Академический Документы
Профессиональный Документы
Культура Документы
OPERATIVA II
Pauta de Aprendizaje
Julio 2015
NDICE
Contenido
UNIDAD I: La tcnica PERT/CPM .................................................................... 8
RESUMEN ................................................................................................... 8
Semana 1: HABLEMOS DE PROYECTOS .......................................................... 9
Qu es un proyecto? ................................................................................... 9
Qu caractersticas tiene un proyecto? .......................................................... 9
Bajo qu circunstancias se puede iniciar un proyecto?..................................... 9
Cmo se agrupan los proyectos? .................................................................. 9
Qu es la direccin de proyectos?................................................................ 10
Los procesos estn compuestos por actividades .............................................. 11
Hitos ......................................................................................................... 12
Secuenciacin de actividades ....................................................................... 12
Mtodo de Diagramacin por Precedencia (PDM) ............................................ 12
Semana 2: PERT & CPM ............................................................................... 13
Qu significan las siglas PERT y CPM? .......................................................... 13
Cundo nace la tcnica PERT & CPM? ........................................................... 14
Dnde es aplicable PERT/CPM?.................................................................... 15
Comparacin entre PERT y CPM .................................................................... 16
Las 3 fases de PERT-CPM ............................................................................. 16
El Diagrama de Gantt .................................................................................. 17
Diagramacin por precedencia (PDM) o actividad en el nodo (AON)................... 17
Estimacin de la duracin de las actividades .................................................. 18
Cmo se realiza la estimacin? (PMBOK) ...................................................... 19
Estimacin de un valor ................................................................................ 19
Estimacin anloga (de arriba hacia abajo) .................................................... 19
Estimacin paramtrica ............................................................................... 20
Heurstica .................................................................................................. 20
Estimacin por tres valores .......................................................................... 20
Frmulas de la estimacin por tres valores..................................................... 20
Cmo se estima el rango de duracin de todo el proyecto? ............................. 21
Semana 3: Mtodo del camino crtico ............................................................ 22
En qu consiste el mtodo del camino crtico? ............................................... 22
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
GLOSARIO ................................................................................................. 72
UNIDAD IV: Simulacin de Sistemas ......................................... ..
74
RESUMEN .................................................................................................. 74
Semana 13: Solucin por Aproximacin y Simulacin (Conceptos Bsicos) ......... 74
Solucin de juegos por aproximacin ............................................................ 74
Paso 1 ....................................................................................................... 74
Paso 2 ....................................................................................................... 75
Paso 3 ....................................................................................................... 75
Paso 4: aproximacin de estrategias y valor del juego ..................................... 76
Ejemplo ..................................................................................................... 76
Solucin .................................................................................................... 77
Solucin directa de un juego 2x2 .................................................................. 77
Conceptos Bsicos de Simulacin .................................................................. 78
Sistema ..................................................................................................... 78
Modelo ...................................................................................................... 78
Evento discreto .......................................................................................... 78
Estado de un sistema .................................................................................. 78
Simulacin ................................................................................................. 79
Simulacin Esttica ..................................................................................... 79
Simulacin Dinmica ................................................................................... 79
Cundo usar Simulacin? ........................................................................... 79
Ventajas de la Simulacin ............................................................................ 79
Desventajas de la Simulacin ....................................................................... 79
Estructura de los Modelos de Simulacin ........................................................ 79
Objetivo de un modelo de simulacin ............................................................ 81
Etapas para realizar un estudio de simulacin ................................................ 81
Semana 14: Simulacin con Promodel ........................................................... 83
Teora de Colas........................................................................................... 84
Tipos de problemas ..................................................................................... 85
Poblacin Infinita / Canal Simple (M/M/1) ...................................................... 85
Modelo M/M/1 (frmulas)............................................................................. 85
Ejemplo ..................................................................................................... 86
Solucin .................................................................................................... 86
Caractersticas del modelo M/M/1 de lneas de espera: .................................... 87
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
UNIDAD I
La tcnica PERT/CPM
RESUMEN
La presente unidad examina el uso de PERT/CPM como herramienta para la
gestin de proyectos.
Se analizar la construccin de un diagrama de red de acuerdo al diagrama
de actividad en el nodo, tal cual lo describe el PMBOK
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
SEMANA 1:
HABLEMOS DE PROYECTOS
Qu es un proyecto?
Un proyecto es simplemente un conjunto de actividades que se realizan
segn una programacin y que producen algn tipo de resultado.
Qu caractersticas tiene un proyecto?
Es temporal
Crea un producto o servicio (resultado nico) dentro de las lneas base del
mismo:
Tiempo
Costo
Alcance
Genera un
aceptacin)
entregable
que
debe
cumplir
requisitos
(criterios
de
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
Portafolio
Programa
Proyecto
Actividad
Qu es la direccin de proyectos?
Cuando hablamos de dirigir un proyecto aparecen ciertos mitos que
errneamente hacen que algunas personas crean que por haber dirigido un
solo proyecto ya eso los convierte en directores de proyectos como tal.
Otro mito comn es pensar que para convertirse en director de proyectos
basta estar a cargo del software para la direccin de un proyecto.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
10
Grupos de proceso
reas de conocimiento
Responsabilidad profesional y social
Iniciacin
Planificacin
Ejecucin
Monitoreo y
Control
Cierre
Pero cuando hablamos del proceso de gestin del tiempo como tal tenemos
que reconocer en cul de los procesos se ubican sus actividades:
El proceso de la Gestin del Tiempo
Se realiza durante
El proceso de planificacin
El proceso de planificacin
El proceso de planificacin
El proceso de planificacin
Desarrollar el cronograma
El proceso de planificacin
Controlar el cronograma
11
Hitos
Los hitos son eventos significativos dentro del cronograma del proyecto.
No son actividades de trabajo y normalmente se usan para supervisar el
trabajo en el proyecto.
A veces son impuestos por el patrocinador del proyecto y se incluyen con
antelacin en el acta de constitucin del proyecto. Ej: fecha lmite de un
diseo terminado o entregable.
Secuenciacin de actividades
Una vez definidas las actividades y los hitos, el paso siguiente es tomar
actividades e hitos y secuenciarlos de la manera en que el trabajo se va a
realizar.
El resultado de la secuenciacin ser un diagrama de red.
Mtodos para dibujar diagramas de red:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
12
13
Critic
Path
Method
Cundo nace la tcnica PERT & CPM?
El problema de la administracin de
proyectos surgi con el proyecto de
armamentos del misil Polaris, empezando
1958.
Con
tantas
componentes
y
subcomponentes juntos producidos por
diversos fabricantes, se necesitaba una
nueva herramienta para programar y
controlar el proyecto.
El PERT (evaluacin de programa y tcnica
de revisin) fue desarrollado por cientficos
de la
Oficina
Naval de
Proyectos
Especiales de Estados Unidos. Booz, Allen
y Hamilton y la Divisin de Sistemas de
Armamentos de la Corporacin Lockheed
Aircraft. La tcnica demostr tanta utilidad
que ha ganado amplia aceptacin tanto en
el gobierno como en el sector privado. Casi al mismo tiempo, en 1957,
la Compaa DuPont (M.R. Walker), junto con la Divisin UNIVAC
de la Remington Rand (J.E. Kelly), desarroll el mtodo de la ruta
crtica (CPM) para controlar el mantenimiento de proyectos de plantas
qumicas de DuPont. El CPM es idntico al PERT en concepto y metodologa,
solo se diferencia por detalles de cmo se manejan tiempo y costo. El
PERT/CPM fue diseado para proporcionar diversos elementos tiles de
informacin para los administradores del proyecto. Primero, el PERT/CPM
expone la "ruta crtica" de un proyecto. Estas son las actividades que limitan
la duracin del proyecto.
En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una
actividad de la ruta crtica se retarda, el proyecto como un todo se retarda en
la misma cantidad. Las actividades que no estn en la ruta crtica tienen una
cierta cantidad de holgura; esto es, pueden empezarse ms tarde, y permitir
que el proyecto como un todo se mantenga en programa. El PERT/CPM
identifica estas actividades y la cantidad de tiempo disponible para retardos.
PERT/CPM tambin considera los recursos necesarios para completar las
actividades. En muchos proyectos, las limitaciones en mano de
obra y equipos hacen que la programacin sea difcil.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
14
Construccin de fbricas
Edificios
Carreteras
Investigacin administrativa
Desarrollo de productos
Instalacin de sistemas nuevos de computadora
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
15
CPM
PERT normalmente trabaja con una CPM normalmente trabaja con una red
red orientada a eventos
orientada a actividades
La duracin de las actividades no es La duracin de actividades se puede
exacta ni definida
estimar con cierto grado de exactitud
Se usa en proyectos de investigacin Se usa extensivamente en proyectos de
y desarrollo, particularmente en construccin
proyectos de naturaleza no repetitiva
El concepto de modelo probabilstico El concepto de modelo determinstico es
es utilizado
utilizado
PERT
bsicamente
es
herramienta de planeacin
2. Programacin:
3. Control:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
16
El Diagrama de Gantt
El diagrama de Gantt es una til herramienta grfica cuyo objetivo es
exponer el tiempo de dedicacin previsto para diferentes tareas o actividades
a lo largo de un tiempo total determinado. A pesar de esto, el Diagrama de
Gantt no indica las relaciones existentes entre actividades.
El diagrama fue desarrollado por Henry Laurence Gantt en 1918. Muestra
visualmente
el
trabajo
programado
por
anticipado
para
cada
recurso/mquina y el desarrollo de trabajos a la fecha.
Su aplicacin se daba en forma eficiente a plantas tipo taller.
Observaciones:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
17
Actividad A
Actividad B
Ejercicio:
Dada esta lista de actividades, elabore un diagrama de precedencias con
actividad en el nodo.
Actividad
Descripcin
Predecesoras
Disear local
A, C
Construir el interior
Hacer arreglos
anexas
financieros
con
instituciones
H, E, G
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
18
Datos histricos.
Estimacin de un valor
Estimacin paramtrica
Heurstica
Estimacin de un valor
El estimador presenta una estimacin por actividad a travs de:
Juicio de expertos
Informacin histrica
Incluso simple adivinacin.
Sin embargo, podra tener efectos negativos sobre el proyecto debido a que
podra provocar lo siguiente:
Forzar las estimaciones
Cronograma no creble o poco confiable.
Requiere usar la EDT, diccionario de la EDT y lista de actividades sino, no
ser fiable
Estimacin anloga (de arriba hacia abajo)
Aplica para un proyecto o una actividad en base a informacin histrica de
proyectos o actividades similares
Utiliza:
Juicio de expertos.
Informacin histrica para predecir el futuro.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
19
Ej: las ltimas dos veces que esta actividad se complet, cada una tom tres
das, dado que no contamos con ms informacin, usaremos tres das y
revisaremos este valor si conseguimos ms detalles.
Estimacin paramtrica
Calcula tiempos proyectos en base a
registros histricos de proyectos anteriores
como otra informacin.
Dos formas:
Anlisis de regresin
Curva de aprendizaje. Ej: el pintado
del cuarto N 10 tomar menos que el
N 1
Heurstica
Supone una regla general de oro que se asume como verdadera y vlida.
Una de sus definiciones sera un arte, tcnica o procedimiento prctico o
informal, para resolver problemas
Ejemplos:
Regla 80/20
Ejemplo de cronograma heurstico: el trabajo de diseo es siempre el
15% del tiempo total del proyecto.
Estimacin por tres valores
Estadsticamente existe una probabilidad muy pequea de completar un
proyecto en una fecha exacta.
Los esfuerzos del director de proyectos incluyen:
Medir las desviaciones del plan
Traer a la ejecucin del proyecto de vuelta en lnea conforme al plan.
Los estimadores deben dar tres estimaciones: (O)ptimista, (P)simista y
(M)s probable.
Frmulas de la estimacin por tres valores
En los usos originales de PERT (1950) se supona que el tiempo de una
actividad es una variable aleatoria que sigue una distribucin de probabilidad
unimodal beta.
Duracin esperada
actividad
de
la
Desviacin estndar
de la actividad
Varianza de la actividad
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
20
Duracin esperada
actividad
de
la
Desviacin estndar
de la actividad
Varianza de la actividad
Actividad P
M O
47 27 14
89 60 41
48 44 39
42 37 29
(PERT
Duracin
Esperada
o) Desviacin
Varianza
estndar de de
la Rango de la
la actividad actividad estimacin
21
Ejercicio:
Para el caso anterior, calcule la duracin total del proyecto asumiendo que
las cuatro actividades formaban parte de la ruta crtica, asimismo calcule la
desviacin estndar de todo el proyecto y el rango de estimacin para el
mismo.
Semana 3: Mtodo del camino crtico
En qu consiste el mtodo del camino crtico?
El mtodo del camino crtico incluye:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
22
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
23
ES
EF
Nombre de la actividad
Cantidad de holgura
LS
LF
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
24
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
25
Ejercicio:
Calcule las duraciones, temprana y tarda para cada actividad as como la
duracin de todo el proyecto:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
26
Optimista (a)
Ms probable (m)
Pesimista (b)
Tenemos que dentro del rango (a,b) se supone que abarca alrededor del
90% o ms de cualquier f.d.p. est dentro de 3 desviaciones estndar de su
media. Lo cual explica la frmula de la varianza para cada actividad.
Sea i el tiempo de ocurrencia ms temprana del evento i. Como los tiempos
que se suman hasta i son variables aleatorias, i tambin es una variable
aleatoria.
Si existe una nica ruta que lleva del evento de inicio al evento i
i ~ N(E{i}, Var{i})
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
27
{ }
{ }
{ }
{ }
= { }
Donde: ~ (0,1) y =
{ }
{ }
costo
C.Total
C.I.
C.D.
duracin
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
28
UNIDAD II
TEORA DE GRAFOS
RESUMEN
La presente unidad revisa ciertos conceptos de la teora de grafos para la
resolucin de ciertos problemas.
Se revisarn mtodos y algoritmos para encontrar la ruta ms corta, el rbol
de conexin mnima y resolver el problema del flujo mximo.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
29
Sociogramas
Circuitos elctricos
Diagramas de organizacin
rboles genealgicos
Algoritmo de Bellman
Para cada nodo j calcular:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
30
Donde:
Ejercicio:
La compaa de construccin AAA tiene su centro de almacenamiento y
abastecimiento en la localidad 1. Con frecuencia se realizan viajes diarios
desde 1 hasta los centros de distribucin tal como se da en la red.
Solucin:
En este algoritmo se trabajan rutas de un origen a cada destino posible,
aprovechando la ruta mnima previa ya calculada para futuros clculos. En
caso no exista la ruta entre dos nodos, se asume una distancia con un valor
muy alto () de manera que se ignore al momento de escoger el valor
mnimo.
m1
=0
m2
m3
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
31
m4
m5
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
32
Tanto el servicio rpido como los costos mnimos son objetivos para la
compaa. Es importante que los camiones que se envan se dirijan por la
recta ms corta desde Chicago hasta la ciudad especfica.
Algoritmo de Kruskal
1. Dar el valor cero (0) al nodo de entrada de la red.
2. En el nodo o nodos a analizar, elegir el arco con el valor mnimo
acumulado, luego colocar este valor acumulado al nodo destino del
arco elegido.
3. Eliminar todos los arcos que tengan como destino al nodo actualizado.
4. Repetir los pasos 2 y 3 hasta analizar todos los nodos.
Para el mismo caso anterior, lo que hacemos es elaborar una matriz que,
para cada nodo indique las distancias a cada otro, luego con esta matriz
procederemos a colocar la distancia cero (0) en el nodo inicial y escogeremos
aquel donde la suma al valor del nodo ms la distancia fuera mnima.
Nodo
1
(1, 2)
(1, 3)
Distancia
7
8
Nodo
2
(2, 1)
(2, 3)
(2, 4)
(2, 5)
Distancia
7
7
6
8
Nodo
3
(3, 1)
(3, 2)
(3, 4)
(3, 6)
Distancia
8
7
4
4
Nodo
4
(4, 2)
(4, 3)
(4, 5)
(4, 6)
(4, 7)
Distancia
6
4
2
8
6
Nodo
5
(5, 2)
(5, 4)
(5, 7)
Distancia
8
2
3
Nodo
6
(6, 3)
(6, 4)
(6, 7)
Distancia
4
8
9
Nodo
7
(7, 4)
(7, 5)
(7, 6)
Distancia
6
3
9
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
33
Algoritmo Matricial
Colocar en una matriz los valores de los arcos. Ejemplo:
Nodos
2
5
1
3
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
34
Las filas de la matriz sealan los nodos conectados y en ellas se buscan los
valores menores. El algoritmo contina hasta que todos los nodos estn
conectados.
Ejercicio:
Encuentre el rbol de conexin mnima para el siguiente caso:
7
6
1
0
1
9
5
2
35
. .
= 1
= {
=
0
0 ,
(, )
Donde:
xij: cantidad de flujo por unidad de tiempo que circular a travs del
arco (i,j) que conecta nodos i y j
f: es una variable que designa el flujo total a travs de la red por
unidad de tiempo. Es lo que sale de la fuente (i=1) y lo que llega al
destino (i=n). El objetivo es maximizar dicha cantidad.
Las uij designan las capacidades en el flujo disponibles por unidad de
tiempo a travs de los diversos arcos.
Ejercicio:
Se le ha encargado de tratar un caso de la comisin de planeacin de
desarrollo urbano de la Municipalidad de Lima, la misma que empezar
prximamente un conjunto de obras de vas subterrneas del tren elctrico
motivo por el cual debern dar inicio a los desvos en los lugares donde se
realicen las obras.
La desviacin planeada abarca una red de rutas alternas que han sido
propuestas por el departamento de mantenimiento de vas. Los diferentes
lmites de velocidad y las vas de trnsito producen diversas capacidades de
flujo en los distintos arcos de la red propuesta. Esto se muestra en la figura
siguiente:
6
Fin de la
desviacin
1
Inicio de la
desviacin
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
36
Flujo Factible
Cuando resolvemos un problema de flujo mximo, analizamos cada flujo
factible en cada camino que conecte el inicio y el final. Entenderemos que
existe un camino factible con una cantidad de flujo determinada si:
1. No se excede la capacidad de ningn arco del camino.
2. Con excepcin de los nodos inicial y final, el flujo debe satisfacer la
condicin de conservacin: Flujo de entrada al nodo = Flujo de salida
del nodo
De lo indicado en el punto 1. aparece la primera implicacin:
La cantidad mxima que puede fluir a lo largo de un camino es igual a la
menor de las capacidades de los arcos de dicho camino
Regulacin de la capacidad del flujo
Siempre que asignamos flujo a un arco particular, nos atenemos a las reglas:
2
2
3
1
Note que se actualiza el flujo que circula entre los nodos (al centro de cada
arco) y las capacidades tanto en un sentido como otro, reducindose la
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
37
Si al inicio tenamos:
Y al final result (luego de varias iteraciones):
3
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
38
UNIDAD III
Anlisis de Decisiones y Teora de Juegos
RESUMEN
La presente unidad revisa aspectos bsicos de la teora de decisiones, casos
bajo certidumbre, riesgo e incertidumbre, ejemplos de modelos aplicados
para cada caso. Tambin se trata un caso particular de la teora de juegos: el
juego bipersonal suma cero.
Qu es una decisin?
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
39
Estados de la naturaleza:
1: Llueve
2: No llueve
FUNCIN
DE Es lo que indica la consecuencia de haber elegido una
COSTO/BENEFICIO alternativa y que haya ocurrido un determinado estado de la
(RESULTADOS)
naturaleza.
CRITERIO
ELECCIN
OPONENTE
40
Teora de colas.
Inventarios con demanda aleatoria.
Estimacin estadstica.
Confiabilidad.
41
Problemas de transporte
Problemas de asignacin
Problemas de transbordo
Problemas de secuenciacin
Grafos y redes
A: conjunto de alternativas
Demanda (unidades)
Enero
275
Febrero
435
Marzo
520
Abril
420
TIEMPO EXTRA
MES
CAPACIDAD COSTO CAPACIDAD COSTO
ENERO
320
$ 12
115
$ 13
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
42
FEBRERO
225
$ 10
125
$ 12
MARZO
335
$ 11
140
$ 14
ABRIL
275
$ 13
150
$ 15
Caso I:
Si toda la demanda debe ser satisfecha mensualmente y se sabe que por
cada unidad que se queda almacenada al final de cada mes se tiene un costo
de inventario de $3. Enfocar esta situacin como un proceso de decisin bajo
certeza.
Solucin:
Este es un proceso de decisin bajo certeza porque se conoce la demanda del
producto en los prximos 4 meses (determinstica).
Como paso inicial podemos organizar la informacin previamente recibida en
forma de una tabla cruzada: mes de produccin vs. mes de entrega y las
alternativas que se generan.
MES DE ENTREGA
FEB
MAR
ABR
MES DE PRODUCCIN
ENE
12
15
18
21
320
Extra
13
16
19
22
115
Normal
--
10
13
16
225
Extra
--
12
15
18
125
Normal
--
--
11
14
335
Extra
--
--
14
17
140
Normal
--
--
--
13
275
Extra
--
--
--
15
150
420
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
43
275
435
520
320
E11 +
115
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
44
225
125
N33 + N34
335
E33 + E34
140
N44
275
E44
150
Estados de la Naturaleza:
Conjunto de alternativas:
Ejercicio
Resuelva el caso anterior con programacin lineal.
Caso II:
Suponga ahora que se pueden mantener demandas pendientes que sern
atendidas en uno, dos o tres meses despus (cuando se tenga suficiente
inventario), pero esto tiene un costo de $5 por cada mes que se retrasa la
entrega (por unidad).
Cul sera el nuevo plan ptimo de produccin?
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
45
MES DE ENTREGA
FEB
MAR
ABR
MES DE PRODUCCIN
ENE
12
15
18
21
320
Extra
13
16
19
22
115
Normal
15
10
13
16
225
Extra
17
12
15
18
125
Normal
21
16
11
14
335
Extra
24
19
14
17
140
Normal
28
23
18
13
275
Extra
30
25
20
15
150
420
Ejercicio:
Plantee el modelo de programacin lineal y resulvalo
Ejemplo de proceso bajo certeza: el caso de contratacin de personal.
Las necesidades de contratacin de personal para un proyecto que tendr 4
meses de duracin es como sigue:
Enero: 20 operarios
Febrero: 32 operarios
Marzo: 45 operarios
Abril: 30 operarios
se
le
debe
pagar
una
46
2. Estados de la naturaleza:
= {1 : (28, 32, 45, 30)} requerimientos del perodo de 4 meses.
3. Variables de decisin:
Para identificar las variables nos apoyaremos con un grfico, viendo
cada opcin posible de contratacin por cada mes.
28
1
32
2
45
3
30
4
E1
E2
E3
E4
F1
F2
F3
M1
M2
A1
Las variables de decisin las denominaremos: E1, E2, E3, E4, F1, F2,
F3, M1, M2, A1.
La primera letra sealar el mes en que se contratarn los
trabajadores y el nmero final la cantidad de meses durante los cuales
trabajarn.
Por ejemplo:
M2: nmero de trabajadores contratados en marzo por dos
meses.
4. Ahora elaboramos las restricciones (*), que bsicamente son cumplir
con los requerimientos de personal en cada mes:
Enero:
E1 + E2 + E3 + E4 =
28
Febrero:
E2 + E3 + E4 + F1 + F2 + F3 =
32
Marzo:
E3 + E4 + F2 + F3 + M1 + M2 =
45
Abril:
E4 + F3 + M2 + A1 =
30
5. Conjunto de alternativas:
A: {(E1, E2, E3, E4, F1, F2, F3, M1, M2, A1) dado que cumplan
(*)}
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
47
7. Funcin objetivo:
Minimizar el costo total por contratacin de personal.
MIN
400E1 +
640E2 +
440F1 +
680F2 +
460M1 +
710M2 +
480A1
8. Solucin ptima:
880E3 +
930F3 +
1130E4 +
48
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
49
Tenemos:
A: conjunto de alternativas
Ai A
Probabilidad
0.15
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
50
# de camiones requeridos en un
da
Probabilidad
0.35
0.25
0.15
10
0.10
11
Estados de
camiones.
naturaleza:
requerimientos
(demanda)
diario
de
= { i: 6, 2: 7, 3: 8, 4: 9, 5: 10 }
Matriz de costos
Para representar mejor la funcin costo beneficio elaboraremos una matriz
de costos:
R (ai, i)
1 = 6
a1 = 6
a2 = 7
a3 = 8
2 = 7
3 = 8
4 = 9
5 = 10
0
0
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
51
R (ai, i)
1 = 6
2 = 7
3 = 8
a4 = 9
4 = 9
5 = 10
a5 = 10
1 = 6
2 = 7
3 = 8
4 = 9
5 = 10
a1 = 6
120
240
360
480
a2 = 7
60
120
240
360
a3 = 8
120
60
120
240
a4 = 9
180
120
60
120
a5 = 10
240
180
120
60
1 = 6
2 = 7
3 = 8
4 = 9
5 = 10
a1 = 6
120
240
360
480
a2 = 7
60
120
240
360
a3 = 8
120
60
120
240
a4 = 9
180
120
60
120
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
52
R (ai, i)
1 = 6
2 = 7
3 = 8
4 = 9
5 = 10
a5 = 10
240
180
120
60
P( =i)
0.15
0.35
0.25
0.15
0.10
Y con las probabilidades calculamos el valor medio esperado (VME) para cada
caso:
R (ai, i)
1 = 6
2 = 7
3 = 8
4 = 9
5 = 10 VME
a1 = 6
120
240
360
480
209
a2 = 7
60
120
240
360
111
a3 = 8
120
60
120
240
81
a4 = 9
180
120
60
120
96
a5 = 10
240
180
120
60
138
P( =i)
0.15
0.35
0.25
0.15
0.10
Ejercicio:
Plantee el mismo caso anterior con el supuesto siguiente:
Imagine que la empresa tiene la posibilidad (adicional) de alquilar dos
camiones a una empresa vecina, cualquier da de la semana a una tarifa de
$50 por da, la nica consideracin es que la empresa solo acepta el alquiler
de un par de camiones cada vez, es decir no ms ni menos que dos
camiones.
Procesos de decisin bajo incertidumbre
Estos procesos se caracterizan porque si bien conocemos los posibles estados
de la naturaleza, no sabemos sin embargo cul de ellos va a ocurrir, es ms,
ni siquiera se conoce una distribucin de probabilidad acerca de la ocurrencia
de estos estados.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
53
Mtodos a utilizar
Para elegir la mejor alternativa en estos casos se utilizan criterios de eleccin
no probabilsticos entre estos mtodos tenemos criterios de:
WALD
HURWICZ
SAVAGE
LAPLACE
a1
20
-8
a2
12
10
a3
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
54
Peores
resultados
(mnimo)
a1
20
-8
-8
a2
12
10
a3
contrario
del
criterio
de
WALD,
pues
es
Mejores
resultados
(mximo)
a1
20
-8
20
a2
12
10
12
a3
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
55
= ( , ) + (1)
( , )
= 0 a0 es la
Hi
a1
20
-8
= 13
a2
12
10
= 9.75
a3
=7
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
56
a1
20
-8
a2
12
10
a3
20
10
Max r
ij
Mximo
a1
16
16
a2
a3
16
16
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
57
Valores Promedio
a1
20
-8
a2
12
10
a3
Max rij
20
10
Mejor Alternativa
WALD
a3
MAXIMAX
a1
HURWICZ (0.75)
a1
SAVAGE
a2
LAPLACE
a2
Valores Promedio
a1
20
-8
20 08 (1 ) = 28 08
a2
12
10
12 + 03 (1 ) = 09 + 03
a3
08 + 04 (1 ) = 04 + 04
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
58
Para
()
valores
1/5
a3
a2
> 11/14
a1
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
59
Empresa 1
Empresa 2
40%
60%
100%
mercado
del
Campaa
publicitaria
Empresa 1
Empresa 2
75%
25%
Definicin:
Consideremos dos jugadores a y b donde a tiene m alternativas y b
tiene n alternativas.
Existe adems una matriz a= (Aij) de orden m x N denominada matriz de
pagos de A a B donde aij indica el pago que le debe hacer el jugador B
al jugador A cuando A elige la alternativa i y B elige la alternativa j.
B
-6
-2
-3
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
60
Ej:
-6
-2
-3
-5
-4
-4
Resolucin de un juego
Resolver un juego consiste en determinar las mejores estrategias para
ambos jugadores.
Cada juego tendr un resultado al que denominaremos valor del juego.
Elementos maximin y minimax
Dada una matriz A = (aij) de orden m x N. Definimos el elemento maximin
como aquel valor que cumple
(el mximo valor del mnimo de cada
fila).
Asimismo, el elemento minimax como aquel valor que cumple
mnimo valor del mximo de cada columna)
(el
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
61
Ejemplo
Hallar el elemento maximin y el minimax de la siguiente matriz:
-4
-4
-2
-2
(maximin)
-3
-2
-3
2 (minimax)
Resumen
Maximin
Maximax
-3
-5
Propiedad:
En general se cumple que:
maximin minimax
Punto de equilibrio de una matriz
Dada una matriz (aij) diremos que el elemento (i*,j*) es un punto de
equilibrio si se cumple:
=
=
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
62
-3
-5
-1
-4 -4
-5
-3
-5
Mximo
minimax
Mnimo
maximin
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
63
V<0
V=0
El juego es JUSTO
A: sindicato
B: empresa
Alternativas
Empresa (B)
Cedi
10
15
20
25
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
64
Sindicato (A)
Alternati
va
15
20
25
30
35
25
15
15
15
15
15
20
20
20
20
20
15
27.
5
40
20
15
25
25
25
20
27.
5
35
40
25
10
30
30
25
27.
5
30
35
40
27.5
35
30
27.
5
25
30
35
40
25
40
35
27.
5
20
35
40
20
mximo
35
25
30
27.
5
30
27.
5
35
40
30
minimax
mnim maximi
o
n
40
27.
5
15
27.5
mnimo
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
65
-2
-2
-1
-1
-3
-3
mximo
Xi 0 = 1. .
=1 = 1
Asimismo se dice que el vector Y= (Y1, Y2, , Yn) es una estrategia mixta del
jugador A y si se cumple:
YJ 0 = 1. .
=1 = 1
Observaciones:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
66
= {(1 , , ) / 0,
=1 = 1}
= {(1 , , ) / 0, =1 = 1}
Ejemplo
Consideremos el juego con la matriz de pagos siguiente:
B
-4
-2
10
-6
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
67
Resumen:
El jugador a desea saber cul de las siguientes estrategias le conviene ms
x1= (0.2, 0.3, 0.5) o x2=(0.1, 0.6, 0.3)
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
68
Jugador A
Jugador B
Pago esperado
Sean:
(, ) =
=1 =1
-2
-1
-3
si:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
69
Los pagos
sera
de
hacia
min
{ 1 , 2 , , }
=1
=1
=1
max min
{ 1 , 2 , , }
=1
=1
=1
11 1 + + 1
12 1 + + 2
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
70
1 1 + +
Pero recuerde que buscaremos que ese mnimo sea el mximo posible.
Luego el modelo que queda ser el siguiente:
Modelo MPL-A
max
. .
11 1 21 2 1 0
12 1 22 2 2 0
1 1 2 2 0
1 + 2 + + = 1
1 , 2 , , 0 ;
Planteamiento para el jugador B
En este caso la estrategia del jugador B ser Y = (y1, y2, , yn)
Si la eleccin de A fuera
El jugador B busca el mayor de los pagos (su peor escenario) para luego
minimizarlo:
min max
{ 1 , 2 , , }
=1
=1
=1
{1. . }
Pero recuerde que buscaremos que ese mximo de cualquier caso sea el
mnimo posible.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
71
Es decir, evaluamos todos los casos menos favorables (mximo pago) dada
cualquier alternativa que tome el adversario y nos quedamos con el de
mnimo impacto.
Modelo MPL-B
min
. .
11 1 12 2 1 0
21 1 22 2 2 0
1 1 2 2 0
1 + 2 + + = 1
1 , 2 , , 0 ;
Observaciones
1. Los modelos MPL-A y MPL-B estn fuertemente relacionados ya que uno
es el dual del otro.
2. Ambos problemas tienen el mismo valor ptimo, por lo que se cumple:
maximin = minimax.
3. Para obtener las estrategias ptimas basta resolver solo uno de los
problemas ya que la solucin de dichos problemas contiene tambin la
solucin del dual.
Ejercicio
Plantee un modelo de programacin lineal para resolver el siguiente juego:
GLOSARIO
ESTRATEGIA
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
72
ESTRATEGIA
MIXTA
JUEGOS
JUEGOS NXM
JUEGOS
SUMA CERO
MATRIZ DE
RESULTADOS
DE
UN
JUEGO
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
73
UNIDAD IV
SIMULACIN DE SISTEMAS
RESUMEN
La presente unidad revisa conceptos bsicos de simulacin de sistemas,
aplicarn la simulacin como tcnica numrica de experimentacin para
determinadas situaciones problema, interpretando sus resultados. Utilizan
software de uso profesional aplicado a diversos casos especficos.
Paso 1
Seleccionar en forma arbitraria una fila de la matriz y colocarla en la parte
inferior.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
74
Fila seleccionada
Paso 2
Determinar el menor elemento de la fila seleccionada y seleccionar la
correspondiente columna ubicndola en la parte derecha de la matriz.
Elemento ms
pequeo
Columna
seleccionada
Paso 3
En la columna seleccionada buscamos el mayor elemento y la
correspondiente fila se suma a la anterior fila seleccionada, el resultado lo
ponemos en la parte inferior.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
75
Repetimos el paso 2 con esta nueva fila acumulada en forma sucesiva hasta
el nmero de iteraciones requerido.
Observacin: durante esta repeticin observar que:
-1
-2
-2
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
76
Solucin
=
ltimo
mximo
ltimo
mnimo
10
10
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
77
2-(-2) 3-(-1)
=4
=4
2-(-1)
3
3-(-2)
5
=
=
--
5
3
pasa
denominador
como
4
4
4/8 4/8 Estrategia ptima de B
Conceptos Bsicos de Simulacin
Sistema
Un sistema es un conjunto de entidades que actan e interactan para la
realizacin de un fin lgico.
Una entidad es un objeto de inters en el sistema
Modelo
Es una simplificacin y abstraccin de un sistema del mundo real
El proceso de simplificacin ocasiona la eliminacin de detalles insignificantes
o la suposicin de relaciones ms simples. Ejemplo de suposiciones:
Evento discreto
Es una accin instantnea, que ocurre en un determinado punto del
tiempo, y puede causar un cambio de estado en el sistema
Estado de un sistema
Es un conjunto de variables necesarias para describir la condicin del
sistema en un momento determinado.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
78
Simulacin
Simulacin es el proceso de disear y desarrollar un modelo
computarizado de sistema o proceso y conducir experimentos con este
modelo con el propsito de entender el comportamiento del sistema o
evaluar varias estrategias con las cuales se puede operar el sistema
(Robert E. Shannon)
Simulacin Esttica
Es una representacin del sistema en un determinado punto del
tiempo
Simulacin Dinmica
Es una representacin de cmo evoluciona el sistema a travs del
tiempo.
Cundo usar Simulacin?
Cuando es imposible representar el sistema mediante modelos
matemticos
Ventajas de la Simulacin
Uso frecuente de un sistema simulado
Desventajas de la Simulacin
No se obtiene una solucin ptima
Donde:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
79
Variables
de
decisin
Variables incontrolables
Medidas de
efectividad
Parmetros:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
80
K: nmero de servidores
Minimizar el tiempo.
Maximizar utilidades.
Minimizar personal.
Definicin del
Sistema
Formulacin del
Modelo
Recoleccin de
Datos
Validacin
Experimentacin
Implantacin
Implementacin
del Modelo en la
Computadora
81
5. Validacin
Es una de las principales etapas de un estudio de simulacin.
Es un incremento a un nivel aceptable de confianza de modo que la
inferencia obtenida del modelo sea correcta, respecto al sistema.
Formas ms comunes de validar un modelo:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
82
6. Experimentacin
Generar los datos deseados y realizar el anlisis de sensibilidad
El anlisis de sensibilidad consiste en variar sistemticamente los
parmetros y/o las variables de entrada sobre algn intervalo de
inters y observar el efecto sobre la respuesta del modelo, lo cual
puede aumentar nuestra confianza en los resultados del estudio
7. Implantacin
Uso del modelo y/o resultados
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
83
Teora de Colas
Sistema Total
Cola
Unidad de
servicio
*
La tasa a la que llegan los clientes para ser atendidos se llama tasa de
llegada cuyas unidades son clientes por hora, por da, etc.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
84
Tipos de problemas
Tipo de
Problema
Tamao
de la
Poblacin
# de
canales
Simple
Infinito
Mltiple
Modelo de
Colas
Simple
Finito
Mltiple
Poblacin Infinita / Canal Simple (M/M/1)
La probabilidad de hallar el sistema ocupado o utilizacin del sistema es
=/ donde:
*
: factor de utilizacin.
P0=1 /
Lq = 2/[( )]
L = /( )
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
85
w = 1/( )
wq = /[( )]
Ln = /( )
wn = 1/( )
Ejemplo
Una fotocopiadora es operada principalmente por secretarias y dado que el
documento vara en longitud, se ha encontrado que la tasa de servicio de
esta mquina es aleatoriamente distribuida aproximndose a una distribucin
Poisson con =10 trabajos por hora.
Generalmente los requerimientos de utilizacin son aleatorios durante las 8
horas de trabajo diario, pero llegan a una tasa = 5 trabajos por hora.
Si el tiempo de la secretaria est valorizado en $10 la hora determine:
1. La utilidad del equipo
2. % del tiempo promedio que una llegada tiene que
esperar
3. Tiempo promedio en el sistema
4. Costo promedio ocasionado por esperar y hacer
funcionar la mquina.
Solucin
Datos:
*
El nmero de trabajos que llegan forman una cola con poblacin infinita.
Canal simple pues solo hay una fotocopiadora.
=/ = 5/10 = 50% (la mitad del tiempo la mquina est ocupada).
% de tiempo que una llegada tiene que esperar:
*
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
86
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
87
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
88
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
89
Aadimos la entidad:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
90
Llegadas o arribos
Una vez definidas las entidades, tenemos que definir como estas llegan a
nuestro modelo.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
91
92
a dnde llega?
a dnde va?
Process: que indica que har la entidad en cada ubicacin (y si tendr alguna
operacin)
Routing For: que indica que salida se genera (puede ser la misma entidad o
transformarse en otra), la otra ubicacin a la que pasar y la regla as como
la lgica que podra definir el movimiento
Definimos la secuencia a seguir:
1. Primer paso:
a. La pieza llega a la fila y espera su turno.
b. Cuando la prensa este libre, abandonar la fila y pasar a la
nueva ubicacin prensa.
2. Segundo paso:
a. La pieza llega a la prensa, donde se procesar por cuatro
minutos en promedio con distribucin exponencial.
b. Al finalizar el proceso, abandona esa ubicacin.
c. El siguiente paso sera salir del sistema
En el sistema haremos lo siguiente:
1. Primero aadir un nuevo proceso haciendo doble clic debajo del
primero
2. La pieza al llegar a la prensa se procesa por un tiempo exponencial con
media de 4 minutos, esto se representar como una espera en dicha
ubicacin. Utilice Operation Logic Builder para sealar esto.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
93
Ejecucin de la Simulacin
Recuerde que el cuadro Routing muestra la ruta actual dependiendo el
proceso en el que se encuentre.
En la simulacin debe indicar el tiempo que har la ejecucin y coloque 100
day.
No olvide guardar su modelo.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
94
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
95
Al final preguntar:
Y generar lo siguiente:
Resultados de la simulacin con Promodel
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
96
Resultados de la simulacin
Laboratorio 2
MOVE FOR
Sintaxis:
MOVE
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
97
ANIMATE
Variables
Condicionales
Mensajes
Variables
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
98
Total de cambios
Valor actual
Valor promedio.
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
99
Tiempo Ponderado
Valor en horas por tiempo
Observacin 1
Observacin 2
10
Observacin 3
18
Observacin 4
20
Total
22
10
54
5.4
5.5
Laboratorio 4
Tenemos 4 ejemplos:
1. El problema del barbero con dos ubicaciones y un tiempo
atencin uniforme.
2. La incorporacin de una cola de tipo slido y una atencin con
tiempo de espera exponencial
3. Un proceso simple de varias mquinas
distribuciones distintas entre mquinas.
con
tiempos
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
100
Laboratorio 7.1
En este ejemplo tenemos 3 entidades distintas
Laboratorio 7.3
Y tenemos diferentes reglas para indicar dentro del proceso la ruta que
debe seguir una entidad.
Reglas de ruteo
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
101
TURN
Laboratorio 7.10
En este ejemplo se hace uso de una funcin para validar el contenido
de una ubicacin, en este caso de una cola y de acuerdo a ello definir
el tipo de atencin que se dar modificando los tiempos:
Laboratorio 7.11
En este ejemplo puede verificar una consulta al reloj del simulador y
utilizar condicionales para definir la ruta que debe seguir una entidad.
Laboratorio 8.2
Aqu se puede apreciar el uso de una distribucin de probabilidad
discreta:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
102
60% va a empaque
Laboratorio 8.3.1
En este ejemplo puede apreciar comandos para incrementar o reducir
variables.
Laboratorio 12.6
En este ejemplo se trabaja con
Comandos:
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
103
Laboratorio 13.2.1
Este ejemplo es similar al anterior, pero con una persona, que es el
operador y con transformaciones de por medio
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
104
GLOSARIO
MODELO
PROMODEL
SIMULACIN
SIMULACIN
DINMICA
SIMULACIN
ESTTICA
SISTEMA
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
105
Bibliografa
1. Hillier, F. S., & Lieberman, G. J. (2010). Investigacin de
operaciones. Madrid: McGraw-Hill Interamericana de Espaa S.L.
2. Winston, W., & Albright, C. (2012). Practical Management Science
(4th edition). Mason, OH: SOUTH-WESTERN CENGAGE Learning.
3. Binmore, K. (2009). La teora de juegos. Madrid: Grupo Anaya
Comercial.
4. Winston, W., & Albright, C. (2012). Practical Management Science
(4th edition). Mason, OH: SOUTH-WESTERN CENGAGE Learning.
5. Taha, H. A. (2012). Investigacin
edicin). Madrid: Prentice Hall Iberia .
De
Operaciones
(Novena
Material elaborado por el profesor Carlos Rodrguez Caldern, para uso exclusivo de los alumnos de la
asignatura Investigacin Operativa II, de la Universidad Privada Norbert Wiener.
106