INVESTIGACIÓN OPERATIVA II

SECCIÓN C
APELLIDOS Y Cueva Chavez, Araceli Belén
NOMBRES:
APELLIDOS Y Gonzales Zúñiga Zúñiga, Andrea Belén
NOMBRES:
APELLIDOS Y Quintanilla Flores, Javier Nicolas
NOMBRES:
APELLIDOS Y Velásquez López, Rodrigo Matías
NOMBRES:
TAREA FINAL

Ejercicio 1: Caso de Estudio: Rentall Trucks

Procedimiento:
El método que se uso para la resolución para el ejercicio es el de Cadenas de
Markov puesto que trabajamos con probabilidades de cambio de los clientes y
además que podemos pronosticas el comportamiento del cliente a futuro.
A continuación se presentara la información recogida del caso.
De una muestra de 1000 personas tomada en agosto, el mercado se vio dividido de
la siguiente manera:
Rentall 800
Rentran 60
National 140

En septiembre se analizo la muestra con la propensión y se vieron cambios en el

mercado, se distribuyo de la siguiente manera, se presentara el cuadro con clientes y
en porcentaje.

Rentall Rentran National Rentall Rentran National

Rentall 520 200 80 Rentall 0,65 0,25 0,1
Rentran 3 51 6 Rentran 0,05 0,85 0,1
National 14 35 91 National 0,1 0,25 0,65

Luego se procedio a idear una serie de cambios y con estos se tomaron análisis
nuevamente con una muestra de 1000 personas, la propensión a cambio con las
 mejoras dio como resultado los siguientes cuadros, uno refleja los clientes y el otro
el cambio en porcentaje:

Rentall Rentran National Rentall Rentran National

Rentall 680 100 20 Rentall 0,8500 0,1250 0,0250
Rentran 9 45 6 Rentran 0,1500 0,7500 0,1000
National 28 35 77 National 0,2000 0,2500 0,5500

Para proceder a resolver el problema se tuvo que plantear la matriz P0 que se adapto
a los cambios establecidos en el mes de septiembre como se muestra a continuación:

Rentall Rentran National

P0 0,5370 0,2860 0,1770

1. ¿Cuáles serán las participaciones en el mercado en un mes, si se realizan estos

cambios? ¿Y si no se hacen los cambios?
2. ¿Cuáles serán las participaciones en el mercado dentro de tres meses con los
cambios?

3. Si las condiciones del mercado permanecieran iguales, ¿Qué participación en el

mercado tendría Rentall a largo plazo? ¿Cómo se compara esto con el mercado que
resultaría si no se hicieran los cambios?

Para obtener los resultados a largo plazo se utilizo el software POMQM, los
resultados fueron los siguientes:

SIN CAMBIOS
 CON CAMBIOS

Si se hicieran los cambios y las condiciones de mercado permanecen igual, la

participación en el mercado de Rentall sería de 51.85%. Por otro lado, si no se
hicieran cambios, Rentall sólo tendría una participación de 15.28% en el mercado a
largo plazo.

Ejercicio 2: Búsqueda en base de datos

TITULO AUTORES FUENTE

1. Un acercamiento a o Guillermo https://core.ac.uk/download/pdf/

la Teoría de Antonio 47265223.pdf
Juegos. Gutiérrez
Montoya.
2. Teoría de los o Universidad del https://www.redalyc.org/pdf/
juegos: Vigencia y Zulia Venezuela. 280/28011308.pdf
limitaciones.
3. Los nuevos o Esquivel https://www.redalyc.org/pdf/
Teoría de paradigmas de la Francisco. 2050/205039638002.pdf
Juegos Teoría de Juegos o Javier Esquivel.
desde la o José
globalización. Antonio.
4. Teoría de juegos o Yuri Gorbaneff. http://www.scielo.org.co/pdf/inno/v12n20/
aplicable en v12n20a03.pdf
administración.
5. John Nash y la o Sergio https://www.cienciared.com.ar/ra/usr/4/26/
teoría de juegos. Monsalve. john_nash_y_la_teor_a_de_juegos.pdf
6. Las cadenas de o Francisco https://www.redalyc.org/pdf/
Markov en el Briceño Valera. 3477/347730348006.pdf
análisis de cambios
 y asignación de
usos de la tierra.
7. Uso de cadenas de o Víctor Albornoz. https://www.redalyc.org/pdf/
markov para la o Mónica 772/77214210.pdf
predicción de la Hinrichse.
dinámica del o Patricia
comportamiento de Miranda.
pacientes en una o Pedro Peña.
unidad de cuidado
intensivo
cardiológica.
o M.Sc. Ing. http://scielo.sld.cu/scielo.php?
8. Cadenas de markov
aplicadas al Eduardo López script=sci_arttext&pid=S1684-
análisis de la Hung. 18592017000100005
ejecución de o M.Sc. Lic. Lai
proyectos de Gen Joa Triay.
Cadenas de investigación.
Markov
9. Modelos de o Addy Bolívar- https://miscelaneamatematica.org/download/
Markov para la Cime. tbl_articulos.pdf2.8c525e9a283566e3.363230
trayectoria o Carmen Notario. 332e706466.pdf
académica de o Aroldo Pérez.
estudiantes de la
UJAT.

10. Método Markov- o Iván Alejandro. https://www.ecorfan.org/actas/A_1/19.pdf

Vacío para el o Paredes.
análisis de la o Raúl y Antillón.
gestión de riesgo o Héctor.
de mercado

Ejercicio 3: Presentación de Articulo/Trabajo Académico

Título del artículo:

Aplicación de Cadenas de Markov en un proceso de producción de plantas in vitro

Autores:

o Andrés Sánchez-Brenes.
o Carlos Alvarado-Ulloa.
o Ricardo Solís-Blanco
o Randall Chacón-Cerdas
o Humberto Villalta-Solano
Resumen:

La aplicación de la biotecnología incluye una serie de procesos industriales que

involucran organismos vivos o partes de ellos. La interacción del genotipo con los
demás factores de manipulación industrial, aunque controlables, provoca que el
sistema sea estocástico o no determinista, caracterizado por acciones predecibles y con
elementos aleatorios. La producción masiva de plantas in vitro es un ejemplo de este tipo de
industrias biotecnológicas, en el que se cultivan plantas seleccionadas bajo condiciones
controladas de incubación y en medios nutritivos. Durante el proceso se producen
pérdidas por contaminación o muerte del material y reprocesos, cuando las plantas
se oxidan o deforman, pero una parte de ellas se puede rescatar y reintegrar a la
etapa anterior. Tomando como modelo el proceso de producción de vitroplantas de papa
(Solanum tuberosum) en la empresa VitroPlant S.A., se aplicó el método de Cadenas de
Markov para determinar los requerimientos de material vegetal para cumplir con una
demanda determinada de acuerdo con la etapa del proceso de la que se inicia, incluyendo en
ese cálculo las pérdidas y reprocesos. Así, el método de Markov es una opción viable en los
procesos biológicos productivos que podría aplicarse a otras especies vegetales e
incluso a otros sistemas que utilicen diferentes organismos vivos, tales como hongos,
bacterias, insectos y microalgas, todos comunes en la industria.