Ca4-Unidad Didactica-Inv. Operativa

UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODALIDAD A DISTANCIA
INVESTIGACIÓN OPERATIVA ( R )
i
FACULTAD DE CIENCIAS ADMINISTRATIVAS Investigación Operativa II
AUTORES:
Edwin Roberto Gómez Bastidas
Docente de la Universidad central del Ecuador
Ingeniero mecánico
Magister en Administración de Empresas
Diploma Superior en Docencia Universitaria
Mayra Alexandra Córdova Alarcón
Doctora en Matemáticas
Magister en Docencia Universitaria y Administración Educativa
Magister en Docencia Matemática
Víctor Marcelo Merino Castillo
Ingeniero mecánico
Magister en Administración y Marketing
ii
TABLA DE CONTENIDOS
TABLA DE CONTENIDOS ...................................................................................... iii

INTRODUCCIÓN. .............................................................................................................. v
CARACTERIZACIÓN DE LA MATERIA. ................................................................. v
IMPORTANCIA PARA LA FORMACIÓN DEL PROFESIONAL. ....................... vi
CAPITULO Nº 1 PROGRAMACIÓN LINEAL .............................................................. 1
COMPETENCIA ESPECÍFICA .................................................................................... 1
OBJETIVO DE LA UNIDAD DE COMPETENCIA................................................... 1
CONTENIDO ................................................................................................................... 1
EXPLICACIÓN ............................................................................................................... 2
PROGRAMACIÓN LINEAL: ....................................................................................... 2
Recomendaciones:........................................................................................................ 2
Problemas Resueltos .................................................................................................... 3
EJERCICIOS PROPUESTOS ..................................................................................... 26
MODELOS DE PROGRAMACIÓN LINEAL CON MÁS DE DOS VARIABLES31
COMPETENCIA ESPECÍFICA .................................................................................. 31
OBJETIVO DE LA UNIDAD DE COMPETENCIA................................................. 31
EXPLICACIÓN ............................................................................................................. 31
Problemas Resueltos .................................................................................................. 32
EJERCICIOS PROPUESTOS ..................................................................................... 39
CAPÍTULO 2. MODELOS DE TRANSPORTE Y ASIGNACIÓN ............................ 42
CONTENIDO ................................................................................................................. 42
EXPLICACIÓN ............................................................................................................. 43
EJERCICIOS PROPUESTOS DE TRANSPORTE .................................................. 71
EJERCICIOS PROPUESTOS DE ASIGNACIÓN .................................................... 74
CAPÍTULO 3. TEORÍA DE DECISIONES ................................................................... 77
CONCEPTOS GENERALES ....................................................................................... 77
OBJETIVO DE COMPETENCIA DEL CAPÍTULO ............................................... 77
iii
CONTENIDO ................................................................................................................. 78
EXPLICACIÓN ............................................................................................................. 78
CRITERIOS DE DECISIÓN BAJO CONDICIONES DE CERTIDUMBRE .... 78
CRITERIOS DE DECISIÓN BAJO CONDICIONES DE RIESGO ................... 79
CRITERIOS DE DECISIÓN BAJO CONDICIONES DE INCERTIDUMBRE 84
AUTOEVALUACIÓN .................................................................................................. 88
CAPÍTULO 4. MODELOS DE LÍNEAS DE ESPERA O TEORÍA DE COLAS ....... 91
CONTENIDO ................................................................................................................. 91
EXPLICACIÓN ............................................................................................................. 92
MODELO DE LINEAS DE ESPERA Y TEORIA DE COLAS ............................... 92
MODELO DE LÍNEA DE ESPERA DE ÚNICO SERVIDOR CON
LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/1 ......................................................................................................................... 92
MODELO DE LÍNEA DE ESPERA DE MÚLTIPLES CANALES CON
LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/S ......................................................................................................................... 97
MODELO DE LÍNEA DE ESPERA BÁSICO CON CAPACIDAD LIMITADA
DE UN SOLO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE
SERVICIO EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM .............. 104
EJERCICIOS PROPUESTOS DE LINEAS ESPERA ............................................ 110
AUTOEVALUACIÓN ................................................................................................ 113
FORMULARIO ........................................................................................................... 117
TABLA DE ILUSTRACIONES ..................................................................................... 121
TABLAS ........................................................................................................................... 122
iv
INTRODUCCIÓN.
CARACTERIZACIÓN DE LA MATERIA.
Una de las características de un Administrador y/o de un Auditor es saber tomar las

decisiones más adecuadas, optimizando sus recursos, la asignatura denominada
“investigación Operativa” le enseñará esto, mediante la utilización de modelos matemáticos.
La Investigación de Operaciones se desarrolló con fuerza al comienzo de la Segunda Guerra

Mundial con el fin de lograr una administración eficiente de los recursos que poseían cada
una de las potencias industriales y manufactureras.
Son técnicas o métodos cuantitativos que nos ayudan a implantar modelos de procesos de
la empresa para tomar la mejor decisión, este es un trabajo que regularmente se lo debe
realizar por un grupo multidisciplinario que se puedan plantear los modelos más cercanos a
la realidad y analizar los resultados.
Es una ciencia, porque se basa en técnicas y modelos matemáticos para tomar una decisión
y un arte porque nos incentiva a desarrollar modelos de manera creativa.
v
IMPORTANCIA PARA LA FORMACIÓN DEL PROFESIONAL.
En la actualidad con el despunte de la nueva tecnología y de técnicas modernas, la

Investigación Operativa es automatizada, es decir, la misma se ha vuelto computarizada,
para poder optimizar del tiempo de resolución de los modelos matemáticos cuantitativos,
para lo cual se dispone de un sinnúmero de software con este objetivo, pero que no le
servirán si Ud. no tiene claros los conceptos, su aplicación y su interpretación.
Toda empresa grande o mediana aplican muchísimo y con excelentes resultados los métodos
de la Investigación Operativa, puesto que ha contribuido eficazmente a optimizar una gran
parte de sus objetivos.
La Investigación Operativa no toma decisiones por si misma, su función es la de asesorar y

apoyar a quien o quienes deciden, determinando las diversas situaciones que se presentan
en la marcha de las organizaciones.
vi
1.2.3 RELACIONES CON OTRAS ASIGNATURAS.
Es una ciencia interdisciplinaria: reconoce que la mayor parte de los problemas de negocios
tienen aspectos contables, biológicos, económicos, matemáticos, físicos, psicológicos,
sociológicos, estadísticos y de ingeniería.
vii
CAPITULO Nº 1 PROGRAMACIÓN LINEAL
Figura 1- 1 Región de viabilidad
COMPETENCIA ESPECÍFICA
El estudiante estará en capacidad de resolver modelos de Programación Lineal básicos
con dos variables, aplicados a empresas productoras y
comercializadoras, tanto públicas como privadas con el fin de optimizar sus recursos.
OBJETIVO DE LA UNIDAD DE COMPETENCIA

Resolver modelos de Programación Lineal básicos con dos variables, aplicados a empresas
productoras y comercializadoras, tanto públicas como privadas con el fin de optimizar sus
recursos.
CONTENIDO
• BASES TEÓRICAS.
• PLANTEAMIENTO DE MODELOS CON DOS VARIABLES DE DECISIÓN.
• RESOLUCIÓN DE MODELOS POR EL MÉTODO GRAFICO.
1
EXPLICACIÓN
PROGRAMACIÓN LINEAL:
En este Capítulo se presenta el desarrollo teórico – práctico de los modelos de Programación

Lineal (PL).
Con conceptos Básicos se detalla la utilidad de este tema y por medio de ejemplos nos
enseña a formular problemas y el beneficio que han obtenido muchas empresas al saber
utilizar este tipo de modelos.
Es “Programación”, pues se decidirán valores de las variables de un modelo para optimizar
la función objetivo o de desempeño; y, es “Lineal”, pues todas las ecuaciones e inecuaciones
que intervienen en la misma son Funciones Lineales y de primer grado; usted nunca
encontrará en estos problemas variables al cuadrado, cubo, raíz cuadrada, etc.
Entre las funciones objetivo que podemos optimizar tenemos: maximizar las utilidades o
ganancias, los ingresos, etc. también se puede minimizar los costos, el desperdicio de un
proceso, el impacto ambiental o la utilización de materia prima etc.
Para la formulación o planteamiento de los modelos matemáticos de cualquier problema de
Programación Lineal, debe considerarse paso a paso las condiciones básicas antes descritas
y a su vez las recomendaciones siguientes:
Recomendaciones:
1.- Tabular preferiblemente en forma matricial, todos los datos que da el problema de
manera que se entienda a donde se quiere llegar, identificando claramente:
La función objetivo de problema

Cuántas y cuáles son las variables de decisión, y
Cuántos y cuáles son los recursos y limitaciones, sus unidades.
Es recomendable (no una regla), por facilidad de planteamiento y de análisis, tabular el

resumen de datos del problema en forma matricial, es decir, ubicando en las columnas las
“variables” y en las filas los “recursos y/o limitaciones”, y el resto de información, como
utilidades, costos, precios de venta, disponibilidad de recursos, etc., en las filas o columnas
correspondientes.
2.- Definir claramente las variables de decisión: que es lo que busca el problema, que es lo
que se quiere determinar, que es lo que se va a producir, etc., considerando sus unidades
de medida por unidad de tiempo: Kg/mes, unidades/sem, horas/mes, artículos/día, etc
3.- Plantear la Función Objetivo como ecuación, que en general busca uno de dos extremos
o Maximizar o Minimizar
4.- Plantear el sistema de restricciones (ecuaciones y/o inecuaciones) correspondientes a

cada recurso con la identificación respectiva; una forma de comprobarse es realizando la
igualdad de unidades: horas/mes = horas/mes. (debe asegurarse de plantear una función
lineal por cada restricción y/o recurso)
2
5.- Existen varios métodos para resolver un problema de PL, pero los más utilizados en la
actualidad son:
Método Gráfico,
Uso de diferentes Software (programas de computación)
La Solución Gráfica o Método Gráfico tiene como principal limitante que no se puede
resolver modelos de PL con más de DOS variables, pues en un plano cartesiano solo tiene
dos ejes.
Problemas Resueltos
Problema 1.
La siguiente tabla resume los factores clave acerca de dos productos A y B, y los recursos
Q, R y S, requeridos para producirlos.
Tabla 1- 1 Usos de recursos por unidad producida
Usos de recursos por unidad producida

Cantidad
Producto Producto
Recurso disponible
A B
de recurso
Q 2 1 2
R 1 2 2
S 3 3 4
Utilidad $3.000 $2.000
Se cumplen todas las suposiciones de programación lineal.

Formule en forma algebraica este mismo problema.
Debe quedar claro que uno de los puntos más importantes es definir las variables y la
función objetivo. Para lo cual se le recomienda que lea detenidamente el enunciado las veces
que sean necesarias hasta entenderlo.
En este tipo de problemas, un error muy frecuente es que se defina como variable a los
recursos, sin tomar en cuenta que lo que le debe interesar es cuántas unidades de cada
producto (en este cado denominados X, Y) se tiene que fabricar, para obtener la máxima
ganancia que es el objetivo de este problema.
Por lo tanto, el Modelo de Programación Lineal sería:
X = Número de unidades del Producto A

Y = Número de unidades del Producto B
3
Función Objetivo:
Maximizar Ganancia = 3,000 X + 2,000 Y
Sujeta a:
Rec. Q: 2X+ Y <2
Rec. R: X + 2Y < 2
Rec. S: 3 X + 3Y < 4
X>0
Y>0
Use el método gráfico para resolver este modelo: para lo cual se debe realizar los cuadros
de valores de cada restricción, graficar y determinar el polígono o región factible de
solución:
Restricción - 1 Restricción - 2 Restricción - 3
Tabla 1- 2 Intersecciones con los ejes
X Y X Y X Y
0 2 0 1 0 1.33
1 0 2 0 1.33 0
C
Figura 1- 2 Región Factible
Tabla 1- 3 Resultados del polígono de solución:
VÉRTICES X Y GANANCIA
A 0 1 2,000.00
B 2/3 2/3 3,333.33
C 1 0 3,000.00
Punto Óptimo: X = 0.6667

Y = 0.6667
4
GANANCIA = $3,333.33
c.- Formule un modelo de programación lineal para este problema en una hoja de cálculo
y use Excel Solver para resolver este problema.
Luego de seguir las indicaciones del Texto guía para utilizar esta función y las formulas
respectivas, el modelo en hoja de cálculo y su solución quedaría de esta manera:
Tabla 1- 4 Uso de recursos por cantidad unidad disponible
Recurso Producto A Producto B Recursos

Q 2 1 2 < 2
R 1 2 2 < 2
S 3 3 4 < 4
Ganancia $3.000 $2.000 3333,33
Solución 0,6667 0,6667
Problema 2.
A Ralph Edmund le encanta el filete con papas. Así que decide ponerse a una dieta
consistente sólo en estos dos alimentos (más algunos líquidos y suplementos vitamínicos)
en todas sus comidas. Ralph se percata de que no es la dieta más sana, de modo que quiere
comer las cantidades correctas de los 2 alimentos para satisfacer algunos requerimientos
nutricionales clave. Consiguió la siguiente información nutricional y de costos.
Tabla 1- 5 Información nutricional y de costos
Gramos por ingrediente por ración

Ingrediente Filete Papas Requerimientos
diarios (gramos)
Carbohidratos 5 15 ≥50
Proteína 20 5 ≥40
Grasa 15 2 ≤60
Costo por $4 $2
ración
Ralph desea determinar el número de raciones diarias (pueden ser fraccionales) de filetes y
papas que cubrirán estos requerimientos a un costo mínimo.
Identifique en forma verbal las decisiones a tomar, las restricciones sobre estas decisiones
y la medida de desempeño global para las decisiones.
Las decisiones a tomar son las raciones diarias de filete y de papas

Las restricciones son los requerimientos diarios de carbohidratos, proteínas y grasa
La medida de desempeño global es minimizar el costo
Convierta estas descripciones verbales de las restricciones y la medida de desempeño en

expresiones cuantitativas en términos de los datos y las decisiones.
5
Minimizar Costo = 4 ($/rac. filete) *(# de raciones de filete) + 2($/rac. papas) * (# de

raciones de papas)
Carbohidratos: 5 (gr/rac. filete) *(# de raciones de filete) + 15 (gr/rac. papas) * (# de

raciones de papas) ≥ 50
Proteínas: 20 (gr/rac. filete) *(# de raciones de filete) + 5 (gr/rac. papas) * (# de raciones

de papas) ≥ 40
Grasas: 15 (gr/rac. filete) *(# de raciones de filete) + 2 (gr/rac. Papas) *(de raciones de
papas) ≥60
# de raciones de filete ≥ 0
# de raciones de papas ≥ 0
Formule este mismo problema en forma algebraica.
X1 = Número de raciones de filete

X2 = Número de raciones de papas
Minimizar Costo = 4X1 + 2X2
1.- Carbohidratos: 5 X1 + 15X2 > 50

2.- Proteínas: 20 X1 + 5X2 > 40
3.- Grasas: 15 X1 + 2X2 < 60
X1 > 0 y X2 > 0
Formule y resuelva un modelo de programación lineal para este problema en una hoja de
cálculo y utilice la función Solver de Excel:
Tabla 1- 6 Gradiente Filete Papas diarios (gramos)
Carbohidratos 5 15 50 > 50
Proteína 20 5 40 > 40
Grasa 15 2 24.83 < 60
Costo Requerimientos 4 2 10.91
No por ración Solución 1.2727 2.91
Solución óptima:
X1 = 1,27 raciones de filete

X2 = 2,91 raciones de papas
Costo Mínimo = 10,91 Dólares
6
Use el método gráfico para resolver este problema: para lo cual se debe realizar los cuadros
de valores de cada restricción, graficar y determinar el polígono o región factible de
solución:
Tabla 1- 7 Puntos de intersección con los ejes

X1 X2 X1 X2 X1 X2
0 3.33 0 8 0 30
10 0 2 0 4 0
C B
VERTICES X1 X2 GANANCIA
A 0 30 60
B 3.72 2.09 19.01
C 1.27 2.91 10.91
D 0 8 16
Solución óptima:
X1 = 1.3 raciones de filete X2 = 2.9 raciones de papas
Costo Mínimo = 10,91 Dólares
NOTA: Recuerde que son soluciones matemáticas, puesto que en la realidad se deberá
proponer soluciones con números enteros.
Problema 3.
7
A continuación, presentamos la solución del Texto Matemáticas para Administración,

Economía, Ciencias Sociales y de la Vida, de HAEUSSLER y PAUL que desde la sección
7.9 página 364
Utilidad J. Smith, quien opera desde un puesto de pago por teléfono, vende dos tipos de
dispositivos electrónicos, Zeta y Gamma. Estos dispositivos son construidos para Smith por
tres amigos A, B, C; cada quien debe hacer parte del trabajo en cada dispositivo. El tiempo
que cada uno invierte en la fabricación de cada dispositivo se da en la tabla siguiente:
Tabla 1- 9 Tiempo que cada uno invierte en la fabricación de cada dispositivo
Amigo A Amigo B Amigo C

Zeta 2 horas 1 hora 1 hora
Gamma 1 hora 1 hora 3 horas
Los amigos de Smith tienen otro trabajo que hacer, pero determinan que cada mes pueden
invertir hasta 70, 50 y 90 horas, respectivamente, para trabajar en los productos de Smith.
Éste obtiene una utilidad de $5 en cada dispositivo Zeta y $7 en cada dispositivo Gamma.
¿Cuántos dispositivos de cada tipo debe construir Smith cada mes para maximizar la
utilidad y cuál será esta utilidad máxima?
El modelo algebraico de programación lineal sería:
X1 = Número de unidades del dispositivo Zeta que se debe construir

X2 = Número de unidades del dispositivo Gamma que se debe construir
F. Objetivo: Maximizar Utilidad = 5X1 + 7X2
Sujeto a: Amigo A: 2X1 + X2 ≤ 70

Amigo B: X1 + X2 ≤ 50
Amigo C: X1 + 3X2 ≤ 90
X1 ≥ 0; X2 ≥ 0
La solución por el método gráfico será:
Tabla 1- 10 Coordenadas de las intersecciones con los ejes

X1 X2 X1 X2 X1 X2
0 70 0 50 0 30
35 0 50 0 90 0
8
VÉRTICES X1 X2 GANANCIA
A 35 0 175
B 0 30 210
C 24 22 274
La solución óptima factible (matemática) será:

X1 = unidades Zeta = 24
X2 = unidades Gamma = 22
La utilidad máxima = $274
Problema 4.
Petrocomercial compra 2 tipos de petróleo crudo ligero y pesado a un precio de $25 el barril
de petróleo ligero y el petróleo pesado a $22 el barril, cada uno de los barriles de petróleo
ligero y pesado al ser refinado produce 3 productos: gasolina, turbosina y kerosene y de
acuerdo con las proporciones indicadas en la siguiente tabla (barril de producto por barril
de crudo):
Tabla 1- 12 Proporción gasolina, turbosina y kerosene
Gasolina Turbosina Kerosene
Petróleo Ligero 0,45 0,18 0,30

Petróleo Pesado 0,35 0,36 0,20
9
Petrocomercial entrega mensualmente 1’260,000 barriles de gasolina, 900,000 barriles de

turbosina y 300,000 barriles de kerosene.
Formular el modelo necesario para determinar la cantidad de cada tipo de petróleo ligero y
pesado por comprar para minimizar el costo total.
Como primer punto tenemos que identificar las variables de decisión, que en este caso son
los dos tipos de petróleo:
X: Número Barriles de petróleo Ligero

Y: Número Barriles de petróleo Pesado
Identificación de la función objetivo:
Mínimo Costo = 25X + 22Y
El tercer paso es la identificación de las restricciones:
Gasolina: 0,45 * (bar. ligero) + 0,35*(bar. pesado) ≥ 1’260,000 bar.

Turbosina: 0,18 * (bar. ligero) + 0,36 * (bar. pesado) ≥ 900,000 bar. Kerosene: 0,30 *
(bar. ligero) + 0,20* (bar. pesado) ≥ 300,000 bar.
Una vez identificadas la función objetivo, las variables de decisión y las restricciones
podemos establecer el modelo matemático.
Mínimo Costo = 25X + 22Y
1.- Gasolina: 0,45 X + 0,35 Y ≥ 1’260.000

2.- Turbosina: 0,18 X + 0,36 Y ≥ 900.000
3.- Kerosene: 0,30 X + 0,20 Y ≥ 300.000
X ≥ 0; Y ≥ 0
Método Gráfico:
Tabla 1- 13 Puntos de intersección para graficar.

X Y X Y X Y
0 3,600,0000 0 2,500,000 0 1,500,000
2,800,000 5,000,000 0 1,000,000 0
10
Tabla 1- 14 Resultados del polígono de solución
VERTICES X Y GANANCIA
A 50’ 0 125’
B 1.4’ 1.8’ 74.6’
C 0 3.6’ 79.2’
Podemos observar que las cantidades que se deben utilizar de cada tipo de petróleo ligero y
pesado son de:
1´400,000 barriles de petróleo ligero.

1´800,000 barriles de petróleo pesado.
Con un Costo Mínimo de $ 74´600,000
Problema 5.
Una fábrica produce los Productos A y B con 40 máquinas y 50 operarios y trabaja con un
capital semanal de $ 350 000 que los utiliza en compras de insumos. La producción de un
artículo –A utiliza 3 horas-máquina, 2 horas-operario, materiales por un valor de $400 y
vendido proporciona un beneficio de $300. El producto-B utiliza 2 horas-máquina, 4 horas-
operario, materiales por un valor de $200 y proporciona un beneficio de $400 dólares. La
fábrica opera 10 horas por día de lunes a viernes. El análisis de mercado indica que máximo
se venderá semanalmente 800 unidades de A y no hay limitación para B (lo que produce se
vende). Formule un modelo que optimice la producción semanal de la empresa y la
utilización de los recursos que maximice sus beneficios. (Rodriguez Acosta, 2011, pág. 92)
11
Solución del Problema
1.- Tabular preferiblemente en forma matricial

Tabla 1- 15 Tabla de Datos
Nombre de las variables de Producto- Producto-

decisión. A B
Variables X1 X2 signo Máximos recursos
1.- Horas Maquina 3 2 ≤ 2000
2.- Horas Operario 2 4 ≤ 2500
3.-Capital 400 200 ≤ 350000
4.- Demanda del producto A 1 ≤ 800
Utilidad 300 400
2.-Definir claramente las variables de decisión

X1= Cantidad de Producto A
X2= Cantidad de producto B
3.- Plantear la Función Objetivo
Z máx.= 300X1 + 400X2
4.- Formular las restricciones
Note que es si la tabla de datos está bien realizada obtener las restricciones es más fácil,
cada fila representa una restricción.
a.- 3X1+2X2  2000
b.- 2X1+4X2  2500
c.- 400X1+200X2  350000
d.- X1 800
e.- X1, X2  0 Es importante la restricción de no negatividad indica que únicamente vamos
a trabajar en el primer cuadrante.
5.- Método Gráfico
Únicamente es necesario graficar cada restricción con los puntos que intersecan en los ejes,
por ejemplo, para la restricción ‘a’ cuando x1 vale cero x2 es 1000
3(0) +2X2 = 2000
Despejando X2=1000
y cuando x2 es cero X1 es 666.67
3X1+2(0) = 2000
Despejando X1=666,67
Con éstos puntos ya podemos graficar la recta ‘a’, la recta ‘b’ y ‘c’ realizamos el mismo
procedimiento, la ‘d’ es una recta vertical en el punto 800.
12
Tabla 1- 16 Puntos de intersección con los ejes coordenados.
a b c d
X1 X2 X1 X2 X1 X2 X1 X2
0 1000 0 625 0 1750 0
666,67 0 1250 0 875 0 0
La región factible es la intersección de las áreas que se obtiene al graficar las inecuaciones,
para saber la dirección del área remplazamos el puto (0,0) en cada inecuación y verificamos
si cumple la condición de no igualdad.
En la primera inecuación remplazamos el punto (0,0)
3(0)1+2(0)  2000 y
0  2000. La inequidad se cumple por lo tanto el área se dirige hacia el punto (0,0).
Figura 1- 6 Región factible de la primera inecuación.
Continuamos con las demás restricciones y finalmente podemos tener la región factible.
13
Encuentre los vértices de la región factible, remplazamos en la función objetivo y

obtenemos la utilidad, el vértice que da la mayor utilidad es la solución por ende se debe
producir 375 productos A y 437,5 productos B; para obtener una utilidad de $287 500.
Tabla 1- 17 Tabla de resultados
PRODUCTO. A PRODUCTO.B UTILIDAD DECISION
VÉRTICE C 666,67 0 200001

VËRTICE B 375 437,5 287500 
VÉRTICE A 0 625 250000
Análisis de sensibilidad de las Restricciones

Existen dos formas de realizar un análisis de sensibilidad analizando los recursos Agotados
y analizando los recursos Abundantes
Análisis de recursos Abundantes
Realizaremos un análisis de recursos abundantes y agotados en el punto B donde se obtuvo
la SOF solución óptima factible.
PUNTO B
1.- Horas Maquina
B= (375; 437,5)
a.- 3X1+2X2  2000
3(375) +2(437.5) 2000
21  21
21-21=0 Recurso Agotado
Significa de las 2000 horas máquina disponible, fueron utilizadas todas
2.- Horas Operario
14
b.- 2X1+4X2  2500

2(375) +4(437.5)  2500
Las horas operario fueron agotadas.
3.-Capital
c.- 400X1+200X2  350000
400(375) +200(437.5)  350000
350000-237500=112500 Recurso Abundante
Existe $112500 no gastado
4.- Demanda del producto A
d.- X1 800
(375)  800
Se puede vender 425 unidades más del producto A.
El análisis de recursos Abundantes sugiere que únicamente se requiere$237500 y producir
375 productos por lo tanto las restricciones sin cambiar la Solución Óptima Factible.
3.-Capital
c.- 400X1+200X2  237500
d.- X1 375
Análisis de recursos Agotados
Para los recursos agotados es necesario realizar un análisis en el Punto B que es donde se
tiene el máximo rendimiento y en dos puntos contiguos que en este caso serían los puntos
P y Q. como se indica en el gráfico. Para ello calculamos las coordenadas en estos puntos.
Además, es importante realizar una tabla con los incrementos o decrementos que las nuevas
soluciones originarían en las utilidades.
Tabla 1- 18 Soluciones originarían en las utilidades
Vértices X1 X2 Valor Función Incremento o decremento de la

Objetivo Función Objetivo
P 0 1000 400000 ∆ 112500
Q 750 250 325000 ∆ 37500
PUNTO P
1.- Horas Máquina
P= (0,1000)
a.- 3X1+2X2  2000
3(0) +2(1000) 2000
2000  2000
Significa de las 2000 horas máquina disponible, fueron utilizadas todas
2.- Horas Operario
b.- 2X1+4X2  2500
2(0) +4(1000)  2500
2500-4000= -1500 Recurso Abundante
15
El resultado muestra que se debe incrementar las horas disponibles de operario en 1500 para
que el vértice P pueda ser la nueva solución
3.-Capital
c.- 400X1+200X2  350000
400(0) +200(1000)  350000
Existe $150000 no gastado
d.- X1 800
(0)  800
800-0= 800 Recurso Abundante
PUNTO Q
1.- Horas Máquina
P= (750,250)
a.- 3X1+2X2  2000
3(750) +2(250) 2000
2750  2000
2000-2750=-750 Recurso Abundante
Para que la nueva solución sea el punto Q se debe incrementar en la disponibilidad de horas
Máquina en 750.
2.- Horas Operario

b.- 2X1+4X2  2500
2(750) +4(250)  2500
Las horas operario son exactamente las necesarias.
3.-Capital
c.- 400X1+200X2  350000
400(750) +200(250)  350000
350000-350000=0 Recurso Agotados
El capital es justo lo que se necesita y no existe ni sobrante ni faltante.
d.- X1 800
(750)  800
Realizamos el análisis basado en el precio sombra que valor que aumenta o disminuye la
ganancia en ($/unidad) por cada unidad de recurso que se incremente o reduzca.
Determinado por la siguiente relación:
∆ 𝐹𝑢𝑛𝑐𝑖ó𝑛 𝑂𝑏𝑗𝑒𝑡𝑖𝑣𝑜
𝑌𝑖 =
∆ 𝑑𝑒𝑙 𝑅𝑒𝑐𝑢𝑟𝑠𝑜
Realizamos una tabla para cada restricción con el análisis respectivo, tomando en cuenta los
mayores incrementos absolutos de cada una de las restricciones en los puntos B, P y Q.
16
Tabla 1- 19 Análisis restricciones en los puntos B, P y Q
Restricción Punto Recurso Tipo ∆ del ∆ Función Yi

Recurso Objetivo (Precio
Sombra)
a Q 1.- Horas Maquina Agotado 750 37500 50
b P 2.- Horas Operario Agotado 1500 112500 75
c B 3.-Capital Abundante -112500 0 0
d B 4.- Demanda del Abundante -425 0 0
producto A
En el Punto Q deberíamos incrementar 750 horas Máquina para tener un incremento en la

utilidad de $37500, la utilidad que tendríamos por cada hora incrementada de Maquinaria
sería de $50 también es el valor máximo adicional que podemos pagar por cada hora
adicional de Maquinaria; mientras que en el Punto P se incrementaría 1500 Horas Operario
para que aumente la utilidad en $112500, la utilidad que tendríamos por cada hora
incrementada de Operario sería de $75 también es el valor máximo adicional que podemos
pagar por cada hora adicional de Operario. Comparando estos indicadores en los Puntos B,
P, Q, podemos concluir si es conveniente modificar la Solución Óptima Factible al punto
P, ya que el precio sombra es mayor. El precio sombra calculado se lo puede comparar con
el encontrado a través del software Excel y POM.
Análisis de sensibilidad de los márgenes de contribución de los coeficientes de la Función

Objetivo.
El análisis de sensibilidad de los márgenes de contribución responde a la pregunta. “¿En

qué límites puede variar los coeficientes de la Función Objetivo (Márgenes de
Contribución) sin cambiar la Solución Óptima Factible (vértice óptimo)?” (Rodriguez
Acosta, 2011, pág. 44).
La Función Objetivo: Z máx.= 300X1+400X2, acudimos a un artificio considerando que se

trata de una ecuación lineal.
Z máx.= C1 X1+C2 X2,
Donde la pendiente sería:
−𝐶1
𝑚=
𝐶2
Calculamos la pendiente de los recursos Agotados
1.- Horas Máquina
a.- 3X1+2X2  2000
−3
𝑚1 =
2
Igualamos con la pendiente de la función Objetivo, colocando C2 como incógnita.
−300 −3
=
𝐶2 2
C2=200
17
−𝐶1 −3
=
400 2
C1=600
2.- Horas Operario
b.- 2X1+4X2  2500
−2 −1
𝑚2 = =
4 2
−300 −1
=
𝐶2 2
C2=600
−𝐶1 −1
=
400 2
C1=200
Los límites en los que puede cambiar los coeficientes de la Función sin cambiar la Solución
Óptima Factible son:
200≤C1≤600
200≤C2≤600
También se lo puede expresar en cuanto puedo incrementar y disminuir los coeficientes de

la función Objetivo sin cambiar la Solución Óptima Factible, por supuesto que la utilidad
variará.
Tabla 1- 20 Variación permitida de los coeficientes de la Función Objetivo
Coeficiente F. O Valor Coef. F.O. Disminuir Aumentar

C1 300 100 300
C2 400 200 200
Los resultados obtenidos se los puede ver en el informe de confidencialidad obtenido con
Excel que se explica a continuación.
18
6.- Programa de Software (Excel)

Realice una tabla en Excel con la función Objetivo y las restricciones, la función objetivo
en la celda B7, en la parte superior podemos ver la función aplicada
Figura 1- 9 Formato para Solver
El uso total también se puede ver la fórmula aplicada
19
Los recursos sobrantes únicamente aplicamos una resta entre los máximos recursos y el uso
total.
20
En datos en la barra de herramientas damos clic en La Función solver y se despliega la

siguiente ventana que la llenamos según el requerimiento que lo relacionamos por el nombre
de las celdas y clic en resolver
Activamos los informes que vamos a requerir y aceptar
21
Se despliega los resultados y los informes entre ellos el informe de confidencialidad en el

que podemos ver entre otra información el precio sombra, en cuanto puede variar los
coeficientes de la función objetivo y el análisis de las restricciones.
Figura 1- 14 Informe de confidencialidad
6.- Programa de Software (POM)
Abrir el programa POM y en la barra de tareas vamos a Módulo y señalamos Programación

Lineal
Figura 1- 15 Tutorial de POM
En Archivo seleccione nuevo
22
Coloque el número de restricciones (4) y variables (2) según el requerimiento, además

marque si va a maximizar o minimizar (en este caso maximizar) clic en ok.
Llene la matriz y haga clic en solve
23
Finalmente tiene los resultados, en la barra de herramientas en Windows puede desplegar

los diferentes tipos de resultados incluidos el gráfico y el precio sombra.
El gráfico es el mismo que obtenemos en la parte inicial resuelta en Geo Gebra que se trata
de otro graficador.
24
25
EJERCICIOS PROPUESTOS
1. Se dispone de una bodega que tiene un volumen de 20 m3, por encontrarse en un
piso superior es importante considerar la capacidad máxima de peso que soportaría,
los estudios indican que sobrellevaría máximo 10 toneladas distribuidas en toda la
bodega. Se requiere que el peso utilizado con el producto B sea mayor o igual que
cinco veces el producto A. Como el producto A ocupa un espacio de 3m3 por
tonelada y el producto B 2 m3 por tonelada, se cobra 100 000 y 70 000 dólares por
tonelada respectivamente. Se estima que el costo de mantenimiento por tonelada
será de 20 000 dólares. Un requerimiento mínimo es que almenos debe almacenarse
4 toneladas del producto B. ¿Cómo debería almacenar para obtener una máxima
utilidad?
2. Trasportes del Valle dispone de cinco buses de 60 pasajeros y cuatro de 40. Acaba
de firmar un contrato para transportar 300 personas de una empresa que planea
realizar un paseo por fin de año con sus empleados a la playa. El propietario de la
empresa de transporte sabe según el análisis de costos que realizó en viajes
anteriores, que con el bus de 40 pasajeros se gasta $500, mientras que con el de 60
se alcanza un costo de $800. Si dispone de 8 choferes. ¿Cuántos buses de que
capacidad debe enviar para que el costo de operación sea mínimo?
3. Una empresa comercializa máximo 6000 unidades de cualquiera de dos productos.
El primer producto no pude ser fabricado más de 5000 unidades, mientras que el
segundo la capacidad de la fábrica lo limita en 3000 unidades. Cada producto deja
una utilidad de 20 y 30 dólares respectivamente. ¿Qué cantidad de cada producto se
debe producir para obtener un máximo beneficio? ¿Cuál es el beneficio?
4. Fodevasa una empresa dedicada a la construcción dispone de espacio para construir
32 casas de dos modelos las mismas que dejan una utilidad de $10 000 y 7500
respectivamente, para ello cuenta con dos contratistas para la obra civil en obra gris
y para realizar conexiones y acabados. El primer contratista cuenta con 8000 horas
trabajador mientras que el segundo con 3000 horas- trabajador. Se sabe por
experiencia en la casa de tipo 1 requiere 200 horas de obra civil y 120 para
conexiones y acabados, mientras que la casa tipo 2 requiere 250 y 80 horas
correspondientemente. ¿Es imprescindible realizar un plan para iniciar la
construcción por lo que requiere saber cuántas casas tipo 1 y tipo 2 debe construir
para que la utilidad se máxima?
5. Al realizar un estudio de la demanda se estima que existe dos modelos de sillas
requeridas por el mercado, una silla A que requiere 1kg de plástico y 2,5 kg de
hierro, y una silla B 1,5 kg de plástico y 1,5 kg de hierro. El kilogramo de hierro
cuesta $1 mientras que es plástico $1,2 cada kilogramo. Además, la fabricación trae
consigo costos adicionales, la silla A $10 mientras que la silla B $12. El estudio
también revela que la silla A puede vender a $20 mientras que la Tipo B a $25. La
capacidad de la planta mensual es de 2000 sillas A y de 2500 sillas tipo B, si la
demanda de sillas es de 3000 unidades. El propietario sabe que es importante que al
menos el 40% de las sillas deben ser del tipo A para que su planta sea utilizada de
forma equilibrada. ¿Cuántas sillas de cada tipo debería utilizar para que su utilidad
sea máxima?
26
6. El siguiente problema de programación lineal resuélvalo gráficamente. Encuentre el valor

de las variables y de la función objetivo.
Restricciones
4x+5y<=20
5x+3y>=15
x>=2
Función Objetivo
Zmax=225x+335y
7. El siguiente problema de programación lineal resuélvalo gráficamente.

Encuentre el valor de las variables y de la función objetivo.
Restricciones
2x+3y>=6
x+5y<=20
x<=3
Función Objetivo
Zmax=55x+85y
8. El siguiente problema de programación lineal resuélvalo gráficamente.

Encuentre el valor de las variables y de la función objetivo.
Restricciones
4x+7y>=1400
10x+4y<=2000
y<=200
Función Objetivo
Zmax=60x+40y
9. El siguiente problema de programación lineal resuélvalo gráficamente. Encuentre el

valor de las variables y de la función objetivo.
Restricciones
27
5x+2y<= 300
x +y >= 75
x>= 40
Función Objetivo
Zmax=30x+20y
10. Riviera Corporation fabrica dos modelos de televisiones una tipo A y otra tipo B. La
empresa contrata técnicos que trabajan 2 600 horas cada mes en la línea de ensamble. Se
requiere 40 horas de trabajo para ensamblar la televisión tipo A y 50 horas la televisión tipo
B. Riviera Corporation debe ensamblar al menos 20 televisiones tipo A y 30 tipo B durante
el mes de producción. Las televisiones tipo A generan $1 500 de utilidad por unidad, y las
tipo B producen $2 000 de cada una. Formule el utilizando Programación lineal y resuelva
gráficamente.
a. Determine el número más rentable de cada tipo de televisión que se debe producir durante
el mes.
b. ¿Cuál es utilidad esperada?
11.Carpintería Mitad del Mundo fabrica dos productos, sillas y mesas. La carpintería cuenta
con dos recursos principales: sus carpinteros (mano de obra) y el suministro de madera de
arrayan para fabricar muebles. Durante el siguiente ciclo de producción están disponibles
1,200 horas de mano de obra. La carpintería también cuenta con un inventario de 3,500 pies
de arrayan de buena calidad. Cada silla que produce Carpintería Mitad del Mundo requiere
de 12 horas de mano de obra y de 15 pies de arrayan, en tanto que cada mesa toma 6 horas
de mano de obra y 50 pies de arrayan. Las sillas terminadas darán una utilidad de $25 cada
una; y las mesas una utilidad de $50 cada una. ¿Cuántas sillas y mesas deberían fabricar
Carpintería Mitad del Mundo para obtener la mayor utilidad posible? Utilice el método
gráfico de la PL.

Restricciones
2x+y>= 500
3x+5y>=1125
y<=x
Función Objetivo
Z min=800x+500y
28
a) Resuelva gráficamente y encuentre los valores de x “y” y
b) ¿Cuál es el valor de la función objetivo?

Restricciones
2x+y<=600
5x+7y>=1750
x-y>=100
Función Objetivo
Zmax=1200x+1300y
a) Resuelva gráficamente y encuentre los valores de x “y” y

Restricciones
5x+2y<=250
2x+y>=30
y<=20
Función Objetivo
Z máx. =25x+45y
a) Resuelva gráficamente y encuentre los valores de x “y” y.

Restricciones
-x+y<=320
29
x+2y>=500
x<=100
Función Objetivo
Z máx. =12x+15y
a) Resuelva gráficamente y encuentre los valores de x “y” y.
30
MODELOS DE PROGRAMACIÓN LINEAL CON MÁS DE DOS VARIABLES
El estudiante estará en capacidad de modelos de Programación Lineal complejos con más de

dos variables, aplicados a empresas productoras y comercializadoras, tanto públicas como
privadas con el fin de optimizar sus recursos
Resolver modelos de Programación Lineal complejos con más de dos variables, aplicados a
empresas productoras y comercializadoras, tanto públicas como privadas con el fin de
optimizar sus recursos.
CONTENIDO
• Planteamiento de modelos con MÁS DE dos variables de decisión.

• Diferentes Aplicaciones Prácticas
• Resolución de modelos: USO DE SOFTWARE Y LA FUNCIÓN SOLVER.
• Interpretación de resultados
• Análisis de Sensibilidad
EXPLICACIÓN
Programación Lineal: Análisis de Sensibilidad e Interpretación de la solución.
31
En el siguiente capítulo se desarrolla la “Programación Lineal: Formulación y

Aplicaciones”, en el cual los modelos tendrán más de dos variables y su función objetivo
será tanto de maximización como de minimización.
Los problemas con mayor número de variables regularmente son más apegados a la realidad,
razón por la cual en la actualidad sólo son resueltos por medio de programas de computación.
Se le recomienda que resuelva los modelos de DOS VARIABLES mediante el METODO

GRÁFICO, y los de TRES O MAS VARIABLES mediante la aplicación del programa
SOLVER del Excel u otros softwares disponibles en el mercado como el QM para Windows
(POM), TORA, LINDO, QSB, etc.
También se estudia el Análisis de “qué pasa si” para la Programación lineal lo que implica
realmente un análisis de sensibilidad de las restricciones.
Es muy importante este tema puesto que las condiciones de los negocios son cambiantes y
con este análisis se pueden encontrar el “Precio Sombra” que es la utilidad o la pérdida que
tendrá la empresa si cambia una de las restricciones del modelo. Para esto es importante en
primer lugar determinar si los recursos son “Agotados” o “Abundantes” con la
implementación del plan óptimo de solución.
El análisis de sensibilidad de los coeficientes de la función objetivo, nos ayuda a reaccionar

rápidamente a la variación de la función objetivo analizada, por ejemplo, cambios de la
utilidad unitaria o del costo unitario de una de nuestras variables, nos obligarán a revisar la
decisión tomada ratificando la misma o tomando otra.
Es de suma importancia que usted analice los problemas desarrollados y luego los plantee y
resuelva. Existen algunos de los problemas propuestos que están resueltos al final del libro
y en el CD que viene con el mismo, le recomendamos que los revise y analice detenidamente,
estos nos servirán de auto evaluación, aunque cabe anotar que existe algún error de impresión
en la solución de alguno de ellos.
Problemas Resueltos
Problema 1.
De los problemas propuestos de otros autores
Para satisfacer las necesidades de vitaminas, un hombre va a comprar 100 píldoras que deben
contener al menos 750 unidades de B1, 600 unidades de B2 y 280 unidades de B6.
Compra a $0.5 las píldoras del tipo-I que contiene 10 unidades de B1, 5 unidades de B2 y 3
de B6; compra a $0.6 las píldoras del tipo-II que contienen 12 unidades de B1, 2 de B2 y 11
de B6 y a $0.4 las píldoras del tipo-III que contienen 6 unidades de B1, 7 de B2 y 2 de B6.
¿Cuántas píldoras de cada tipo debe consumir para satisfacer sus necesidades a un mínimo
costo?
32
a.- Formule el modelo algebraico y resuelva en una hoja de cálculo para este problema.
b.- Use Excel Solver para obtener el intervalo de optimalidad para cada costo unitario.
Tabla 2- 1 Resumen de datos:
PILD. PILD. PILD. NECESIDADES

NOMBRE RESTRICC TIPO-I TIPO-II TIPO-III MINIMAS
1.- VITAMINA-B1 (unid.) 10 12 6 750.00
2.- VITAMINA- B2 (unid) 5 2 7 600.00
3.- VITAMINA-B6 (unid.) 3 11 2 280.00
4.- REQUER. PILDORAS 1 1 1 100.00
costos unitarios ($/pild.) 0.5 0.6 0.4
MODELO ALGEBRAICO:
- Definición de variables:
-
X1 = cantidad de píldoras tipo-I que debe comprarse
X2 = cantidad de píldoras tipo-II que debe comprarse
X3 = cantidad de píldoras tipo-III que debe comprarse
- Función Objetivo:
-
MIN. COSTO = 0.5X1 + 0.6X2 + 0.4X3
- Restricciones:
-
1.- Vitamina B1: 10X1 + 12X2 + 6X3 ≥ 750
2.- Vitamina B2: 5X1 + 2X2 + 7X3 ≥ 600
3.- Vitamina B6: 3X1 + 11X2 + 2X3 ≥ 280
4.- Req. Píldora.: X1 + X2 + X3 = 100
X1, X2, X3 ≥ 0
Tabla 2- 2 Resolución en solver de Excel
PILD. PILD. PILD. UNID. UNID.

NOMBRE RESTRICC
TIPO-I TIPO-II TIPO-III UTILIZ. DISPON
1.- VITAMINA - B1 (unid.) 10 12 6 750,00 ≥ 750
2.- VITAMINA - B2 (unid) 5 2 7 613,67 ≥ 600
3.- VITAMINA - B6 (unid.) 3 11 2 280,00 ≥ 280
4.- REQUER. PILDORAS 1 1 1 100,00 = 100
Costos unitarios ($/pild.) 0,5 0,6 0,4 44,03
SOLUCION OPTIMA: 29,00 5,67 65,33
33
RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD:
Tabla 2- 3 Resultados del análisis de sensibilidad
Microsoft Excel 15.0 Informe de confidencialidad

Hoja de cálculo: [Libro1]Hoja1
Informe creado: 15/10/2015 9:27:12
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$7 SOLUCION OPTIMA: PILD. TIPO-I 29 0 0,5 0,033333333 0,077777778
$C$7 SOLUCION OPTIMA: PILD. TIPO-II 5,666666667 0 0,6 0,7 0,05
$D$7 SOLUCION OPTIMA: PILD. TIPO-III 65,33333333 0 0,4 0,0875 0,1
Restricciones
Final Sombra Restricción Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$E$2 1.- VITAMINA - B1 (unid.) UNID. UTILIZ. 750 0,023333333 750 31,53846154 96,66666667
$E$3 2.- VITAMINA - B2 (unid) UNID. UTILIZ. 613,6666667 0 600 13,66666667 1E+30
$E$4 3.- VITAMINA - B6 (unid.) UNID. UTILIZ. 280 0,006666667 280 51,25 42,5
$E$5 4.- REQUER. PILDORAS UNID. UTILIZ. 100 0,246666667 100 20,71428571 1,348684211
Problema 2.
Considere un problema de asignación de recursos con la siguiente tabla de parámetros:
Tabla 2- 4 Parámetros
Uso de recursos por unidad de Cantidad de

Recursos cada actividad recursos
disponible
1 2
1 1 3 8
2 1 1 4
Ganancia unitaria ($) 1 2
El objetivo es determinar el número de unidades de cada actividad que maximiza la ganancia

total.
a) Método gráfico
FO: Ganancia Total MAXIMIZAR
Variables:
34
x1 = número de unidades de actividad 1

x2 = número de unidades de actividad 2
FO: U = x 1 + 2 x2 MAXIMIZAR
x1 + 3 x2 ≤ 8
x1 + x2 ≤ 4
x1, x2 ≥ 0
La solución óptima es realizar 2 unidades de la actividad 1 y 2 unidades de la actividad 2

para obtener una utilidad máxima de $ 6.
35
b) Use el análisis gráfico para determinar el precio sombra de cada recurso resolviendo de
nuevo después de aumentar en 1 cada recurso disponible
El precio sombra para el recurso 1 es $ 0.50, es decir que por cada unidad de
recurso uno que aumente o disminuya la ganancia total aumenta o disminuye
en $0.50.
Precio sombra del recurso 2
Figura 2- 3 Región factible
36
El precio sombra para el recurso disponible 2 es $ 0.50, es decir que por cada unidad de
recurso 2 que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
c) Programación Lineal con Solver
Tabla 2- 5 Resultados en solver
x1 x2 Disponible
Recurso 1 1 3 8,00 < 8

Recurso 2 1 1 4,00 < 4
Ganancia 1 2 6,00 máximo
Unitaria
Variables 2,00 2,00
La solución óptima es realizar 2 unidades de la actividad 1 y 2 unidades de la actividad 2
para obtener una utilidad máxima de $ 6 (igual que en el método gráfico)
x1 x2 Disponible
Recurso 1 1 3 9,00 < 9

Recurso 2 1 1 4,00 < 4
Unitaria
Variables 1,50 2,50
recurso 1 que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.

x1 x2 Disponible
Recurso 1 1 3 8,00 < 8
Recurso 2 1 1 5,00 < 5
Unitaria
Variables 3,50 1,50
37
recurso uno que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
d) Use solver para obtener el precio sombra
Tabla 2- 8 Análisis de sensibilidad
Microsoft Excel 10.0 Informe de sensibilidad

Hoja de cálculo: [Ejercicio 4.11.xls]Hoja1
Informe creado: 01/05/2005 20:50:45
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Disminución
Celda Nombre Igual reducido objetivo permisible permisible
$B$3 Variables x1 2,00 0,00 1 1 0,333333333
$C$3 Variables x2 2,00 0,00 2 1 1
Restricciones
Valor Sombra Restricción Aumento Disminución
Celda Nombre Igual precio lado derecho permisible permisible
$D$6 Recurso 1 8,00 0,50 8 4 4
$D$7 Recurso 2 4,00 0,50 4 4 1,333333333
El informe muestra que cuando tanto, el recurso uno como el 2 aumentan en una unidad, la
ganancia total aumenta o disminuye en $0.50, respectivamente.
e) Los precios sombra son útiles por que muestran como se ve afectada la ganancia cuando
los recursos disponibles aumentan o disminuyen, lo que permite decidir que recurso
aumentar para que la utilidad aumente, o que recurso disminuir para que se vea menos
afectada.
38
EJERCICIOS PROPUESTOS
1. Una empresa metalúrgica recibe un pedido de fabricación de un elemento mecánico

que pesa 200 toneladas, El principal requerimiento es que el elemento a construir
tenga al menos 5% de Cromo, 3% de Níquel y 2% de Cobalto, para ello cuenta con
tres aleaciones que se describe su composición en la tabla a continuación. ¿Qué
cantidad de cada aleación se debe emplear para minimizar el costo?
Cromo Níquel Cobalto Existencia Costo

(ton) ($/ton)
Aleación A 6% 6% 80 1100
Aleación B 2% 1% 3% 120 1000
Aleación C 7% 2% 4% 150 1200
2. En los Banco existe un problema con los empleados que realizan turnos de 8 horas
ya que la demanda de cajeros varía según las horas del día. En la siguiente tabla se
muestra los requerimientos de los cajeros según las horas del día. ¿Cuántos cajeros
se debe planificar para cada hora del día si los requerimientos son diferentes?
Intervalo de tiempo Requerimiento de Cajeros
1 8:00 a 10:00 8
2 10:00 a 12:00 6
3 12:00 a 14:00 12
4 14:00 a 16:00 10
5 16:00 a 18:00 8
6 18:00 a 20:00 6
3. Una fábrica tiene tres plantas de las cuales tiene que distribuir sus productos entre
tres Almacenes en la ciudad. Las distancias entre las plantas y los almacenes se
encuentran detalladas en la siguiente tabla.
PLANTA 1 PLANTA 2 PLANTA 3
ALMACEN A 75 50 60
ALMACEN B 30 70 50
ALMACEN C 10 60 20
39
Encuentre la mejor manera de distribuir los productos de las plantas a los almacenes,
si la fábrica produce 300, 200 y 400 toneladas en cada una de sus plantas, mientras
que su demanda es de en sus almacenes es de 300, 250, 350 respectivamente
4. En un taller se fabrica tres modelos de camisetas que dejan una utilidad de 5, 4 y 6

dólares respectivamente. Para la elaboración se requiere de tres procesos de corte,
costura y sublimado. En la siguiente tabla se indica los tiempos en minutos requeridos
para cada proceso, además cada proceso tiene una limitación debido al uso de la
cortadora, las máquinas de costura y la sublimadora en 8 horas. El modelo 3 tiene
que elaborarse al menos 10 por un pedido especial, mientras que el modelo 2 tiene
que ser el doble o más que el modelo1. Encuentre cuantas camisetas de cada modelo
se debe fabricar para maximizar la ganancia.
MODELO CORTE COSTURA SUBLIMADO
1 15 9 25
2 12 10 15
3 16 11 22
Tiempo disponible 8 8 8
en horas
5. Con la apertura a la Unión Europea el estado ha concedido un cupo para poder

exportar algunos productos como el brócoli alcachofa y cereales, a una asociación
conformada por tres comunidades, para ello es importante la organización de estas
por lo que debe iniciar estableciendo los recursos con los que dispone cada una de
ellas. Es el caso del agua que las parcelas comunitarias disponen de 200, 350, 400 m3
respectivamente, ocurre lo mismo con la tierra disponible para ser cultivada que es
de 200, 250 y 350 ha.
Existe preocupación por las comunidades que tengan desventaja en la circunstancia
para producir y se condiciona que cada una de ellas almenos produzca el 20% del
total a producir.
Luego de haber realizado un cálculo de la utilidad que se obtendrá con cada producto,
se desea saber ¿cuántas hectáreas de cada producto se deben cultivar en cada comunidad
para maximizar las utilidades? A continuación, se describe en una tabla lo indicado.
Cuota Máxima Ganancia (ha) Consumo Agua

a exportar (m3/ha)
(ha)
Brócoli 250 2000 3
40
Alcachofa 150 3000 2
Cereales 100 1000 1
¿Se puede satisfacer la demanda? ¿Cuánto se requiere?
41
CAPÍTULO 2. MODELOS DE TRANSPORTE Y ASIGNACIÓN
El estudiante estará en capacidad de resolver problemas de transporte y asignación, aplicados

a empresas públicas y privadas con diferentes tipos de servicios con el fin de optimizar sus
recursos.
Resolver problemas de transporte y asignación, aplicados a empresas públicas y privadas

con diferentes tipos de servicios con el fin de optimizar sus recursos.
CONTENIDO
• BASES TEÓRICAS Y FORMULACIÓN MATEMÁTICA DEL PROBLEMA DE

TRANSPORTE.
• CALCULO DE DISTRIBUCIONES INICIALES BÁSICAS EN PROBLEMAS DE

MÁXIMOS Y MÍNIMOS.
• RESOLUCIÓN DE MODELOS Y OPTIMIZACIÓN DE DISTRIBUCIONES

DE PRODUCTOS CON APLICACIÓN DE DIFERENTES SOFTWARE
(Función Solver, Tora, Lindo, etc).
• CASO ESPECIAL: FORMULACIÓN Y SOLUCIÓN MATEMÁTICA DE

MODELOS DE ASIGNACIÓN.
42
EXPLICACIÓN
Modelos de Transporte
En este capítulo se presenta el modelo de Transporte y Asignación, como un modelo

particular de programación lineal.
El modelo de transporte tiene como objetivo encontrar el costo menor de transportar desde
varios puntos de origen a varios puntos de destino cubriendo la oferta o recursos y la
demanda.
Se debe tomar en cuenta en este modelo que si la oferta es mayor que la demanda las
restricciones asociadas a los orígenes debe ser del tipo “≤” y las asociadas a la oferta deben
ser “=”, pero si la demanda es mayor que la oferta los nodos de destino deberán ser los que
tienen las restricciones “≤” y los destinos “=” o se deberá aumentar un origen ficticio como
indica en el texto guía, por último, si la oferta total y la demanda total son iguales todas las
restricciones podrán ser “=”.
Aunque existen varios métodos para resolver un problema de transporte se debe empezar
con una solución inicial, utilizando el método más tradicional conocido como “aproximación
de Vogel”, y luego con el proceso recurrente de optimización del problema de transporte,
pero en el texto guía no se desarrollan estos métodos por lo que se los debe resolver como
se indica en el mismo, planteándolo como modelo de programación lineal y resolviéndolo
mediante la función Solver.
Capítulo 3: “Modelos o problemas de Asignación”
La Asignación es una variante o caso especial del Modelo de Transporte. En este caso se
quieren asignar actividades o recursos a personas, máquinas o tareas o viceversa, con el
objetivo que el costo total sea el menor. La particularidad de este modelo es que la oferta y
la demanda es “1” en cada nodo de origen o destino.
43
Problemas Resueltos
Problema 1.
La empresa frutería litoral desea transportar frutas a las diferentes ciudades del país, el
gerente de dicha empresa desea que se envíe dicho producto que en este caso son manzanas.
Los lugares de partida son de Quito con 3,000 cajas y desde Guayaquil 4,000 cajas, mientras
que los lugares de destino pueden recibir: Latacunga de 1,100 cajas, Ambato 1,200 cajas,
Baños 1,400 cajas, Guaranda 1,600 cajas, Riobamba 1,700 cajas. El costo del transporte es
de acuerdo a la distancia. Encontrar la minimización del costo de transporte.
Los Costos Unitarios ($/caja) de distribución de cada fuente a cada destino son:
Tabla 3- 1 Costos Unitarios
LATAC. AMB. BAÑOS GUAR. RIOB.
QUITO 70 120 100 150 120
GUAYAQUIL 280 120 184 100 150
Oferta Demanda
Latacunga
1100
Quito
3000
Ambato 1200
Baños
1400
Guayaquil Guaranda
4000 1600
1700
Riobamba
Figura 3- 1 Modelo de Transporte resuelto con Programación Lineal
44
- Definición de las variables:
X11: Número de cajas que transporta de Q – L

X12: Número de cajas que transporta de Q – A
X13: Número de cajas que transporta de Q – B
X14: Número de cajas que transporta de Q – G
X15: Número de cajas que transporta de Q – R
X21: Número de cajas que transporta de G – L
X22: Número de cajas que transporta de G – A
X23: Número de cajas que transporta de G – B
X24: Número de cajas que transporta de G – G
X25: Número de cajas que transporta de G – R
Por consiguiente, el modelo de transporte planteado como un modelo de programación

lineal, sería como sigue:
FUNCION OBJETIVO
Min Costo = 70X11 + 120X12 +100X13 + 150X14 + 120X15 + 280X21 +

120X22 +184X23 + 100X24 + 150X25
RESTRICCIONES
Origen X11 + X12 + X13 + X14 + X15 = 3000

X21 + X22 + X23 + X24 + X25 = 4000
Destino X11 + X21 = 1100

X12 + X22 = 1200
X13 + X23 = 1400
X14 + X24 = 1600
X15 + X25 = 1700
X11, X12, X13, X14, X15, X21, X22., X23, X24, X25 ≥0
45
Planteado de acuerdo a la estructura matricial resulta como sigue:
Tabla 3- 2 Estructura matricial
Latacunga Ambato Baños Guaranda Riobamba Oferta
Quito X11 X12 X13 X14 X15

70 120 100 150 120 3000
Guayaquil X21 X22 X23 X24 X25

280 120 184 100 150 4000
Demanda
1100 1200 1400 1600 1700
Problema 2
Considere el problema de transporte que tiene la siguiente tabla de parámetros:
Costo unitario
Tabla 3- 3 Tabla de parámetros
Destino
Origen 1 2 3 Recursos
1 9 6 8 4
2 7 12 10 3
3 6 7 6 2
Demanda 3 3 2
a. Trace la representación de redes de este problema.

Origen Destino
46
O1 D1
4 3
3 O2 D2
3
O3 D3
2 2
Figura 3- 2 Modelo de Transporte
b. Formule el problema en una hoja de cálculo
c. Use Excel Solver para obtener la solución óptima.
Tabla 3- 4 Costo unitario
Destino D1 D2 D3 Recursos
Origen TOTAL
O1 0 1 2 3 ≤ 4
O2 1 2 0 3 ≤ 3
O3 2 0 0 2 ≤ 2
TOTAL 3 3 2 $65
═ ═ ═
DEMANDA 3 3 2
Problema 3
Considere el problema de transporte que tiene la siguiente tabla de parámetros:
Tabla 3- 5 Costo unitario
Destino
Origen 1 2 3 Recursos
1 9 6 8 4
2 7 12 10 3
3 6 7 6 2
Demanda 3 3 2
47
Problema 4
(Transporte)
Una empresa produce un único artículo en tres plantas, A, B, C. La capacidad de producción

mensual de la empresa está limitada a 50, 70, 90 unidades mensuales en cada una de las
plantas. La empresa tiene tres clientes mayoristas cuyas demandas mensuales son 30, 90 y
80 unidades respectivamente.
Los costes de envió a los 3 clientes mayoristas que la empresa tiene vienen dados por la
siguiente tabla.
Tabla 3- 6 Costes de envió
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3

A 208 320 145
B 310 260 135
C 280 150 125
a) Calcular la distribución Óptima y el costo mínimo, utilizando el

método del costo mínimo.
Ubicamos en la tabla de costos la respectiva oferta y demanda y la sumamos en la esquina

inferior.
Tabla 3- 7 Costos oferta y demanda
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 OFERTA

A 208 320 145 50
B 310 260 135 70
C 280 150 125 90
210
DEMANDA 30 90 80 200
Trazamos diagonales en cada una de las celdas y observamos que la oferta es 210 y la
demanda 200 por lo que es necesario que incluyamos una columna con un cliente ficticio
para que la oferta y la demanda esté equilibrada.
Como el problema se trata de un ejercicio de minimización comenzamos asignando valores

a la celda con el menor costo (no tomamos en cuenta la columna ficticia) para ello es la
celda C33, si la oferta es de 90 y la demanda de 80 asignamos lo mayor posible esto es 80,
el resto de la columna con ceros porque la suma en el Cliente-3 da el total.
Continuamos con el siguiente valor en la celda C32, aunque la demanda es de 90 solo

podemos ofertar 10 porque 80 ya fue ofertado anteriormente, la celda C31 y C34 lo
completamos con cero. La Panta C al sumar las asignaciones la oferta está satisfecha.
Continuamos con el mismo procedimiento hasta finalizar el proceso.
48
Tabla 3- 8 Método u-v
CLIENTE- CLIENTE- CLIENTE- CLIENTE-

PLANTAS 1 2 3 FICT OFERTA
30 10 0 10
50
A 208 320 145 0
0 70 0 0
70
B 310 260 135 0
0 10 80 0
90
C 280 150 125 0
210
30 90 80 10
DEMANDA 210
La distribución óptima es la siguiente:
De la Panta A distribuir al Cliente-1 30 unidades y al Cliente-2 10 unidades.
De la Panta B distribuir al Cliente-2 70 unidades.
De la Panta C distribuir al Cliente-2 10 unidades y al Cliente-3 80 unidades
El costo mínimo está dado por todas las asignaciones con sus costos respectivos:
Zmin= (30) (208) + (10) (320) + (70) (260) + (10) (150) + (80) (125) =39140
Distribución Mejorada. Método ‘u-v’
La distribución ni el costo mínimo estamos seguros que lo sean los óptimos por lo que es
necesario aplicar el método expuesto.
Comenzamos aplicando la siguiente fórmula a todas las celdas que tengan algún valor
asignado.
v1 v2 v3 v4
30 10 0 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 10 80 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
ui+vi= Cij
49
u1+v1=208
u1+v2=320
u1+v4=0
u2+v2=260
u3+v2=150
u3+v3=125
Resolvemos el sistema de ecuaciones para lo cual a la variable que más se repite le

asignamos cero (u1=0). Las soluciones son las siguientes.
u1=0
u2= -60
u3=-170
v1=208
v2=320
v3=295
v4=0
Teniendo todos los valores de u y v calculados, en las celdas cuyas variables sean igual a
cero, (exceptuando la columna ficticia) aplicamos la siguiente fórmula.
Cij= (Costo o utilidad) – (ui+vj)
C13= 145-(0+295) = -150
C21=310- (-60+208) = 162
C23=135-(-60+295) = -100
C31= 280-(-170+208) =242
Para tomar la distribución inicial como la definitiva es necesario que todos los valores sean
positivos como vemos hay 2 valores negativos -150 y -100 , consideramos la celda del
menor (C13) donde iniciaremos la optimización, en esta celda vamos a asignar una cantidad
50
θ, en la tercera columna si realizamos un incremento de una determinada cantidad para que

haya equilibrio es necesario que se reste en otra celda en la misma columna, la única a la
que se le puede restar es la celda C33, ya que la C23 tiene valor de cero y no es posible
realizar la diferencia. Ahora en la fila tenemos dos opciones restar en la celda C12 o en la
celda C11, como se trata de minimizar deseamos reducir los costos restamos al de mayor
valor C12, En la fila 3 vamos a sumar por lo que consideramos el de menor valor C32.
Teniendo
v1 v2 v3 v4
CLIENTE-
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 FICT OFERTA
30 10- θ 0 +θ 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 10 + θ 80 – θ 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
la siguiente tabla calculamos el valor de θ, seleccionando las nuevas asignaciones con signo
negativo.
80 - θ = 0
10- θ = 0
Despejamos θ y escogemos el menor valor
Θ =10
Este valor remplazamos en la tabla y obtenemos la nueva asignación.
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 20 70 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
51
De la Panta C distribuir al Cliente-2 20 unidades y al Cliente-3 70 unidades
Z min= (30) (208) + (10) (145) + (70) (260)+ (20) (150)+ (70) (125)=37640
La distribución ni el costo mínimo estamos seguros que lo sean los óptimos y definitivos
por lo que es necesario aplicar nuevamente el método expuesto.
asignado.
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 20 70 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
ui+vi= Cij
u1+v1=208
u1+v3=145
u1+v4=0
u2+v2=260
u3+v2=150
u3+v3=125

u1=0
u2= 90
u3=-20
52
v1=208
v2=170
v3=145
v4=0
C12= 320-(0+170) = 150
C21=310- (90+208) = 12
C23=138-(90+145) = -97
C31= 280-(-20+208) = 52
Para tomar la distribución inicial como la definitiva es necesario que todos los valores sean
positivos como vemos hay 1 valor negativo -97 de la celda (C23) donde iniciaremos la
optimización, en esta celda vamos a asignar una cantidad θ, en la segunda fila si realizamos
un incremento de una determinada cantidad para que haya equilibrio es necesario que se
reste en otra celda en la misma fila, la única a la que se le puede restar es la celda C22, ya
que la C21 tiene valor de cero y no es posible realizar la diferencia.
Debemos restar en las columnas 4 y sumar en la columna 2 para que haya equilibrio,
debemos saber en qué fila en la primera o en la tercera, para ello restamos los costos de
estas opciones.
150-125=25 Fila 3
320-145= 75 Fila 1
La nueva asignación debe ser en la fila 3 porque allí tenemos el menor valor, recuerde que
estamos minimizando.
53
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70-θ 0 +θ 0
u2 B 310 260 135 0 70
0 20+θ 70-θ 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
Calculamos el valor de θ, seleccionando las nuevas asignaciones con signo negativo.
70 - θ = 0
70- θ = 0
Despejamos θ y escogemos el menor valor
θ =70
Este valor remplazamos en la tabla y obtenemos la nueva asignación.
v1 v2 v3 v4
CLIENTE-
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 FICT OFERTA
30 0 10 10
u1 A 208 320 145 0 50
0 0 70 0
u2 B 310 260 135 0 70
0 90 0 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
De la Panta C distribuir al Cliente-2 90 unidades.
Z min= (30) (208) + (10) (145) + (70) (135) + (90) (150) =30640
54
El nuevo costo mínimo es menor pero la distribución ni el costo mínimo estamos seguros
que lo sean los óptimos y definitivos por lo que es necesario aplicar nuevamente el método
expuesto.
asignado.
ui+vi= Cij
u1+v1=208
u1+v3=145
u1+v4=0
u2+v3=135
u3+v2=150

u1=0
u2= -10
u3=-20
v1=208
v2=170
v3=145
v4=0
La variable u3 y v2 no es posible resolver por lo que tomamos los valores anteriores.

C12= 320-(0+150) = 170
C21=310- (-10+208) = 112
C22=260-(-10+150) = 120
C31= 280-(-20+208) = 92
55
C33= 125-(-20+145) = 0
Todos los valores son positivos por ello la última distribución y el valor de la Función
Objetivo son los definitivos.
Problema 5
En un taller elabora tres productos A y B y C, y la demanda de estos productos es 90, 210
y 140 unidades/semana respectivamente. Los productos pueden fabricarse por uno de los
tres métodos, cada uno de los cuales dispone de las siguientes capacidades semanales: 160,
120 y 160 unidades respectivamente. En las tablas se indican las ganancias (dólares/unidad)
asociadas con cada producto y cada método. Determinar el problema óptimo de fabricación:
Tabla 3- 15 Ganancias según cada producto y método de elaboración
PRODUCTOS MET-1 MET-2 MET-3
A 139 140 137
B 209 207 210
C 253 254 255
Solución:
Método de esquina noroeste
Para iniciar los cálculos es necesario que la tabla esté llena, para ello ubicamos la demanda
y la oferta. Además, verificamos que tanto la demanda como la oferta sean iguales, en ésta
ocasión lo es, si no lo fuera añadimos una fila o columna ficticia como se realizó en la tabla
30-8.
Tabla 3- 16 Transporte método de esquina noroeste
PRODUCTOS MET-1 MET-2 MET-3 DEMANDA
A 139 140 137 90
B 209 207 210 210
C 253 254 255 140
OFERTA 160 120 160 440 440
Recordemos que los valores que se encuentra en la tabla son las ganancias asociadas con
cada producto y en la última fila y columna se encuentra la oferta y la demanda
respectivamente, requerimos ubicar los valores asignados por ejemplo cuantos productos A
vamos a realizar con el método 1 que la denominaremos la celda X11 primera fila primera
56
columna, y así con el resto de celdas. Para iniciar con la asignación comenzamos con la
esquina noroeste es decir la celda X11 que se encuentra en la parte izquierda y a la vez en la
parte superior (esquina noroeste), pregunto si oferto 160 y demando 90 cuanto puedo asignar,
en este caso únicamente 90 porque, aunque dispongo de 160 mi requerimiento es únicamente
de 90, la primera fila o el Producto A su demanda está satisfecha por lo que las demás celdas
de la fila se les asigna con cero incluida la demanda restante; la oferta restante es 70,
teníamos 160 y asignamos 90.
Tabla 3- 17 Transporte método de esquina noroeste.
PRODUCTOS MET-1 MET-2 MET-3 DEMANDA Demanda

restante
A 90 139 0 140 0 137 90 0
B 209 207 210 210
C 253 254 255 140
OFERTA 160 120 160
Oferta restante 70
Con ésta lógica proseguimos con las demás celdas, en las que aún no asignamos, la esquina
noroeste es la celda X21, la demanda es de 210 mientras que la oferta restante es 70, asigno
a esta celda únicamente lo que dispongo (70), aunque el requerimiento es mayor; la oferta
restante es cero y la celda la X31 igualmente porque toda la oferta está agotada. La demanda
restante en la segunda fila es140 restando 210 menos 70 que asigne.

restante
A 90 139 0 140 0 137 90 0
B 70 209 207 210 210 140
C 0 253 254 255 140
OFERTA 160 120 160
Oferta restante 0
57
En las que aún no asignamos, la esquina noroeste es la celda X22, la demanda restante es de
140 mientras que la oferta es 120, asigno a esta celda únicamente lo que dispongo (120),
aunque el requerimiento es mayor; la oferta restante es cero y la celda la X32 igualmente
porque toda la oferta está agotada. La demanda restante en la segunda fila es 20 restando 140
menos 120 que asigné.

restante
A 90 139 0 140 0 137 90 0
B 70 209 120 207 210 210 20
C 0 253 0 254 255 140
OFERTA 160 120 160
Oferta restante 0 0
La nueva esquina noroeste es la celda X23, la demanda restante es de 20 mientras que la

oferta es 160, asigno a esta celda únicamente lo que requiero (20), aunque la disponibilidad
es mayor; la demanda restante es cero. La oferta restante en la tercera columna es 140
restando 160 menos 20 y demanda restante es 0 en la segunda fila.

restante
A 90 139 0 140 0 137 90 0
B 70 209 120 207 20 210 210 0
C 0 253 0 254 255 140
OFERTA 160 120 160
Oferta restante 0 0 140
58
Finalmente, en la celda X33 asignamos 140 que se encuentra en la oferta restante y que es
la demanda. Si sumamos los valores asignados tanto de las columnas como de las filas deben
sumar las respectivas demanda u oferta.

restante
A 90 139 0 140 0 137 90 0
B 70 209 120 207 20 210 210 0
C 0 253 0 254 140 255 140 0
OFERTA 160 120 160
Oferta restante 0 0 0
La ganancia máxima obtenida por el método de la esquina noroeste es difícil que sea muy
eficiente, porque únicamente realiza una asignación en un orden predeterminado sin tomar
en cuenta el propósito que debería se encontrar una asignación que permita obtener una
ganancia máxima o un costo mínimo según sea el requerimiento de la variable a maximizar
o minimizar.
Zmax= 90*139+70*209+120*207+20*210+140*255= 91 880
La ganancia es de 91 800, con lo acotado anteriormente es necesario que busquemos otro

método que logre mejorar la ganancia obtenida, para ello partiendo de la aplicación de
método de la esquina noroeste buscamos si existe una mejor asignación por medio del
método del salto de Piedra en Piedra.
Método del Salto de Piedra en Piedra
Para iniciar debemos verificar que el número de fila más el de columnas menos 1 sea menor
o igual que el número de celda asignadas.
3+3−1 ≤ 5
5≤5
La inecuación se cumple podemos continuar. Partimos de cualquier celda no asignada o sea

de aquellas que tienen cero. El principio es que por ejemplo en la celda X12 debemos probar
la posibilidad de asignar una cantidad la que debería mejorar mi asignación (mejorar mi
ganancia) colocamos un signo más en la celda, a continuación, si asignamos una cantidad en
una fila y columna hay que restar la misma cantidad en otra celda que debe ser una asignada.
Puede haber varias opciones que partan de la misma celda, todas las evaluamos. De la celda
X12 en la primera fila la única que está asignada es la que se encuentra en la parte izquierda
59
(X11) ubicamos un signo menos; en la primera columna tenemos un menos, se bebe colocar
un mas en otra celda en la misma columna, la única que está asignada es la X21. Finalmente,
en la segunda fila existe dos opciones de celdas asignadas la X22 y la X23, pero debemos
recordar que si una celda la sumamos en una columna (X12) otra bebemos restarla en la
misma dirección vertical, entonces colocamos un menos en la celda X22. Sumamos la
utilidad de cada una de las celdas con los signos que hemos colocado y obtenemos un índice.
C12=140-207+209-139=3
Un índice de tres indica que por cada unidad que se sume y se reste según lo indicado, la
utilidad aumenta en tres. Seguimos calculando los otros índices.
Tabla 3- 22 Transporte Método del Salto de Piedra en Piedra
A 90 - 139 0+ 140 0 137 90
B 70 + 209 120- 207 20 210 210
C 0 253 0 254 140 255 140
OFERTA 160 120 160
Ahora en la celda X13 colocamos un signo más, a continuación, si asignamos una cantidad
en una fila y columna hay que restar la misma cantidad en otra celda que debe ser una
asignada. Puede haber varias opciones que partan de la misma celda, todas las evaluamos.
De la celda X13 en la primera fila la única que está asignada es la que se encuentra en la
parte izquierda (X11) ubicamos un signo menos; en la primera columna tenemos un menos,
se bebe colocar un mas en otra celda en la misma columna, la única que está asignada es la
X21. Finalmente, en la segunda fila existe dos opciones de celdas asignadas la X22 y la X23,
pero debemos recordar que si una celda la sumamos en una columna (X13) otra bebemos
restarla en la misma dirección vertical, entonces colocamos un menos en la celda X23.
Sumamos la utilidad de cada una de las celdas con los signos que hemos colocado y
obtenemos un índice.
C13=137-210+209-139=-3
Un índice de menos tres indica que por cada unidad que se sume y se reste según lo indicado,
la utilidad disminuirá en tres.
A 90 - 139 0 140 0+ 137 90
60
B 70 + 209 120 207 20 - 210 210
C 0 253 0 254 140 255 140
OFERTA 160 120 160
En la celda X31 colocamos un signo más, a continuación, si asignamos una cantidad en una
fila y columna hay que restar la misma cantidad en otra celda que debe ser una asignada.
X31 en la tercera fila la única que está asignada es la que se encuentra en la parte derecha
(X33) ubicamos un signo menos; en la tercera columna tenemos un menos, se bebe colocar
C31=253-255+210-209=-1
Un índice de menos 1 indica que por cada unidad que se sume y se reste según lo indicado,
la utilidad disminuirá en uno.
A 90 139 0 140 0 137 90
B 70- 209 120 207 20 + 210 210
C 0+ 253 0 254 140 - 255 140
OFERTA 160 120 160
En la celda X32 colocamos un signo más, a continuación, si asignamos una cantidad en una
fila y columna hay que restar la misma cantidad en otra celda que debe ser una asignada.
X32 en la tercera fila la única que está asignada es la que se encuentra en la parte derecha
(X33) ubicamos un signo menos; en la tercera columna tenemos un menos, se bebe colocar
61
C32=254-255+210-207= 2
Un índice de 2 indica que por cada unidad que se sume y se reste según lo indicado, la utilidad
aumentará en dos.
A 90 139 0 140 0 137 90
B 70 209 120- 207 20 + 210 210
C 0 253 0+ 254 140 - 255 140
OFERTA 160 120 160
Comparamos los índices, el ejercicio que trata de encontrar una mayor ganancia posible por
lo que seleccionamos el mayor índice el C12 de la Tabla 3-22, los valores asignados en esta
tabla que tienen signo negativo son 90 y 120, el menor es la cantidad que reasignaremos
(90). La nueva tabla reasignada es la siguiente.
A 0 139 90 140 0 137 90
B 160 209 30 207 20 210 210
C 0 253 0 254 140 255 140
OFERTA 160 120 160
Calculamos la nueva ganancia multiplicando el valor asignado por la ganancia unitaria

respectiva y sumando todos estos resultados.
Zmax= 160*209+90*140+30*207+20*210+140*255= 92 150
Al comparar la ganancia actual con la calculada anteriormente existe un incremento de

(92150-91880) 270, que era de previsto, ya que el índice era de 3 y 90 la reasignación (90*3)
obteniendo una ganancia adicional de 270.
La mayoría de métodos son iterativos, se debe repetir el mismo procedimiento varias veces
hasta que los índices que estamos calculando no mejoren la ganancia, para ello deben ser
cero o negativos; cuando ello ocurra la ganancia ya no podrá ser mejorada y será la ganancia
máxima que se puede obtener.
62
Para iniciar debemos verificar que el número de fila más el de columnas menos 1 sea menor
o igual que el número de celda asignadas.
3+3−1 ≤ 5
5≤5
La inecuación se cumple podemos continuar. Partimos de cualquier celda no asignada o sea

de aquellas que tienen cero. El principio es que por ejemplo en la celda X11 debemos probar
la posibilidad de asignar una cantidad la que debería mejorar mi asignación (mejorar mi
ganancia) colocamos un signo más en la celda, a continuación, si asignamos una cantidad en
una fila y columna hay que restar la misma cantidad en otra celda que debe ser una asignada.
X11 en la primera fila la única que está asignada es la que se encuentra en la parte derecha
(X12) ubicamos un signo menos; en la segunda columna tenemos un menos, se bebe colocar
C11=139-140+207-209=-3
la utilidad disminuirá en tres.
A 0+ 139 90 - 140 0 137 90
B 160 - 209 30 + 207 20 210 210
C 0 253 0 254 140 255 140
OFERTA 160 120 160
Continuamos con la celda X13 debemos probar la posibilidad de asignar una cantidad la que
debería mejorar mi asignación (mejorar mi ganancia) colocamos un signo más en la celda, a
continuación, si asignamos una cantidad en una fila y columna hay que restar la misma
cantidad en otra celda que debe ser una asignada. Puede haber varias opciones que partan de
la misma celda, todas las evaluamos. De la celda X13 en la primera fila la única que está
asignada es la que se encuentra en la parte izquierda (X12) ubicamos un signo menos; en la
segunda columna tenemos un menos, se bebe colocar un mas en otra celda en la misma
63
columna, la única que está asignada es la X22. Finalmente, en la segunda fila existe dos
opciones de celdas asignadas la X21 y la X23, pero debemos recordar que si una celda la
sumamos en una columna (X13) otra bebemos restarla en la misma dirección vertical,
entonces colocamos un menos en la celda X23. Sumamos la utilidad de cada una de las
celdas con los signos que hemos colocado y obtenemos un índice.
C13=137-140+207-210=-6
la utilidad disminuirá en seis.
Tabla 3- 28 Transporte Método del Salto de Piedra en Piedra.
A 0 139 90 - 140 0+ 137 90
B 160 209 30 + 207 20 - 210 210
C 0 253 0 254 140 255 140
OFERTA 160 120 160
Seguimos con la celda X31 debemos probar la posibilidad de asignar una cantidad la que
debería mejorar mi asignación (mejorar mi ganancia) colocamos un signo más en la celda, a
continuación, si asignamos una cantidad en una fila y columna hay que restar la misma
cantidad en otra celda que debe ser una asignada. Puede haber varias opciones que partan de
la misma celda, todas las evaluamos. De la celda X31 en la tercera fila la única que está
asignada es la que se encuentra en la parte derecha (X33) ubicamos un signo menos; en la
tercera columna tenemos un menos, se bebe colocar un mas en otra celda en la misma
C31=253-255+210-209= -1
la utilidad disminuirá en uno.
A 0 139 90 140 0 137 90
64
B 160 - 209 30 207 20 + 210 210
C 0 + 253 0 254 140 - 255 140
OFERTA 160 120 160
Posteriormente con la celda X32 debemos probar la posibilidad de asignar una cantidad la
que debería mejorar mi asignación (mejorar mi ganancia) colocamos un signo más en la
celda, a continuación, si asignamos una cantidad en una fila y columna hay que restar la
misma cantidad en otra celda que debe ser una asignada. Puede haber varias opciones que
partan de la misma celda, todas las evaluamos. De la celda X32 en la tercera fila la única que
está asignada es la que se encuentra en la parte derecha (X33) ubicamos un signo menos; en
la tercera columna tenemos un menos, se bebe colocar un más en otra celda en la misma
C31=254-255+210-207= 2
Un índice de más 2 indica que por cada unidad que se sume y se reste según lo indicado, la
utilidad aumentará en dos.
A 0 139 90 140 0 137 90
B 160 209 30 - 207 20 + 210 210
C 0 253 0+ 254 140 - 255 140
OFERTA 160 120 160
Comparamos los índices, el ejercicio que trata de encontrar una mayor ganancia posible por
lo que seleccionamos el mayor índice el C32 de la Tabla 3-30, los valores asignados en esta
tabla que tienen signo negativo son 30 y 140, el menor es la cantidad que reasignaremos
(30). La nueva tabla reasignada es la siguiente.
65
A 0 139 90 140 0 137 90
B 160 209 0 207 50 210 210
C 0 253 30 254 110 255 140
OFERTA 160 120 160
Calculamos la nueva ganancia multiplicando el valor asignado por la ganancia unitaria

respectiva y sumando todos estos resultados.
Zmax= 160*209+90*140+50*210+30*254+110*255= 92 210
Al comparar la ganancia actual con la calculada anteriormente existe un incremento de

(92210-92150) 60, que era de previsto, ya que el índice era de 2 y 30 la reasignación (30*2)
obteniendo una ganancia adicional de 60.
La mayoría de métodos son iterativos, se debe repetir el mismo procedimiento varias veces
hasta que los índices que estamos calculando no mejoren la ganancia, para ello deben ser
cero o negativos; cuando ello ocurra la ganancia ya no podrá ser mejorada y será la ganancia
máxima que se puede obtener.
Problema 6
(Asignación)
Una panadería tiene cuatro empleados y realiza tres tipos de pan enrollado, moldes y
empanadas; para el propietario es importante que se asigne adecuadamente a cada empleado
para realizar los diferentes tipos de pan. Se dispone de un historial en el que se indica cuantos
panes por hora realizan en promedio cada empleado. Considere que solo se puede asignar
una persona para cada clase de pan por razones operativas de la panadería.
Tabla 3- 32 Panes por hora
EMPLEADOS ENROLLADOS MOLDES EMPANADAS

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
a) Calcular la distribución Óptima y el número de panes que se puede realizar en una hora,
utilizando el método Húngaro.
66
Es importante reconocer que se trata de un problema de asignación porque disponemos de

un empleado para realizar únicamente una tarea. Además, se trata de un problema de
maximización deseamos que la panadería elabore la mayor cantidad de panes en el menor
tiempo posible.
Tabla 3- 33 Empleados y tipos de Panes

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
Cuando tenemos un problema de asignación iniciamos identificando el mayor valor de la

tabla en este caso es el 140 en la ubicación X23, luego de este valor restamos a todos de la
tabla. En la posición X11 restamos 140-120=20, con estos valores realizamos una nueva
tabla.
Tabla 3- 34 Método Húngaro

JUAN 20 22 25
PEDRO 15 60 0
MATEO 30 12 7
CARLOS 40 10 12
Luego equilibramos el número de filas y columnas añadiendo ceros en los espacios vacíos.
COLUMNA
EMPLEADOS ENROLLADOS MOLDES EMPANADAS FIC.
JUAN 20 22 25 0
PEDRO 15 60 0 0
MATEO 30 12 7 0
CARLOS 40 10 12 0
Restamos el menor de cada fila en este caso son ceros por lo que nos queda la misma matriz.
COLUMNA
JUAN 20 22 25 0
PEDRO 15 60 0 0
MATEO 30 12 7 0
CARLOS 40 10 12 0
67
El menor restamos a su respectiva columna.
COLUMNA
JUAN 5 12 25 0
PEDRO 0 50 0 0
MATEO 15 2 7 0
CARLOS 25 0 12 0
Trazamos rectas por las celdas cubriendo con cada recta la mayor cantidad de ceros,
asegurémonos que a todos los ceros sean cubiertos, no importa que haya intersecciones
entre las ellas.
COLUMNA
JUAN 5 12 25 0
PEDRO 0 50 0 0
MATEO 15 2 7 0
CARLOS 25 0 12 0
Son tres rectas las que cubren todos los ceros, por tratarse de un sistema de 4X4 se requiere
al menos de cuatro rectas, para ello debemos aplicar el siguiente artificio.
Encontramos el valor menor de los no subrayados (2) y:
• Sumamos 2 (en este caso) a las intersecciones

• El resto de elementos subrayados los copiamos igual
• A los no subrayados los restamos 2 (el menor).
COLUMNA
JUAN 3 10 23 0
PEDRO 0 50 0 2
MATEO 13 0 5 0
CARLOS 25 0 12 2
Repetimos el procedimiento anterior trazamos rectas por las celdas cubriendo con cada
recta la mayor cantidad de ceros, asegurémonos que a todos los ceros sean cubiertos, no
importa que haya intersecciones entre las ellas.
68
COLUMNA
JUAN 3 10 23 0
PEDRO 0 50 0 2
MATEO 13 0 5 0
CARLOS 25 0 12 2
Son tres rectas las que cubren todos los ceros, por tratarse de un sistema de 4X4 se requiere
al menos de cuatro rectas, para ello debemos aplicar el siguiente artificio.
Encontramos el valor menor de los no subrayados (3) y:
• Sumamos 3 (en este caso) a las intersecciones

• El resto de elementos subrayados los copiamos igual
• A los no subrayados los restamos 3 (el menor)
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
Repetimos el procedimiento anterior trazamos rectas por las celdas cubriendo con cada recta
la mayor cantidad de ceros, asegurémonos que a todos los ceros sean cubiertos, no importa
que haya intersecciones entre las ellas.
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
Finalmente tenemos al menos cuatro rectas para nuestro sistema de 4X4, por lo tanto
tenemos encontrar la solución.
Recordemos que tememos que asignar un empleado para realizar una variedad de pan y en
la tabla siguiente los ceros son las posibles soluciones, por ello. Buscamos en que fila o
columna disponemos de un único cero, en las posiciones X23 y X32. Considerando que
69
Pedro va a realizar las empanadas y Carlos los moldes, a Juan debe hacer las Enrollados,
mientras que Mateo se queda sin tarea.
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
La asignación sería la siguiente:

Juan realiza los enrollados
Pedro las empanadas
Mateo se queda sin tarea
Carlos debe realizar los enrollados.

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
El número de panes que se puede fabricar por hora en la panadería es de:
Z máx. = 120+130+140 = 390 panes
En caso de que el ejercicio se tratase de un problema de asignación en el cual tengamos que

minimizar no realizamos el primer paso, es decir no restamos del mayor de la tabla los
restantes valores. Iniciamos el procedimiento igualando las filas y columnas como se indica
en la tabla #40 y continuamos con el mismo procedimiento.
70
EJERCICIOS PROPUESTOS DE TRANSPORTE

1. Panadería Rico Pan elabora tres clases de panes empanadas, enrollados e integrales
la demanda de estos productos es de 2000, 2200 y 1300 unidades diarias respectivamente.
Los panes pueden elaborarse por medio de tres máquinas, cada una de los cuales puede
realizar: 2700, 1300 y 1500 panes al día respectivamente. En la tabla siguiente se indica la
ganancia en (centavos por unidad) asociadas con cada tipo de pan y cada máquina.
PRODUCTOS M-1 M-2 M-3
Empanadas 9 2 4
Enrollado 10 7 6
Integrales 8 3 5
a) Utilice la regla de la esquina noroeste para establecer un programa de envíos factible
inicial y calcular su ganancia.
b) Utilice el método del salto de piedra en piedra para probar si es posible obtener una
solución mejorada y encuentre la ganancia máxima.
2. Unas empresas de navíos transportan automóviles que salen de España, Francia y

Holanda a Ecuador, Colombia y Perú. El costo de envió está basado en la distancia recorrida
entre las fuentes y destinos. La tabla que sigue hace un resumen de las distancias en millas
de recorrido ente los centros de distribución y los destinos y también las cifras mensuales
de oferta y demanda calculadas en números de automóviles. Dado que el costo de trasporte por
milla recorrida por el navío es de $10 por cada automóvil, formule el problema como un modelo de
transporte.
Ecuador Colombia Perú OFERTA

España 1508 1620 1445 1400
Francia 1610 1560 1435 1700
Holanda 1580 1450 1425 1900
DEMANDA 1300 1900 1800

inicial y calcular su costo.
solución mejorada y encuentre el costo mínimo de envío.
3. Tres Empresas distribuidoras de combustible con capacidades de 100 000, 110 000
y 150 000 galones mensuales, suministran a tres ciudades cuya demanda máxima son de
130 000, 110 000 y 120 000 galones mensuales. El costo en dólares de la venta de
combustible a las diferentes ciudades por galón en centavos es como sigue:
DISTRIBUIDORAS DE
COMBUSTIBLE Quito Guayaquil Ambato
A 13 5 22
B 18 7 31
C 23 8 21
71

solución mejorada y encuentre el costo mínimo de distribución.
4. La empresa de Pantalones de Jean realiza un estudio de mercado y decide reorganizar

las entregas a sus almacenes según la necesidad proyectada de cada uno de ellos
Además, reconoce un cambio de mercado para sus pantalones y revisa los requerimientos
en sus tres almacenes.
solución mejorada encuentre el costo mínimo de distribución.
Los nuevos requerimientos son:

➢ Almacén 1: 2000 pantalones
Las nuevas capacidades de fábrica son:
➢ Fábrica 1: 3000 pantalones

Los costos asociados por cada cien pantalones en dólares son:
Fábrica 1 Fábrica 2 Fabrica 3
Almacén 1 7 10 5
Almacén 2 10 6 12
Almacén 3 11 9 7
5. Un producto es producido por tres plantas y embarcado a tres almacenes. Los costos de
transporte en dólares por unidad se muestran en la siguiente tabla, así como la capacidad de
producción de la planta y la demanda del almacén.
Capacidad
A1 A2 A3 de la Planta
P1 47 43 51 300
P2 37 37 35 500
P3 39 45 37 100
72
Demanda del
almacén 200 300 300

5. Hay tres productores de leche con capacidad diarias de 100, 220 y 130 m 3,
respectivamente, que abastecen a tres zonas de distribución cuyas demandas mensuales son
170, 130 y 150 m3, respectivamente. La leche se transporta por una red de tanqueros a
las tres zonas de distribución. En la siguiente tabla se ven las utilidades en dólares por m 3,
que se obtiene al realizar el envío de los productores a las zonas de distribución.
Zona -1 Zona -2 Zona-3

Productor A 39 40 37
Productor B 109 107 10
Productor C 154 155 153

c)Calcular la Ganancia máxima de transportar la leche aplicando el método del costo
mínimo.
d)Aplicar el “Método u-v “encontrar la distribución mejorada y el nuevo valor de la
ganancia por una sola vez.
73
EJERCICIOS PROPUESTOS DE ASIGNACIÓN
1. Una Empresa de tecnología desea construir tres tiendas en Quito. Anteriormente la

compañía ha empleado cuatro constructoras y, estando satisfecha con todas, las ha invitado
a concursar por cada trabajo. Las ofertas finales (en miles de dólares) son las que muestra
la tabla. (Cada tienda puede ser construida por solo una constructora)
TIENDA-1 TIENDA -2 TIENDA -3

CONSTRUCTORA A 138 50 75
CONSTRUCTORA B 240 190 65
CONSTRUCTORA C 210 80 55
CONSTRUCTORA D 155 250 80
Por medio del Método Húngaro encuentre el costo mínimo con el cual serán construidas las
tiendas.
2. Una empresa llega al país y licita la construcción de cuatro torres de telefonía como
desea ingresar en el mercado lo más pronto posible decide que cada empresa construya una,
para ello recibe ofertas de diez empresas, pero únicamente toma en cuenta a las cuatro
mejores. Las ofertas finales (en miles de dólares) son las que muestra la tabla. (Cada torre
puede ser construida por solo una constructora)
Torre-1 Torre -2 Torre -3

Constructora A 125 127 130
Constructora B 120 165 105
Constructora C 135 117 112
Constructora D 145 115 117
Por medio del Método Húngaro encuentre que torre le corresponde ser construida por cada
constructora y el costo mínimo de construcción de las torres.
3. Vidriería Arévalo tiene tres trabajos por hacer en cuatro hornos para el proceso de
templado. Cada trabajo se debe hacer en una y sólo horno. La utilidad en dólares de cada
trabajo en cada horno se da en la siguiente tabla.
PRODUCTOS Trab-1 Trab-2 Trab-3

Horno - 1 50 80 71
Horno - 2 16 33 75
Horno -3 26 70 78
Horno -4 45 13 70
74
a. Por medio del Método Húngaro encuentre que trabajo le corresponde a cada horno para
que la utilidad sea la máxima.
b. Dé las asignaciones encuentre la utilidad máxima del uso de los hornos
4. Una empresa de limpieza cuenta con cuatro grupos de trabajo. La empresa cuenta
con tres clientes. Cada grupo de trabajo cuenta con la capacidad de realizar la limpieza a
solo uno de los clientes, además los clientes no pueden ser atendidos por más de un grupo
de trabajo. En la siguiente tabla se muestra las calificaciones realizadas por los clientes a
los diferentes grupos en ocasiones anteriores
Cliente-A Cliente -B Cliente -C

Grupo 1 50 48 44
Grupo 2 56 10 75
Grupo 3 38 60 66
Grupo 4 25 63 60
Por medio del método húngaro encuentre la asignación óptima tomando en cuenta que la
empresa está preocupada en dar un buen servicio.
5. Una empresa de limpieza cuenta con cuatro grupos de trabajo. La empresa cuenta
con tres clientes. Cada grupo de trabajo cuenta con la capacidad de realizar la limpieza a
solo uno de los clientes, además los clientes no pueden ser atendidos por más de un grupo
de trabajo. En la siguiente tabla se muestra las calificaciones realizadas por los clientes a
los diferentes grupos en ocasiones anteriores
Cliente-A Cliente -B Cliente -C

Grupo 1 50 48 44
Grupo 2 56 10 75
Grupo 3 38 60 66
Grupo 4 25 63 60
a) Por medio del método húngaro encuentre la asignación óptima tomando en cuenta
que la está preocupada en dar un buen servicio.
b) ¿Qué califica con obtendría la empresa si se consigue dar el mejor servicio posible?
6. Se cuenta con cuatro empleados para realizar cuatro tareas. En la tabla siguiente se
da el tiempo que tarda cada persona en realizar cada tarea en horas.
75
Tarea-1 Tarea-2 Tarea-3 Tarea-4

Empleado-1 73 77 76 75
Empleado-2 78 88 84 86
Empleado-3 81 86 90 83
Empleado-4 74 85 88 84
a) Determine el tiempo total requerido y la asignación de los empleados a los trabajos que
minimiza el tiempo total requerido para realizar los cuatro trabajos aplicando el método
húngaro.
7. Constructora Oriental dispone de cuatro auxiliares para realizar cuatro trabajos. En la

tabla siguiente se da el tiempo que tarda cada persona en realizar cada trabajo.
TRABAJO- TRABAJO- TRABAJO- TRABAJO-

1 2 3 4
Auxiliar -1 15 49 48 47
Auxiliar -2 50 60 56 58
Auxiliar -3 53 58 62 55
Auxiliar -4 46 57 60 56
a) Determine el tiempo total requerido y la asignación de los auxiliares a los trabajos que
minimiza el tiempo total requerido para realizar los cuatro trabajos aplicando el método
húngaro.
76
CAPÍTULO 3. TEORÍA DE DECISIONES
CONCEPTOS GENERALES
Figura 1: Árbol de probabilidades
El estudiante estará en capacidad de resolver problemas de decisiones en diferentes

situaciones de certeza, riesgo e incertidumbre en el mundo de los negocios.
OBJETIVO DE COMPETENCIA DEL CAPÍTULO
Resolver problemas de decisiones en diferentes situaciones de certeza, riesgo e

incertidumbre en el mundo de los negocios
77
CONTENIDO
• BASES TEÓRICAS GENERALES
• CRITERIOS DE DECISIÓN BAJO CONDICIONES DE CERTEZA, RIESGO,
INCERTIDUMBRE.
• ANÁLISIS DE SENSIBILIDAD GRAFICA
• MATRIZ DE PERDIDAS Y GANANCIAS DE OPORTUNIDAD
• VALOR ESPERADO DE LA INFORMACIÓN PERFECTA.
EXPLICACIÓN
El estudio de la toma de decisiones bajo condiciones de incertidumbre, se presentarán

conceptos de tabla o matriz de pagos y de árbol de decisión y mediante estos poder ilustrar
los fundamentos del análisis de decisiones a combinar con la información adicional
experimental y la información preliminar y así desarrollar una estrategia óptima de decisión.
Regularmente una decisión está afectada por varios factores conocidos como “Estados de
la Naturaleza” que son situaciones que pueden o no ocurrir y quien toma las decisiones debe
saber plantear aspectos no cuantitativos y seleccionar la alternativa más conveniente según
la contribución esperada (ganancia o costo).
En muchas situaciones reales se debe plantear la matriz de rendimientos (ganancias) en

función de los datos disponibles y de los conceptos elementales y en ella aplicar los
diferentes criterios de decisión, motivo del estudio en este capítulo.
CRITERIOS DE DECISIÓN BAJO CONDICIONES DE CERTIDUMBRE
En los procesos de decisión bajo certidumbre se supone que el estado de la naturaleza

ocurrirá con certeza absoluta, el administrador puede predecir con certeza total las
consecuencias de escoger la alternativa.
En la resolución de un problema de este tipo es inmediata la toma de decisión, se elige la

alternativa que proporcione un mejor resultado.
78
CRITERIOS DE DECISIÓN BAJO CONDICIONES DE RIESGO
En estas situaciones de decisión se consideran varios estados de la naturaleza y sus

probabilidades a priori de ocurrencia que pueden ser explícitamente establecidas, por
estimación utilizando información obtenida.
En estos casos se construye la matriz de rendimientos que nos servirá para la toma de
decisiones, se añade la información de las probabilidades respectivas a cada estado de la
naturaleza y además una columna para los rendimientos ponderados calculados para cada
estrategia. (Rodríguez, 2011).
Ejemplo: consideremos la siguiente matriz de rendimientos
Tabla 1: Matriz de Rendimientos
Estados de la Naturaleza
Alternativas
S1 S2 S3
A1 6 5 7
A2 10 4 6
A3 8 7 7
Pi 0,25 0,45 0,30
Para encontrar los rendimientos ponderados se realiza la suma de los productos del
rendimiento de cada fila por la respectiva probabilidad a priori, así se tiene:
RP1 = 6(0,25) + 5(0,45) + 7(0,30) = 5,85
RP2 = 10(0,25) + 4(0,45) + 6(0,30) = 6,1
RP3 = 8(0,25) + 7(0,45) + 7(0,30) = 7,25
Veamos algunos criterios que se suelen aplicar en estos casos
Criterio de máxima probabilidad
La regla de decisión que se sigue es: primero identificar el estado de la naturaleza de mayor
probabilidad, segundo se elige la alternativa de mayor rendimiento.
79
Ejemplo:
Tabla 2: Matriz de Estados de la Naturaleza y Alternativas
Alternativas
S1 S2 S3
A1 6 5 7
A2 10 4 6
A3 8 7 7
Pi 0,25 0,45 0,30
El estado de la naturaleza de mayor probabilidad es S2, ahora observamos en esa columna

cual es de mayor rendimiento, corresponde a la Alternativa 3, por lo tanto, la decisión que
se toma es elegir la alternativa 3.
Criterio de igual probabilidad
También llamado criterio de Laplace, la regla de decisión que se sigue es: Se considera que
todos los estados tienen la misma probabilidad, luego se calcula los rendimientos ponderados
y se escoge la alternativa de mayor rendimiento ponderado.
Ejemplo: como son 3 estados de la naturaleza se divide 1/3 = 0,33 que es el valor de cada
una de las probabilidades a priori
Alternativas RPi
S1 S2 S3
A1 6 5 7 6
A2 10 4 6 6,67
A3 8 7 7 7,33
Pi 0,33 0,33 0,33
RP1 = 6(0,33) + 5(0,33) + 7(0,33) = 6
RP2 = 10(0,33) + 4(0,33) + 6(0,33) = 6,67
RP3 = 8(0,33) + 7(0,33) + 7(0,33) = 7,33
80
El mayor rendimiento ponderado corresponde a la alternativa 3, por lo tanto, según este

criterio se elige la alternativa 3.
Regla de decisión de Bayes

Para la toma de decisiones según la regla de Bayes se encuentran los rendimientos
ponderados considerando las probabilidades a priori dadas, luego se escoge la alternativa de
mayor rendimiento ponderado.
Ejemplo:
Estados de la naturaleza
Alternativas S1 S2 S3 RPi
A1 6 5 7 5,85
A2 10 4 6 6,1
A3 8 7 7 7,25
Pi 0,25 0,45 0,3
RP1 = 6(0,25) + 5(0,45) + 7(0,30) = 5,85
RP2 = 10(0,25) + 4(0,45) + 6(0,30) = 6,1
RP3 = 8(0,25) + 7(0,45) + 7(0,30) = 7,25
La alternativa de mayor rendimiento es A3 por lo tanto esta es la que se elige.
Análisis de sensibilidad gráfica
El análisis de sensibilidad gráfica de Bayes se realiza para observar como varia la toma de
decisiones al cambiar las probabilidades a priori.
Para el análisis de sensibilidad gráfica se procede a encontrar los valores de las

probabilidades considerando una como fija y considerando que la suma de probabilidades es
uno. Se toman los valores 0 y 1 para graficar las diferentes altenativa. Luego se determina la
región factible y se ve cual alternativa tomar basados en la probabilidad.
Ejemplo:
Consideremos la siguiente tabla suponiendo fijo el estado de la naturaleza S2, realice un
análisis de sensibilidad gráfica.
81
Alternativas
S1 S2 S3
A1 6 5 7
A2 10 4 6
A3 8 7 7
Pi 0,25 0,45 0,30
p fijo 1-p-0,45
Si consideramos S2 fijo asumimos que este estado puede suceder con la misma probabilidad,
luego consideremos que la probabilidad de S1 es p y la de S3 es 1-p-0,45.
Se tiene que:
A1 = 6p +5(0,45) + 7 (1-p-0,45) = -p + 6,1
A2 = 10p +4(0,45) + 6 (1-p-0,45) = 4p + 5,1
A3 = 8p +7(0,45) + 7 (1-p-0,45) = p + 7
Para graficar se da a p el valor mayor y menor que puede tomar así:
Tabla 6: Datos para graficar
Pi A1 A2 A3
1 5,1 9,1 8
0 6,1 5,1 7
82
Figura 2: Análisis de sensibilidad
Matriz de pérdidas esperadas y ganancias condicionadas
Matriz de ganancias condicionadas, es aquella en la que se puede anticipar las ganancias

mediante todas las posibles combinaciones de cantidad demandada con inventario existente
y se calculan utilizando:
Ganancias = ingresos totales – costos totales
Matriz de pérdidas esperadas, se calcula a partir de la matriz de ganancias condicionadas,

considerando el mayor rendimiento de cada columna, luego se resta de cada rendimiento.
Según el orden de la tabla, las cifras que están a la derecha de la diagonal principal
representan pérdidas por exceso de inventario y las que están a la izquierda son pérdidas de
oportunidad por falta del producto.
Cabe anotar que estas no son pérdidas contables, sino que representan oportunidades que se
han escapado.
El valor de la información perfecta se calcula restando la ganancia máxima posible con

información perfecta menos la ganancia esperada en condiciones de incertidumbre.
83
CRITERIOS DE DECISIÓN BAJO CONDICIONES DE INCERTIDUMBRE
En este caso la persona que toma la decisión no tiene ningún conocimiento de las
probabilidades de cualquier estado de la naturaleza, es decir tiene que tomar la decisión bajo
total incertidumbre.
Entre los criterios bajo condiciones que tenemos se encuentran:
1. Criterio Maximin, Pesimista o de Wald. - este criterio supone maximizar el mínimo

rendimiento, es decir el que toma la decisión, debe asegurarse que toma el mejor en
caso de una situación desfavorable.
2. Criterio Máximax, Optimista o de Hurwicz. - este criterio consiste en maximizar el
máximo, es decir escoger el máximo de todos los mejores rendimientos de cada
alternativa.
3. Criterio de Laplace o de igual probabilidad. - en este criterio se supone que todo el
estado de la naturaleza tiene la misma probabilidad, se calcula los rendimientos
ponderados y se escoge el mayor.
4. Criterio Minimax, de Arrepentimiento o de Savage. - este criterio parte de la matriz
de arrepentimiento, se calcula el máximo de cada uno de los arrepentimientos de cada
alternativa y se escoge el mínimo de estos.
Problemas Resueltos
1. Una tienda de ropa de invierno vende abrigos a $50 y le cuesta $40 confeccionarlos.
Todos los abrigos que no se venden al término del invierno se vende en las tiendas en
$35. La demanda estimada de abrigos y sus probabilidades para este invierno se dan en
la siguiente tabla:
Dem (abrigos) 100 90 80 70 60
Prob(%) 20 15 25 15 25
a) Determinar la cantidad óptima que debería fabricar la compañía para este invierno.
b) ¿Cuáles son las ganancias máximas esperadas sin más información?
c) ¿Cuáles son las ganancias esperadas con información perfecta?
d) ¿Cuál es el valor esperados de la información perfecta?
e) Mediante la tabla de pérdidas de oportunidad determinar el valor esperado de la
información perfecta.
Precio de venta = $ 50
84
Costo o precio de compra= $40
Precio de reventa o sobrantes = $35
G = IT – CT
Tabla 7: Matriz de ganancias esperadas
DEMANDA MVE
60 70 80 90 100
Pj 25% 15% 25% 15% 20%
Q pedir
60 600 600 600 600 600 600
70 550 700 700 700 700 662,5
80 500 650 800 800 800 702,5
90 450 600 750 900 900 705
100 400 550 700 850 1000 685
MRE (con información perfecta) 150 105 200 135 200 $790
a) Como el MVE = $705, la cantidad óptima es de 90 abrigos

b) MVE = $705
c) La ganancia máxima esperada con información perfecta es $790
d) VEIP = 790 – 705 = $ 85
e) La matriz de pérdidas esperadas de oportunidad es:
Tabla 8: Matriz de pérdidas esperadas de oportunidad
Demanda
60 70 80 90 100 PEO
Pj 25% 15% 25% 15% 20%
Q- pedir
60 0 100 200 300 400 190
70 50 0 100 200 300 127,5
80 100 50 0 100 200 87,5
90 150 100 50 0 10 85
100 200 150 100 50 0 105
VEIP = $85
2. Un ejemplo muy común es el de un procesador de alimentos que cultiva sus propios

productos. Basada en la experiencia pasada de la empresa con la siembra de tres tipos
85
de cosecha en cierta zona del país: sembrar maíz, sembrar papas o sembrar pasto, se ha
obtenido la siguiente matriz de ganancias (miles de dólares) en los últimos años para los
tres estados de la naturaleza:
s1 = buen tiempo,
s2 = tiempo variable,
s3 = mal tiempo
Tabla 9: Tabla de datos
s1 s2 s3
Pj = 0.25 0.50 0.25
d1 40 60 10
d2 50 40 15
d3 60 20 12
Este problema lleva a la pregunta: ¿Cuál estrategia es mejor?
SOLUCIÓN:
a.- Según el primer enfoque Optimista o Maximax, la decisión sería seleccionar la estrategia
“d1” o “d3”, puesto que le corresponde el mayor rendimiento ($60,000), entre los mayores.
b.- De acuerdo con el enfoque Valor Esperado o de Bayes, la decisión se toma luego de
calcular los rendimientos ponderados (también resultan en miles de dólares), como sigue:
RP1 = 40*0.25 + 60*0.50 + 10*0.25 = 42.50
RP2 = 50*0.25 + 40*0.50 + 15*0.25 = 36.25
RP3 = 60*0.25 + 20*0.50 + 12*0.25 = 28.00
En este caso el mayor rendimiento ponderado o máximo valor esperado de ganancias es

$42.50 ($42,500.00), que nos indica que la mejor decisión en este caso será la estrategia
“E1” (también sembrar maíz).
c.- De acuerdo con el criterio de Igual Probabilidad (Laplace) o promedio, la decisión

también se toma luego de calcular los rendimientos ponderados, asumiendo igual
probabilidad (1/3) a cada estado de la naturaleza, como sigue:
RP1 = 40*(1/3) + 60*(1/3) + 10*(1/3) = 36.67
RP2 = 50*(1/3) + 40*(1/3) + 15*(1/3) = 35.00
86
RP3 = 60*(1/3) + 20*(1/3) + 12*(1/3) = 30.67
En este caso el mayor rendimiento ponderado o máximo valor esperado de ganancias es

$36.67 ($36,670.00), que nos indica que la mejor decisión en este caso será la estrategia “d 1”
(que también es sembrar maíz, por coincidencia).
87
AUTOEVALUACIÓN
Un fabricante determina que el costo total, de producir un producto está

BASE DE LA
dado por la función de costo: C = 0,05q2 +5q+500, el nivel de
PREGUNTA 1
producción (q) para que el costo promedio sea mínimo es:
a 50 productos
b 100 productos
OPCIONES DE c -50 productos
RESPUESTA d 200 productos
e -100 productos
f 400 productos
En la toma de decisiones tenemos algunos criterios de decisión, para la

BASE DE LA
regla de decisión de Bayes se sigue el siguiente procedimiento:
PREGUNTA 2
a Identificar el estado de naturaleza con mayor probabilidad y elegir
la alternativa que tiene mayor rendimiento
b Considerando la misma probabilidad para todos los estados de la
naturaleza, calcular los rendimientos ponderados para cada
estrategia, la estrategia a decidir está dada por el mejor
rendimiento ponderado.
c Calcular los rendimientos ponderados para cada estrategia, la
OPCIONES DE estrategia a decidir está dada por el mejor rendimiento ponderado
RESPUESTA d Se selecciona el máximo de cada estrategia y de todos ellos
también decidir por la estrategia con el máximo valor.
e Se escoge el máximo de los mínimos rendimientos de cada
decisión o estrategia.
f Se escoge el mayor valor de arrepentimiento de cada estrategia
posible basándose en la matriz resultante y de esos valores tomar
el mínimo arrepentimiento, con el fin de no sentir
arrepentimientos extremados.
BASE DE LA La Investigación operativa se originó durante la Revolución Industrial en

PREGUNTA 3 el año
a 1845
b 1855
OPCIONES
c 1835
DE
d 1945
RESPUESTA
e 1955
f 1955
88
BASE DE LA La fase principal de cualquier proyecto de Investigación Operativa es el

PREGUNTA 4 enfoque planeado. Las fases que deben considerarse en orden son:
1 Construcción del modelo
2 Validación (prueba) del modelo y su solución
PUNTOS 3 Formulación del problema
CLAVE 4 Establecimiento de controles
5 Deducción de una solución del modelo
6 Implementación de resultados
a 1, 2, 3, 4, 5, 6
OPCIONES
b 2, 6, 3, 5, 1, 4
DE
c 4, 5, 6, 3, 2, 1
RESPUESTA
d 3, 1, 5, 2, 4, 6
PROBLEMA 1
Para el producto de un monopolista la ecuación del precio (p) en función de la demanda de
dichos productos (q) es:
p = 42 - 4q
80
y la función de costo promedio (𝑐̅) = 2 + 𝑞
BASE DE LA ¿Cuáles son los ingresos totales?

PREGUNTA 5
a 2q + 80
OPCIONES DE b 42q – 4q2
RESPUESTA c 40q – 4q2- 80
d 40 – 8q
BASE DE LA ¿Cuáles son los costos totales?

PREGUNTA 6
a 2q + 80
d 40 – 8q
BASE DE LA ¿Cuál es la ganancia?

PREGUNTA 7
89
a 2q + 80
d 40 – 8q
BASE DE LA ¿A qué nivel de producción se maximiza la ganancia?

PREGUNTA 8
a 40 productos
OPCIONES DE b 5 productos
RESPUESTA c 4 productos
d 50 productos
BASE DE LA ¿Cuál es la ganancia máxima?

PREGUNTA 9
a 90 unidades monetarias
OPCIONES DE b 40 unidades monetarias
RESPUESTA c 20 unidades monetarias
d 22 unidades monetarias
PROBLEMA 2
Dada la matriz de ganancias o rendimientos esperados
DEMANDA
10 20 30 40
Pj 35% 10% 30% 25%
Q pedir
10 2 2 2 2
20 -4 4 4 4
30 -10 -2 6 6
40 -16 -8 0 8
BASE DE LA ¿De acuerdo al máximo valor esperado cuál es la cantidad óptima a

PREGUNTA 10 pedir?
a 10
OPCIONES DE b 20
RESPUESTA c 30
d 40
90
CAPÍTULO 4. MODELOS DE LÍNEAS DE ESPERA O TEORÍA DE

COLAS
El estudiante estará en capacidad de resolver modelos de Líneas de Espera complejos con

más de dos variables, aplicados a empresas productoras y comercializadoras, tanto públicas
como privadas con el fin de optimizar sus recursos.
Resolver modelos de Líneas de Espera complejos con más de dos variables, aplicados a
empresas productoras y comercializadoras, tanto públicas como privadas con el fin de
optimizar sus recursos.
CONTENIDO
BASES TEÓRICAS GENERALES
• FORMULACIÓN Y SOLUCIÓN DE MODELOS DE LÍNEAS DE ESPERA DE

UN SERVIDOR, CON CAPACIDAD ILIMITADA Y LIMITADA
• FORMULACIÓN DE SISTEMAS DE LÍNEAS DE ESPERA DE VARIOS

SERVIDORES, CON CAPACIDAD ILIMITADA Y LIMITADA
• USO DE DIAGRAMAS Y ARTIFICIOS DE RESOLUCIÓN RÁPIDA.
91
EXPLICACIÓN
MODELO DE LINEAS DE ESPERA Y TEORIA DE COLAS
En el capítulo 4 se realiza el análisis de los Modelos de Colas o Línea de Espera o Teoría de

Colas. La teoría de colas basa su estudio en encontrar un equilibrio entre el costo de tener
puntos de atención a clientes de una institución versus el costo y descontento que tiene un
cliente cuando está esperando mucho tiempo que lo atiendan.
Para encontrar este equilibrio debemos plantear un modelo el cual está afectado por varios
factores operativos entre los más importantes: tiempos de espera, tiempos de atención,
número de líneas de espera, tipo de línea de espera, etc.
MODELO DE LÍNEA DE ESPERA DE ÚNICO SERVIDOR CON LLEGADAS

POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1
Según: (Anderson, Sweeney, Willams, Camm, & Kipp, 2011, pág. 661) utiliza M/M/1;
nomenclatura que identifica el modelo, además se la utiliza para ser resuelto en POM
(Software).
El siguiente gráfico resume el modelo.
Figura 4- 1 Modelo de línea de espera de único servidor con llegadas Poisson y tiempos de servicio
exponenciales. M/M/1
Ejercicio Resuelto
Un asistente contable recibe facturas para ingresar los datos al sistema. Suponga que puede
usarse una distribución de probabilidad de Poisson con una tasa media de 10 facturas por
hora para describir el patrón de llegada y que los tiempos tasa media de 12 facturas por hora
con tiempos de servicio exponenciales. El costo de espera de un cliente es de 20$/hora,
mientras que el costo de servicio es de 15 $/ hora.
92
Resolución. Condiciones:
Una línea de espera
Un servido k=1
Capacidad ilimitada o infinita m=∞
Orden de atención fifo o peps (primero en llegar primero en salir)
Tasa de llegada sigue una distribución de Poisson
Tasa de servicio sigue una distribución exponencial
Datos:
Tasa de llegada
λ = 10 Clientes /hora
Tasa de servicio
µ=12 Clientes /hora
Ce=20$/hora
Cs=15 $/ hora
Con esto datos podemos resolver en POM.
Abrimos el programa, en módulo seleccionamos Waiting Lines
Figura 4- 2 Tutorial Línea de Espera
93
En File vamos a new y seleccionamos el modelo M/M1
Tenemos dos opciones si vamos a realizar un cálculo de costos o no. Señalamos en Use
cost, si no hay datos para calcular costos no hay problema estos no se calculan, pero los
otros parámetros sí, clic en ok.
94
Finalmente llenamos los datos en la matriz que se despliega y clic en solve.

En la barra de herramienta en Windows podemos desplegar los resultados, como la tabla de
probabilidades y el gráfico.
La nomenclatura que utilizaremos en el cálculo difiere de la utilizada en POM por lo que la

relacionaremos en lo posible.
a) ¿Cuál es la probabilidad de que el cliente llegue y no sea atendido?
Aplicamos el factor de Utilización U
𝜆
U=
𝜇
10
U = 12=0.83
b) ¿Cuál es la probabilidad de que no haya facturas para ingresar en el sistema o que el

sistema este vacío?
95
𝜆
𝑃0 = 1 −
𝜇
10
𝑃0 = 1 − = 0,167
12
c) ¿Cuál es la cantidad promedio de facturas que esperaran para ser ingresadas?
𝜆2
𝐸(𝐿) =
𝜇 (𝜇 − 𝜆 )
102
𝐸(𝐿) = 𝐿𝑞 = = 4,17 𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠
12(12 − 10)
d) ¿Cuál es la cantidad promedio de facturas que se encuentran en el sistema?
𝜆 10
𝐸(𝑛) = 𝐿𝑠 = (𝜇−𝜆)=(12−10) = 5 𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠
e) ¿Cuál es el tiempo de espera promedio en minutos antes de ingresar los datos de la

factura al sistema?
𝐸(𝐿)
𝐸(𝑡) =
𝜆
4,17
𝐸(𝑡) = 𝑊𝑞 = = 0,417 ℎ𝑜𝑟𝑎𝑠 = 25 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
10
f) ¿Cuál es el tiempo promedio desde que la factura llega hasta que es ingresada en el
sistema en minutos (tiempo de espera más tiempo de servicio)?
1
𝐸(𝑇) = 𝐸(𝑡) +
𝜇
1
𝐸(𝑇) = 𝑊𝑠 = 0,417 + = 0,5 ℎ𝑜𝑟𝑎𝑠 = 30 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
12
g) ¿Cuál es la probabilidad que haya más de un cliente en el sistema?
Aplicamos la propiedad del complemento
P (>1) = 1- (P(o)+ P (1))
La probabilidad de que n facturas estén en el sistema es:

P (n)= P(o)*Un
96
P (1) = 0.17*0.831 = 0,14

P (>1) = 1- (0,17+ 0.14)
P (>1) = 0.69
h) ¿Cuál es el costo total del servicio y de espera en la cola?
CT= CS + CE
CT= Cs*k + Ce*𝐸(𝐿)
CT= 15*1 + 20*4.17
CT=98, 4
i) ¿Cuál es el costo total del servicio y de espera en la cola?

CT= Cs*k + Ce*𝐸(𝑛)
CT= 15*1 + 20*5
CT=115
Si comparamos los resultados obtenidos con el software son iguales a los obtenidos por las
fórmulas, lo importante es que identifiquemos el modelo de línea de espera para aplicar las
fórmulas respectivas y sobre todo tengamos una adecuada interpretación de la aplicación de
cada fórmula.
MODELO DE LÍNEA DE ESPERA DE MÚLTIPLES CANALES CON LLEGADAS

POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/S
Según: (Anderson, Sweeney, Willams, Camm, & Kipp, 2011, pág. 665) utiliza M/M/s;
nomenclatura que identifica el modelo, además se la utiliza para ser resuelto en POM
(Software).
El siguiente gráfico resume el modelo.
Figura 4- 7 Modelo de línea de espera de múltiples canales con llegadas Poisson y tiempos de servicio
exponenciales. M/M/s
97
Ejercicio Resuelto
En el problema anterior podemos realizar un análisis y considerar la posibilidad de contratar

otro asistente para que ayude con el ingreso de las facturas al sistema, para saber si se reduce
el costo total.
Resolución.
Condiciones:
Dos servidores k=2
Capacidad ilimitada o infinita m=∞
Datos:
Tasa de llegada
Tasa de servicio
Costo de espera
Ce=20$/hora
Costo de servicio
Cs=15 $/ hora
Abrimos el programa, en módulo seleccionamos Waiting Lines
98
Figura 4- 8 Tutorial de Líneas de Espera
En File vamos a new y seleccionamos el modelo M/Ms
99
Finalmente llenamos los datos en la matriz que se despliega y clic en solve.
Se obtiene la tabla de resultados.
100
En la barra de herramienta en Windows podemos desplegar los resultados, como la tabla de

probabilidades y el gráfico.
La nomenclatura que utilizaremos en el cálculo difiere de la utilizada en POM por lo que la

relacionaremos en lo posible.
101
a) ¿Cuál es la probabilidad de que el cliente llegue y no sea atendido?
Aplicamos el factor de Utilización U
𝜆
U=
𝜇∗𝑘
10
U = 12∗2=0.42
b) ¿Cuál es la probabilidad de que no haya facturas para ingresar en el sistema o que el

sistema este vacío?
1
𝑃0 = 𝑛
𝜆 𝜆 𝑘
( ) ( )
µ µ 𝑘µ
∑𝑘−1
𝑛=0 𝑛! + 𝑘! (𝑘µ − 𝜆)
1
𝑃0 = 0 1
10 10 10 2
( ) ( ) ( )
12 + 12 + 12 ( 2 ∗ 12 )
0! 1! 2! 2 ∗ 12 − 10
𝑃0 = 0,41
c) ¿Cuál es la cantidad promedio de facturas que esperaran para ser ingresadas?
𝜆 𝑘
( ) 𝜆µ
µ
𝐸(𝐿) = 𝐿𝑞 = (𝑃𝑜)
(𝑘 − 1)! (𝑘µ − 𝜆)2
10 2
() ∗ 10 ∗ 12
12 (0,41)
𝐸(𝐿) = 𝐿𝑞 =
(2 − 1)¡∗ (2 ∗ 12 − 10)2
𝐸(𝐿) = 𝐿𝑞 = 0,18 𝑓𝑎𝑐𝑡𝑢𝑟𝑎𝑠
d) ¿Cuál es la cantidad promedio de facturas que se encuentran en el sistema?
𝜆
𝐸(𝑛) = 𝐿𝑠 = 𝐿𝑞 +
µ
10
𝐸(𝑛) = 𝐿𝑠 = 0,18 + = 1,008 𝑓𝑎𝑐𝑡𝑢𝑟𝑎
12
102
e) ¿Cuál es el tiempo de espera promedio en minutos antes de ingresar los datos de la

factura al sistema?
𝐸(𝐿)
𝐸(𝑡) =
𝜆
0,18
𝐸(𝑡) = 𝑊𝑞 = = 0,018 ℎ𝑜𝑟𝑎𝑠 = 1,05 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
10
f) ¿Cuál es el tiempo promedio desde que la factura llega hasta que es ingresada en el
sistema en minutos (tiempo de espera más tiempo de servicio)?
1
𝐸(𝑇) = 𝐸(𝑡) +
𝜇
1
𝐸(𝑇) = 𝑊𝑠 = 0,018 + = 0,10 ℎ𝑜𝑟𝑎𝑠 = 6,05 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
12
g) ¿Cuál es la probabilidad que haya más de un cliente en el sistema?
Aplicamos la propiedad del complemento
P (>1) = 1- (P(o)+ P (1))
La probabilidad de que n facturas estén en el sistema es:
𝜆 𝑛
( )
µ
𝑃 (𝑛 ) = (𝑃𝑜) 𝑐𝑜𝑛 𝑛 ≤ 𝑘
𝑛!
𝜆 𝑛
( )
µ
𝑃 (𝑛 ) = (𝑃𝑜) 𝑐𝑜𝑛 𝑛 > 𝑘
𝑘! 𝑘 (𝑛−𝑘)
𝑛≤𝑘
10 1
(12)
𝑃1 = (0,41) = 0,34
1¡
P (>1) = 1- (0,41+ 0.34)
P (>1) = 0.
h) ¿Cuál es el costo total del servicio y de espera en la cola?
CT= CS + CE
CT= Cs*k + Ce*𝐸(𝐿)
CT= 15*2 + 20*0,18
CT=33,6
i) ¿Cuál es el costo total del servicio y de espera en la cola?

CT= Cs*k + Ce*𝐸(𝑛)
CT= 15*2 + 20*1,008
103
CT=50,17
Si comparamos los resultados obtenidos con el software son iguales a los obtenidos por las
fórmulas, lo importante es que identifiquemos el modelo de línea de espera para aplicar las
fórmulas respectivas y sobre todo tengamos una adecuada interpretación de la aplicación de
cada fórmula.
MODELO DE LÍNEA DE ESPERA BÁSICO CON CAPACIDAD LIMITADA DE

UN SOLO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO
EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM
M/M/1 with a Finite System. Nomenclatura que identifica el modelo para ser resuelto en
POM (Software).
Figura 4- 14 Modelo de línea de espera básico con capacidad limitada de un solo servidor con llegadas
Poisson y tiempos de servicio exponenciales. M/M/1 with a Finite System
Ejercicio Resuelto
Para visualizar de mejor manera el problema que estamos resolviendo, lo planteamos de la

siguiente manera.
Una estación de lavado de autos tiene 5 parqueaderos mientras un auto se está lavando.
Cuando se llenan los parqueaderos los autos abandonan el lugar, no se quedan haciendo
cola fuera de la estación. Suponga que puede usarse una distribución de probabilidad de
Poisson con una tasa media de 10 autos por hora para describir el patrón de llegada y que
los tiempos de lavado a una tasa media de 12 autos por hora con tiempos de servicio
exponenciales. El costo de espera de un cliente es de 20$/hora, mientras que el costo de
servicio es de 15 $/ hora.
Resolución.
Condiciones:
104
Un servidor k=1
Capacidad limitada o finita m=20+1=6
Datos:
Tasa de llegada
Tasa de servicio
Capacidad limitada o finita
m=5+1=6
Costo de espera
Ce=20$/hora
Costo de servicio
Cs=15 $/ hora
Abrimos el programa, en Módulo seleccionamos Waiting Lines
105
En File vamos a New y seleccionamos el modelo M/M/1 with a Finite System.
Llenamos los datos y hacemos clic en solve
En la barra de herramientas en Windows podemos desplegar los resultados, como la tabla

de probabilidades y los gráficos.
106
a) ¿Cuál es la probabilidad de que es sistema este vacío?
𝜆
1−
µ
𝑃𝑜 =
𝜆 𝑚+1
1 − ( µ)
10
1 − 12
𝑃𝑜 =
10 6+1
1 − (12)
𝑃𝑜 = 0.23
b) ¿Cuál es la probabilidad que haya un espacio vacío en el parqueadero?
Si buscamos la probabilidad de que haya exactamente 5 autos en el sistema aplicamos la

siguiente fórmula
𝜆 𝑛
𝑃𝑛 = 𝑃𝑜 ( )
µ
10 5
𝑃5 = 0,23 ( )
12
P5=0,09
c) ¿Cuál es la probabilidad que el sistema esté lleno?
𝜆 𝑚
𝑃𝑚 = 𝑃𝑜 ( )
µ
10 6
𝑃𝑚 = 𝑃6 = 0,23 ( )
12
Pm= 𝑃6 ==0,08
d) ¿Cuál es la probabilidad que haya dos espacios o más vacíos en el parqueadero?
Si en el sistema hay 6 autos, 5 en los parqueaderos y 1 lavándose, consideremos que,
Po+ P1+P2+P3+P4+P5+P6=1, la suma de todas las probabilidades es 1.
Despejando
(Po+P1+P2+P3+P4) =1-(P5+P6)
P (<=4) =1-(0,08+0,09)
107
P (<=4) =0,83
e) ¿Cuál es la probabilidad de que un auto si ingrese o que el sistema no esté lleno?
=1-Pm
=1-0,08
= 0,92
f) ¿Cuál es la tasa efectiva promedio de llegada?
Considerando que todos los que llegan no ingresan si llegan 10 autos por hora.
𝜆̅ = 𝜆(1 − 𝑃𝑚)
𝜆̅ = 10(1 − 0,08)
𝜆̅ = 9,20 Autos/hora
g) ¿Cuál es el número de autos que no logran ingresar a la lavadora?
𝑇𝑎𝑠𝑎 𝑑𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑜𝑠 = 𝜆 − 𝜆̅
𝑇𝑎𝑠𝑎 𝑑𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑜𝑠 = 10 − 9,2
𝑇𝑎𝑠𝑎 𝑑𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑜𝑠 = 0,8 𝑎𝑢𝑡𝑜𝑠/hora
h) ¿Cuál es el número promedio esperado de autos en la lavadora?
𝜆 𝜆 𝑚+1
( ) (𝑚 + 1) ( )
𝜇 𝜇
𝐸𝑛 = −
1−
𝜆 𝜆 𝑚+1
1 − (
𝜇 𝜇)
10 10 6+1
(12) (6 + 1) (12)
𝐸𝑛 = −
10
1 − 12 10 6+1
1 − (12)
𝐸𝑛 = 𝐿𝑠 = 2,29 𝑎𝑢𝑡𝑜𝑠
i) ¿Cuál es el número promedio esperado de autos en el parqueadero o en espera?
EL = 𝐸𝑛 − 1 + 𝑃𝑜
EL = 2,29 − 1 + 0,23
EL= Lq =1,52 autos
j) ¿Cuál es el tiempo esperado que permanecen los autos en la lavadora?
108
𝜆 𝑚
1 𝑚( )
𝜇
ET = 𝜆 − 𝜆 𝑚
𝜇(1− ) 𝜇(1−( ) )
𝜇 𝜇
10 6
1 6( )
12
ET = 10 − 10 6
12(1− ) 12(1−( ) )
12 12
ET = Ws= 0,25 horas = 15 minutos
k) ¿Cuál es el tiempo esperado que permanecen los autos en el parqueadero esperando ser
atendidos?
1
Et = ET -𝜇
1
Et = 0,25 -12
Et = Wq= 0,16 horas = 9,89 minutos
109
EJERCICIOS PROPUESTOS DE LINEAS ESPERA
1. El micro mercado Anita recibió promedio de 6 clientes por hora los mismos que llegan
siguiendo una distribución de poisson. La Propietaria desea calcular si debería contratar a
Juan o Pedro. Ella ha determinado que el tiempo que se demora en atender en promedio
será de ocho minutos con Juan y cinco minutos con Pedro de forma exponencial. Ha
estimado el costo por minuto de espera de los clientes en 0. 25 dólares por minuto. El
costo de Juan es de $30 y de Pedro es de 60,00 $ por cada turno de ocho horas. Además,
se considera que los clientes llegan siguiendo una distribución de poisson y tanto Pedro
como Juan atienden a sus clientes de manera exponencial.
a) ¿Cuál es el tiempo promedio que permanecen un cliente en el micro mercado?
b) ¿Cuál es el número promedio de clientes haciendo cola?
c) ¿Cuál es el costo con cada trabajador por hora?
d) ¿Cuál vendedor debería contratar? (Utilice modelos de costos de un sistema de colas).
2. Ferretería Arupos lo contrata a usted para que le ayude a examinar la situación y para
determinar algunas de las características de la cola. Después de estudiar el problema
encuentra que es un sistema con un solo canal, llegadas de poisson y tiempo de servicio
exponencial. Además, los clientes pueden ser atendidos en promedio 30 clientes por hora,
a pesar de que llegan únicamente 160 clientes en el día (un día igual ocho horas).
a) ¿Qué tiempo pasa un cliente en promedio en el sistema?
b) ¿Cuál es el tiempo promedio que pasa Carlos sin tener clientes?
c) ¿Cuál es la probabilidad de que en el sistema este ocupado?
d) ¿Cuál es la probabilidad de que en el sistema haya más de tres clientes en la cola?
3. Con base en datos históricos, el auto lavado de Francisco estima que los automóviles
sucios llegan a sus instalaciones 80 durante todo el sábado de 8:00 a 16:00. Con una
cuadrilla que trabaja en la línea de lavado, Francisco calcula que los vehículos se pueden
lavar a un ritmo de uno cada 5 minutos. Se lava un solo auto a la vez en este ejemplo de
una línea de espera de un solo canal.
Suponiendo llegadas de Poisson y tiempos de servicio exponenciales, encuentre:
a) el número promedio de autos en línea.
b) el tiempo promedio que un auto espera antes de ser lavado.
c) el tiempo promedio que un auto pasa en el sistema de servicio.
e) la probabilidad de que esté más de dos autos esté en el sistema.
4. Sifru contrató a un empleado cuyo trabajo consiste en cargar la fruta en los camiones que
llegan a la compañía. Los camiones llegan a la plataforma de carga a una tasa promedio de
15 minutos por camión, de acuerdo con una distribución de Poisson. El empleado los carga
con una distribución exponencial en los tiempos de servicio. Además, se debe considerar
que el tiempo de espera en el sistema (desde que llega hasta que salen) de los camiones es
de 60 minutos.
Los cargadores de fruta reciben $6 por hora. Los conductores de camiones que trabajan
reciben un salario de $12 por hora en promedio. Los conductores de camiones que están en
110
la cola o en la plataforma de carga cobran su salario, aunque en realidad están inactivos y

no generan utilidad en ese momento.
Si se considera que agregar un segundo cargador de fruta mejorará sustancialmente la
eficiencia de la empresa.
Determine los costos asociados al sistema de colas tanto de un trabajador como de dos. Qué
resolución tomaría.
5. En un micro mercado de la ciudad, el número de clientes que permanecen en la cola y en

la caja en promedio es de 5 personas y tiempo promedio que un cliente permanece en el
micro mercado es de una hora, considere que los clientes llegan siguiendo una distribución
de Poisson y son atendidos siguiendo un patrón exponencial. Determine:
a) El tiempo que un cliente pasa en la cola antes de ser atendido

b) El número de clientes en la cola.
El costo por tiempo ocioso del cliente mientras llega su turno y es atendido, hasta que tiene
que marcharse son preocupaciones importantes y se estima en $5 por hora en promedio. La
cajera recibe por salario $6 por hora.
c) Determine costo total del servicio en el día, considerando que el día tiene 8 horas
laborables.
6. Un local de comidas rápidas llegan en promedio 125 clientes por hora siguiendo una
distribución de Poisson. Se tiene capacidad para atender en promedio a 150 clientes por
hora en promedio siguiendo una distribución exponencial. Si el local es atendido por una
sola persona.
a) ¿Cuál es la probabilidad que el sistema este ocioso?

b) ¿Cuál es la probabilidad que un cliente llegue y tenga que esperar, porque hay un cliente
en el sistema?
c) ¿Cuál es el número promedio de clientes en la cola?
d) ¿Cuál es la probabilidad que un cliente permanezca menos de dos minutos en el sistema?
7. Un renombrado restaurante dispone de 20 asientos. Los clientes llegan a un flujo de

Poisson a una tasa de 25 por hora y son atendidos a una tasa de 15 por hora. Suponga que
son atendidos uno a la vez por un mesero y que por cada cliente obtiene una ganancia de
$ 15.
a) ¿Cuál es la pérdida de la cafetería por las limitaciones del espacio en un día de 8 horas?
b) ¿Cuál es el tiempo que permanece un cliente en el sistema en minutos?
c) ¿Cuál es el tiempo que el cliente espera antes de ser atendido en minutos?
d) ¿Cuál es la probabilidad de que haya al menos dos clientes en la cafetería?
8. El supervisor de un banco ha observado que los clientes llegan en promedio cada 5 min
y el tiempo promedio para procesar una transacción es de 2,5 min. También ha observado
que el patrón de números de llegada de clientes sigue la distribución de Poisson y que los
tiempos de servicio tienen una distribución exponencial. Supongamos que se dispone de un
solo cajero.
111
a) La probabilidad de que un cliente que llega sea atendido inmediatamente es:
b) El tiempo esperado que un cliente permanece en el sistema o el tiempo que espera por
servicio más el tiempo de servicio es:
c) El número esperado de clientes es la línea de espera o esperando ser servidos (Longitud

de la cola) es:
d) La probabilidad de que un cliente espere menos de 4 min en el sistema es:
112
AUTOEVALUACIÓN
Relacione la columna de la izquierda (concepto) con la columna
BASE DE LA PREGUNTA 1 de la derecha (definición)
CONCEPTOS DEFINICIÓN
1. Fi a) Mercados hacia donde se envían los productos.
2. Mj b) Márgenes de contribución, que pueden ser costos o

ganancias unitarias de enviar los productos desde cada fuente
a cada mercado.
3. Cij c) Fuentes desde donde se envían los productos
4. Xij d) Variables de decisión, cantidades que cada fuente entrega a

cada mercado, cuyo valor final permite determinar el plan
óptimo de distribución.
A 1a, 2b, 3c, 4d

B 1c, 2a, 3b, 4d
C 1b, 2c, 3d, 4ª
OPCIONES DE RESPUESTA
D 1c, 2a, 3b, 4d
E 1b, 2d, 3a, 4c
F 1c, 2a, 3d, 4c
Relacione la columna de la izquierda (concepto) con la columna

BASE DE LA PREGUNTA 2 de la derecha (definición)
CONCEPTOS DEFINICIÓN
1. Po a) Tiempo esperado (promedio) que un cliente permanece en el

sistema, o, el tiempo que espera por servicio más el tiempo de
servicio.
2. E(n) b) Número esperado (promedio) de clientes en el sistema
3. E(T) c) Tiempo esperado (promedio) que un cliente espera en la cola

antes de ser atendido o por servicio.
4. E(t) d)Probabilidad de que el sistema este vacío
A 1a, 2b, 3c, 4d

B 1c, 2a, 3b, 4d
C 1b, 2c, 3d, 4a
OPCIONES DE RESPUESTA
D 1c, 2b, 3a, 4d
E 1b, 2d, 3a, 4c
F 1d, 2b, 3a, 4c
113
PROBLEMA 1
Un taller elabora tres productos A, B, C, y la demanda de estos productos es de 90, 210 y 120
unidades/semana respectivamente. Los productos pueden fabricarse por uno de los tres métodos,
cada uno de los cuales dispone de las siguientes capacidades semanales: 160,120 y 140 unidades
respectivamente. En la tabla se indica las ganancias (dólares/unidad) asociadas con cada
producto y cada método.
PRODUCTOS M1 M2 M3
A 139 140 137
B 209 207 210
C 254 255 255
BASE DE LA PREGUNTA 3 La distribución inicial por la Regla del costo mínimo es:
A El producto A debe producirse 90 unidades en el M3
El producto B debe fabricarse 90 unidades en M1, 120 en el
M2
El producto C debe producirse 70 unidades en M1, 50
unidades en M3
B El producto A debe producirse 90 unidades en el M1
M3
unidades en M3
C El producto A debe producirse 90 unidades en el M2
OPCIONES DE El producto B debe fabricarse 160 unidades en M1, 30 en el
RESPUESTA M2 y 20 unidades en M3
El producto C debe producirse 120 unidades en M3
D El producto A debe producirse 90 unidades en el M2
M2
unidades en M3
E El producto A debe producirse 90 unidades en el M1
M2
unidades en M2
114
BASE DE LA PREGUNTA 4 La ganancia total de esta distribución inicial es:

A 87050
B 94050
OPCIONES DE
C 85940
RESPUESTA
D 86600
E 86570
La distribución mejorada (o mejor alternativa de distribución)

BASE DE LA PREGUNTA 5 es:
A El producto A debe producirse 90 unidades en el M3

M2
unidades en M3
B El producto A debe producirse 90 unidades en el M1
M3
unidades en M2, 50 unidades en M3
C El producto A debe producirse 90 unidades en el M2
OPCIONES DE El producto B debe fabricarse 160 unidades en M1, 30 en el
RESPUESTA M2 y 20 unidades en M3
El producto C debe producirse 120 unidades en M3
D El producto A debe producirse 90 unidades en el M2
M2
unidades en M3
E El producto A debe producirse 90 unidades en el M2
M3
unidades en M3
BASE DE LA PREGUNTA 6 La ganancia total de esta distribución es:

A $85400
B $87110
OPCIONES DE
C $92500
RESPUESTA
D $84120
E $83120
115
PROBLEMA 2
El supervisor de un banco enfrenta al problema de determinar el número de cajeros que se debe

utilizar en horas pico. El supervisor ha observado que los clientes llegan en promedio cada 4 min
y el tiempo promedio para procesar una transacción es de 2 min. También ha observado que el
patrón de números de llegada de clientes sigue la distribución de Poisson y que los tiempos de
servicio tienen una distribución exponencial negativa.
La probabilidad de que un cliente que llega sea atendido

BASE DE LA PREGUNTA 7 inmediatamente es:
A 0,75
B 0,35
OPCIONES DE
C 0,25
RESPUESTA
D 0,50
E 0,45
El tiempo esperado que un cliente permanece en el sistema o el

BASE DE LA PREGUNTA 8 tiempo que espera por servicio más el tiempo de servicio es:
A 20 min
B 10 min
OPCIONES DE
C 5 min
RESPUESTA
D 4 min
E 2 min
El número esperado de clientes es la línea de espera o esperando

BASE DE LA PREGUNTA 9 ser servidos (Longitud de la cola) es:
A 5 clientes
B 0,5 clientes
OPCIONES DE
C 0,8 clientes
RESPUESTA
D 10 clientes
E 8 clientes
BASE DE LA PREGUNTA La probabilidad de que un cliente espere menos de 4 min en el

10 sistema es:
A 0,7235
B 0,1521
OPCIONES DE
C 0,5432
RESPUESTA
D 0,6321
E 0,1426
116
FORMULARIO
FORMULARIO DE OPERATIVA
𝑒 − 𝑛
P(A= n) = P(S=t) = µ*𝑒 −µ∗𝑡
𝑛!
MODELO BASICO O GENERALIZADO
U=
  𝑃𝑛 = 𝑃0 ∗ 𝑈𝑛
𝜇 𝑃0 = 1 − = 1−𝑈
𝜇
 2 1
𝐸(𝑛) = 𝐸(𝐿) = 𝐸(𝑇) =
𝜇− 𝜇(𝜇 − ) 𝜇−
 −
𝑇
 −
𝑡
𝐸(𝑡) = 𝑃(>𝑇) = 𝑒 𝐸(𝑇)
𝑃(>𝑡) = ∗ 𝑒 𝐸(𝑇)
𝜇(𝜇 − ) 𝜇
 1 𝐸(𝑛) =  ∗ 𝐸(𝑇)
𝐸(𝑛) = 𝐸(𝐿) + 𝐸(𝑇) = 𝐸(𝑡) +
𝜇 𝜇
𝐸(𝐿) =  ∗ 𝐸(𝑡) 1 2  2
2
𝜎 =( )  2 ∗ 𝜎 2 + (𝜇 )
𝜇 𝐸(𝐿) =

2 (1 − )
𝜇
2 2
𝐸(𝐿) = 𝐸(𝐿) =
2𝜇(𝜇 − ) 𝜇(𝜇 − )
ANALISIS DE COSTOS DE SISTEMAS DE LÍNEAS DE ESPERA
CT =CS+CE+K CS = 𝐶𝑠 * u CS = 𝐶𝑠 *k
CE= 𝐶𝑒 ∗ 𝐸(𝑛)
𝐶𝑒 
𝜇𝑚í𝑛𝑖𝑚𝑜 =  + √
𝐶𝑠
MODELO BÁSICO CON CAPACIDAD LIMITADA
  𝑃0 𝑃𝑛 = 𝑃0 𝑈𝑛 ; 𝑐𝑢𝑎𝑛𝑑𝑜 𝑈
𝑈= ∗𝑘 =
𝜇 𝜇 1−𝑈 ≠1
= ; 𝑐𝑢𝑎𝑛𝑑𝑜 𝑈
1 − 𝑈𝑚+1
≠1
1 𝑃𝑚 = 𝑃0 𝑈𝑚 ̅ = (1 − 𝑃𝑚 )
𝑃𝑛 = ; 𝑐𝑢𝑎𝑛𝑑𝑜 𝑈
𝑚+1
=1
117
La prob. No este lleno=1-

𝑃𝑚
Tasa de rechazo = − ̅ 𝐸(𝑛) 𝑚

𝐸(𝑛) = ; cuando U=1
2
𝑈
=  ∗ 𝑃𝑚 =
1−𝑈
(𝑚 + 1)𝑈𝑚+1
− ;
1 − 𝑈𝑚+1
Cuando 𝑈 ≠ 1
1−𝑈 1 𝑚𝑈 𝑚 1
E(L) = E(n)-1+ E(T)= − E(t)=E(T) -
1−𝑈 𝑚+1 𝜇(1−𝑈) 𝜇(1−𝑈 𝑚 ) 𝜇
E(n)= E(L)+
̅ E(n)= ̅ *E(T) E(L)= ̅ *E(t)
𝜇
SISTEMAS DE CANALES MÚLTIPLES O VARIOS SERVIDORES Y UNA LÍNEA DE

ESPERA
  
𝑈= 𝑈= ∗𝑘 =
𝑘𝜇 𝑘𝜇 𝜇
𝑘−1 −1 𝑘 −1
1  𝑛 1  𝑘 𝑘𝜇 1 𝑘 𝑘 ∗ 𝑈𝑘+1
𝑃0 = {[∑ ( ) ] + [ ( ) ( )]} 𝑃0 = [∑ (𝑘𝑈)𝑛 + ]
𝑛! 𝜇 𝑘! 𝜇 𝑘𝜇 −  𝑛! 𝑘! (1 − 𝑈)
𝑛=0 𝑛=0
1  𝑛 1  𝑛
𝑃𝑛 = 𝑘!𝑘 𝑛−𝑘 (𝜇) ∗ 𝑃0 ; 𝑠𝑖 𝑛 ≥ 𝑘
𝑃𝑛 = ( ) ∗ 𝑃0 ; 𝑠𝑖 𝑛 < 𝑘
𝑛! 𝜇
𝑃𝑛 =
𝑘𝑘 𝑈𝑛
∗ 𝑃0 ; 𝑠𝑖 𝑛 ≥ 𝑘  𝑘
𝑘! 𝜇( )
𝜇
𝑃𝑛′ = 𝑃
(𝑘 − 1)! (𝑘𝜇 − ) 0
 𝑘
𝑘 𝑘 ∗ 𝑈𝑘+1
𝜇 ( ) 𝐸(𝐿) = 𝑃
𝐸(𝐿) =
𝜇
𝑃 𝑘! (1 − 𝑈)2 0
(𝑘 − 1)! (𝑘𝜇 − )2 0
 𝜇( )
 𝑘
𝐸(𝑛) = 𝐸(𝐿) + 𝐸(𝑡) =
𝐸(𝐿)
𝐸(𝑡) = (𝑘−1)!(𝑘𝜇−)2 𝑃0𝜇
𝜇 
118
1
𝐸(𝑇) = 𝐸(𝑡) + 𝑃(>𝑡) = 𝑒 −𝜇𝑇 {1
𝜇
𝑃0 (𝑘𝑈)𝑘 [1 − 𝑒 −𝜇𝑇(𝑘−1−𝑘𝜇) ]
+ }
𝑘! (1 − 𝑈)(𝑘 − 1 − 𝑘𝑈)
(𝑘𝑈)𝑘 𝑒 −𝑘𝜇𝑇(1−𝑈)
𝑃(>𝑡) = 𝑃0
𝑘! (1 − 𝑈)
SISTEMA DE VARIOS SERVIDORES, UNA LÍNEA DE ESPERA Y CON

CAPACIDAD LIMITADA
 ̅ ̅
𝑈= 𝑈= ∗𝑘 =
𝑘𝜇 𝑘𝜇 𝜇
𝑘 −1 −1
𝑘𝑛 𝑘 𝑘 (𝑚−𝑘)
1 𝑘 𝑘 ∗ 𝑈𝑘+1 (1 − 𝑈𝑚−𝑘 ) 𝑃0 = {[∑𝑘𝑛=0 𝑛! ] + [ ]}
𝑃0 = {[∑ (𝑘𝑈)𝑛 ] + [ ]} 𝑘!
𝑛! 𝑘! (1 − 𝑈) cuando U=1
𝑛=0
(𝑘 ∗ 𝑈 ) 𝑛 𝑘 𝑘 𝑈𝑛
𝑃𝑛 = ∗ 𝑃0 ; 𝑠𝑖 𝑛 < 𝑘 𝑃𝑛 = ∗ 𝑃0 ; 𝑠𝑖 𝑘 ≤ 𝑛 ≤ 𝑚
𝑛! 𝑘!
𝑃𝑛 = 0 𝑆𝑖 𝑛 > 𝑚 𝑘 𝑘 ∗𝑈 𝑛
P(m=n) = 𝑃0
𝑘!
̅ = (1 − 𝑃𝑚 ) Tasa de rechazos =  − ̅ = 𝑃𝑚
̅ 𝐸(𝑛)
𝐸(𝑛) = 𝐸(𝐿) + 𝐸(𝑇) = ̅
𝜇 
𝑘 𝑘 ∗𝑈 𝑘+1
E(L)= 𝑘!(1−𝑈)2 [(1 − 𝑈𝑚−𝑘 ) − (1 − 𝑈)(𝑚 − 𝑘 )𝑈𝑚−𝑘 ]𝑃0
TECNICA BÁSICA EN FUNCIÓN DE LOS COSTOS
𝐶𝑠
≤ 𝐸 (𝑛)(𝑘−1) − 𝐸(𝑛)𝑘
𝐶𝑒
119
BILBIOGRAFÍA BÁSICA
Anderson, D. R., Sweeney, D. J., Willams, T. A., Camm, J. D., & Kipp, M. (2011).
MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS. Mexico: Internacional
Thomson.
Rodriguez Acosta, S. (2011). Enseñanza-Aprendizaje DE LA INVESTIGACION

OPERATIVA- VOLUMEN 2. Quito: Impresores MYL.
BIBLIOGRAFÍA COMPLEMENTARIA
1. RENDER, Barry, STAIR, Ralph M., HANNA Michael E., “Métodos cuantitativos
para los Negocios”. Novena Edición. Pearson, Prentice Hall. 2006.731p.
2. HILLIER, Frederick. HILLIER, Mark. LIEBERMAN, Gerald. Métodos cuantitativos

para administración. Primera Edición. McGraw-Hill Interamericana. 2002. 855p
3. BONINI, Charles. HAUSMAN, Warren. BIERMAN, Harold. Análisis Cuantitativo

Para los Negocios. Novena Edición. McGraw-Hill Interamericana. 2001. 530p.
4. TAHA, Hamdy A. Investigación de Operaciones, una introducción. Sexta Edición.

Prentice – Hall. 1998. 916p.
5. EPPEN, GOULD, SCHMIDT, MOORE y WEATHERFORD. Investigación de

Operaciones en la Ciencia Administrativa. Quinta Edición. Prentice - Hall
Hispanoamericana S.A. 2000. 702p.
120
TABLA DE ILUSTRACIONES
FIGURA 1- 1 REGIÓN DE VIABILIDAD ....................................................................................................................... 1
FIGURA 1- 2 REGIÓN FACTIBLE .............................................................................................................................. 4
FIGURA 1- 5 REGIÓN FACTIBLE ............................................................................................................................ 11
FIGURA 1- 6 REGIÓN FACTIBLE DE LA PRIMERA INECUACIÓN. ...................................................................................... 13
FIGURA 1- 9 FORMATO PARA SOLVER ................................................................................................................... 19
FIGURA 1- 10 FORMATO PARA SOLVER ................................................................................................................. 20
FIGURA 1- 14 INFORME DE CONFIDENCIALIDAD ....................................................................................................... 22
FIGURA 1- 15 TUTORIAL DE POM ....................................................................................................................... 22

FIGURA 3- 1 MODELO DE TRANSPORTE RESUELTO CON PROGRAMACIÓN LINEAL............................................................. 44

FIGURA 3- 2 MODELO DE TRANSPORTE ................................................................................................................. 47
FIGURA 4- 1 MODELO DE LÍNEA DE ESPERA DE ÚNICO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/1 ............................................................................................................................................... 92
FIGURA 4- 2 TUTORIAL LÍNEA DE ESPERA ............................................................................................................... 93
FIGURA 4- 7 MODELO DE LÍNEA DE ESPERA DE MÚLTIPLES CANALES CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO
EXPONENCIALES. M/M/S ......................................................................................................................... 97
FIGURA 4- 8 TUTORIAL DE LÍNEAS DE ESPERA ......................................................................................................... 99
FIGURA 4- 9 TUTORIAL DE LÍNEAS DE ESPERA ......................................................................................................... 99
FIGURA 4- 10 TUTORIAL DE LÍNEAS DE ESPERA ..................................................................................................... 100
FIGURA 4- 14 MODELO DE LÍNEA DE ESPERA BÁSICO CON CAPACIDAD LIMITADA DE UN SOLO SERVIDOR CON LLEGADAS POISSON Y
TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM ............................................................ 104
121
TABLAS
TABLA 1- 1 USOS DE RECURSOS POR UNIDAD PRODUCIDA ............................................................................................ 3
TABLA 1- 2 INTERSECCIONES CON LOS EJES .............................................................................................................. 4
TABLA 1- 3 RESULTADOS DEL POLÍGONO DE SOLUCIÓN:............................................................................................... 4
TABLA 1- 4 USO DE RECURSOS POR CANTIDAD UNIDAD DISPONIBLE ................................................................................ 5
TABLA 1- 5 INFORMACIÓN NUTRICIONAL Y DE COSTOS ................................................................................................ 5
TABLA 1- 6 GRADIENTE FILETE PAPAS DIARIOS (GRAMOS) ........................................................................................... 6
TABLA 1- 7 PUNTOS DE INTERSECCIÓN CON LOS EJES .................................................................................................. 7
TABLA 1- 8 RESULTADOS DEL POLÍGONO DE SOLUCIÓN:............................................................................................... 7
TABLA 1- 9 TIEMPO QUE CADA UNO INVIERTE EN LA FABRICACIÓN DE CADA DISPOSITIVO ..................................................... 8
TABLA 1- 10 COORDENADAS DE LAS INTERSECCIONES CON LOS EJES ............................................................................... 8
TABLA 1- 11 RESULTADOS DEL POLÍGONO DE SOLUCIÓN:............................................................................................. 9
TABLA 1- 12 PROPORCIÓN GASOLINA, TURBOSINA Y KEROSENE..................................................................................... 9
TABLA 1- 13 PUNTOS DE INTERSECCIÓN PARA GRAFICAR. .......................................................................................... 10
TABLA 1- 14 RESULTADOS DEL POLÍGONO DE SOLUCIÓN ............................................................................................ 11
TABLA 1- 15 TABLA DE DATOS ............................................................................................................................ 12
TABLA 1- 16 PUNTOS DE INTERSECCIÓN CON LOS EJES COORDENADOS. ......................................................................... 13
TABLA 1- 17 TABLA DE RESULTADOS..................................................................................................................... 14
TABLA 1- 18 SOLUCIONES ORIGINARÍAN EN LAS UTILIDADES ....................................................................................... 15
TABLA 1- 19 ANÁLISIS RESTRICCIONES EN LOS PUNTOS B, P Y Q.................................................................................. 17
TABLA 1- 20 VARIACIÓN PERMITIDA DE LOS COEFICIENTES DE LA FUNCIÓN OBJETIVO ....................................................... 18
TABLA 2- 1 RESUMEN DE DATOS: ......................................................................................................................... 33

TABLA 2- 2 RESOLUCIÓN EN SOLVER DE EXCEL ........................................................................................................ 33
TABLA 2- 3 RESULTADOS DEL ANÁLISIS DE SENSIBILIDAD ............................................................................................ 34
TABLA 2- 4 PARÁMETROS .................................................................................................................................. 34
TABLA 2- 5 RESULTADOS EN SOLVER ..................................................................................................................... 37
TABLA 2- 8 ANÁLISIS DE SENSIBILIDAD ................................................................................................................... 38
TABLA 3- 1 COSTOS UNITARIOS ........................................................................................................................... 44

TABLA 3- 2 ESTRUCTURA MATRICIAL ..................................................................................................................... 46
TABLA 3- 3 TABLA DE PARÁMETROS...................................................................................................................... 46
TABLA 3- 4 COSTO UNITARIO .............................................................................................................................. 47
TABLA 3- 5 COSTO UNITARIO .............................................................................................................................. 47
TABLA 3- 6 COSTES DE ENVIÓ.............................................................................................................................. 48
TABLA 3- 7 COSTOS OFERTA Y DEMANDA ............................................................................................................... 48
TABLA 3- 8 MÉTODO U-V .................................................................................................................................. 49
TABLA 3- 9 MÉTODO U-V .................................................................................................................................. 49
TABLA 3- 10 MÉTODO U-V ................................................................................................................................ 51
TABLA 3- 11 MÉTODO U-V ................................................................................................................................ 51
TABLA 3- 12 MÉTODO U-V ................................................................................................................................ 52
TABLA 3- 13 MÉTODO U-V ................................................................................................................................ 54
TABLA 3- 14 MÉTODO U-V ................................................................................................................................ 54
TABLA 3- 15 GANANCIAS SEGÚN CADA PRODUCTO Y MÉTODO DE ELABORACIÓN ............................................................. 56
TABLA 3- 16 TRANSPORTE MÉTODO DE ESQUINA NOROESTE ...................................................................................... 56
122
TABLA 3- 17 TRANSPORTE MÉTODO DE ESQUINA NOROESTE. ..................................................................................... 57

TABLA 3- 22 TRANSPORTE MÉTODO DEL SALTO DE PIEDRA EN PIEDRA ......................................................................... 60
TABLA 3- 28 TRANSPORTE MÉTODO DEL SALTO DE PIEDRA EN PIEDRA. ........................................................................ 64
TABLA 3- 32 PANES POR HORA............................................................................................................................ 66
TABLA 3- 33 EMPLEADOS Y TIPOS DE PANES........................................................................................................... 67
TABLA 3- 34 MÉTODO HÚNGARO........................................................................................................................ 67
123
124
125
126
127
128

Ca4-Unidad Didactica-Inv. Operativa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ca4-Unidad Didactica-Inv. Operativa

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ADMINISTRATIVAS

Docente de la Universidad central del Ecuador

Magister en Administración de Empresas

Diploma Superior en Docencia Universitaria

Mayra Alexandra Córdova Alarcón

Docente de la Universidad central del Ecuador

Magister en Docencia Universitaria y Administración Educativa

Magister en Docencia Matemática

Víctor Marcelo Merino Castillo

Docente de la Universidad central del Ecuador

Magister en Administración y Marketing

TABLA DE CONTENIDOS ...................................................................................... iii

Una de las características de un Administrador y/o de un Auditor es saber tomar las

La Investigación de Operaciones se desarrolló con fuerza al comienzo de la Segunda Guerra

IMPORTANCIA PARA LA FORMACIÓN DEL PROFESIONAL.

En la actualidad con el despunte de la nueva tecnología y de técnicas modernas, la

La Investigación Operativa no toma decisiones por si misma, su función es la de asesorar y

1.2.3 RELACIONES CON OTRAS ASIGNATURAS.

Figura 1- 1 Región de viabilidad

OBJETIVO DE LA UNIDAD DE COMPETENCIA

En este Capítulo se presenta el desarrollo teórico – práctico de los modelos de Programación

La función objetivo de problema

Es recomendable (no una regla), por facilidad de planteamiento y de análisis, tabular el

4.- Plantear el sistema de restricciones (ecuaciones y/o inecuaciones) correspondientes a

Tabla 1- 1 Usos de recursos por unidad producida

Usos de recursos por unidad producida

Se cumplen todas las suposiciones de programación lineal.

Por lo tanto, el Modelo de Programación Lineal sería:

X = Número de unidades del Producto A

Maximizar Ganancia = 3,000 X + 2,000 Y

Restricción - 1 Restricción - 2 Restricción - 3

Tabla 1- 2 Intersecciones con los ejes

Tabla 1- 3 Resultados del polígono de solución:

Punto Óptimo: X = 0.6667

Tabla 1- 4 Uso de recursos por cantidad unidad disponible

Recurso Producto A Producto B Recursos

Tabla 1- 5 Información nutricional y de costos

Gramos por ingrediente por ración

Las decisiones a tomar son las raciones diarias de filete y de papas

Convierta estas descripciones verbales de las restricciones y la medida de desempeño en

Minimizar Costo = 4 ($/rac. filete) *(# de raciones de filete) + 2($/rac. papas) * (# de

Carbohidratos: 5 (gr/rac. filete) *(# de raciones de filete) + 15 (gr/rac. papas) * (# de

Proteínas: 20 (gr/rac. filete) *(# de raciones de filete) + 5 (gr/rac. papas) * (# de raciones

Formule este mismo problema en forma algebraica.

X1 = Número de raciones de filete

Minimizar Costo = 4X1 + 2X2

1.- Carbohidratos: 5 X1 + 15X2 > 50

Tabla 1- 6 Gradiente Filete Papas diarios (gramos)

X1 = 1,27 raciones de filete

Costo Mínimo = 10,91 Dólares

Tabla 1- 7 Puntos de intersección con los ejes

Restricción - 1 Restricción - 2 Restricción - 3

Figura 1- 3 Región Factible

Tabla 1- 8 Resultados del polígono de solución:

X1 = 1.3 raciones de filete X2 = 2.9 raciones de papas

Costo Mínimo = 10,91 Dólares

A continuación, presentamos la solución del Texto Matemáticas para Administración,

Tabla 1- 9 Tiempo que cada uno invierte en la fabricación de cada dispositivo

Amigo A Amigo B Amigo C

El modelo algebraico de programación lineal sería:

X1 = Número de unidades del dispositivo Zeta que se debe construir

F. Objetivo: Maximizar Utilidad = 5X1 + 7X2

Minimizar Costo = 4 ($/rac. filete) (# de raciones de filete) + 2($/rac. papas) (# de

Carbohidratos: 5 (gr/rac. filete) (# de raciones de filete) + 15 (gr/rac. papas) (# de

Proteínas: 20 (gr/rac. filete) (# de raciones de filete) + 5 (gr/rac. papas) (# de raciones