Guia-2017 Investigacion Operativa

UNC FCEF y Nat.
Cátedra de Investigación Operativa
Universidad Nacional de Córdoba
Facultad de Ciencias Exactas Físicas y Naturales
Carrera: INGENIERÍA INDUSTRIAL
Departamento: PRODUCCION, GESTION Y MEDIO AMBIENTE
Asignatura: INVESTIGACIÓN OPERATIVA
GUIA DE APRENDIZAJE
2017
Autores: Dr. Ing. José Luis Zanazzi

Mger. Lic. Laura Leonor Boaglio
1
UNC FCEF y Nat. Cátedra de Investigación Operativa
Introducción al conocimiento del contexto de la asignatura
La necesidad de tomar decisiones es permanente en actividades de

administración de la producción. Es posible tomar decisiones de manera puramente
intuitiva o utilizar como base criterios objetivos que justifiquen a las mismas.
Los responsables de la conducción de empresas industriales requieren de

fundamentar adecuadamente cada decisión. Uno de los autores citados en la bibliografía
de referencia, el Dr. Juan Prawda introduce el concepto de decisor racional, este
concepto incluye la valoración cuantitativa, esto es la caracterización de cada una de las
alternativas de decisión mediante dimensiones posibles de cuantificar y comparables.
Los problemas de decisión que se presentan en la actividad productiva en

general son de gran complejidad. Los ejemplos que pueden señalarse son múltiples e
incluyen situaciones tan variadas como la planificación de inversiones, la selección y
logística de proveedores, la distribución interna de insumos, el mantenimiento de
máquinas y herramientas, etc.
La estrategia científica que se utiliza para el tratamiento de estas situaciones se

conoce como Método de Resolución de Problemas. Este estudio comienza con el
análisis del problema desde una perspectiva interdisciplinaria, sigue con la selección de
un modelo que permita la caracterización y cuantificación de las alternativas de decisión
y la aplicación de una metodología matemática conforme, para finalmente hacer posible
la evaluación de los resultados obtenidos. Se establece entonces un ciclo que se refleja
en el siguiente diagrama:
PROBLEMA
DE DECISIÓN
TOMA DE DECISIÓN ANÁLISIS
MODELACIÓN
Precisamente los aspectos relacionados con la modelación son el ámbito de esta

asignatura. Es decir la Investigación Operativa o Investigación de Operaciones es la
aplicación del método científico, con empleo de modelos matemáticos, a los problemas
relativos a la conducción de sistemas organizados (hombre-máquina) para proporcionar
soluciones racionales a los mismos.
La palabra Investigación hace referencia al uso de un enfoque similar al que se lleva a

cabo en una investigación en cualquier campo científico. En cambio, la palabra
Operaciones hace referencia a que se resuelven problemas referidos a la conducción de
operaciones dentro de una organización. En definitiva desarrolla técnicas y algoritmos
matemáticos para resolver problemas de decisión.
2
El inicio de las primeras técnicas y algoritmos matemáticos propios de la

Investigación de Operaciones, se remonta a la época de la Segunda Guerra Mundial,
cuando surge la urgente necesidad de asignar los escasos recursos del momento, en la
forma más efectiva. Posteriormente el éxito obtenido en las actividades bélicas genera
un gran interés en sus aplicaciones fuera del campo militar.
A partir de la década de los años 50, continua su desarrollo y se introduce de una

forma notable en la industria, los negocios y en la administración gubernamental.
Este rápido avance es propiciado básicamente por dos motivos. Por una parte, un
factor fundamental en la implantación de esta disciplina es que muchos de los
científicos que inician su desarrollo, siguen trabajando en este campo después de la
guerra. Por otro lado, el segundo factor importante es la revolución que se produce en el
campo de las computadoras.
Para poder resolver los complejos problemas relacionados con la Investigación

de Operaciones, generalmente se requiere de un gran número de cálculos que resultan
casi imposibles de realizar manualmente. Por tanto, a partir de la década de los 80, la
introducción de la tecnología digital, los pequeños procesadores de gran capacidad y los
paquetes de Software con algoritmos cada vez más potentes, hizo que muchas personas
tuvieran acceso a la resolución de problemas mediante los recursos proporcionados por
esta disciplina.
Sin lugar a dudas el amplio campo de conocimientos, que abarca la

Investigación de Operaciones en la actualidad, incluye una gran variedad de
herramientas. La presente asignatura revisa algunos de los modelos más difundidos, en
particular se han seleccionado aquellos que presentan mayores posibilidades de
aplicación en el contexto propio de la Ingeniería Industrial. Un profesional formado en
este ámbito necesita conocer las características de las metodologías de modelación,
comprender las posibilidades que éstas brindan y desarrollar el hábito de su utilización
para la toma de decisiones.
A los fines de proporcionar un primer contacto con la temática de la asignatura,

se presenta a continuación una breve descripción de los modelos considerados.
Se emprende el estudio con el Modelo General de Decisión con la intención de

favorecer la comprensión del paradigma de la disciplina. Desde este punto de vista, si
bien sus tratamientos en el presente no revisten un gran interés práctico, su enfoque
provee fundamentos para el desarrollo de las herramientas restantes.
Una vez presentado el modelo general, se introducen algunos modelos que

debido a la versatilidad de sus aplicaciones, pueden considerarse como modelos de
propósitos generales.
Entre los modelos de propósitos generales, que se tratan, se destacan por la

diversidad de sus aplicaciones los denominados de Decisión Multicriterio Discreta –
DMD-. Esta implementa metodologías que permiten resolver problemas en los cuales es
posible identificar un conjunto finito de alternativas de decisión, que requieren de
múltiples valoraciones bajo un número finito de criterios generalmente contrapuestos.
3
Otros de estos modelos contemplan la toma de decisiones bajo condiciones de

incertidumbre, de entre los mismos se desarrollan los siguientes:
Simulación: permite representar el funcionamiento de un sistema complejo que

incluye distintos comportamientos aleatorios conocidos, mediante un programa factible
de ejecución en una computadora, esto con el fin de predecir las posibles reacciones del
sistema bajo estudio ante cada alternativa de decisión.
Series de tiempo: permiten la predicción del comportamiento de una variable
aleatoria a partir de una secuencia de valores de la misma, éstos son observados a lo
largo del tiempo y por tanto ordenados cronológicamente. Se tratan como observaciones
puntuales de un proceso estocástico y los pronósticos se realizan utilizando el enfoque
moderno del análisis estadístico para series temporales.
A continuación se desarrolla un segundo conjunto de modelos que por sus

características pueden denominarse de Programación Matemática. Permiten la
modelización de situaciones que admiten la definición de variables que responden a
fenómenos considerados determinísticos. Tienen como objetivo la optimización de los
valores posibles de las variables implicadas. Bajo este entorno se destacan los siguientes
enfoques:
Programación Lineal –PL-: permite encontrar el óptimo de una función lineal
con un número finito de variables que toman valores en el conjunto de números reales
no negativos. La función a optimizar se denomina Función Objetivo y las variables
implicadas variables de decisión. La función objetivo esta sujeta a un conjunto de
soluciones factibles, generado por una serie de restricciones lineales definidas sobre las
variables de decisión. Desarrolla los denominados modelos lineales de optimización y
es adaptable a disímiles contextos. Incluye entre otras aplicaciones las siguientes:
Programación Entera: se caracteriza porque las variables de decisión toman valores
en el conjunto de números enteros no negativos. Los problemas pueden resolverse
adaptando los algoritmos generales de resolución para programas lineales.
Problemas de Transporte: tratan sobre la distribución óptima de una cantidad de
unidades desde distintos centros a distintos destinos. Se han desarrollado algoritmos
especiales para la resolución de este tipo de problemas, pero pueden resolverse
mediante los algoritmos generales de resolución para programas lineales
Problemas de Asignación: tratan sobre la asignación de distintos recursos a distintos
destinos, pueden considerarse como un caso particular del problema de transporte.
Existen algoritmos particulares para su resolución, aunque siempre responden a un
programa lineal y por tanto son posibles de solucionar mediante los algoritmos
generales.
Finalmente se estudia la perspectiva examinada desde la Programación

Dinámica. Esta metodología permite resolver problemas que pueden ser divididos en
un número discreto y finito de partes o etapas. Se utiliza para representar procesos que
constan de varias acciones, donde es necesario determinar una decisión óptima para la
secuencia general. Entre sus posibles aplicaciones se encuentran la distribución de
recursos entre diversos programas o etapas temporales y el establecimiento de ciclos de
mantenimiento.
Las distintas identificaciones y sus relaciones, mencionadas en esta introducción,

se reflejan en el mapa conceptual de la asignatura que se presenta a continuación:
4
Mapa conceptual de la asignatura
PROBLEMA
DE DECISIÓN
TOMA DE DECISIÓN ANÁLISIS
MODELACIÓN
MODELOS
MATEMÁTICOS
Modelos de propósitos
generales
PROBABILÍSTICOS
DECISIÓN
MULTICRITERIO
DISCRETA
SIMULACIÓN SERIES
DE TIEMPO
DETERMINÍSTICOS
Modelos de programación
Matemática (optimización)
PROGRAMACIÓN
LINEAL
PROGRAMACIÓN
DINÁMICA
PROGRAMACIÓN ASIGNACIÓN
ENTERA
TRANSPORTE
Programa de la Asignatura
OBJETIVOS:
5
Conocer los aspectos determinantes del problema general de la decisión y diversos

modelos que permiten realizar elecciones con base objetiva en la actividad productiva.
Adquirir habilidades para aplicar modelos de simulación.
Pronosticar con modelos para series temporales
Formular y aplicar modelos que permiten seleccionar la alternativa de decisión más
apropiada entre un conjunto finito de posibilidades, empleando múltiples criterios.
Formular y resolver modelos de programación lineal.
Extender la aplicación de la programación lineal a diferentes tipos de problemas.
Aplicar modelos de programación dinámica para resolver problemas de decisión en
etapas.
Desarrollar predisposición para la toma de decisiones con base objetiva.
Favorecer el hábito de utilizar la computadora en la resolución de problemas.
Trabajar en grupos pequeños, intercambiando conocimientos, resolviendo problemas y
elaborando conclusiones prácticas.
Valorar la importancia de las herramientas proporcionadas por la Investigación de
Operaciones para la toma de decisiones.
CONTENIDOS:
Unidad 1: Procesos de Decisión. Modelo General
Toma de decisiones. El problema general de la decisión. Elementos de un problema de

decisión. Función de utilidad. Decisión bajo condiciones de incertidumbre. Criterios.
Problemas de Universo Incierto y Problemas de Universo Aleatorio o Probabilístico.
Unidad 2: Decisión Multicriterio Discreta -DMD-
Problemas de decisión con objetivos múltiples. Modelos multiobjetivo con variables y

con atributos. Decisión multicriterio ordinal. Decisión multicriterio cardinal:
especificación de criterios; selección de una escala apropiada; normalización;
agregación. Función de Utilidad: definición y propiedades. Método AHP de Saaty
(Proceso Analítico de Jerarquías): resolución y análisis de sensibilidad. Método Topsis.
Aplicaciones.
Unidad 3: Simulación Discreta
Simulación continua y discreta. Aspectos generales de la Simulación Discreta. Etapas

en la aplicación de estos modelos. Números aleatorios: propiedades y verificación del
generador. Generación de impulsos aleatorios: variables categóricas o atributos;
variables discretas y continuas. Resolución de Problemas con simulación.
Unidad 4: Procesos Estocásticos para el Pronóstico: Series de tiempo
Proceso estocástico. Series temporales: definición; comportamientos estacionarios y no

estacionarios. Herramientas para el análisis series de tiempo: Función de
Autocorrelación y Función de autocorrelación parcial. Modelos para procesos
estacionarios Construcción de modelos de pronóstico. Modelos ARIMA: identificación,
estimación, verificación. Pronóstico. Aplicaciones.
6
Unidad 5: Programación Lineal -PL-: fundamentos; resolución e interpretación
Características de los modelos de Programación Lineal. Formulación. Resolución

gráfica. Propiedades de la solución óptima. Análisis de Sensibilidad. Resolución
analítica: método Simplex. Dualidad. Programas de computadora que permiten
resolver este tipo de modelos. Análisis de casos típicos: problemas de planeación de
producción; de mezcla y de dieta.
Unidad 6: Aplicaciones de la Programación Lineal
Problemas de transporte: propiedades; formulación y resolución. Problemas de

asignación: propiedades; formulación y resolución. Programación con variables enteras
y binarias: propiedades; resolución.
Unidad 7: Programación Dinámica
Programación dinámica Determinística: problemas de decisión en etapas. Principio de

Optimalidad de Bellman. Análisis de aplicaciones típicas de Programación Dinámica:
problemas de mantenimiento de equipos. Resolución de problemas.
Bibliografía
Bibliografía para el alumno
Alberto C. L. y Carignano C. E. (2007) “Apoyo Cuantitativo a las Decisiones”.

Cooperadora de la Facultad de Ciencias Económicas. UNC. Córdoba.
Bowerman B. L., O´Conell R. T. y Koehler A. B.(2007) “Pronósticos, Series de
Tiempo y Regresión”. Thomson. México.
Eppen G. D. Gould F. J, Schmidt C. P, Moore J. H. y Weatherford L.R. (2000)
“Investigación de Operaciones en la Ciencia Administrativa”. Prentice Hall.
México.
Hillier F. y Lieberman G. (1997) “Introducción a la Investigación de
Operaciones”. Mc Graw Hill. México.
Mathur K. y Solow D. (1996) “Investigación de Operaciones”. Prentice Hall,
México.
Taha H.A. (1995) “Investigación de Operaciones” Alfaomega Grupo Editor.
México.
Winston W. L. (2005) “Investigación de Operaciones” Grupo Editorial
Iberoamericana. México.
Sitios Web de interés:
http://members.tripod.com/~operativa/index.html
Bibliografía complementaria
Anderson D., Sweeney D. y Williams T. (1998) “Métodos Cuantitativos para los

Negocios”. Thomson. México.
Barba-Romero S. y Pomerol J. (1997) “Decisiones Multicriterio. Fundamentos
Teóricos y Utilización Práctica”. Servivio de Publicaciones Universidad de Alcalá.
España.
7
Bierman H., Bonini Ch. y Hausman W. (1996) “Análisis cuantitativo para la

toma de decisiones”. Mc Graw Hill. España.
Box G y Jenkins M (1976) “Time series analysis, forecasting and control”. Mc
Graw Hill. NY.
Davis K.R. y P.G. McKeown (1986) “Modelos Cuantitativos para Administración”
Grupo Editorial Iberoamericana. México.
Diebold F. (1998) “Elementos de Pronóstico”.Thomson. México.
Ferreyra S. C. y Lerda G.B. (2008) “Matemática. Ejercicios y Aplicaciones”.
Ediciones Eudecor. Córdoba.
Funes M. (2005) “Programación Lineal. Material de Apoyo para Clases
Prácticas”. Cooperadora de la Facultad de Ciencias Económicas. UNC. Córdoba.
Peña Sanchez de Rivera D. (1992)”Modelos y Métodos. Modelos lineales y series
temporales”. Editorial Alianza. Madrid.
Peña Sanchez de Rivera D. (2005) “Análisis de series temporales“.Editorial
Alianza. Madrid
Prawda J. (1985) “Métodos y modelos para la Investigación de Operaciones”.
Editorial Limusa. México.
Urbisaia H. L. Brufman J:Z (2000) “Análisis de Series de Tiempo “.Ediciones
Cooperativas. Buenos Aires.
Modalidad de trabajo
Se contempla la Resolución de Problemas como eje de la modalidad,

estimulando la exploración por parte del alumno del material de estudio seleccionado
por la cátedra, el trabajo en equipo y la discusión grupal de conclusiones.
Con este enfoque se pretende desarrollar la aptitud del estudiante para elaborar
los conocimientos adquiridos y usarlos para resolver problemas, en lugar de manejar
conceptos aislados tratando de “recordarlos” al momento de enfrentar problemas
concretos.
La metodología de trabajo propuesta contempla las siguientes instancias:
Introducción de los temas en clase.
Planteo de problemas concretos relacionados con cada una de las unidades temáticas.
Formulación de preguntas orientadoras y de ejercicios prácticos.
Investigación bibliográfica sobre el tema, a fin de adquirir los conocimientos
necesarios para abordar la ejercitación y el problema planteados, tarea realizada fuera
del horario de clase.
Resolución de problemas en equipo, fuera de clase.
Plenario en clase para presentar los resultados obtenidos.
Discusión grupal sobre las conclusiones elaboradas.
Síntesis final del tema.
Puede observarse que, la propuesta metodológica pone un fuerte acento en el
compromiso del alumno hacia el estudio independiente, y se orienta hacia la aplicación
concreta de conocimientos para resolver problemas. En esta última instancia se pretende
que el alumno incorpore las metodologías propias de la Investigación de Operaciones
para la toma de decisiones y pueda abordar racionalmente los problemas de decisión
que en el futuro se presenten en su actividad profesional.
8
Evaluación de la Asignatura
Con el fin de valorar el grado de cumplimiento de los objetivos propuestos, están

previstas una serie de instancias de evaluación con las siguientes modalidades:
Evaluación Parcial: Son instrumentos escritos, individuales, teórico-prácticos y de tipo

semi-estructurado, a través de los cuales se busca evaluar no sólo la incorporación de
los conceptos más relevantes de la materia, sino fundamentalmente la capacidad del
alumno para abordar un problema concreto, definir sus alcances, elegir las herramientas
apropiadas para su resolución, aplicarlas, e interpretar los resultados obtenidos,
generando información de utilidad en términos del problema considerado. Se prevé la
realización de dos evaluaciones parciales, una que abarca las cuatro primeras unidades
y otra que abarca las tres unidades restantes. Se califican en la escala de cero a cien.
Evaluación Continua: Aparte de la observación de la participación del alumno en el
trabajo áulico, quincenalmente se instrumentan evaluaciones individuales de aplicación
puntual del último tema desarrollado. El resultado de las evaluaciones quincenales se
califica en la escala que va de cero a cuatro.
Evaluación de Trabajos Grupales: Los trabajos grupales se realizan sobre situaciones
problemáticas complejas factibles de discusión, que requieren de un análisis extendido
y/o de la utilización de software específicos para su resolución. Deben ser presentados
en forma impresa, un ejemplar por cada equipo de trabajo. A su vez, estos trabajos
requieren de exposición oral durante un plenario realizado en clase, en forma alternativa
por los diferentes grupos de trabajo. La forma de exposición será acordada por el
grupo, pero el docente podrá solicitar información adicional a cualquiera de sus
integrantes para corroborar sus conocimientos. Se califican en la escala que va de cero
a diez.
Condiciones para Promocionar la Asignatura.

Las exigencias formales son las habituales para las asignaturas de la Facultad de
Ingeniería: Asistencia a un 80 % de clases como mínimo.
• Presencia y participación en las actividades plenarias de corrección de los
trabajos grupales.
• Aprobación conforme a cuatro notas:
- dos notas correspondientes a los dos parciales individuales, que se
aprueban con un mínimo de 65 puntos sobre 100, de los cuales se puede
recuperar (por aplazo o inasistencia) solamente uno;
- una nota, que surge como promedio de las evaluaciones individuales
continúas calificadas entre 0 y 4, siendo necesario un 2 como mínimo
para aprobar.
- una nota, que surge como promedio de la presentación de las actividades
grupales calificadas entre 0 y 10, siendo necesario un 6 como mínimo
para aprobar.
La calificación final se conforma ponderando los resultados de las cuatro evaluaciones
previstas, en la escala de 0 a 10, siendo necesario como mínimo un 4 para promocionar
la asignatura.
9
Condiciones para Regularizar la Asignatura

Las exigencias para obtener la regularidad son las siguientes:
• Asistencia a un 80 % de clases como mínimo.

• Presencia y participación en el cincuenta por ciento de las actividades plenarias
de corrección de los trabajos grupales.
• Regularidad conforme a cuatro notas:
- dos notas correspondientes a los dos parciales individuales con un
mínimo de 50 puntos sobre 100.
- una nota, que surge como promedio de las evaluaciones individuales
continúas calificadas entre 0 y 4, siendo necesario un 1 como mínimo.
- una nota, que surge como promedio de la presentación de las actividades
grupales calificadas entre 0 y 10, siendo necesario un 4 como mínimo.
Observaciones:
Correlativas Obligatorias: Probabilidad y Estadística

Análisis Matemático II
Conforme al Régimen de Alumnos de la Facultad (Res.Nro.154-H.C.D-2002),
Art. 11°: El alumno regular podrá matricularse para cursar la o las asignatura/s correlativa/s de
la asignatura que le confiere dicha condición, siempre y cuando esta/s se halle/n en el semestre
consecutivo.
Art. 12°: La asignatura correlativa pendiente de aprobación, deberá aprobarse como máximo al
finalizar la época de exámenes de Febrero-Marzo siguiente, para las materias del primer
semestre y al finalizar la época de exámenes de Julio siguiente para las asignaturas del segundo
semestre.
Art. 13°: De no cumplirse lo dispuesto en el artículo anterior, toda actuación académica en la

asignatura cursada en forma regular, sin tener aprobada sus correlativas, perderá su valor
automáticamente.
Art. 30º:z) Plazo de validez de la promoción:

1) Para las asignaturas del primer semestre: hasta finalizar la época de exámenes de Febrero-
Marzo del año siguiente.
2) Para las asignaturas del segundo semestre: hasta finalizar la época de exámenes de Julio del
año siguiente.
Por lo tanto, de no cumplimentarse lo antes expuesto, SE PIERDE LA
PROMOCIÓN.
La única excepción a lo anteriormente expuesto, es el caso de alumnos que hayan
iniciado un trámite de cambio de carrera y que no pudieron inscribirse en la
asignatura, por encontrarse pendiente el otorgamiento de equivalencias. Para
acceder al mencionado derecho, el alumno debe presentar la documentación
probatoria al Profesor Titular, quien registrará convenientemente esa condición.
10
Cronograma Previsto
Carga horaria de clases presénciales: 6 horas reloj por semana durante 16 semanas.
Semana Contenidos Actividad de alumnos

número
1 Presentación de la asignatura. Conseguir los materiales recomendados.
Toma de decisiones. El Conseguir la guía de actividades prácticas y
problema general de la trabajar la unidad en los ejercicios propuestos
decisión. Decisión bajo Analizar los criterios planteados para la
condiciones de incertidumbre. asignatura.
Investigar en la bibliografía los alcances y
limitaciones de los modelos bajo condiciones
de incertidumbre.
Transferir los conocimientos a los problemas
planteados.
2 Modelos propuestos para los Analizar las propiedades, ventajas y desventajas
problemas multicriterio de los diferentes modelos.
discretos.(DMD) Resolver problemas con DMD conforme a lo
planteado en la guía de aprendizaje.
3 Resolución de situaciones Transferir los conocimientos sobre Modelos
problemáticas con Modelos Multicriterio, a la resolución de problemas
Multicriterio. planteados en la guía de aprendizaje.
Procesos de decisión y DMD Entrega del primer Trabajo Práctico Grupal
4 Simulación continua y discreta. Investigar en los materiales de estudio
Aspectos generales de la recomendados los aspectos generales de la
Simulación Discreta. simulación discreta. Resolver problemas con
Generación de impulsos Simulación, conforme a lo planteado en la guía
aleatorios: atributos; variables de aprendizaje
discretas y continuas.
Resolución de problemas con
Simulación.
5 Resolución de problemas con Resolver problemas con Simulación, conforme
Simulación. Opciones de a lo planteado por la Guía de actividades
Software. prácticas.
Series temporales: definición; Investigar en los materiales de estudio
comportamientos estacionarios recomendados el tratamiento de series
y no estacionarios. temporales. Realizar tareas iniciales de análisis
de series temporales, primeros ejercicios de la
Guía de aprendizaje
6 Herramientas para el análisis Investigar en los materiales de estudio

series de tiempo: Función de recomendados, los modelos planteados para
Autocorrelación. Modelos para series temporales. Realizar ejercicios
series temporales estacionarias. propuestos en la guía de aprendizaje.
11
7 Pronóstico con series Identificar modelos para series temporales.

temporales Experimentar con modelos ARIMA y aplicarlos
Modelos ARIMA. Manejo de en situaciones problemáticas
software.
Modelos multiobjetivo con Investigar en los materiales de estudio
variables y con atributos. propuestos los modelos multicriterio.
Paradigma de la decisión
multicriterio por atributos.
Simulación y Series de Tiempo Entrega del Segundo Trabajo Práctico Grupal
8 Primer parcial individual Preparar la evaluación individual.
9 Características de los modelos Utilizar Programas Lineales para representar
de Programación Lineal. problemas de decisión (ejercitar la formulación
Formulación. Resolución de los mismos).
gráfica. Propiedades de la Analizar las propiedades de los Programas
solución óptima. Lineales.
10 Análisis de Sensibilidad. Resolver los modelos formulados en la guía de
Resolución analítica: Método actividades prácticas.
Simplex. Dualidad. Programas Desarrollar habilidad para interpretar los
de computadora que permiten resultados de estos modelos.
resolver este tipo de modelos.
11 Problemas de Transporte: Formular, resolver e interpretar problemas de

algoritmos especiales. transporte de la guía de aprendizaje.
Programas de asignación..
12 Programación Entera y Binaria: Investigar las propiedades de la Programación
propiedades; resolución. Entera. Plantear problemas con estas
Estudio de casos herramientas.
13 Programación Dinámica: Identificar situaciones donde es posible la
problemas de decisión en aplicación de este tipo de modelos.
etapas. Principio de Aplicar modelos de Programación Dinámica a
Optimalidad de Bellman. la resolución de problemas propuestos.
Análisis de aplicaciones típicas.
14 Aplicaciones típicas de la Aplicar modelos de Programación Dinámica a
Programación Dinámica. la resolución de problemas propuestos.
Modelos Matemáticos Entrega del Tercer Trabajo Práctico Grupal
probabilísticos y Integrador
determinísticos
15 Segundo parcial individual Preparar la evaluación individual.
16 Recuperación de parcial 1 ó 2 Preparar la evaluación individual
12
Unidad Temática 1: Proceso de Decisión. Modelo General
Introducción
Un problema factible de ser planteado mediante lo que se denomina Proceso de

Decisión, puede representarse mediante un modelo general, que responde al siguiente
diagrama:
Criterios
Alternativas Análisis de Alternativa

Utilidades preferida
Ambiente
Es decir, se dispone de un conjunto de alternativas entre las cuales se debe

escoger la de mayor preferencia. Se reconoce además la influencia del ambiente o
universo en el cual se realiza el proceso, de hecho, los resultados de la aplicación de
cada alternativa varían de acuerdo a las condiciones que adopte el ambiente.
Luego, el proceso requiere analizar las posibles implicancias de dichas

alternativas. Este análisis se puede realizar utilizando como orientación diferentes
criterios, que buscan representar las conductas o actitudes de la/las personas que deben
realizar la decisión.
Los elementos mencionados pueden representarse en la siguiente Tabla:
Posibles estados del Universo o Ambiente

Universo o Ambiente Probabilidades
de los estados
Estado 1 Estado 2 ......
Alternativas P ( est 1) P ( est 2 ) ...... P
Alternativa 1 U1,1 U1,2 U1,m

Consecuencias
Alternativa 2 U2,1 U2,2 U2,m de cada
alternativa
........... ...........
Alternativa n Un,1 Un,2 Un,m
13
Un comentario aparte debe estar dirigido al modo de valorar las consecuencias

de cada alternativa i, ante cada uno de los estados del ambiente j Estas consecuencias,
que se representan como Uij pueden ser valoradas de diferentes maneras.
En la presente unidad se desarrollan los modelos cuantitativos propios de la

teoría de decisiones. Para su tratamiento se utilizan dos modalidades, en la primera se
procura medir simplemente el resultado de la acción, generalmente en términos
económicos. La segunda en cambio, utiliza la denominada Función de Utilidad, que
permite agregar a la medición una representación de la actitud del decisor frente al
riesgo.
Ahora bien, debe reconocerse que estos modelos, cuyos orígenes se remontan a
la década de los años 40, no presentan actualmente un interés práctico en sí mismos. Su
inclusión en la presente asignatura se debe a que brindan un marco general para abordar
el problema de la decisión.
Cualquiera sea el enfoque utilizado para enfrentar un problema de decisión, este

siempre presenta ciertas características que describen su naturaleza y además pueden
proporcionar alternativas para su solución. Es necesario tener en cuenta todos los
factores que inciden en la situación y descomponer éstos factores de tal manera que sea
posible pensar en las implicaciones de cada factor de manera racional, es decir aplicar
aproximaciones cuantitativas a lo que se describe. En definitiva lograr representar en
forma específica y operativa los elementos de la tabla presentada anteriormente.
Entonces los pasos a seguir ante un problema de decisión son los siguientes:
1. Definir claramente el problema.

2. Listar las posibles alternativas.
3. Identificar los posibles estados del universo o ambiente.
4. Determinar el beneficio o el costo –valoración cuantitativa de la consecuencia
conforme al problema particular- de cada combinación de alternativas y estados del
ambiente. Volcar esta información en una matriz, que se denomina matriz de
resultados - análoga a tabla anterior-
5. Seleccionar uno de los modelos matemáticos de la teoría de decisiones.(Conforme
al problema inserto en ambiente incierto o probabilístico)
6. Aplicar el modelo y adoptar como decisión racional a la devolución obtenida (la
alternativa que optimiza el objetivo único de maximización o minimización
conforme al problema y al criterio utilizado).
Por otro lado la investigación operativa alberga en su ámbito a una gran variedad
de técnicas y métodos. Todas estas herramientas pueden ser comprendidas por el
paradigma presentado en esta unidad.
En efecto, si se supone como posible un sólo estado del ambiente, se puede

encuadrar a todos los modelos determinísticos (programación matemática; redes; etc ).
En el otro extremo, asumiendo que se conocen las probabilidades de los diferentes
estados del ambiente, se comprenden aquellos modelos de naturaleza estocástica
(simulación; fenómenos de espera; etc.).
14
Este es entonces el fin último de la presente unidad, presentar un paradigma que

permita caracterizar y clasificar a las diversas metodologías abordadas en la asignatura.
Esquema conceptual de la unidad
Criterios
Alternativas Análisis de Alternativa

Utilidades preferida
Ambiente
Posibles estados del Universo o Ambiente

Universo o Ambiente Probabilidades
de los estados
Estado 1 Estado 2 ......
Alternativas P ( est 1) P ( est 2 ) ...... P
........... ...........
Alternativa n Un,1 Un,2 Un,m
El Modelo
15
Objetivos específicos:
Comprender el problema fundamental que se resuelve con los modelos de apoyo a la

decisión.
Aplicar las diferentes estrategias que permiten resolver problemas de decisión bajo
distintas condiciones.
Transferir estos conceptos a las diferentes metodologías que se abordan en la
asignatura.
Contenidos puntuales:
Procesos de decisión. Características y clasificación

Criterios de decisión para problemas de universo aleatorio y de universo incierto.
Aplicaciones.
Función de utilidad. Características y aplicaciones.
Materiales recomendados
Bibliografía:
Sitios Web seleccionados:
http://thales.cica.es/rd/Recursos/rd99/ed99-0191-03/ed99-0191-03.html
http://www.inf.utfsm.cl/~esaez/fio/s1_2004/apuntes/decisiones-2004-1.pdf
http://home.ubalt.edu/ntsbarsh/opre640S/SpanishP.htm#rutility
Software: no se exige su utilización y los ejercicios planteados no lo requieren. Existen

algunos específicos disponibles en el mercado y en algunos sitios de la Web, que la
persona interesada puede buscar e investigar sobre su funcionamiento y aplicaciones.
Como recurso de empleo generalizado se puede utilizar Excel.
Cuestionario orientador para el abordaje del material teórico
1) Caracterice los procesos de decisión. Señale su clasificación. Nombre los elementos

destacados.
2) ¿Que puede señalar acerca del objetivo de un problema de decisión?
3) ¿Qué puede decir sobre un problema de decisión en universo cierto?
4) Clasifique los criterios de decisión para universo incierto. Señale ventajas y
desventajas de cada uno.
5) Especifique un criterio de decisión para universo aleatorio ó probabilístico. Señale
ventajas y desventajas del mismo.
16
Actividades propuestas
1- Un inversionista posee un capital que asciende a $400.000. Tiene tres alternativas de

decisión que se denominan A, B y C.
La alternativa A es invertir el 100% del capital, la alternativa B es invertir el 40% del
capital, mientras que la C propone invertir el 30% del mismo.
El rendimiento de la inversión A es del 10%, de la B es del 11% y de la C es del 17%.
En el caso de B y C al saldo no invertido se guarda en el banco, este proporciona un
interés que se fija al finalizar el período, según la situación económica que se presente.
Esta situación puede ser: de gran inflación, de recesión o de prosperidad económica. El
interés anual que abona el banco, conforme a cada situación económica, es de 10%, 7%
y 5% respectivamente. Construya la matriz de resultados.
2- Una empresa diseñó un nuevo dispositivo electrónico cuya venta le permitiría

acceder a nuevos mercados. Puede vender los derechos por el diseño a $800.000. Si
decide producir el dispositivo, la rentabilidad del proyecto dependerá de la capacidad de
la empresa para comercializarlo durante el primer año. Tiene suficiente acceso a los
distribuidores minoristas como para garantizar la venta de 1.000 dispositivos. Por otro
lado, si tiene éxito en la comercialización, puede llegar a vender hasta 10.000
dispositivos.
El costo de instalar la línea de producción para el dispositivo es de $600.000. La
diferencia entre el precio de venta y el costo variable de cada unidad es de $600.
a) Desarrolle una formulación para el análisis de las decisiones en este problema,

identificando las variables de decisión, los estados de la naturaleza y la matriz de
pagos.
b) Determine la decisión óptima conforme a todos los criterios que conoce. Compare
resultados.
c) Determine la decisión a tomar si la compañía piensa que tiene igual probabilidad de
éxito y no-éxito en la comercialización.
3- Una fábrica de carburadores, proveedora de una automotriz, desea conocer la

cantidad a producir mensualmente a mínimo costo. El costo de cada producto es $60. Si
la demanda excede a lo producido debe agregarse un turno adicional de trabajo que
incrementa el costo de producción en un 20%. Si la producción es mayor que la
demanda, las unidades sobrantes generan un costo de almacenamiento de $8 por unidad.
La demanda mensual de carburadores puede asumir los siguientes valores: 2000, 2500 ó
3000 unidades.
Determine la decisión a tomar, considerando las siguientes situaciones:
a) No se conoce la distribución de probabilidad de la demanda. Utilice todos los
enfoques que conoce.
b) Se conoce una estimación de la probabilidad de la demanda. Ésta es la siguiente.
0.45, 0.3. y 0.25 respectivamente.
4- Una empresa considera tres opciones para administrar su operación de procesamiento

de datos: continuar con su propio personal, contratar un proveedor externo para que
haga la administración o una combinación de su propio personal y un proveedor
externo.
El costo de operación depende de la demanda futura. El costo anual de cada alternativa
de decisión conforme al estado de la naturaleza (en miles de pesos) es el siguiente:
17
Alternativas Estados de la naturaleza

Demanda elevada Demanda media Demanda baja
Personal propio 650 650 600
Proveedor 900 600 300
Combinación 800 650 500
Determine la decisión a tomar para minimizar el costo de la operación procesamiento de

datos, considerando las siguientes situaciones:
a) No se conoce la distribución de probabilidad de la demanda. Utilice todos los
enfoques que conoce.
b) Se conoce una estimación de la probabilidad de la demanda. Ésta es la siguiente. 0.2,
0.5 y 0.3 respectivamente.
5- La empresa automotriz MLF, desea insertar un nuevo modelo en un cierto país.

Tiene en estudio las siguientes posibilidades:
a) Producirlo en el lugar, utilizando mayoritariamente proveedores locales.
b) Producirlo en un país vecino y armarlo en el lugar, para aprovechar las ventajas
impositivas.
c) Importarlo armado, desde el vecino país.
Claro está, el resultado económico de la decisión depende fuertemente del nivel de

aceptación que brinde ese mercado al nuevo modelo. Según los análisis previos, los
resultados posibles son los siguientes:
Aceptación del M ercado

Decisiones: Baja Moderada Alta
Construir -80 100 300
Armar -10 120 170
Importar 40 50 60
Prob estado 0,3 0,5 0,2
Por otra parte, algunos estudios previos permiten presumir que las probabilidades para
cada estado del mercado, son las consignadas en la parte inferior de la Tabla. Enuncie
todos los criterios que pueden utilizarse para tomar la decisión en este problema.
Aplique dichos criterios y reflexione sobre ventajas y desventajas de cada uno.
6- Una compañía de energéticos ofrece al dueño de un terreno $60.000 por los derechos
de exploración de gas y la opción para un desarrollo futuro. La opción, si se ejerce, vale
$600.000 adicionales para el propietario, pero esto ocurrirá si se descubre gas en la
etapa de exploración.
El propietario esta tentado a desarrollar el mismo el proyecto. Para hacer esto deberá
contratar equipos locales con experiencia en exploración y desarrollo. El costo inicial es
de $ 100.000, los que se perderán si no se encuentra gas. Sin embargo si descubre gas el
propietario estima un beneficio de 2 millón.
Determine la decisión a tomar bajo los distintos criterios de universo incierto.
18
7- Una confitería se especializa en la elaboración de pasteles de fresas. Los pasteles se

venden a un precio de $7,50 por unidad y su costo unitario es de $4. Los pasteles que
no se venden el día de su elaboración, se venden al día siguiente a una institución de
beneficencia a sólo $3. La propietaria de la confitería ha recopilado información sobre
la demanda anterior, ésta es la siguiente:
Demanda diaria 0 10 20 30 40 50 60 ó más

Número de días 5 5 15 10 10 5 0
a) Calcule la utilidad para cada alternativa de producción diaria.

b) Determine la mejor alternativa de producción conforme a la información disponible.
8- El gerente de una fábrica debe comprar un nuevo equipo para producir un cierto
artículo. Existen en el mercado tres equipos diferentes: A, B y C. El equipo A tiene un
costo de $6000 y produce a un costo de de $14 por unidad producida. El equipo B
requiere una inversión de $10.000 y produce a un costo unitario de $9. El equipo C
cuesta $17.000 y produce a un costo unitario de $7.
Si se conoce que la demanda es una variable aleatoria con la siguiente distribución de
probabilidad:
Demanda Probabilidad
25.000 0.15
35.000 0.35
45.000 0.30
55.000 0.20
Escriba la matriz de resultados y determine el equipo que conviene adquirir a fin de

minimizar el costo.
9- Un comerciante se dedica a la compra-venta de un producto perecedero, quiere

determinar la cantidad a encargar diariamente a su proveedor. Conoce que la demanda
puede ser de 50, 100 ó 150 unidades por día. El costo por unidad es $1 y el precio de
venta es $2,5.
Como el producto que comercializa es perecedero, las unidades sobrantes al final del
día deben ser desechadas y si adquiere una cantidad menor a la demandada no puede
reponer a lo largo del día.
a) Desarrolle una formulación para el análisis de decisiones de este problema,
identifique las alternativas de decisión, los estados de la naturaleza y la matriz de
resultados.
b) Determine la decisión óptima si la probabilidad de que demanden 50 unidades es
0,35 y de que demanden 150 es 0,25.
c) Determine la decisión óptima, si el modelo a utilizar es el de minimización de las
pérdidas de oportunidad.
19
10- El responsable de una empresa debe decidir entre la compra o el alquiler de una
máquina necesaria en una línea de producción. Los resultados de la decisión dependen
de la demanda que se debe atender. Si la demanda es elevada la compra resulta una
opción satisfactoria, en tanto que si es baja resulta preferible el alquiler. Los resultados
económicos se resumen en la siguiente tabla:
Demanda elevada Demanda media Demanda baja

P = 0,25 P = 0,40 P = 0,35
Comprar 6.000 3.000 2.000
Alquilar 4.500 4.000 3.500
Enuncie todos los criterios que conoce y pueden utilizarse para tomar la decisión en este
problema, considerando riesgo con y sin probabilidad asociada. Aplique dichos criterios
y reflexione sobre ventajas y desventajas de cada uno.
11- Una pequeña fábrica requiere como mínimo de 20 operarios para poner en
funcionamiento una nueva línea de producción. Si un día cualquiera concurren menos
de 20 operarios se debe suspender el funcionamiento de la línea. Sin embargo, la línea
puede operar satisfactoriamente con 20 operarios o más.
Se calcula que, los productos a elaborar en la nueva línea, generarán un ingreso diario
por precio de venta de $40000. Respecto a los costos variables diarios de producir y
vender esos productos, excluida la mano de obra, se calculan de $24000.
Todos los nuevos obreros que decida emplear la fábrica, para poner en funcionamiento
la nueva línea, deben entrar a formar parte de la planta permanente por un convenio con
el sindicato. Esto significa que se paga a todos los obreros que se presentan a trabajar
cada día, aún en el caso de que la línea de producción no pueda operar, y que también
reciben su retribución diaria los obreros ausentes.
La remuneración diaria que se paga por obrero y por día es en promedio de $100,
incluidos beneficios adicionales y cargas sociales.
Por experiencia, en la fábrica se calcula que el ausentismo tiene la siguiente distribución
de probabilidad:
Nº de operarios ausentes Probabilidad
0 0.36
1 0.38
2 0.19
3 0.06
4 0.01
Se pide:
a) Construir la matriz de resultados
b) Calcular la decisión óptima utilizando toda la información disponible.
20
Unidad Temática 2: Decisión Multicriterio Discreta

Introducción
Los modelos que se abordan en la presente unidad están enfocados a problemas

en los cuales se debe escoger una alternativa, de entre un conjunto finito de
posibilidades distinguibles entre sí. Otra característica importante es que para el
proceso de decisión se proponen varios objetivos, que generalmente se contraponen.
Como ejemplo es posible contemplar el caso de una persona que debe comprar
un nuevo automóvil y por tanto elegir su unidad en un conjunto de varios.
¿Qué auto elegimos?
En este caso la persona responsable por tomar la decisión debe tener objetivos
que podríamos enunciar de este modo: lograr el mayor nivel de confort; obtener
velocidad y pronta reacción; gastar la menor cantidad de dinero que sea posible;
disminuir los costos de combustible; etc. Obviamente no es posible lograr un resultado
óptimo, dado que, por ejemplo, una mejora en precio seguramente irá en desmedro del
confort y la velocidad.
A fin de lograr una solución objetiva para este tipo de procesos, se han propuesto
una gran cantidad de métodos que hoy se engloban bajo la denominación Decisión
Multicriterio Discreta (DMD).
En estas situaciones el modelista debe primero identificar en que tipo de

problema se encuentra y cuáles son las alternativas disponibles, luego, a partir de esta
discriminación puede seleccionar el método más apropiado.
Respecto a los métodos, la variedad es muy grande. De todos modos en general

se caracterizan por aplicar el concepto de utilidad, es decir relacionar la preferencia con
un número real. Si a partir de este análisis se obtiene exclusivamente un ordenamiento
de las alternativas, el método se dice Ordinal; en cambio, si las utilidades pueden
representar las intensidades de las preferencias, o sea, cuánto más preferible es una
alternativa que otra, se denomina Cardinal.
En ambas modalidades es posible identificar una cierta cantidad de pasos o

etapas, las cuales se presentan a continuación:
Identificar los criterios con los que se juzgan las alternativas: se trata de los objetivos
particulares que el decisor espera satisfacer
Valorar las preferencias entre alternativas: para cada uno de los criterios se deben
comparar las alternativas, representando convenientemente dichas preferencias.
21
Normalizar las preferencias dado que los diferentes juicios del decisor generalmente
quedan expresados en escalas distintas, se estandarizan todos los valores en una escala
común, definida habitualmente en el intervalo (0,1).
Agregar las preferencias: a partir del cual se obtiene una valoración global de las
alternativas, resumiendo los juicios vertidos en todos los criterios.
Por supuesto, las soluciones que aportan estos modelos nunca permiten
optimizar todos los objetivos particulares. Dado que los criterios establecidos se
contraponen, solo es posible obtener una solución de compromiso, seleccionar una o
varias alternativas que puedan considerarse aceptables a la luz de los objetivos
propuestos.
Estos conceptos y su interrelación, se representan en el Esquema Conceptual del

contexto de los métodos DMD
¿Cómo racionalizar la Decisión?
Problema a Alternativas
resolver a valorar
¡¡Definir Criterios!! Objetivos particulares

que se desea alcanzar
Determinar utilidades Valorar las

para cada alternativa.
Compararlas
Preferencias
Transformar juicios
Normalizar en una escala única
Obtener una Agregar

valoración global preferencias
de las alternativas
Alternativa más adecuada
22
Comprender los fundamentos de los modelos de apoyo multicriterio a la decisión y la

aplicación que en ellos se realiza del concepto de Función de Utilidad.
Comprender y utilizar diferentes modelos DMD.
Transferir los conocimientos de estos modelos a problemas concretos de la actividad
industrial.
Problemas con objetivos múltiples.

Modelos multiobjetivo con variables y con atributos.
Decisión multicriterio ordinal y cardinal: especificación de criterios; selección de una
escala apropiada; normalización; agregación.
Ponderación lineal
Método AHP de Saaty (Proceso Analítico de Jerarquías)
Método Topsis. Resolución de Problemas
Bibliografía:
Eppen G. D. Gould F. J, Schmidt C. P, Moore J. H. y Weatherford L.R. (2000)
“Investigación de Operaciones en la Ciencia Administrativa”. Prentice Hall. México.
Software: no se exige su utilización y en algunos de los ejercicios planteados se puede

utilizar Excel. Existen software específicos conformes a distintos modelos, entre ellos
Expert Choise para AHP (http://www.superdecisions.com/), disponibles en el mercado
y en algunos sitios de la Web, que la persona interesada puede buscar e investigar sobre
su funcionamiento y aplicaciones.

1) Caracterice el contexto de aplicación y formulación de la modelación Decisión
Multicriterio Discreta.
2) Las preferencias de un decisor racional pueden ser expresadas utilizando relaciones
binarias que establecen ordenamientos entre los elementos analizados. Enuncie las
relaciones que pueden definirse.
3) Un recurso importante para mejorar la representación de las preferencias es aplicar
una Función de Utilidad. Procure una definición y clasificación de dicha función.
¿Existe un único modo de determinarla?
4) Un paso imprescindible en diversos métodos DMD es la transformación de las
utilidades en una escala (0,1). Al respecto es posible aplicar distintas estrategias de
normalización, enuncie las más utilizadas.
5) Diversos métodos de agregación se asocian a los métodos DMD. Explicite en qué
consiste básicamente un método de agregación.
6) Explique en qué consiste lo que se denomina preanálisis de dominación.
7) Enuncie los métodos mencionados en el texto de referencia, para asignar pesos.
23
8) Los métodos DMD que se desarrollan en esta unidad son: Ponderación Lineal,
Proceso de Análisis Jerárquico y Método Topsis. Explique las particularidades de
cada uno.
1- A fin de contratar un empleado, una empresa recibió solicitudes de 5 candidatos:

Pedro, Juan, Ana, Félix y Germán. El departamento de recursos humanos decide
considerar los siguientes criterios para la selección:
Criterio 1: Estudios superiores expresados en años. ES a maximizar con peso relativo 2.
Criterio 2: Experiencia profesional en años en las tareas a realizar. EP a maximizar con
peso relativo 4.
Criterio 3: Edad en años. EA a minimizar con peso relativo 1.
La información recolectada es la siguiente:
ES EP EA
Pedro 7 5 35
Juan 5 4 26
Ana 5 6 28
Félix 3 7 31
Germán 5 8 30
Tome el rol de decidor para determinar la ordenación final de los candidatos, conforme
a esta información y al método de ponderación lineal.
2- Una organización considera comprar un nuevo paquete de software para

administración de proyectos. Decide que es importante que el software elegido tenga
gran variedad de herramientas y sea de uso fácil. Se ha elaborado una lista con
información referida a cuatro paquetes disponibles y sus desempeños para estos dos
criterios:
Software Herramientas Facilidad
disponibles de uso
Software 1 62 100
Software 2 70 50
Software 3 60 60
Software 4 90 10
También decide que el puntaje para “Herramientas disponibles” debe tener una
ponderación de 2 y “Facilidad de uso” de 1, ya que la importancia asignada al primer
criterio es el doble de la asignada al segundo.
Conforme a la información disponible, utilice el método de Ponderación Lineal para
determinar un orden de alternativas de compras.
3- En una fábrica se debe seleccionar uno de tres candidatos para ocupar un puesto de
trabajo. Con tal fin, a cada uno de ellos se le han realizado dos cuestionarios para su
evaluación. Cada uno de los cuestionarios tiene el mismo peso w1= w2 = 0,5. Sean los
tres candidatos A1, A2 y A3, los que obtuvieron en cada evaluación las valoraciones que
se presentan en la Tabla 1, las que provienen de una escala numérica 0,1, 2, 3, 4, 5,
donde 5 > 4 > 3 > 2 > 1> 0.
Tabla 1: Matriz de Decisión
C1 C2
A1 1 5
A2 4 2
24
A3 3 3
Pesos W 0.5 0.5
Determine un ordenamiento final con el Método Topsis.
4- A continuación se presenta, a modo de ejemplo, una de las posibles modalidades

prácticas, que puede utilizar un decisor, para mensurar criterios y/o alternativas
(elementos de decisión) conforme a una función de utilidad.
Sean m los ci elementos de decisión a comparar entre sí. Corresponde al decisor ordenar
a los mismos, desde el de mayor preferencia hasta el de menor preferencia, con lo cual
establece un preorden particular. Sea el preorden establecido, el siguiente:
cm f cm – 1 f cm – 2 f. . . f c3 f c2 f c1
Luego debe comparar por parejas los elementos que resulten adyacentes, respondiendo
en cada caso a la pregunta:¿cuántas veces es preferible ci respecto de ci – 1?.
El resultado de cada comparación se expresa con una relación de la forma: ci f ki ci – 1,
donde ki es un número real positivo mayor o igual que uno, de tal modo que ki = 1
representa indiferencia y ki ≠ 1 indica la medida en que ci es preferible a ci – 1 . Es decir
que, si por ejemplo una persona elige ki = 3, significa que para ésta persona el elemento
del primer miembro de la desigualdad es tres veces más preferible que el elemento
perteneciente al segundo miembro.
Una vez que se completa toda la secuencia de comparaciones posibles entre pares de
elementos adyacentes, se obtienen las utilidades, asignadas a cada elemento, del
siguiente modo:
U (c1) = 1
U (c2) = k2 * 1
U (c3) = k3 * k2* 1
.
.
.
U (cm) = km . . . k3 * k2* 1
i
Genéricamente se tiene: U(c i )= ∏ k m
m =1
Utilice esta modalidad en su rol de decidor, para tomar una decisión utilizando el
método de ponderación lineal, con la información proporcionada en la siguiente
situación:
Una empresa metalúrgica realiza tratamiento térmico en sus piezas de acero y que ha
recibido algunos reclamos de clientes por agrietamientos en las mismas. Encarga a un
equipo de trabajo que se encargue de estudiar el problema y tomar decisiones en
atención a estos reclamos. El diagnóstico sobre la causa, para el grupo encargado, es
muy evidente dado que el horno a gas utilizado para el revenido es antiguo y tiene una
fuerte heterogeneidad en la distribución de sus temperaturas internas
Como resultado del análisis de este problema se plantean las siguientes alternativas de
decisión:
Instalar un puesto de control por Magnaflux, después del revenido, revisando el

100%: este puesto permitirá detectar las piezas agrietadas y descartarlas. Ofrece
como ventaja una inversión relativamente baja, pero requiere destinar un hombre a la
25
operación y acarrea un elevado desperdicio por la necesidad de desechar las piezas

agrietadas. Costo $30.000.
Realizar algunas adaptaciones en el sistema de ventilación del horno, que

homogenicen las temperaturas. Implica una inversión un poco mayor, pero disminuye
la frecuencia con que aparecen piezas con problemas y mejora las condiciones
generales de las mismas. Costo $40.000
Comprar un horno nuevo como resultado cualitativo constituye la mejor opción, dado
que siempre es mejor que las piezas salgan bien desde el primer momento, evitando la
posibilidad de producir piezas con problemas, claro que como contrapartida, requiere
una inversión importante. Costo $240.000
El grupo de trabajo que estudia el referido problema selecciona los siguientes criterios
de evaluación:
Inversión: expresado en pesos. Es deseable que su valor sea el menor posible.
Frecuencia de la falla: representa la cantidad de piezas que tendrán problemas de
agrietamiento luego de implementada la acción correctiva. Dado que esas piezas
deben ser desechadas, esto se traduce en una pérdida económica que por supuesto se
desea reducir.
Consecuencias para el cliente: representa las condiciones generales de calidad de las
piezas que efectivamente son enviadas al cliente externo; implícitamente este criterio
representa las consecuencias sobre todas las propiedades representativas de la
producción, más allá del agrietamiento, como por ejemplo la dureza superficial que
presentan las unidades.
5- Una industria debe seleccionar a una empresa para realizar servicio de mantenimiento
de maquinarias. Hay dos oferentes denominados A y B. Para tomar la decisión se
seleccionan tres criterios:
Ofrecimiento de servicios: la empresa A ofrece menos servicios que la empresa B,

aunque cotiza montos menores.
Costo: es el monto anual que se debe abonar por el servicio
Equipo técnico: la empresa B tiene una larga experiencia y desarrollo en tareas
similares. La empresa A es nueva en el mercado, aunque dispone de un grupo de
jóvenes ingenieros con buena formación técnica.
Se compararon los candidatos respecto de cada criterio con los siguientes resultados:
En la oferta de servicios se tiene B = 2 A.
En cuanto al costo se determino que A = 4 B.
En equipo técnico se tiene B = 3 A.
Por otra parte, se compararon de a pares los criterios entre sí. Los resultados obtenidos
son:
Oferta de servicios Costo Equipo técnico
Oferta de servicios 1 4 7
Costo 1 3
Equipo técnico 1
Conforme a la propuesta de Saaty, compruebe consistencia en los juicios y de ser

posible realice la agregación para establecer un orden de preferencias.
26
6- Una persona debe decidir qué empleo aceptar, podría escoger entre las tres ofertas de
trabajo que tiene, si determina lo bien que cada empleo satisface los siguientes
objetivos:
Objetivo 1: Alto salario inicial. (ASI con peso w1 = 0.5115)
Objetivo 2: Nivel de vida donde se ubica el empleo. (NV con pesos w2 = 0.0986)
Objetivo 3: Interés en el trabajo. (IT con peso w3 = 0.2433)
Objetivo 4: Ubicación cerca de la vivienda familiar. (CF con peso w4= 0.1467)
Los pesos wj que esta persona asigna a cada objetivo están consignados en cada uno de
los mismos. Posteriormente determina, conforme al proceso de jerarquía analítica, que
tan bien “califica” para ella cada empleo en cada objetivo y obtiene:
Objetivo Empleo 1 Empleo 2 Empleo 3

ASI 0.571 0.286 0.143
NV 0.159 0.252 0.589
IT 0.088 0.669 0.243
CF 0.069 0.426 0.506
Si se supone consistencia en las asignaciones, ¿Cuál es el empleo que debe aceptar?
7- La evaluación de desempeño anual de cada profesor de una universidad esta sujeta a

tres áreas: enseñanza, investigación y servicios a la institución. La institución ha
propuesto la siguiente matriz de comparación por pares para esos objetivos:
Enseñanza Investigación Servicios

Enseñanza 1 1/3 5
Investigación 3 1 7
Servicios 1/5 1/7 1
La administración ha comparado a dos profesores respecto de estos objetivos el año

pasado. Las matrices de comparación por pares las siguientes:
Para enseñanza
Profesor 1 Profesor 2
Profesor 1 1 4
Profesor 2 1/4 1
Para investigación
Profesor 1 1 1/3
Profesor 2 3 1
Para servicios
Profesor 1 1 6
Profesor 2 1/6 1
a) ¿Qué profesor obtiene mejor evaluación?

b) Compruebe la consistencia de las matrices de comparación por partes.
27
8- Un individuo esta interesado en determinar uno de dos valores a invertir, Central

Computing Company (CCC) o Software Research Inc. (SRI). Los criterios de mayor
importancia a la hora de tomar la decisión son el rendimiento potencial de la acción
bursátil y el riesgo asociado con tal inversión. Las matrices de comparaciones por pares
de este problema son:
Criterios Rendimiento Riesgo

Rendimiento Riesgo CCC SRI CCC SRI
Rendimiento 1 2 CCC 1 3 CCC 1 1/2
Riesgo 1/2 1 SRI 1/3 1 SRI 2 1
a) Dibuje la jerarquía del problema.

b) Determine la prioridad general de las dos inversiones, con el método de Saaty
9- El vicepresidente de una compañía necesita seleccionar un nuevo director de

mercadotecnia. Los candidatos posibles son Luis Janson y Claudio Suelens. Los
criterios que se consideran de mayor importancia son: capacidad de liderazgo (L),
habilidad personal (P) y habilidad administrativa (A). Se obtuvieron las siguientes
matrices de comparaciones por pares:
Criterios
L P A
L 1 1/3 1/4
P 3 1 2
A 4 1/2 1
Liderazgo Personal Administrativo

Janson Suelens Janson Suelens Janson Suelens
Janson 1 4 Janson 1 1/3 Janson 1 2
Suelens 1/4 1 Suelens 3 1 Suelens 1/2 1
a) Dibuje la jerarquía del problema.

b) Determine la ordenación final de los candidatos.
10- En una cierta Universidad, el problema de asignar becas de ayuda económica para el
transporte urbano, es una tarea difícil y fuente de potenciales conflictos.
El objetivo principal consiste en clasificar en un orden de mérito a cinco candidatos a
becas, considerando los aspectos que se detallan a continuación:
I. Ingreso “per cápita” en la familia del candidato;

II. Promedio académico;
III. Número de materias que cursa;
IV. Si alquila o no;
V. Distancia entre el domicilio y la Facultad.
28
Los datos correspondientes a estos candidatos son los siguientes:
Candidatos Ingreso Promedio Materias Alquila Distancia

Mario 180 8,34 4 Si 20
Paula 300 6,23 3 No 32
Luis 100 7 2 Si 27
Héctor 80 7,2 3 No 37
Marisa 400 9,12 3 NO 40
Establezca el orden de mérito, con una base racional que disminuya las subjetividades
en el proceso de asignación de becas.
Debido a que este problema puede ser resuelto de diferentes maneras, para solucionarlo
preste atención a los siguientes aspectos:
> Metodología general de resolución.

> Elección de las escalas convenientes para representar las preferencias.
> Procedimiento de normalización adoptado.
> Procedimiento de agregación adoptado.
> Justificación conceptual de cada paso de la metodología
29
Unidad Temática 3: Simulación Discreta

Introducción
La Simulación es una metodología desarrollada con las computadoras, que

permite representar la evolución de un sistema a lo largo del tiempo. Es por otra parte,
la herramienta más usada en el ámbito de los métodos cuantitativos para la
administración.
Los fundamentos de este método pueden utilizarse en cualquiera de los

problemas analizados hasta el momento en esta materia. Por ejemplo puede usarse para
analizar las posibles demoras de un proyecto, para estudiar cualquier problema de
inventarios no representado en los modelos convencionales e incluso para cualquier
problema de optimización.
El trabajo de implementar y aplicar una simulación siempre debe comenzar con

un cuidadoso análisis del sistema en estudio. A partir de dicho análisis se determinan las
características del sistema que son fundamentales para el problema que se desea
resolver. Dichas propiedades se resumen en un programa de computadora.
Análisis
Sistema Características
importantes
For i = 1 to n
set j to cero
j=j+s
a=j*s/2
Begin
A continuación, corriendo el programa con las diferentes opciones de acción

entre las cuales se debe decidir, es posible determinar la respuesta del sistema ante cada
alternativa.
Por ejemplo, en el problema de analizar la política de inventarios de una estación

de servicios, es necesario decidir la cantidad de litros de combustible que conviene
solicitar en cada pedido, de modo que el costo total de operación sea el menor posible.
En esa situación, el programa debe permitir determinar el costo de inventario para cada
posible elección de cantidad de combustible.
30
Esta idea se representa en la figura siguiente:
Muestra de
Alternativas RESULTADOS
de Pedido Pedido Costo
5000 lts 5000 $ 4500
5500 lts Programa 5500 $ 3600
6000 lts 6000 $ 3800
.......... .................
Luego es necesario realizar un adecuado resumen estadístico de los resultados,

empleando Tablas, Gráficos y Medidas. En el caso particular del ejemplo de la estación
de servicio, puede hacerse un gráfico que permita al decisor visualizar rápidamente los
costos para cada posible pedido, como se muestra en la figura siguiente:
5000
4500
4000
3500
3000
Costos
2500 Costo
2000
1500
1000
500
0
Pedidos
Estos conceptos y su interrelación aparecen en el esquema conceptual de una

simulación que se presenta a continuación.
31
Esquema conceptual de una simulación
Análisis Variables:
Sistema exógenas,
endógenas,
resultado.
Entrada: Salida:
Demanda semanal Modelo Beneficio semanal
For i = 1 to n
set j to cero
j=j+s
a=j*s/2
Begin
Alternativas Muestra de
de Pedido RESULTADOS
5 unidades Pedido Beneficio
6 unidades Programa 5 $ 4500
7 unidades 6 $ 3600
.......... 7 $ 6000
.................
5000
4500
4000
3500
3000
Costos
2500 Costo
2000
1500
1000
500
0
Pedidos
32
Objetivos:
Comprender los fundamentos de los modelos de simulación.

Utilizar números aleatorios para representar los eventos que afectan a un sistema.
Aplicar programas de computadora para realizar simulaciones.
Valorar la importancia de resumir adecuadamente los resultados de la simulación en el
momento de preparar el informe.
Valorar la importancia de apoyar con modelos simuladores, los procesos de toma de
decisiones en la organización
El proceso de simulación
Generación de variables aleatorias.
Análisis estadístico de resultados.
Bibliografía:
Cooperadora de la Facultad de Ciencias Económicas. UNC. Córdoba
Sitio Web de interés

http://virtual.usa.edu.co/course/view.php?id=32
Software: Como recurso de empleo generalizado requiere la utilización de planillas de

cálculo Excel.
1) En las aplicaciones de Simulación es necesario representar eventos aleatorios y para

ello se utiliza el Método de Montecarlo. Intente resumir en dos o tres líneas lo que
plantea sobre el tratamiento de eventos aleatorios.
2) ¿Cómo determina la longitud “n” de una corrida de simulación (tamaño de la muestra

simulada) si en la salida se quiere estimar el promedio o la media poblacional con un
error “e” dado?. También determine el valor n para el caso en que es necesario
estimar la proporción poblacional bajo un error estipulado.
3) ¿Por qué razón se señala que la simulación es una técnica de aplicación muy general?
4) No hay discusión acerca de que el modelo de simulación debe mantenerse sencillo.

¿Cuáles son las razones?
33
1- Analice el funcionamiento de su generador de números aleatorios, estudiando las

propiedades estadísticas de los números generados. Recuerde que si los Randoms (Rn)
son adecuados, deben tener distribución Uniforme en el intervalo (0,1). Aplique en la
verificación todas las herramientas estadísticas que considere convenientes, por
ejemplo, medidas descriptivas; pruebas de hipótesis sobre la media y la varianza,
pruebas de bondad de ajuste, etc.
2- A partir de los Randoms, se pueden generar variables con cualquier tipo de

distribución. Realice generaciones para diferentes tipos de variables, discretas y
continuas.
12
3- Sea la variable aleatoria S12= ∑ Rn
i=1
i donde Rn es un número Random. Utilice
conceptos y herramientas estadísticas adecuadas para demostrar y verificar

experimentalmente que S12 es una variable aleatoria con distribución normal de media 6
y varianza 1, es decir que S12 ~ N (6,1). Ayuda: Aplique el teorema del Límite Central y
recuerde que la media y la varianza de una variable aleatoria con distribución uniforme
a+b 2 (b - a) 2
en el intervalo [a,b] son µ = yσ = .
2 12
4- En una fábrica, un equipo de trabajo atiende tres actividades de mantenimiento por

día, en un turno doble de 16 horas. Las actividades pueden ser de dos tipos: “Urgencia”,
el 30% de las veces y “Programada”, el 70% de las veces. Las duraciones de cada
actividad dependen del tipo correspondiente. La duración de “Urgencia” tiene
distribución exponencial con media 6 horas, en tanto que la duración de “Programada”
tiene distribución uniforme en el intervalo de tres a siete horas. Se desea determinar en
qué porcentaje de los días no es posible cubrir las tres atenciones en el plazo disponible
de 16 horas.
Simule tres días de trabajo y especifique de qué modo es posible resumir los resultados.
5- Un hotel ubicado en el camino a una zona turística tiene 100 habitaciones y cada
noche de la temporada de vacaciones de verano, se reciben reservaciones de los turistas
en transito de hasta 105 habitaciones, debido a la posibilidad de que no todos se
presenten. Los registros indican que el número de reservaciones diarias se puede
aproximar mediante una distribución uniforme en el intervalo [96,105]. El número de
los que no llegan se representan mediante la distribución de la tabla que se presenta a
continuación:
Nº de los que no llegan 0 1 2 3 4 5

Probabilidad 0,10 0,15 0,20 0,30 0,15 0,10
Simule la ocupación de habitaciones de 5 noches de verano y calcule el porcentaje de

ocupación del hotel (aunque no sea suficiente el número de la corrida). Registre los
números aleatorios generados en cada entada probabilística.
34
6- Se desea aplicar un modelo de simulación para determinar el comportamiento

probabilístico de la vida útil de un circuito eléctrico. Ahora bien, el circuito tiene cuatro
componentes en serie: A, B, C, D:
1 A B C D 2
Si la energía eléctrica puede pasar desde 1 hasta 2, entonces el circuito funciona, en

cambio muere cuando ello no es posible. La vida útil de las componentes A y D se
representa con un modelo uniforme entre 300 y 500 hs. En cambio, las componentes B
y C tienen distribución exponencial con media de 400 hs.
Se necesita que el 60% de estos circuitos supere las 300 horas de funcionamiento. Para
verificar si esta condición se cumple se quiere realizar una simulación. Simule la vida
de cinco circuitos completos y señale cómo representar los resultados.
7- Se nos encargó un estudio de confiabilidad en una fábrica. El objetivo de este tipo de

estudios es estimar la Distribución de Probabilidades de la Vida Util de un producto.
Esto permite cuantificar el porcentaje de productos que es capaz de brindar sus
prestaciones durante un cierto período de tiempo. Ahora bien, los productos son
generalmente complejos, dado que están compuestos por varias componentes
elementales. La distribución de la vida útil de los componentes elementales se
determina mediante ensayos. La vida útil de todo el conjunto se analiza mediante
simulación.
En este caso, el producto que debemos analizar es un circuito eléctrico con la siguiente
estructura:
Componente
Tipo 2
A Componente Componente B
Tipo 1 Tipo 1
Componente
Tipo 2
Si la energía puede pasar desde A hasta B, entonces el sistema funciona. Las

componentes de tipo 1 están en serie, si falla alguna el circuito se corta y concluye la
vida útil del producto. En cambio las componentes de tipo 2 están en paralelo, por lo
cual si una se rompe, la energía puede seguir pasando por la otra y el producto sigue
funcionando. En este caso deben fallar las dos para que no funcione. Mediante
ensayos hemos determinado que la vida útil de las componentes tipo 1 tiene distribución
Normal con media 2500 hs y desvío 400 hs. Por su parte, las de tipo 2 tienen
distribución Normal con media 2000 hs y con desvío 350 hs. Nuestro cliente desea que
el 90 % de la unidades que le entreguemos, mantenga sus prestaciones por más de 1800
horas. Mediante simulación determinemos si el circuito, tal como está diseñado, cumple
con esas condiciones. Si esto no se verifica, diseñemos un nuevo sistema que resulte
satisfactorio. Consideremos que el costo de las componentes de tipo 1 es de $ 50, en
tanto que las de tipo 2 tiene un valor de $ 80.
35
8- El dueño de un kiosco de revistas debe decidir cada semana cuántos ejemplares de un

semanario debe comprar. El problema es que la demanda es aleatoria, presentando una
distribución de Poisson con media igual a 4,5.
Por cada semanario vendido obtiene un beneficio de $ 3. Si en una semana no vende
todas las unidades que ha dejado, puede devolver los ejemplares sobrantes a un costo de
$ 2 por unidad. El objetivo es determinar cuántos semanarios conviene dejar cada
semana de modo de lograr el máximo beneficio posible.
9- Resuelva, aplicando simulación, el ejercicio Nº 6 (confitería) y el ejercicio Nº 9

(comprar o alquilar una máquina) ambos de la Unidad 1.
10- En una fábrica, el equipo de mantenimiento se dedica sólo a realizar reparaciones de

urgencia. El equipo trabaja las veinticuatro horas. Los tiempos entre pedidos de
reparación consecutivos son una variable aleatoria con distribución exponencial, cuya
media es de 8 horas. El tiempo necesario para efectuar la reparación es otra variable
aleatoria, que tiene distribución uniforme en el intervalo que va de 5 a 8 horas.
Se pretende estudiar este proceso y verificar si la existencia de un solo equipo es
suficiente. Para ello, simule el problema. Estime por esta vía el tiempo medio de espera
que deben tener las máquinas hasta poder ser atendidas.
Considere que si este tiempo media supera las dos horas, se debe implementar un
segundo equipo.
11- En un cierto camino se desea instalar un puesto de peaje. La empresa desea

determinar si una sola cabina de pago permite satisfacer la demanda creada por los
vehículos que arriban a ese sector.
Algunos datos de la variable “Tiempo entre arribos”, expresada en segundos, son los
siguientes:
56,5 272,7 32,6 41,8
32,1 4,9 334,6 39,5
124,8 109,9 147,9 207,5
39,0 152,6 426,4 56,5
134,5 323,4 26,6 50,0
Por otra parte, se tomó una muestra de la variable “Tiempo necesario para cobrar”, en
segundos, los datos obtenidos son los siguientes:
117,7 95,0 60,3 177,7 149,7

159,5 143,7 130,5 119,8 82,5
146,4 130,5 138,5 60,2 130,6
175,7 121,3 158,7 140,0 154,0
110,4 143,2 133,3 120,9 138,4
Simule el funcionamiento de este puesto, con una, dos o tres cabinas. En base a los
resultados elabore las correspondientes recomendaciones
12- En una fábrica automotriz, al final de la línea de producción se hace un control

rápido del vehículo terminado. La cantidad de autos que llegan a inspección cada hora
tiene una distribución Normal con media treinta y desvío igual a cinco. Por otra
parte, la jornada de trabajo tiene una duración de dieciséis horas. Para realizar el control
36
pueden colocarse en ese puesto uno o más operarios. Cada hombre tiene una capacidad
variable de trabajo para una hora, que puede ser representada por la siguiente
distribución:
Autos 7 8 9 10 11
Probabilidad 0.10 0.25 0.30 0.25 0.10
Construya un programa que simule el comportamiento de la línea de producción. Para

ello represente secuencias probando el resultado de destinar a esa inspección final a las
siguientes cantidades de personas: uno, dos, tres, cuatro.
Finalmente efectué una recomendación sobre la cantidad más apropiada.
13- Un grupo de trabajo se encarga de la calibración de los instrumentos de medición

utilizados en una línea de producción. Este grupo de personas habitualmente trabaja
durante ocho horas diarias, pero los días que no logra calibrar todos los equipos en ese
tiempo, deben hacer horas extras, ya que no es posible dejar trabajo para el día
siguiente.
Las cantidades de instrumentos a calibrar en cada jornada responden a la siguiente
distribución:
Cantidad 1 2 3 4
Probabilidad 0,15 0,30 0,35 0,20
Por otra parte, el tiempo necesario para efectuar la calibración de un instrumento de

medición es una variable aleatoria con distribución Uniforme entre 100 y 210 minutos.
Se desea aproximar el porcentaje de días a trabajar horas extras.
Realice la simulación de cinco días de trabajo. Explique cómo se resumen los
resultados. Con los cinco días, determine la cantidad de días que es preciso simular para
que el error en el resultado sea menor a 0,02.
14- Una empresa realiza el transporte urbano de pasajeros. El recorrido del ómnibus
inicia en el interior de barrios y concluye en el centro de la ciudad.
Dicho recorrido puede dividirse en dos tramos bien diferenciados: barrios; avenida. Hay
tres paradas en los barrios y dos en las avenidas.
La cantidad de personas que arriban a las paradas de los barrios, por minuto, tiene
distribución Poisson con media 3. En cambio, para las avenidas esta cantidad también es
Poisson, pero con media 2.
Las unidades tienen una capacidad máxima de 40 personas. Además, es posible asumir
que el 10% de los pasajeros que arriba a cada una de las paradas desciende en la misma.
El objetivo de este trabajo es determinar la frecuencia que se puede adoptar, de modo
que no más del 10% de las unidades llegue completa al centro.
37
Unidad Temática 4: Procesos Estocásticos para el pronóstico:

Series de Tiempo
Introducción
La elaboración de pronósticos surge en el siglo XIX, sin embargo recién en las

dos últimas décadas del siglo XX la disciplina de predicción toma la forma y contenidos
propios para convertirse en una rama bien diferenciada de la estadística aplicada.
En la actualidad se reconoce la importancia de los pronósticos para la

planeación y toma de decisiones en las organizaciones más diversas. También se
emplean con profusión en muchas áreas de la ciencia, como en ingeniería, física,
meteorología, administración y principalmente en economía.
Para realizar pronósticos se utilizan técnicas cada vez más complejas que se
desarrollan en el ámbito del “análisis estadístico de series temporales”. Una secuencia
de valores observados a intervalos constantes a lo largo del tiempo, que por tanto posee
un orden cronológico, se denomina en un sentido amplio “serie temporal”.
Los objetivos del análisis de series temporales son diversos, aparte del
pronóstico ó la predicción, es posible destacar el control de un proceso, la simulación de
procesos y la generación de nuevas teorías científicas
Se denomina pronóstico o predicción a la estimación de valores futuros de la

serie en función del comportamiento pasado de la misma serie.
En la teoría de control de procesos, se trata de seguir la evolución de una

variable determinada en el transcurso del tiempo con el fin de regular su resultado.
La simulación se emplea en investigación aplicada, cuando el proceso es muy

complejo para ser estudiado de forma analítica.
Si, conocidos los valores pasados de una serie, no fuera posible predecir con
total certeza el próximo valor de la variable, se dice que la serie es no determinista o
aleatoria. Evidentemente aunque el valor futuro de una serie temporal no sea predecible
con total exactitud, para que tenga interés su estudio, el resultado tampoco puede ser
completamente aleatorio, existiendo alguna regularidad en cuanto a su comportamiento
en el tiempo, lo que hará posible su modelado. La búsqueda de regularidades y de
patrones ha sido siempre una de las tareas básicas de la ciencia.
Según el enfoque clásico para la modelación de series temporales, hoy

catalogado de “ingenuo”, el comportamiento observado en la evolución de una serie es
interpretado como determinístico y la solución para modelar consiste en encontrar una
función matemática conveniente (modelos de tipo causal). Los resultados no
satisfactorios en la estimación son atribuidos a errores de especificación de la
perturbación aleatoria incorporada al modelo.
Se ha comprobado que la mayoría de las series presentan un comportamiento

evolutivo de carácter estocástico y no determinístico. Por lo tanto en el tratamiento
moderno de la Serie de Tiempo: “análisis estadístico de series temporales”, la
38
aleatoriedad no se considera independiente de la parte sistemática, y para ajustar un

modelo se hace necesario estimar la estructura de dependencia que genera el conjunto
de observaciones disponibles.
Un concepto clave para abordar el tratamiento moderno de la Serie de Tiempo es

el de Proceso Generador de las Observaciones o de Datos (PGD), cuyo correlato
formal es el concepto de Proceso Estocástico. Dicho de otro modo, el Proceso
Estocástico es el Modelo apropiado para describir la estructura probabilística capaz de
generar las observaciones que constituyen una Serie de Tiempo empírica.
Componente Aleatoria
yt, yt-1, yt-2, yt-3 … Proceso Generador de las Yt,

Observaciones (PGD)
Una Serie de Tiempo es una realización particular del Proceso Estocástico y es

función del parámetro t.
El primer paso obligatorio para el estudio de una serie empírica es presentar un

gráfico de su evolución a lo largo del tiempo, este gráfico se denomina traza de la serie.
Un ejemplo de traza de una serie es la siguiente figura:
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

3.55
Versión Estudiantil 1.96
Versión Estudiantil Versión Estudiantil Versión Estudiantil
A(1)

rie

e
S

Versión-1.20
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión-2.79
Versión Estudiantil 1
Versión11 21 31 Versión
Estudiantil 41 51 Estudiantil
61 71 81 91
Versión Estudiantil
Versión Estudiantil Tiem poVersión Estudiantil
Versión Estudiantil Versión Estudiantil
39
El vínculo entre la Serie de Tiempo y el Proceso Estocástico, es similar al

existente entre los conceptos de Muestra y de Población en la Estadística Inferencial. El
carácter de muestra de la Serie de Tiempo proviene del hecho de considerarla como una
de las infinitas series que pudieron ser generadas por el Proceso Estocástico subyacente.
Sin embargo, es necesario destacar dos diferencias fundamentales:
1º) En el caso de la serie de Tiempo es imposible replicar las observaciones: para cada
momento t se dispone de una única observación de la variable en estudio. El orden
es muy importante ya que cada dato se halla indisolublemente vinculado a un
momento de tiempo. El principal problema estadístico que se presenta, es estimar las
propiedades del PGD a partir de un único dato en cada momento.
2º) Las observaciones que constituyen la serie de tiempo son generalmente

correlacionadas, existe entre ellas una estructura de dependencia que es necesario
investigar. En la inferencia estadística clásica, por el contrario las observaciones,
que constituyen la muestra, deben provenir de un conjunto de n variables aleatorias
independientes e idénticamente distribuidas.
Se requiere de un estudio detallado de las características diferenciales de los

Procesos Estocásticos para identificar uno como modelo de una serie empírica dada.
Una clase importante de Proceso Estocástico, es el de proceso estacionario. De

una manera informal, se dice que un proceso estacionario se encuentra en equilibrio
estadístico, en el sentido de que durante el transcurso del tiempo no modifica su
estructura probabilística. Un proceso es no-estacionario si sus propiedades estadísticas
varían con el tiempo.
En la presente unidad se estudian modelos para Series de Tiempo Univariantes,

inherentes a procesos estacionarios. Sólo se considera el caso de no estacionario por no
estabilidad en la media del proceso (con tendencia, sin ciclos estacionales de estación
del año no de estacionario en el sentido estadístico), en este caso es posible recurrir a la
diferenciación para lograr la estabilidad y poder ajustar un modelo estacionario.
Recién después de conocer los conceptos fundamentales y manejar los distintos

modelos estacionarios para la modelación, se trabaja con la metodología desarrollada
por G. E. P. Box y G. M. Jenkins (B-J). Esta metodología, diseñada para los modelos
ARIMA, es general, esta bien estructurada y se complementa con soporte
computacional. Comprende varias etapas para ajustar un modelo conveniente y poder
efectuar los correspondientes pronósticos.
40
Esquema conceptual de la Unidad (Enfoque Metodología B-J)
ANÁLISIS
DE SERIES TEMPORALES
Conocimientos
Básicos
PROCE
GRAFICAR LA SERIE
CONSTRUIR FAC
¿SERIE NO
ESTACIONARIA? DIFERENCIAR
SI
ANALIZAR FAC y FACP
IDENTIFICAR EL MODELO
ESTIMAR PARÁMETROS
NO VERIFICAR SI
ESTADISTICAMENTE
PRONOSTICAR
EL MODELO
41
Objetivos:
Analizar series de tiempo y modelizar su comportamiento.
Pronosticar con modelos para series temporales.
Utilizar la computadora en la aplicación de técnicas estadísticas.
Transferir estos conceptos a las diferentes metodologías que se abordan en la
asignatura.
Proceso estocástico. Series temporales: definición; comportamientos estacionarios y
no estacionarios.
Herramientas para el análisis series de tiempo: Función de Autocorrelación y Función
de autocorrelación parcial.
Modelos para procesos estacionarios :AR, MA y ARMA
Modelos ARIMA: identificación, estimación, verificación. Pronóstico. Aplicaciones.
Referentes teóricos proporcionados por la cátedra.
Bibliografía:
Bowerman B. L., O´Conell R. T. y Koehler A. B. (2007) “Pronósticos, Series de
Tiempo y Regresión”. Thomson. México.
Sitio Web de interés
http://www.seh-lelha.org/pdf/tseries.pdf
Software: INFOSTAT. EXCEL. SPSS. MINITAB

1) Explique qué es una serie de tiempo. Señale los diferentes comportamientos que
pueden encontrarse en una serie de tiempo.
2) ¿Cómo se caracteriza un proceso estocástico?. Explique cuándo puede afirmarse que
éste es estacionario.
3) La Función de Autocorrelación es una herramienta clave para identificar los
mecanismos internos de una serie. Explique cómo se debe analizar la información de
la FAC, a fin de realizar esa identificación. Indique qué aspectos de la FAC deben
ser considerados.
4) Se propone una metodología para remover las componentes no estacionarias.
Explique en qué consiste la misma.
5) Para series estacionarias se proponen modelos tipo ARMA. Explique cuáles son los
modelos posibles y qué propiedades tienen.
6) Enumere los pasos necesarios para ajustar un modelo ARIMA.
7) La etapa de identificación permite realizar una primera aproximación a la estructura
del modelo más adecuado. Explique como se realiza esa aproximación.
8) Una vez identificado el modelo, es posible sobreestimar. Explique el concepto de
sobreestimación y cuál es su utilidad.
9) La verificación del modelo ARMA obtenido permite asegurar que el mismo es
apropiado para obtener buenos pronósticos. Explique en qué consiste dicha
verificación.
10) Una vez que el modelo ha sido verificado, es posible efectuar el pronóstico. Para
ello debe construirse una expresión. Explique de qué modo se obtiene la función y
cómo se pronostica.
42
1- Considere la serie de tiempo de observaciones: Yt : 1,2,3,4,5,…,20

a) Realice el gráfico de la serie.
b) Calcule la función de autocorrelación. Grafique el correlograma.
c) ¿Es esta serie estacionaria? Justifique
2- Dada la serie de observaciones: Yt : 8; 14; 15; 6; 13; 14; 15; 9; 12; 4; 13

a) Realice el gráfico de la serie.
b) Calcule la función de autocorrelación. Grafique el correlograma. Explique su
comportamiento.
c) ¿Es esta serie estacionaria? Justifique.
3- La FAC de la serie resultante de una secuencia de vibraciones es la siguiente:
Retardo 1 2 3 4 5
Autocorrelación –0,8 0,64 –0,50 0,41 –0,32
Construya la grafica de la FAC (correlograma)
4- Dada la serie de observaciones: Yt : 4,5,6,8,10,11,15,19,22,27,30

a) Graficar y comentar sus características.
b) Definir la variable Zt = Yt – Yt-1= Yt = (1–B)Yt y la variable Wt = Zt. Graficar
las series resultantes y observar sus comportamientos.
c) Calcule la FAC de Yt, Zt y Wt y grafique los correlogramas.
5- Se estudia una serie de tiempo estacionaria que puede representarse con la siguiente
expresión:
Yt = 20 + 0,8 Yt-1 + at, donde at tiene distribución normal con media 0 y varianza 100
¿Cuánto valen la media y la varianza de Yt?
6- Una serie temporal estacionaria puede ser descripta adecuadamente con el siguiente
modelo:
Yt = 30 + 0,5 Yt-1 + at , donde at es Normal con media cero y desvío 4.
Determine la media, la varianza y los cuatro primeros valores de la FAC.
7- Sean los procesos AR(1) siguientes:

i) Yt = 2 + 0.7Yt-1 + at y ii) Yt = 2 – 0.7Yt-1 + at, ambos con at NID( 0 ;4)
a) Exprese los procesos con la notación de operadores.
b) Analice en ambos casos las condiciones de estacionariedad.
c) Calcule, en ambos casos, media y varianza.
d) Calcule, en ambos casos, la FAC y grafique la misma.
8- Sean los procesos MA(1) siguientes:

i) Yt = 5 + at + 0.7at-1 y ii) Yt = 5 + at – 0.7at-1, ambos con at NID( 0 ;3)
a) Exprese los procesos con la notación de operadores.
b) Analice en ambos casos las condiciones de estacionariedad e invertibilidad.
c) Calcule, en ambos casos, media y varianza.
d) Calcule, en ambos casos, la FAC y grafique la misma
43
9- Considere el siguiente modelo ARMA(1,1) :

Yt = 0.4 Yt-1 + at – 0.8at-1, con at NID( 0 ;1)
a) Exprese el modelo con la notación de operadores.
b) Analice si el modelo es estacionario y si es invertible.
c) Calcule media y varianza.
10- A partir de un proceso et NID( 0 ;1) simule una serie de 100 observaciones para
cada uno de los siguientes modelos:
a) (1 – 0.5 B) Yt = et ; b) (1 – 0.5 B) Yt = (1 – 0.6 B)et ; c) (1 – B) Yt = 5 + et
11- Una serie temporal de 170 datos mostró los siguientes valores de la FACM:
r1 =0.41; r2 =0.17; r3 =0.07; r4 =0.03; r5 =0.011
La FACPM muestra sólo el primer coeficiente significativo. Estime un modelo
conforme a la información disponible, si se considera que la constante incluida en el
mismo es igual a cero.
12- A partir de los siguientes datos generados por un MA(1) sin constante, estime
manualmente el coeficiente del modelo. Datos:
– 0.859 0.953 –1.373 0.758 –0.730 0.990 –0.042 –0.887 0.876 –1.444
13- A partir de los siguientes datos generados por un ARIMA (0,1,1) estime, de ser
posible, manualmente el modelo. Datos: 59 62 58 63 79 90 88
14- A una serie de tiempo definida como consumo de gas en una cierta región del país
se le aplicó una diferencia para hacerla estacionaria. A continuación se le ajusto un
modelo de series temporales para realizar pronósticos. Los últimos valores obtenidos de
la serie con los errores cometidos son los siguientes:
Tiempo t Zt at
23 348 39
24 385 –25
25 371 –19
Considere dos situaciones distintas, que se ajusta un modelo AR(1) con φ1 = 0,63 ó que
se ajusta un modelo MA(1) con θ1 = 0, 67. Para cada una de estas situaciones, responda
las siguientes consignas:
a) Aproxime los tres primeros coeficientes de autocorrelación de la serie
estacionaria.
b) Desarrolle una expresión de pronóstico para consumo de gas.
c) Pronostique los consumos de gas en los tiempos 26 y 27.
15- Se supone que una serie tiene 90 datos y que los últimos valores de Zt y de at son
los representados en la siguiente tabla:
Tiempo t Zt at
88 134 –4,5
89 129 –10,8
44
90 140 5,6
Pronostique en cada caso los valores de la serie para los tiempos 91 y 92, si a partir del
análisis de la serie se diera alguna de las siguientes situaciones:
a) Se determina que es necesario realizar dos diferencias y la serie estacionaria
resultante se representa con un modelo MA(1) con θ1 = 0,7.
b) Se determina que es necesario realizar dos diferencias y la serie estacionaria
resultante es la siguiente: Wt= 0,6Wt-1+ at, donde at tiene distribución normal con
media 0 y desvío 15.
16- Una serie temporal debe ser sometida a una diferencia, tras lo cuál se representa con
un modelo AR(2) con φ1 = 0,7 y φ2 = 0,3. Determine la expresión de pronóstico para
este caso.
17- Los siguientes son datos de temperaturas de un baño de aceite, utilizado para
realizar el tratamiento térmico de piezas metálicas. Los registros se han realizado a
razón de uno cada 30 minutos.
( 1) 60 (19) 72 (37) 66 (55) 90 (73) 72
( 2) 81 (20) 76.5 (38) 84 (56) 60
( 3) 72 (21) 75 (39) 66 (57) 97.5
( 4) 78 (22) 78 (40) 87 (58) 64.5
( 5) 61.5 (23) 66 (41) 61.5 (59) 72
( 6) 78 (24) 97.5 (42) 81 (60) 66
( 7) 57 (25) 60 (43) 76.5 (61) 73.5
( 8) 84 (26) 97.5 (44) 84 (62) 66
( 9) 72 (27) 61.5 (45) 57 (63) 73.5
(10) 67.8 (28) 96 (46) 84 (64) 103.5
(11) 99 (29) 79.5 (47) 73.5 (65) 60
(12) 90 (30) 72 (48) 78 (66) 81
(13) 93 (31) 79.5 (49) 49.5 (67) 87
(14) 75 (32) 64.5 (50) 78 (68) 73.5
(15) 57 (33) 99 (51) 88.5 (69) 90
(16) 88.5 (34) 72 (52) 51 (70) 78
(17) 76.5 (35) 78 (53) 85.5 (71) 87
(18) 82.5 (36) 63 (54) 58.5 (72) 99
A continuación se muestran salidas de software Infostat .Gráfico de la serie, FACM y
FACPM.
45

Versión Estudiantil Temperatura de un baño
Versión Estudiantil Versiónde aceite
Estudiantil Versión Estudiantil
107.40
85.95
Columna1
64.50
21.60
1 Estudiantil
Versión Estudiantil Versión 16 31
Versión 46
Estudiantil 61
Versión Estudiantil
Versión Estudiantil Tiempo
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión

Versión
Estudiantil
Versión Estudiantil Función autocorrelación:
Versión Estudiantil r(k)
Versión Estudiantil Versión
Versión
EstudiantilFunción
Estudiantil autocorrelación
Versión parcial:
Estudiantil Versión phi(k) Versión Estudiantil
Estudiantil
Versión
Estudiantil
0.39 0.26
Versión
Estudiantil
Versión
Estudiantil
Versión
Estudiantil
0.15 0.05
Versión
Estudiantil
ICColumna1
ICColumna1

Versión
Estudiantil
Versión
Estudiantil
-0.09 -0.16
Versión
Estudiantil
Versión
Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil VersiónVersión
Estudiantil
Versión Estudiantil-0.34
Versión Estudiantil Versión Estudiantil Versión
Versión Estudiantil-0.36
Versión
Estudiantil
Versión
Estudiantil
Versión-0.58
Estudiantil Versión Estudiantil Versión Estudiantil Versión
Versión -0.57
Estudiantil
1 Estudiantil
Versión Estudiantil Versión 5 9 Estudiantil
Versión 13 17
Versión
Versión
Estudiantil
Estudiantil Versión 1 Estudiantil
5 9 Estudiantil
Versión 13 17 Estudiantil
Versión
Versión Estudiantil Lags Versión Estudiantil
Versión Estudiantil Versión
Versión
Estudiantil
Estudiantil Lags Versión Estudiantil
Versión Estudiantil Versión Estudiantil
Versión
Estudiantil
Se estima con infostat un modelo AR(1)
Estimación maximoverosímil ARIMA

Algoritmo numérico de optimización: Nelder&Mead
Información general
Serie Nro.Obs. Media Varianza muestral Desvío Estándar
Columna1 73 75.33 194.89 13.96
Resultados de la Estimación
Parámetro Estimación Error Std t-val Valor p
Cte 116.03 7.59 15.29 <0.0001
=> Mu_Y 75.49 0.90 84.02 <0.0001
AR(%s)1) -0.54 0.10 -5.43 <0.0001
Medidas Resumen y Validación

Estadístico Valor Observado Valor p
Verosimilitud -278.86
CMResidual 137.31
R^2 0.98
46
R^2 Corregido 0.30

Akaike IC: 4.98
Schwarz IC: 5.04
Hannan-Quinn IC: 5.00
-------------------
Iter.para Converger: 65
MAD 8.07
Rango Residuos 67.05
Asimetría Residuos -0.13
Kurtosis Residuos 3.57
Normal.(Jarque-Bera) 1.22 0.5443
Se estima com infostat un modelo MA(2)
Estimación maximoverosímil ARIMA

Algoritmo numérico de optimización: Nelder&Mead
Información general
Serie Nro.Obs. Media Varianza muestral Desvío Estándar
Columna1 73 75.33 194.89 13.96
Resultados de la Estimación
Parámetro Estimación Error Std t-val Valor p
Cte 75.48 1.09 69.25 <0.0001
=> Mu_Y 75.48 1.09 69.25 <0.0001
MA(%s)1) -0.54 0.11 -4.90 <0.0001
MA(%s)2) 0.35 0.12 3.04 0.0033
Medidas Resumen y Validación

Estadístico Valor Observado Valor p
Verosimilitud -281.95
CMResidual 134.36
R^2 0.98
R^2 Corregido 0.31
Akaike IC: 4.98
Schwarz IC: 5.08
Hannan-Quinn IC: 5.02
-------------------
Iter.para Converger: 103
MAD 8.16
Rango Residuos 66.06
Asimetría Residuos -0.17
Kurtosis Residuos 3.54
Normal.(Jarque-Bera) 1.27 0.5298
Interprete todas las salidas y determine cuál es el modelo más conveniente de adoptar.
18- A una serie de tiempo de 120 datos correspondientes a la demanda de un producto,

se le realiza una diferencia y se le ajusta un modelo para series estacionarias. Parte de la
salida proporcionada por un software se agrega al final de este ídem. Usted debe
responder las siguientes cuestiones:
a) Interprete en la salida de minitab los resultados de la estimación (significancia) y el
análisis residual expuesto. Justifique.
b) Describa de modo aproximado como deben haber sido la FACM y la FACPM
correspondientes a la serie estacionaria.
c) Formule el modelo integrado correspondiente y desarrolle con el mismo una
expresión para el pronóstico de la demanda.
47
Final Estimates of Parameters

Type Coef SE Coef T P
MA 1 -0,2949 0,0887 -3,32 0,001
Differencing: 1 regular difference

Number of observations: Original series 120, after differencing 119
Residuals: SS = 3121,28 (backforecasts excluded)
MS = 26,45 DF = 118
Modified Box-Pierce (Ljung-Box) Chi-Square statistic
Lag 12 24 36 48
Chi-Square 11,1 20,5 28,1 35,5
DF 11 23 35 47
P-Value 0,437 0,610 0,788 0,891
19- Interesa disponer de un buen modelo de pronóstico que permita predecir la

demanda de combustible en los próximos meses. Ajuste el modelo más conveniente
para esta serie y pronostique con dicho modelo la demanda de combustible que cabe
esperar en los meses 32 y 33.
Demandas mensuales de combustibles (en miles de litros).
(1)163.44 (6)144.56 (11)177.57 (16)127.90 (21)158.67 (26)139.25

(2)138.80 (7)147.91 (12)140.59 (17)164.81 (22)156.32 (27)158.63
(3)165.42 (8)141.35 (13)135.03 (18)147.34 (23)152.12 (28)158.35
(4)135.77 (9)158.38 (14)173.44 (19)148.13 (24)138.63 (29)122.29
(5)160.45 (10)139.37 (15)141.70 (20)152.59 (25)162.11 (30)165.44
(31)145.17
20- La siguiente serie de tiempo son las ventas anuales de una fábrica de automóviles,
expresados en millones de unidades. Realice un estudio completo y ajuste un modelo.
( 1) 6.513 ( 6) 7.666 (11) 6.53 (16) 9.101 (21) 6.187

( 2) 5.09 ( 7) 5.623 (12) 5.402 (17) 8.337 (22) 8.122
( 3) 4.154 ( 8) 5.953 (13) 6.754 (18) 7.070 (23) 8.353
( 4) 5.954 ( 9) 4.132 (14) 7.444 (19) 8.407 (24) 9.079
( 5) 5.352 (10) 5.474 (15) 7.554 (20) 7.807 (25) 6.721
21- Realice un estudio completo y ajuste un modelo conveniente a la siguiente Serie de

Tiempo cuyos valores son precios de venta de un cierto producto. Las mediciones se
tomaron una por mes y se presentan por columna.
460 492 487 476 474 490 497 515 545 527 557 599
457 498 482 478 465 489 494 519 549 540 560 603
452 499 479 479 466 489 495 523 545 542 571 599
459 497 478 477 467 485 500 519 549 538 571 596
462 496 479 476 471 491 504 523 547 541 569 585
459 490 477 475 471 492 513 531 543 541 575 587
463 489 479 475 467 494 511 547 540 547 580 585
479 478 475 473 473 499 514 551 539 553 584 581
493 487 479 474 481 498 510 547 532 559 585 583
490 491 476 474 488 500 509 541 517 557 590 592
48
22- Una planta industrial se dedica a la producción de cajas de velocidad de

automóviles. La producción es tanto de productos terminados como de repuestos, dado
que la planta debe proveer cajas a las fábricas que arman los vehículos y piezas sueltas
al mercado de la reparación.
Es necesario desarrollar un sistema informático para administrar el inventario de
repuestos. Este sistema debe ser capaz de emitir los pedidos semanales de
reaprovisionamiento de cuatro piezas diferentes al sector encargado de producir los
repuestos.
Claro está que, para poder efectuar los pedidos semana a semana, se deben pronosticar
las demandas a recibir. Por ese motivo se recoge información sobre los requerimientos
recibidos en las últimas semanas, para las cuatro piezas mencionadas. Dicha
información se presenta en datos de pedidos por pieza.
Adicionalmente se deben pronosticar las ventas totales de repuestos, organizadas por
bimestre, para lo cual se cuenta con el registro de las ventas de los últimos cuarenta y
dos bimestres.
Realice el análisis de todas las series observadas y determine cuál puede ser el modelo
adecuado para pronosticar en cada caso:
Cantidad
t en Cantidad de piezas vendidas por semana repuestos
semanas y/o vendidos
bimestres bimestrales
Pieza 1 Pieza 2 Pieza 3 Pieza 4 Repuestos
1 225 163 396 151 1369
2 220 138 421 146 1554
3 235 165 430 161 2271
4 243 135 456 172 2726
5 235 160 470 175 2422
6 226 144 471 182 2297
7 214 147 461 154 1175
8 227 141 492 172 1751
9 222 158 511 186 2461
10 213 139 508 171 2509
11 221 177 527 177 2255
12 208 140 546 172 1924
13 199 135 618 174 1269
14 222 173 656 184 1716
15 253 141 672 189 2297
16 249 127 681 181 2465
17 232 164 695 196 2351
18 228 147 694 201 2163
19 242 148 696 208 1577
20 246 152 670 207 1856
21 223 158 652 210 2435
22 195 156 651 213 2782
23 173 152 681 230 2678
24 166 138 650 221 2277
25 166 162 655 1586
26 173 139 651 1898
27 169 158 616 2813
28 161 158 606 3033
29 144 122 568 2892
30 130 165 566 2275
31 121 145 555 1876
49
32 1817
33 2706
34 3127
35 2911
36 2421
37 1643
38 2175
39 2665
40 3198
41 2553
42 2394
23- A continuación se presentan datos sobre los requerimientos semanales de un

insumo que utiliza una fábrica para fabricar uno de sus productos:
1 22,46 14 30,21 27 39,29 40 47,31

2 20,27 15 30,09 28 39,61 41 50,08
3 20,97 16 33,04 29 41,02 42 50,25
4 23,68 17 31,21 30 42,52 43 49,00
5 23,25 18 32,44 31 40,83 44 49,97
6 23,48 19 34,73 32 42,15 45 52,52
7 24,81 20 34,97 33 43,91 46 53,39
8 25,44 21 33,37 34 45,67 47 52,37
9 24,88 22 36,91 35 44,53 48 54,06
10 27,38 23 37,75 36 45,23 49 54,88
11 27,74 24 35,46 37 46,35 50 54,82
12 28,96 25 38,48 38 46,28 51 56,23
13 28,48 26 37,72 39 46,70 52 57,54
Estime un modelo de tendencia y modelos ARIMA conformes a la información

disponible y seleccione el que proporcione el mejor ajuste. Justifique. Realice
pronósticos y simulaciones posibles para los próximos 3 meses con el modelo elegido.
50
Unidad Temática 5: Programación Lineal -PL-: fundamentos;

resolución e interpretación
Introducción
La programación lineal es una técnica ampliamente conocida dentro de la

programación matemática. Un problema de programación lineal se estructura
considerando la elección de la mejor alternativa, conforme a un objetivo o criterio, que
está concebido en términos de optimización. Por otro lado comprende las condiciones o
restricciones que limitan el campo de decisiones, es decir las condiciones bajo cuyo
cumplimiento se busca lograr el objetivo.
En los problemas de programación lineal, un elemento esencial está dado en su

contenido económico. Generalmente se tienen algunos recursos con los cuales se
requiere satisfacer algunas necesidades, y están dados los volúmenes de recursos y las
magnitudes de las necesidades. A partir de los datos sobre recursos, necesidades y
formas alternativas posibles, se necesita conformar un plan o programa de utilización de
los recursos y de satisfacción de las necesidades de manera óptima.
Para el planteo matemático del programa lineal es necesario considerar que el

mismo busca optimizar, es decir maximizar o minimizar, una función denominada
función objetivo, satisfaciendo al mismo tiempo un grupo de condiciones restrictivas o
restricciones. Es conveniente identificar y definir claramente las variables de decisión,
es decir el conjunto de variables controlables que tiene efecto directo sobre el nivel de
obtención del objetivo. La función objetivo es una función lineal que representa
matemáticamente la meta u objetivo, y se formula en función de las variables de
decisión. Las restricciones también se formulan en función de las variables de decisión
y se representan matemáticamente mediante un sistema de igualdades o desigualdades
lineales, este sistema no debe omitir restricciones de no negatividad que se incluyen en
todo problema de Programación Lineal.
Una vez formulado el programa lineal es necesario el conocimiento de

metodologías de resolución del mismo. En este contexto la solución del sistema de
restricciones se denomina conjunto de soluciones factibles o conjunto solución
factible. La solución al problema de programación lineal recibe el nombre de conjunto
solución óptima, este esta formado por él o los puntos que pertenecen al conjunto
solución factible y optimizan a la función objetivo.
Existen diversos métodos de resolución de programas lineales. Para problemas

con sólo dos variables de decisión, puede utilizarse el denominado método gráfico. En
otras situaciones deben aplicarse algoritmos de resolución numérica.
El algoritmo más conocido, el primero propuesto para ese fin, se denomina

Simplex. Se dispone además de herramientas informáticas. Las más conocidas son el
LINDO y el Solver, una rutina de cálculo del Excel.
Los métodos de resolución mencionados admiten un posterior análisis de

sensibilidad o análisis post-optimal. Esto es la aplicación de herramientas que permiten
cuantificar la susceptibilidad o la sensibilidad de los resultados ante la variación de
cualquiera de los parámetros incluidos en el programa. Es posible entonces determinar
51
el rango de variación de los parámetros mencionados (cambio en la función objetivo o

en las restricciones), para el cual la solución óptima sigue siendo la misma.
Esta última etapa de análisis de sensibilidad facilita la inclusión de niveles de

incertidumbre a la solución obtenida. Por tanto el decisor puede conocer cuánto puede
sostener o no a la solución encontrada, en consideración a las inevitables diferencias
entre las condiciones reales y las supuestas en el programa.
Esquema conceptual de un programa lineal
Universo cierto o determinístico

Variable de decisión
a1 x11
Alternativas a2 x21
… …
am xm1
Función
Objetivo
Sistema Método
Resultados
de de
Solución Óptima
Restricciones Resolución
Análisis
de
Sensibilidad
Comprender la estructura de los programas lineales y adquirir habilidad para su

formulación.
Conocer diversos métodos de resolución de programas lineales y reconocer sus
ventajas y desventajas.
Interpretar correctamente los resultados de una optimización y valorar la importancia
del análisis de sensibilidad.
Desarrollar habilidad para la aplicación de modelos lineales en situaciones pertinentes.
52
Características de los modelos de Programación Lineal

Formulación de programas lineales.
Resolución gráfica. Conjunto de soluciones. Solución óptima. Análisis de
sensibilidad.
Método Simplex. Interpretación de la Tabla Simplex.
Análisis sensibilidad en PL.
Programas de computadora que permiten resolver este tipo de modelos.
Problemas de planeación de producción, de mezcla y dieta.
Bibliografía:
Sitios Web seleccionados:

http://www.inf.utfsm.cl/~esaez/fio/s2_2003/apuntes/simplex-2003-2.pdf
www.lindo.com: permite bajar el software a utilizar.
Software: Se requiere la utilización del software LINDO (htpp://www.lindo.com),

versión estudiantil Download LINDO 6.1. SOLVER de Excel también puede utilizarse.
1) Caracterice el modelo matemático general de la programación lineal (PL).
2) Nombre los supuestos en los cuales se basa la metodología desarrollada en PL.
3) ¿Qué condiciones debe cumplir un problema para que sea posible resolverlo
gráficamente? ¿Cuál es la forma de determinar la solución óptima? ¿Cuándo se
considera que una restricción es activa o limitante?
4) Señale los pasos necesarios de aplicación del Método Simplex.
5) Identifique las situaciones en las cuales para un PL existe única solución óptima,
múltiples soluciones óptimas y ninguna solución óptima.
6) El análisis de sensibilidad en PL contempla, cambios en los coeficientes de la

función objetivo y cambios en los valores del lado derecho de las restricciones.
Mencione las consideraciones que deben tenerse presentes al realizar este análisis.
53
1 - Una compañía fabrica dos productos A y B. El producto A deja una utilidad de $4

por unidad y B deja una utilidad de $6 por unidad.
Para la fabricación de estos productos se requiere de la utilización de tres maquinas M1,
M2 y M3, con los siguientes requerimientos y disponibilidades:
Horas por unidad de A Horas por unidad de B Horas disponibles por mes
M1 2 1 180
M2 1 2 160
M3 1 1 100
¿Cuántos productos de cada tipo se deben fabricar al mes para maximizar la ganancia?
2 – Una empresa automotriz opera en un Mercado Común. Dicho mercado se encuentra

integrado por los países A, B, C y D. El país A tiene 50 millones de habitantes, el país B
tiene 100 millones, el C tiene 30 millones y el D tiene 40 millones.
La demanda total de automóviles para todo el mercado común es de 2000 unidades
diarias.
La empresa tiene plantas constructoras en los países A y B. El beneficio a obtener por
cada unidad producida en el país A es de tres mil dólares, en tanto que el
correspondiente a cada unidad producida en el país B es de cinco mil dólares. De todos
modos, cabe destacar que la planta A cuenta con tecnología más moderna que la B.
Hacer un auto, demanda en el país A una cantidad de cincuenta horas hombre de trabajo
y se dispone de cincuenta mil horas. En cambio, cada auto producido en B requiere de
sesenta horas de trabajo y se dispone de noventa mil horas.
El sindicato del país A no ofrece problemas y se acordaron los pagos por hora extra, el
monto acordado es de $10 por hora. En cambio el sindicato del país B se encuentra
movilizado, además exige un pago de $12 la hora extra.
La empresa ha recibido ofrecimientos para hacer una campaña publicitaria que
incrementaría la demanda en quinientas unidades diarias en todo el mercado común. La
campaña cuesta seis millones por mes.
Para este problema es necesario determinar el plan de producción más conveniente,
decidir si es conveniente hacer la campaña publicitaria y calcular la cantidad de horas
extras que conviene hacer en cada planta.
3- En una granja, se cultiva soja y maíz en 500 hectáreas de terreno. Una hectárea de
soja produce una utilidad de $100 y una hectárea de maíz una de $300.
Debido a un programa gubernamental, no se pueden plantar más de 200 hectáreas de
soja. Durante la época de siembra se dispondrá de 1200 horas de trabajo. Cada hectárea
de soja requiere de 2 hs de trabajo, mientras que una de maíz requiere de 5 hs. ¿Cuántas
hectáreas de soja y cuántas de maíz se deben plantar para maximizar la ganancia?
54
4- Un agricultor compra fertilizantes que contienen tres nutrientes: A, B y C.

Los requerimientos mínimos semanales son 80 unidades de A, 120 unidades de B y 240
de C.
Existen dos mezclas populares de fertilizantes en el mercado. La mezcla I cuesta $ 4 por
bolsa, con dos unidades de A, 6 de B y 4 de C. La mezcla II cuesta $ 5 por bolsa, con 2
unidades de A, 2 de B y 12 de C.
¿Cuántas bolsas de cada mezcla debe comprar semanalmente el agricultor para
satisfacer los requerimientos de nutrientes para la tierra y minimizar el costo?
5- Una empresa agrícola hace sembrar un mínimo de 6 hectáreas de campo entre

cereales de la variedad A y B. La siembra puede ocupar más de 8 horas la maquinaria
correspondiente. Se sabe que la siembra de cada hectárea de cereal A ocupa la
maquinaria 1 hora y cada hectárea de cereal B la ocupa 4 horas. El costo de siembra de
A es de 3 unidades monetarias por hectárea y el de B es de 4 unidades monetarias por
hectárea.¿Cuántas hectáreas convienen sembrar de A y B para minimizar el costo de
siembra?
6- Un productor de maquinaria desea maximizar las utilidades que recibe de la

fabricación de dos productos: el producto A y el producto B. Los tres insumos
fundamentales de cada producto son acero, electricidad y horas de trabajo. En la
siguiente tabla se resumen los insumos por unidad, las fuentes disponibles y el margen
de utilidad por unidad:
Producto A ProductoB Total mensual disponible

Energía 200 kwh 400 kwh 20000 kwh
Acero 100 lb 120 lb 10000lb
Mano de obra 5 hs 8 hs 400 hs
Utilidad por unidad $ 20 $ 50
Determine las cantidades a fabricar de cada producto para maximizar la utilidad.
7- Una empresa elabora dos productos A y B. Cada unidad tipo A producirá una
utilidad de $7 mientras que cada unidad tipo B generará una ganancia de $ 5. Para
fabricar un producto tipo A necesita 3 hs de trabajo en el departamento I y 4 Hs de
trabajo en el departamento II. Para fabricar un producto tipo B necesita 2 hs de trabajo
en el departamento I y 3 Hs de trabajo en el departamento II.
La cantidad de horas semanales disponibles por departamento I y II son de 72 hs y 102
hs respectivamente.
¿Cuántas unidades semanales de cada tipo de producto debe fabricar para maximizar la
utilidad si como mínimo debe fabricar 8 unidades de producto tipo A?
8- Resuelva gráficamente el siguiente programa lineal:

Min: Z = 2 x1 + 3 x2
Sujeta a:
x1 + x2 ≥ 5
x1 + x2 ≤ 10
x1 ≥ 2
x2 ≥ 1
x1. x 2 ≥ 0
55
9- Un fabricante de juguetes electrónicos ha diseñado dos nuevos modelos: Autorrap y

Robotec. Un distribuidor al que mostró los diseños se ha comprometido en comprar
todos los juguetes de ambos diseños que pueda fabricar para el próximo mes. Los
insumos que se utilizan en la fabricación de los juguetes son plaquetas electrónicas,
planchas de plástico y mano de obra.
El fabricante cuenta con 300 plaquetas electrónicas, 400 planchas de plástico y 320
horas de mano de obra para producir los juguetes. Cada unidad de Autorap requiere 6
plaquetas electrónicas, 5 planchas de plástico y 8 horas de mano de obra. Los
requerimientos por unidad de Robotec son 6 plaquetas electrónicas, 10 planchas de
plástico y 4 horas de mano de obra. La contribución a la utilidad de los juguetes es de
$60 para Autorrap y de $80 para Robotec.
Se necesita determinar la cantidad de juguetes de cada modelo que se debe fabricar,
para vender al distribuidor el próximo mes, de manera de maximizar la utilidad.
10- Resuelva con Método Simplex los siguientes programas lineales:

a) Max: Z = 8 x1 + 6 x2 b) Max: Z = 2 x1 + 3 x2
Sujeta a: Sujeta a:
10x1 + 5x2 ≤ 40 x1 + 2x2 ≤ 6
6x1 + 7x2 ≤ 32 5x1 + 3x2 ≤ 15
x1,x2 ≥ 0 x1, x 2 ≥ 0
c) Max: Z = 4 x1 + 6 x2 d) Max: Z = 3 x1 + 2 x2 e) Max: Z = x1 + 9 x2 + x3

Sujeta a: Sujeta a: Sujeta a:
2 x1 + x2 ≤ 180 2 x1 + 2x2 ≤ 8 x1 + 2x2 + 3x3 ≤ 9
x1 + 2 x2 ≤ 160 3 x1 + 2x2 ≤ 12 3 x1 + 2x2 + 2x3 ≤ 15
x1 + x2 ≤ 100 x1 + 0.5 x2 ≤ 3 x1, x 2, x 3 ≥ 0
x1, x 2 ≥ 0 x1, x 2 ≥ 0
11- Una empresa se dedica a la fabricación y venta de golosinas. La misma necesita

realizar un plan de producción. Las variedades de golosinas que produce son M, H y S.
La siguiente tabla resume requerimientos y beneficios por unidad y disponibilidades:
M H S Disponible
Maní (en paquetes) 0.5 1 1 1000
Arroz ( en gramos) 20 30 15 20000
Maíz (en gramos) 10 30 20 18000
Beneficios (en pesos) 2 3.5 2.5
Sean:
M= cantidad de unidades a producir de golosina M
H= cantidad de unidades a producir de golosina H.
S= cantidad de unidades a producir de golosina S
Se formula entonces un programa lineal que permita maximizar los beneficios. Para su
resolución se carga el mismo en el software LINDO como sigue:
max 2 M + 3.5 H + 2.5 S

s.t.
0.5 M + H + S <= 1000
20 M + 30 H + 15 S <=20000
10 M + 30 H + 20 S <= 18000
56
Observación: en la carga no se incluye la restricción de no negatividad, el programa la

asume.
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE
1) 2640.000
Variables de decisión Cj- Zj Disminución en Z por

cada unidad en que se
VARIABLE VALUE REDUCED COST incrementa la variable
M 520.000000 0.000000
H 0.000000 0.700000
S 640.000000 0.000000
Mejora-disminución en Z
Variables de Holgura Cj- Zj por cada unidad en que se
± incrementa –disminuye el
lado derecho de la
ROW SLACK OR SURPLUS DUAL PRICES restricción. Dentro del
intervalo de sensibilidad
2) 100.000000 0.000000
3) 0.000000 0.060000
4) 0.000000 0.080000
NO. ITERATIONS= 2
RANGES IN WHICH THE BASIS IS UNCHANGED:

Variable básica
OBJ COEFFICIENT RANGES Si la variación del coeficiente se
produce dentro de este rango.
VARIABLE CURRENT ALLOWABLE ALLOWABLE Sólo cambia el valor de Z
COEF INCREASE DECREASE
M 2.000000 1.333333 0.750000
H 3.500000 0.700000 INFINITY Variable no básica
Si la variación del coeficiente se
S 2.500000 1.500000 0.583333 produce dentro de este rango.
No se produce ningún cambio
RIGHTHAND SIDE RANGES
ROW CURRENT ALLOWABLE ALLOWABLE
Restricción no limitante
RHS INCREASE DECREASE Si la variación del lado derecho se
2 1000.000000 INFINITY 100.000000 produce dentro de este rango.
3 20000.000000 16000.000000 6500.000000 Sólo se modifica el valor de holgura
4 18000.000000 2000.000000 8000.000000
Restricción limitante (activa)

Si la variación del lado derecho se
produce dentro de este rango.
No cambia la base. Cambian los
valores de las variables básicas y Z
57
Conteste los siguientes interrogantes, a partir de la resolución proporcionada por el

software LINDO cuya salida se presenta anteriormente.
a) ¿Cuántas unidades de golosinas de cada variedad conviene producir?
b) ¿Cuál es el valor que toma la función objetivo?
c) ¿Cuánto sobra de cada insumo?
d) Si se deciden fabricar 100 unidades adicionales de H.¿Cómo cambian los beneficios?
e) Si solo se dispone de 15 Kg. de arroz. ¿Cómo cambian los beneficios?
f) Si se ofrecen 3 kg adicionales de maíz. ¿Conviene aceptarlos?
g) Si el beneficio unitario por S es de $3. ¿Qué resultados cambian?
h) Si sólo se tienen 950 gramos de maní. ¿Qué resultados cambian?
12- Una empresa fabrica tres productos P1, P2 y P3, en dos plantas A y B. La planta A
produce diariamente 100 unidades de P1, 300 unidades de P2 y 500 unidades de P3. La
planta B produce diariamente 200 unidades de cada uno de los tres productos. La
empresa se ha comprometido a entregar a sus clientes, al menos, 8000 unidades de P1,
16000 de P2 y 20000 de P3. Se sabe que el costo diario de producción es de $ 20000 en
cada planta. ¿Cuántos días debe trabajar cada planta para que se cubran los objetivos
comprometidos con el mínimo costo?
Para solucionar este problema se formula el siguiente programa lineal y se presenta la
salida proporcionada por el software LINDO para su resolución.
Sean: A = cantidad de días de trabajo en la planta A
B = cantidad de días de trabajo en la planta B
min 20000 A + 20000 B
s.t.
100 A + 200 B >= 8000
300 A + 200 B >= 16000
500 A + 200 B >= 20000

1) 1200000.
VARIABLE VALUE REDUCED COST
A 40.000000 0.000000
B 20.000000 0.000000
ROW SLACK OR SURPLUS DUAL PRICES
2) 0.000000 -50.000000
3) 0.000000 -50.000000
4) 4000.000000 0.000000
NO. ITERATIONS= 0
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
A 20000.000000 10000.000000 10000.000000
B 20000.000000 20000.000000 6666.666992
RHS INCREASE DECREASE
2 8000.000000 4000.000000 2666.666748
3 16000.000000 8000.000000 2000.000000
4 20000.000000 4000.000000 INFINITY
58
Conteste los siguientes interrogantes a partir de la resolución proporcionada por el

software LINDO cuya salida se presenta anteriormente:
a) Si el costo de producción en planta A es de $15000. ¿Qué resultados cambian?

b) Si el costo de producción en planta B es de $10000. ¿Qué resultados cambian?
c) Si es necesario producir 20000 unidades de producto P2. ¿Qué cambios se producen?
d) Si es necesario producir sólo 10000 unidades de producto P3. ¿Qué cambios se
producen?
e) Si es necesario producir sólo 6000 unidades de producto P1. ¿Qué cambios se
producen?
13- Resuelva con LINDO el ejercicio 1 y el ejercicio 9 de esta unidad y formule y

resuelva con LINDO el problema dual de los mismos ejercicios.
14- Un fabricante construye dos modelos A y B de un determinado producto. Estos le

reportan respectivamente $20 y $10 de ganancia por unidad. La fábrica esta dividida en
dos secciones I y II. El modelo A requiere 2 horas en la sección I y 1 hora en la sección
II, mientras que el modelo B necesita 1 hora en la sección 1 y 3 horas en la sección II.
Si en la sección I se dispone semanalmente de 50 horas y en la sección II de 40 horas,
para fabricar estos productos, determine la cantidad semanal de modelos a fabricar para
maximizar la ganancia. Resuelva por método gráfico, por método simplex y con el
software LINDO.
15- Una empresa frutihortícula dispone de 50 Ha de tierra y debe decidir que cantidad
de hectáreas dedicara al cultivo de Maíz, Soja y Lechuga. La siguiente tabla muestra
información relevante con respecto a la producción, la ganancia neta y los
requerimientos de agua de cada cultivo:
Cultivo Producción en kg/Ha Ganancia en $/kg Agua en litros/kg.

Maíz 640 1 8.75
Soja 500 0.8 5
Lechuga 400 0.6 2.25
Por otra parte se disponen de 100000 litros de agua y la empresa se comprometió a

vender al menos 5120 kg de maíz. Dado que se desea maximizar el beneficio
económico se plantea el siguiente programa lineal:
Max: Z = 640M + 400S + 240L

Sujeta a:
M + S + L ≤ 50 (tierra)
5600M + 2500S + 900L ≤ 100000 (agua)
M ≥ 8 (maíz)
M,S,L ≥0
Donde M es la cantidad en hectáreas a sembrar de maíz, S la de soja y L la de lechuga.
La resolución del programa lineal con el software LINDO arroja los siguientes
resultados:
59

1) 16940.00
M 8.000000 0.000000
S 10.875000 0.000000
L 31.125000 0.000000

2) 0.000000 150.000000
3) 0.000000 0.100000
4) 0.000000 -70.000000

M 640.000000 70.000000 INFINITY
S 400.000000 266.666656 23.829786
L 240.000000 36.129032 96.000000
2 50.000000 19.333334 19.920000
3 100000.000000 49800.000000 17400.000000
4 8.000000 3.702128 8.000000
A partir de la observación de la salida del software, responda las siguientes preguntas:
a) ¿Cuántas variables nulas y no nulas hay en la solución óptima?. ¿Se trata de una
solución degenerada?. Justifique.
b) ¿Qué representa el costo reducido?¿Porqué razón el costo reducido de la variable
lechuga es cero?
c) Si no es preciso producir maíz. ¿Cuánto cambiaría la función objetivo?
d) ¿Cuánto es posible pagar de alquiler por cada hectárea adicional de tierra?
16- Una empresa produce tres productos diferentes: A, B y C. Los requerimientos de

horas de trabajo para fabricar cada producto, y las ganancias que cada uno arroja por
unidad, se muestran a continuación:
Producto Horas necesarias Beneficio unitario

A 3 3
B 4 7
C 2 4
Se dispone de 1200 horas en total.
a) Formule un programa lineal, conveniente y conforme a la salida proporcionada en el

punto c), que permita maximizar el beneficio a obtener.
b) Escribir el programa estándar correspondiente. ¿Cuántas variables hay en total?.
c) La resolución del programa con el Software LINDO, arroja la siguiente salida:
60

A 0.000000 3.000000
B 0.000000 1.000000
C 600.000000 0.000000
2) 0.000000 2.000000

A 3.000000 3.000000 INFINITY
B 7.000000 1.000000 INFINITY
C 4.000000 INFINITY 0.500000

2 1200.000000 INFINITY 1200.000000
c1) Si el beneficio de A, se incrementa en $1,5, ¿cuánto cambia la función objetivo?.

c2) Si se dispone de 200 horas extras: ¿cuánto es posible pagar como máximo, por cada
hora?
c3) Si es necesario producir 250 unidades del producto B: ¿cuánto cambia la función
objetivo?
c4) ¿Cuántas variables son nulas en la solución? ¿Es degenerada la solución?.
17- Una empresa quiere publicitar su marca en tres programas de radio de gran
audiencia que se emiten por la mañana, tarde y noche. El segundo de publicidad vale
$80, $50 y $100 respectivamente en cada uno de estos tres programas. La empresa
desea minimizar los costos y no quiere invertir más de $1000. Además quiere que se
invierta no menos de $300 en el programa de la mañana y que los segundos comprados
a la noche no sea inferior a la suma de los que se compran en los otros dos turnos.
¿Cuántos segundos se debe comprar en cada programa para cumplir con los
requerimientos de la empresa?
18- Una compañía manufacturera dejó de elaborar una línea de productos no

redituables. Esto originó un exceso en la capacidad de producción. La gerencia quiere
aprovechar esta capacidad para elaborar los nuevos productos P1, P2 y P3. En la
siguiente tabla se consigna la disponibilidad de tiempo en cada máquina y el coeficiente
de productividad CP (número de horas-máquina requeridas) de cada nuevo producto:
Tipo de máquina Tiempo disponible CP CP CP

(en horas-máquina por semana) P1 P2 P3
Fresadora 500 9 3 5
Torno 350 5 4 0
Rectificadora 150 3 0 2
La ganancia unitaria es de $50, $20 y $25 para los productos P1, P2 y P3
respectivamente. Determine cuántos productos de cada tipo se debe producir por
semana para maximizar la ganancia.
61
19- Litoral Citrus S.A. es una empresa correntina que produce jugos de fruta
concentrados.
En 500 horas semanales una máquina, destila jugo concentrado de naranja y de pomelo
-que se almacena en sendos tanques de 1500 litros- y posteriormente se congela.
Dicha máquina tiene capacidad para procesar por hora, 10 litros de jugo de naranja o en
su defecto, 5 lts de pomelo. El costo del litro de naranja es de $ 0,5 y debido a que se
pierde el 50% del agua al destilarse, se vende a $ 4. En tanto que en el caso del de
pomelo, el costo es de $ 1 y se comercializa a $ 4, ya que se pierde el 25 % en el
proceso de destilación.
En la figura se presenta en forma, esquemática el diagrama del proceso de destilación.
1500
lts.
DESTILADORA
1500
lts.
a) Formule un modelo de programación lineal para determinar un plan de producción

que optimice el beneficio total.
b) Resuelva gráficamente
20- Una empresa se dedica a la producción de hamburguesas de carne. Ofrece al

mercado dos variedades: fuerte y común. El proceso productivo es sencillo, se recibe y
controla la carne molida, se mezcla con otros ingredientes y se vuelca la pasta en
moldes adecuados.
El kilo de carne molida le cuesta a la empresa $ 3. El kilo de hamburguesa fuerte
terminada se vende a $10, en tanto que la común se vende a $7,50.
Los restantes ingredientes de la mezcla agregan a los dos tipos de hamburguesas un 20
% extra de peso, es decir que cada kilo de carne molida rinde 1,2 Kilos del producto. Se
dispone en total de 2000 kilos de carne molida y no se desea producir más de 1000 kilos
del tipo fuerte, ni más de 1300 kilos del tipo común.
La empresa debe decidir cuántos kilos se producen de cada producto, de modo de
maximizar el beneficio a obtener.
a) Formule un programa lineal que permita decidir en este problema.
b) Resuelva el programa por el método gráfico. ¿Cuántos kg de cada tipo de producto
deben fabricarse?. ¿Cuál es el beneficio a obtener?. ¿Sobra algo de la carne disponible?.
Si el precio de venta de la común aumenta en $1: ¿qué es lo que cambia en los
resultados del problema?.
62
21- En Alimentos Pancho S. A. se debe organizar la producción de tres tipos de salsas

especiales, que se denominan Fuerte, Normal y Suave; buscando maximizar las
ganancias. Estas salsas se obtienen mezclando dos ingredientes A y B con cierto nivel
de flexibilidad en las fórmulas. La Tabla adjunta muestra las proporciones necesarias,
los precios de venta de cada producto y los costos por litro de los ingredientes. Es
posible comprar hasta 40 litros de A y hasta 30 lts de B.
Ingredientes: Precio de venta

Salsa A B por litro
Fuerte cuando menos 25% cuando menos 50% $ 4,30
Moderada cuando mucho 75% no hay restricción $ 3,70
Suave no hay restricción A lo sumo 15% $ 3,20
Costo (litro) $ 1,00 $ 2,00
Formule un programa lineal y resuelva con la ayuda de un programa de computadora

(Lindo o Solver). Luego, responda las siguientes cuestiones:
a) ¿Cuál es la política óptima?. ¿Qué beneficio se obtiene?. ¿Cuántos litros sobran de
cada ingrediente básico?.
b) ¿Cuántas variables no nulas deberíamos tener en el vértice óptimo?. ¿Se verifican las
condiciones típicas de este tipo de modelo?
c) Si contamos con tres litros menos del ingrediente A: ¿qué cambios presentaría la
solución?.
d) ¿Cuántos litros más de la salsa B convendría tener y a qué precio?.
e) ¿Cambiaría el vértice óptimo si incrementamos el precio de venta de la salsa fuerte
en cincuenta centavos?
63
Unidad Temática 6: Aplicaciones de la Programación Lineal
Introducción
Existen problemas de Programación Lineal cuya formulación matemática

presenta una estructura especial, tanto en sus restricciones o como en su función
objetivo. Mediante la implementación de procedimientos particulares de resolución
(algoritmos específicos), que se desarrollaron precisamente para aprovechar esta
estructura especial, es posible resolverlos de una manera más eficiente que con los
métodos generales.
Una clase de estos problemas se refieren a la distribución de bienes. Por lo

general, estos bienes deben ser enviados desde puntos de suministro conocidos
(fábricas, plantas, etc.), hasta puntos de demanda conocidos (clientes, tiendas, etc.). En
estos casos el objetivo principal consiste en hallar el mejor plan de distribución, es
decir, la cantidad que se debe enviar por cada una de las rutas desde los puntos de
suministro hasta los puntos demanda. Con el término “mejor” se entiende un plan que
minimice los costos totales de envío, produzca la mayor ganancia u optimice algún otro
objetivo corporativo especificado por la gerencia. En cuanto a las restricciones a
satisfacer, estas incluyen las de no enviar más de la capacidad establecida desde cada
punto de suministro, enviar bienes sólo por las rutas válidas y cumplir (o exceder) los
requerimientos de bienes en los puntos de demanda.
Un problema referido a la distribución en general, que entre otros puede ser de

transporte o de asignación, se denomina problema de redes de distribución o de flujo en
redes. Los problemas de redes de distribución tienen como característica favorable que
se pueden representar de manera sencilla mediante un diagrama conocido como red de
distribución.
En particular los problemas de transporte se pueden clasificar en equilibrados

(cantidad total de suministros igual a la cantidad total de la demanda), pero en la
mayoría de las situaciones prácticas, el suministro total no es igual a la demanda total lo
que trae como resultado lo que se conoce como problema de transporte no
equilibrado. Para problemas de transporte equilibrados, todos los datos relevantes
pueden estar representados en una tabla rectangular conocida como cuadro de
transporte, mientras que para problemas no equilibrados, la estrategia consiste en
convertir el problema a uno equilibrado y resolver con la metodología convencional.
En los casos mencionados anteriormente ha sido posible enviar desde cada nodo
de suministro unidades a cada nodo de demanda. En muchas aplicaciones, sin embargo,
algunas de estas rutas de envío deben “prohibirse”, denominando a las mismas como
rutas prohibidas.
En situaciones cotidianas del problema de transporte pueden existir restricciones

sobre el número de unidades que pueden ser enviadas a lo largo de un recorrido en
particular, determinada por la capacidad del sistema físico, capacidad de la empresa u
otras razones es por eso que se pueden incluir este tipo de restricciones en un planteo de
problema de transporte. Este nuevo problema se conoce como problema de
transportación capacitada, debido a que hay capacidades asignadas a uno o más
recorridos.
64
El primer paso en la formulación matemática del problema de transporte, como

así también en los programas lineales, consiste en definir las variables de decisión y
formular la función objetivo y el conjunto de restricciones. Para una mejor comprensión
del problema se recomienda trazar una red que represente el flujo de productos desde
los nodos de suministro hasta los nodos de demanda.
Para la resolución de problemas de transporte se pueden utilizar los algoritmos

previamente estudiados en la programación lineal, aunque debido a la característica
especial del problema, los investigadores han definido un método sencillo y de fácil
aplicación práctica para problemas equilibrados. Este se denomina método del cruce
del arroyo.
El método consiste en conformar una tabla de transporte, que resuma toda la

información relevante del problema (costos, ofertas, demandas); en segundo lugar
proponer una solución inicial de acuerdo a criterios que nos “acerquen” a la solución
óptima (costo mínimo, esquina noroeste, etc.) para finalmente realizar con un algoritmo
de búsqueda la solución óptima. Debido a que los problemas de transporte se presentan
desde hace mucho tiempo en las actividades de las empresas, los programas comerciales
permiten generalmente resolver en forma más eficiente este tipo de problemas, aunque
es de importancia del analista realizar un exhaustivo y crítico análisis de sus resultados.
Por otro lado existen muchos otros tipos de problemas que se podrían formular y
resolver con ayuda de la programación lineal estudiada, si no fuera por una
circunstancia especial: requieren soluciones enteras. Por ejemplo, una variable
denominada X de un modelo de de programación lineal puede indicar si se construye o
no una nueva planta de producción, es decir, si X=1, se construirá la planta; si X=0, no
se construirá; y cualquier valor de X situado entre estos dos valores (por ejemplo
X=0.56) no tiene sentido.
Cuándo se define una variable como binaria, se asume que sólo puede tomar
valores de 0 ó 1, pudiéndose emplear 1 para indicar la presencia de algo (por ejemplo,
una fábrica) y 0 para indicar su ausencia.
El requerimiento entero sobre las variables a menudo significa que, aún cuando
la función objetivo y las restricciones sean lineales, el problema no pueda ser resuelto
por un algoritmo de programación lineal. La razón es que no existe garantía de que los
valores de las variables en la solución óptima así obtenidos sean enteros.
En términos generales, los problemas de programación entera se formulan de

manera muy parecida a los problemas normales de programación lineal que se han
estudiado previamente, con la consideración adicional de que una o más variables deben
tomar valores enteros.
Para resolver estos problemas, los investigadores han desarrollado algoritmos

característicos que permiten obtener una solución óptima en la que se requiere que
algunas variables tomen valores enteros.
65
Un enfoque gráfico para la resolución de problemas enteros, promueve la

comprensión de las complejidades asociadas con la resolución de problemas de
programación entera lineal, ya que hace posible visualizar la gran limitación existente
en la cantidad de valores que pueden asumir las variables involucradas.
El método de ramificación y acotamiento para programación lineal entera,

propone construir un árbol en el que cada nodo indica que a algunas variables del
problema ya se les han otorgado valores enteros específicos; mientras que de cada nodo
un arco indica que a una nueva variable se le está dando un valor específico entero.
El procedimiento de resolución comienza por un nivel superior del árbol y

procede de nodo en nodo hacia la base del árbol y los nodos terminales. En cada nodo se
resuelve el programa lineal asociado y sobre la base de esta solución, se toma una
decisión respecto a que nodos del árbol, si los hay, pueden eliminarse para otras
consideraciones, lo que reduce el número de nodos terminales que necesitan
examinarse.
El método está diseñado para reducir el número total de soluciones enteras que
necesitarían ser examinadas en un problema de programación entera. Sin embargo,
incluso en problemas de tamaño moderado, el número de tales soluciones por examinar
resulta laborioso para su resolución manual.
Debido al inconveniente planteado es posible recurrir a software de

programación lineal, que resuelven en cortos períodos de tiempo este tipo de problemas.
Aunque se recomienda que si se utiliza un paquete de computación para estas
resoluciones, es conveniente realizar el análisis crítico de sus resultados.
66
Esquema de un problema de transporte
Nodos de Demanda
Nodos de
Suministro El Proceso
1 1
2 2
n m
El Modelo
Demandas
Nodos de Demanda
Nodos de Dem. 1 Dem. 1 ......

C1,1 C1,2 C1,
Suministro 1 U1,1 U1,2 U1,
C2,1 C2,2
Suministro 2 U2,1 U2,2
........... ...........
Cn,1 Cn,2 Cn,
Suministro n Un,1 Un,2 Un,
Unidades de
Envío
Esquema de resolución de un programa entero
Método Gráfico Método Ramificación y Acotamiento

Acotamiento
Nodo superior
Región
Factible
x1=1 x1=0
Función
Objetivo
0 1 2
Nodos inferiores
Análisis de Resultados
67
Comprender el problema de transporte y el de asignación y adquirir habilidad en la

formulación de los mismos.
Conocer las propiedades generales de los problemas de transporte y asignación.
Comprender la estructura de los programas lineales enteros y adquirir habilidad en su
formulación
Aplicar correctamente las diferentes estrategias que permiten resolver los problemas
propuestos.
Resolver los problemas planteados con las herramientas disponibles (métodos
manuales y programas comerciales), e interpretar correctamente los resultados de la
optimización
Desarrollar habilidad para la aplicación de los diferentes modelos lineales en
situaciones pertinentes
Problemas de transporte: propiedades; formulación y resolución.

Problemas de asignación: propiedades; formulación y resolución.
Programación con variables enteras y binarias: propiedades; resolución.
Materiales recomendados:
Bibliografía:
Sitios Web seleccionados: http://members.tripod.com/~operativa/invop/Invop.html
Software: Se requiere la utilización de software LINDO o manejo del Solver en Excel.
1) Enuncie las características un problema de transporte. y la formulación del modelo

matemático particular
2) Señale los pasos necesarios para resolver un problema de trasporte mediante el
método del cruce del arroyo.
3) Enuncie las características particulares de un problema de asignación y la
formulación del modelo matemático particular
4) Señale los pasos necesarios para resolver un problema de asignación mediante el
método Húngaro.
5) Defina modelo de programación entera y Relajación de PL.
6) Describa el método de Ramificación y acotamiento.
7) El uso de variables binarias implica frecuentemente incorporar condiciones lógicas,
enuncie las formas más representativas de formular restricciones adecuadas a estas
condiciones.
68
1- Se tienen dos fábricas A y B que elaboran un producto y tres centros C, D y E que lo

distribuyen. La situación respecto a cantidades que se elaboran en cada fábrica,
demandas de cada centro y costos de envío unitario puede visualizarse en el siguiente
esquema:
100 4 50
A C
3 2
2
200 B 1 D
100
5
150
E
Elabore un plan de distribución del producto que satisfaga las condiciones impuestas
por la oferta y la demanda y minimice los costos de envío.
2- Sea el problema de una fábrica de grandes maquinarias agrícolas que tiene dos
plantas, una en Córdoba y otra en Rosario. Deben distribuir la producción en tres
centros C1, C2, y C3, ubicados en la Provincia de Buenos Aires. Los costos unitarios de
transporte se consignan en la siguiente tabla, junto con la oferta de cada planta y la
demanda de cada centro.
C1 C2 C3 Oferta
Córdoba 14 9 7 30
Rosario 8 10 5 20
Demanda 25 15 10
Determine la distribución que respete la situación y minimice los costos de envío.
3- Una empresa del interior de la Provincia de Córdoba elabora productos lácteos que se
distribuyen a nivel nacional a partir de dos fábricas, una denominada Planta Norte y la
otra Sur.
Los productos se envían a cuatro mayoristas que se encargan de la distribución, por lo
que la empresa cordobesa se ocupa sólo de la distribución a los mayoristas. Los costos
de distribución, por conjuntos de 100 cajas que se envían a cada mayorista, junto con la
oferta mensual en cada fábrica y la demanda mensual de cada mayorista, se presentan
en la siguiente tabla:
Fábrica M ayorista 1 M ayorista 2 M ayorista 3 M ayorista 4 Ofe rta
(cientos)
1. Planta Norte $ 21 $ 15 $ 18 $9 550
2. Planta Sur $ 10 $ 14 $ 16 $ 23 650
Demanda 200 250 400 350
(cientos)
Se requiere:
a) Defina las variables de decisión, y formule la estructura del programa lineal.
b) Construya la tabla de transporte y encuentre una solución inicial con su respectivo
costo.
c) Determine la solución óptima y explique la metodología de resolución.
d) Resuelva el problema con la aplicación de LINDO o Excel
69
4- Un producto especial es manufacturado en tres plantas y embarcado a tres almacenes.

Los costos de transporte por unidad se consignan en la siguiente tabla:
Capacidad
Almacén de la Planta
A1 A2 A3 A4
Planta
P1 8 6 10 9 35
P2 9 12 13 7 50
P3 14 9 16 5 40
Demanda 45 20 30 30
a) Muestre una representación en red del problema.

b) Escriba el modelo de programación lineal para minimización de costos de transporte
c) Determine la solución a costo mínimo por el método del cruce del arroyo para
problemas de transporte.
5- Se considera la situación que debe manejar Pablo el entrenador de un Equipo de

Natación. El entrenador está intentando organizar el mejor equipo de relevo de mujeres
para los 200 metros. Tiene cuatro muchachas en el equipo: Lucía, Julia, Mariana y
Romina. Lucía sólo nada el estilo libre por lo que no hay problema respecto a esa parte
del equipo. Cada una de las otras tres chicas puede nadar en cualquiera de otros tres
estilos: mariposa, espalda y de pecho. Los tiempos de cada una de las nadadoras en cada
uno de los estilos se presentan en la tabla siguiente.
Es tilo
N a da do ra M a ripo s a Es pa lda Pe cho
J ulia 3 3 seg. 3 5 seg. 3 7 seg.
M a ria na 3 3 seg. 3 7 seg. 3 7 seg.
R o mina 3 3 seg. 3 6 seg. 3 9 seg.
a) Plantee el problema en forma de red

b) ¿Cuál de ellas debe nadar en qué estilo? Resuelva.
c) Este problema posee una característica especial. ¿Cuál es?
d) Observe a continuación cómo se carga el programa en LINDO y su salida. Interprete.
CARGA DE LINDO
MIN 33X11 + 35X12 + 37X13 + 33X21 + 37X22 + 37X23 + 33X31 + 36X32 + 39X33
ST
X11 + X12 + X13 <= 1
X21 + X22 + X23 <= 1
X31 + X32 + X33 <= 1
X11 + X21 + X31 >= 1
X12 + X22 + X32 >= 1
X13 + X23 + X33 >= 1
END
SALIDA DE LINDO
1) 105.0000
70

X11 0.000000 0.000000
X12 1.000000 0.000000
X13 0.000000 0.000000
X21 0.000000 0.000000
X22 0.000000 2.000000
X23 1.000000 0.000000
X31 1.000000 0.000000
X32 0.000000 1.000000
X33 0.000000 2.000000

2) 0.000000 0.000000
3) 0.000000 0.000000
4) 0.000000 0.000000
5) 0.000000 -33.000000
6) 0.000000 -35.000000
7) 0.000000 -37.000000
NO. ITERATIONS= 5
X11 33.000000 INFINITY 0.000000
X12 35.000000 1.000000 35.000000
X13 37.000000 0.000000 1.000000
X21 33.000000 INFINITY 0.000000
X22 37.000000 INFINITY 2.000000
X23 37.000000 1.000000 0.000000
X31 33.000000 0.000000 33.000000
X32 36.000000 INFINITY 1.000000
X33 39.000000 INFINITY 2.000000
2 1.000000 1.000000 0.000000
3 1.000000 INFINITY 0.000000
4 1.000000 INFINITY 0.000000
5 1.000000 0.000000 1.000000
6 1.000000 0.000000 1.000000
7 1.000000 0.000000 1.000000
Observación: El problema de asignación se carga en LINDO como un Programa Lineal
que asume valores reales para la solución, ya que este es un caso particular de un
problema de transporte que tiene siempre soluciones enteras si todos los coeficientes
involucrados son números enteros. En este caso las variables son binarias 0 –1 y los
valores de la solución, dadas las restricciones, sólo pueden valer 0 ó 1.
6- Una compañía desea realizar una jornada de mantenimiento preventivo a sus tres
máquinas principales A, B y C. El tiempo que demanda el mantenimiento de cada
máquina es de un día, sin embargo la jornada de mantenimiento no puede durar más de
un día, teniendo en cuenta que la compañía tiene tres proveedores 1,2 y 3 de servicios
de mantenimiento, debe asignar un servicio de mantenimiento a cada máquina para
poder cumplir con la realización del mantenimiento preventivo. Debe realizar esta
71
asignación con el objetivo de minimizar el costo total de la jornada. El costo de la tarea

varía conforme a cada máquina y a la especialización de cada servicio de
mantenimiento y se consigna en la siguiente tabla.
Maquina A Máquina B Máquina C
Mantenimiento 1 10 9 5
7- Se deben asignar 4 trabajadores a cuatro máquinas. Los costos asociados a cada

asignación se consignan en la siguiente tabla:
M1 M2 M3 M4
T1 1 4 6 3
T2 9 7 10 9
T3 4 5 11 7
T4 8 7 8 5
a) Muestre una representación en red del problema.

b) Escriba el modelo de programación lineal para minimización de costos por
asignación.
c) Determine la solución a costo mínimo por el método húngaro para problemas de
asignación.
8- Se cuenta con cinco empleados para realizar cuatro trabajos. Determine la asignación
de los empleados a los trabajos que minimiza el tiempo total requerido para los mismos.
Trabajo 1 Trabajo 2 Trabajo 3 Trabajo 4

Empleado A 22 18 30 18
Empleado B 18 --- 27 22
Empleado C 26 20 28 28
Empleado D 16 22 --- 14
EmpleadoE 21 --- 25 28
--- significa que el empleado no puede realizar ese trabajo.
9- Una empresa de transporte ha recibido un contrato para suministrar hormigón armado

para tres puentes localizados en Río Suquía, Río Dulce y Paraná. Las cantidades
necesarias de hormigón para los puentes se resumen en la siguiente tabla:
P u e n te H o rm ig ó n (m 3 )
R ío S u q u í a 50
R ío D u lc e 90
P aran á 60
200
La empresa constructora posee tres plantas hormigoneras localizadas en la ciudad de

Córdoba Capital denominadas I, II y III. Las capacidades de los centros de fabricación
se presentan en la siguiente tabla:
72
P la n t a C ap a c id a d ( m 3 )
I 70
II 100
III 30
200
Los costos de transporte por m3 de hormigón se presentan en la tabla:
P la n t a R ío S u q u ía R ío D u lc e P a ra n á
I 4 16 8
II 8 24 16
III 8 16 24
Se pide:
a) Defina las variables de decisión y formule la estructura del programa lineal.

b) ¿Estamos frente a un problema equilibrado?, ¿Por qué?
c) ¿Cuántos caminos hay? ¿Cuántos caminos vamos a utilizar? Justifique su respuesta.
d) Construya la tabla de transporte y encuentre una solución inicial utilizando el método
del costo mínimo y calcule el costo total para esa asignación.
e) Determine si la solución inicial propuesta es óptima, y si no lo es utilice un paso del
método del cruce del arroyo para arribar a la solución óptima.
f) ¿Cómo finalizan las iteraciones con el método del cruce del arroyo?. Ejemplifique
con el problema planteado.
g) Se cargo en el software LINDO la siguiente formulación del programa lineal
correspondiente al problema:
MIN: 4X1S + 16X1D + 8X1P + 8X2S + 24X2D + 16X2P + 8X3S + 16X3D + 24X3P
ST
X1S + X1D + X1P <= 70
X2S + X2D + X2P <= 100
X3S + X3D + X3P <= 30
X1S + X2S + X3S >= 50
X1D + X2D + X3D >= 90
X1P + X2P + X3P >= 60
END
Se obtuvo la siguiente salida de LINDO:
LP OPTIMUM FOUND AT STEP 7
1) 2720.000
X1S 0.000000 4.000000
X1D 10.000000 0.000000
X1P 60.000000 0.000000
X2S 50.000000 0.000000
X2D 50.000000 0.000000
X2P 0.000000 0.000000
X3S 0.000000 8.000000
X3D 30.000000 0.000000
X3P 0.000000 16.000000
2) 0.000000 8.000000
3) 0.000000 0.000000
4) 0.000000 8.000000
5) 0.000000 -8.000000
6) 0.000000 -24.000000
73
7) 0.000000 -16.000000
NO. ITERATIONS= 7
X1S 4.000000 INFINITY 4.000000
X1D 16.000000 4.000000 0.000000
X1P 8.000000 0.000000 16.000000
X2S 8.000000 4.000000 8.000000
X2D 24.000000 0.000000 4.000000
X2P 16.000000 INFINITY 0.000000
X3S 8.000000 INFINITY 8.000000
X3D 16.000000 8.000000 INFINITY
X3P 24.000000 INFINITY 16.000000
2 70.000000 50.000000 0.000000
3 100.000000 INFINITY 0.000000
4 30.000000 50.000000 0.000000
5 50.000000 0.000000 50.000000
6 90.000000 0.000000 50.000000
7 60.000000 0.000000 50.000000
Realice observaciones sobre la salida en comparación con los programas trabajados en
al unidad anterior.
10- Una compañía tiene tres instalaciones A, B, y C y suministra su producción a los

distribuidores D, E, F y G. Las capacidades mensuales son 20, 30 y 45 unidades,
respectivamente; los requerimientos mensuales de los distribuidores son 10, 15, 40 y 30
unidades, para los distribuidores D, E, F y G; los costos unitarios de envío son los
siguientes:
D E F G
A 5 10 5 0
B 5 9 5 10
C 10 10 15 5
Formule y resuelva un programa lineal para determinar el plan óptimo de distribución.
11- En una línea de producción se tienen cuatro operarios que pueden asignarse a un
trabajo realizado por tres máquinas. Un estudio de tiempos y movimientos ha arrojado
los siguientes tiempos por operario para las tres máquinas:
Máquina 1 Máquina 2 Máquina 3

Operario 1 10 7 9
Operario 2 7 5 8
Operario 3 9 8 10
Operario 4 8 9 7
Formule y resuelva un programa lineal para determinar la asignación óptima.
74
12- Resuelva los siguientes programas lineales:

a) Max: Z= 4x1 + 5x2 b) Max: Z = 10x1 + x2 c) Max: Z = 3x1 + 4x2
Sujeta a Sujeta a: Sujeta a:
3x1 + 4x2 ≤ 20 2x1 + 5x2 ≤ 11 2x1 + x2 ≤ 6
4x1 + 2x2 ≤ 16 x1 y x2 ≥ 0 y enteros 2x1 + 3x2 ≤ 9
x2 ≥ 2 x1 y x2 ≥ 0 y enteros
x1 y x2 ≥ 0 y enteros
13- Un constructor va a edificar dos tipos de viviendas económicas: A y B. Dispone de
600 mil dólares. El costo de una casa de tipo A es de 13 mil y 8 mil una de tipo B. El
número de casas de tipo A debe ser, al menos, el 40% del total. Por otra parte, el del
tipo B debe ser al menos un 20% del total. Cada casa de tipo A se vende a 16 mil
dólares y cada una de tipo B se vende en 9 mil.
Es necesario determinar cuántas casas de cada tipo conviene construir para que el
beneficio sea máximo.
a) Formule un programa lineal que permita estudiar este problema y resuélvalo con el
método gráfico.
b) Considere el programa entero asociado.¿Cuál es la solución en este caso?. Justifique.
14- Un fabricante esta iniciando la última semana de producción de cuatro modelos

diferentes de consolas de madera para televisores, clasificadas como I, II, III y VI, cada
uno de los cuales debe ensamblarse y después decorarse. Los modelos requieren 4, 5, 3
y 5 horas para el ensamblado y 2, 1.5, 3, 3 horas para el decorado, respectivamente. Las
ganancias por modelo son de 7, 7, 6 y 9 cientos de dólares respectivamente. El
fabricante tiene 30000 horas disponibles para ensamblar estos productos (750
ensambladores trabajando 40 horas semanales) y 20000 horas disponibles para decorar
(500 decoradores trabajando 40 horas semanales). ¿Cuántas unidades de cada modelo
debe producir el fabricante para maximizar la ganancia?.
Considere que todas las unidades pueden venderse y que como es la última semana de
producción todos los modelos deben terminarse, por lo tanto se requiere un valor entero
para cada variable. Formule el programa lineal entero PLE para resolverlo.
A continuación se presentan cargas y salidas de LINDO para resolver este problema.
Observe que se introduce en el programa como el PLR, para ver si da entero, ya
que LINDO asume soluciones reales y pueden ser enteras. Si así fuera el problema
esta resuelto y es posible realizar directamente el análisis de sensibilidad.
CARGA DE LINDO
max 7MI + 7MII + 6MIII + 9MIV
s.t.
4MI + 5MII + 3MIII + 5MIV < 30000
2MI + 1.5MII + 3MIII + 3MIV < 20000
END
SALIDA DE LINDO
1) 55000.00
MI 5000.000000 0.000000
MII 0.000000 1.250000
MIII 3333.333252 0.000000
MIV 0.000000 0.000000
2) 0.000000 1.500000
75
3) 0.000000 0.500000
NO. ITERATIONS= 2
MI 7.000000 1.000000 0.000000
MII 7.000000 1.250000 INFINITY
MIII 6.000000 1.875000 0.000000
MIV 9.000000 0.000000 INFINITY
2 30000.000000 9999.999023 10000.000000
3 20000.000000 10000.000000 4999.999512
Ahora como no da entero se declaran enteras –GIN- las 4 variables en la carga.

CARGA DE LINDO
max 7MI + 7MII + 6MIII + 9MIV
s.t.
4MI + 5MII + 3MIII + 5MIV < 30000
2MI + 1.5MII + 3MIII + 3MIV < 20000
END
GIN 4
SALIDA DE LINDO
1) 55000.00
MI 1.000000 -7.000000
MII 0.000000 -7.000000
MIII 1667.000000 -6.000000
MIV 4999.000000 -9.000000

2) 0.000000 0.000000
3) 0.000000 0.000000
NO. ITERATIONS= 19
Observación: Declaradas las variables enteras no es posible realizar directamente
análisis de sensibilidad con la salida de LINDO.
15- Una empresa constructora obtuvo una subvención de 5.000.000 para desarrollar
edificios de departamentos para personas de ingresos bajos y medianos en un terreno de
18.000 m2. Cada tipo de edificio requiere 2000 m2. El costo estimado de un edificio de
bajos ingresos es de 300.000 y el de uno de ingresos medios de 600.000. Cada edificio
de bajos ingresos proporciona 15 unidades y cada uno de ingresos medianos
proporciona 12 unidades. Para mantener el vecindario bien balanceado el gobierno
exige que la proporción de departamentos de ingresos medios respecto de los de
ingresos bajos sea de al menos 0,8. La empresa desea construir el mayor número de
departamentos individuales que sea posible. Formule un programa entero para
solucionar el problema de la empresa y utilice el software LINDO para resolverlo.
76
16- El servicio de estudios de una compañía proyecta construir nuevas fábricas en las
ciudades A y B. También planea construir a lo sumo un nuevo almacén, pero éste debe
hacerse en una de las ciudades donde se construya una fábrica.
El presupuesto disponible para realizar la inversión es de 10 millones de euros.
La siguiente tabla proporciona el valor neto actual de cada construcción y el costo de
inversión de cada una de ellas en millones de euros.
Construcción Valor neto actual Costo de inversión

Fábrica en A 9 6
Fábrica en B 5 3
Almacén en A 6 5
Almacén en B 4 2
Formule un programa 0-1 que proporcione la inversión de máximo valor neto actual.
A continuación se presenta la carga y salida de LINDO para resolver este problema.
Observe que en este caso deben declararse binarias –INT- las 4 variables ya que el
Programa Lineal en general no da por solución valores 0 – 1.
CARGA DE LINDO
Max 9 FA +5 FB + 6 AA + 4 AB
s.t.
6 FA + 3 FB + 5 AA + 2 AB < 10
AA + AB < 1
AA – FA < 0
AB – FB < 0
END
INT 4
SALIDA DE LINDO
1) 14.00000

FA 1.000000 -9.000000
FB 1.000000 -5.000000
AA 0.000000 -6.000000
AB 0.000000 -4.000000
2) 1.000000 0.000000
3) 1.000000 0.000000
4) 1.000000 0.000000
5) 1.000000 0.000000
NO. ITERATIONS= 4
Observación: Formule este problema de localización de fábricas con el agregado de la

restricción de que si se construye en A no se construye en B y viceversa.
En caso de problemas mixtos en la carga de LINDO no se declaran las variables reales,
se declaran las enteras y las binarias, especificando unas y otras conforme a la situación.
77
17- A una compañía de inversiones se le presentan cinco posibles inversiones, cuyos

gastos y rendimientos –en miles de unidades monetarias– son los siguientes:
Inversión I II III IV V
Gastos 8 4 6 3 9
Rendimientos 32 21 24 15 16
El capital total disponible para invertir es de 25 miles de unidades monetarias. Si la
cartera de inversiones de la compañía incluye la inversión II, deberá seleccionar
también la inversión IV. Por otra parte, las inversiones II y III son mutuamente
excluyentes. Formule el problema como un PLE cero–uno.
18- Las siguientes cuestiones se refieren a un problema de presupuestos de capital con

seis proyectos representados mediante variables del tipo 0–1: x1, x2, x3, x4, x5 y x6.
a) Enuncie una restricción que represente un modelo de la situación en la que se deben

emprender dos de los proyectos 1, 3, 5 y 6.
b) Enuncie una restricción que represente un modelo de la situación en la que deban
emprenderse simultáneamente los proyectos 3 y 5.
c) Enuncie una restricción que represente un modelo de la situación en la que se deban
emprender los proyectos 1 ó 4, pero no ambos.
d) Enuncie restricciones que representen modelos de una situación en la que no se
pueda emprender el proyecto 4, a menos que se emprendan también el 1 y el 3.
e) Modifique el requisito de la parte (d) para considerar el caso en que, cuando se
emprendan los proyectos 1 y 3, también se debe emprender el proyecto 4.
19- Una empresa autopartista produce bielas para motores de cuatro y seis cilindros,
utilizando la misma línea de producción. El costo requerido para poner en marcha la
línea de producción para producir bielas de cuatro cilindros es de 2000 dólares y para
las bielas de seis cilindros es de 3500 dólares. Los costos de manufactura son de15
dólares para cada biela de cuatro cilindros y de 18 dólares para cada biela de seis
cilindros. Al final de cada semana la empresa decide qué producto se fabricará la
siguiente semana. Si existe un cambio de producción de una semana a la siguiente, se
utiliza el fin de semana para volver a configurar la línea de producción. Una vez puesta
en marcha la línea, las capacidades semanales de producción son de 6000 bielas de seis
cilindros y de 8000 bielas de cuatro cilindros.
Si se supone que:
x4 = nº de bielas de cuatro cilindros que se producirán la semana siguiente
x6 = nº de bielas de seis cilindros que se producirán la semana siguiente
s4 = 1 si la línea de producción se pone en marcha para la producción de bielas de
cuatro cilindros; 0 si no es así.
s6 = 1 si la línea de producción se pone en marcha para la producción de bielas de
seis cilindros; 0 si no es así.
a) Utilice las variables x4 y s4 para escribir una restricción que limite la
producción de la siguiente semana de las bielas de cuatro cilindros a 0 u
8000 unidades.
b) Utilice las variables x6 y s6 para escribir una restricción que limite la
producción de la siguiente semana de las bielas de seis cilindros a 0 u 6000
unidades.
c) Escriba el programa lineal completo que permita determinar las cantidades a
producir con la finalidad de minimizar el costo la semana siguiente.
78
20- Se debe realizar un envío de 7 objetos distintos (llenar una mochila). El valor, peso
y volumen de cada objeto aparecen en la siguiente tabla:
Objeto Valor en dólares Peso en kg Volumen en cm3

1 56 7 21
2 71 11 16
3 69 4 17
4 91 14 28
5 70 9 12
6 85 2 31
7 65 12 19
Se quiere determinar el envío de valor máximo, que no exceda el peso total de 41 kilos
ni el volumen de 100 cm3, requerimientos del contenedor.
21- En una empresa es necesario desarrollar los planes de comercialización para los tres
nuevos productos que deben venderse el próximo año. Se considera la compra de un
total de cinco comerciales televisivos en las redes nacionales.
El problema que se estudia es cómo asignar los cinco comerciales, con un máximo de
tres y un mínimo de uno para cada producto. La tabla que sigue muestra el impacto
estimado de asignar diferentes números de comerciales a cada producto. El impacto se
mide en términos de ganancia en millones de pesos, de las ventas adicionales
proporcionadas por los comerciales. El objetivo es asignar los comerciales obteniendo el
mayor impacto global que sea posible. Plantee el programa y revuélvalo con LINDO.
Productos
Nro de comerciales 1 2 3
1 1 0 -1
2 3 2 2
3 3 3 4
22- Una compañía puede fabricar 3 tipos de ropa: camisas, shorts y pantalones. Para
poder fabricar la ropa, la compañía debe disponer de la maquinaria adecuada la cual
debe rentar. Para fabricar camisas la maquinaria se renta en 200 dólares por semana; la
maquinaria para hacer shorts se renta en 150 dólares por semana; y la maquinaria para
hacer pantalones cuesta 100 dólares por semana. La siguiente tabla contiene
información sobre los requerimientos para fabricar la ropa en tela y en horas de trabajo,
así mismo contiene información sobre los precios de venta y los costos de la matera
primas.
Trabajo en Tela en m2 Precio venta Costo en

horas en dólares dólares
Camisa 3 4 12 6
Short 2 3 8 4
Pantalón 6 4 15 8
Disponibles 150 160
Suponiendo que los costos de renta son independientes de las cantidades de ropa a
producir, formule y resuelva un modelo PLE para la compañía de manera que maximice
sus ganancias semanales.
79
13- Un entrenador está tratando de decidir qué jugadores de basket deben participar en
el torneo nacional. Puede elegir entre 11 jugadores, pero sólo desea llevar a 9. El
entrenador desea maximizar el promedio de puntos para el equipo que viaje, sujeto a
varias restricciones. Plantee un PLE para maximizar los puntos, si se sabe que:
Debe haber por lo menos tres defensas (G)

Debe haber por lo menos tres delanteros (F)
Debe haber por lo menos dos medios (C)
Si va Marcelo entonces Julián debe quedarse y viceversa. Si José va, entonces el
entrenador desea llevar también a Luis, pero no necesariamente lo contrario.
Los nombres, posiciones y puntos promedio para los jugadores se presentan a

continuación:
NOMBRE POSICIÓN PUNTOS
Juan C 12
Marcelo C 9
Julián C 8
Luis F 15
José F 10
Raúl F 5
Miguel G 20
Jorge F 18
Andrés G 12
Mario G 7
Hector G 2
24- Una división de una empresa ha desarrollado tres nuevos productos. Sin embargo,
para evitar una diversificación excesiva de la línea de productos, la administración ha
impuesto que a lo sumo se lancen dos productos al mercado.
Se dispone de dos plantas de producción. Por razones administrativas se desea asignar a
estos nuevos productos solo una de las dos plantas. El costo unitario de producción de
cada producto es esencialmente el mismo en las dos plantas, pero por diferencias en las
instalaciones la cantidad de horas de trabajo por unidad de cada producto difiere entre
ellas. Estos datos se consignan en la siguiente tabla, junto con el número total de horas
de producción disponibles a la semana en cada una. Además la tabla muestra la
ganancia unitaria de cada producto y las estimaciones de ventas semanales si se decide
producirlos.
El objetivo es elegir los productos, la planta y las cantidades a producir de cada
producto, de modo de maximizar la ganancia total.
Producto
Planta 1 2 3 Hs disponibles
1 3 4 2 30
2 4 6 2 40
Ganancia unitaria 5 7 3 cientos de $
Ventas potenciales 7 5 9 unidades / sem
80
Anexo U6: Situaciones que requieren de la utilización de variables binarias
Sea yi variable binaria 0 –1.
1) Es necesario elegir entre la acción k y la acción m que son mutuamente excluyentes

ym + yk = 1
2) Es necesario elegir menos de k alternativas de entre n.
y1 + y2 + y3 +…+ yn ≤ k
3) No es posible elegir la opción k a menos que se elija también la m
ym – yk ≥ 0
4) Si se elige a también es necesario elegir b.
ya – yb = 0
5) Si se elige a es necesario no elegir b y viceversa.
ya + yb ≤ 1
6) Si se compra la acción J entonces es necesario, por ejemplo comprar entre 20 y 100
xJ ≥ 20 yi
xJ ≤ 100 yi
7) Si se compra la acción j entonces es necesario, por ejemplo comprar al menos 20.
xJ ≥ 20 yi
xJ ≤ M yi
Con M arbitrariamente muy grande.
8) Se hace c si y solo sí se hacen a y b
ya + yb – 2 yc ≥ 0
9) Si se hacen a y b entonces también es necesario hacer c.
yc – ya – yb ≥ – 1
81
Unidad Temática 7: Programación Dinámica

Introducción
Se utiliza el nombre Programación Dinámica para designar a un cierto tipo de

modelos que permiten resolver problemas de búsqueda de óptimos que pueden
subdividirse en etapas.
El ejemplo que se cita a continuación puede ayudar a comprender qué tipo de

problemas son los de referencia. Juan debe viajar desde Córdoba hasta Finlandia y
desea permanecer en viaje el menor tiempo posible. El deberá realizar tres etapas, la
primera es volar hasta Buenos Aires, la segunda es tomar un avión que lo conduzca a
alguna de las principales ciudades europeas y finalmente la tercera es dirigirse desde
una de esas capitales a su destino. Dado que tiene distintas opciones de vuelos para
realizar cada etapa, será necesario analizar cuál de las combinaciones posibles es la que
minimiza el tiempo de viaje.
En cualquier aplicación de estos modelos es necesario formular el programa

matemático y resolverlo. Cada problema exige una representación particular, aunque
existen esquemas típicos cuyo conocimiento facilita la modelación. Sin embargo, la
resolución se realiza siempre de la misma manera, mediante el algoritmo desarrollado
por Bellman en 1957. La estrategia del mismo consiste en resolver los problemas yendo
de atrás hacia delante, es decir comenzar en la última etapa y concluir en la primera.
Para advertir las ventajas de resolver un problema de atrás hacia delante se acude
a otro ejemplo. Una piscina de 800 metros cuadrados de superficie un cierto día se
siembra con algas. Estas duplican su cantidad cada 24 horas y al décimo día la piscina
esta totalmente cubierta. Si se quiere determinar en qué día la cobertura es del 50%, no
es posible hacerlo desde el primero al último día porque no se conoce el porcentaje
inicial. Sin embargo, la solución se torna sencilla si se comienza desde el último día,
porque para que la piscina se llene de algas (100%) el día 10, debe estar cubierta de un
50% el día 9.
En esta unidad se desarrollan diversos casos típicos que permiten comprender

tanto las posibles formulaciones como la estrategia de resolución.
Esquema de un problema de minimizar tiempo de viaje
C F
A A
0
D G I
B
E
H
1º ETAPA 2º ETAPA 3º ETAPA 4º ETAPA
82
Aplicar modelos de programación dinámica para resolver problemas de decisión en

etapas.
Desarrollar predisposición para la toma de decisiones con base objetiva.
Programación dinámica Determinística: problemas de decisión en etapas.
Principio de optimalidad de Bellman.
Análisis de aplicaciones típicas de la Programación Dinámica: problemas de
asignación de recursos, de mantenimiento de equipos.
Bibliografía:
Hillier F. y Lieberman G. (1997) “Introducción a la Investigación de Operaciones”.
Mc Graw Hill. México.
Iberoamericana. México
Sitios Web seleccionados: http://es.wikipedia.org/wiki/Algoritmo
Software: no se exige su utilización y los ejercicios planteados no lo requieren. Como
recurso de empleo generalizado se puede utilizar Excel.
1) Enuncie las características distintivas de las aplicaciones de programación dinámica,

discreta, determinística.
2) Describa la metodología de resolución.
3) Enuncie el Principio de Optimidad de Bellman.
4) Menciones aplicaciones particulares a la programación dinámica.
83
1- Vivo en el extremo norte de la ciudad y casi todos los días debo trasladarme, a las
siete de la mañana, a una fábrica ubicada en el sur de la misma. Ello significa que debo
atravesar trece kilómetros de recorrido urbano, rodeado por muchos miles de personas
que tienen obligaciones similares a las mías. Por supuesto debo transitar calles angostas,
soportar semáforos en todas las esquinas, sortear baches y eludir el embate de los
colectivos.
Realmente durante el primer viaje me mantuve alegre, todo lo nuevo nos estimula. El
segundo día comencé a observar con más detalle las dificultades que encontraba.
Finalmente, ya en el tercero me resultó imperioso encontrar un recorrido que minimice
el tiempo de traslado y con ello las consecuentes dificultades.
Cuento algo más sobre este problema. Vivo en el interior de un barrio, por lo que mi
primera etapa consiste en alcanzar una avenida. Luego por la avenida puedo acercarme
al enorme microcentro, el tercer paso es atravesar el microcentro y el cuarto,
afortunadamente el último, es viajar desde la salida del centro hasta la fábrica.
Después de hacer algunos números identifiqué dos posibles avenidas de salida, tres
formas de cruzar el centro y tres de llegar a la fábrica, esto es, dieciocho caminos
posibles. Los mismos se resumen en la siguiente tabla:
Avenidas Inicio Salida Fábrica

Centro centro
Nodos O A B C D E F G H I
O 5 4
A 11 12 10
B 10 9 12
C 11 13 12
D 10 15 12
E 13 9 12
F 10
G 6
H 8
En las celdas se presentan los tiempos necesarios para cada tramo expresados en
minutos. Por ejemplo, para viajar desde B hasta D se necesitan nueve minutos.
Encontremos el camino que permite minimizar el tiempo de recorrido.
2- Juan debe viajar desde el nodo (1) al nodo (7). Puede hacerlo cruzando los caminos
señalados en la tabla que se presenta a continuación. El inconveniente es que debe pagar
peajes diferentes en cada ruta y desea determinar cual es el camino que le permite
minimizar dicha fuente de costo.
Determine el camino de menor costo.
84
Nodos 2 3 4 5 6 7
1 4 2
2 10 8 2
3 5 6 9
4 6
5 5
6 1
3- Una organización debe planificar la publicidad televisiva a realizar los meses de

Setiembre, Octubre, Noviembre y Diciembre. Esto en el contexto de la campaña de
prevención de una enfermedad que se manifiesta en el período estival.
La campaña tiene por objeto lograr un incremento significativo en la cantidad de
personas que conocen la enfermedad y los métodos para prevenirla. En campañas de
publicidad televisiva realizadas anteriormente se ha medido la variable: “Cantidad de
nuevas personas enteradas cada mil habitantes” y se obtuvieron los resultados de la
tabla:
Gasto publicidad Setiembre Octubre Noviembre Diciembre

0 0 0 0 0
1 50 70 30 40
2 100 120 80 110
3 150 130 170 140
Si se cuenta con un presupuesto de tres millones de pesos para todos los meses,
determine cómo invertir este presupuesto de modo de maximizar la cantidad de nuevas
personas enteradas.
4- Una persona tiene $4000 que desea invertir y se le presentan tres opciones. Cada
opción admite depósitos en cantidades que sean múltiplos de 1000. Las ganancias
esperadas se presentan en la siguiente tabla:
Pesos invertidos
0 1000 2000 3000 4000
Ganancia en la opción 1 0 2000 5000 6000 7000

¿Cuánto dinero debe invertir en cada opción para obtener la mayor ganancia posible?
Rta: $2000 en la opción 1, $0 en la opción 2 y $2000 en la opción 3.
5- Un inversor desea conocer cuál es la política de inversiones óptima para un período

de tres meses. En la tabla se muestran las inversiones posibles (las que no aparecen no
deben considerarse) y las utilidades a obtener con cada opción (expresadas en miles)
85
Rentabilidad
Inversión
Mes 1 Mes 2 Mes 3
1 millón 20
2 millones 50 50 40
3 millones 80 90 100
4 millones 120
Determine la política de inversión óptima, si se sabe que el inversor dispone de 8

millones en total y es imprescindible que invierta todos los meses.
6- Un camionero que trabaja por su cuenta tiene 8 m3 de espacio disponible en su

camión para salir a la ciudad de Buenos Aires. Un distribuidor que tiene grandes
cantidades de tres artículos diferentes, todos destinados para esa ciudad, ofrece al
camionero los siguientes pagos, por transportar tantos artículos como quepan en el
camión:
Artículo Pago, Volumen
$/art. m3/art
I 11 1
II 32 3
III 58 5
¿Cuántas unidades de cada artículo debe transportar el camionero a fin de maximizar los
pagos de embarque, sin exceder la capacidad disponible del camión?
Sugerencia: Utilice variables xj: “cantidad de metros cúbicos a ocupar con unidades de
artículo j”
Rta: El camionero debe llevar tres unidades de artículo I y una unidad de artículo III.
7- En una región del centro del país se cuenta con un embalse para riego. La entidad
gubernamental que administra el agua debe decidir que volumen entregar a los regantes
en los siguientes tres meses: Setiembre, Octubre y Noviembre. La decisión no es
sencilla porque la región posee un clima estacional, de hecho sólo llueve durante el
verano: Diciembre a Marzo. Bajo esas condiciones los agricultores llegan a Setiembre
muy ansiosos, después de cinco meses sin lluvia y por supuesto, reclaman todo el agua
que sea posible.
Supongamos que en un cierto año se cuenta al 31 de Agosto con 600 Hm3. Es preciso
decidir qué cantidad conviene entregar en Setiembre, cuál en Octubre y cuánto en
Noviembre.
Se han realizado estudios agronómicos destinados a determinar el rinde R en miles de
toneladas, para cada entrega de agua A, expresado en cientos de Hm3. Los resultados de
dichos estudios se resumen en tres funciones típicas, son las siguientes:
Setiembre R= 4+2A
Octubre R= 3A
Noviembre R = -3 + 4 A
Determine el modo de asignar la disponibilidad de agua, de modo que se maximice el

rendimiento. En cada mes deben asignarse al menos 100 Hm3.
86
8- Un taller para automotores debe tener siempre un analizador de motor disponible. Un

analizador nuevo cuesta 1000 dólares. El costo mi por el mantenimiento de un
analizador durante su i-ésimo año de funcionamiento es: m1 = 60 dólares, m2 = 80
dólares y m3 = 120 dólares. Un analizador se puede tener durante 1, 2 o 3 años y
después de usarlo i años (i =1,2,3) se puede vender y realizar un pago inicial de uno
nuevo. Si se compra un analizador nuevo y se vende el de i años de antigüedad se
obtiene un valor de salvamento (equipo viejo) si, donde s1 = 800 dólares, s2 = 600
dólares y s3= 500 dólares. Dado que una máquina nueva se debe comprar hoy (tiempo
cero), el taller desea determinar una política de reemplazo o reposición y de valor de
equipo viejo para darlo como pago inicial de uno nuevo que minimice los:
costos netos = (costos de mantenimiento) + (costos de reposición) – (valores de
salvamento o reventa), durante los próximos 5 años.
9- Se supone que un automóvil nuevo cuesta 10.000 dólares y que el costo anual de
operación y valor de reventa son los consignados en la tabla que se presenta a
continuación:
Edad del Valor de Costo de
automóvil Reventa Operación
(años (Dólares) (Dólares)
1 7.000 300 (año 1)
2 6.000 500 (año 2)
3 4.000 800 (año 3)
4 3.000 1.200 (año 4)
5 2.000 1.600 (año 5)
6 1.000 2.200 (año 6)
Si hoy Ud. tiene un auto nuevo, determine una política de reemplazo que minimice el
costo neto de poseer y operar un automóvil durante los siguientes 6 años.
10- En una empresa es necesario desarrollar los planes de comercialización para los
nuevos productos que deben venderse el próximo año. Se considera la compra de un
total de cinco comerciales televisivos en las redes nacionales.
El problema que se estudia es cómo asignar los cinco comerciales a cada producto, con
un máximo de tres y un mínimo de cero para cada uno. La tabla que sigue muestra el
impacto estimado de asignar diferentes números de comerciales a cada producto. El
impacto se mide en términos de ganancia en millones de pesos, de las ventas adicionales
proporcionadas por los comerciales. Obviamente el objetivo es asignar los comerciales
obteniendo el mayor impacto global que sea posible.
Productos
Nro de comerciales 1 2 3
0 0 0 0
1 1 0 -1
2 3 2 2
3 3 3 4
87

Guia-2017 Investigacion Operativa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guia-2017 Investigacion Operativa

Cargado por

Copyright:

Formatos disponibles

UNC FCEF y Nat.

Cátedra de Investigación Operativa

Universidad Nacional de Córdoba

Facultad de Ciencias Exactas Físicas y Naturales

Carrera: INGENIERÍA INDUSTRIAL

Departamento: PRODUCCION, GESTION Y MEDIO AMBIENTE

Asignatura: INVESTIGACIÓN OPERATIVA

Autores: Dr. Ing. José Luis Zanazzi

Introducción al conocimiento del contexto de la asignatura

La necesidad de tomar decisiones es permanente en actividades de

Los responsables de la conducción de empresas industriales requieren de

Los problemas de decisión que se presentan en la actividad productiva en

La estrategia científica que se utiliza para el tratamiento de estas situaciones se

TOMA DE DECISIÓN ANÁLISIS

Precisamente los aspectos relacionados con la modelación son el ámbito de esta

La palabra Investigación hace referencia al uso de un enfoque similar al que se lleva a

El inicio de las primeras técnicas y algoritmos matemáticos propios de la

A partir de la década de los años 50, continua su desarrollo y se introduce de una

Para poder resolver los complejos problemas relacionados con la Investigación

Sin lugar a dudas el amplio campo de conocimientos, que abarca la

A los fines de proporcionar un primer contacto con la temática de la asignatura,

Se emprende el estudio con el Modelo General de Decisión con la intención de

Una vez presentado el modelo general, se introducen algunos modelos que

Entre los modelos de propósitos generales, que se tratan, se destacan por la

Otros de estos modelos contemplan la toma de decisiones bajo condiciones de

Simulación: permite representar el funcionamiento de un sistema complejo que

A continuación se desarrolla un segundo conjunto de modelos que por sus

Finalmente se estudia la perspectiva examinada desde la Programación

Las distintas identificaciones y sus relaciones, mencionadas en esta introducción,

Mapa conceptual de la asignatura

TOMA DE DECISIÓN ANÁLISIS

Conocer los aspectos determinantes del problema general de la decisión y diversos

Toma de decisiones. El problema general de la decisión. Elementos de un problema de

Unidad 2: Decisión Multicriterio Discreta -DMD-

Problemas de decisión con objetivos múltiples. Modelos multiobjetivo con variables y

Unidad 3: Simulación Discreta

Simulación continua y discreta. Aspectos generales de la Simulación Discreta. Etapas

Unidad 4: Procesos Estocásticos para el Pronóstico: Series de tiempo

Proceso estocástico. Series temporales: definición; comportamientos estacionarios y no

Unidad 5: Programación Lineal -PL-: fundamentos; resolución e interpretación

Características de los modelos de Programación Lineal. Formulación. Resolución

Unidad 6: Aplicaciones de la Programación Lineal

Problemas de transporte: propiedades; formulación y resolución. Problemas de

Unidad 7: Programación Dinámica

Programación dinámica Determinística: problemas de decisión en etapas. Principio de

Alberto C. L. y Carignano C. E. (2007) “Apoyo Cuantitativo a las Decisiones”.

Anderson D., Sweeney D. y Williams T. (1998) “Métodos Cuantitativos para los

Bierman H., Bonini Ch. y Hausman W. (1996) “Análisis cuantitativo para la

Se contempla la Resolución de Problemas como eje de la modalidad,

Con el fin de valorar el grado de cumplimiento de los objetivos propuestos, están

Evaluación Parcial: Son instrumentos escritos, individuales, teórico-prácticos y de tipo

Condiciones para Promocionar la Asignatura.

Condiciones para Regularizar la Asignatura

• Asistencia a un 80 % de clases como mínimo.

Correlativas Obligatorias: Probabilidad y Estadística

Art. 13°: De no cumplirse lo dispuesto en el artículo anterior, toda actuación académica en la

Art. 30º:z) Plazo de validez de la promoción:

Semana Contenidos Actividad de alumnos

6 Herramientas para el análisis Investigar en los materiales de estudio

7 Pronóstico con series Identificar modelos para series temporales.

11 Problemas de Transporte: Formular, resolver e interpretar problemas de

Unidad Temática 1: Proceso de Decisión. Modelo General

Un problema factible de ser planteado mediante lo que se denomina Proceso de