TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE OAXACA

INGENIERÍA INDUSTRIAL

Materia:

INVESTIGACIÓN DE OPERACIONES II

 ACTIVIDADES DE ENSEÑANZA

Profesor: Morales Castillo Vicente

Presenta:

 Bustamante Ortega Monserrat Del Carmen

OAXACA DE JUÁREZ, OAXACA A 29 DE NOVIEMBRE DE 2023.

Actividades de enseñanza Unidad 1.- Resolución de 2 ejercicios con base a la unidad 1.

EJERCICIOS RESUELTOS DE PROGRAMACIÓN DINAMICA

1.- Un Ingeniero Forestal, requiere saber: i)Cuál es el costo mínimo, y ii)Cuál es la

ruta con ese costo mínimo, para ir desde su oficina hasta el lugar donde está
la cosecha. En su camino debe pasar por 3 sectores o ciudades antes de llegar
a su destino, y lugares posibles en esos sectores o ciudades. Las posibles rutas,
y el costo asociado por Kms. de distancia y otros en
$, se ven en el siguiente esquema:

Solución:
Para ir de 1 a 13 hay 48 rutas posibles. Una posibilidad para encontrar la
solución es calcular el valor asociado a cada una y ver cual es la que
proporciona el menor costo. ¿Y si fuesen miles de rutas?. Por se descarta esa
alternativa y se usa el método de la programación Dinámica, donde se resuelve
desde el final hacia el inicio, y hay etapas y estados.
Etapas: Son 4. La etapa 1 es decidir ir del estado inicial 1 al estado 2,3,4 o 5 que
son los puntos posibles en el sector siguiente. La etapa 2 es decidir ir a 6, 7 u
8. La etapa 3 es decidir ir a 9, 10, 11 o 12. La etapa 4 es decidir a 13.
Estado: Lugar donde se encuentra. La etapa 1 tiene 1 estado: el 1. La etapa 2
tiene 4 estados: 2, 3, 4, 5. La etapa 3 tiene 3 estados: 6,7,8. La etapa 4 tiene
4 estados: 9, 10, 11, 12.

Cálculos n=4 S \ X4 13 F4* X4*

9 12 12 13
10 16 16 13
11 15 15 13
12 14 14 13
 n=3 S \ X3 9 10 11 12 F3* X3*
6 3+12=15 2+16=18 1+15=16 3+14=17 15 9
7 4+12=16 1+16=17 4+15=19 6+14=20 16 9
8 2+12=14 3+16=19 6+15=21 5+14=19 14 9

n=2 S \ X2 6 7 8 F2* X2*

2 9+15=24 4+16=20 6+14=20 20 7-
8
3 5+15=20 7+16=23 4+14=18 18 8
4 9+15=24 10+16=2 8+14=22 22 8
6
5 9+15=24 10+16=2 11+14=25 24 6
6
n=1 S \ X1 2 3 4 5 F1* X1*
1 7+20=27 6+18=24 5+22=27 6+24=30 24 3
Respuesta: El óptimo es: 24
La solución óptima es: X1 = 3 ; X2 = 8 ; X3= 9 ; X4= 13.
La ruta óptima es: 1 F 0F
0 B 3 F 0F
0 B 8 F 0F
0 B 9 F 0F
0 B 13
EA E EA E EA E EA E

Respuesta al problema planteado:

El Ingeniero Forestal tiene un costo mínimo de $24 para ir desde su oficina al
lugar de cosecha, y ese mínimo lo puede lograr yendo desde su oficina al lugar
3 luego al lugar 8 luego al lugar 9 y de ahí al lugar 13, que es donde está la
cosecha.

2.-Un Técnico Forestal, debe revisar 3 faenas: Poda, Raleo y Cosecha, y

dispone de 4 días. Según la dedicación en días que le de a cada faena,
éstas tendrán una probabilidad de fracasar, y con ello fracasar la faena
total, por lo que puede ser despedido. Por ello, dicho Técnico desea
minimizar la probabilidad de ser despedido minimizando la probabilidad de
que las 3 tareas fracasen al mismo tiempo.

F Dedicación \ F Poda Raleo Cosech

0 Faenas 0 a
A A
F E
0 día 0.50 0.60 0.40
1 día 0.42 0.51 0.35
2 0.36 0.41 0.21
días
3 0.25 0.36 0.18
días
Un día no asignado a una faena no tiene valor asociado. A lo más se
puede asignar 3 días a una misma faena.

Solución:
Etapas: Son 3. La etapa 1 es el proceso de asignación de días a Poda. La
etapa 2 es el proceso de asignación de días a Raleo. La etapa 3 es el proceso
de asignación de días a Cosecha.

Estados: Son los días disponibles para ser asignados, y van de 0 a 4,

dependiendo de las etapas. La etapa 1 tiene 1 estado factible y es: tener 4 días
disponibles para ser asignados.

Las variables de decisión son 3: X1, X2, X3 y representan: Cuántos días

asignar a la faena poda, Cuántos días asignar a la faena de raleo, Cuántos
días asignar a la faena de cosecha; respectivamente.

La Función Objetivo y las restricciones forman en el modelo para este problema y es:
F 0

P: Min( p(X1)*p(X2)*p(X3) ) ; s.a: X1+X2+X3 4 ; Xi F 0F 0 0,1,2,3F 0; i=1,2,3

C EE D F D
La probabilidad de ser despedido en este momento es: 0.5*0.6*0.4 =0.12,
que es de un 12%, y con los 4 días disponibles desea minimizar esa
probabilidad.
Los cálculos.

n=3 S \ X3 0 1 2 3 F3* X3*

0 0.4*1=0.40 - - - 0.40 0
1 0.4*1=0.40 0.35*1=0.3 - - 0.35 1
5
2 0.4*1=0.40 0.35*1=0.3 0.21 - 0.21 2
5
3 0.4*1=0.40 0.35*1=0.3 0.21 0.18 0.18 3
5
 4 0.4*1=0.40 0.35*1=0.35 0.21 0.18 0.18 3

n=2
S\ 0 1 2 3 F2* X2*
X2
1 0.6*0.35=0.21 0.51*0.40=0.20 - - 0.2040 1
0 40
2 0.6*0.21=0.12 0.51*0.35=0.17 0.41*0.40=0.16 - 0.1260 0
6 85 40
3 0.6*0.18=0.10 0.51*0.21=0.10 0.41*0.35=0.14 0.36*0.40=0.14 0.1071 1
8 71 35 4
4 0.6*0.18=0.10 0.51*0.18=0.09 0.41*0.21=0.08 0.36*0.35=0.126 0.0861 2
8 18 61 0

n=1
S\X1 0 1 2 3 F1* X1*
4 0.5*0.0861 0.42*0.1071 0.36*0.1260 0.25*0.204 0.0430 0
= 0,04305 = = 0,04536 0 5
0,044982 = 0,051

Respuesta: óptimo = 0.04305 ( un 4,3% ).

La solución óptima es: X1 = 0 ; X2 = 2 ; X3= 2
La ruta óptima es: 4 F 0F
0 B 4 F 0F
0 B 2 F 0F
0 B 2
EA E EA E EA E

Respuesta al problema planteado: La probabilidad mínima de ser

despedido es 0.04305 , es decir de un 4,3%, y la
asignación óptima de días es: 0 días a la Poda, 2 días al
Raleo, 2 Días a la Cosecha.
 Actividades de enseñanza Unidad 2.- Investigación de cuáles son las
características básicas de una línea de espera, usar las fórmulas para cada uno
de sus modelos AGREGA 2 EJERCICIOS REALES

EJERCICIOS DE LINEAS DE ESPERA

1. Suponga que en una estación con un solo servidor llegan en promedio 45

clientes por hora, Se tiene capacidad para atender en promedio a 60
clientes por hora. Se sabe que los clientes esperan en promedio 3 minutos
en la cola.
Se solicita:
λ = 45/60 = 0.75 cliente por minuto

60
u= =1 cliente por minuto
60

Wq=3 minutos
a. Tiempo promedio que un cliente pasa en el sistema.
1
Ws=Wq +
u

1
Ws=3+
1

Ws=4 minutos

b. Número promedio de clientes en la cola.

Lq=λ∗Wq

Lq=0.75∗3

Lq=2.25 clientes

c. Número promedio de clientes en el Sistema en un momento dado.

Ls=λ∗Ws

Ls=0.75∗4
 Ls=3 clientes

2. Suponga un restaurante de comidas rápidas al cual llegan en promedio 100

clientes por hora. Se tiene capacidad para atender en promedio a 150
clientes por hora Se sabe que los clientes esperan en promedio 2 minutos
en la cola Calcule las medidas de desempeño del sistema
λ = 100 clientes por hora

u=150clientes por hora

Wq=2 minutos
a. ¿Cuál es la probabilidad que el sistema este ocioso?
λ
p=
u

100
p=
150

p=0.667=66.7 % sistema ocupado

100 %−66.7 %=33.3 % sistema ocioso

b. ¿Cuál es la probabilidad que un cliente llegue y tenga que esperar,

porque el sistema está ocupado?

λ
pn=(1− )¿
u

100
p 1=(1− )¿
150

p 1=0.22=22%

c. ¿Cuál es el número promedio de clientes en la cola?

λ = 100/60 = 1.67 cliente por minuto

Lq=λ∗Wq
 Lq=1.67∗2

Lq=3.34 clientes

d. ¿Cuál es la probabilidad que haya 10 clientes en la cola?

λ
pn=(1− )¿
u

100
p 10=(1− )¿
150

p 10=0.0058=0.58 %

Una línea de espera, también conocida como cola, es un fenómeno común en

muchas situaciones en las que las personas o elementos deben esperar para ser
atendidos o procesados. Aquí hay algunas características básicas de una línea de
espera:

1. Clientes o Elementos de la Línea de Espera:

 Clientes: Pueden ser personas, objetos, o cualquier entidad que requiera
servicio.
 Elementos en espera: Pueden ser productos, datos, solicitudes, etc.
2. Servidores:
 Personal de servicio: Individuos o sistemas encargados de atender a los
clientes o procesar los elementos en espera.
 Número de servidores: Puede haber uno o más servidores en función de la
capacidad y la demanda del servicio.
3. Entrada de Clientes:
 Tasa de llegada: La velocidad a la que los clientes o elementos ingresan a
la línea de espera.
 Patrón de llegada: Puede ser constante o variable en el tiempo.
4. Tiempo de Servicio:
 Tasa de servicio: La velocidad a la que los servidores atienden a los
clientes o procesan los elementos.
 Patrón de servicio: Puede ser constante o variable en el tiempo.
5. Capacidad del Sistema:
 Capacidad del servidor: El número máximo de clientes o elementos que
pueden ser atendidos simultáneamente.
 Capacidad de la línea de espera: La cantidad máxima de clientes o
elementos que pueden estar en espera.
6. Estructura de la Línea de Espera:
 Cola única: Un solo canal de espera para todos los clientes.
 Colas múltiples: Varios canales de espera para diferentes tipos de clientes
o servicios.
7. Disciplina de la Cola:
 FIFO (First In, First Out): El primero en llegar es el primero en ser atendido.
 LIFO (Last In, First Out): El último en llegar es el primero en ser atendido.
 Prioridad: Algunos clientes pueden tener prioridad sobre otros.
8. Longitud de la Línea de Espera:
 Número de clientes en espera: La cantidad de clientes que actualmente
están en la cola.
 Longitud máxima de la cola: La máxima cantidad permitida de clientes en
espera.
9. Medidas de Desempeño:
 Tiempo de espera: El tiempo que un cliente pasa en la cola.
 Tiempo de servicio: El tiempo que un cliente pasa siendo atendido.
 Tiempo total en el sistema: Suma del tiempo de espera y tiempo de
servicio.
10. Modelos de Líneas de Espera:
 Modelo de cola simple: Un solo servidor y una cola.
 Modelo de cola múltiple: Múltiples servidores y posiblemente múltiples
colas.
11. Teoría de Colas:
 Fórmulas matemáticas: Se utilizan para prever y optimizar el rendimiento de
las líneas de espera.
Actividades de enseñanza Unidad 3.- Solución de 2 problemas reales
Teoría de Decisiones
Actividades de enseñanza Unidad 4.- Planteamiento de un caso real
Cadenas de Markov

 APLICACIÓN DE CADENAS DE MARKOV EN UN PROCESO DE

PRODUCCIÓN DE PLANTAS IN VITRO

1. Metodología
2. Descripción del proceso de producción
El estudio se realizó tomando como modelo un sistema productivo de plantas in
vitro de papa (Solanum tuberosum) en la empresa VitroPlant S.A., en Cartago,
Costa Rica.

Se estudió y describió el proceso para la obtención de vitroplantas y, con datos

históricos, se establecieron los tiempos de producción para las etapas.

A. Aplicación del modelo de Cadenas de Markov

Se aplicó el modelo de Cadenas de Markov para determinar el número de
explantes iniciales que se requiere establecer para obtener un número definido de
lote de producción (3,000 plantas finales mediante tres ciclos de multiplicación in
vitro), según la estandarización de la empresa.

Se estableció un registro histórico del número de plantas que fueron desechadas,

reprocesadas y aquellas que continuaron su ciclo de reproducción. Se calculó la
matriz de transición de Markov tomando en cuenta un 95% de éxito en la etapa de
enraizamiento y la transición al empaque final, según registros de la empresa.

A partir de la matriz obtenida, se estimaron las probabilidades de los estados

adsorbentes (empaque y desecho) de cada etapa, mediante las operaciones
matriciales:

 Resta de Matriz Identidad con Matriz Transitoria: (I-N)

 Matriz Inversa de 1-N: Minversa(I-N)
 Multiplicación de la Matriz Inversa por la Matriz Absorbente: Minversa(I-
N)*M(A).

Con el cálculo de las probabilidades anteriores, se planteó una fórmula para

obtener el número de plantas requeridas para cumplir con el lote de producción
final, de acuerdo con la etapa en la que se encuentre el material vegetal.

En esta fórmula, se presentó una relación entre el número de plantas deseadas, el

coeficiente de multiplicación, el número de ciclos de multiplicación y la
probabilidad correspondiente según la matriz de Markov.

Nd
plantas iniciales =
CM N ciclos * P ij

donde:
donde:
Nd = N úm ero de plantas deseadas
Nd C M ==
C oeficiente
Número de de plantas
M ultiplicación
deseadas
N ciclos = N úm ero de ciclos de m ultiplicación
CM = Coeficiente de Multiplicación
P ij = P robabilidad de acuerdo a M arkov (Factor M arkov) dependiendo de donde se inicie el
proceso.
El coeficiente de multiplicación utilizado fue de 3,74 y representa la relación de plantas finales
entre plantas iniciales. Se obtuvo mediante el promedio de tres ciclos de multiplicación históricos
de la empresa. Los cálculos se realizaron con el software Microsoft Excel 2010.
Nciclos = Número de ciclos de multiplicación
Pij = Probabilidad de acuerdo a Markov (Factor Markov) dependiendo de donde se
inicie el proceso.
El coeficiente de multiplicación utilizado fue de 3,74 y representa la relación de
plantas finales entre plantas iniciales. Se obtuvo mediante el promedio de tres
ciclos de multiplicación históricos de la empresa.
1. Resultados y discusión

2. Descripción del proceso de producción

El proceso productivo consiste en utilizar brotes axilares con capacidad
regenerativa, obtenidos de campo o invernadero, que son desinfectados
superficialmente e introducidos en medios nutritivos estériles bajo condiciones
físicas controladas (temperatura, luz, humedad

y fotoperiodo). Esta etapa es el establecimiento in vitro, durante el cual los brotes

se activan en las condiciones artificiales de laboratorio y se seleccionan para la
siguiente etapa aquellos que no presenten contaminación ni anormalidades.

Estos brotes activados regeneran plantas completas durante un tiempo variable de

incubación controlada y se utilizan para la etapa de multiplicación del material
cuando alcanzan la altura y el desarrollo adecuados; estas plantas también
pueden colocarse bajo condiciones de conservación (temperatura, nutrientes y luz
reducidos) para tomarlas en el momento que se requieran para multiplicarlas.

Luego del establecimiento se inicia la etapa de multiplicación in vitro, en la que los

operarios toman las plantas que los brotes generaron y las seccionan en explantes
tipo microestacas y nuevamente se cultivan en medios nutritivos frescos a razón
de cuatro microestacas por frasco, lo que se conoce como subcultivo.

Entre cada ciclo de subcultivo se define un período de incubación

(aproximadamente 30 días) en cuartos controlados, durante los cuales el producto
se transforma debido a procesos biológicos inducidos.
Durante la labor de subcultivo, los operarios, además de seccionar el material y
cultivarlo, lo inspeccionan y reprocesan aquellas plantas del lote de producción
que no lograron el desarrollo adecuado, regresándolas a una etapa anterior.

El período de incubación, aunque no implica manipulación de las plantas, se

considera una operación debido a que ocurre transformación (biológica) del
producto; también hay desecho (básicamente por contaminación) y reproceso
(caída de plantas, presencia de oxidación, por ejemplo), lo que obliga a un
recultivo en esta etapa.

De esta forma, la etapa de multiplicación implica ciclos de crecimiento exponencial

del material, los cuales finalizan de forma inducida, cuando se llega al número final
de explantes que potencialmente generaran las plantas requeridas para un lote.
En este momento se transfieren a un medio de cultivo diferente que les permite
desarrollarse en plantas y generar raíces, de manera que están listas para ser
empacadas y transferidas a condiciones de invernadero.

En todo el proceso de producción se tienen dos estados absorbentes,

correspondientes al descarte y al producto terminado empacado al final.

El cuadro 1 muestra información de cada una de las etapas involucradas en el

proceso de producción.

Cuadro 1. Etapas del proceso de producción de plantas in vitro de papa (Solanum tuberosum).

Código Nombre Tiempo (días)

DE Desinfección 1
INT In tro d u cció n 1
Stock Almacenamiento en banco de <1 año
germoplasma
INS Inspección I 1
CM I Ciclo multiplicación I 1
IEI II Incubación e inspección II 30
CM II Ciclo multiplicación II 1
IEI III Incubación e inspección III 30
CM III Ciclo multiplicación III 1
IEI IV Incubación e inspección IV 30
ENR Enraizamiento 1
IEI V Incubación e inspección V 30
EMP Empaque 1
La Figura 1 muestra la secuencia de las etapas, así como las probabilidades
de que en cada caso el material se descarte o sea reprocesado.

S to c k = B a n c o d e g e rm o p la s m a C M = C iclo d e M u ltip lica c ió n ENR= Enraizamiento

INS= Inspección IEI= Incubación e Inspección EMP= Empaque

Figura 1. Secuencia del proceso para la producción de plantas in vitro.

Aplicación del modelo de Cadenas de Markov

En la Figura 2 se presenta la matriz de transición de Markov, tomando en cuenta un 95% de
éxito en la etapa de enraizamiento y la transición al empaque final.

ESTADOS STK INS CM I IEI II CM II IEI III CM III IEI IV ENR IEI V EMP DES

STK 0,000 1,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

MATRIZ INS 0,000 0,000 0,900 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,100

I Id e n tid a d I CM I 0,000 0,000 0,000 1,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000

N Transitoria N IEI II 0,000 0,000 0,087 0,000 0,894 0,000 0,000 0,000 0,000 0,000 0,000 0,019

0 Cero 0 CM II 0,000 0,000 0,000 0,000 0,000 1,000 0,000 0,000 0,000 0,000 0,000 0,000

A Absorbente A IEI III 0,000 0,000 0,000 0,000 0,093 0,000 0,887 0,000 0,000 0,000 0,000 0,020

CM III 0,000 0,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000 0,000 0,000 0,000

IEI IV 0,000 0,000 0,000 0,000 0,000 0,000 0,017 0,000 0,894 0,000 0,000 0,090

ENR 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,950 0,000 0,050

IEI V 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,950 0,050

EMP 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000

DES 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 1,000

STK= Banco de germoplasma C M = C iclo d e M u ltip lica c ió n ENR= Enraizamiento

INS= Inspección IEI= Incubación e Inspección EMP= Empaque DES= Desecho

Figura 2. Matriz de transición de Markov.

 Como resultado de las operaciones matriciales, se calcularon las probabilidades para los estados
absorbentes, que se presentan en el cuadro 2.

Cuadro 2. Probabilidades de los estados adsorbentes del proceso de producción de plantas in vitro.

Etapa Empaque Desecho

STK Stock 0,707 0,294

INS In s p e c c ió n 0,707 0,294

CM I Ciclo multiplicación I 0,786 0,215

IEI II Inspección e incubación II 0,786 0,215

CM II Ciclo multiplicación II 0,803 0,198

IEI III Inspección e incubación III 0,803 0,198

CM III Ciclo multiplicación III 0,821 0,180

IEI IV Inspección e incubación IV 0,821 0,180

ENR Enraizamiento 0,902 0,097

IEI V Incubación e inspección V 0,950 0,050

De acuerdo con el cuadro anterior, para la columna de empaque se observa que

las probabilidades de que una planta llegue hasta producto terminado aumentan
conforme se avanza en las etapas del proceso de producción. Así, por ejemplo, la
probabilidad de que una planta que se tome del stock y se convierta en producto
terminado es menor (0,707) en comparación con una planta que se tome del ciclo
de multiplicación III (0,821). Esta probabilidad involucra el reproceso que sufren
las plantas en las respectivas etapas de inspección y ciclos de multiplicación.

Desde el punto de vista biológico, el comportamiento ascendente de los valores de

probabilidad a lo largo del proceso para que las plantas se conviertan en producto
terminado, es un reflejo de la adaptación de los individuos a las condiciones de
producción, conforme se avanza en el procedimiento. Con respecto a las
probabilidades de desecho, se evidencia un comportamiento descendiente, en que
se pierden menos plantas conforme se avanza en el proceso. Aunque la
contaminación es un factor muy variable, otras fuentes de pérdida, como la muerte
de las plantas, puede estar incidiendo en esta tendencia; es decir, es probable que
la cantidad de plantas que se pierden por mortalidad disminuya conforme se
avanza en el sistema, debido a una mejor adaptación a las condiciones de
crecimiento (Berthouly & Etienne, 2005).

Cuadro 3. Estimación de plantas iniciales requeridas para la obtención de un lote de 3,000 plantas in vitro.

Componentes de fórmula STOCK CM I CM II CM III ENR

Plantas deseadas 3000 3000 3000 3000 3000

Coeficiente
3,74 3,74 3,74 3,74 1,00
multiplicación

Ciclos multiplicación 3 2 1 0 0

P ro b a b ilid a d 0,707 0,786 0,803 0,821 0,902

Plantas iniciales 81 272 998 3655 3324

Desecho 24 59 198 659 324

Plantas disponibles 57 214 800 2996 3000

STK= Banco de germoplasma CM= Ciclo de Multiplicación ENR= Enraizamiento

De esta forma, se requieren 81 plantas para obtener 3,000 finales, si se parte del
stock inicial, el cual se encuentra a una distancia de tres ciclos de multiplicación
para luego enraizar y posteriormente empacar las plantas. De manera análoga, si
se parte del ciclo de multiplicación I, se requieren 272 plantas para obtener 3,000
finales; en comparación con el dato obtenido para el stock, este valor es mayor
debido a que atravesará menos ciclos de multiplicación (dos ciclos). Si se parte de
los ciclos de multiplicación II y III, se requieren 998 y 3,655 plantas,
respectivamente. Con respecto al número de ciclos requeridos si se parte del ciclo
III, el valor es cero, debido a que este es el último que se contempló en el proceso,
quedando solo la etapa de enraizamiento, la cual no es considerada un ciclo de
multiplicación (Cuadro 3).

Conclusiones

Las Cadenas de Markov se perfilan como una herramienta válida para

implementarse en procesos de manufactura estocásticos, en los que intervienen
organismos vivos y procesos biológicos. En este caso se logró demostrar, con un
correcto registro de datos históricos, cuales son los requerimientos iniciales de
material vegetal según la etapa en la que se encuentre el proceso para lograr una
demanda específica, aplicando las probabilidades obtenidas a través de las
Cadenas de Markov. El modelo aplicado puede ajustarse a otras especies y
variedades diferentes a Solanum tuberosum, que presenten coeficientes de
multiplicación y patrones particulares de crecimiento y desarrollo.

Con un adecuado cálculo de material vegetal de entrada al proceso, se pueden

estimar de forma más confiable y realista los costos y tiempos de producción, pues
se conocen las probabilidades de que el producto se convierta en desecho o
reingrese al sistema por reproceso, aunque al sistema solo reingrese material
vegetal y no los demás materiales de soporte. Estas herramientas de estimación
permiten maximizar recursos y planear de mejor forma el manejo de las mermas y
reprocesos.

Para el caso en estudio, se determinó que para una demanda de 3,000 plantas, se
debe iniciar con 81, 272, 998, 3,655 y 3,324 plantas si se parte de la etapa de
stock, CM I, CM II, CM III y enraizamiento, respectivamente.

Actividades de enseñanza Unidad 5.- Resolución de 4 ejercicios con base a la

unidad 1 y con ayuda de un archivo pdf
Optimización de Redes