SEMANA 1 : 4 AL 8 DE SEPTIEMBRE 2023

UNIDAD 1. ¿QUÉ ES LA INVESTIGACIÓN DE OPERACIONES?

“Una solución del modelo es factible si satisface todas las restricciones; es

óptima si, además de ser factible, produce el mejor valor (máximo o mínimo) de
la función objetivo”...

Definición de investigación de operaciones.

Aplicación de la metodología científica a través de modelos matemáticos en donde
primero se presenta el problema y luego se resuelve utilizando la contextualización
como base para la definición de variables, objetivo, restricciones y las soluciones
alternativas. .

Desarrollo de la investigación de operaciones

Los orígenes de la I.O se remontan en los años 40 y 50 siendo su auge a principios de
la II guerra mundial, cuando los aliados convocaron a un gran número de especialistas
para aplicar la metodología científica para definir aspectos militares y tácticas de
operación como es el uso de armamento y recursos que tenian para la parte belica.

Al final lo que trataban de buscar era encontrar soluciones a problemas que estaba
enfrentando el sistema militar sobre todo lo de las entradas y salidas (Si MUERTES). Es
decir, se esperaba minimizar las salidas y por consiguiente maximizar su territorio.

Después las industrias de producción al tener un gran impulso (en ese tiempo
funcionaban bajo el fordismo) y pues el mercado presentaba una demanda muy alta
así que empezaron a aplicar técnicas matemáticas que ayudaban a darle solución a
los problemas y las restricciones que afectan a las empresas. Lo que tuvo una gran
aceptación especialmente en el campo económico, provocando su amplia difusión y
otras áreas empezaron a tomar como base la IO para solucionar problemas y tomar
decisiones. (SI llegaste hasta aquí quiere decir que te sigue interesando el tema ,
¡felicidades!)

Durante las batallas se procuraba asignar “recursos escasos” dentro de las

operaciones y maximizar las actividades dentro de cada operación de tal manera que
la salida de armamento debía ser rápida al momento de asignar e integrar las balas
en las mismas, pero a su vez no podían desatender las prioridades que exigen los
eventos.

En los 50`s se introdujo en uso de la I.O en la industria, negocio y gobierno. Desde

entonces esta aplicación se ha desarrollado con rapidez.
Factores que jugaron un papel importante:
1.- El primer factor fue el adelanto que se haya logrado en el establecimiento de los
métodos, modelos y técnicas disponibles en esa rama de la ciencia.
2.- El segundo factor que dio gran impulso para el desarrollo de la I.O fue el
surgimiento de las computadoras. Con este proceso los ordenadores tenían
capacidad para realizar cálculos aritméticos en segundos y posteriormente millones de
cálculos.
3.- El tercer aspecto fue el de fasamiento que tuvo la competitividad de E.U con
respecto a la de Japón.

En la actualidad la I.O se ha diversificado y perfeccionado sus técnicas por lo cual

tiene una amplia gama de aplicaciones.

El nombre de I.O fue dado aparentemente porque el equipo estaba llevando a

cabo la actividad de investigar operaciones militares.

1.2 Modelos de investigación de operaciones

Tipos de modelos de I.O

1. Modelo simbólico o matemático

2. Modelo de simulación

3. Modelo Heurística

Modelo simbólico o matemático

Supone que todas las variables relevantes son cuantificables, es decir los símbolos
matemáticos se utilizan para representar variables las cuales están relacionadas con
las funciones matemáticas para poder descubrir el comportamiento de un sistema.
Lográndose la solución del modelo por una manipulación matemática apropiada.

Modelo de simulación.

Imitan el comportamiento de un sistema sobre un periodo. Esto se logra especificando

ciertos eventos los cuales son puntos en el tiempo en donde se ocurrencia significa que
puede recolectarse su información la cual pertenece al comportamiento de este
sistema siendo está muy importante.

Los modelos de simulación no necesitan funciones matemáticas para realizar

variables, usualmente es posible simular sistemas complejos que no pueden modelarse
o resolverse matemáticamente. La principal falla de la simulación consiste en que el
análisis es equivalente a realizar experimentos y estar sujeto a errores experimentales.

Modelo Heurístico.

Este modelo heurístico de solución descansa en las reglas empíricas o intuitivas, las
cuales dan una solución actual al modelo permitiendo determinar una solución
mejorada. Actualmente los métodos heurísticos son procedimientos de búsqueda que
pasan inteligentemente de un punto de solución a otro con el objetivo de mejorar el
criterio de este modelo. Cuando ninguna mejora adicional puede lograrse la mejor
solución que se haya obtenido es la solución aproximada al modelo.

Aplicaciones de la Investigación de Operaciones.

La aplicación de la I.O ha crecido rápidamente principalmente por tener mejores

conocimientos de esta metodología. La creciente complejidad de los problemas que se
presentan cotidianamente, se tiene la necesidad de utilizar un software y desarrollo de
nuevos y mejores algoritmos.

Listado de las diferentes aplicaciones de la I.O:

1. Optimización de las operaciones de producción para cumplir con la finalidad

de un costo mínimo.

2. La optimización del corte de árboles en productos de madera maximizando

su producción.

3. Asignación óptima de recursos hidráulicos térmicos en el sistema nacional

de generación de energía.

4. Programación de turnos de trabajo en oficinas de reservaciones y

aeropuertos para cumplir con las necesidades del cliente.

5. Optimización de las operaciones de distribución y comercialización de un

producto.

6. Optimización de la inversión del capital para producir gas natural durante 20

años.

7. Administración de inventarios de petróleo y carbón para el sector eléctrico

con la finalidad de equilibrar los costos de inventarios.

8. Optimización de la programación y asignación de los sistemas

computarizados.

9. Optimización de la mezcla de ingredientes disponibles para que los

productos de gasolina cumplieran con los requerimientos de venta y calidad.
 10. Rapidez en la coordinación de aviones, tripulación, carga y pasajeros para
manejar la evacuación por aire de proyectos militares.

11. El impacto del proceso de la automatización y la reducción de costos, en el

proceso de reclutamiento de personal, la asignación de tareas y funciones al
personal. Así como el uso de incentivos para el proceso de producción.

12. Analizar el capital requerido. Considerando las inversiones alternativas, el

análisis del flujo de caja, manejo de reclamaciones y la seguridad en el
manejo de los datos.

Para concluir, podemos afirmar que la investigación de operaciones permite a las

empresas poder tomar decisiones tomando en cuenta los recursos con los que cuenta,
con el propósito de minimizar los costos o maximizar los ingresos. Es usada para tomar
decisiones gerenciales y administrativas de relevancia para una empresa usando el
método científico para resolver problemas.

1.3 Solución del modelo de IO

En la investigación de operaciones no se cuenta con una técnica general única

para resolver todos los modelos que puedan surgir en la práctica. En su lugar, el
tipo y complejidad del modelo matemático determina la naturaleza del método de
solución. Por ejemplo, en la solución del problema de los boletos requiere una
clasificación simple de las alternativas, basada en el precio de la compra total,
mientras que la solución del problema del rectángulo utiliza cálculo diferencial para
determinar el área máxima.

La técnica de IO más importante es la programación lineal. Está diseñada para

modelos con funciones objetivo y restricciones lineales. Otras técnicas incluyen la pro-
gramación entera (en la cual las variables asumen valores enteros), la programación
dinámica (en la cual el modelo original puede descomponerse en subproblemas más
pe- queños y manejables), la programación de red (en la cual el problema puede
modelarse como una red), y la programación no lineal (en la cual las funciones del
modelo son no lineales). Éstas son sólo algunas de las muchas herramientas de IO con
que se cuenta.

Una peculiaridad de la mayoría de las técnicas de IO es que por lo general las

soluciones no se obtienen en formas cerradas (como si fueran fórmulas), sino que más
bien se determinan mediante algoritmos.(Te acuerdas de los ejercicios logicos de pasar
un puente, el rio y las bolitas y tachas?) Un algoritmo proporciona reglas fijas de
cálculo que se aplican en forma repetitiva al problema, y cada repetición (llamada
iteración) acerca la solución a lo óptimo. Como los cálculos asociados con cada
iteración suelen ser tediosos y voluminosos, es recomendable que estos algoritmos se
ejecuten con la computadora.

Algunos modelos matemáticos pueden ser tan complejos que es imposible

resolverlos con cualquiera de los algoritmos de optimización disponibles. En
esos casos quizá sea necesario abandonar la búsqueda de la solución óptima y
simplemente buscar una buena solución aplicando la heurística, y la
metaheurística, o bien reglas empíricas.

1.4 Modelos de colas y simulación

Las colas y la simulación estudian las líneas de espera. No son técnicas de

optimización; más bien determinan medidas de desempeño de las líneas de espera,
como tiempo de espera promedio en la cola, tiempo de espera promedio para el
servicio, y el uso de las instalaciones de servicio.

Los modelos de colas utilizan modelos probabilísticos y estocásticos para analizar

líneas de espera, y la simulación estima las medidas de desempeño al imitar el
comportamiento del sistema real. De cierto modo, la simulación tiene ventajas para
observar un sistema real, ya que la diferencia principal entre las colas y la simulación
es que los modelos de colas son puramente matemáticos y, en consecuencia, están
sujetos a hipótesis específicas que limitan el alcance de su aplicación. La simulación,
por otra parte, es flexible y puede utilizarse para analizar prácticamente cualquier
situación de colas.

El uso de la simulación no está exento de inconvenientes. El proceso de desarrollar

modelos de simulación es costoso, tanto en tiempo como en recursos; además la
ejecución de los modelos de simulación suele ser lenta, aun con la computadora más
rápida.
Las LINEAS DE ESPERA,FILAS DE ESPERA o COLAS, son realidades cotidianas:

•Personas esperando para realizar sus transacciones ante una caja en un banco,

•Estudiantes esperando por obtener copias en la fotocopiadora,

•Automóviles esperando pagar ante una estación de peaje o continuar su camino, ante
un semáforo en rojo,

•Máquinas dañadas a la espera de ser reparadas.

Se forman debido a un desequilibrio temporal entre la demanda del servicio y

la capacidad del sistema para suministrar.

Los Análisis de Colas relacionan

La longitud de la línea de espera,

El promedio de tiempo de espera y otros factores como:

La conducta de los usuarios a la llegada y en la cola.

Los COSTOS DE SERVICIO se incrementan si se mejora el NIVEL DE SERVICIO.

Los Administradores de ciertos centros de servicio pueden variar su capacidad

teniendo personal o máquinas adicionales que son asignadas a incrementar la
atención cuando crecen excesivamente los clientes.

- En supermercados se habilitan cajas adicionales cuando es necesario.

- En bancos y puntos de revisión/chequeo de documentos en los aeropuertos, se

contrata personal adicional para atender en ciertas épocas del día o del año.

Cuando el servicio mejora, disminuye el costo de tiempo perdido en las líneas

de espera.

• Este costo puede reflejar pérdida de productividad de los operarios que están
esperando que compongan sus equipos o puede ser simplemente un estimado de los
clientes perdidos a causa de mal servicio y colas muy largas.

• En ciertos servicios el costo de la espera puede ser intolerablemente alto.

Características de una LINEA DE ESPERA

• Una cola de espera está compuesta de tres elementos:

1. Arribos o ingresos al sistema

La fuente de ingreso que genera los arribos o clientes para el servicio tiene tres
características principales:

a. Tamaño de la población que arriba

El tamaño de la población puede ser:

● infinito (ilimitado) :Cuando el número de clientes o

arribos en un momento dado es una pequeña parte de los
arribos potenciales. Para propósitos prácticos poblaciones
ilimitadas pueden considerarse: los vehículos que se
acercan a una estación de peaje, los hinchas que van a una
cancha, los clientes en un supermercado.
 ● Finito (limitado).: cuando se tienen muy pocos servidores
y el servicio es restringido. Ej.: los pacientes en un
consultorio médico.

b. Patrón de llegada a la cola

● Aleatorios:Se considera que los arribos son aleatorios

cuando éstos son independientes de otros y su ocurrencia
no puede ser predecida exactamente.
● Programados: Los clientes arriban a ser atendidos de una
manera programada (un paciente cada 15 minutos) o de
una manera aleatoria.

c. Comportamiento de las llegadas.

La mayoría de los modelos de colas asume que los clientes son pacientes o sea que
esperan en la cola hasta ser servidos y no se pasan entre colas.
Desafortunadamente, la vida es complicada y la gente se reniega. Aquellos que se
impacientan por la espera, se retiran de la cola sin completar su transacción.

Esta situación sirve para acentuar el estudio de la teoría de colas y el análisis de las
líneas de espera, ya que un cliente no servido es un cliente perdido y hace mala
propaganda de ese negocio.

2. Disciplina en la cola

Es el segundo componente de un sistema de colas. La longitud de la cola puede ser

también

● Cola LIMITADA es aquella que por aspectos físicos no puede

incrementarse a tamaños infinitos. Puede ser el caso de una
peluquería que tiene pocos peluqueros y sillas para atender.
● Una cola es ILIMITADA cuando su tamaño no tiene restricción
como es el caso de una estación de peaje.

DISCIPLINA EN LA COLA mediante la cual los clientes reciben el servicio. La mayoría

de los sistemas usan la regla Primero En Entrar Primero En Salir (First In First
Out). En las áreas de emergencia de hospitales sin embargo se omite esta regla
dependiendo de la gravedad de las lesiones de las personas que arriban por auxilio
médico.

En supermercados, personas con menos de 10 artículos tienen la caja express que

atiende a este tipo de clientes. Pero en la cola se les atiende con la política FIFO.

3. Servicio

El tercer elemento de un sistema de colas es el SERVICIO. En él son importantes dos

propiedades básicas:

1. La configuración del sistema de servicio.

2. El patrón de tiempos de servicio

Los sistemas para el servicio son clasificados en función del número de canales
(servidores) y el número de fases (número de paradas que deben hacerse
durante el servicio).

● Sistema de cola de un solo canal: tiene un solo servidor. Ejemplos de ello son
los cajeros para automovilistas o los establecimientos de comida rápida.
● Sistema de cola multi-canal: Son principalmente los cajeros de un banco en
los cuales hay una sola cola y varias personas atendiendo a los clientes en
diversas cajas.
● Sistema de una sola fase: es aquel en el cual el cliente recibe el servicio de
una sola estación y luego abandona el sistema. Un restaurant de comida rápida
en el cual la persona que toma la orden también le entrega el alimento y cobra,
es un sistema de una sola fase
● Sistema multifase: cuando se pone la orden en una estación, se paga en una
segunda y se retira lo adquirido en una tercera
​
​ 1.5 El arte de modelado

Los modelos desarrollados anteriormente son representaciones exactas de situaciones

reales. Esto es raro en la IO, ya que la mayoría de las aplicaciones suelen implicar
diversos grados de aproximación. La figura siguiente ilustra los niveles de abstracción
que caracterizan el desarrollo de un modelo de IO. Abstraemos de la situación real el
mundo real supuesto al concentrarnos en las variables dominantes que controlan el
comportamiento del sistema real. El modelo expresa de una manera razonable las
funciones matemáticas que representan el comportamiento del mundo real supuesto.
 ​ Ejemplos:

1. Imagina que tiene un compromiso de “negocios” que requiere 5 semanas

de traslado continuo entre Francia (F) y Durango (D). Sale de Francia los
lunes y regresa los miércoles. Un boleto regular de viaje redondo cuesta
$400, pero se ofrece 20% de descuento si el viaje redondo comprende un
fin de semana. Un boleto sencillo en cualquier dirección cuesta 75% del
precio regular. ¿Cómo debe comprar los boletos para reducir el costo del
traslado durante las 5 semanas?

Podemos considerar la situación como un problema de toma de decisiones,

cuya solución requiere responder tres preguntas:

1. ¿Cuáles son las alternativas de decisión?

2. ¿Conforme a qué restricciones se toma la decisión?

3. ¿Cuál es el criterio objetivo apropiado para evaluar las alternativas?

Solución:

Se consideran tres alternativas razonables:

1. Comprar cinco boletos normales F-D-F para salir el lunes y regresar el miércoles de la
misma semana.

2. Comprar un boleto F-D, cuatro D-F-D que abarquen fines de semana, y uno D-F

3. Comprar un boleto F-D-F para el lunes de la primera semana y el miércoles de la

última semana, y cuatro D-F-D para los viajes restantes. Todos los boletos en esta
alternativa cubren por lo menos un fin de semana.

La restricción en estas opciones es que pueda salir de F el lunes y regresar el miércoles

de la misma semana.

Un criterio objetivo obvio para evaluar la alternativa propuesta es el precio de los

boletos. La alternativa que dé el costo mínimo será la mejor. Específicamente, tenemos:

Costo de la alternativa 1: 5 x 400 = $2000

Costo de la alternativa 2: .75 x 400 + 4 x(.8 x 400) + -.75 x 400 = $1880

Costo de la alternativa 3: 5 x (.8 x 400) = $1600

La alternativa 3 es la mejor porque es la más económica.

2: Considere la formación de un rectángulo de área máxima con un trozo de

alambre de “L” pulgadas de longitud. ¿Cuál será el mejor ancho y altura del
rectángulo?

w = ancho del rectángulo en pulgadas,

h = altura del rectángulo en pulgadas.

Con base en estas definiciones, las restricciones de la situación pueden expresarse

verbalmente como

1. Ancho del rectángulo 1 altura del rectángulo 5 la mitad de la longitud del alambre.

2. El ancho y la altura no pueden ser negativos.

Estas restricciones se traducen de manera algebraica como sigue

1. 2(w + h) = L

2. w >= 0, h >= 0

Ahora el único componente restante es el objetivo del problema; es decir, maximizar el

área del rectángulo. Si z se define como el área del rectángulo, el modelo completo es

Maximizar z = wh

sujeto a

2(w + h) = L

w, h >= 0
Utilizando cálculo diferencial, la mejor solución de este modelo es la cual requiere la
construcción de una forma cuadrada.

Fases de estudio de la I.O

Las fases de estudio de la I.O son las siguientes:

Definición del problema: desde el punto de vista de la I.O nos indica 3 aspectos
principales que son:

a) Una descripción de la meta u objetivo del estudio

b) Una identificación de las alternativas de decisión

c) Un reconocimiento de las limitaciones y restricciones como los requisitos del

sistema. Una descripción del objetivo del estudio debe reflejar una representación
aproximada del interés total del sistema, una falla común en este aspecto es identificar
algunas metas representando solamente una porción del sistema.

Construcción del modelo: dependiendo de la definición del problema, el equipo de

I.O deberá decidir el modelo más adecuado para representar el sistema. Tal modelo
deberá especificar expresiones cuantitativas para el objetivo y restricciones del
problema. Si el modelo resultante se ajusta a uno de los modelos matemáticos
comunes para obtenerse una solución conveniente mediante técnicas matemáticas. Si
las relaciones matemáticas de modelos son demasiado complejas para permitir
soluciones y puede ser apropiado un modelo de simulación.

Solución del modelo: en modelos matemáticos se logra una solución utilizando

técnicas de optimización y se dice que este modelo proporcionara una solución óptima
si se utiliza los modelos de simulación y heurísticos, el concepto de optimización no
está también definido y la solución en estos casos se emplea para obtener
evaluaciones aproximadas.

Además de la solución del modelo se debe asegurar información adicional sobre el

comportamiento de la solución debida a cambios en los parámetros del sistema.
Usualmente esto se conoce como análisis de sensibilidad. Tal análisis es especialmente
necesario cuando los parámetros del sistema no pueden estimarse aproximadamente.

Validación del modelo: un modelo es válido si independientemente de sus

inexactitudes al representar el sistema puede dar una predicción confiable del
funcionamiento del sistema. Un método común para probar la validez de un modelo es
comparar su funcionamiento con algunos datos pasados con los disponibles del
sistema actual. El modelo será válido si bajo condiciones similares de entrada puede
reproducir el funcionamiento pasado del sistema.
Implantación de los resultados finales: esto implicaría básicamente la traducción
de estos resultados en instrucciones de operaciones detalladas y emitidas en forma
comprensible a los individuos que administran y operan el sistema.

Formulación de problemas lineales más comunes

Ejemplo: Un fabricante de muebles tiene 6 unidades de madera y 28 horas disponibles,

durante las cuales fabricará biombos decorativos. Con anterioridad se han vendido
bien 2 modelos de tal manera que se limitara a producir solo 2 tipos. Estima que el
modelo 1 requiere 2 unidades de madera y 7 horas de tiempo, mientras que el modelo
2 requiere 1 unidad de madera y 8 horas de tiempo disponible. Los precios de los
modelos son $120 y $ 80 respectivamente. Cuantos biombos de cada modelo se debe
fabricar si se desea maximizar sus ingresos de ventas:

Ecuación $ función objetivo:

Z = 120 x1 + 80 x2

2x1 + x2 <= 6 ------- madera

7x1 + 8x2 <= 28 ---- tiempo D

Ejemplo: Una firma de contadores públicos especializados en preparar liquidaciones y

pago de impuestos así como auditorías en empresas pequeñas. El interés es saber
cuántas auditorías y liquidaciones pueden realizar mensualmente de tal manera que
obtengan los máximos ingresos. Se dispone de 800 horas para trabajo directo y 320
horas para revisión. Una auditoría en promedio requiere de 40 horas de trabajo directo
y 10 horas de revisión además aporta un ingreso de $300. Una liquidación de
impuestos requiere 8 horas de trabajo directo y 5 horas de revisión y produce un
ingreso de $100. Determina la función objetivo y sus ecuaciones de restricción.
Ecuación $ función objetivo:

Z = 300 x1 + 100 x2

40x1 +8 x2 <= 800 horas de trabajo

10x1 + 5x2 <=320 horas de revisión

Ejemplo: Una compañía manufacturera local produce 2 diferentes productos

metálicos que debe maquinarse pulirse y ensamblarse. Las necesidades específicas en

tiempo (horas) para cada producto son las siguientes:

Función objetivo: Z = 6 x1 + 4x2

Maquinado 3x1 + 2x2 <= 480

Pulido x1 + x2 <= 400

Ensamble 2x1 + x2 <= 400

Programación lineal
Método Gráfico.

El método grafico se utiliza para la solución de problemas de PL, representando

geométricamente a las restricciones, condiciones técnicas y el objetivo. El modelo se

puede resolver en forma geométrica si solo se tiene 2 variables. Para modelos con 3 o
más variables el método grafico es impráctico o imposible. Cuando los ejes son
relacionados con las variables del problema, el método es llamado método grafico en
actividad. Cuando se relacionan las restricciones tecnológicas se denomina método
grafico en recursos.

*PL.- es una técnica mediante la cual se toman decisiones reduciendo el problema bajo
estudio a un modelo matemático general.

Maximizar y Minimizar.

Podemos maximizar y minimizar por el método grafico nuestros problemas y nos lleva
a un resultado exacto al igual que el simplex solo que este es aún más fácil, pues como
al principio mandas en la ecuación a X cero y después Y así te da el primer punto a
graficar y así con las demás ecuaciones, el punto donde se intersectan dos o más
líneas de las ecuaciones es el punto solución, este se sustituye debidamente cada
número en

Su variable en la función objetivo para dar la comprobación. Así el espacio debajo del
punto de intersección es para maximización y se presenta el resultado por ejemplo
Z=10, para la minimización es lo mismo solo se toma el punto solución como lo más y el
resultado de igual solo que se representaría –Z=10 y la zona factible cabe en la parte
mayor de la gráfica.

Pasos necesarios para realizar el método.

1. Graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan

todas las restricciones en forma simultánea.

2. Las restricciones de no negatividad Xi>= 0 confían todos los valores posibles.

3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en

primer término <= por (=) para cada restricción, con lo cual se produce la ecuación de

una línea recta.

4. Trazar cada línea recta en el plano y la región en cual se encuentra cada restricción

cuando se considera la desigualdad lo indica la dirección de la flecha situada sobre la

línea recta asociada.

5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen
todas las restricciones y por consiguiente, representa un punto factible.

6. Aunque hay un número infinito de puntos factibles en el espacio de soluciones, la

solución óptima puede determinarse al observar la dirección en la cual aumenta la
función objetivo.

Las líneas paralelas que representan la función objetivo se trazan mediante la

asignación de valores arbitrarios a fin de determinar la pendiente y la dirección en la
cual crece o decrece el valor de la función objetivo.

Ejemplo: Un departamento de publicidad tiene que planear para el próximo mes una
estrategia de publicidad para el lanzamiento de una línea de T.V. a color tiene a
consideración 2 medios de difusión: La televisión y el periódico.

Los estudios de mercado han mostrado que:

1. La publicidad por T.V. Llega al 2 % de las familias de ingresos altos y al 3 % de las

familias de ingresos medios por comercial.

2. La publicidad en el periódico llega al 3 % de las familias de ingresos altos y al 6 % de

las familias de ingresos medios por anuncio. La publicidad en periódico tiene un costo
de 500 dls. Por anuncio y la publicidad por T.V. tiene un costo de 2000 dls. Por
comercial. La meta es obtener al menos una presentación como mínimo al 36 % de las
familias de ingresos altos y al 60 % de las familias de ingresos medios minimizando los
costos de publicidad.
Referencias

Altier, W., The Thinking Manager’s Toolbox: Effective Processes for Problem Solving and Decision
Making, Oxford University Press, Nueva York, 1999.

Checkland, P., Systems Thinking, System Practice, Wiley, Nueva York, 1999.

Evans, J., Creative Thinking in the Decision and Management Sciences, South-Western
Publishing, Cincinnati, 1991.

Gass, S., “Model World: Danger, Beware the User as a Modeler,” Interfaces, vol. 20, núm. 3, págs.
60-64, 1990.

Morris, W., “On the Art of Modeling”, Management Science, vol. 13, págs. B707-B717, 1967. Paulos,
J., Innumeracy: Mathematical Illiteracy and Its Consequences, Hill and Wang, Nueva York, 1988.

Singh, S., Fermat’s Enigma, Walker, Nueva York, 1997.

Willemain, T., “Insights on Modeling from a Dozen Experts”, Operations Research, vol. 42, núm.
2, págs. 213-222, 1994.