Modelos para La Toma de Decisiones 3 SEPTIEMBRE 2012

[Modelos para la Toma de Decisiones] | Ing.
Rubn Daro Estrella, MBA Cavaliere 1

I ngeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro

1
Pontificia Universidad Catlica Madre y Maestra
Recinto Santo Toms de Aquino
Vice Rectora de Post Grado

MG-617-T Modelos para la Toma de Decisiones
en honor a Carlos Dreyfus

PROGRAMA GENERAL
I ng. Rubn Daro Estrella Snchez, MBA
Cavaliere dellordine al Merito della Repubblica Italiana
I ngeniero de Sistemas (UNI BE), Administrador (PUCMM), Matemtico (PUCMM), Telogo (UNEV)
y Maestro (SALOME UREA)
rubendarioestrella@hotmail.com ; rubenestrella@atalayadecristo.org
www.atalayadecristo.org

SEPTI EMBRE, 2012
Objetivo General:
Este curso persigue desarrollar habilidades en los gerentes y futuros gerentes de negocios que
le permitan valorizar, aplicar y crear diferentes modelos matemticos, tiles en el proceso de
toma de decisiones en el mundo de los negocios, con la finalidad de optimizar los resultados a
obtener en las diferentes situaciones del mundo real.

CONTENIDO DEL PROGRAMA

Teora de Toma de Decisiones.
o Informacin Crtica.
o Simulacin.
o Modelos
o Toma de Decisiones.

Modelos Matemticos.
o Modelos Lineales.
Modelos de Costos, Ingresos y Beneficios.
Punto de Equilibrio
Modelos de Oferta y Demanda.
Anlisis del Equilibrio.
Depreciacin en lnea recta.

o Modelos No Lineales.
Funciones cuadrticas de ingresos, oferta y demanda.
Equilibrio entre oferta y demanda.
Modelo de ubicacin.

[Modelos para la Toma de Decisiones] | Ing. Rubn Daro Estrella, MBA Cavaliere 2

2
Modelos Estadsticos.
o Estadstica Descriptiva.
Conceptos generales de Estadstica.
Tabla de Frecuencias y Grficos Estadsticos.
Medidas de Tendencias Central y de Dispersin.
Los Cuantiles.
Proyecto Parcial Uso de Herramientas Estadsticas.
o Estadstica Inferencial.
Introduccin a las Probabilidades.
Distribucin Binomial.
Distribucin Hipergeomtrica.
Distribucin de Poisson.
Distribucin Normal.
Distribucin T.
Aproximacin Binomial a Normal.
Teora de Regresin y Correlacin.
Distribucin Muestral (Adicional).
Estimados y Tamao de Muestra.
Distribucin Chi cuadrada.
El Anlisis de Varianza ANOVA.
Prueba de Hiptesis.
Pruebas no paramtricas.

Modelos de Programacin Lineal.
o Mtodo Grfico.
o Mtodo Simplex.
o Mtodo PERT.
o Diagrama de Gantt.
Proyecto Final Modelos de Programacin Lineal.

Evaluacin
Pruebas Cortas 10 puntos: 5 puntos (Modelos Lineales)
5 puntos (Modelos No Lineales)
1 Parcial 25 puntos Modelos Lineales / No Lineales / Descriptiva
Proyecto Parcial 15 puntos Modelos Estadsticos (Presentacin en el Aula)
2 Parcial 25 puntos Modelos Estadsticos - Estadstica Inferencial
Proyecto Final 25 puntos Modelos de Programacin Lineal (Presentacin en el Aula)
Materiales tiles:
- Calculadora Cientfica con Combinacin nCr
- Computador Porttil Notebook - Laptop
- Juego de Reglas, Comps.
- Manual de Ejercicios.
- Bibliografa indicada a continuacin.


3
Agenda Calendario

Modulo Contenido Fecha Hora Valor
I Introduccin y Reglas del Juego 3, 5 Sept. 6-8/8-10 Asistencia
I Teora de Toma de Decisiones 10, 12 Sept. 6-8/8-10 Asistencia
I Modelos Lineales 10, 12 Sept. 6-8/8-10 Asistencia
I Control de Lectura 17, 19 Sept. 6-8/8-10 5 puntos
I Modelos No Lineales 26 Sept. 6-8/8-10 Asistencia
I Control de Lectura 1, 3 Oct. 6-8/8-10 5 puntos
II Modelos Estadsticos Estadstica Descriptiva 8, 10 Oct. 6-8/8-10 Asistencia
II Modelos Estadsticos Estadstica Descriptiva 15, 17 Oct. 6-8/8-10 Asistencia
I , II Primer Parcial 22, 24 Oct. 6-8/8-10 25 puntos
II Proyecto Parcial Modelos Estadsticos
(Presentacin en el Aula)
29, 31 Oct. 6-8/8-10 15 puntos
II Modelos Estadsticos Probabilidades 5, 7 Nov. 6-8/8-10 Asistencia
II Modelos Estadsticos Distribuciones de
Probabilidades y Aproximacin
12, 14 Nov. 6-8/8-10 Asistencia
II Modelos Estadsticos Teora de Regresin y
Estimacin y Tamao de Muestra
19, 21 Nov. 6-8/8-10 Asistencia
II Modelos Estadsticos Prueba de Hiptesis 26, 28 Nov. 6-8/8-10 Asistencia
II Segundo Parcial 3, 5 Dic. 6-8/8-10 25 puntos
III Modelos de Programacin Lineal 10, 12 Dic. 6-8/8-10 Asistencia
III Proyecto Final Modelos de Programacin
Lineal
10, 12 Dic. 6-8/8-10 25 puntos


4
Pontificia Universidad Catlica Madre y Maestra - Recinto Santo Toms de Aquino

MG-617-T Modelos para la Toma de Decisiones - I ng. Rubn Daro Estrella, MBA

Aplicacin de las Estadsticas
Proyecto Parcial
Valor 15 puntos - Fecha de Entrega: 29-31/10/2012

Una empresa multinacional del Sector Supermercados que est ubicada en el Distrito
Nacional, Santo Domingo y Santiago, est pensando expandir sus operaciones
establecindose en otras 3 provincias del Pas, con este propsito un equipo de
estudiantes de Modelos para la Toma de Decisiones fue contratado, para determinar en
cules y qu orden debe ubicarse tomando en consideracin las siguientes informaciones
estadsticas:
1. Poblacin Rural y Urbana.
2. Hogares Rurales y Urbanos.
3. Poblacin Ocupada.
4. Poblacin Econmicamente Activa.
5. Proporcin de la Ocupada en relacin a la Activa.
6. Gasto Anual por Hogar Rural (En alimentos, bebidas y tabaco).
7. Gasto Anual por Hogar Urbano (En alimentos, bebidas y tabaco).
8. Demanda total (En base a la suma del Gasto Rural y Urbano).
9. Densidad Poblacional.

Utilizando las Herramientas estadsticas, algunas consideraciones de Operaciones y
Mercadeo, presente su Informe.
- Caracterstica del Sector Industrial, situacin actual, entorno, tendencias, etc.
- Estilo de vida.
- Desarrollo provincial.
- Nivel de Educacin.
- Acceso a la tecnologa y medios de comunicacin.
- Nivel de participacin de la competencia.
- Distancia de los centros de distribucin.
- Rentabilidad del negocio.
Impreso y en CD.

FECHA DE ASIGNACIN: 3-9-2012
www.bancentral.gov.do
www.one.gov.do


5
Pontificia Universidad Catlica Madre y Maestra - Recinto Santo Toms de Aquino

MG-617-T Modelos para la Toma de Decisiones - I ng. Rubn Daro Estrella, MBA

PROYECTO FI NAL
Valor 25 puntos - Fecha de Entrega: 10-12/12/2012
Lineamientos generales para el trabajo final

Elaborar para una empresa de su eleccin, las recomendaciones necesarias para lograr una mejor u ptima programacin de
un proceso determinante o crtico para el logro de los objetivos de la organizacin que la hagan ms competitiva y rentable,
tomando en consideracin la situacin actual de la empresa, cultura, posibilidades econmicas, caractersticas de su sector
industrial, disponibilidad de tecnologa, etc.

Algunos detalles a incluir en su trabajo:
Breve resea de la empresa, historia, evolucin, cultura, etc.
Caracterstica del Sector Industrial, situacin actual, entorno, tendencias, etc.
Misin, Visin y Objetivos.
Evaluar la situacin actual del proceso seleccionado; hacer una crtica de la situacin, emitir un diagnstico claro y
completo.
Utilizando El Diagrama Gantt indicar los tiempos empleados para la realizacin de este proyecto final.
Utilizando el Mtodo PERT (Program Evaluation Review Technique - Tcnica de Revisin y evaluacin de
programas) determine:
o Lista de actividades del proceso (Descripcin, actividades predecesoras inmediatas, duracin, etc.).
o Tiempo de finalizacin de cada actividad.
o Actividades Crticas del proceso.
o Tiempo que se pueden retardar las actividades no crticas
o Diagramas de Red del proceso.
o Diagrama de Gantt del proceso.
o Determinacin del tiempo total requerido del proceso.
o Determinacin del Camino Crtico o Ruta Crtica.
o Determinacin de Tiempos ms prximos y Tiempos ms lejanos.
o Determinacin de holguras.
o Formas de reducir la duracin del proceso.
o Tiempos inciertos de actividad del proceso.
Tiempo promedio o esperado, varianza, distribucin de probabilidades beta.
o Variabilidad en el tiempo de terminacin del proceso.
o Probabilidad de terminar el proceso a tiempo.
o Cmo pueden concentrarse ms eficientemente los recursos en actividades, a fin de acelerar la
terminacin del proceso.
o Qu control se debe ejercer en el flujo de gastos para las diversas actividades a lo largo del proceso.
o Consideraciones de Tiempo y Costo.
Evaluacin y presentacin clara, evidente y objetiva de los efectos y el impacto de sus recomendaciones en la
empresa: econmicas, de calidad, de imagen, etc.
Mnimo de Fuentes Bibliogrficas (Libros) a utilizar: 5
Impreso y en CD.

FECHA DE ASIGNACIN: 3-9-2012


6
Bibliografa de Modelos Lineales y No Lineales.

o ANDERSON David, SWEENEY Dennis, WILLIAMS Thomas, CAMM
Jeffrey and MARTIN Kipp. Mtodos Cuantitativos para los Negocios.
CENGAGE Learning: 11, 2011.

o BUDNICK Franck S. Matemticas Aplicadas para Administracin,
Economa y Ciencias Sociales. McGraw-Hill: Segunda Edicin, 1990.

o HAEUSLLER Ernest F. And PAUL Richard S. Matemticas para
Administracin y Economa. Pearson Educacin Prentice Hall: Dcima
edicin, 2003.

o VISCENCIO Brambila. Economa para la Toma de Decisiones. CENGAGE
Learning: Primera Edicin, 2002.

o HILLIER Frederick S., HILLIER Mark S. Mtodos Cuantitativos para
Administracin. McGraw-Hill: Tercera Edicin, 2008.

o HILLIER Frederick and LIEBERMAN Gerald. I ntroduccin a la
I nvestigacin de Operaciones. McGraw-Hill: Novena Edicin. 2010.

o RENDER Barry, STAIR Ralph M. and HANNA Michael. Mtodos
Cuantitativos para Negocios. Pearson Prentice Hall: Novena Edicin, 2006.

o LORA Ricardo and GRULLON Ramn. METODOS CUANTI TATI VOS EN
LA TOMA DE DECI SI ONES. Departamento Editorial de la Pontificia
Universidad Catlica Madre y Maestra. Santiago de los Caballeros, Repblica
Dominicana: Tercera Edicin, 1994.

o HERNANDEZ SAMPIERI Roberto, FERNANDEZ COLLADO Carlos and
BAPTISTA LUCIO Pilar. Mtodos de la I nvestigacin. Mc Graw Hill.
Quinta Edicin. 2010.

o BONINI Charles, HASUMAN Warren and BIERMAN Harold. Anlisis
Cuantitativo para Negocios. McGraw-Hill: Novena Edicin, 2000.

o KELTON W. David, SADOWSKI Randall P. and STURROCK David T.
Simulacin con Software Arena. McGraw-Hill: Cuarta Edicin, 2008.

o HOFFMANN Laurence and BRADLEY Gerald. CLCULO. McGraw-Hill:
Stima Edicin, 2001.


7
o BIERMAN Harold, BONINI Charles and HASUMAN Warren. Anlisis
Cuantitativo para la Toma de Decisiones. McGraw-Hill: 1994.

o EPPEN G.D., GOULD F.J., SCHMIDT C.D., MOORE Jeffrey and
WEATHERFORD Larry. I nvestigacin de Operaciones en la Ciencia
Administrativa. Pearson Educacin Prentice Hall: Quinta edicin, 2000.

o SAMUELSON Paul and NORDHAUS William. ECONOMI A. McGraw-
Hill: Decimoquinta Edicin, 1996.

o HORNGREN Charles and SUNDEM Gary. Contabilidad Administrativa.
Prentice-Hall Hispanoamericana: Novena Edicin, 1994.

o HORNGREN Charles, SUNDEM Gary and ELLIOTT John. Contabilidad
Financiera. Prentice-Hall Hispanoamericana: Quinta Edicin, 1994.

o CHASE Richard and AQUILANO Nicholas. Direccin y Administracin de
la Produccin y de las Operaciones. McGraw-Hill: Sexta Edicin. 1995.

o HIRSCHEY Mark and PAPPAS James L. Fundamentals of Managerial
Economics. The Dryden Press: Fitth Edition. 1995.

o LEHMANN Charles H. Geometra Analtica. Editorial Limusa, S.A.,
Mxico. 2006.

Bibliografa de Modelos Estadsticos.

o LIND Douglas A., MARCHAL William G. and WATHEN Samuel A.
Estadstica Aplicada a los Negocios y a la Economa. McGraw-Hill. 13
Edicin. 2008.

o WEBSTER, Allen L. Estadstica Aplicada a los Negocios y la Economa.
McGraw-Hill: Tercera Edicin. 2000.

o ANDERSON David, SWEENEY Dennis and WILLIAMS Thomas.
Estadstica para Negocios y Economa. CENGAGE Learning: 11 Edicin
2004 / Sptima Edicin. 2012.

o SPIEGEL Murray, SHILLER John and SRINIVASAN R. Alu. Probabilidad y
Estadstica. Mc Graw Hill. 3. Edicin Serie Shaum. 2010.


8
o NIEVES Antonio and DOMINGUEZ Federico. Probabilidad y Estadstica
para I ngeniera un enfoque moderno. Mc Graw Hill. 2010.

o HERNANDEZ SAMPIERI Roberto, FERNANDEZ COLLADO Carlos and
BAPTISTA LUCIO Pilar. Mtodos de la I nvestigacin. Mc Graw Hill.
Quinta Edicin. 2010.

o GUTIERREZ PULIDO Humberto and DE LA VARA SALAZAR Romn.
Control Estadstico de Calidad y Seis Sigma 6. Mc Graw Hill. 2004

o TRIOLA Mario. Estadstica Elemental (Elementary Statistics). Addison-
Wesley: Sptima Edicin. 1998.

o JONSON Robert and KUBY Patricia. Estadstica Elemental Lo Esencial.
International Thomson Editores, S. A.: Tercera Edicin 2004.

o LIPSCHUTS Seymour and LIPSON Marc. PROBABI LI DAD. Mc Graw Hill.
Segunda Edicin. 2001.

o MILTON J. Susan and ARNOLD Jesse C. PROBABI LI DAD Y
ESTADI STI CA. Mc Graw Hill. Cuarta Edicin. 2004.

o MONTIEL A. M., RIUS F. And BARON F.J. Elementos Bsicos de
Estadstica Econmica y Empresarial. Prentice Hall: 1997.

o HOPKINS Kenneth, HOPKINS B.R. and GLASS Gene. Estadstica Bsica
para las Ciencias Sociales y del Comportamiento. Prentice Hall: Tercera
Edicin. 1997.

o LAPIN Lawrence L. Statistics for Modern Business. The Dryden Press:
1995.

Bibliografa de Programacin Lineal.

o GIDO Jack and CLEMENTS James P. Administracin exitosa de Proyectos.
Cenage Learning: Quinta Edicin. 2012.

I nvestigacin de Operaciones. McGraw-Hill: Novena Edicin. 2010.

o ANDERSON David, SWEENEY Dennis and WILLIAMS Thomas. Mtodos
Cuantitativos para los Negocios. International Thomson Editores: Novena
Edicin. 2004 - Sptima Edicin.


9

o ARREOLA RISA Jess S. And ARREOLA RISA Antonio. Programacin
Lineal Una introduccin a la toma de decisiones cuantitativa. International
Thomson Editores: Primera Edicin. 2003.

o HILLIER Frederick S., HILLIER Mark S. Mtodos Cuantitativos para
Administracin. McGraw-Hill: Tercera Edicin, 2008.

o HAEUSLLER Ernest F. And PAUL Richard S. Matemticas para
Administracin y Economa. Pearson Educacin Prentice Hall: Dcima
edicin 2003.

o WINSTON Wayne L. I nvestigacin de Operaciones Aplicaciones y
algorimos. Thomson: Cuarta Edicin, 2005.

o BONINI Charles, HASUMAN Warren and BIERMAN Harold. Anlisis
Cuantitativo para Negocios. McGraw-Hill: Novena Edicin, 2000.

o BIERMAN Harold, BONINI Charles and HASUMAN Warren. Anlisis
Cuantitativo para la Toma de Decisiones. McGraw-Hill: 1994.

o LORA Ricardo and GRULLON Ramn. METODOS CUANTI TATI VOS EN
LA TOMA DE DECI SI ONES. Departamento Editorial de la Pontificia
Universidad Catlica Madre y Maestra. Santiago de los Caballeros, Repblica
Dominicana: Tercera Edicin, 1994.

I nvestigacin de Operaciones. McGraw-Hill: Sexta Edicin. 1997.

o CHASE Richard and AQUILANO Nicholas. Direccin y Administracin de
la Produccin y de las Operaciones. McGraw-Hill: Sexta Edicin. 1995.

o EPPEN G.D., GOULD F.J., SCHMIDT C.D., MOORE Jeffrey and
WEATHERFORD Larry. I nvestigacin de Operaciones en la Ciencia
Administrativa. Pearson Educacin Prentice Hall: Quinta edicin 2000.


10
Modelos de Programacin Lineal.

La Programacin Lineal es una de la ms vieja y an una de las ms importantes
herramientas de la investigacin de operaciones, se utiliza cuando un problema se puede
describir utilizando ecuaciones y desigualdades que son todas lineales.

La Programacin Lineal (PL) es una tcnica matemtica de optimizacin. Por
tcnica de optimizacin se entiende un mtodo que trata de maximizar o minimizar un
objetivo; por ejemplo, maximizar las utilidades o minimizar los costos. La
programacin lineal es un subconjunto de un rea ms extensa de procedimientos de
optimizacin matemtica llamada Programacin Matemtica.

La Programacin Lineal trata la planeacin de las actividades para obtener un
resultado optimo, esto es, el resultado que mejor alcance la meta especificada (segn el
modelo matemtico) entre todas las alternativas de solucin.

La Programacin Lineal no da espacio para que haya incertidumbre en ninguna de las
relaciones; no incluye ninguna probabilidad o variable aleatoria. Por consiguiente, el
problema de maximizar la funcin objetivo, sujeta a las distintas restricciones, es
conceptualmente simple. Cuando hay slo unas pocas variables, el sentido comn y
algo de aritmtica pueden dar una solucin, y es que as se han resuelto esos problemas
por generaciones. Sin embargo, como es frecuente, la intuicin es poco valida cuando el
problema es ms complejo; ya que cuando el nmero de variables de decisin aumenta
de tres o cuatro a cientos de miles, el problema desafa los procedimientos empricos.
La programacin lineal ha hecho posible manejar de una manera ordenada, problemas
con grandes cantidades de restricciones.

Esta tcnica tiene excepcional poder y aplicacin general. Es aplicable a una gran
variedad de problemas organizacionales de los negocios modernos y puede manejarse
como una rutina con la ayuda de los computadores actuales. Es una de las tcnicas
cuantitativas que le ha dado a la gerencia elementos eficaces para abordar un conjunto
de problemas que admitan slo soluciones parciales hasta hace pocos aos.

En todo problema de programacin lineal hay que tomar ciertas decisiones. Estas se
representan con variables de decisin xj que se utilizan en el modelo de programacin
lineal. La estructura bsica de un problema de este tipo es maximizar o minimizar la
funcin objetivo, satisfaciendo al mismo tiempo un grupo de condiciones restrictivas o
restricciones (que limitan el grado en que se puede perseguir algn objetivo).

La funcin objetivo.


11

En un problema de programacin lineal, la funcin por maximizar o minimizar se
llama funcin objetivo. Aunque por lo regular existe un numero infinito de soluciones
para el sistema de restricciones (llamadas soluciones factibles o puntos factibles), la
meta es encontrar una que sea una solucin ptima (esto es, una que d el valor mximo
o mnimo de la funcin objetivo).

Restricciones estructurales y restricciones de no negatividad.

Las restricciones son limitaciones impuestas al grupo de decisiones permisibles.
Algunos ejemplos especficos de tales restricciones son:

1. Un administrador de cartera tiene determinada cantidad de capital a su
disposicin. Las decisiones estn limitadas por la cantidad de capital
disponible y por las regulaciones gubernamentales.

2. Las decisiones del administrador de una planta estn limitadas por la capacidad
de dicha planta y por la disponibilidad de recursos.

3. Los planes de una aerolnea para llevar a cabo la asignacin del personal y los
vuelos estn restringidos por las necesidades de mantenimiento de los aviones
y por la cantidad de empleados disponibles.

El Modelo de programacin lineal se ocupa de maximizar o minimizar una
funcin objetivo lineal sujeta a dos tipos de restricciones:

1. Restricciones estructurales.
2. Restricciones de no negatividad.

Las restricciones estructurales reflejan factores como la limitacin de recursos y
otras situaciones que impone la situacin del problema.

Las restricciones de no negatividad garantizan que ninguna variable de decisin
sea negativa.


12
El Mtodo Grfico

Este mtodo se fundamenta en la versin grfica que presentemos de todas las
restricciones planteadas; las cuales se superpondrn una sobre otra, hasta llegar a limitar
un rea, denominada rea factible.

El procedimiento ms funcional para la aplicacin de este mtodo es introducir una
pequea modificacin en las restricciones, las cuales generalmente estn planteadas
como inecuaciones, transformndolas en ecuaciones.

Ya convertidas las restricciones en ecuaciones para su grafica aplicamos el mtodo
de los interceptos consistente en determinar los puntos donde la recta intercepta los ejes
(X e Y).

Graficada la recta se sombrea la parte superior o inferior de esta dependiendo del
tipo de inecuacin.

Si la restriccin tiene el signo se sombrea a la derecha y por encima de la lnea,
pero si el signo es se subraya a la izquierda por debajo del grfico de la lnea recta.
La regin que satisface de manera simultanea las restricciones ya sombreada se llama
rea o regin factible, donde cada punto en esta regin representa una solucin factible.
Aunque existe un numero infinito de soluciones factibles, debemos encontrar una que
maximice o minimice la funcin objetivo.

La condicin de no negatividad hace que el grafico de la restriccin X
1
, X
2
0, sea
todo en el primer cuadrante.
Caso I.
Un fabricante esta tratando de decidir sobre las cantidades de produccin para dos
artculos x
1
y x
2.
Se dispone de 96 unidades de material y 72 horas de mano de obra.
Cada producto x
1
requiere 12 unidades de materiales y 6 horas de obra al mximo.
Mientras que el producto x
2
usara 8 unidades de material y 12 horas de mano de obra.
El margen de beneficio es el mismo para ambos artculos US$5. El fabricante prometi
construir por lo menos dos artculos del producto x
1
Determinar la cantidad a producir
y vender de cada artculo que garanticen mayores beneficios.
Funcin objetivo: Z = 5x
1
+ 5x
2

Restricciones x
1
y x
2
0 (condicin de no negatividad)
12x
1
+ 8x
2
96
6x
1
+ 12x
2
72
x
1
2
Maximice: Z = 5x
1
+ 5x
2


13
1. Convertimos las restricciones en ecuaciones.

12x
1
+ 8x
2
= 96
6x
1
+ 12x
2
= 72
x
1
= 2

2. Utilizamos el mtodo del intercepto determinamos los puntos que de las
respectivas lneas rectas interceptan los ejes.

Para 12x
1
+ 8x
2
= 96
a) Si x
2
= 0 implica 12x
1
+ 8(0) = 96
12x
1
= 96
x
1
= 96/12
x
1
= 8
(8,0)

b) Si x
1
= 0 implica 12(0) + 8x
2
= 96
8x
2
= 96
x
2
= 96/8
x
2
= 12
(0,12)
Para 6x
1
+ 12x
2
= 72

a) Si x
2
= 0 implica 6x
1
+ 12(0) = 72
6x
1
= 72
x
1
= 72/6
x
1
= 12
(12,0)

b) Si x
1
= 0 implica 6(0) + 12x
2
= 72
12x
2
= 72
x
2
= 72/12
x
2
= 6
(0,6)

Para x
2
= 2
(2,0)

3. Graficamos.


14

Para 12x
1
+ 8x
2
= 96
(8,0)
(0,12)
Para 6x
1
+ 12x
2
= 72
(12,0)
(0,6)
Para x
2
= 2
(2,0)

Esta rea factible tiene los siguientes vrtices (8,0), (6,3), (2,0) y (2,5). Es preciso
aclarar que cualquier punto que caiga dentro del rea factible garantiza beneficios, pero
son los puntos extremos o vrtices de la figura lo que garantizaran mximos beneficios.


15
Maximice: Z = 5x
1
+ 5x
2

En el punto (8,0) implica Z = 5(8) + 5(0) = $40




El mayor valor es $45 lo que implica que habr que vender 6 unidades del producto x
1
y
3 producto x
2.
Si pretendemos obtener los mayores beneficios.

Caso II.
Un comprador est tratando de seleccionar la combinacin ms barata de dos alimentos,
que debe cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos
vitamnicos son por lo menos 40 unidades de vitaminas W, 50 unidades de vitamina X y
49 de unidades vitaminas Y, cada onza de alimento A proporciona 4 unidades de
vitamina W, 10 unidades de vitamina X y unidades de vitamina Y, cada onza de
alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de unidades Y.
El alimento A cuesta 5 centavos/onza y el alimento B 8 centavos/onza.

Requerimiento
Alimento A Alimento B Vitamnico Mn.
Vitamina W 4unids/onza 10unids/onza 40
Vitamina X 10unids/onza 5unids/onza 50
Vitamina Y 7unids/onza 7unids/onza 49
Costo 5cents/onza 8cents/onza

Determinar la combinacin que disminuir los costos:

Funcin Objetivo: Minimizar C = 5A + 8B

Restricciones:

A, B 0
4A + 10B 40
10A + 5B 50
7A + 7B 49


16


4A + 10B = 40
10A + 5B = 50
7A + 7B = 49

Para 4A + 10B = 40
a) Si B

= 0 implica 4A + 10(0) = 40
4A = 40
A = 40/4
A = 10
(10,0)

b) Si A = 0 implica 4(0) + 10B = 40
10B = 40
B = 40/10
B = 4
(0,4)

Para 10A + 5B = 50
a) Si B

= 0 implica 10A + 5(0) = 50
10A = 50
A = 50/10
A = 5
(5,0)

b) Si A = 0 implica 10(0) + 5B = 50
5B = 50
B = 50/5
B = 10
(0,10)
Para 7A + 7B = 49
a) Si B

= 0 implica 7A + 7(0) = 49
7A = 49
A = 49/7
A = 7
(7,0)


17

b) Si A = 0 implica 7(0) + 7B = 49
7B = 49
B = 49/7
B = 7
(0,7)
3. Graficamos.

Para 4A + 10B = 40
(10,0)
(0,4)
Para 10A + 5B = 50
(5,0)
(0,10)
Para 7A + 7B = 49
(7,0)
(0,7)

Regin
Factible


18
Minimizar C = 5A + 8B
a) En el punto (10,0) implica C = 5(10) + 8(0) = $50
b) En el punto (4.2,2.5) implica C = 5(4.2) + 8(2.5) = $41
a) En el punto (2.2,5) implica C = 5(2.2) + 8(5) = $51
a) En el punto (0,10) implica C = 5(0) + 8(10) = $80
El menor costo a que se podra comprar es a $41, pero esto implicara 4.2 onzas del
producto A y 2.5 onzas del producto B y se mantendra el nivel vitamnico.
Caso III.
Una empresa fabrica dos productos, los cuales deben procesarse en los departamentos 1
y 2. En la tabla se resumen las necesidades de horas de trabajo por unidad de cada
producto en uno y otro departamento. Tambin se incluyen las capacidades de horas de
trabajo semanales en ambos departamento y los mrgenes respectivos de utilidad que se
obtienen con los dos productos. El problema consiste en determinar el nmero de
unidades que hay que fabricar de cada producto, con el objeto de maximizar la
aportacin total a los costos fijos y a las utilidades.

Capacidad de
Producto A Producto B Trabajo semanal
Departamento 1 3h/unidad 3h/unidad 120h
Departamento 2 4h/unidad 6h/unidad 260h
Margen de utilidad $5/unidad $6/unidad

Si se supone que x
1
y x
2
son el nmero de unidades fabricadas y vendidas,
respectivamente, de los productos A y B, entonces puede calcularse la aportacin a las
utilidades totales sumando las contribuciones de ambos productos. La que hace cada
uno se obtiene al multiplicar el margen de utilidad por unidad por el nmero de
unidades producidas y vendidas. Si z se define como la aportacin a los costos y
utilidades totales, se tendr:
Z = 5x
1
+ 6x
2

Las restricciones vienen dadas de la siguiente forma:
3x
1
+ 2x
2
120 departamento 1
4x
1
+ 6x
2
260 departamento 2

El modelo de programacin lineal que representa el problema se formula as:

Maximice Z = 5x
1
+ 6x
2

Sujeta a 3x
1
+ 2x
2
120
4x
1
+ 6x
2
260
x
1
0
x
2
0


19

Inecuaciones o Desigualdades lineales
3x
1
+ 2x
2
120 departamento 1
4x
1
+ 6x
2
260 departamento 2

Ecuaciones o Igualdades lineales
3x
1
+ 2x
2
= 120 departamento 1
4x
1
+ 6x
2


Para 3x
1
+ 2x
2
= 120
a) Si x
2
= 0 implica 3x
1
+ 2(0) = 120
3x
1
= 120
x
1
= 120/3
x
1
= 40
(40,0)

b) Si x
1
= 0 implica 3(0) + 2x
2
= 120
2x
2
= 120
x
2
= 120/2
x
2
= 60
(0,60)
Para 4x
1
+ 6x
2
= 260
a) Si x
2
= 0 implica 4x
1
+ 6(0) = 260
4x
1
= 260
x
1
= 260/4
x
1
= 65
(65,0)

b) Si x
1
= 0 implica 4(0) + 6x
2
= 260
6x
2
= 260
x
2
= 260/6
x
2
= 43.33
(0,43.33)


20
6. Graficamos.

La regin que satisface de manera simultnea las restricciones ya sombreada se llama
Aunque existe un nmero infinito de soluciones factibles, debemos encontrar una que

Para 3x
1
+ 2x
2
= 120
(40,0)
(0,60)
Para 4x
1
+ 6x
2
= 260
(65,0)
(0,43.33)

7. Ya que la funcin objetivo Z = 5x
1
+ 6x
2,
es equivalente a:

6/6x
2
= -5/6 x
1
+ Z/6

x
2
= -5/6 x
1
+ Z/6

Define una familia de rectas paralelas, cada una con pendiente de 5/6 e
interseccin de y (0, Z/6).

La pendiente de la funcin objetivo es 5/6, y no recibe el influjo del valor de Z.
Se determina exclusivamente por los coeficientes de las dos variables de la funcin
objetivo.
4x1+6x2260
3x1+2x2120


21
La interseccin con el eje x
2
est definida por (0,Z/6). Desde ella se advierte que,
al cambiar el valor de z, lo mismo sucede con la interseccin con el eje x
2.
Si Z
aumenta el valor, tambin lo hace la interseccin con el eje x
2,
lo cual significa que la
lnea de utilidades iguales se desplaza hacia arriba y hacia la derecha. Si quisiramos
maximizar las utilidades, tendramos que desplazar la lnea de utilidades lo ms afuera
posible, sin dejar de tocar un punto dentro del rea de las soluciones factibles.

Una vez definida el rea factible usted puede tratar de encontrar la solucin ptima,
identificando combinaciones de los dos productos que generen un nivel de utilidad
previamente establecido, por ejemplo:

a) 5x
1
+ 6x
2
= $120
b) 5x
1
+ 6x
2
= $180
c) 5x
1
+ 6x
2
= $240

8. A partir de la figura anterior vemos que el punto o vrtice A del rea factible
pertenece a las rectas:
3x
1
+ 2x
2
4x
1
+ 6x
2
Sus coordenadas pueden hallarse resolviendo el sistema anterior.
Por igualacin:
x
1
= 120 - 2x
2
3

x
1
= 260 - 6x
2

4

120 - 2x
2
= 260 - 6x
2

3 4

480 - 8x
2
= 780 - 18x
2

- 8x
2
= 300 - 18x
2

10x
2
= 300
x
2
= 30

3x
1
+ 2(30) = 120
3x
1
= 60
x
1
= 60/3
x
1
= 20
Por eliminacin:


22
3x
1
+ 2x
2
= 120 (-4)
4x
1
+ 6x
2
= 260 (3)
-12x
1
- 8x
2
= -480 departamento 1
12x
1
+18x
2
10x
2
= 300
x
2
= 30
3x
1
+ 2(30) = 120
3x
1
= 60
x
1
= 60/3
x
1
= 20

Al deslizarse hacia fuera, el ltimo punto que debe tocarse es A. Este punto se
encuentra en la lnea de utilidades de $280 cuando se fabrican 20 y 30 unidades,
respectivamente, de los productos A y B.


23
Ejercicios Propuestos. Optimice cada situacin basado en el modelo grfico e interprete
los resultados.

Caso I.
Una compaa produce dos tipos de artculos, manuales y elctricos. Cada uno requiere
para su fabricacin del uso de tres maquinas, A, B y C. La tabla siguiente da la informacin
relacionada con la fabricacin de estos artculos. Cada artculo manual requiere del uso de
la maquina A durante 2 horas, de la maquina B por 1 hora y de la maquina C otra hora. Un
articulo elctrico requiere 1 hora de la maquina A, 2 horas de la maquina B y 1 hora de la
maquina C. Adems, supongamos que el numero mximo de horas disponibles por mes
para el uso de las maquinas A, B y C es de 180, 160 y 100, respectivamente. La utilidad
por cada artculo manual es de $4 y por cada artculo elctrico es de $6. Si la compaa
vende todos los artculos que puede producir, cuntos artculos de cada tipo debe producir
con el fin de maximizar la utilidad mensual?

Artculo Artculo Horas
Manual Elctrico Disponibles
Mquina A 2 1 180
Mquina B 1 2 160
Mquina C 1 1 100
Utilidad/unidad $4 $6

Caso II.
Un agricultor va a comprar fertilizante que contienen tres nutrientes: A, B y C. Los
mnimos necesarios son 160 unidades de A, 200 unidades de B y 80 unidades de C.
Existen dos marcas muy aceptadas de fertilizantes en el mercado. Crece Rpido cuesta
$8 una bolsa, contiene 3 unidades de A, 5 unidades de B y 1 unidad de C. Crece Fcil
cuesta $6 cada bolsa, y contiene 2 unidades de cada nutriente. Si el cultivador desea
minimizar el costo mientras se satisfacen los requerimientos de nutrimentos, cuntas
bolsas de cada marca debe comprar? La informacin se resume como sigue:

Crece Crece Unidades
Rpido Fcil Requeridas
Nutriente A 3 unidades 2 unidades 160
Nutriente B 5 unidades 2 unidades 200
Nutriente C 1 unidad 2 unidades 80
Costo/bolsa $8 $6


24
Caso III.
Resuelva por el Mtodo Grfico:

Maximizar 5000E + 4000F (Mxima contribucin a las ganancias)
E + F 5 (Requisito de Produccin Mnima)
10E + 15F 150 (Capacidad en el Departamento A)
20E + 10F 160 (Capacidad en el Departamento B)
30E + 10F 135 (Horas de trabajo empleadas en las pruebas)
E, F 0 (Condicin de no negatividad)

Caso IV.
Construye el diagrama de red para el siguiente listado de actividades que permitira el traslado de una
oficina del sector financiero.
Predecesores
Actividad Descripcin Inmediatos
A Seleccionar sitio de oficinas -
B Crear plan organizacional y financiero -
C Determinar requerimiento de personal B
D Disear la instalacin A,B
E Construir el interior D
F Seleccionar al personal que se va a transferir C
G Contratar nuevos empleados F
H Trasladar registros, personal clave, etc. F
I Hacer arreglos financieros con instituciones B
J Capacitar nuevo personal H,E,G

Modelos para La Toma de Decisiones 3 SEPTIEMBRE 2012

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Modelos para La Toma de Decisiones 3 SEPTIEMBRE 2012

Загружено:

Авторское право:

Доступные форматы

[Modelos para la Toma de Decisiones] | Ing.

Rubn Daro Estrella, MBA Cavaliere 1

Вам также может понравиться