidos
1. Publicidad acerca del cinturón de seguridad USA 80,000 0.33 0.
2. Investigación sobre mejoras en El diseño de las autopistas 20,000 0.25 USA 20,000.
3. Investigación sobre mejorasen El diseño de los automóviles 75,000 0.15 30,000.
4. Dinero invertido en cabildear para aumentar las penas estatales por conducir en
estado de embriaguez 100,000 0.27 10,000.

7. Problema El sistema escolar de Gotham City tiene tres escuelas que atienden las
necesidades de cinco áreas. La capacidad de cada una de las escuelas es:

Escuela (matrículas máximas)

A 4000
B 3000
C 2000
Total 9000
El tamaño (número de estudiantes de secundaria) y la mezcla étnica de cada vecindario son
como sigue: Tipo Costo de compra Costo operativo (ton-milla) Capacidad (ton-millas por mes)
Remolque US$ 30000 US$ 0.56 10000
Camión 16000 0.64 8000

34
Camioneta 10,000 0.80 6,000 –
Vecindario Num. De estudiantes % de estudiantes de minorías

1.- 2100 30
2.- 2400 80
3.- 1300 20
4.- 800 10
5.- 1600 20
total 8200 –

Las distancias (en millas) de cada vecindario hasta cada escuela son las

siguientes: Vecindario
Escuela 1 2 3 4 5
A 1.2 0.4 2.6 1.4 2.4
B 0.8 2.0 0.5 0.7 3.0
C 1.3 2.2 1.6 2.0 0.2

Un juez federal dictaminó que ninguna escuela secundaria en la ciudad puede tener más de
50% y no menos de 30% de alumnos matriculados pertenecientes a grupos minoritarios.
Los estudiantes que viajan desde cada vecindario tienen la misma mezcla étnica de todo el
vecindario. Se requiere diseñar un plan de transporte escolar que minimice el total de
estudiante-millas recorridas en autobús, a la vez que cumpla con las exigencias del juez en
cuanto a integración y, al mismo tiempo, que garantice que ningún estudiante recorra en
autobús más de 2.5 millas.

Formular un modelo de programación lineal para resolver este problema.

8. PROBLEMA 2.13 Un fabricante elabora un producto en tres plantas y lo distribuye al mercado

a través de cuatro bodegas de servicio. Se cuenta con los siguientes datos:

BODEGA PRECIO DE
VENTA (POR UNIDAD)
DEMANDA ANUAL
(UNIDADES)
1
2
3
4 US $1.00
1.10
1.00
0.60 40000
10000
20000
25000

PLANTA COSTO DE VARIABLES DE PRODUCCIÓN CAPACIDAD ANUAL

(UNIDADES) A
B
C US
$0.40
0.35
0.45 40000

35
30000
45000
DESDE
BODEGA
HASTA
1234
A US $ 0.20 US $ 0.20 US $ 0.30 US $ 0.30
PLANTA B 0.20 0.10 0.35 0.40
C 0.45 0.30 0.20 0.20

A. El gerente de marketing desea satisfacer todas las demandas al mínimo costo.

Formular este problema para alcanzar decisiones óptimas de producción y de embarque.
Tomar a XA2 como la cantidad producida en la fábrica. A para despachar a la bodega 2, y
así sucesivamente. No hay que resolver el problema.

B. El vicepresidente de la fábrica desea cumplir solo con aquellas demandas que son
incrementalmente rentables. Es decir, quiere maximizar las utilidades o los ingresos menos
los costos de producción y transporte. Modificar el planteamiento de programación lineal en
A, para resolver este problema en forma optima. No hay que resolverlo.

9. PROBLEMA 2.16 La empresa Emory Aluminum Company lamina y vende papel de aluminio
de varios tamaños. Los clientes pueden ordenar rollos de papel de aluminio de 24 pulgadas,
20 pulgadas, 12 pulgadas u 8 pulgadas de ancho. La hoja estándar se fabrica en un ancho de
54 pulgadas y los tamaños mas pequeños se cortan del rollo estándar. Existen muchas formas
de cortar las medidas mas angostas, como se presenta en la tabla 2-14.

Método de corte

Ancho 1 2 3 4 5 6 7 8 9 10 11 12 13
24 pulgadas 2 1 1 1 1
20 pulgadas 1 2 2 1 1 1
12 pulgadas 1 2 1 2 1 4 2
8 pulgadas 1 2 3 1 1 2 4 3 6
Desperdicio
(en pulgadas) 6 2 2 6 6 2 6 2 6 2 6 6 6

Por ejemplo, utilizando el método 3, del rollo estándar puede cortarse un rollo de 24 pulgadas de
ancho, otro de 12 pulgadas y dos de 8 pulgadas. Esto deja dos pulgadas de desperdicio [54-
24-12-2(8)=2]. Debido a que en el proceso de cortes se genera algo de desperdicio, no
es posible cortar ciertas
combinaciones (no se han intentado). Todos los rollos que se cortan tienen un ancho
estándar de 54 pulgadas, y todos los pedidos se hacen en los tamaños estándar que se
presentan en la tabla. Además, todos los pedidos tienen una longitud estándar (la longitud de
un rollo completo).

Emory ha recibido los siguientes pedidos para el mes de

julio: Ancho Rollos ordenados

24 pulgadas 330
20 pulgadas 120
12 pulgadas 480
8 pulgadas 160

¿Cómo debe cortar Emory los rollos para cumplir con estos pedidos?

36
_Formular un modelo de programación lineal para el problema, pero sin resolverlo.

11. PROBLEMA 2.20 El director de servicios para pasajeros de Ace Air Lines esta tratando de
decidir cuantos auxiliares de vuelo nuevos debe contratar y entrenar durante los siguientes
seis meses. El número requerido de auxiliares por horas de vuelo son:

Mes Horas

Necesarias

Enero 8000
Febrero 7000
Marzo 8000
Abril 10000
Mayo 9000
Junio 12000

El problema se complica por dos factores. Se necesita de un mes para entrenar a los auxiliares
de vuelo antes de que puedan trabajar en los vuelos regulares. De ahí que la contratación
debe hacerse un mes antes de que se presente la necesidad. En segundo lugar, entrenar a
los nuevos auxiliares exige el mismo tiempo de los auxiliares que ya están entrenados. Se
necesitan cerca de 100 horas de atención regular por cada nuevo auxiliar, durante el mes de
entrenamiento. En otras palabras, el número de horas disponibles para servicio de vuelo de
los auxiliares habituales se reducen en 100 horas por cada nuevo auxiliar que se entrene.

El director de los servicios para pasajeros no esta preocupado por el mes de enero porque
cuenta con 60 auxiliares disponibles. Las normas de la empresa establecen que un auxiliar
de vuelo no puede trabajar más de 150 horas al mes. Esto significa que el director cuenta
con un máximo de 9000 horas en enero, 1000 por encima de sus necesidades. (A los
auxiliares no se les despide en tales casos, solo trabajan menos horas).

Los registros de la empresa demuestran que 10% de los auxiliares dejan sus trabajos cada
mes por diferentes razones.

El costo para Ace Air Lines de un auxiliar de vuelo regular es de US $1500 mensuales por
salarios y prestaciones sociales, sin considerar la cantidad de horas trabajadas (de hecho,
no trabajan mas de
150 horas). El costo de un auxiliar en entrenamiento es de US $700 mensuales por
salarios y prestaciones sociales.

Formular con este planteamiento un problema de programación lineal diseñado para resolver al
mínimo costo la situación del director de servicios de pasajeros. No hay que resolver el
problema, pero si identificar todos los símbolos utilizados.

5.2 Método gráfico de programación lineal.

El método grafico es relativamente sencillo y se aplica cuando los problemas de

programación lineal tienen solamente dos variables pero sin importar la cantidad de
restricciones. El método consiste graficar las restricciones, delimitar el área factible,
encontrar los puntos de intersección alrededor del área factible, evaluar la función objetivo
en los puntos alrededor del área factible y escoger la función de valor objetivo mas grande
si el problema es de maximizar o la función objetivo de menor valor si la función es de
minimizar.

Ejemplo:
37
 Un fabricante de muebles produce mesas y sillas, obteniendo una utilidad marginal de 5
dólares por cada una de ellas. Si el fabricante dispone diariamente de 960 unidades de
material, 720 horas de mano de obra y ya esta comprometido a entregar por lo menos 20
mesas todos los días formule el problema de programación lineal sabiendo que para producir
una mesa se requieren 12 unidades de material y 6 horas de mano de obra mientras que
para una silla se requieren 8 horas de material y 12 horas de mano de obra. Resolver el
problema por el método grafico.

El problema una vez formulado queda de la siguiente

manera: Maximizar:

Una vez graficadas las restricciones queda la siguiente

figura: Material (0,120), (80.0)

Mano de obra (0,120), (60,0)
Mercado

(20.0)

Área

factible

Los puntos alrededor de del área factible son:

(20,0), (80,0), (60,30) y (20,50) todos en el orden (Mesas, Sillas) posteriormente se
calculan los valores de la función objetivo z para estos cuatro puntos.
La polución optima es producir 60 mesas y 30 sillas para obtener una utilidad de 450 dólares.

5.3 Método simplex.

En 1947, G. B. Dantzig formula, en términos matemáticos muy precisos, el enunciado

estándar al que cabe reducir todo problema de programación lineal. Dantzig, junto con una
serie de investigadores del United States Departament of Air Force, formarían el grupo que
dio en denominarse SCOOP (Scientific Computation of Optimum Programs).

Respecto al método simplex, que estudiaremos después, señalaremos que su estudio

comenzó en 1951 y fue desarrollado por Dantzig en el United States Bureau of Standards
SEAC COMPUTER, ayudándose de varios modelos de ordenador de la firma International
Business Machines (IBM). Los fundamentos matemáticos de la programación lineal se deben
al matemático norteamericano de origen húngaro John (Janos) Von Neumann (1903-1957),
quien en 1928 publicó su famoso trabajo Teoría de juegos. En 1947 conjetura la equivalencia
38
de los problemas de programación lineal y la teoría de matrices desarrollada en sus trabajos.
La influencia de este respetado matemático, discípulo de Dávid Hilbert en Gotinga y, desde 1
930, catedrático de la Universidad de Princeton de Estados Unidos, hace que otros
investigadores se interesaran paulatinamente por el desarrollo riguroso de esta disciplina. Es
un procedimiento general para resolver problemas de programación lineal. Comienza en el
origen y se mueve de un punto a otro siempre mejorando la función objetivo. El
procedimiento manual consiste en estandarizar el modelo de programación lineal, encontrar
una solución inicial, probar la optimidad de la función.

Los procedimientos de computadora (QSA, QSB, LINDO y EXCEL-SOLVER) facilitan

bastante las operaciones en la solución de un modelo de programación lineal.

Inecuaciones lineales con dos incógnitas y sistemas de inecuaciones con

dos incógnitas.

Una inecuación lineal con dos incógnitas es una expresión de alguna de las formas
siguientes:

Las inecuaciones lineales con dos incógnitas se resuelven gráficamente ya que las
soluciones son los puntos del semiplano en el que queda dividido el plano por la recta
que corresponde a la inecuación considerado como igualdad. Esta recta o borde del
semiplano no pertenecerá o sí a la solución según la desigualdad sea estricta o no
respectivamente. Para saber cuál de los dos semiplanos es el que da la solución
bastará tomar el origen de coordenadas (si la recta no pasa por él) o cualquier otro
punto de coordenadas sencillas y comprobar si satisface o no la desigualdad, si lo
hace, el semiplano que contiene al punto de prueba es el correcto (lo indicaremos
con una flecha señalando hacia él), en caso contrario es el otro.

Ejemplo:

Resuelve la inecuación 3x+2y+5<0

Dibujamos la recta 3x+2y+5=0 sobre unos ejes de coordenadas y comprobamos el

punto O(0,0), que da:

Luego la solución es la zona sombreada de la figura adjunta.

39
Se llama sistema de n inecuaciones lineales con dos incógnitas al conjunto formado
por n de estas inecuaciones, es decir:

o cualquier otro signo de desigualdad.

Obtener la solución de un sistema de este tipo supone obtener el semiplano solución

de cada una de las inecuaciones que lo forman y averiguar la intersección de todos
ellos.

La solución de un sistema de n inecuaciones lineales con dos incógnitas es siempre

un conjunto convexo.

Se llama conjunto convexo a una región del plano tal que para dos puntos
cualesquiera de la misma, el segmento que los une está íntegramente contenido en
dicha región. Como casos particulares, un conjunto convexo puede quedar reducido a
una recta, a una semirrecta, a un segmento, a un punto o al conjunto vacío.

Los segmentos que delimitan un conjunto convexo se llaman bordes o lados y, la

intersección de ellos, vértices. Los vértices y puntos de los lados que pertenezcan a la
solución del sistema de inecuaciones se denominan puntos extremos. Un conjunto
convexo puede ser cerrado o abierto respecto a cada lado o vértice según se incluya
éste o no en la solución. Puede ser acotado o no acotado según su área sea o no
finita.

Ejemplo:

Resolver el sistema de inecuaciones lineales con dos incógnitas:

Si representamos en los mismos ejes de coordenadas cada una de las rectas que
salen al considerar las anteriores desigualdades como ecuaciones e indicamos
mediante una flecha el semiplano solución de cada una de ellas por separado, la
solución será la región del plano sombreada en la figura que es la intersección de los
semiplanos solución de cada inecuación.
Para la representación rápida de las rectas, basta con encontrar los puntos donde
cortan a los ejes de coordenadas y unirlos entre sí.

40
La recta:
x+y-1=0 corta al eje X (hacemos y=0) en (1, 0) y al eje Y (hacemos x=0) en (0, 1)

La recta:

2x+3y+4=0 corta a X en (-2, 0) y a Y en La recta:

x-2y-2=0 corta a X en (2, 0) y a Y en (0, -1).

Puntos óptimos de funciones en conjuntos convexos.

Se define una función lineal con dos variables como una expresión de la forma f(x, y) = ax +
by.

Ha de observarse que para cada valor de "c", el lugar geométrico de los puntos cuyas
coordenadas (x, y) verifican f(x, y) = c es la recta de ecuación ax+by=c. Al variar "c", se
obtiene rectas paralelas tales que todas tiene la misma pendiente -a/b y cortan al eje Y en el
punto (0, c/b).

Si los valores de x e y no están acotados, tampoco lo estará f(x, y), en cambio, si están
restringidos a un cierto conjunto C, la función no podrá tomar cualquier valor. Se puede
entonces hablar de valores máximo o mínimo (valores óptimos) de f(x, y) en C.

Se cumple el siguiente teorema: "Si una función lineal f(x, y)=ax+by tiene máximo o mínimo
en un conjunto C convexo, toma este valor óptimo en un punto extremo".

En efecto, si el valor c fuera óptimo y correspondiera a un punto (x, y) interior al conjunto

convexo C, siempre se podrían encontrar dos recta paralelas a ax+by+c=0, en las cuales f(x,
y) tomaría valores mayores o menores que c y no podría ser c máximo o mínimo. Luego estos
valores sólo pueden presentarse en los puntos extremos.

Usando este teorema, para encontrar los puntos óptimos de f(x, y) en el conjunto convexo C
podemos procederemos de la siguiente forma:

Estudiar los valores de la función en los vértices (si su número es reducido) y decidir en cuál de
ellos hay máximo o mínimo. Tengamos en cuenta que si la función toma el mismo valor en dos
vértices consecutivos, también toma ese valor en todos los puntos del segmento que une esos
dos vértices.

Ejemplo:
41
Hallar el máximo y mínimo de la función f(x, y) = x-y en el recinto convexo solución del sistema
de inecuaciones del último ejemplo.

Dado que la gráfica ya la tenemos (la reproducimos aquí poniendo nombre a los vértices del
recinto que sólo son dos A y B pues el conjunto solución es abierto y no acotado):

El punto A es la solución del sistema de ecuaciones

42
 luego

El punto B es la solución de:

siendo, pues

Los valores de la función en ambos vértices son:

La función presenta un máximo en el punto B pero no hay ningún valor mínimo al no ser el recinto
acotado (luego veremos la discusión de estos problemas).

Cabe preguntarse ahora: ¿Siempre hay punto máximo o mínimo de una función lineal en dos
variables en un recinto convexo?

La respuesta es que la solución puede ser única. Infinitas o ninguna. Veamos los casos que pueden
darse:

2.1 Si el recinto es cerrado existe una solución única para el máximo y otra para el mínimo en
alguno de los vértices si en todos ellos la función toma valores distintos.
2.2 Si es cerrado, pero hay dos vértices consecutivos en los que la función toma el mismo valor (y
ese valor es por ejemplo máximo), entonces toma el mismo valor en todos los puntos del segmento
que une ambos vértices, luego la función infinitos máximos y un mínimo. Al contrario, sucedería si el
valor común de los dos vértices fuese mínimo, habiendo entonces infinitos mínimos y un máximo.
2.3 Si el recinto convexo no está acotado superiormente, no existe máximo, aunque sí mínimo.
2.4 Si el recinto convexo no está acotado inferiormente, no existe mínimo, aunque sí máximo.

Problemas de programación lineal con dos variables.

Un problema de programación lineal con dos variables tiene por finalidad optimizar (maximizar o
minimizar) una función lineal:

llamada función objetivo, sujeta a una serie de restricciones presentadas en forma de sistema de
inecuaciones con dos incógnitas de la forma:

43
Cada desigualdad del sistema de restricciones determina un semiplano. El conjunto intersección de
todos esos semiplanos recibe el nombre de zona de soluciones factibles. El conjunto de los vértices
del recinto se denomina conjunto de soluciones factibles básicas y el vértice donde se presenta la
solución óptima se llama solución máxima (o mínima según el caso). El valor que toma la función
objetivo en el vértice de solución óptima se llama valor del programa lineal.

El procedimiento a seguir para resolver un problema de programación lineal en dos variables será, pues:

1. Elegir las incógnitas.

2. Escribir la función objetivo en función de los datos del problema.
3. Escribir las restricciones en forma de sistema de inecuaciones.
4. Averiguar el conjunto de soluciones factibles representando gráficamente las restricciones.
5. Calcular las coordenadas de los vértices del recinto de soluciones factibles (si son pocos).
6. Calcular el valor de la función objetivo en cada uno de los vértices para ver en cuál de ellos
presenta el valor máximo o mínimo según nos pida el problema (hay que tener en cuenta aquí la posible
no existencia de solución si el recinto no es acotado).

PROBLEMA Un herrero con 80 kgs. de acero y 120 kgs. de aluminio quiere hacer bicicletas de paseo
y de montaña que quiere vender, respectivamente a $20,000 y $15,000 pesos cada una para sacar el
máximo beneficio. Para la de paseo empleará 1 kg. De acero y 3 kgs de aluminio, y para la de
montaña 2 kgs. de ambos metales. ¿Cuántas bicicletas de paseo y de montaña venderá?

Sean las variables de decisión:

x= n: de bicicletas de paseo vendidas. y= n: de

bicicletas de montaña vendidas. Tabla de material

empleado:

Acero Aluminio
Paseo 1 3
Montaña 2 2

Función objetivo:
f(x, y)= 20000x+15000y máxima. Restricciones:

44
Zona de soluciones factibles:
Vértices del recinto (soluciones básicas): A(0, 40)

B intersección de r y s:

C(40,0)

Valores de la función objetivo en los vértices:

Ha de vender 20 bicicletas de paseo y 30 de montaña para obtener un beneficio máximo de $850,000

pesos.

PROBLEMA Una fábrica de carrocerías de automóviles y camiones tiene 2 naves. En la nave A,

para hacer la carrocería de un camión, se invierten 7 días- operario, para fabricar la de un auto se
precisan 2 días-operario. En la nave B se invierten 3 días-operario tanto en carrocerías de camión
como de auto. Por limitaciones de mano de obra y maquinaria, la nave A dispone de 300 días-
operario, y la nave B de 270 días-operario. Si los beneficios que se obtienen por cada camión son
de 6 millones de pesos y de 3 millones de pesos por cada auto.

¿Cuántas unidades de cada clase se deben producir para maximizar las ganancias?

Sean las variables de decisión:

x= número de camiones fabricados. y=

número de autos fabricados.

45
La función a maximizar es:

f(x, y)=6x+3y

La tabla de días-operario para cada nave es:

Días-operario (camión) Días-operario (auto)

Nave A 7 2
Nave B 3 3

Las restricciones:

La zona de soluciones factibles es: Siendo los

vértices:

A(0, 90)

B intersección:

46
En los que la función objetivo toma los valores:

Hay que fabricar 24 camiones y 66 automóviles para un beneficio máximo de 342 millones de pesos.

5.4 Precauciones a tomar con los métodos de programación lineal.

La principal precaución a tomar con los métodos de programación lineal es que las relaciones deben
ser lineales. Se deben de determinar correctamente las ecuaciones lineales y la zona factible.

Asegurar que todas las relaciones y variables relevantes se incluyan en el modelo.

47