Está en la página 1de 15

Formulario

Investigacin de Operaciones II, Industrial


80
I. PROGRAMACIN DINMICA.

1. Modelo esquemtico.
Etapas. Est compuesta por una entrada y una salida en cualquier punto de la secuencia de
la solucin.
Variables de estado. Relaciona la etapa actual con la etapa anterior. Permite calcular la
cantidad restante del recurso escaso o demanda. Esta definida por X
n
.
Rendimientos. Se le denota por r
n
, donde implica la contribucin que ocurre en esa etapa
debido a la decisin d
n
y a la variable de estado X
n
.
Variables de decisiones. Esta denotado por dn, que implica la asignacin del recurso en
ese estado.
Relacin recurrente. Permite enlazar a las variables de estados de etapas sucesivas, X
n
y
X
n-1
. este se calcula con el valor de X
n-1
.









r
n

d
n


n-sima etapa
X
n

X
n-1

Formulario


Investigacin de Operaciones II, Industrial
81
II. LINEAS DE ESPERA.

1. Modelo de llegadas Poisson, Servicio exponencial, Poblacin infinita, Un solo
servidor.
1


= Tasa de llegadas (unidades/hora).
= Tasa de servicio (unidades/hora).
Si <, se aplican las frmulas.

= P
Utilizacin del sistema.

=1
0
P
Probabilidad de que una llegada no tenga que esperar antes
de entrar en servicio.

= L
Numero medio de unidades en el sistema (en cola y en
servicio)
) (
2

=
q
L Longitud media de la cola
( )

= > 0 / m m L
Longitud media de colas no vacas

=
1
T
Tiempo promedio en el sistema (tiempo medio que una
llegada pasa en el sistema)
) (

=
q
T
Tiempo medio de espera en la cola (Tiempo medio de
espera de una llegada)

= >
1
) 0 / ( w w T
Tiempo medio de espera de una llegada que tiene que
esperar.
0
P P
n
n
|
|
.
|

\
|
=


m unidades en cola mas las que se estn atendiendo.(n
clientes en el sistema).
1
) (
+
|
|
.
|

\
|
= >
z
z w P


La probabilidad de que el numero de gentes en si el
sistema, w sea mayor a z.

s e
C L C CT + = Costo total esperado. ($/da)

1
Sasieni M., Yaspan A. Y Friedman L., Investigacin de Operaciones, Limusa, Mxico, 1982, Pg. 147.
Formulario


Investigacin de Operaciones II, Industrial
82
Ce=$/unidad*hora L=Unidad Cs=$/unidad =unidad/hr
Tasa de servicio a costo mnimo

2. Modelo de llegadas Poisson, Servicio arbitrario, Poblacin infinita, Un solo servidor
2
.

= P
Utilizacin del sistema.

=1
0
P
Probabilidad de que una llegada no tenga que esperar
antes de entrar en servicio.

+
|
|
.
|

\
|

+
|
|
.
|

\
|
=
1 2
2 2
2
L
Numero medio de unidades en el sistema (en cola y en
servicio)
|
|
.
|

\
|

+
|
|
.
|

\
|
= =

1 2
2 2
2
L Lq Longitud media de la cola

1
1 2
2
2
+
|
|
.
|

\
|

+
|
|
.
|

\
|
= T
Tiempo promedio en el sistema
|
|
.
|

\
|

+
|
|
.
|

\
|
= =

1 2
1
2
2
T Tq Tiempo medio de espera en la cola


3. Modelo de llegadas Poisson, Servicio constante, Poblacin infinita, Un solo servidor
3
.

= P
Utilizacin del sistema.

2
Thierauf Robert J. y Grosse Richard A., Toma de decisiones por medio de Investigacin de Operaciones,
Limusa, Mxico, 1987, Pg. 442.
3
Idem, Pg. 441.
Cs
Ce
=
Formulario


Investigacin de Operaciones II, Industrial
83

=1
0
P
Probabilidad de que una llegada no tenga que esperar antes
de entrar en servicio.

+
|
|
.
|

\
|

|
|
.
|

\
|
=
1 2
2
L
Numero medio de unidades en el sistema (en cola y en
servicio)
|
|
.
|

\
|

|
|
.
|

\
|
= =

1 2
2
L Lq Longitud media de la cola

1
1 2
+
|
|
.
|

\
|

|
|
.
|

\
|
= T
Tiempo promedio en el sistema
|
|
.
|

\
|

|
|
.
|

\
|
= =

1 2
1
T Tq Tiempo medio de espera en la cola

4. Modelo de llegadas Poisson, Servicio Erlang, Poblacin infinita, Un solo servidor.
4

Cuando r =1, la distribucin se convierte en distribucin exponencial.

+
=
) ( 2
1
2
r
r
L Nmero medio de unidades en el sistema.
) ( 2
1
2

+
=
r
r
L
q
Longitud media de la cola.

1
) ( 2
1
+

+
=
r
r
T
Tiempo medio en el sistema.
) ( 2
1

+
=
r
r
T
q

Tiempo medio de espera.
k
k
t

1
=

Tiempo ms probable de servicio

4
Sasieni M., Yaspan A. Y Friedman L., Investigacin de Operaciones, Limusa, Mxico, 1982, Pg. 161.
Formulario


Investigacin de Operaciones II, Industrial
84
5. Modelo de llegadas Poisson, Cola multicanal, Servicio exponencial, Poblacin finita,
Un solo servidor.
5

Se supone que el numero de k de canales es mayor que 1, por tanto 1<k<m.
( )
n
n
n n m
m
P P
|
|
.
|

\
|

! !
!
0

Probabilidad de hallar n
clientes en el sistema para
k n s s 0
( )
n
k n
n
k k n m
m
P P
|
|
.
|

\
|

! !
!
0

Probabilidad de hallar n
clientes en el sistema para
M n k s s
( ) ( )

=
=

=
= (
(

|
|
.
|

\
|

+
(
(

|
|
.
|

\
|

=
m n
k N
n
k n
k N
n
n
k k n m
m
n n m
m
P

! !
!
! !
!
1
1
0
0

La probabilidad de hallar
vaco el sistema
( )

=
=
=
=
=
=
|
.
|

\
|
+ + =
m n
k n
k n
n
n n
k n
n
n
P k P k n nP L
1
0
1
0
1
Numero esperado de
clientes en el sistema, para
n<m
( )

=
=
=
m n
k n
n
P k n Lq
Nmero esperado de
clientes en la cola

6. Modelo de llegadas Poisson, Servicio exponencial, Poblacin finita, Un solo servidor.
6

Si m es la poblacin que pudiera requerir un servicio determinado y n (n<m) elementos de
esa poblacin piden un servicio, entonces:
( )
n
m
n
n m
m
P

=
|
|
.
|

\
|

=
0
0
!
!
1


Probabilidad de que en el momento t de arribo a la
cola, el sistema se encuentre vaco.
( ) ) 1 ( 1
0 0
P P m L +
+
=



Numero medio de unidades en el sistema (en cola y
en servicio)
( )
0
1 P m L
q

+
=


Longitud media de la cola

5
Shamblin James E., Stevens G.T., Investigacin de Operaciones; Un enfoque fundamental, Mc Graw Hill,
Mxico, 1988, Pg. 218.
6
Prawda, Witenberg Juan, Mtodos y Modelos de Investigacin de Operaciones; Volumen 2 Modelos
estocsticos, Limusa, Mxico, 1987Pg. 263.

Formulario


Investigacin de Operaciones II, Industrial
85

1
) 1 (
0
+

=
P
L
T
q

Tiempo promedio en el sistema (tiempo medio que
una llegada pasa en el sistema)
) 1 (
0
P
L
T
q
q


Tiempo medio de espera en la cola (Tiempo medio de
espera de una llegada)
( )
0
!
!
P
n m
m
P
n
n
|
|
.
|

\
|


Probabilidad de que en el momento t de arribo a la
cola se encuentren n clientes en el sistema, 1
recibiendo servicio, y n-1 formados en cola

7. Modelo de llegadas Poisson, Servicio exponencial, Poblacin infinita, Canal mltiple
7
.
Las formulas solo son aplicables si > k o 1 <
K
P
K
P
K

=
Factor de utilizacin del sistema.
0
!
1
P
n
P
n
n
|
|
.
|

\
|
=


La probabilidad de que haya n elementos en el
sistema, siendo n < K
0
!
1
P
k k
P
n
k n
n
|
|
.
|

\
|
=


La probabilidad de que haya n elementos en el
sistema, siendo n K
{ }
( ) ( )
0
! 1
P
k k
P k n P
k
k n
n


|
|
.
|

\
|
= = >

=

Probabilidad que en cualquier instante haya al
menos k unidades en el sistema
(
(

|
|
.
|

\
|
+
(
(

|
|
.
|

\
|
=

k
k
k n
P
k
k
n
n
!
1
!
1
1
1
0
0

Probabilidad de que no haya ningn elemento
en el sistema de canales mltiples.
( ) ( )

+
(
(
(
(
(


|
|
.
|

\
|
=
0
2
! 1
P
K K
L
K

Numero medio de unidades en el sistema (en
cola y en servicio)

7
Thierauf Robert J. y Grosse Richard A., Toma de decisiones por medio de Investigacin de Operaciones,
Limusa, Mxico, 1987, Pg. 443.
Formulario


Investigacin de Operaciones II, Industrial
86
( ) ( )
0
2
! 1
P
K K
Lq
K


|
|
.
|

\
|
=
Longitud media de la cola
( ) ( )

1
! 1
0
2
+

|
|
.
|

\
|
= P
K k
T
K

Tiempo promedio en el sistema (Tiempo
medio que una llegada pasa en el sistema)
( ) ( )
0
2
! 1
P
K k
Tq
K


|
|
.
|

\
|
=
Tiempo medio de espera en la cola

8. Modelo de llegadas Poisson, Servicio exponencial, Poblacin finita, Servidores
mltiples.
8

Se tiene S servidores y una poblacin infinita de m elementos:
0
P
n
m
P
n
n
|
|
.
|

\
|
|
|
.
|

\
|
=


La probabilidad de que haya n elementos en el
sistema, siendo 0nS
( )
0
! !
!
P
S S n m
m
P
n
S n
n
|
|
.
|

\
|


La probabilidad de que haya n elementos en el
sistema, siendo nS<nm

=
=
m
n
nP L
0
0

Numero medio de unidades en el sistema (en
cola y en servicio)
( )
n
m
S n
P S n Lq

+ =
=
1

Longitud media de la cola

1
+ =
q
T T
Tiempo promedio en el sistema (Tiempo
medio que una llegada pasa en el sistema)
( )
q
L L
L
Tq


Tiempo medio de espera en la cola
L-Lq
Numero esperado de estaciones de servicio
que se utilizan
Cs=m-L
Nmero de unidades de la poblacin que no
requieren servicio

8
Prawda, Witenberg Juan, Mtodos y Modelos de Investigacin de Operaciones; Volumen 2 Modelos
estocsticos, Limusa, Mxico, 1987, Pg277.
Formulario


Investigacin de Operaciones II, Industrial
87
( )
q S
L L
S
=
1
Utilizacin esperada del servidor S
Formulario


Investigacin de Operaciones II, Industrial
88
III. TEORA DE DECISIONES.

1. Sin datos previos.
Los modelos aplican para una matriz de pagos.
a) Modelo de decisin del pesimista (MaxMin).
Paso 1. Determinar el resultado de menor valor para cada alternativa y registrarlo en una
lista.
Paso 2. De la lista de resultados, elegir el valor mximo. La alternativa asociada con este
resultado mximo es la estrategia que debe utilizarse.

b) Modelo de decisin del optimista (MaxMax).
Paso 1. Para cada alternativa, determine el resultado con el mayor valor y antelo en una
lista.
Paso 2. De la lista de resultados, elija el valor mximo; la alternativa asociada con este
resultado mximo es la estrategia que debe seguirse.

c) Modelo de decisin de maximizacin del pago promedio (Criterio DE LAPLACE).
Paso 1. Para cada alternativa, calcule el pago promedio para todos los estados de la
naturaleza y coloque estos valores en una lista.

=
=
n
j
ij i
O
n
V
1
1

Paso 2. Determine el mayor valor de la lista de pagos promedio. La alternativa que
corresponde a este pago es la que debe seleccionarse.

d) Criterio de Hurwicz.
Da un balance general entre el optimismo extremo y el pesimismo extremo, ponderando
las dos condiciones anteriores.
Paso 1. Seleccionar la alternativa que proporcione:
( ) ( ) ( ) { }
j i j i
n a v n a v Max , min 1 , max o o +

e) Modelo de decisin de minimizacin del arrepentimiento (Criterio de SAVAGE).
Paso 1. Para cada estado de la naturaleza.
a) Determine el pago mas alto.
b) Calcule las prdidas de oportunidad para cada alternativa, utilizando la siguiente
ecuacin:
Formulario


Investigacin de Operaciones II, Industrial
89
Perdida de oportunidad = Pago mximo-Pago por la alternativa seleccionada.
c) Coloque estos valores de perdida de oportunidad en una tabla de
arrepentimientos.
Paso 2. Para cada alternativa de la tabla de arrepentimientos, determine la perdida mxima
de oportunidad y coloque este valor en una lista.
Paso 3. Utilizando la lista del paso 2, determine la mnima de las perdidas mximas de
utilidad. La alternativa correspondiente es la que debe elegirse.


2. Con datos previos.
a) Modelo de decisin VME.
Paso 1. Calcular las probabilidades, Pj, para la ocurrencia de cada estado de la naturaleza.
Paso 2. Calcular el VME para todas las alternativas utilizando la siguiente ecuacin, y
anotar estos valores en una lista.

=
=
n
j
j ij i
P O VME
1

Donde.
O
ij
= Pago utilizando la i-sima alternativa si ocurre el j-simo estado de la naturaleza,
P
j
= Probabilidad de que ocurra el j-simo estado de la naturaleza.
VME
i
= Valor monetario esperado para la i-ensima alternativa.
Paso 3. Utilizar la lista de VME calculada en el paso 2 para determinar el valor mximo. La
alternativa que corresponde al VME mximo es la decisin que debe tomarse.

b) rboles de decisin.








VAR(x) = | |

=

m
j
j j
x E x x p
1
2
) ( ) (
E.N. (Pj)
Alternativa
Oij
Formulario


Investigacin de Operaciones II, Industrial
90

c) El valor de la informacin perfecta.
Si se conociera con anticipacin el estado de la naturaleza que sucedera.

=
=
n
j
j ij IP
P O VME
1
*

Donde:
O*
ij
= La mxima utilidad para cada estado de la naturaleza,
P
j
= Probabilidad de cada estado de la naturaleza.

Donde el valor de la informacin perfecta se calcula con la siguiente frmula.
*
IP IP
VME VME VIP =
donde: VIP = Valor de la informacin perfecta
VME
IP
= VME para la informacin perfecta
VME* = VME mximo sin informacin perfecta

d) El valor de la informacin de prueba.
Ley de Bayes.
( ) ( )
) (
/
) / (
R P
N P P R p
R N P =
) ( ) / ( ) ( ) / ( ) ( N P N R P N P N R P R P + =
) ( ) / ( ) ( ) / (
) ( ) / (
) / (
N P N R P N P N R P
N P N R P
R N P
+
=
Donde:
P(N/R) = Probabilidad de que ocurra el evento N, dado que el resultado fue R.
P(N) = Probabilidad a priori, se calcula antes de la prueba.
P(R) = Probabilidad de que ocurra el resultado de la prueba R.
N = No N.




A continuacin se resume el uso de este anlisis:
Formulario


Investigacin de Operaciones II, Industrial
91
Paso 1. Elaborar una tabla de probabilidades de prueba, es decir, P (el resultado de la prueba
ser R/el resultado real fue N)y un conjunto de probabilidades previas P(N), para cada
estado de la naturaleza.
Paso 2. Para cada rengln de la tabla de probabilidades de prueba, multiplicar cada elemento
por la probabilidad previa correspondiente de estado de la naturaleza, P(N). Cada
producto es elemento de una tabla modificada de probabilidades, P(R/N)P(N). La suma
de estas probabilidades para cada rengln es ahora P(R).
Paso 3. Dividir cada elemento de la matriz de probabilidades modificada entre la suma de su
rengln, es decir, P(R/N)P(N)/P(R), para obtener los elementos de la tabla de
pronsticos, P(N/R).
Paso 4. Utilizando la matriz de pago calcular por separado el VME mximo para cada
resultado de prueba, utilizando las probabilidades del rengln de la matriz de
prediccin que corresponde a ese resultado de prueba.
Paso 5. Utilizando los VME mximos para cada resultado de prueba calcular el VME (de la
prueba) multiplicando el VME mximo para cada resultado de prueba por la
probabilidad de que ocurra ese resultado, P(R), y sumando todos estos resultados.
Paso 6. Calcular el valor neto de la prueba determinando la diferencia entre el VME de la
prueba calculando en el paso 5 y el VME mximo posible sin la prueba.

Formulario


Investigacin de Operaciones II, Industrial
92
IV. CADENAS DE MARKOV.
1. Presentacin de cadenas de Markov a travs de un rbol.









2. Clculo de las probabilidades de transicin para alcanzar el estado estable



3. Mtodo de Suma de flujos.




Basado en todo lo que entra debe salir.
Para un ejemplo de dos estados.










4. Mtodo de las ecuaciones matriciales.
Se desarrolla un conjunto de n+1 ecuaciones simultneas en la forma:
P
21
P
12

P
22

P
11

S
1

S
2





Ubicacin
0 1 2
Formulario


Investigacin de Operaciones II, Industrial
93


Esta expresin proporciona una ecuacin por cada
columna de la matriz de transicin.

La suma debe ser 1



5. Casos especiales.
A) Cadenas cclicas.
Una cadena cclica es la que se repite de manera determinstica.






B) Cadenas Absorbentes.
Un estado absorbente es aquel del que no puede salirse. Y este debe cumplir dos requisitos:
a) Debe tener un estado absorbente.
b) y debe poder alcanzar ese estado.





Solo se tiene inters cuando se comienza en un estado no absorbente. P
ik
es la probabilidad de
terminar en el estado absorbente k, dado que el sistema comienza en el estado i no absorbente.
Las probabilidades para los estados absorbentes y no absorbentes deben sumar uno:




para toda k



Donde P
jk
= 0 si j es un estado absorbente
p13 p12
P
11

S1
S3 S2
P41
P14
p44 p33
p
22

P42 p13
p
11

S1
S4 S3
S2
Formulario


Investigacin de Operaciones II, Industrial
94