Zar Cudini Gisela – Aguirre Daniela

UNIDAD Nº1: “MODELOS CUANTITATIVOS PARA LA ADMINISTRACIÓN”

CONSTRUCCIÓN DE MODELOS Y CIENCIA DE LA ADMINISTRACIÓN:

Resuelve problemas a través de la construcción de modelos. La construcción de modelos
es un medio que permite a los administradores analizar y estudiar problemas, así como
también examinar diferentes alternativas.
Existen 3 tipos de modelos el mental, de escala y matemático
Los modelos matemáticos se relacionan con la toma de decisiones en la administración. Se
utilizan dos tipos de variables, independientes (la de entrada) y dependiente (la de salida).

LOS MODELOS MATEMÁTICOS Y LA CIENCIA DE LA ADMINISTRACIÓN:

Modelos normativos comparados con modelos descriptivos:
Existen dos clases principales en los modelos matemáticos:
 Modelo descriptivo: Es el que representa una relación pero que no indica ningún
curso de acción.
 Modelo Normativo: En ocasiones se denomina modelo de optimización, es
prescriptivo porque señala el curso de acción que el administrador debe seguir para
alcanzar un objetivo definido. Están constituidos por 3 conjuntos básicos de
elementos:
- Variables de decisión y parámetros: las cantidades desconocidas que deben
determinarse en la solución del modelo son las variables de decisiones. Los
parámetros son los valores que describen la relación entre las variables de
decisión.
- Restricciones: son limitaciones físicas que se expresan como funciones
matemáticas (submodelos descriptivos).
- Función objetivo: Define la efectividad del modelo como función de las
variables de decisión. Se obtiene la solución óptima del modelo cuando los
valores de las variables de decisión arrojan el mejor valor de la función
objetivo, al mismo tiempo que se satisfacen todas las restricciones.

Clasificación de los modelos:

 Modelos deterministicos: Son las relaciones funcionales, los parámetros del
modelo se conocen con certidumbre
 Modelos estocásticos: incorpora la incertidumbre, puede tener algunas relaciones
funcionales que sean deterministicas y estocásticas o todas pueden ser estocásticas.
Se optimiza la función objetivo para obtener los resultados esperados máximos o
mínimos.
 Modelos lineales o no lineales: El modelo lineal es en el que todas las relaciones
funcionales implican que la variable dependiente es proporcional a las variables
independientes. Los modelos no lineales utilizan ecuaciones curvilíneas y no
proporcionales
 Modelos estáticos: Se definen en un punto fijo del tiempo y se supone que las
condiciones del modelo no cambian para este periodo específico en el proceso de
solución del modelo.
 Modelo dinámico: Un modelo dinámico difiere de un estático en que el curso de
acción mejor u optimo se examinando periodos múltiples.
 Modelo de simulación: Es un proceso de planteamiento de modelos y
experimentación que se utiliza para describir y/o analizar un problema.

1
 Zar Cudini Gisela – Aguirre Daniela

Procesos de Solución
1. Algoritmo: es un conjunto de procedimientos o reglas que cuando se siguen
en forma ordenada proporciona la mejor solución para un modelo
determinado
2. Métodos Heurísticas: Se utiliza para desarrollar soluciones aproximadas
aceptables. Se basa en reglas intuitivas que, cuando se aplican al modelo,
proporcionan una o mas soluciones.
3. Simulación: Cuando no se puede resolver un modelo en forma matemática
se utiliza la simulación para analizar el problema, pero la solución que se
obtiene no necesariamente es la optima. Cuando no se puede utilizar este
método, se utiliza el heurística

El proceso de solución de problemas:

1. Identificación, observación y planteamiento del problema: 1º Comienza cuando
quien toma las decisiones observa la realidad y se da cuenta que un resultado que
se desea no se está produciendo bajo las operaciones existentes. 2º Incluye a quien
construye el modelo y quien toma las decisiones. Se identifica las variables y las
relaciones claves. Se describe en forma verbal el problema. 3º Este problema es
una descripción narrativa de las variables, las restricciones y el objetivo.
2. Construcción del modelo: Implica el desarrollo del modelo, se deben identificar las
variables controlables (pueden manipularse o modificarse por quien toma
decisiones) y no controlables (no pueden cambiarse).
3. Generación de una solución: Desarrollo del algoritmo o proceso de selección.
4. Prueba y evaluación de la solución: Se evalúa y se prueba el modelo adoptado o
desarrollado, con el objetivo de determinar si se produce resultados útiles para el
problema original. Se debe comparar lo planificado con la realidad. Se modificará
el modelo si no satisface las necesidades de quien toma decisiones.
5. Implante: Es el implante del modelo validado. Los administradores deben
participar durante todo el proyecto durante todo el desarrollo.
6. Evaluación: Evaluación en revisión del modelo. Debe evaluarse en forma continua
para determinar si los valores de los parámetros han cambiado y/o para ver si el
modelo sigue satisfaciendo las metas de quien toma las decisiones.

Restricciones en el campo de la CA/IO

Una limitación es la necesidad de hacer consideraciones al estructurar o plantear el
problema que se aborda. Se realizan simplificaciones cuando el problema original es
complejo.
La segunda limitación es que la mayoría de los modelos consideran solo una función
objetivo.
Otra área del problema es el tamaño del sistema de ecuaciones (restricciones del
problema). Esto plantea dos problemas, el primero en los círculos académicos existe una
tendencia a examinar problemas pequeños y únicos con el objeto de ilustrar el modelo
concepto. El segundo se refiere a la cantidad de cálculos.
Un área final de problemas que deben considerarse es la comparación de costos y
beneficios. (Antes de emprender el proyecto deben evaluarse).

2
 Zar Cudini Gisela – Aguirre Daniela

UNIDAD Nº2 “INTRODUCCIÓN A LAS MODELOS DE PROGRAMACION

LINEAL”

Características de los problemas de Programación Lineal

 Un solo objetivo: Es posible considerar la maximización o la minimización de las
utilidades. Por ejemplo la maximización de las utilidades se denomina función
objetivo del problema.
 Restricciones: El objetivo esta sujeto a restricciones, limitaciones.
 Proporcionalidad: la función objetivo y las restricciones deben ser proporcionales
al nivel de fabricación de cada producto.
 Divisibilidad: Divisibilidad de las variables.
 Aditividad: el total es igual a la suma de las partes y no hay efecto de interacción
entre los niveles de producción.
 No negatividad de los productos: no se esperaría fabricar menos de 0 unidades.

Método gráfico para resolver problemas de Programación Lineal

Paso 1: Plantear el problema en términos matemáticos
- definir las variables de decisión
- plantear en términos matemáticos la función objetivo o de utilidad
- plantear en términos matemáticos las restricciones sobre los recursos
Paso 2: Graficar las restricciones
Paso 3: Graficar la función objetivo: Para maximizar utilidades debe encontrarse la recta
isoutilidad que esté más alejada del origen, pero que se mantenga en contacto con la
región factible.
Paso 4: Encontrar el punto con más altas utilidades: Los puntos que resulta necesario
considerar para buscar el óptimo son los que se encuentran sobre la frontera o parte
extrema de la región factible. Para cualquier punto que se encuentra en la región factible,
existe un punto con mayores utilidades que está sobre la frontera de la región factible. Los
únicos puntos sobre la frontera que es necesario considerar son las esquinas. Una solución
óptima para un problema de PL siempre ocurre en un vértice de la región factible, porque
para cualquier otro punto que se encuentra sobre la frontera siempre hay un vértice que
tiene la misma utilidad o mayor. Cada vértice ocurre en la intersección de dos
restricciones.

Conversión de desigualdades en igualdades:

El proceso de convertir desigualdades en igualdades implica añadir una variable de
holgura (S) a las desigualdades de menor o igual, y restar una variable de excedente de las
desigualdades mayor o igual que.
Al añadir variables de holgura a cada una de las desigualdades de restricción se tiene un
modelo modificado que contiene solo igualdades, es decir, se tiene un sistema de
ecuaciones. Todas las variables de holgura que se añaden, son iguales o mayores que cero.
Al añadir variables de holgura y de excedente alas desigualdades de restricción, es posible
convertir un sistema de desigualdades en un sistema de igualdades.

Obtención de soluciones factibles básicas:

La razón por la cual se transforman las desigualdades en igualdades en el algoritmo
simples es para formar un conjunto de ecuaciones que puedan utilizarse para identificar las
esquinas o vértices.
Las variables que se igualan a cero se denominan variables no básicas, y las que se usan
para resolver las ecuaciones se denominan variables básicas.

3
 Zar Cudini Gisela – Aguirre Daniela

Para diferenciar las soluciones factibles de las que no lo son, se identifica como solución
factible básica cada solución en la que todas sus variables son no negativas. Las soluciones
factibles básicas son las esquinas o los vértices de la región factible.

Es necesario tener en cuenta 5 puntos clave con respecto al análisis de la PL:

- Un problema de programación lineal está formado por una función objetivo
y una o más restricciones.
- La solución óptima de un problema de PL ocurre en un vértice o esquina de
la región factible.
- Las restricciones deben convertirse en igualdades añadiendo variables de
holgura o restando variables de excedente.
- Los valores de las variables en los vértices pueden encontrarse resolviendo
m ecuaciones simultaneas para las m variables básicas e igualando a cero
las restantes n=m variables no básicas.
- Un vértice que tiene todas sus variables no negativas y es el mayor valor
para las utilidades se denomina solución óptima.

Tipos de procedimientos de computadora:

Existen dos tipos de procedimientos computarizados para resolver problemas de PL. Se
denominan procesamiento por lote e interactivo. El procesamiento por lote se refiere a que
se reúnen en un solo conjunto de tarjetas el programa de computadora y todos los datos
asociados, el que a su vez se introduce en la computadora a través de una lectora de
tarjetas. El procesamiento interactivo se refiere a la interacción del usuario con la
computadora a través de una terminal remota, normalmente una pantalla de rayos
catódicos o un teletipo. En un proceso interactivo se introducen datos a través de la
terminal, por lo general en respuesta a solicitudes de la computadora.
Los programas por lote por lo general, pueden adquirirse con los vendedores de
computadoras y se utilizan para resolver problemas de PL.
Por lo general, para propósitos de enseñanza se usan programas interactivos de PL. Es
común que el formato para los datos de entrada no sea muy estructurado.

4
 Zar Cudini Gisela – Aguirre Daniela

“PROGRAMACIÓN LINEAL: PLANTEAMIENTO DE MODELOS”

Programación lineal: planteamiento de modelos

Estructura de los planteamientos
Es posible enunciar que un problema puede resolverse a través de la programación lineal
si satisface los siguientes requerimientos:
1. Puede plantarse una función objetivo para l problema en términos de variables de
decisión (x1 x2).
2. Las variables del problema deben esta interaccionadas para genera el resultado
total, es decir, puede dejar de fabricarse un producto (v) para fabricar otro (v).
3. Las restricciones relacionadas con la disponibilidad o uso de los recursos, la
satisfacción de los requerimientos o el surtimiento de la demanda deben ser de
forma línea.
4. Los valores de las variables en la solución pueden ser fraccionarios, peo deben ser
>= cero.

El arte de plantar problemas

La habilidad para transformar un problema del mundo real en un modelo de PL
debidamente planteado es un arte, se presentan dificultades con el proceso de
planteamiento
Al plantear los problemas, se ha encontrado que los siguientes procedimientos son
útiles:
 Debe concentrarse la atención en identificar el objetivo general.
 Debe plantearse el objetivo en forma verbal.
 Se debe identificar y plantear en forma verbal las variables.

Trasformar las descripciones verbales en estructura matemática

 Identificar y decidir las variables de decisión (x).
 Identificar los coeficientes de contribución (c) asociados a cada variable
 Plantear la función objetivo y verificar que existe consistencia en las unidades de
medición.
 identificar la tasa física de los coeficientes de sustitución (a)
 Identificar los recursos o requerimientos disponibles, o sea, los coeficientes del
segundo término (b).
 Plantar las restricciones relacionadas con cada uno de los respectivos recursos o
requerimientos y verificar que haya consistencia en las unidades de medición para
cada restricción.
 Definir las condiciones de no negatividad asociadas a las variable de decisión.

Variables continuas y variables discretas.

Las variables en la solución pueden ser fraccionarias o continuas, esta solución o siempre
resulta practica en el mundo real (ej., hablamos de un auto, no podemos hablas de medio
auto), puede evitarse este problema en la PL redondeando los valores continuos para que
sean discretos, sin embargo esto no siempre da como resultado una solución factible.

5
 Zar Cudini Gisela – Aguirre Daniela

Problemas de un solo periodo (estático)

La aplicación mas fundamental de los periodos únicos en la PL puede encontrarse en los
que se denominan problemas de asignación de recursos, es decir, problemas en los que
existen recursos limitados y se usa la utilización máxima de ellos.

Problemas con periodos múltiples.

Existen numerosas situaciones en las que los administradores deben tomar en
consideración cambios que pueden ocurrir en períodos futuros.
Podría argumentarse que el problema con múltiples periodo que se presenta al considerar
estos factores (inflación), podría considerarse subproblemas en donde cada uno
simplemente implica optimizar la operación de la organización durante un solo periodo, lo
cual implica una subopitimizacion, es decir la sumas de las soluciones optimas para cada
subperíodo seria inferior a las solución opima si se consideran a todos los periodos en
forma colectiva.

6
 Zar Cudini Gisela – Aguirre Daniela

UNIDAD Nº3: “EL METODO SIMPLEX”

Un método Algebraico:
El método algebraico requiere las siguientes etapas:
1. Identificar una solución básica inicial
2. Determinar si existe una solución factible mejor. Si existe una mejor solución,
llevar a cabo la etapa 3, si no es así, la solución que se tiene es la óptima.
3. Pasar a la mejor solución factible cambiando una variable no básica por una básica,
haciendo que todas las variables sigan siendo no negativas, y después volver a la
etapa 2.
La tabla Simplex:
La primera etapa al aplicar el método simplex (al igual que en el caso del enfoque
algebraico) consiste en transformar todas las desigualdades de restricción en igualdades
añadiendo variables de holgura y restando variables de excedente.
Con el objeto de identificar la primera tabla o tabla inicial, se requiere saber que variables
serán básicas y cuales serán no básicas. Identificar una solución factible básica inicial
puede no siempre ser tan sencillo, a menos que se utilicen ciertos procedimientos para
identificar las variables básicas. El procedimiento más eficiente para hacer esto es
considerar una matriz identidad de m x m con los coeficientes de las restricciones.
Este proceso de elegir una matriz identidad siempre dará como resultado una solución
factible básica inicial y siempre permitirá identificar el conjunto inicial de variables
básicas. Sin embargo, adicionar variables de holgura y restar variables de excedente de las
desigualdades de restricción, para convertirlas en igualdades de restricción no siempre
produce una matriz identidad con los coeficientes de las restricciones. Puede ser necesario
anexar otras variables (variables artificiales) con el objeto de completar la matriz

Mejora la solución:
El renglón cj – zj de la tabla se utiliza para determinar si la solución que se ha alcanzado es
óptima, y si no lo es, para determinar que variable debe incluirse en la base. Los números
del renglón cj – zj reflejan el cambio en la función objetivo que se dará al incluir una
unidad de la variable Xj en la base. Si al examinar cj – zj todas las cantidades de renglón
son cero o negativas, entonces la solución que se tiene es la óptima; bajo estas condiciones
incluir una variable adicional en la base no aumenta las utilidades.
Variable que entra: la selección de la variable que debe incluirse en la base parte de los
valores del renglón cj – zj de la tabla. Se elige la variable que tenga el mayor valor
positivo.
Variable que sale: Se elige dividiendo las cantidades de la columna del 2do término entre
los coeficientes positivos de la columna de la variable que entra.

Optimidad y óptimos alternos:

Optimidad: La solución para un problema de PL (un problema de maximización) es
óptima si todos los valores del renglón cj – zj son cero o negativos.
Óptimos alternativos: No siempre existe una solución óptima única. Si la función objetivo
es paralela a una de las restricciones que forman la región factible, habrá mas de una
solución optima.

Minimización:
El método simplex puede aplicarse a un problema de minimización si se modifican pasos
de algoritmo. Son necesarios dos cambios: En primer lugar, se cambia la prueba de

7
 Zar Cudini Gisela – Aguirre Daniela

optimidad, de manera que el proceso de solución continúa hasta que todos los valores del
renglón cj – zj sean ceros o positivos. En segundo lugar, la variable que entra es la que
tiene el valor más negativo.
Existe una forma de resolver problemas de minimización. Puede convertirse un problema
de minimización en uno de maximización simplemente multiplicando los coeficientes de
la función objetivo del problema de minimización por -1. Una vez que se establece el
problema de maximización, simplemente se continúa con el procedimiento simplex
normal de maximización.

Variables artificiales:
Las variables artificiales se utilizan en el método simplex solo como auxiliares para
identificar una solución factible básica inicial para el problema. Estas variables son
necesarias cuando un problema contiene restricciones de mayor que o igual a y de
igualdad. Las variables artificiales se utilizan para completar la matriz de identidad, y de
esta manera permitir una solución inicial.
La regla para usar variables artificiales es añadir una de esas variables a cada restricción
de “mayor que o igual a” o “de igualdad”, que existan en el problema original. Estas
variables pueden incluirse cuando se añaden las variables de holgura y las de excedente.

El proceso de solución con variables artificiales:

Las variables artificiales proporcionan un medio conveniente ara identificar la solución
factible básica inicial, que es el punto inicial para aplicar el método simplex. Puesto que
esas variables no tienen significado en términos de la solución para el problema, debe
utilizarse algún procedimiento para asegurar que no aparezcan en la tabla final.
Para un problema de maximización, puede asegurarse que las variables artificiales no
aparezcan en la solución final asignándoles números negativos grandes como coeficientes
en la función objetivo.

Valores negativos en el segundo término, o lado derecho del signo de igualdad

Las restricciones que tengan valores negativos en el segundo término, deben convertirse
en valores positivos. Consiste en multiplicar ambos términos de la restricción por -1, y si
la restricción es una desigualdad, invertir el sentido de la desigualdad.

PROBLEMAS ESPECIALES:

Problemas no acotados:
En ocasiones, en problemas de PL, un error en el planteamiento da como resultado que el
problema no tenga solución óptima.
Dado que la región factible de un problema no acotado carece de frontera, es imposible
que el método simplex pase de un vértice a otro alrededor de la región factible al buscar la
solución óptima. Cuando no hay coeficientes positivos, no puede calcularse la siguiente
base. Esta condición en el proceso de solución es señal de que la solución óptima es no
acotada.

Problemas inconsistentes:
Otra situación que se presenta por errores en el planteamiento de problemas de PL es el de
restricciones inconsistentes. En esta situación no existe una sola región factible porque las
restricciones se violan entre sí.
Puesto que todos los valores del renglón cj – zj (maximiz) son ceros o negativos, se tiene la
solución optima; pero la solución contiene una variable artificial. Esto indica que la

8
 Zar Cudini Gisela – Aguirre Daniela

solución no es factible para el problema. Si el método simplex llega al óptimo y existen

una o más variables artificiales en la base a un nivel diferente de cero, el problema carece
de solución factible. La solución resultante no tiene significado puesto que contiene
variables artificiales.

Problemas degenerados:
La degeneración es otro problema especial que puede ocurrir cuando se utiliza el método
simplex. A diferencia de los problemas no acotados y los no factibles, la ocurrencia de
degeneración no impide que se alcance la solución óptima. La degeneración puede ocurrir
en el método simplex durante el proceso de pivoteo cuando se tiene un empate al
determinar la variable que se debe salir de la base.
Cuando se presenta la degeneración, una o más de las variables básicas se vuelven
estrictamente no positivas; es decir, una solución factible básica tiene una o más variables
básicas que son iguales a cero; éstas son variables degeneradas. En términos geométricos,
la degeneración ocurre cuando un vértice está definido por “demasiadas” restricciones.

9
 Zar Cudini Gisela – Aguirre Daniela

UNIDAD Nº4: “PROGRAMACION LINEAL: METODO DE

TRANSPORTE”

Definición y aplicación del método de transporte:

El modelo de transporte busca determinar un plan de transporte de una mercadería de
varias fuentes a varios destinos. Entre los datos del modelo se cuentan:
1. El nivel de oferta en cada fuente y la cantidad de la demanda en cada destino.
2. El costo de transporte unitario de la mercancía de cada fuente a cada destino.
El objetivo del modelo es el de determinar la cantidad que se enviará de cada fuente a cada
destino, tal que se minimice el costo de transporte total.
La definición de unidad de transporte variará dependiendo de la mercancía que se
transporte.
Una fuente o un destino esta representado por un nodo. El arco que una fuente y un
destino representa la ruta por la cual se transporta la mercancía.
Cantidad de oferta: Ai (m)
Cantidad demandada: Bj (n)
Costo de transporte unitario: Cij
Si Xij representa la cantidad transportada desde la fuente i al destino j entonces, el modelo
general de PL que representa el modelo de transporte es:

Ecuación:
(Pág. 228)

Restricción 1: la suma de los envíos desde una fuente no puede ser mayor que su oferta.
Restricción 2: la suma de los envíos a un destino satisfaga a su demanda

Cuando la oferta total es igual a la demanda total: , la

formulación resultante recibe el nombre de: modelo de transporte equilibrado.
Un modelo de transporte siempre puede equilibrarse.
Un método mas resumido para representar el modelo de transporte consiste en utilizar lo
que se llama tabla de transporte. Esta es una forma de matriz donde sus renglones
representan las fuentes y las columnas el destino. Los elementos de costo C ij se resumen
en la esquina noroeste de la celda de la matriz.
La razón principal para desear equilibrar el problema de transporte (es decir, convertir
todas las restricciones a ecuaciones) es que permite el desarrollo de un procedimiento de
calculo eficiente.
Cuando la demanda es mayor que la oferta, se puede agregar una fuente ficticia. Lo mismo
ocurrirá si sucede lo contrario, donde se agregara un destino ficticio que absorba la
diferencia.
La aplicación del modelo de transporte no se limita al problema del transporte de
mercancía entre la procedencia geográfica y destino, también trata sobre la asignación de
trabajo a maquinas o personal
Cuando son rutas no factibles le asigno un costo “m” muy alto.

10
 Zar Cudini Gisela – Aguirre Daniela

SOLUCION DEL PROBLEMA DE TRANSPORTE

El método aplica los pasos del método simplex en forma directa y difiere solo en los
detalles de implantación de las condiciones de optimizad y factibilidad.

Técnicas de Transporte:
Los pasos básicos de la técnica de transporte
a) Determine una solución factible inicial
b) Determine la variable que entra, que se elige entre las variables no básicas.
c) Determine la variable que sale (mediante el uso de condición de factibilidad) de
entre las variables de la solución básica actual, obtenga la nueva solución básica.
a) El modelo de transporte tiene m+n-1 ecuaciones independientes, por lo tanto como
en el método simplex, una solución factible básica inicial debe incluir m+n-1 variables
básicas.
Regla de la esquina noroeste: Comienza asignando la máxima cantidad posible a la
variable X11, de manera que satisfaga totalmente la demanda, o bien se agote la oferta.
Costo mínimo y aproximación de Vogel: Son procedimientos que suelen producir
soluciones iniciales óptimas, en el sentido de que los variables asociados de la función
objetivo son más chicos.
b) Método de multiplicadores: La variable que entra se determina mediante el uso de
la condición de optimizad del método simplex. Otro método llamado procedimiento
saltando piedras, también sirve para determinar la variable que entra.
Los multiplicadores deben satisfacer la siguiente ecuación: Ui + Vj = Cij para cada variable
básica Xij. Estas ecuaciones produce m + n - 1 ecuaciones con m + n incógnitas.
Los valores de los multiplicadores se pueden determinar a partir de estas ecuaciones
suponiendo un valor arbitrario para cualquiera de los multiplicadores (por lo general u se
hace cero) y resolviendo las m + n – 1 multiplicadores desconocidos restantes.
Al hacer esto, la evaluación de cada variable no básica Xpq está dada por

Cpq = up + vq – cpq para cada variable no básica Xpq.

c) Determinación de la variable que sale (construcción de un ciclo): Este paso es
equivalente al aplicar la condición de factibilidad del método simplex.
Para el fin de determinar la razón minima, construimos un ciclo cerrado para la variable
actual que entra. El ciclo empieza y termina en la variable no básica designada.
El ciclo empieza y termina en la variable no básica designada. Los puntos extremos deben
ser variables básicos, salvo en los puntos extremos que están asociados a la variable que
entra.
Todo elemento de esquina del ciclo debe ser una celda que contenga una variable básica.
Este ciclo se puede definir en términos de las variables básicas.
La variable que sale es aquella de menor valor.
La solución básica es degenerada cuando la variable básica son cero.
Los valores de Cpq están dados por los números de la esquina suroeste de cada celda no
básica. (para calcular optima)

Explicación del método de multiplicadores como un método simplex

Se puede establecer demostrando que Cpq, según se define, es igual directamente a los
coeficientes de la función objetivo de la tabla simplex asociada con la interacción.
Los multiplicadores u y v no son mas que los multiplicadores simplex. (variables duales).
En la interacción óptima los multiplicadores producen los valores duales óptimos
directamente.

11
 Zar Cudini Gisela – Aguirre Daniela

Solución inicial mejorada:

1. Método de costo mínimo:

Procedimiento:
Asigne el valor más grande posible a la variable con el menor costo unitario de toda la
tabla. Táchese el renglón o columna satisfecha. Después de ajustar la oferta y la demanda
de todos los renglones y columnas no tachados, repítase el proceso asignando el valor más
grande posible a la variable con el costo unitario no tachado más pequeño.

UNIDAD 5: “TEORÍA DE REDES”

12
 Zar Cudini Gisela – Aguirre Daniela

PROGRAMACIÓN DE PROYECTOS CON PERT-CPM

Un proyecto define una combinación de actividades interrelacionadas (secuencia lógica)

que deben ejecutarse en un cierto orden antes que el trabajo completo pueda terminarse.
Una actividad es un proyecto se ve como un trabajo que requiere tiempo y recursos para su
terminación.
La mejor herramienta conocida de planeación en el pasado, era el diagrama de barra de
Gantt. Su desventaja es que la interdependencia entre las actividades (la cual controla
principalmente el progreso del proyecto) no puede determinarse a partir de diagrama de
barras.
Existen dos técnicas analíticas para la planeación, programación y control del proyecto.
 Método de la ruta crítica(CPM):
 PERT (técnica de evaluación y revisión de proyecto):
Estas son iguales, ya que la única diferencia que existe son las estimaciones en el tiempo,
para las actividades se supusieron determinantes en CPM y probables en el PERT.
La programación de proyectos por PERT-CPM consiste en 3 fases básicas:
1. Planeamiento: Esta fase se inicia descomponiendo el proyecto en actividades
distintas. Las estimaciones de tiempo para estas actividades se determinan luego y
se construye un diagrama de red. Donde cada uno de sus arcos representa una
actividad. La ventaja que tiene es de estudiar los diferentes trabajos en detalle,
sugiriendo quizá mejoras antes de que el proyecto realmente se ejecute.
2. Programación: El objetivo es construir un diagrama de tiempo que muestre los
tiempos de iniciación y terminación para cada actividad, así como su relación con
otras actividades del proyecto. Señala actividades críticas. Para las actividades no
críticas se debe mostrar los tiempos de holgura que pueden utilizarse cuando tales
actividades se demoran o cuando se deben usar eficientemente recursos limitados.
3. Control: Fase final del proyecto, incluye el uso del diagrama de flechas y la grafica
en el tiempo para hacer reportes periódicos del progreso.

Representaciones con diagrama de flechas (RED)

El diagrama de flechas representa las interdependencias y relaciones de precedencia entre
las actividades del proyecto. Un evento representa un punto en el tiempo y significa
determinación de algunas actividades y comienzo de nuevas (evento de inicio y de
terminal). Los eventos están simbolizados por un nodo.
Reglas para construir el diagrama de flechas:
a) Cada actividad esta representada por una y solo una flecha en la red
b) Dos actividades diferentes no pueden identificarse por los mismos eventos terminal
y de inicio. Una situación como esta puede surgir cuando dos o más actividades
deben ejecutarse simultáneamente. El procedimiento es introducir una actividad
ficticia, también son útiles al establecer relaciones lógicas en el diagrama de
flechas, las cuales de otra manera no pueden representarse correctamente.
c) A fin de asegurar la relación de precedencia correcta en el diagrama de flechas, las
siguientes preguntas deben responderse cuando se agregan cada actividad a la red:
- ¿Qué actividades deben terminarse inmediatamente antes de que esta
actividad pueda comenzar?
- ¿Qué actividades deben seguir a esta actividad?
- ¿Qué actividades deben efectuarse simultáneamente con esta actividad?

Calculo de ruta crítica:

13
 Zar Cudini Gisela – Aguirre Daniela

Debido a la interacción de las diferentes actividades, la determinación de los tiempos de

inicio y terminación, requiere cálculos especiales. El resultado final es clasificar las
actividades de los proyectos como criticas o no criticas.
Se dice que una actividad es crítica, si una demora en su comienzo causará una demora en
la fecha de terminación del proyecto completo. Una actividad no crítica es tal que el
tiempo entre su comienzo de inicio más próximo y de terminación más tardío es mas
grande que su duración real. En este caso se dice que la actividad no crítica tiene un
tiempo de holgura.

Determinación de la ruta crítica:

Una ruta crítica define una cadena de actividades críticas, las cuales conectan los eventos
inicial y final del diagrama de flechas.
Existen dos fases para identificar la ruta crítica: Calculo hacia delante, y calculo hacia
atrás.
Calculo hacia adelante
El TIP es el tiempo de inicio mas próximo (calculo hacia delante)

TIPj = máx. (TIPi + Dij)

Calculo hacia atrás:

TTTi = mín (TTTj - Dij)

Una actividad está en la ruta crítica si satisface las 3 condiciones siguientes:

 TIPi = TTTi
 TIPj = TTTj
 TIPj - TIPi = TTTj - TTTi = Dij
Determinación de las holguras:
Una actividad crítica debe tener una holgura de cero. Existen dos nuevos tiempos:
Inicio más tardío (IT) y Tiempo de terminación más próxima (TT).

ITij = TTTj - Dij

TTij = TIPi + Dij
Existen dos tipos importantes de holgura:
Holgura total (HT) y holgura libro (HL)
HT es la diferencia entre el máximo tiempo disponible para realizar la actividad y su
duración.
HL se define suponiendo que todas las actividades comienza tan pronto como sea posible.
Es el exceso de tiempo disponible sobre su duración.

HTij = TTTj - TIPi - Dij = TTTj - TTij = ITij - TIPi

HLij = TIPj - TIPi - Dij

Solo una actividad crítica debe tener una holgura total cero. La HL debe también ser cero
cuando la holgura total es cero.

Construcción del diagrama de tiempo y nivelación de recursos:

14
 Zar Cudini Gisela – Aguirre Daniela

La construcción del diagrama de tiempo debe hacerse dentro de las limitaciones de los
recursos disponibles, ya que no es posible realizar actividades simultáneas debido a las
limitaciones del personal y equipo.
Las HT para actividades no críticas son útiles. Se utilizan las HT para nivelar los recursos
sobre la duración del proyecto completo.
Las funciones de HT y HL en la programación de actividades no críticas se explican en
término de dos reglas generales:
a) Si HT es igual a HL: la actividad no crítica se puede programar en cualquier parte
entre los TIP y TTT
b) Si HL es menor que HT: El inicio de la actividad no crítica se puede demorar en
relación con su TIP, en una cantidad no mayor que el monto de su HL, sin afectar
la programación de sus actividades inmediatamente sucesivas.

Tener la HL menor que la HT nos da una advertencia de que la programación de la

actividad no deberá terminarse sin antes verificar su efecto en los tiempos de inicio de las
actividades inmediatamente sucesiva. Esta valiosa información solo puede asegurarse a
través del uso de cálculos de la ruta crítica.

Consideraciones de probabilidad y costo en la programación de proyectos.

Se presentarán los aspectos de probabilidad como los de costos de la programación de
proyectos.

Consideraciones de probabilidad en la programación de proyectos:

Las consideraciones de probabilidad están incorporadas en la programación de proyectos,
suponiendo que la estimación de tiempo para cada actividad está basada en 3 valores
diferentes:
a = Tiempo optimista, el cual se necesitará si la ejecución va extremadamente bien
b = Tiempo pesimista, se requerirá si todo va muy mal.
m = Tiempo más probable, el cual se necesitará si la ejecución es normal.

La amplitud o “rango” especificado por las estimaciones optimista y pesimista (a y b,

respectivamente) por supuesto debe encerrar toda estimación posible de la duración de la
actividad. La estimación más probable m no necesita coincidir con el punto medio
(a+b)/2, y puede encontrarse a su izquierda o a su derecha. Debido a estas propiedades, es
intuitivamente justificado que la duración para cada actividad puede seguir una
distribución beta con su punto unimodal en m y sus puntos extremos en a y b. Los casos de
la distribución beta son: simétrica, sesgada hacia la derecha y sesgada hacia la izquierda.
Las expresiones para la media (D) y varianza (V) de la distribución beta se
obtienen de la manera siguiente. El punto medio (a + b)/2 se supone que tiene una
ponderación de la mitad de la del punto m más probable. Por consiguiente, D es la media
aritmética de (a+b)/2 y 2m; esto es,

D = (a + b)/2 + 2m = a + b + 4m
3 6

V= b-a 2
6

Se puede estimar la probabilidad de ocurrencia de cada evento en la red.

15
 Zar Cudini Gisela – Aguirre Daniela

Sea ui el tiempo de ocurrencia más próximo del evento i. Ya que los tiempos de las
actividades que se suman hasta i son variables aleatorias, ui es también una variable
aleatoria. Suponiendo que todas las actividades en la red son estadísticamente
independientes, se obtiene la media y la varianza de u i como sigue. Si existe únicamente
una ruta que lleva desde el evento de “inicio” al evento i, entonces E(u i) está dado por la
suma de las duraciones esperadas D para las actividades a lo largo de esta ruta y varianza
(ui) es la suma de las varianzas de las mismas actividades. Las complicaciones surgen,
donde más de una ruta lleva al mismo evento.
En este caso, si se van a calcular los valores exactos de E (u i) y varianza (ui) se debe
desarrollar primero la distribución estadística par ala mas larga de las rutas (esto es, la
distribución del máximo de varias variables aleatorias) y encontrar su valor esperando y su
varianza. Si dos o más rutas tienen la misma E (u i) se elige aquella con la varianza mas
grande ya que refleja mayor incertidumbre y, por lo tanto, resultados mas conservadores.
Para resumir, E (ui) y var (ui) están dados para las rutas seleccionadas como:

Ecuación:
(Pág. 541)

Donde k define las actividades a lo largo de la ruta más larga que lleva a i.
La idea es que ui es la suma de variables aleatorias independientes y, por lo tanto, de
acuerdo con el teorema del limite central u i es casi normalmente distribuida como media E
(ui) y var (ui). Ya que ui representa el tiempo de ocurrencia más próximo, el evento i va a
satisfacer un cierto tiempo programado TPi con probabilidad.

Ecuación
(Pág. 542)

donde z es la distribución normal estándar con media 0 y varianza 1 y

Ecuación
(Pág. 542)

16
 Zar Cudini Gisela – Aguirre Daniela

Consideraciones de costos en la programación de proyectos:

Los costos se definen para incluir elementos directos solamente. Los costos indirectos no
pueden incluirse.
Existe un límite llamado tiempo de duración mínima, más allá del cual, ninguna reducción
adicional puede efectuarse en la duración.
Después de definir las relaciones tiempo-costo, se asignan las duraciones normales a las
actividades del proyecto, luego se calcula la ruta crítica y se registra los costos directos
asociados.

Control del Proyecto

Es importante seguir el progreso del proyecto en el diagrama de flechas, más que en el
programa de tiempo solamente. El programa de tiempos se utiliza principalmente para
verificar si cada actividad está en tiempo. El efecto de una demora en cierta actividad
sobre la parte restante del proyecto, puede visualizarse mejor sobre el diagrama de flechas.
Suponga cuando

17