Академический Документы
Профессиональный Документы
Культура Документы
OPERACIONES a
Reseña históri ca
i
il
figac o e_co _e_r_acicknes
■ él 11 ex
MEM
MEM
t d_o de (-41-t-
i ecarlo
nolo la cie redes
IT —1
MENIEZ L
1111111111 M s ficaclon de inventarios A C
1111111111MULIMM I • •
1111011111MnillallUll .•
.•• a.
••
7 ra
rgyi
„
„caza
Ji 11'
EDITORIAL
TRILLAS
México, Argentina, España, Pi]
Colombia, Puerto Rico, Venezuela
Catalogación en la fuente
La presentación www.trillas.com.mx
disposición en conjunto de
INVESTIGACIÓN DE OPERACIONES Tienda en línea
son propiedad del editor. www.etrillas.com.mx
Ninguna parte de esta obra puede ser
reproducida o trasmitida, mediante ningún Miembro de la Cámara Nacional de
sistema o método, electrónico o mecánico la Industria Editorial
(incluyendo el fotocopiado, la grabación Reg. núm. 158
o cualquier sistema de recuperación y
almacenamiento de información),
Primera edición 5?(
sin consentimiento por escrito del editor
1.5t3f1978-968-24-8192-5
Derechos reservados
Segunda edición, mayo 2012
5)(, 2012, Editorial Trillas, S. A. de C. V
15BM 978-607-17-1152-6
División Administrativa,
Av. Río Churubusco 385, Impreso en México
Col. Gral. Pedro María Anaya, Printed in Mexico
C. P 03340, México, D. F
Tel. 56884233, FAX 56041364 Se imprimió en
mayo de 2012,
División Comercial, en Grupo Industrial Monte
Calzada de la Viga 1132, Sion, 5. A. de C. V.
C. P 09439, México, D. F
Tel. 56330995, FAX 56330870 AO 75 TW
Nddee coNteMdo
Agradecimientos 8
Introducción 9
5
6 ÍNDICE DE CONTENIDO
Apéndice 285
Áreas bajo la curva normal de probabilidad para una desviación estándar dada, 285.
Números aleatorios, 286.
8
teoduccdóh
Esta obra constituye un apoyo importante para los estudiantes de investigación de ope-
raciones, ya que les presenta en forma sencilla y clara los diferentes modelos y métodos que
forman parte de la misma.
En el capítulo 1 se hace una somera reseña histórica de la investigación de operacio-
nes y su definición; continúa con la importancia de la toma de decisiones en la empresa,
y concluye con algunas definiciones generales para una mejor comprensión de la presen-
te obra.
El capítulo 2 inicia con la programación lineal, en la parte correspondiente al plantea-
miento de problemas. Luego el capítulo 3 explica el método gráfico para resolver los proble-
mas de programación lineal.
En el capítulo 4 se presenta el método símplex para resolver los problemas de progra-
mación lineal, tanto casos de maximización como de minimización, así como algunas cues-
tiones especiales, como desempates del renglón o la columna clave, casos cuando no hay
variable básica de salida y los precios sombra. Por último, se incluyen la teoría de la duali-
dad y el análisis de sensibilidad.
El capítulo 5 incluye la programación entera, presentando los métodos gráficos, el de
redondeo de la solución óptima de programación lineal, de enumeración completa, de bifur-
cación y acotación, y el algoritmo de corte de Gomory.
El capítulo 6 estudia el método de transporte, incluyendo la parte de inicialización,
que consta de los métodos de la esquina noroeste, el costo menor, mutuamente preferido, los
métodos de Vogel y Russell. También una parte correspondiente a la optimización, en la cual
se incluyen el método del cruce del arroyo y el modi, y algunas variantes de los problemas
de transporte, como son aquellos casos cuando la oferta es diferente de la demanda, proble-
mas de maximización, casos de degeneración y de rutas prohibidas y, para finalizar, se tra-
tan algunos casos especiales de transporte, como la programación de la producción, los pro-
blemas de asignación y de transbordo.
En el capítulo 7 se presenta la programación dinámica para resolver problemas, donde
se manejan casos de programación dinámica aditiva y multiplicativa.
El capítulo 8 trata de la administración de proyectos, incluyendo el gráfico de Gantt y
el método mixto de PERT/CPM, que contiene aspectos para la determinación del camino
crítico, la manera de estimar la probabilidad de que un proyecto se termine en un lapso de
tiempo dado y la relación entre el tiempo y el costo de un proyecto.
El capítulo 9 presenta análisis de redes, incluyendo los métodos del recorrido mínimo,
el de la ruta más corta y el de flujo máximo.
9
10 INTRODUCCIÓN
El capítulo 10 estudia la teoría de decisiones, que incluye los modelos de criterios in-
genuos, el análisis de Bayes con el criterio a priori, el análisis marginal y un modelo para
cuando los datos se pueden representar mediante la distribución normal de probabilidad.
El capítulo 11 presenta varios modelos de inventarios, como el modelo de la cantidad
económica del pedido, el de_descuentos por compras de lotes mayores, el del punto de reno-
vación del pedido, el de cantidad de pedido fija y ciclo de tiempo variable, el de cantidad
variable y ciclo fijó, el de la cantidad económica del lote de producción y, por último, el sis-
tema de clasificación de inventarios ABC.
En el capítulo 12 se analiza la teoría de juegos, donde se tratan el concepto de dominio
y la definición del punto de silla de montar, así como la determinación de las estrategias de
cada jugador por medio de los . métodos algebraico y aritmético. Asimismo se determina el
valor del juego mediante el método de subjuegos, él método gráfico y el método símplex.
Luego el capítulo 13 presenta los modelos de líneas de espera, que incluye los concep-
tos de costos y los modelos D/D/1, D/D/S, M/M/1, M/M/S, M/G/1, M/D/1 y la línea de es-
pera de costo mínimo.
El capítulo 14 trata sobre el análisis de Markov, presentando la matriz de probabilidades
de transición, la estimación de las condiciones del sistema para periodos posteriores y para
alcanzar el estado estable, la obtención de la matriz fundamental y sus aplicaciones, para fi-
nalizar con el cálculo del tiempo de transición para pasar de un estado inicial a otro final.
En el capítulo 15 se estudian los modelos de pronósticos y su clasificación, luego se in-
cluyen el método gráfico y los modelos de series de tiempo, los de tendencia y los causales.
Por último, se comentan algunas técnicas subjetivas para hacer pronósticos.
El capítulo 16 analiza los modelos de remplazo y mantenimiento de equipos, incluye
las políticas de remplazo y mantenimiento, las tasas de aprovisionamiento y mantenimien-
to, así como la estimación del tiempo óptimo de remplazo, los modelos de remplazo de equi-
pos con desgaste aleatorio, las curvas de supervivencia y mortalidad de los equipos, las pro-
babilidades de avería y su tiempo promedio de aparición y los tiempos límite de funciona-
miento de los equipos.
El capítulo 17 presenta modelos de simulación que inician con la elaboración del diagra-
ma de flujo. Se incluyen algunos métodos para generar números aleatorios y la metodología
de simulación de Montecarlo por medio de enfoques, como el tabular, el gráfico y el mate-
mático, al final de lo cual se presentan algunos casos ilustrativos de simulación.
Por último, el capítulo 18 trata acerca de las técnicas de priorización y se desarrollan
los siguientes temas: Proceso analitico de jerarquización (AHP), Técnica de grupos nomina-
les (TGN), la de Multivoto y Matriz de Pugh.
En esta segunda edición se ha adicionado lo siguiente:
En el capítulo 1 se incluye un apartado que habla del futuro de la investigación de ope-
raciones, donde se comentan las principales diferencias entre las empresas de manufactura
y las de servicios; en el capítulo 4, se incluyen dos ejemplos resueltos con el software Lindo,
el cual es muy didáctico para solucionar problemas de programación lineal; en el capítulo 6
del método de transporte, se ha agregado el caso cuando hay restricciones adicionales en un
problema dado, a fin de encontrar la nueva solución; en el capítulo 8 de la administración de
proyectos, se han adicionado los temas de nivelar los recursos y lo que debe hacerse cuando
hay escasez de los mismos, así como los indicadores más usados para el control de costos de
un proyecto; en el capítulo 9 se incluye el caso de encontrar la red de flujo de costo mínimo;
en el capítulo 11 correspondiente a modelos de inventarios, se presenta el método Híbrido,
el cual es una combinación de los modelos de la cantidad de pedido, del punto de renova-
ción del pedidciy el de descuentos por comprar mayores volúmenes, lo cual ayuda a determi-
nar la cantidad y el momento de hacer un nuevo pedido que optimice el costo del inventario.
En cada capítulo se incluyen problemas resueltos, con la finalidad de ilustrar al estu-
diante sobre la aplicación de los diferentes métodos y modelos presentados, así como pro-
blemas propuestos al final de cada capítulo, cuyas soluciones se presentan al final del libro.
ginl/ coaucedátm
ZN9C2IllaedóN ("ecgdoNeo
La derrota suele ser pasajera, podían utilizarse también para problemas industriales en las
es la claudicación lo que la vuelve permanente. nacientes empresas de manufactura.
Fue en la década de 1950 cuando la investigación de
MARILYN VON SAVANT operaciones comenzó a tener auge a nivel industrial, lo cual
impulsó su avance y evolución (Thierauf y Grosse, 1990).
Un parteaguas en este desarrollo fue en 1947, en Esta-
BREVE RESEÑA HISTÓRICA DE LA dos Unidos, cuando George B. Dantzig desarrolló el méto-
INVESTIGACIÓN DE OPERACIONES do símplex de programación lineal, el cual ha tenido amplias
aplicaciones y ha servido de base para otros modelos de
Desde que apareció el hombre en la Tierra ha buscado programación matemática, como la entera y la programación
mejorar su forma de vida, esto lo ha hecho al preguntarse por metas (Hillier y Lieberman, 1991).
cómo lograr más satisfactores con menores esfuerzos. En la década de 1960, la investigación de operaciones
Este espíritu fue precisamente el que movió a Frede- fue implantada en la formación académica de las escuelas
rick W. Taylor, "el padre de la administración científica", de niveles superiores como una nueva materia de los planes
a observar cómo desarrollaban los obreros sus diversas ta- y programas de estudios en Estados Unidos.
reas llevándole a plantearse varias opciones para mejorar la
eficiencia y productividad de los mismos (Vaughn, 1971).
De igual forma al inicio de la Segunda Guerra Mundial El futuro de la investigación
los ingleses se vieron obligados a agrupar personas que do- de operaciones
minaban diferentes disciplinas para estudiar los problemas
militares, tácticas de abastecimiento y demás inherentes a Hoy día, la investigación de operaciones es un tema
la guerra, para el aprovechamiento óptimo de los recursos muy popular, el cual está incluido casi en la totalidad de la
escasos, tanto materiales como humanos. Aquí es donde se currícula de las carreras ingenieriles y administrativas que
considera que nació la investigación de operaciones. De igual se imparten en las instituciones de educación superior en
forma y casi al mismo tiempo en Estados Unidos de Amé- todos los países del mundo.
rica se integraron exitosos grupos de trabajo cuyo objetivo Esto se debe a que se ha reconocido su importancia para
era el desarrollo de estrategias para las operaciones milita- mejorar el proceso de toma de decisiones en los problemas
res, como problemas logísticos, planeación de maniobras técnicos, económicos y administrativos de las empresas e
navales y establecimiento de patrones de vuelo para avio- instituciones, ya sean de manufactura o servicios.
nes (Hillier y Lieberman, 1991). Es importante señalar que son precisamente las em-
Al finalizar la guerra, ese personal que había aplicado presas de servicios las que en este comienzo del tercer mi-
los métodos de la investigación de operaciones en acciones lenio conforman el sector económico más importante en
militares, pronto se dio cuenta que las técnicas empleadas este mundo globalizado y, al prestarles atención a ellas, la
11
12 CAP. 1. INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES
investigación de operaciones ha tendido a utilizar cada vez una buena estrategia de las empresas de servicios es
menos técnicas objetivas, apoyadas sólo en números duros la de manejar las expectativas del cliente.
y, por el contrario, se emplean cada vez más herramientas • Para una empresa de servicios, el tiempo de espera
estadísticas para la mejora continua y la calidad (Izar Lan- del cliente en una fila es una parte importante. Se
deta y González Ortiz, 2004). dice que un buen servicio no debe hacer esperar al
Una empresa de servicios difiere de una de manufac- cliente más de cinco minutos (Heskett et al., 1993).
tura en varios aspectos, como los siguientes: • Cuando un cliente tiene conocimientos sobre el servi-
cio, sus expectativas son mayores, por tanto, tam-
• En una empresa de manufactura es más fácil deter- bién debe quedar satisfecho con lo que se le brinda.
minar si un artículo tiene calidad, ya que ésta se de- • El autoservicio forma parte esencial de algunas em-
fine como que el producto cumpla con determina- presas de servicios, como es el caso de los cajeros
das especificaciones o con el pretendido uso para automáticos en las instituciones bancarias.
el que fue diseñado; mientras que en un servicio se • En esta época, los servicios constituyen una buena
supone que cuenta con calidad si éste cumple con parte de los ingresos de las empresas. Un ejemplo es
las,expectativas del cliente. Pero como éstas varían el caso de American Airlines, que adquirió la base
de cliente en cliente, e incluso en diferentes ocasio- de datos Sabre, para mejorar el manejo de la infor-
nes en un mismo cliente, la calidad puede conver- mación. Hoy día este software le brinda considera-
tirse en algo subjetivo, ya que un mismo nivel de bles ingresos. A esta base de datos acceden muchas
servicio puede ser considerado por él como "de cali- empresas del sector turismo, como hoteles, restau-
dad", mientras que otro podría opinar lo contrario. rantes, agencias de viajes y arrendadoras de autos.
Hay servicios que resultan difíciles de evaluar, aun
después de que han sido prestados, por ejemplo el Por lo que puede verse, las empresas de servicios difie-
de una cirugía médica. ren en varios aspectos de las de manufacturas y, aun cuan-
• En un servicio, la dificultad para fijar precios es ma- do tengan muchos elementos intangibles y difíciles de me-
yor que en el caso de un artículo, ya que en el servicio dir, no por ello son menos importantes, y la investigación de
hay elementos intangibles que son difíciles de eva- operaciones deberá estar atenta para proveer los métodos
luar. Además, los servicios no se almacenan, se pro- y técnicas que se requieran, con el fin de asegurar su ópti-
ducen al mismo tiempo en que el cliente los consu- mo desempeño.
me y, por tanto, el servidor resulta crucial para que
un servicio sea de calidad.
• Dada la subjetividad, en los servicios es más difícil DEFINICIÓN DE LA INVESTIGACIÓN
establecer la lealtad del cliente, razón por la cual un DE OPERACIONES
elemento muy importante es hacer tangible el servi-
cio. Un ejemplo son los talleres de reparación de au- La investigación de operaciones puede definirse como
tomóviles en Alemania, que permiten al cliente ob- un grupo de métodos y técnicas aplicables a la solución de pro-
servar lo que se le está haciendo a su automóvil. blemas operativos de los sistemas.
• La mejor manera de hacer publicidad, en el caso de Esta definición no es completa, pero proporciona una
los servicios, es el denominado "efecto boca a boca", idea de lo que trata la materia.
es decir, lo que un cliente platica a sus amistades También suele conocérsele como ciencias de la admi-
acerca de ellos, lo cual es muy difícil de medir y eva- nistración o como métodos y modelos cuantitativos para la
luar, a diferencia de los productos, donde los medios toma de decisiones (Davis y McKeown, 1986).
masivos de publicidad son los mecanismos usuales Un rasgo que debe señalarse de la investigación de ope-
para dar a conocerlos a los consumidores. raciones es su carácter interdisciplinario, es decir, se apli-
• Para realizar un buen servicio, cobra mayor impor- ca a situaciones de diversa índole en las empresas e institu-
tancia la información, ya que se convierte en un ele- ciones, como pueden ser las áreas de ventas, producción,
mento vital. finanzas, personal, mercadotecnia, mantenimiento y otras.
• Además, el elemento humano resulta fundamental,
ya que en la mayoría de las organizaciones, quien
presta el servicio es un empleado de bajo nivel jerár- RESOLUCIÓN DE PROBLEMAS
quico, lo que convierte a este servidor en la viva ima-
gen de la organización a los ojos del cliente. El administrador con frecuencia suele encontrarse con
• Un buen servicio se convierte en su propio competi- numerosos problemas en su trabajo diario, para los cuales
dor, ya que condiciona las expectativas del cliente, deberá llevar a cabo una serie de acciones racionales que le
quien, al haberlo recibido por primera ocasión, puede permitan enfrentarlos con éxito, de tal manera que aqué-
quedar fascinado, por tanto, la siguiente vez esperará llos no le afecten al logro de los objetivos que se han pro-
recibir al menos lo mismo que en la primera. Incluso, puesto (Kepner y Tregoe, 1974).
OTRAS DEFINICIONES 13
Lo primero será establecer qué es un problema, el cual 6. Controlar efectos no deseados de la decisión. Esto
puede definirse como un conjunto de hechos no deseados en será el análisis y prevención de los posibles proble-
la operación de un sistema, los cuales deberán ser corregi- mas a los que puede dar lugar la implantación de la
dos para lograr el desarrollo óptimo del mismo. opción de decisión escogida.
Para la resolución de problemas, diversos autores están 7. Seguimiento. Una vez llevada a cabo la opción de
de acuerdo en seguir un procedimiento lógico que debe cons- decisión elegida en el paso 5, deberá darse un segui-
tar de las siguientes etapas: miento del desarrollo de la misma, pues en muchas
ocasiones ésta constará de una serie de pasos que se
1. Definir el problema. Esto significa identificar todas van a seguir.
las características que describen el problema.
2. Examinar todas las causas posibles. Esto es, listar y Es muy importante señalar que la bondad de la deci-
analizar todas las posibles causas que dieron lugar sión en ocasiones puede ser distinta al resultado que se ob-
al problema. tenga con la misma.
3. Obtener los hechos. Tratar de conseguir la mayor Hoy día existen programas para ayudar al tomador de
cantidad de información concerniente al mismo. decisiones a hacerlo en forma más racional, pues muchas
4. Confrontar las posibles causas con la información ob- de las veces, más de las que uno podría imaginarse, las de-
tenida. Esto es, analizar cada una de las causas para cisiones se toman de una manera poco racional y con una
ver su factibilidad de haber sido la responsable del alta dosis de subjetividad, sólo apoyadas en los gustos o con-
problema, de esta forma quedará(n) identificada(s) veniencias de quien las toma.
la(s) causa(s) más probable(s).
5. Efectuar acción correctiva. Una vez identificada(s)
la(s) causa(s) que originó(aron) el problema, se pro- OTRAS DEFINICIONES
cederá a resolverlo, eliminando dicha causa y eje-
cutando las acciones pertinentes para su solución. En este punto se dan algunas definiciones adicionales
6. Implantar acciones preventivas para el caso de re- que se consideran útiles para la mejor comprensión del texto.
incidencia. Es decir, prever la repetición del pro-
blema y prepararse para ello. Algoritmo. Procedimiento que consiste en una serie de
pasos ejecutables y de decisión ordenados en una secuen-
cia lógica para hallar la solución de un problema.
TOMA DE DECISIONES Modelo. Representación de una situación real. En el
caso de la investigación de operaciones los modelos que se
En toda empresa o institución, el administrador debe manejan son matemáticos, y consisten en una ecuación que
tomar numerosas decisiones sobre diferentes situaciones describe el comportamiento de un fenómeno que sucede
en las que se halla involucrado. Al igual que en el punto an- en un sistema dado.
terior, podría señalarse una serie de pasos racionales para
lograr una buena decisión, los cuales pueden ser los si- Existen varias clasificaciones de los modelos de acuer-
guientes: do con sus funciones, propósitos, temas o tipo de infor-
mación que utilizan. Algunos de los más usuales son los si-
1. Establecer los objetivos de la decisión. Definir los guientes:
objetivos que se pretende alcanzar con la decisión,
de esta etapa quedará en claro la importancia de to- Modelos probabilísticos y determinísticos. Los primeros
mar una decisión. se basan en información probabilística sobre los dátos que se
2. Clasificar los objetivos. Jerarquizar los objetivos de manejan. Los segundos serán los que emplean información
acuerdo con su importancia respecto de la decisión, que se conoce exactamente, o bien que puede obtenerse
para lo cual es muy importante establecer las pre- con buen grado de precisión. A los modelos probabilísticos
ferencias personales del tomador de la decisión. también suele conocérseles como estocásticos.
3. Desarrollar opciones de decisión. Esto será listar to- Modelos estáticos y dinámicos. Los primeros se ocupan de
das las posibles opciones de decisión que puedan una situación que tiene condiciones que no cambian respec-
tomarse. to del tiempo, es decir, son constantes. Los dinámicos, en
4. Evaluar las opciones. Aquí cada opción deberá so- cambio, son aquellos en los cuales sí existen variaciones
pesarse respecto de los objetivos para ver con cuá- en las condiciones con el tiempo y que son los que con ma-
les de ellos y en qué medida los cumple. Al final de yor frecuencia se presentan en las situaciones de la vida real.
esta etapa deberá elegirse la mejor opción de todas. Modelos descriptivos y normativos. Los descriptivos son
5. Implantar la opción elegida. Es decir, ejecutar las los modelos que no indican acción alguna que hay que rea-
acciones que involucren la opción seleccionada en lizar, sólo presentan una relación que expresa lo que su-
el paso anterior. cede en el mundo real. Los normativos, por el contrario, sí
14
señalan un curso de acción que hay que seguir. A estos últi- BIBLIOGRAFÍA
mos también suele denominárseles modelos de optimiza-
ción (Davis y McKeown, 1986). Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
nistración, Grupo Editorial Iberoamérica, 1986.
Sistema. Es una parte del universo que se toma aparte Heskett, James, Earl Sasser y Christopher Hart, Cambios creati-
para su estudio, se encuentra unida con el exterior o con vos en los servidos, Ediciones Díaz de Santos, 1993.
otros sistemas por medio de flujos de materiales y límites, Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
como se muestra en la figura 1.1. operaciones, 5a. ed., McGraw-Hill, 1991.
Izar Landeta, J. M. y J. H. González Ortiz, Las 7 herramientas bá-
sicas de la calidad, Universitaria Potosina, 2004.
Kepner, Ch. H. y B. B. Tregoe, El directivo racional, McGraw-Hill,
1976.
Sistema Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
Flujo de Flujo de vestigación de operaciones, Limusa, 1990.
entrada salida Vaughn, R. A., Introducción a la ingeniería industrial, Reverté,
Figura 1.1. Representación de un sistema. 1971.
loomona>ei(m
IoNtegrind~ peoUeYindzo
El que es capaz de dominarse hasta sonreír en la Función objetivo. Es una variable, normalmente simbo-
mayor de sus dificultades, es el que ha llegado lizada por la letra Z, la cual representa aquello que se de-
a poseer la sabiduría de la vida. sea optimizar; por ejemplo, un costo que se pretende mini-
mizar, o bien una utilidad o ingreso que se busca maximizar.
ROBERT BABEN POWELL
Variables del problema. Son aquellas variables que
no se conocen y que al momento de resolver el problema,
deberán quedar definidas de tal manera que logren la opti-
INTRODUCCIÓN mización de la función objetivo. A estas variables también
La programación lineal es una parte de la programa- se les conoce como variables de decisión.
ción matemática que, como su nombre lo indica, maneja Coeficientes de la función objetivo. Son cantidades
ecuaciones lineales, es decir, aquéllas donde todas las va- constantes que aparecen en la ecuación de la función obje-
riables que intervienen en ellas tienen como exponente la tivo multiplicando a las variables del problema.
unidad en todos sus términos. Existe también la programa- Restricciones. Son las limitaciones físicas o condicio-
ción no lineal, pero su estudio rebasa el alcance de la pre- nes que debe cumplir el problema, por ejemplo, cantidad
sente obra. disponible de recursos, que pueden ser materiales, tiem-
En este capítulo se presenta la manera de plantear un po, mano de obra, etc. También suele llamárseles restric-
problema dado, expresándolo en forma matemática, lo cual ciones funcionales.
consiste en convertir la información relativa al problema en Restricciones no explicitas. Son aquellas condicio-
una serie de ecuaciones matemáticas, las cuales expresan nes ocultas en el problema que no aparecen en la informa-
dicha información. La forma de hacerlo es apegándose a la ción disponible, pero deben ser tomadas en cuenta tanto
metodología que se explica más adelante y con la resolución en el planteamiento como en la resolución del Mismo. Los
de algunos ejemplos, lo que resulta muy ilustrativo. ejemplos más frecuentes de este tipo de restricciones son
La mayoría de veces lo más difícil es reconocer cuándo la no negatividad de las variables del problema o el que és-
puede aplicarse la programación lineal, para realizar la fcirmu- tas deban ser números enteros.
lación matemática respectiva (Gallagher y Watson, 1992).
Es importante señalar que en este capítulo no se pro-
cederá a la resolución de dichas ecuaciones, sólo a su plan- METODOLOGÍA
teamiento.
Para plantear un problema pueden aplicarse los siguien-
tes pasos (Bronson, 1992):
DEFINICIONES
1. Definir las variables del problema. Consiste en iden-
Para facilitar la comprensión de la terminología usada, tificar las variables, representarlas con letras y defi-
a continuación se enuncian algunas definiciones útiles: nir sus unidades.
15
16 CAP. 2. PROGRAMACIÓN LINEAL. PLANTEAMIENTO DE PROBLEMAS
2. Definir la función objetivo. Identificar aquella va- que será el costo de 1 kg de alimento, el cual deberá minimizar-
riable que debe ser optimizada, que se representará se y cuya ecuación en función de las variables X1, X2, X3 será:
como Z, y expresar su ecuación matemática en fun-
ción de las variables del problema y sus coeficien- Min Z= 2.35X1 + 2.00X2 + 1.70X3
tes. Además, deberá establecerse si la optimización
Aquí los coeficientes de las variables son los costos unitarios
es una maximización o una minimización. de cada materia prima.
3. Definir las restricciones. Esto significa establecer Al continuar con la metodología y de acuerdo con el paso
una ecuación para cada restricción en función de las 3, hay limitaciones en cuanto al contenido de azúcares, grasas y
variables del problema. Es frecuente que las ecua- proteínas, por lo que habrá una restricción por cada limitante, és-
ciones de las restricciones sean desigualdades del tas serán:
tipo mayor o igual que y/o menor o igual que (5_).
Es conveniente señalar que no todas las variables Contenido de azúcares: 12X1 + 10X2 + 8X3 10.0
del problema pueden aparecer en cada restricción, Contenido de grasas: 10X1 + 10X2 + 6X3 5_ 9.5
esto dependerá del tipo particular de problema del Contenido de proteínas: 60X 1 + 50X2 + 44X3 .?._ 52.0
que se trate.
4. Definir las restricciones no explícitas. Consiste en Además habrá una condición adicional, en cuanto a la su-
identificar y expresar dichas restricciones en el plan- matoria de las tres variables X1, X2 y X3, que debe ser la unidad,
teamiento del problema. es decir:
X1 + X2 ± X3 = 1
En esta metodología deberá ponerse especial atención
a las unidades en las ecuaciones que se plantean, las cuales Finalmente, al ir al paso 4 la única restricción no explícita
deben ser las mismas, esto significa que si en el lado iz- será que las variables X1, X2 y X3 deberán ser no negativas, pues no
quierdo de una restricción se manejan, por ejemplo, unida- tendría ningún sentido físico hablar de alguna Xnegativa, esto es:
des de litros, en el lado derecho de la restricción las unidades
deben ser también litros. X1 , X2 y X3, no negativas
A continuación se presentan varios ejemplos resueltos.
Al agrupar las ecuaciones, queda planteado el problema, el
cual es:
Ejemplo 2.1. Un expendio naturista prepara sus alimentos
y los vende al público basándose en tres materias primas, cuyos Min Z= 2.35X1 + 2.00X2 + 1.70X3
contenidos se presentan enseguida:
Sujeta a las restricciones:
Materia Costo Azúcares Grasas Proteínas Inertes 12X1 + 10X2 + 8X3 >_10.0
prima $/kg % 10X1 + 10X2 + 6X3 <_9.5
A 2.35 12 10 60 18 60X1 + 50X2 + 44X3 k. 52.0
B 2.00 10 10 50 30 X1 + X2+ X3 = 1
C 1.70 8 6 44 42 Con X1, X2, X3 no negativas.
X1 = Fracción de kilogramo de la materia prima A. X1 = Cantidad que se va a producir del primer tipo de botas,
número de pares.
X2 = Fracción de kilogramo de la materia prima B.
X2 = Cantidad que se va a producir del segundo tipo de bo-
X3 = Fracción de kilogramo de la materia prima C. tas, número de pares.
Con esto queda satisfecho el paso 1. Lo siguiente es definir la función objetivo Z, que en este caso
Prosiguiendo con el paso 2, se define la función objetivo Z es el ingreso por la venta de los dos tipos de botas, el que debe ser
METODOLOGÍA 17
maximizado y cuya ecuación en función de las variables vendrá A3 que se van a mezclar para preparar 1 kg del producto, es decir:
dada por:
X1 = Cantidad de la materia prima Al.
Max Z= 800X1 + 725X2 X2 = Cantidad de la materia prima A2.
Donde los coeficientes de las variables son los precios de ven- X3 = Cantidad de la materia prima A3.
ta de cada tipo de botas.
Ahora se procede a definir las restricciones, que son dos en Ahora se define la función objetivo Z, la cual será el costo de
este caso, una para la cantidad de piel y otra para el tiempo dispo- 1 kg del producto, que deberá minimizarse, entonces:
nible, entonces se tendrá:
Min Z= 45X1 + 37X2 + 30X3
Unidades de piel: 6X1 + 5X2 < 45
Tiempo disponible, horas: 2X1 + 2.5X2 20 Siendo los costos unitarios de las materias primas los coefi-
cientes de las variables.
Aquí ambas restricciones son del tipo menor o igual que El siguiente paso es definir las restricciones, de las cuales se
ya que tanto las unidades de piel como el tiempo disponible en tendrá una para el contenido mínimo de vitaminas, otra para el de
horas tienen un máximo posible de 45 unidades y 20 horas, res- minerales y otra para el de proteínas, además de que la suma de las
pectivamente. variables debe ser la unidad (1 kg), entonces se tendrá:
Por último, se definen las restricciones no explícitas, que son:
Contenido de vitaminas: 12X1 + 10X2 + 8X3 >_11
X1, X2, enteras y no negativas
Contenido de minerales: 30X1 + 30X2 + 25X3 28
En este caso las variables deben ser enteras, ya que no ten- Contenido de proteínas: 18X1 + 15X2 + 15X3 17
dría sentido hablar de una fracción de un par de botas, por decir Sumatoria de las variables: XI+ X2+ X3=1
0.33 pares de botas. La no negatividad de las variables es también
obvia, dado que tampoco habría sentido al hablar de un número Finalmente las restricciones no explícitas, que en este caso
negativo de pares de botas. sólo es la no negatividad de las variables. Entonces el plantea-
Por tanto, el planteamiento completo del problema queda de miento completo del problema es:
la siguiente manera:
Min Z= 45X1 + 37X2 + 30X3
Max Z= 800X1 + 725X2
Sujetalsricon: Sujetalsricon:
Ejemplo 2.3. La empresa Agropec está buscando producir Siendo X1, X2, X3 no negativas.
un alimento para ganado a un costo mínimo. Para esto cuenta con
tres productos como materias primas los cuales tienen las siguien-
tes características: Ejemplo 2.4. Una fábrica de jabones está buscando un pro-
grama de producción que maximice sus ingresos.
Tiene la opción de elaborar tres diferentes tipos de jabones,
que requieren horas-máquina, ácido graso y sosa cáustica en las
Materia Costo Vitaminas Minerales Proteínas siguientes cantidades:
prima $/kg
Al 45.0 12 30 18
Tipo de Precio Horas- Ácido graso Sosa cáustica
A2 37.0 10 30 15 jabón $/u máquina g g
A3 30.0 8 25 15 1 51.80 18 418 32
2 43.70 14 350 24
¿Cómo deben mezclarse estas tres materias primas para pre- 3 32.90 10 310 20
parar 1 kg del producto, si éste deberá contener por lo menos 11 %
de vitaminas, 28 % de minerales y 17 % de proteínas?
Si la fábrica dispone de 5000 horas-máquina, 120 kg de ácido
Solución: primero se definen las variables del problema, que graso y 10 kg de sosa cáustica, ¿cuántos jabones deberá producir
son para este caso las cantidades de las materias primas A1, A2 y de cada tipo?
18 CAP. 2. PROGRAMACIÓN LINEAL. PLANTEAMIENTO DE PROBLEMAS
Solución: en este caso las variables serán las unidades de cada Las restricciones serán una para el peso total cargado al ca-
tipo de jabón que van a ser producidas, o sea: mión, es decir:
X1 = Unidades que se van a producir del primer tipo de ja- 2500X1 + 1 8 00X2 + 2 1 0 0X3 + 1 8 50X4 + 1650X5 + 2 1 00 X6 10 000
bón.
X2 = Unidades que se van a producir del segundo tipo de La cual es del tipo menor o igual que (5.), dado que el camión
jabón. no puede ser sobrecargado por arriba de su capacidad.
X3 = Unidades que se van a producir del tercer tipo de jabón. Además, cada variable podrá tener un par de valores posi-
bles: ser cero o la unidad, ya sea que se transporte de ese tipo de
Por su parte la función objetivo Z será el ingreso, que viene material o no, dada la situación de llevar todo o nada de cada ma-
dado por: terial. Esto se introduce en las ecuaciones de las restricciones de
la forma siguiente:
Max Z= 51.8X1 + 43.7X2 + 32.9X3
X1 .5.1
Siendo los precios unitarios los coeficientes de las variables. X2<_1
Las restricciones serán las disponibilidades de horas-máqui-
X3<_1
na, ácido graso y sosa cáustica, es decir:
X4
Horas-máquina: 18X1 + 14X2 + 10X3 5000 X5<_1
Ácido graso, g: 418X1 + 350X2 + 310X3 120 000 X6<_1
Sosa cáustica, g: 32X1 + 24X2 + 20X3 10 000
Con X1, X2, X3, X4, X5, X6 enteras y no negativas.
Siendo X1, X2, X3 enteras y no negativas. Con esto los únicos valores posibles de cada variable que
cumplen con dichas restricciones son cero y la unidad.
Ejemplo 2.5. El dueño de un camión de 10 ton de capacidad En cuanto a las restricciones no explícitas, éstas implican
de carga se ha planteado la pregunta de cómo cargar el camión, de la no negatividad de las variables y que éstas deberán ser cero
tal forma que se obtenga el máximo ingreso. Enseguida se pre- ola unidad.
sentan las diferentes cargas posibles y el ingreso por concepto de De esta manera el planteamiento completo del problema
flete que generarían: queda de la siguiente forma:
Max Z= 450X1 + 370X2 + 280X3 + 320X4 + 410X5 + 500X6
Peso Ingreso
Material kg Sujetalsricon:
Naranjas 2500 450
2500X1 + 1800X2 + 2100X3 + 1850X4 + 1650X5 + 2100X6 10 000
Pepinos 1800 370
Melones 2100 280 X1 5 1
X2<_1
Sandías 1850 320
X3<_1
Nueces 1650 410
X4
Zanahorias 2100 500
X5
X6 5 1
¿Cuál seria la manera de cargar el camión? Cabe aclarar que
no puede llevarse algún material en fracciones, es decir, se acarrea Con las variables X1 , X2, X3, X4, X5, X6 enteras y no nega-
todo el material o no se acarrea nada del mismo. tivas.
Solución: aquí las variables del problema serán una por cada Ejemplo 2.6. La compañía Materiales de Rioverde se dedica
tipo de material, siendo las probabilidades de acarrear ese tipo de al acarreo de arenas y gravas para la construcción y cuenta con
material: cinco bancos de material diferentes, cuyos costos por acarreo y ca-
racterísticas granulométricas de los materiales son los siguientes:
X1 = Variable de probabilidad de acarrear naranjas.
X2 = Variable de probabilidad de acarrear pepinos.
X3 = Variable de probabilidad de acarrear melones. Cantidad Costo acarreo Material Material Finos
Banco disponible, ton $/ton 1/2 ", % ", % %
X4 = Variable de probabilidad de acarrear sandías.
X5 = Variable de probabilidad de acarrear nueces. 1 1500 220 40.2 40.8 19.0
X6 = Variable de probabilidad de acarrear zanahorias. 2 2300 155 32.8 33.7 33.5
3200 175 30.0 35.0 35.0
La función objetivo Z que debe maximizarse será el ingreso
total por el flete y viene dado por: 4500 130 42.0 28.0 30.0
5 5200 150 50.0 20.1 29.9
Max Z= 450Xi +370X2 + 280X3 + 320X4 + 410X5 + 500X6
METODOLOGÍA 19
Si la compañía ha recibido un pedido de material por una se presentan a continuación, ¿qué cantidad de cada bebida de fru-
cantidad de 6500 ton, que contengan como mínimo 34 % de ma- ta deberá emplear el proveedor con el fin de obtener la composi-
terial de 1/2", 30 % de % " y como máximo 30 % de finos, ¿cuánto ción requerida a un costo total mínimo?
deberá acarrear de cada banco para satisfacer al cliente a un costo
total mínimo por el acarreo?
Jugo de Jugo de Jugo de Existencia Costo
Solución: lo primero es definir las variables, las cuales serán Bebida naranja, % toronja, % arándano, % 1 gal $/gal
las cantidades en toneladas que se van a acarrear de cada banco A 40 50 10 200 15.0
por parte de la empresa, siendo las siguientes:
B 30 30 40 400 10.5
X1 = Cantidad de material acarreado del banco 1. C 100 0 0 100 20.0
X2 = Cantidad de material acarreado del banco 2.
D 0 100 0 50 17.5
X3 = Cantidad de material acarreado del banco 3.
50 50 800 22.5
X4 = Cantidad de material acarreado del banco 4.
X5 = Cantidad de material acarreado del banco 5.
Solución: lo primero será definir las variables, que en este
Por su parte la función objetivo será en este caso el costo to- caso son las cantidades de cada bebida que se van a utilizar para
tal del acarreo, el cual se busca minimizar y estará dado por la si- preparar la mezcla, es decir:
guiente ecuación:
X1 = Cantidad en galones de la bebida A.
Min Z= 220X1 + 155X2 + 175X3 + 130X4 + 150X5 X2 = Cantidad en galones de la bebida B.
X3 = Cantidad en galones de la bebida C.
En cuanto a las restricciones, habrá una sobre la cantidad to- X4 = Cantidad en galones de la bebida D.
tal de material que se va a acarrear, es decir 6500 ton, la cual se
expresa matemáticamente del modo siguiente: X5 = Cantidad en galones de la bebida E.
X1 + X2 + X3 + X4 + X5 = 6500
Enseguida se plantea la ecuación de la función objetivo, que
es el costo total de la mezcla preparada, que deberá ser el míni-
mo, esto da la ecuación siguiente:
Habrá tres restricciones acerca del tamaño del material, las
cuales son: Min Z=15X1 + 10.5X2 + 20X3 + 17.5X4 + 22.5X5
Material de 1/2": 0.402X1 + 0.328X2 + 0.30X3 + 0.42)(4 Luego vienen las restricciones, donde la primera será acerca
+ 0.50X5 0.34 (6500) de la cantidad total de mezcla que se va a preparar, que debe ser
Material de Vi ": 0.408X1 + 0.337X2 + 0.35X3 + 0.28X4 500 gal:
+ 0.201X5 0.30 (6500)
+ X2 + X3 + X4 + X5 = 500
Finos: 0.19X1 + 0.335X2 + 0.35X3 + 0.30X4
+ 0.299X5 5 0.30 (6500) Habrá también restricciones en cuanto a los contenidos de la
mezcla de jugo de naranja, toronja y arándano, las cuales son:
En estas restricciones se ha multiplicado el porcentaje del
total del material por la cantidad total de toneladas que se van a Jugo de naranja: 0.40X1 + 0.30X2 + X3 ÷ 0.50X5 0.30 (500)
acarrear, para que cada miembro de la desigualdad tenga las mis- Jugo de toronja: 0.50X1 + 0.30X2 + X4 0.25 (500)
mas unidades, en este caso toneladas.
Además habrá una restricción adicional sobre la cantidad de Jugo de arándano: 0.10X1 + 0.40X2 + 0.50X5 0.15 (500)
material disponible en cada banco, así, para el caso del banco 1, la
cantidad acarreada no podrá ser mayor que la disponibilidad de Al igual que en el ejemplo anterior, habrá también restriccio-
material, es decir, 1500 ton. Si se agregan estas restricciones, se nes sobre las cantidades disponibles de bebidas, las cuales son:
obtiene lo siguiente: Bebida A: X1 5 200 Bebida D: X4 50
Banco 1: X 1 5 1500 Banco 4: X4 4500 Bebida B: X2 5 400 Bebida E: X5 800
Banco 2: X2 5 2300 Banco 5: X5 5200 Bebida C: X3 5 100
Banco 3: X35_3200 Siendo todas las variables no negativas.
Siendo todas las variables no negativas. Ejemplo 2.8. Una compañía que fabrica productos del área
metalmecánica tiene algo de capacidad ociosa para producir tres
Ejemplo 2.7. Un proveedor debe preparar con cinco bebidas tipos de artículos, de los cuales se presenta la información conta-
de frutas en existencia, 500 galones de un ponche que contenga ble sobre sus costos variables y precios, así como los requerimien-
por lo menos 30 % de jugo de naranja, 25 % de jugo de toronja y tos de recursos para cada uno. Esta información se sintetiza en la
15 % de jugo de arándano. Si los datos del inventario son los que tabla siguiente:
20
Banco Costo de
de acarreo Disponibilidad Material Finos ¿Cómo haría un programa de envíos de costo mínimo? Plan-
grava $/ton ton %", % % tear el problema de programación lineal.
G1 250 6500 55 8
G2 175 5800 52 11 BIBLIOGRAFÍA
G3 150 5000 50 12
1 Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
G4 100 10000 40 13 Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
toma de decisiones, McGraw-Hill, 1992.
¿Cuánto debe acarrear de cada banco para cumplir con el
pedido a un costo mínimo? Plantear el problema de progra-
mación lineal.
?blooegwowdóN
((todo oeÁldeo
Cuando no encontramos satisfacción 1. Plantear el problema. Esto es, convertir los datos e
en nosotros mismos, es inútil buscarla información que se tiene del problema en un sistema de
en otra parte. ecuaciones debidamente planteadas como programación
lineal. Este paso ya no se desarrolla aquí, puesto que se tra-
L. A. ROCHEFOUCAULD tó en el capítulo anterior.
2. Representar una variable del problema en cada eje
cartesiano, procediendo luego a graficar las ecuaciones de
INTRODUCCIÓN las restricciones en el plano formado. Cada intersección
de un par de restricciones formará un vértice de la zona de
El método gráfico es la forma más simple para resol- solución, siendo el primero de éstos el origen, ya que es el
ver los problemas de programación lineal; consiste en gra- punto de intersección de las restricciones de no negatividad.
ficar las ecuaciones correspondientes a las restricciones en Entonces habrá tantos vértices como intersecciones po-
coordenadas cartesianas, siendo cada variable representada sibles haya entre un par dado de restricciones, ya sean éstas
en uno de los ejes, de forma que quede perfectamente deli- funcionales o de no negatividad. Con esto se delimita la zona
mitada la zona factible de solución, procediéndose enton- factible de solución de acuerdo con el tipo de restricciones
ces a tratar de localizar en ella el punto que optimice la fun- del problema, es decir, si las restricciones son del tipo mayor
ción objetivo. o igual que, la zona factible de solución se ubicará hacia la
En este método, como cada variable se representa en parte superior del primer cuadrante de la gráfica, y por el
un eje, sólo podrán manejarse problemas que tengan como contrario, si las restricciones son del tipo menor o 'igual que,
máximo tres variables, ya que no es posible graficar más de la zona factible será la que quede por debajo de las líneas rec-
tres dimensiones. tas correspondientes a las restricciones, pero siempre por en-
En este texto en particular se presentan sólo casos de cima del origen. Finalmente, cualquier restricción de igual-
dos variables, pues son los ejemplos que con frecuencia se dad implicará que la zona factible deberá quedar en la línea
manejan en el método gráfico para ser representados en un correspondiente a dicha restricción.
plano, ya que aun cuando son más sencillos, ilustran de una 3.Trazar ecuaciones de la función objetivo, dándole di-
manera didáctica y conveniente el procedimiento de solu- ferentes valores a Z, viendo cuáles de ellas tocan alguna par-
ción de los problemas (Davis y McKeown, 1986). te de la zona factible de solución.
Debe señalarse que este paso puede omitirse, pues el
objetivo es hallar el punto que corresponde a la solución del
METODOLOGÍA problema, el cual será aquel que optimice la Z, lo cual se
explica en el paso siguiente.
Un procedimiento dividido en pasos del presente mé- 4. Hallar la solución del problema, es decir, aquella
todo puede ser el siguiente (Thierauf y Grosse, 1990): recta de las trazadas en el paso anterior que optimice la
23
24
función objetivo. Aquí es pertinente comentar que pueden 8 p,
existir varias soluciones óptimas de un problema, que es el 20
caso cuando una de las rectas correspondientes a las res- — Ecuación 1
tricciones es paralela a la recta de la función objetivo; en 16
caso contrario, existirá una solución óptima única, que será Zona 1
aquella que maximice o minimice la Z, según sea el caso. PQ
Este paso también puede llevarse a cabo hallando el 12
valor de Z de cada uno de los vértices de la región factible
de solución, dado que la solución de programación lineal
siempre se ubica en uno de los vértices de la zona factible Zona 3
Ecuación 2
de solución, buscando entonces aquel vértice que tenga la
Z máxima o mínima, según el caso que se va a resolver. Zona 2
Para ilustrar el procedimiento antes señalado, se pre-
sentan varios ejemplos resueltos. 2
4 8 12 16 20
Ejemplo 3.1. Resolver por el método gráfico el problema:
Figura 3.1. Gráfica del ejemplo 3.1.
Max Z= 0.5A + 0.4B
Sujeta a las siguientes restricciones: En la figura 3.1 han sido señaladas tres zonas, numeradas del
1 al 3, sobre las cuales puede comentarse lo siguiente: la zona 1
queda debajo de la recta correspondiente a la ecuación 1 y arriba
2A + 20 de la recta de la ecuación 2, esto significa que como las restriccio-
A+13 16 nes son del tipo menor o igual que O, la zona cumple con la prime-
ra restricción y no cumple con la segunda, por tanto no es región
Siendo A, B no negativas. factible de la solución, pues para lograr esto debe cumplir ambas.
La zona 2 queda por debajo de la recta de la ecuación 2 y arri-
Solución: aquí se inicia la metodología a partir del paso 2, ya ba de la recta de la ecuación 1, por lo que cumple con la segunda
que el 1 se ha efectuado, entonces se representará A en el eje de restricción, pero no con la primera, por lo que tampoco es región
las abscisas y B en el de las ordenadas. factible de solución.
Luego se grafican las ecuaciones de las restricciones toman- Por su parte, la zona 3 queda debajo de las rectas de las ecua-
do las desigualdades como igualdades, es decir: ciones 1 y 2, cumpliendo por tanto con ambas restricciones, sien-
do la región factible para la solución, por lo cual se representa en
2A+B= 20 (1) la figura con líneas diagonales punteadas, quedando comprendi-
A+B= 16 (2) da entre los puntos 0- Q1 -PQ-P2.
En este caso hay cuatro vértices del problema, que son los
puntos O, Q1 , PQ y P2.
Si se observa el tipo de ecuaciones de cada restricción, se
trata de líneas rectas, las que podrán trazarse con localizar sólo Ahora se sigue al paso 3, trazando algunas rectas de la fun-
dos puntos. ción objetivo, dándole diferentes valores a Z. En este caso par-
Para la ecuación 1: ticular se toman dos rectas, primero la que pasa por el punto Q 1 ,
donde A = 0, B= 16, por tanto Z será igual a 0.5 x A + 0.4 x B= 0.5
x O + 0.4 x 16 =6.4.
2A + B=20 Para graficar esta línea recta se necesitan dos puntos, uno es
SiA=0,B=20 el Q1 , de donde se ha tomado el valor de 6.4, el otro puede ser
SiB=0,A=10 cuando B= 0, entonces:
2A+B= 20 (1)
A+B= 16 (2)
2A—A+B—B=20 —16
A=4
4+B=16
de donde:
B=16-4=12
0 4 8 12 16 20 A
Por tanto, las coordenadas del punto PQ son (A = 4, B = 12 ),
Figura 3.2. Gráfica de las dos rectas de la función por su parte, para Z, se tendrá lo siguiente:
objetivo, Z = 6.4 y Z = 5.
Z= 0.5A + 0.4B
= 0.5(4) + 0.4(12)
Como puede observarse en la figura 3.2, la línea Z= 5 queda = 2 + 4.8 =6.8
toda dentro de la zona de solución, mientras que la recta Z= 6.4
tiene algunos puntos dentro de dicha zona, pero otros fuera de Finalmente el punto P2 (A = 10, B= 0)
la misma. Entonces:
Una observación importante es que ambas rectas son parale-
las, lo cual es lógico, pues los coeficientes 0.5 y 0.4 que multiplican Z= 0.5A + 0.4B
a las variables A y B, respectivamente, son constantes, sólo varía
el valor de Z, al ser estos coeficientes constantes, la pendiente de = 0.5(10) + 0.4(0)
la recta también será constante, por lo que al tener la misma pen- =5
diente, las líneas serán paralelas.
Finalmente se pasa al cuarto paso, el cual consiste en hallar De aquí se observa que la solución del problema es el punto
aquella recta paralela a las dos de la figura 3.2 que quede dentro de intersección de las rectas de las restricciones, PQ, donde
de la zona de la solución y maximice a Z.
De la figura 3.2 puede verse que la línea de Z= 6.4 es mejor A=4
en este sentido que la de Z= 5, pero aún podrían trazarse rectas B= 12
paralelas que logren quedar dentro de la zona de solución. De
acuerdo con la metodología señalada para el paso 4, una manera Con Z=6.8
simple de verificar esto es obtener la Z de los cuatro vértices que
forman la zona de solución. Lo cual se efectúa enseguida: Ejemplo 3.2. Resolver el problema:
Solución: se inicia la resolución del problema a partir del Por último, la zona 3 no cumple con ninguna de las dos res-
paso 2 representando A en el eje de las abscisas y B en el de las tricciones, pues queda por debajo de las dos líneas correspondien-
ordenadas. tes a sus ecuaciones.
Enseguida se grafican las ecuaciones de las restricciones to- Por tanto, la zona factible de solución será aquélla del primer
mando las desigualdades como igualdades, entonces: cuadrante (puesto que A y B deben ser no negativas), que quede
por encima de ambas lineas de las ecuaciones de las restricciones,
A+ 2B= 12 (1) es decir, la línea formada por los puntos P2-PQ-Q1 de la figura 3.3.
2A+ B= 10 (2) En este caso se omite el paso 3 y se pasa directamente al 4,
en el cual el punto de solución será aquel que minimice Z de la
región factible, este punto debe estar localizado en alguno de los
Para poder trazar estas dos rectas se necesitan dos puntos vértices de dicha zona. En este caso se tienen tres vértices, que
conocidos en cada una de ellas, para la primera de ellas se tendrá: son los puntos Ql , PQ y P2.
Para el punto Qi (A = 0, B= 10), se tiene:
A+2B=12
Z= 10A + 9B
Si A = O, B = 12/2 = 6, punto Pi (A = O, B = 6) = 10(0) + 9(10) = 90
Si B = O, A= 12, punto P2 (A= 12, B= O)
Por su parte, para el punto P2 (A = 12, B= 0), será:
Por su parte, para la segunda ecuación se tiene:
Z= 10A + 9B
2A + B= 10 = 10(12) + 9(0) = 120
Si A=0, B = 10, punto 01 (A = O, B= 10) Para el punto PQ, que es la intersección de las rectas corres-
SiB= O, A = 10/2 =5, punto 02(A =5, B= 0) pondientes a las restricciones, se debe en primer término encon-
trar su localización, para esto se resuelve el sistema de ecuaciones
Estas rectas se muestran gráficamente en la figura 3.3, cuyo simultáneas:
espacio se ha dividido en tres zonas, de las que puede comentar-
se lo siguiente: A+2B= 12 (1)
2A+ B = 10 (2)
8/3 + 2B= 12
2B= 12 — 8/3 =36/3 — 8/3 = 28/3
B= 28/3/2 = 28/6 = 14/3
Solución: al igual que en los ejemplos anteriores, se inicia con Ahora, de acuerdo con el paso 4, que señala que la solución
el segundo paso, colocando A en el eje de las abscisas y B en el de se localiza en un vértice de la zona factible, esto significa que aqué-
las ordenadas. lla estará situada en cualquiera de los dos puntos extremo Q 1 o PQ.
Asimismo se grafican las restricciones en el plano cartesiano, Esto puede conocerse calculando la Z de cada uno de estos
la segunda con el signo de igualdad, es decir: puntos:
Qi (A= 0,B= 1)y Q2 (A= 1,B=0) Para el punto PQ, no se conoce su localización; por tanto, ésta
se obtiene al resolver simultáneamente el sistema de ecuaciones
Mientras que para la segunda se tendrá: formado por las dos restricciones:
A+B=1 (1)
Si A = O, 0.3B= 0.36
0.4A + 0.3B= 0.6 (2)
B = 0.36/30 = 1.2
Aquí se puede despejar una variable de la ecuación 1, por
Y si B = 0, 0.4A = 0.36, por lo cual A resulta ser: decir A, y sustituir esta expresión en la ecuación 2, con lo cual de
la ecuación 1 se tendrá:
A = 0.36/0.40 = 0.9
A=1-B (1)
Siendo los puntos Pi (A = 0, B= 1.2) y P2 (A = 0.9, B= 0).
Una representación gráfica de estas ecuaciones se muestra Al sustituir en la ecuación 2:
en la figura 3.4, donde se presentan las rectas correspondientes a
las restricciones, los puntos base a partir de los cuales se han dibu- 0.4A + 0.3B= 0.36 (2)
jado y el punto PQ que es la intersección de las líneas. 0.4(1 - +0.3B = 0.36
1.0
Al agrupar términos:
Ecuación 2
0.8
-0.4B + 0.3B = 0.36 - 0.40
-0.1B= -0.04
0.6
Finalmente se despeja B, para obtener:
0.4
- Ecuación 1 B= -0 .04/(-0 .1) = 0.4
0.2
Y como de la ecuación 1, A = 1 - B, entonces se tendrá:
Q2
Z= 2A + 1.5B
= 2(0.6) + 1.5(0.4) 1.6
= 1.2 + 0.6 = 1.8
A = 0.6
B= 0.4 0.8
Ecuación 3
Con Z= 1.8
0.4
Ejemplo 3.4. Maximizar la función objetivo: Ecuación 2
Z=7X+9Y X+2Y5.20
2X+ 24
Sujeta a las restricciones:
Con X, Yno negativas.
2X+ 3 36 3.7. Maximizar:
X+ 14
Z= 40C+ 38D
Siendo Xy Yno negativas.
Sujeta a las restricciones:
3.4. Maximizar:
C+D 30
Z=4X+6Y
15
Sujeta a las restricciones: /918
30
METODOLOGÍA SÍMPLEX 31
2. Si existen soluciones múltiples, éstas se situarán en Por su parte, las restricciones del tipo mayor o igual que ()
vértices adyacentes a la región factible de solución. restan una variable de holgura, dado que al lado izquierdo le so-
3. Habrá siempre un número finito de soluciones fac- bra algo para igualarse al lado derecho y agregan una variable ar-
tibles en los vértices. tificial, pues la variable de holgura tiene coeficiente —1, siendo
necesario entonces incorporar una variable artificial con coeficien-
4. La solución óptima en un vértice será aquella que te +1 para que la parte identidad de la tabla símplex quede debi-
sea mejor que las soluciones de vértices adyacentes damente formada.
a aquél. Si se observa el ejemplo, se tienen tres restricciones, una de
cada tipo. La primera es del tipo menor o igual que O, de acuerdo
con la tabla 4.1 se agregará una variable de holgura con coeficiente
METODOLOGÍA SÍMPLEX +1 y no se agregan variables artificiales, pues sus coeficientes se-
rán cero, entonces dicha restricción quedará de la siguiente forma:
Ahora se presenta un ejemplo para ilustrar la metodo-
logía símplex, aplicada a un caso de maximización. 4X1 + 3X2 + = 3.6 (1)
b) Agregar el renglón objetivo arriba del renglón de variables, Para la columna que encabeza la variable X 1 , se tiene:
el cual incluirá los coeficientes de las variables en la función obje-
tivo, con esto se obtendrá: Sumatoria = O x 4 + (—M) x 1 + (—M) x2
= 0 —M— 2M= 0 — 3M
10 12 0 O -M -M Por tanto, el elemento índice será:
Xl X2 H2 F2
3.6 4 3 1 0 o o Elemento índice: 0 — 3M-10 = —10 — 3M
1 1 1 o o 1 0
2.4 2 3 —1 Para la columna de X2 será:
o
Sumatoria = O x 3 + (—M) x 1 + (—M) x3
A estos coeficientes de las variables en la función objetivo = O — M— 3M= 0 — 4M
también se les denomina contribuciones.
c) Buscar la primera solución (conocida también como solu-
Elemento índice = O — 4M-12 = —12 — 4M
ción básica inicial) en función de las variables, cuyos coeficientes Por su parte, para la columna de Hl :
son +1 en la parte identidad, con esto se tendrá lo siguiente:
Sumatoria = O x 1 + (—M) x O + (—M) x O
10 12 0 0 —M —M =0+0+0=0
X1 X2 Hl H2 F1 F2 Elemento índice = 0 — 0 = O
O H1 3.6 4 3 1 0 0 0 Para la columna de 1/2 :
—M F1 1 1 1 0 0 1 0
-M F2 2.4 2 3 0 —1 0 1 Sumatoria = 0 x + (-11/1, x O + (—M) (-1)
Columna Zona = 0 + O +M= O +M
objetivo de solución Elemento índice = O + M— O = O +M
Para la columna de F1 :
Como se puede observar de la tabla, se agregó a la zona de
solución en cada renglón aquella variable cuyo coeficiente es +1 Sumatoria = O x O + (—M) x 1 + (—M) x O
en la parte identidad. = O —M+ 0 = O—M
También en la columna objetivo se han incluido los coefi- Elemento índice = O — M— (—M) = O
cientes que tienen éstas en la función objetivo.
A las variables que forman la zona de solución se les llama Para la columna de F2:
variables básicas. De esta forma la primera solución será:
Sumatoria = 0 x O + (—M) x O + (—M) x 1
H1 = 3.6 = 0 + 0 —M=0 —M
F1 = 1 Elemento índice = 0 — M—(—M)= 0
F2 = 2.4
Z =0 La utilidad será el elemento índice correspondiente a la co-
lumna de constantes, el cual será:
Aquí Z es cero porque no aparece en la zona de solución, de Sumatoria = O x 3.6 + (—M) x 1 + (—M) x 2.4
igual forma H2, X1 y X2 son cero por esta misma razón. A estas va- = O — M— 2.4M = O — 3.4M
riables se les denomina no básicas.
d) Generar el renglón índice o renglón de la utilidad por me- Elemento índice = 0 — 3.4M— O = 0 — 3.4M
dio de la siguiente fórmula: (utilidad)
Como puede observarse, todos los números índice tienen en
Sumatoria de los este caso dos términos: uno numérico y uno en función de M.
productos de los Elemento
Número _ elementos de la correspondiente Para estos casos se descompone el renglón en dos partes, una con
índice — columna por el a la columna (4.1) la parte numérica y otra con los términos que contienen a M.
respectivo elemento en el renglón Con esto, la tabla símplex quedará de la siguiente manera:
_ de la columna objetivo objetivo
10 12 0 0 -M -M
Aquí es necesario señalar que esta fórmula es aplicable para X1 X2 Hl H2 F1 F2
problemas de maximización. Para casos de minimización los tér-
O Hl3.6 4 3 1 0 0 0
minos del lado derecho del igual cambian de signo, es decir, la su-
matoria irá con signo menos y el elemento del renglón objetivo con —M F1 1 1 1OO 1 0
signo más. -M F2 2.4 2 3 0 —1 0 1
Ahora se procede a calcular con la fórmula 4.1 los elementos Utilidad 0 —10 —12 0 0 O O Numérica
del renglón índice. —3.4 —3 —4 0 1 O O Parte M
METODOLOGÍA SÍMPLEX 33
El valor de —3.4 que corresponde a la parte M del renglón ín- Para el tercer renglón:
dice, puede omitirse.
Con esto ha quedado completa la primera tabla símplex, que Cociente = 2.4/3 = 0.8
muestra la primera aproximación de solución al problema.
Primera solución: De aquí el menor cociente ha sido el del tercer renglón, que
se enmarca en la tabla:
Variables básicas Variables no básicas
H1 = 3.6 H2 = O
-M
10 12 O O -M
F1 = 1 =
X2 H1 H2 F1 F2
F2 = 2 . 4 X2= 0
O H1 3.6 4 3 1 0 0 0
—M F1 1 1 1 O 0 1 0
Esta aproximación será el óptimo (solución del problema),
cuando no haya números negativos en el renglón índice conside- -M F2 2.4 2 3 O —1 0 1
rando sus dos partes (prueba de optimalidad). 0 —10 —12 O O O O
Como en este caso sí existen elementos negativos, significa que
—3 —4 O 1 0 0
esta aproximación deberá mejorar en las iteraciones subsecuentes.
En el método símplex, el número de variables básicas es igual
al número de restricciones funcionales (tres en este ejemplo); mien- c) Determinar el número clave o elemento pivote, que será
tras que el número de variables no básicas es el número de grados aquel elemento que pertenece a la vez al renglón y la columna cla-
de libertad que tiene el problema (también tres en este caso). ve. En este ejemplo, el número clave es el 3, que ha quedado en-
Paso 4. Mejorar la aproximación anterior mediante el siguie. n- cerrado, al pertenecer al renglón y a la columna clave.
te procedimiento: d) Hacer el número clave la unidad, lo que se consigue al di-
a) Determinar la columna clave o columna de trabajo. La vidir el renglón clave entre el número clave. Al llevar a cabo lo
cual será aquella que posea el número índice más negativo (en anterior, el renglón clave quedará de la siguiente manera:
caso de empate se selecciona al azar).
En los casos que la tabla símplex tenga dos partes del ren- 0.8 0.667 1 0 —0.333 0.333
glón índice, se considera en primer lugar la parte con términos en
My luego la numérica. e)Sustituir la variable y su contribución que encabeza el ren-
Con base en lo antes descrito, el número índice de la parte M glón clave (variable que sale), por la variable y su contribución
más negativo es el —4, por lo que la columna a la que pertenece que encabeza la columna clave (variable que entra).
(la que encabeza la variable X2), será la columna clave. Con este cambio el renglón clave quedará de la siguiente
manera:
0 H1 3.6 10 12 o O -M -M
-M F1 1 X2 H2 F1 F2 12 X2 0.8 0.667 1 0 — 0.333 0 0.333
-M F2 2.4 4 3 O O O
0 1 1 o O 1 0 Ahora la variable X2 se ha convertido en básica al entrar a la
2 3 o -1 0 1 zona de solución.
—10 —12 o o O O Aquí es necesario mencionar que la metodología símplex de
—3 —4 o 1 O O dos fases indica que es posible eliminar las variables artificiales
de la tabla símplex en cuanto dejen de ser básicas, como en este
caso la variable F2, que con la modificación del presente inciso
Esto se ha representado en la tabla enmarcando la columna ha salido de la zona de solución, por lo que puede eliminarse de la
clave. tabla la columna correspondiente a dicha variable.
b) Determinar el renglón clave. El renglón clave será aquel f) Hacer ceros los elementos restantes de la columna clave,
que tenga el menor cociente de los obtenidos al dividir el elemen- con excepción del número clave. Esto se logra mediante modifica-
to respectivo de la columna de constantes entre el elemento corres- ciones matriciales consistentes en sumarle o restarle a cada ren-
pondiente de la columna clave (en caso de empate también se glón un determinado número de veces el renglón clave, procedi-
selecciona al azar). Aquí no se incluye el renglón índice como can- miento conocido como reducción de Gauss (Izar Landeta, 1998).
didato a ser clave, sólo los renglones de las restricciones. Procediendo entonces con el primer renglón, si se observa la
Además, no se tomarán como denominadores aquellos ele- última tabla, al restar a este renglón el renglón clave multiplicado
mentos de la columna clave que sean menores o iguales que cero. por 3, se generará un cero en el elemento correspondiente a la co-
Por tanto, hay tres renglones que pueden ser clave. lumna clave, con esta modificación, se obtendrá lo siguiente:
Para el primer renglón, se tiene:
Cociente = 3.6/3 = 1.2 3.6 4 3 1 O O
_3 (0.8 0.667 1 0 —0.333 O 0.333)
Para el segundo renglón:
1.2 2
Cociente = 1/1 = 1.0
34 CAP. 4. PROGRAMACIÓN LINEAL. MÉTODO SÍMPLEX
Para el segundo renglón, si se le resta el renglón clave, dará Paso 5. Repetir el paso 4 hasta encontrar el óptimo, que se
un cero en el respectivo elemento de la columna clave, esto es: obtiene cuando ya no existan números negativos en ninguna de
las partes del renglón índice, o bien detener el procedimiento si el
problema es cíclico (caso de degeneración) o no tiene solución, lo
1 1 1 0 0 1 0 cual se comentará más adelante.
- (0.8 0.667 1 0 -0.333 0 0.333) Entonces se repite el paso 4, iniciando con el inciso a:
0.2 0.333 0 0 0.333 1 -0.333
a) Determinar la columna clave, que en este caso, si se obser-
va la parte Mdel renglón índice, se ve que hay un empate entre la
Ahora se pasa al renglón índice, primero en su parte numé- columna que encabeza Xl y la que encabeza H2, por ello debe ele-
rica, donde se observa que si a éste se le suma 12 veces el renglón girse al azar una de ellas. En este caso, se toma la primera, para
clave, dará un cero en el elemento correspondiente a la colum- que X1 entre a la zona de solución, con esto la tabla símplex que-
na clave, o sea: dará de la manera siguiente:
0 -10 -12 0 0 0 0 10 12 O O -M
+12 (0.8 0.667 1 0 -0.333 0 0.333) X1 X2 H1 H2
9.6 -2 0 0 -4 0 4 O H1 1.2 2 O 1 1
-M F1 0.2 0.333 O 0 0.333 1
12 X2 0.8 0.667 1 0 -0.333 0
Finalmente se va a la parte M del renglón índice, a la cual se 9.6 -2 O 0 -4 0 1
le suma el renglón clave multiplicado por 4, con esto se obtendrá: -0.333 O 0 -0.333 0
Al renglón índice se le suma el renglón clave multiplicado por 2: da fuera de la zona de solución y por tanto, es una solución no fac-
tible; esto puede señalarse desde la tabla símplex para esta aproxi-
mación, por el hecho de haber variables artificiales que son bási-
+2 10.8 O 0 0 —2 cas, en este caso F1 = 1 y F2 = 2.4.
(0.6 1 0 0 1) En la siguiente aproximación el símplex va al punto V2 (X1 = 0,
12 2 O O O X2 = 0.8), que tampoco es solución factible, lo que puede notarse en
la tabla símplex respectiva, por el hecho de que F1 = 0.2 y dicha va-
riable sigue siendo básica.
Con estos cambios la tabla símplex queda de la siguiente Para la siguiente iteración el símplex va al punto V3 (X1 = 0.6,
manera: X2 = 0.4), que ya está en la región factible de solución, lo que en
la tabla símplex se observa por el hecho de no haber ya variables
artificiales básicas.
10 12 0 0 En la última iteración el método llega al punto 1/4 (X1 = 0,
X1 X2 H1 H2 X2 = 1), que representa la solución óptima del problema.
0 Hi. 0.6 1 0 1 0
O •H2 0.6 1 0 0 1 Ejemplo 4.2. Caso de minimización. Resolver el problema:
12 ' X2 1 1 1 0 0
12 2 0 0 0 Min Z= 8X1 + 7X2 + 9X3
8 7 9 0 0 M M
8 7 9 O O M M
X1 X2 X3 H1 H2 Fl F2
X1 X2 X3 H1 H2 F1 F2
M F1 5 2 1 1 -1 0 1 0
M F1 5 2 1 1 -1 0 1 0
M F2 6 1 2 2 0 -1 0 1
M F2 6 1 2 2 0 - 1 0 1
d) Ahora debe generarse el renglón índice, para este caso de 0 8 7 9 0 0 0 0
minimización la fórmula 4.1 se modifica y queda con los signos in- –3 –3 –3 1 1 0 0
vertidos en el segundo miembro, es decir:
- Sumatoria de los productos b) Se calculan los cocientes de los dos renglones de las res-
Elemento
Número _ correspondiente a la
de los elementos de la tricciones, para saber cuál es el clave:
- columna por el respectivo (4.2)
índice — columna en el renglón elemento en la columna Para el primer renglón:
objetivo objetivo
5
Cociente = — = 5
Al aplicar esta fórmula a cada elemento se obtiene: 1
1,4
renglón clave entre 2, con este cambio, el renglón quedará de la
Al descomponer los números índice en sus partes numérica manera siguiente:
y de Me incluirlos en la tabla símplex, se tiene:
3 0.5 1 1 0 - 0.5 0 0.5
8 7 9 0 0 M M
X1 x2 X3 H1 H2 Fl F2 e) Se cambia de variable sacando F2 y su contribución de la
2 1 1 —1 0 1 0 zona de solución, e introduciendo X2 y su contribución. Además,
5 1 2 2 0 -1 0 1 de acuerdo con la metodología símplex de dos fases, se elimina la
columna de F2 de la tabla, quedando de la siguiente forma:
M F1 6 8 7 9 0 0 0 0
M F2 0 -3 -3 -3 1 1 0 0
8 7 9 0 O M
Aquí se ha omitido el -11M del elemento correspondiente a X2 X3 H1 H2 F1
la columna de constantes.
M F1 5 2 1 1 —1 Q 1
Entonces la primera solución es la de la parte básica de la ta-
bla, es decir: 7 X2 3 0.5 1 1 O –0.5 O
9 0 0 O
Variables básicas Variables no básicas –3 1 1 O
F1 = 5 =
F2 = 6 X2= 0 j) Se hacen ceros los elementos de la columna clave con ex-
Z= 0 H1 = O cepción del número clave, para lo cual se procede con las opera-
H2 = O ciones.
Al primer renglón se le resta el renglón clave:
Como se observa en la tabla símplex, esta primera aproxima-
ción no es el óptimo, pues aparecen números negativos en el ren- 5 2 1 1 –1 0 1
glón índice, por tanto se continúa con la metodología en el paso 4.
(3 0.5 1 1 0 –0.5 0)
Paso 4. Ir a la siguiente iteración para mejorar la aproxima- 2 1.5 0 0 –1 0.5 1
ción inicial.
38 CAP. 4. PROGRAMACIÓN LINEAL. MÉTODO SÍMPLEX
A la parte numérica del renglón índice se le resta el renglón Por lo que el renglón clave será el primero, quedando la ta-
clave multiplicado por 7: bla así:
0 8 7 9 0 0 0 8 7 9 0 0 M
(3 0.5 1 1 0 0) )C1 X2 X3 H1 H2 F1
-7 -0.5
M 2 1.5 0 0 -1 0.5 1
-21 4.5 r 2 0 3.5 0
7 X2 3 0.5 1 1 0 -0.5 0
-21 4.5 0 2 0 3.5 0
A la parte M del renglón índice se le suma tres veces el ren- -1.5 O O 1 -0.5 0
glón clave:
c) El número clave es 1.5, ya que pertenece al renglón y a la
columna clave. h
-3 -3 -3 1 1 0 d) Si se divide el renglón clave entre 1.5, éste queda de la si-
+3 ,(0.5 1 1 0 -0.5 0) s,
guiente manera:
- 1.5 0 1 -0.5 0
1.333 1 0 0 -0.667 0.333 0.667
Con estos cambios la tabla símplex será ahora: e) Con el cambio de variable, sale F1 y entra X1 , con estoy eli-
minando de una vez F1 de la tabla, ésta queda del modo siguiente:
8 7 9 0 0 M
X1 X2 X3 H1 H2 F1
8 7 9 0 0 r.
M F1 2 1.5 0 0 -1 0.5 1 X2 X3 H1 H2
7 X2 3 0.5 1 1 0 -0.5 0
-21 4.5 0 2 0 3.5 0 X1 1.333 1 0 0 -0.667 0.333
-1.5 0 0 1 -0.5 0 X2 3 0.5 1 1 0 -0.5
-21 4.5 0 2 0 3.5
Y la nueva solución es: -1.5 0 1 -0.5
Aquí debe aclararse que Z no es -21 como aparece en la ta- 3 0.5 1 1 0 -0.5
bla símplex, sino +21, ya que la metodología símplex presenta - 0.5 (1.333 1 0 0 -0.667 0.333)
Z con el signo invertido cuando se trata de problemas de minimi- 2.333 O 1 1 0.333 -0.667
zación.
De esta aproximación, se observa que no es el óptimo, ya que
aún hay números negativos en el renglón índice, por lo que debe pa- A la parte numérica del renglón índice, se le resta el renglón
sarse a otra iteración, repitiendo el paso 4, iniciando con el inciso a. clave multiplicado por 4.5:
a) La columna clave será ahora la que está encabezada por - 21 4.5 0 2 0 3.5
X1 , puesto que contiene al número índice más negativo. - 4.5 (-1.333 1 0 0 -0.667 0.333)
b)Al calcular los cocientes, se tiene:
- 27 0 0 2 3 2
Primer renglón:
c
2 Finalmente, a la parte Mdel renglón índice se le suma el ren-
Cociente = - =1.333 glón clave multiplicado por 1.5:
1.5
Aquí puede verse que la parte M del renglón índice desapa- Max Z= 8X1 +6X2
rece al hacerse cero todos sus elementos, pues ya no hay ninguna
variable artificial en la zona de solución. Sujeto a:
Además, en la parte numérica de este mismo renglón ya no
hay números negativos, por lo que esta aproximación ha resultado 4X1 + 3X2 5.. 3 (1)
ser el óptimo, con la siguiente solución: X1 + 2X2 1.5 (2)
X1 + X2 +1 (3)
Variables básicas Variables no básicas
X 1 = 1.333 X3= 0
Solución: se aplica la metodología símplex:
X2 = 2.333 =O
Paso 1. Convertir las desigualdades en igualdades. Las dos
Z= 27 H2 = O
primeras restricciones son del tipo menor o igual que, por lo que
conforme a la tabla 4.1, se agrega una variable de holgura en cada
Una representación gráfica del ejemplo se muestra en la figu- una de ellas, mientras que en la tercera restricción, que es de
ra 4.2, que se presenta en tres dimensiones, puesto que hay tres igualdad, se añade una variable artificial:
variables de decisión. Cada ecuación de las restricciones es un pla-
no en forma de triángulo que corta el espacio tridimensional. 4X1 +3X2 + = 3 (1)
X1 +2X2 +H2 = 1.5 (2)
X1 + X2+F1= 1 (3)
Paso 2. Se incorporan las variables agregadas en el paso an-
terior a la función objetivo con sus contribuciones respectivas:
8 6 0 O —M
X2 Hl H2 F
3 4 3 1 O O
1.5 1 2 0 1 0
Figura 4.2. Gráfica del ejemplo 4.2.
1 1 1 0 0 1
d) Formar el renglón índice, aplicando la ecuación 4.1: Por lo cual el primer renglón es el clave, quedando la tabla de
la siguiente forma:
Columna encabezada por X 1 : número índice = [O x 4+ O x 1+
(-M) x 1] -8 =-M-8
Columna encabezada por X2: número índice = [O x 3 + O x 2 + 8 6 0 O -M
(-M) x 1] -6 =-M-6 X1 X2 H1 H2
Columna encabezada por H1 : número índice = [O x 1 + 0 x O + H1 3 4 3 1 0 0
(-M) x 0]-0 = O
Columna encabezada por H2: número índice = [O x0+0x1+ O H2 1.5 1 2 0 1 0
(-Al) x O] -O = O -M F1 1 1 1 0 0 1
Columna encabezada por F1 : número índice = [O x O+ O x O+ 0 -8 -6 0 0 0
(-M) x 1] -(-M) = O -1 -1 0 0 O
Columna de constantes: número índice = [O x 3 + O x 1.5 +
(-M) x 1] -O = -M
c) De lo anterior el número clave es el 4, que pertenece al
Al incorporar estos elementos con sus dos partes, numérica y renglón y a la columna clave.
de M, a la tabla, se tiene: d) Se divide el renglón clave entre 4, quedando del modo si-
guiente:
8 6 0 O -M
0.75 1 0.75 0.25 0 0
X1 X2 H1 H2 F1
o H1 3 4 3 O O e) Se cambia ahora de variable, sacando H1 y remplazándo-
o H2 1.5 1 2 1 0 la por X1 , con lo cual la tabla queda así:
F1 1 1 1 O 1
O -8 -6 O O
-1 -1 O O 8 6 O O -M
X1 X2 Hl H2 F1
Sin incluir la parte Mde la columna de constantes, la siguien- 8 X1 0.75 1 0.75 0.25 0 0
te es la primera solución:
O H2 1.5 1 2 0 1 0
-M F1 1 1 1 0 0 1
Variables básicas Variables no básicas
O -8 -6 0 0 0
H1 = 1.5 X1 =0 -1 -1 0 0 0
H2 = 1 .5 X2= 0
F1 =1 f) Se hacen ceros los elementos restantes de la columna
Z= 0 clave.
Al segundo renglón se le resta el renglón clave, para obtener:
Paso 4. Como hay números negativos en el renglón índice,
se sigue con otra iteración.
1.5 1 2 0 1 0
a) Determinar la columna clave. En la parte M del renglón - (0.75 1 0.75 0.25 0 0)
índice se observa que hay un empate entre las columnas encabe-
zadas por X1 y X2, por lo que al azar se escoge la primera de ellas. 0.75 1.25 - 0.25 1 0
b) Determinar el renglón clave. Para esto se calculan los co-
cientes de los tres renglones de restricciones: Al tercer renglón se le resta el clave, lo cual da lo siguiente:
Para el primer renglón:
1 1 1 0 O O
3 - (0.75 1 0.75 0.25 0 0)
Cociente= - =0.75
4
0.25 O 0.25 -0.25 0 0
Para el segundo renglón:
A la parte numérica del renglón índice se le suma el renglón
1.5 clave multiplicado por 8:
Cociente= - =1.50
1
Para el tercer renglón: 1 -8 -6 0 0 0
+8 (0.75 1 0.75 0.25 0 O)
Cociente = 1- =1.0 6.0 r 0 2 0 0
1
METODOLOGÍA SÍMPLEX 41
A la parte M del renglón índice se le suma el renglón clave: c) El número clave es 1.25.
d) Si se divide el renglón clave entre 1.25, se obtiene:
-1 -1 0 0 0
+ (1 0.75 0.25 0 0) 0.6 0 1 -0.2 0.8
0 -0.25 0.25 0 0
e) El cambio de variable será sacando H2 de la zona de solu-
ción e introduciendo X2, con lo cual se tiene:
Con esto la tabla símplex de esta nueva aproximación es:
8 9 0 0 -M 8 6 0 0 -M
X1 H1 H2 F1 X1 X2 H1 H2 F1
X2
1 0.75 0.25 0 0 8 X1 0.75 1 0.75 0.25 0 0
8 0.75
o H2 0.75 0 1.25 -0.25 1 0 6 X2 0.6 0 1 -0.2 0.8 o
-M F1 0.25 0 0.25 -0.25 0 1 -M F1 0.25 0 0.25 -0.25 0 1
6.0 0 0 2 0 0 6.0 0 o 2 0 0
0 -0.25 0.25 0 0 -0.25 0.25 0 0
Que es la nueva iteración, siendo la solución de la misma:
f) Ahora se generan los ceros en los elementos restantes de
Variables básicas Variables no básicas la columna clave.
Al primer renglón se le resta el renglón clave multiplicado
X1 =0.75 X2 = 0 por 0.75:
H2 = 0.75 H1 =0
F1 = 0.25
Z=6.0 0.75 1 0.75 0.25 0 0
-0.75 (0.6 0 1 -0.2 0.8 0)
En vista de que esta nueva aproximación no es la óptima, se 0.3 1 0.4 -0.6 0
debe repetir el paso 4, entonces:
a)La columna clave será la que está encabezada por X2 , pues Al tercer renglón se le resta el clave multiplicado por 0.25:
es la única que posee un elemento negativo del renglón índice en
su parte M.
b)Se obtienen los cocientes para hallar el renglón clave. 0.25 0 0.25 0.25 0 1
Para el primer renglón: -0.25 (0.6 0 1 - 0.25 0.8 0)
En esta tabla puede observarse que ya no hay números nega- Por su parte, la secuencia del método símplex fue la siguien-
tivos en el renglón índice, por lo que esta solución será la óptima; te: inicia en el origen, punto "V 1 (XI = 0, X2 = 0), luego pasa al pun-
pero hay un problema: la variable artificial F 1 aún permanece en to V2 (X1 = 0.75, X2 = 0) y finalmente va al punto V3 (X1 = 0.3, X2 =
la zona de solución, es decir, continúa como variable básica, esto 0.6), donde aparentemente termina con la solución óptima.
significa que este problema no tiene solución factible, debido al
tipo de restricciones, y esto puede comprobarse de una manera Ejemplo 4.4. Resolver:
simple, con la aparente solución de esta tabla:
Max Z= 6X1 + 4X2
X1 = 0.3
X2 = 0.6 Sujeto a:
Z=6.0 X1 + 2 X2 4
3X1 + 2X2 < 8
Debe verificarse si se respetan las restricciones:
con X1 y X2 no negativas.
4X1 + 3X2 3 (1)
4(0.3) + 3(0.6) 3 Solución:
1.2+1.8
Paso 1. Se convierten las desigualdades en igualdades agre-
3 3, sí se cumple gando variables de holgura, según el tipo de restricciones, con lo
cual se tendrá:
X1 + 2X2 1.5 (2)
0.3 + 2(0.6) < 1.5 X1 + 2X2 +H1 = 4 (1)
0.3+1.2 .1.5 3X1 + 2X2 +1/2 = 8 (2)
1.5 1.5, sí se cumple
Paso 2. Se incorporan las variables de holgura en la función
Xl +X2 =1
objetivo, con sus contribuciones:
(3)
0.3 + 0.6 =1 Max Z = 6Xi + 4X2 + 01/1 + 01/2
0.9 =1, no se cumple
Paso 3. Se forma la primera tabla:
Por ello la aparente solución del problema no cumple con las
restricciones, siendo entonces una solución no factible. a) Se incluye el renglón de variables y las ecuaciones de las
En la figura 4.3 se presenta la gráfica del ejemplo para ilus- restricciones, para obtener:
trar esta situación, donde el área sombreada representa la zona
de solución que satisface las dos primeras restricciones, pero la 6 4 0 0
tercera restricción indica que la solución debe quedar sobre la rec- XI X2 H1 H2
ta correspondiente a su ecuación, en la figura es la línea de la ecua- 0 4 1 2
ción 3. H1 1 0
O H2 8 3 2 0 1
Puede notarse con claridad que dicha línea no toca en ningún
momento el área sombreada, por lo cual no existe ningún punto
que satisfaga todas las restricciones. b) El renglón objetivo ya fue incluido en la tabla.
c) La primera solución se da en función de las variables H 1 y
1/2 como aparece en la tabla anterior.
d) Se forma el renglón índice al aplicar la ecuación 4.1 al caso
2
presente:
1.25
Columna encabezada por XI : número índice = (O x 1 + O x 3) - 6 = -6
Columna encabezada por X2: número índice = (O x 2 + O x 2) - 4 = -4
1.00 Columna encabezada por H 1 : número índice = (O x 1 + 0 x O) - O = O
Columna encabezada por 1/2 : número índice = (O x0+0x 1) - O = O
0.75 Columna de constantes: número índice = (O x 4 + 0 x 8) - O = O
6 4 0 0
Ecuación 2 X1 X2 H1 H2
O Hl 4 1 2 1 0
0.25 0.50 0.75 1.0 1.25 1.5 1.75 2.0 O H2 8 3 2 0 1
Figura 4.3. Gráfica del ejemplo 4.3. 0 -6 -4 0 0
METODOLOGÍA 5ÍMPLEX 43
Aquí debe notarse que no hubo parte M del renglón índice, Al primer renglón se le resta el renglón clave:
debido a que no existen variables artificiales.
Entonces la primera solución es: 4 1 2 1 0
(2.667 1 0.667 0 0.333)
Variables básicas Variables no básicas
1.333 O 1.333 1 –0.333
H1 =4 X1 = 0
H2 = 8 X2= 0
Z= 0 Al renglón índice se le suma el clave multiplicado por 6:
I
5.0
(2)Z = 6X, + 4X2 = 14 glón clave. En este caso se dice que la Z podría ser infinita o
bien negativa, de aquí el porqué suele llamársele a este tipo
4.0 de casos como problemas de Z no acotada. Estas situaciones
se presentan por cometer algún error en el planteamiento
Ecuación 2 del problema, o en los cálculos efectuados durante la reso-
11\
3.0
lución del mismo, debiendo entonces revisarse cuidadosa-
mente el caso para encontrar la falla y corregirla. Cuando
2.0 se da la situación de una Znegativa, el problema puede vol-
ver a ser planteado, debiendo entonces cambiarse todos los va
signos de los coeficientes de las variables de decisión en las ch
1.5 ecuaciones de las restricciones, lo que da como resultado cic
obtener la función objetivo con signo positivo (Davis y Mc- gu
Ecuación 1 Keown, 1986).
Z
1.0 2.0 3.0 4.0 5.0 6.0 de
Figura 4.4. Gráfica del ejemplo 4.4. Términos negativos en el segundo miembro en
de las ecuaciones de las restricciones tin
CASOS ESPECIALES DEL Hasta ahora únicamente se han visto casos de valores
MÉTODO SÍMPLEX positivos en el segundo miembro de las restricciones. Si hu-
biera números negativos, como los siguientes: do
ce:
En este apartado se presentan casos especiales que sue-
len aparecer al momento de solucionar problemas de progra- X1 — 2X2 = —2 (1)
mación lineal con la metodología símplex, como es el caso —2X1 + X2 ?. —1 (2) un
de desempates en la columna o el renglón clave, cuando no —X1 X2 —3 (3)
—
se;
hay variable básica de salida o aparecen términos negativos
tin
en las restricciones y los precios sombra. Lo que debe hacerse es multiplicar ambos lados de las
restricciones por —1 y en el caso de las desigualdades inver-
tir el sentido de las mismas, con estos cambios se tendría:
Desempates
do
+ 2X2 = 2 (1)
Empate en la columna clave (variable que entra).
En este caso se seleccionará cualquier columna que se de- 2X1 — X2<_1 (2)
see, esto en lo único que podrá afectar el desarrollo del mé- X1+ X2>_3 (3) de
todo símplex será en el número de iteraciones necesarias SO
para alcanzar la solución óptima. Las cuales pueden ser resueltas por el método símplex pa :
Empate en el renglón clave (variable que sale). En de la manera usual.
este caso existen reglas para determinar cuál renglón de los
que están empatados debe elegirse como clave. Sin embar- R(
go, para fines prácticos se recomienda seleccionar al azar. El Precios sombra
problema en que puede incurrirse cuando se elige el renglón
indebido es que el método vaya de un primero a un segundo Éstos representan la relación de aumento que tendría
vértice, sin cambio en la función objetivo y luego regrese del la función objetivo por el hecho de aumentar en una unidad de
la constante de una restricción dada, o sea el incremento en ME
segundo al primero en la iteración siguiente, haciéndose esto
un ciclo indefinido que nunca llegará a la solución. En este el recurso correspondiente para esa restricción (Gallagher tris
caso se dice que existe degeneración del símplex. No obstan- y Watson, 1992). Así, en el caso del ejemplo 4.4, cuyo plan- sol
te, este caso es muy poco usual en los problemas prácticos y teamiento fue:
usi
se resuelve simplemente al cambiar el renglón que se eligió
Max Z= 6X1 + 4X2 cic
como clave por otro que haya resultado empatado con él.
CASOS ESPECIALES DEL MÉTODO SÍMPLEX 45
Sujeto a: Ejemplo 4.5. Solucionar el ejemplo 2.6 mediante la aplica-
ción del Lindo.
X1 + 2X2 4
3X1 + 2X2 5 8 Solución: el problema planteado es:
na
Ir- Min Z = 220X1 + 155X2 + 175X3 + 130X4 + 150X5
n- Con X1 , X2 no negativas.
n- Cuya tabla final fue:
Sujetoa:
Io
po 6 4 0 0 X1 + X2 + X3 + + X5 = 6500
es Xl X2 H1 H2
Lto O H1 1.333 0 1.333 1 —0.333 0.402X1 + 0.328X2 + 0.30X3 + 0.42X4 + 0.50X5 > 0.34 (6500)
o- 6 X1 2.667 1 0.667 0 0.333
0.408X1 + 0.337X2 + 0.35X3 + 0.28X4 + 0.201X5 > 0.30 (6500)
a- 16 0 0 2
0.19X1 + 0.335X2 + 0.35X3 + 0.30X4 + 0.299X5 < 0.30 (6500)
do
)l- Los precios sombra aparecen con los coeficientes de las X1 51500 X2 < 2300 X353200
os variables de holgura en el renglón índice; así, para H 1 di- X4 < 4500 X5 < 5200
as cho coeficiente es cero y para H2 es 2, es decir, que el pre-
lo cio sombra para la primera restricción es cero y para la se- Siendo todas las variables no negativas.
c- gunda, 2. Al plantear en Lindo el problema, se teclea éste y queda como
Esto significa para el primer caso que la función objetivo se muestra en la figura 4.5.
Z no aumentará si aumentamos la constante de la ecuación
de la primera restricción en una unidad, es decir, si fuese 5
en lugar de 4, pues si ésta fuera la situación, la solución óp- In L. ~175. 0.0. 1
tima sería: O
~1n13 144.24.6500
40¿:1:8 720w.
3x3.0 42,44.0 5,5,-2220
0 O
1 1 1Tla 331111', Z11+43117.115.41i11 1 .41:"
donde puede verse que Z ha aumentado en dos unidades Figura 4.5. Pantalla de Lindo del tecleado del problema.
1) respecto del problema original.
2) Por tanto, los precios sombra indican un valor marginal
de incremento en la función objetivo con respecto a un recur- Puede observarse que en la ecuación de la función objetivo
3)
no ha sido necesario incluir a Z, y en el caso de los términos inde-
so dado, lo cual los hace una información de gran utilidad pendientes de las restricciones 2, 3 y 4, se han estimado antes los
para analizar el impacto de cambios en los sistemas operativos. productos de los valores que van multiplicados, ya que si se hubie-
ran puesto como estaban en las restricciones, el software nos indi-
caría error de sintaxis.
Resolución de los problemas Además, no ha hecho falta señalar la no negatividad de las
mediante Lindo variables del problema, ya que Lindo lo asume así.
Para correr el problema en el software, lo que se hace será ir
la El Lindo es un software especializado para la solución a la ventana de Lindo y presionar la ceja que señala un blanco con
de problemas de programación lineal, ya que facilita en gran una flecha en su parte central, como lo muestra la figura 4.6:
d
n medida la resolución de casos con muchas variables y res-
tricciones, que serían muy laboriosos si se pretendieran re-
solver de manera manual. fa,. Id* Schr &PM, Éémkr. ridc
A continuación se presenta una descripción breve del olH 1/I 11312, 1E: sial
uso del Lindo, que resulta didáctico y amigable para solu-
cionar dos ejemplos de los planteados en el capítulo 2: Figura 4.6. Menú de opciones del Lindo.
46
Con esto se obtienen los siguientes resultados (fig. 4.7): %He Eaa Solre Repustw ~Now Hdp
THE 7aBLE611
ROO (905150 XI 32 33 34 36 SLE 3
1 /XI 0.000 .000 23.925 0,000 9.000 0.000
2 05 0.000 000 -0 132 0 000 1 000 0 000
51.3 0.000 000 0.000 0 000 0.000 1.000
4 31 1.000 000 -o 071 0 000 0.000 0 000
, kW,
3.2 0.000 000 I 203 0 000 0.000 0 000
6 5,70 0.000 000 0 071 0 000 0.000 0.000
7 sax 7 0.000 000 -1 200 0 000 0.000 0.000
0 5MX 8 0.000 000 1 000 0 000 0.000 0.000
11
34 0.000 000 0 000 1 000 0.000 0 000
tMX 10 0.000 000 0 132 0 000 0,000 0 000
000 Sik 10
1 0.000000 -0 92E006
2 D 000 110.962
3 0.000 390,000
4 D.000 452.222
1 0.000 1427 814
6 0.000 1046.777
7 0 000 872.105
O 0 000 3200 000
9 0 000 4400.000
20 1 000 5001 098
El problema dual
SET
SET
DELETI
01 ":-, -
02 TO ,-
1. a.
1.28 AT
02 AT LEVEL 17
1. 11, ...
17 EST -
u 11,..j.- 111. l'.111--1 lAuL-..1
O 1196E45 TvIN.--fi 10000.31
1.
44 El planteamiento del problema dual para un problema
ISLOTE
DELIDE
21 AT LEVEL
11 AT LEVEL
16
15
primario cualquiera puede hacerse basado en los siguien-
DEL=
DELECE
E2 AT LEVEL
21 AT LEVEL
14
13 tes puntos (Davis y McKeown, 1986):
METE 82 AT IEVEL 02
DELETE II AT LEVEL Al
DELETE 22 AT 'XVII 10
DELETE
DELETE
Xl. AT IEVEL
22 IT IEVEL
9
8
1. Se invierte el sentido de la función objetivo. Si el
DELETE
DELETE
DELETE
XI AT LEVEL
22 AT LEVEL
21 AT LEVEL
7
A problema primario es de maximización, el problema
5
DELErE
DELETE
I2 AT LEVEL
21 AT IEVEL
4
a dual será de minimización y viceversa.
DEIETE
DELETE
22 AT LEVEL
11 AT LEVEL
2
1 2. Se invierte el sentido de las desigualdades de las
MIME MED VARI18IE5
ERRIMATIOff COXPLETE DRANCEES , 15 PIVC75 ,, 48 restricciones. Esto es, si las restricciones del pro-
LA57 INTEGrE 50E0170 15 THE BEST POSO
RE-IUSTALLING WEST 90L9TIoN blema primario son del tipo menor o igual que O,
CRIECTIVE FOUCTIOY en el problema dual las restricciones serán del tipo
1) 14977 In mayor o igual que (_?.) y viceversa.
VARTAZIE
11
vALDE
4 000000
REME) 0005.7
-51.799999 3. Los coeficientes de la función objetivo del problema
02 330 003000
03 0.000000
-43 700001
-32.900002 primario pasan a ser las constantes de las restriccio-
200 SIACR C47 501IPL0S MAL 057C115
nes del problema dual. Esto implica que el proble-
2)
3)
4)
196 000000
28 000000
1960 009000
O 000000
0.000000
0 000000
ma dual tendrá tantas restricciones como variables
00 U344730145. I0
tenga el primario.
BROCHES- 15 2511M211. , 1.000E O 4. Las constantes de las restricciones del problema pri-
mario pasan a ser los coeficientes de la función obje-
Figura 4.10. Solución del problema con Lindo. tivo del problema dual. Esto significa que el proble-
ma dual tendrá tantas variables como restricciones
tenga el primario.
5. Los coeficientes de las restricciones del problema
DUALIDAD primario se colocan de tal forma que los renglones
del primario pasarán a ser las columnas del proble-
sa- ma dual y con este cambio las columnas del prima-
La dualidad puede definirse con el siguiente enuncia- rio serán los renglones del dual.
do: "Para todo problema de maximización de programación 6. Las variables del problema primario se denomina-
lineal, habrá otro problema asociado de minimización, y por rán X, mientras que las del problema dual serán Y,
otra parte, para todo problema de minimización, habrá otro debiendo ser no negativas.
problema asociado de maximización."
Al primer problema se le llama primario y al problema A continuación se ilustran estos puntos con un ejemplo.
asociado correspondiente se le conoce como dual. En esta
sección se verá cómo plantear un problema dual, dado un Ejemplo 4.7. Una panadería prepara dos tipos de pan, uno
problema primario cualquiera. con mermelada y el otro con cajeta. Hay mermelada para prepa-
La dualidad es importante por las siguientes razones rar hasta 5 kg del primer tipo de pan y cajeta para 8 kg del segun-
(Hillier y Lieberman, 1991): do tipo. El primer tipo requiere dos unidades de harina, mientras
que el segundo tipo sólo una. El expendio cuenta con un total de
15 unidades de harina.
• El problema dual puede ahorrar un número conside- El primer tipo de pan deja una utilidad de $30 por kilogra-
rable de cálculos, en particular cuando el problema mo y el segundo tipo, $ 40.
primario tiene muchas restricciones y pocas varia- ¿Cuántos kilogramos de cada tipo debe preparar el expendio
bles, lo que implica un número elevado de cálculos con el fin de maximizar sus utilidades?
para su resolución por el método símplex. Plantear el problema primario y luego el dual para este caso.
• La dualidad tiene una relación importante con el
análisis de sensibilidad que se verá más adelante en Solución: para el problema primario habrá dos variables, X l y
:ra este mismo capítulo. Esto es muy útil para analizar X2, siendo:
:o- cómo puede cambiar la función objetivo ante varia-
ciones en las diferentes condiciones del problema de X1 = kilogramos de pan del primer tipo.
X2 = kilogramos de pan del segundo tipo.
programación lineal.
• El problema dual proporciona información impor- ZP = Utilidad en pesos.
tante sobre la manera óptima de aplicar recursos
que son escasos con el fin de obtener beneficios eco- Entonces la función objetivo será:
nómicos. Max 4= 30X1 + 40X2
48 CAP 4. PROGRAMACIÓN LINEAL. MÉTODO SíMPLEX
Aquí 30 y 40 son los coeficientes de la función objetivo, re- Ej emplo 4.8. Resolver los problemas primario y dual del ejem-
presentando la utilidad de cada tipo de pan en $/kg. plo anterior.
Las restricciones son:
Solución: para ambos problemas se utilizará la metodología
X1 5 5 Cantidad disponible de mermelada (1) símplex.
X25. 8 Cantidad disponible de cajeta (2) Para el primario se deben agregar variables de holgura, una
2X1 + X2 15 Cantidad disponible de harina por cada restricción, con una contribución a la función objetivo de
(3) cero, es decir:
Siendo X1, X2 no negativas. Max = 30X1 + 40X2 + 01/1 + OH2 + OH3
Para el problema dual se aplica la metodología antes descrita.
De acuerdo con el primer punto, el problema dual será de minimi- Sujetoa:
zación, dado que el primario fue de maximización. Conforme al
segundo punto, para el problema dual se tendrán restricciones del X1 +H1 =5
tipo mayor o igual que (.?..), dado que las del primario son del tipo
X2 + H2 = 8
menor o igual que (5..).
Ahorá:Se pasa al punto 3, los coeficientes de la función obje- 2X1 + X2 + H3 = 15
tivo del primario, que son 30 y 40, serán ahora las constantes de
las restricciones del dual, teniendo éste por tanto dos restricciones. Con X1, X2 >_O
De acuerdo con el punto 4, las constantes de las restricciones Con esto la primera tabla símplex será: co'
del primario son 5, 8 y 15, por lo que éstos serán los coeficientes
de la función objetivo del problema dual, que tendrá tres variables. 30 40 0 0 0
Ahora, de acuerdo con el punto 5, los coeficientes de las res- X1 X2 H1 H2 H3
tricciones para el primario son: O H1 5 1 0 1 0 0 1
O H2 8 0 1 0 1 0
1 0 O H3 15 2 1 0 0 1
0 1 0 — 30 — 40 0 0 0
2 1
Los cuales deben trasponerse para el dual, es decir, colocar La cual al aplicarle el símplex en la siguiente iteración da:
los renglones como columnas, con esto se tendrá: bla
30 40 0 0 0
1 0 2 X1 X2 H1 H2 H3
0 1 1 O H1 5 1 0 1 0 0
40 X2 8 0 1 0 1 0
que serán ahora los coeficientes de las dos restricciones del dual. O H3 7 2 0 O —1 1 1
Finalmente, de acuerdo con el paso 6, habrá tres variables 320 —30 0 0 40
para el problema dual, las cuales serán Y1, Y2 y Y3.
Con esto el planteamiento del dual es: Al continuar con la metodología símplex se llega a la solución
óptima en la siguiente iteración, siendo la siguiente:
MinZD =5Y1 +8Y2 +15Y3
Si se continúa aplicando la metodología símplex, la tabla La interpretación de la solución dual proporciona una
correspondiente para la siguiente iteración es: visión sobre la manera óptima de utilizar los recursos de que
se dispone (Hillier y Lieberman, 1991).
5 8 15 O O M Debe estarse dispuesto a pagar un costo mayor por un
Y1 Y3 H1
recurso hasta por el valor de su variable dual correspondien-
Y2 H2 F2
15 Y3 15 0.5 0 1 —0.5 0 0 te a la solución óptima.
M F2 25 —0.5 1 0 0.5 —1 1 Para ilustrar esto, se retorna el caso del expendio de pan,
—225 —2.5 8 0 7.5 0 0 donde para el caso de la cajeta, Y2 fue en la tabla dual final
0.5 —1 0 —0.5 1 0 25, lo que significa que podría pagarse hasta $ 25 adiciona-
les como máximo por cada unidad extra de cajeta usada, ya
que esta cantidad es la utilidad adicional que se obtendría
Al pasar a la siguiente iteración se llega al óptimo, cuya ta-
bla es:
por su empleo.
Este concepto es el mismo que se manejó en el aparta-
do de los precios sombra, dado que los coeficientes del ren-
5 8 15 0 O glón índice de las variables de holgura de la tabla símplex
Y1 Y2 Y3 H1 H2 final del problema primario son los valores óptimos de las
15 Y3 15 0.5 0 1 —0.5 0 variables duales en el problema dual, lo que indica que la
8 Y2 25 —0.5 1 0 0.5 —1 utilización óptima de los recursos disponibles lleva al mis-
—425 1.5 0 0 3.5 8 mo tiempo a lograr una utilidad máxima.
in O O O O O
Ejemplo 4.10. Si para el problema de la panadería llega un Con lo cual puede observarse que la solución óptima no ha
incremento en la utilidad del pan, siendo ahora para el primer cambiado, sólo la función objetivo.
tipo de $ 50 por kilogramo y para el segundo de $ 45, ¿cuál será la Para saber cuánto se puede modificar una variable básica sin
cantidad óptima de cada pan que hay que producir de modo que que la solución óptima cambie, se efectúa el análisis de la última
se maximicen las utilidades? tabla símplex del problema original, la cual es:
52
30 40 0 0 0 La metodología que utiliza el análisis de sensibilidad en na d
X1 X2 H1 112 H3
estos casos es la misma para ambos incisos, lo cual se descri- el nt
0 H1 1.5 0 0 1 0.5 —0.5 be enseguida y se ilustra con un ejemplo. sbeerr:ál
40 X2 8 0 1 0 1 0 El planteamiento se basa en la siguiente ecuación:
guie
30 X1 3.5 1 0 0 —0.5 0.5
Vector de Vector de
425 0 0 0 25 15 [Matriz de coeficientes coeficientes coeficientes
de las variables de holgura x de la variable = de la variable
(4.4)
Para establecer el intervalo de valores que X 1 puede tener en enlatbsímpxfi X, al inicio X al final del
su contribución sin que cambie la solución óptima, se determina del caso base del problema problema
para las variables no básicas el cociente de su número índice en- II 4
tre el valor del coeficiente correspondiente al renglón de la va- De manera que al cambiar el vector de coeficientes de 3
riable básica (X1 ) y la columna de la variable no básica; así, para
H2 se tendrá: X; al inicio del problema, también cambiará el vector de los
coeficientes Xi en la tabla final, la cual podrá resolverse por
Cociente = 25/(-0.5) = —50 la metodología símplex hasta llegar a la solución óptima para pero
el problema modificado. no
Por su parte, para 113: Veamos un ejemplo para el cambio en los coeficientes y cc
de una variable básica. lent
1
Cociente = 15/0.5 = 30
Ejemplo 4.11. Para el problema original de la panadería exis-
Aquí un cociente negativo indica el aumento permitido para te un cambio debido a que la cajeta adquirida para elaborar el se-
Xl y un cociente positivo mostrará la disminución posible para X 1 . gundo tipo de pan es de menor calidad, por ello sólo alcanza para
Con esto X1 puede aumentar hasta en 50 unidades y dismi- la mitad del pan. En este caso, ¿cuál será la solución óptima del
nuir hasta en 30 unidades en su contribución, con esto su interva- problema?
lo de valores permitidos será:
Solución: en este caso lo que cambia es la segunda restricción,
O 5_ X1 80 la cual será ahora:
En caso de haber varios cocientes positivos y negativos, se dor
2X2 5_ 8 na
1
manejarán los que marquen el intervalo más estrecho, es decir,
los menores cocientes en valor absoluto, tanto positivos como ne- en
Para este problema el vector de coeficientes de X2 al inicio ha
gativos.
1
del problema se modifica, siendo ahora:
Por su parte, al realizar un análisis similar para la variable X2,
el cociente para H2 será:
[02
Cociente = 25/1 = 25
1
Y para 113:
Cociente = 15/0 = Si se aplica la ecuación 4.4 al caso presente, se obtiene:
Esto significa que X2 puede disminuir hasta 25 unidades y 1 0.5 — 0.5 [0 0.5
aumentar hasta el infinito en su contribución, con esto su interva-
lo de valores permitido es: 0 1 x2 = 2
0 —0.5 0.5 1 —0.5
1 5 X2 5..0
Quedando la última tabla de la siguiente forma:
CAMBIOS EN LOS COEFICIENTES DE ino
30 40 0 0 0 el
LAS VARIABLES EN LAS ECUACIONES 1-13
X1 X2 H1 112
DE LAS RESTRICCIONES O H1 1.5 0 0.5 1 0.5 —0.5 ne
5 8 15 0 0 1.5
Y1 Y2 Y3 H1 H2
8 Y2 20 0 1 0.5 0 -0.5
Si se aplica la ecuación 4.4, se tendrá:
5 Y1 30 1 0 2 -1 0
-310 O 0 1 5 4
Í
Vector de 1 0.5 -0.5 O -0.75
Cuya solución equivalente del primario es: coeficientes = 0 1 0 x O = O
de X3 en la
X1 =5 tabla final 0 -0.5 0.5 1.5 0. 75 i
X2 = 4
H3 = 1 Y su número índice será:
Z= 310
Número índice en
Aquí se observa que la solución óptima ha cambiado, pues se la columna de X3 = [(0)(-0.75) + (40)(0) + (30)(0.75)] -35 = 22.5 -35
incluye H3 como variable básica en lugar de Hl que era básica en = -12.5
el problema original.
Para el caso de cambios en los coeficientes de las restriccio- Estos valores se incluyen en la tabla final de la siguiente forma:
nes de variables no básicas, el procedimiento de solución es exac-
tamente el mismo.
30 40 35 O O O
H1 H2 H3
O H1 1.5 0 O -0.75 1 0.5 -0.5
ADICIÓN DE NUEVAS VARIABLES
n- 40 X2 8 0 1 O 1 0
Este caso se presenta cuando una empresa decide incor- 30 X1 3.5 1 0 0.75 0 - 0.5 0.5 1
porar nuevos productos en su línea de ventas. 425 0 0 -12.5 2.5 1.5
Cada nuevo producto representará una nueva varia-
Irir
54 CAP. 4. PROGRAMACIÓN LINEAL. MÉTODO SÍMPLEX
De aquí el problema se continúa de modo normal por el mé- su variable de holgura, que se designa como H4, la cual deberá es-
todo símplex. Del análisis de la tabla, se observa que el número tar en la base de la tabla junto con la constante de la nueva restric-
índice de X3 es negativo, por lo que esta variable deberá entrar a ción, que es 10. Con esto la tabla será ahora:
la base. La nueva solución óptima será ahora la siguiente:
30 40 0 0 0 0
30 40 35 0 0 0 X1 X2 H1 H2 H3 H4
X1 X2 X3 H1 H2 H3 O Hl 1.5 0 0 1 0.5 —0.5 0
O Hl 5 1 0 0 1 0 0 40 X2 8 0 1 0 1 0 0
40 X2 8 0 1 0 0 1 0 30 X1 3.5 1 0 0 —0.5 0.5 0
35 X3 4.667 1.333 0 1 0 —0.667 0.667 0 H4 10 1 1 0 0 0 1
483.333 16.667 0 0 0 16.667 23.333 425 0 0 0 25 15 0
Que ya no es igual a la solución anterior, siendo ahora: Aunque esta tabla no tiene números índice negativos, no
puede ser la solución óptima del problema, ya que X1 y X2 son va-
X2 = 8 riables básicas y por tanto deben tener en el nuevo renglón de 1/ 4
X3 = 4.667 coefintsgualryo1,cmeslaunvzicorp-
Z= 483.333 rada la nueva restricción. Por tanto, habrá que generar esos ce-
ros, lo que puede lograrse si al renglón que encabeza H4 se le res-
Por tanto, la panadería no deberá producir ya el primer tan los renglones encabezados por Xl y X2 . Con estos cambios la
tipo de pan. tabla quedará de la siguiente manera:
30 40 0 0 0 0
ADICIÓN DE NUEVAS X2 H1 H2 H3 H4
O H1 1.5 0 0 1 0.5 —0.5 0
RESTRICCIONES 1 O O
40 X2 8 0 1 0
30 X1 3.5 1 O O —0.5 0.5 0
Esta situación puede llegar a presentarse debido a limi-
O H4 —1.5 0 O 0 —0.5 —0.5 1
taciones lógicas que aparecen en el mundo real de los nego-
425 0 25 15 0
cios, como la escasez de materias primas, poca disponibili-
dad de tiempo, mano de obra, etcétera. En la cual H4 es básica y negativa, por lo que esta solución
Cuando aparece una nueva restricción, ésta deberá in- no es factible, para ello se pasa al problema dual correspondiente
cluirse en la tabla óptima final con sus coeficientes y sus que se muestra a continuación:
variables adicionales correspondientes, según el tipo de res-
tricción, y entrará a la base con la constante de la restric-
ción como parte de la solución. De aquí se prosigue normal- 5 8 15 10 0 O
mente hasta hallar la solución óptima, que no cambiará si 171 Y2 Y3 Y4 H1 H2
se cumple con la nueva restricción; en caso opuesto, debe- 8 Y2 25 —0.5 1 0 0.5 0.5 —1
rá hallarse la nueva solución óptima por medio de la meto- 15 Y3 15 0.5 0 1 0.5 —0.5 0
dología símplex normal. Este procedimiento se ilustra en el —425 1.5 0 0 —1.5 3.5
ejemplo siguiente.
Ejemplo 4.13. Si al problema original de la panadería se le De aquí se sigue la metodología símplex normal para llegar a
añade la condición de que no pueden producirse más de 10 kg to- la nueva tabla óptima final:
tales de pan, ¿cómo afecta esto la solución óptima?
5 8 15 10 0 0
Solución: esta nueva condición constituye una cuarta restric-
Y1 Y2 Y3 Y4 H1 112
ción, que sería: 8 Y2 10 -1 1 -1 0 1 -1
10 Y4 30 1 0 2 1 —1 O
XI -FX2 10 (4)
—380 3 0 3 0 2 8
Lo primero será comprobar si la solución anterior cumple con
esta nueva restricción. Para el caso base, esta solución era X 1 = 3.5 Cuya solución primaria es:
y X2 = 8, por tanto:
X1 =2
+ 8=11.5 > 10 X2 = 8
Z= 380
Por tanto, la restricción no se cumple.
Ante esto, conforme a la metodología antes descrita, la nue- La que ha cambiado respecto del caso base debido a que éste
va restricción debe incorporarse a la tabla final del caso base con no cumplia con la nueva restricción.
55
s- PROBLEMAS PROPUESTOS Con las restricciones:
c-
4.1. Resolver el ejemplo 2.1 planteado en el capítulo 2: X1 +X2 +2X3 55 (1)
(2)
Min Z= 2.35X1 + 2.00X2 + 1.70X3 2X1 +X3 .3 (3)
X3 52 (4)
Sujeta a las restricciones:
Sujeta a:
Min Z= + X2+ 0.8X3
X1+ X2+ X3+ X4+ X5+ X6= 8000 Sujeto a las condiciones:
0.36X1 + 0.35X2 + 0.30X3 + 0.45X4 + 0.50X5 + 0.25X6 0.36 (8000)
111/1 0.34X1 + 0.35X2 + 0.40X3 + 0.25X4 + 0.22X5 + 0.50X6 k 0.32 (8000)
X1 + X2+ X3=1 (1)
0.30X1 + 0.30X2 + 0.30X3 + 0.30X4 + 0.28X5 + 0.25X 0.28 (8000) 2X1 +X2 +2X3 3 (2)
01. X1 .5.3500 X2 5_ 2800 X3 5_ 3800 X1 5_ 0.4 (3)
X4 5_ 6400 X5 5_ 7200 X 5_ 2600 X2 5 0.2 (4)
Max Z= 4X1 + 2X2 + 3X3 ¿Cuál será en este caso la solución óptima?
4.18. Encontrar la solución del problema planteado en el ejem-
Sujetoalsricn: plo 2.5.
4.19. Resolver el problema planteado en el ejemplo 2.8.
X1 + X2 5 8 4.20. Resolver el problema propuesto 2.16.
_7
X3 5
2X1 + X2 + X3 5_ 14
BIBLIOGRAFÍA
¿Cómo cambiará la solución óptima, si:
Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
a) La constante de la primera restricción es 12? nistración, Grupo Editorial Iberoamérica, 1986.
b) La constante de la segunda restricción es 10? Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
c) La constante de la tercera restricción es 20? operaciones, 5a. ed., McGraw-Hill, 1991.
Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la rc
Resolver cada inciso comparando con el problema original. toma de decisiones, McGraw-Hill, 1992. P:
4.14. Respecto al problema base anterior, ¿cómo se verá afecta- Izar, J. M., Elementos de métodos numéricos para ingeniería, Edi- s(
da la solución óptima, si: torial Universitaria Potosina, 1998.
v.
ci
U
t(
e
se
es-
?610014>mdledóln eNtem
na
)le
io-
(4)
57
58
habrá generado una nueva zona de solución formada por
CAP. 5. PROGRAMACIÓN ENTERA
4
que de X2 pues cada mueble del primer tipo genera un ingreso MÉT
esta línea y los ejes, estando la solución del problema de pro- de $ 21000, mientras que del segundo tipo sólo produce $ 20 000. COM
gramación entera en uno de los vértices, que será aquel que Entonces la solución es el punto F:
optimice la función objetivo (Davis y McKeown, 1986). Otra E
opción es hacer la búsqueda de los puntos enteros que se X1 =5 bles d
localicen más próximos al límite de la región factible, eva- X2= 0 decisi
luar la Z de cada uno de ellos y seleccionar el punto que op- Z = 105 000 luciót
timice la función objetivo. E
A continuación se resuelve con este método el proble- Este método es aplicable para un máximo de tres variables un gr
ma del caso base. de decisión, al igual que en el caso de la programación lineal, ya do de
que no podrían graficarse más de tres dimensiones. éstas.
Ejemplo 5.1. Aplicar el método gráfico para solucionar el Para casos de minimización la metodología es similar, con al-
gunas diferencias, como que en estos casos la región factible esta-
dado
caso de la Carpintería Pérez. (Dav
rá de las líneas de las restricciones hacia arriba, el movimiento de
las rectas de la función objetivo será del origen hacia arriba y la 10 vl
Solución,: en la figura 5.1 se presenta la gráfica del problema,
búsqueda es por el punto entero de la menor Z. tener
en donde puede observarse que la primera restricción es más res- 4 10
trictiva que la segunda hacia el lado izquierdo de la gráfica, es =
loim
,
decir, para valores pequeños de X1, mientras que hacia el lado de-
recho se vuelve más restrictiva la segunda restricción. La zona fac- MÉTODO DE REDONDEO DE
tible será la que quede por debajo de las dos lineas, señalada con base
LA SOLUCIÓN ÓPTIMA DE
diagonales en la figura, pues ambas restricciones son del tipo me-
nor o igual que. Para el problema de programación lineal, su so- PROGRAMACIÓN LINEAL
lución es Xi =3.077, X2 = 2.308, con Z= 110 775. por e
Tal como su nombre lo indica, este método se basa en
resolver en primer término el problema como programación
7.0 lineal y luego redondear la solución obtenida hacia los ente- posil
partir del problema original, el que se irá dividiendo en ra- cuya función objetivo fuese mejor que la de la cota
mas, cada una de las cuales va acortando la región factible de anterior, dicha rama tomaría el lugar de la nueva
solución, conservando las soluciones enteras hasta que se cota en sustitución de la anterior.
llegue al final, de este modo la metodología conserva la so-
lución óptima (Bronson, 1992). Este procedimiento se continúa hasta que ya no haya 1:
El procedimiento del método consiste en los siguien- posibilidades de ramificaciones posteriores. Con esto se ten- X
tes pasos: drá la certeza de que se encontrará la solución entera ópti- X
ma en caso de haberla, siendo ésta la última cota que haya C
1.Se resuelve el problema original de programación li- prevalecido como tal hasta el final del problema.
neal, sin limitarse a una solución entera. Si la solución ob- A continuación se presenta el caso base para ser resuel-
tenida es entera, ésta será la óptima para el problema, pero to mediante el presente método.
si es fraccionaria en alguna(s) de las variables de decisión,
se continúa al paso siguiente. Ejemplo 5.4. Resolver el caso de la Carpintería Pérez por
2. De las variables de decisión que hayan resultado medio del método de bifurcación y acotación.
fraccionarias en el paso anterior, se toma una de ellas, por
ejemplo X:, la cual quedará comprendida entre dos números Solución: el planteamiento del problema es:
enteros consecutivos, que se designan por k 1 y k2, entonces:
Max Z= 21 000X1 + 20 000X2
/el X, k2 (5.1)
Sujeto a:
De aquí el problema tendrá su primera ramificación en
dos partes o nuevos subproblemas, que serán idénticos al 35X1 + 40X2 200
problema que les dio origen, añadiendo una restricción adi- 12X1 + 10X2 5_60
cional cada uno de ellos, la cual será:
Siendo X1 , X2 O y enteras. ha
para la primera rama De acuerdo con el procedimiento establecido para el méto- sig
do, el paso 1 consiste en resolver el problema por medio de la pro-
k2 para la segunda rama (5.2) gramación lineal, cuya solución es:
Con esto cada rama abarcará una región factible de so- X1 = 3.077
lución más limitada que la del problema original, lo que X2 = 2.308
implica haber dividido éste en dos subproblemas más pe- Z= 110 775
queños. En el caso de haber varias variables de decisión
fraccionarias que sean candidatas para efectuar las ramifi- De aquí, esta solución no es entera, por lo que conforme al
caciones, deberá tomarse aquella que quede más próxima paso 2 se debe ramificar con la variable fraccionaria X2, que es la
a la fracción intermedia entre dos enteros consecutivos, es más próxima al valor fraccionario intermedio de 0.5. La ramifica-
decir, 0.50. ción se hace en dos ramas, las cuales de acuerdo con la ecuación
3. Resolver cada rama del paso anterior por medio de 5.2 serán:
programación lineal; de aquí pueden tenerse varias posibi-
lidades: Rama A Rama B
a) Que la solución encontrada no sea factible. En este Max Z= 21 000X1 + 20000X2 Max Z= 21 000X1 + 20 000X2
caso esta rama ya no se investiga más. 35X1 + 40X2 200 (1) 35X1 + 40X2 200 (1)
b) Que la solución hallada sea entera. En este caso esta 12X1 + 10X2 5 60 (2) 12X1 + 10X2 _ 60 (2)
solución se convierte en una cota, que será inferior 2 (3) X2 (3 )
para problemas de maximización y superior para los Con X1, X2 >_O Con X1, X2 >_O
de minimización. Este viene siendo el proceso de aco-
tación. De esta rama ya no se continúa la búsqueda De aquí se pasa al paso 3 con la rama A, cuya solución por
de nuevas opciones. programación lineal es:
c) Que la solución encontrada sea fraccionaria. De aquí,
esta rama será candidata para seguir haciendo bifur- X1 = 3.333
caciones, siempre y cuando el valor hallado para la X2 = 2
función objetivo sea mejor que el de alguna cota fi- Z=110000
jada en una etapa anterior, pues de no suceder así,
ya no se proseguiría la búsqueda y esa cota anterior De esta solución se puede aún ramificar, pues X 1 es ahora
sería la solución óptima. Si la búsqueda hubiese con- fraccionaria, surgiendo entonces las ramas Cy D a partir de la
tinuado y se encontrara una nueva solución entera rama A, del modo siguiente:
61
Para la rama G su solución es:
Rama C Rama D
Max Z= 21000X1 + 20 000X2 Max Z= 21 000X1 + 20 000X2 X1 =4
35X1 + 40X2 200 (1) 35X1 + 40X2 5 200 (1) X2 = 1
12X1 + 10X2 5 60 (2) 12X1 + 10X2 5 60 (2) Z= 104 000
X2 5 2 (3) X2 5.. 2 (3)
X1 5 3 (4) 4 (4) Que es una solución entera y mejor que la cota anterior, con-
Con X1, X2 >_O Con X1, X2 >_O virtiéndose de esta forma en la nueva cota inferior. De esta rama
ya no habrá bifurcaciones.
De la rama C, su solución por programación lineal es: Por su parte, para la rama H su solución es la siguiente:
X1 =3 X1 = 5
X2 = 2
X2= 0
Z=103000 Z = 105 000
Al ser una solución entera, esta rama se convierte en la cota
inferior y ya no siguen las bifurcaciones después de ella. Esta solución también es entera y mejor que la anterior, cons-
Para la rama D la solución es: tituyendo a partir de ahora la nueva cota inferior. De esta rama
tampoco habrá ramificaciones posteriores.
X1 = 4 Por su parte, de la rama B, que se había dejado pendiente,
X2 = 1.2
su solución es fraccionaria y mejor que la de la cota inferior, por
tanto debe bifurcarse, quedando sus ramas subsecuentes de la
Z= 108 000 siguiente manera:
Que por tener un valor mayor de Z que el de la cota inferior,
hará que esta rama se bifurque en las ramas E y F de la manera Ramal Rama J
siguiente:
Max Z=21 000X1 + 20 000X2 Max Z= 21000X1 + 20 000X2 Max Z= 21 000X1 + 20 000X2
Max Z=21 000X1 + 20 000X2
35X1 + 40X2 5 200 (1) 35X1 + 40X2 5 200 (1) (1)
35X1 + 40X2 5 200 (1) 35X1 + 40X2 5 200
12X1 + 10X2 5 60 (2) 12X1 + 10X2 5 60 (2) (2)
12X1 + 10X2 5 60 (2) 12X1 + 10X2 5 60
X2 (3) X2 (3) X2 >_3 X2>_ 3 (3)
(3)
4 (4) (4) (4)
Xi 5 2 (4) Xi 5 2
X2 5.. 1 (5) X2 5_ 1 (5)
a X2 5 3 (5) X2 (5)
X1 5_4 (6) (6)
a Con Xi , X2 O Con X1 , X2 O
Con X1, X2 >_O Con X1 , X2 >_O
62 CAP. 5. PROGRAMACIÓN ENTERA
Para la rama K su solución es: mas A y B que dan soluciones fraccionarias, por lo cual de ellas
surgen bifurcaciones: de la rama A salen las ramas C y D, la C da
X1 = 2 una solución entera con Z = 103 000, convirtiéndose en la cota in-
X2 =3 ferior; de la rama D, resulta una solución fraccionaria con una Z
Z = 102 000 mayor que la cota inferior, por lo que de ella debe hacerse ramifi-
cación en las ramas E y F; la rama E da una solución fraccionaria
Que es entera, pero menor que la cota inferior, por lo cual con Z mayor que la cota inferior, por lo cual esta rama deberá bi-
ahí termina esa bifurcación. furcarse; por su parte la rama F da una solución no factible; de la
Por su parte, para la rama L su solución es: rama E resultan las ramas G y H, la G da una solución entera con
Z = 104 000, constituyendo con esto la nueva cota inferior; la rama
X1 = 1.1429 H también presenta una solución entera con Z = 105 000, convir-
X2 = 4 tiéndose en la nueva cota inferior. Había quedado pendiente la
Z = 104 000 ramificación de B, de la que salen las ramas I y J; de la J resulta
una solución no factible y de la /una solución fraccionaria con una
La cual es fraccionaria, pero menor que la cota inferior, ra- Z mayor que la cota inferior; por ello I se ramifica en K y L; Kpro-
zón por la chal ya no se buscan ramificaciones posteriores. duce una solución entera, pero menor que la cota inferior; mien-
Con esto el problema concluye, siendo su solución la de la tras que L produce una solución fraccionaria, pero también menor
última cota inferior, que fue provista por la rama H: que la cota inferior, por tanto el problema termina aquí, habiendo
sido su solución la generada por la rama H, con Z = 105 000.
X1=5 Puede observarse que este problema se ha resuelto con 12 ra-
X2= 0 mas, lo que implica haber resuelto 12 veces el problema de pro-
Z= 105 000 gramación lineal. Esto da una clara idea de lo laborioso que puede
resultar solucionarlo de forma manual. Para ello ya hay software
La Carpintería Pérez debe fabricar cinco juegos de recá- específico con el algoritmo presente para solucionar problemas
maras del tipo provenzal y ninguno del tipo americano, con el de programación entera de un número mayor de variables y res-
fin de maximizar sus ingresos, los cuales serán por un monto de tricciones.
$ 105 000.
Un esquema de las bifurcaciones se presenta en la figura 5.2,
donde puede observarse que del problema original salen las ra- MÉTODO DE CORTE DE GOMORY
ft.
PROBLEMAS PROPUESTOS 63
el capítulo anterior en el tema del análisis de sensi- Y al resolver:
bilidad. Si la solución obtenida en este paso es ente-
ra, se habrá resuelto el problema; si es fraccionaria, X1 = 3
se repite el procedimiento a partir del paso número 2. X2 = 2
Z= 103 000
A continuación se presenta el caso base, resuelto por
este método. Que al resultar entera, constituye la solución obtenida con el
método actual, y como ya se sabe, no es la solución óptima.
Esta es una de las desventajas del presente método, pues no
Ejemplo 5.5. Solucionar el caso de la Carpintería Pérez por garantiza la convergencia a la solución óptima, aunque sí resulta
el método de corte de Gomory. menos laborioso que el de bifurcación y acotación. Por ello el mé-
todo más aceptado para problemas de programación entera es el
Solución: el problema original se resuelve por el método sím- de bifurcación y acotación.
plex, cuya tabla final es:
X1 = 3.333 Sujeto a:
X2 = 2
Z=110000 + X2 3
La solución ha resultado fraccionaria, razón por la cual la me- Con X1, X2 enteras y no negativas.
todología debe repetirse a partir del segundo paso, donde la va- 5.7. Determinar por el método de bifurcación y acotación el
riable fraccionaria es X1 , por lo que ahora debe incluirse la res- problema:
tricción correspondiente a dicha variable, que es la siguiente:
Max Z= 4Xi + 3X2
3.333 = X1 + 0.0833H1 - 0.83331-12 Sujeto a:
La cual al descomponerse en sus partes entera y fracciona- 2X1 + X2 4
ria genera la siguiente restricción: + X2 3
5.8. Resolver por el método de bifurcación y acotación: 5.13. Resolver por el método de Gomory:
Min Z= 5X1 + X2 Min Z = + X2 + X3
Sujeto a: Sujeto a:
X1 + X2>_ 4 2X1+ X2 -FX3k4
X1 +3X2 ?..6 2X2 + X3
toda
a su
resi
sen
de•
can
ob
cer
ser
ma
a si
car
cor
del
tod
dis
mé
les
étolo (ale (I41-napolu
Si sueñas, pero el sueño no se vuelve tu rey, rentes casos, como son los problemas de producción, asig-
si piensas y el pensar no mengua tus ardores, nación y transbordo.
si el triunfo y el desastre no te imponen su ley
y los tratas lo mismo, como a dos impostores.
PLANTEAMIENTO DEL PROBLEMA
RUDYARD KIPLING
65
66 CAP. 6. MÉTODO DE TRANSPORTE
La figura 6.1 muestra un diagrama del problema donde donde pi es la oferta del centro de suministro i.
se observa que habrá 4 x 4 = 16 diferentes caminos para Para cada j: sill
transportar las mercancías desde los centros de suministro de
hasta los centros de consumo. i=m hac
Cada costo de envío de un centro de suministro a un Xii = di (6.3) ah
centro de consumo se representa por Cm donde el subíndi- i=1
me
ce i representa el punto de suministro y j el de consumo. Cc:
Así CBU será el costo de enviar mercancía de B a U. donde di es la demanda del centro de consumo j.
El problema será cómo satisfacer las demandas de los Con esto habrá un total de rn + n restricciones, de las buc
centros de consumo dadas las capacidades de producción u cuales serán sólo m + n —1 ecuaciones independientes. de
ofertas de los centros de suministro, logrando esto a un cos- Además, deberá satisfacerse la siguiente igualdad: a u]
to total mínimo. nac
Si se plantea este problema como un caso de programa- P= D (6.4) ese
ción lineal, la función objetivo Z sería el costo total de los na
envíos, como lo define la ecuación siguiente: Es decir, que la sumatoria de las ofertas P deberá ser hal
igual a la sumatoria de las demandas D para que el proble-
Min Z = C.X..
uu ma tenga una solución factible.
i=1, m (6.1) Las variables de decisión serán las Xii, que deberán ser
j =1, m
mayores o iguales que cero y cuyos coeficientes en las ecua-
ciones de las restricciones serán la unidad.
Centros de suministro Este problema podría resolverse por el método símplex,
pero implica un caso de m + n restricciones y m x n varia-
bles. Para el caso de la figura 6.1 sería un problema de 16 Ml
variables y ocho restricciones, el cual resultaría muy labo-
rioso para llegar hasta su solución. No obstante, la metodo- inic
logía propia del algoritmo de transporte es más sencilla, y sec
se explicará ahora para plantear el caso anterior conforme a ord
ella (Kaufmann, 1970). me:
Lo que se hará será una tabla o matriz de distribución,
colocando en cada renglón los centros de suministro y en inci
cada columna los centros de consumo. Al final de cada ren- unc
glón habrá una casilla para el total de las ofertas de los cen-
tros de suministro y al final de cada columna habrá una casi-
Centros de consumo
lla para el total de las demandas de los centros de consumo. CA
En la tabla 6.2 se muestra la matriz de distribución
Figura 6.1.Diagrama del problema de los centros de donde cada casilla estará disponible para el número de uni-
suministro A, B, C y E y de los centros de consumo W, dades que se enviarán del centro de suministro que corres-
U, Y y Z. tros
ponde a ese renglón hacia el centro de consumo de dicha inci
columna. (tal
donde:
Cii = Costo de enviar una unidad de mercancía del Tabla 6.2. Matriz de transporte para el problema
centro de suministro i al centro de consumo j. planteado de cuatro centros de suministro
Xii = Número de unidades de mercancía que se en- y cuatro centros de consumo.
viarán del centro de suministro i al centro de
consumo j. W U Y Z Oferta
m = Número de centros de suministro.
n = Número de centros de consumo. A CAW CAU CAY CAZ PA
B CBw CBU CBY CB
La cual deberá minimizarse y estará sujeta a las si- PB
guientes restricciones: Cew Coy,
Cc U CCZ
Pc
Para cada i:
E CEw CEu I CEy CEZ
PE
j=n
Xii = Pi (6.2) Demanda dms, dy dz
P
du
j=1
MÉTODO DE LA ESQUINA NOROESTE 67
El recuadro superior derecho que aparece en cada ca- Veamos los métodos de inicialización para obtener las
silla es para anotar el costo de enviar una unidad del centro asignaciones iniciales del caso base con cada uno de ellos.
de suministro del renglón en el que está ubicada la casilla
hacia el centro de consumo de la columna correspondiente
3) a la casilla. Por ejemplo, la casilla Cz se llenará con el nú- MÉTODO DE LA ESQUINA
mero de unidades que se enviarán desde C hasta Z, siendo NOROESTE
Cez el costo unitario de cada envío.
Aquí el problema será cómo llenar la matriz de distri- Es el método más sencillo para lograr la distribución ini-
las bución de forma que se satisfagan las ofertas y demandas cial, pero también el menos recomendado, pues el costo de
de cada renglón y columna, respectivamente, logrando esto la matriz inicial es muy elevado. Consta de los siguientes pa-
a un costo total que sea mínimo; es decir, la suma de las asig- sos (Thierauf y Grosse, 1990):
naciones de cada renglón deberá ser igual a la oferta para
.4) ese renglón, y la suma de las asignaciones de cada colum- 1. Se inicia la distribución por la casilla de la esquina
na deberá ser la demanda de dicha columna, no pudiendo noroeste de la tabla, asignándole el máximo que sea
;er haber ninguna asignación negativa, es decir: posible, cuya cantidad será aquel número que sea el
le- menor de la oferta o la demanda que corresponden a
X,i O (6.5) la casilla.
;er Con esto quedará satisfecho al menos uno de los dos
para i= 1, 2, ..., m conceptos anteriores, aquel que haya sido agotado y
para j = 1, 2, ..., n que hará que el resto de las casillas de ese renglón o
columna tengan asignaciones cero, con el fin de que
ia- la sumatoria de todo el renglón o columna coincida
16 MÉTODOS DE INICIALIZACIÓN con la oferta o demanda, según sea el caso.
)o- Así se habrá asignado en su totalidad ya sea el ren-
Tienen por objeto dar una distribución o asignación glón o la columna respectiva a la casilla, proporcio-
lo-
inicial para la matriz del problema de transporte. En esta nando una tabla de menor tamaño por asignar.
,y sección se tratarán cinco métodos, que de acuerdo con el 2. De la tabla o matriz que queda sin asignar del paso
ea orden en que se presentarán son: esquina noroeste, costo anterior, se localiza la nueva casilla que haya que-
menor, mutuamente preferido, Vogel y Russell. dado ubicada en la esquina noroeste y se repite el
Sn, A continuación se plantea el problema propuesto en el procedimiento del paso 1.
en inciso anterior con numerales, con el fin de ilustrar cada 3. Se repite el paso 1 hasta terminar todas las asigna-
.n- uno de los métodos que se estudian en la presente sección.
.n- ciones de la tabla completa.
si- Ejemplo 6.1. Asignar una distribución inicial para el caso base
'o. usando el método de la esquina noroeste.
CASO BASE
ón
ii- Dados los centros de suministro A, B, C y E, y los cen- Solución: de acuerdo con el procedimiento explicado, la es-
tros de consumo W, U, Y y Z del problema planteado en el quina noroeste de la tabla será la casilla AW, la cual tiene una
ha oferta de 510 y una demanda de 600. Por lo cual se le asigna a la
inciso anterior, se tiene la siguiente matriz de transporte casilla el número menor, es decir 510, con lo cual quedará satis-
(tabla 6.3): fecha la oferta del renglón, por lo cual el resto de las casillas del
primer renglón tendrán asignaciones cero, con lo cual la tabla que-
Tabla 6.3 dará como se muestra en la tabla 6.4.
o U Y Tabla 6.4
A 25 18 21 1 23 U Y Z Oferta
77171
19 23 22 26 475 25 18 21 23
B A
510 X X X 510
' 2 25 26 17 390
19 r 23 22 26
B 475
E 24 21 20 22 225
22 i 25 26 17
390
Demanda 600 500 300 200 1600
24 21 20 22
E 225
¿Cuál sería la manera óptima de asignar las casillas con
el fin de obtener el costo total mínimo? Demanda 600 500 300 200 1600
68
Las X que aparecen en el renglón representan que dichas ca- Tabla 6.7 MÉ
sillas han sido asignadas con cero unidades de envío.
Ahora la nueva esquina noroeste será la casilla BW, a la cual U Y Z Oferta
se le podrían asignar, según su oferta, hasta 475 unidades, pero se- pro<
gún la demanda insatisfecha, sólo pueden asignarse 90 unidades, 25 18 21 23
con lo cual se agota primero la demanda de la primera columna y A silla
la tabla será ahora (tabla 6.5): 510 X X X 510 frec
19 23 22 26
sistE
B
90 385 X 475
Tabla 6.5
22 25 26 17
W U Y Z Oferta X 115 390
25 18 21 23 24 21 20 22
A E
510 X X X 510 X X 225
19 23 22 26 Demanda 600 500 300 200 1600
B
90 475
22 25 26 17
De esta tabla la nueva esquina noroeste es la casilla CY, la
X 390 cual se asignará con 275 unidades, quedando con esto satisfecha
24 21 20 22
la oferta del tercer renglón, y la tabla quedará sólo con dos casi-
E llas sin asignar: la EY y la EZ, las cuales sólo por diferencia se lle-
X 225 nan para satisfacer las demandas correspondientes, con esto la ta-
bla final totalmente asignada es (tabla 6.8):
Demanda 600 500 300 200 1600
Tabla 6.8
De esta nueva tabla, la esquina noroeste es la casilla BU, a la biér
cual se le podría asignar, según su oferta insatisfecha, 385 unida- U Y Z Oferta lar,
des y según su demanda hasta 500 unidades, por lo que el núme- real:
ro menor es 385, con lo cual quedará agotada la oferta del segun- 25 18 21 1 23
do renglón, es decir (tabla 6.6): A
510 X X X 510
do di
19 23 22 26
B
Tabla 6.6 90 385 X X 475
men
22 25 26 17
asigr
U Y Z Oferta X 115 275 X 390 segu
I 25 18 2 24 21 20 22
A E costc
510 X X X 510 X X 25 200 225 danc
Demanda 600 500 300 200 1600 estas.
19 23 22 26
B
90 1 385 X X 475
22 25 17 Aquí puede observarse que las sumatorias de las asignacio-
1 2
.
nes por renglón son iguales a las ofertas de los centros de suminis-
X 390 tro y las sumatorias de las columnas iguales a las demandas de los
centros de consumo.
24 21 20 22
E El costo total será:
225
CT = Xqw C Aw XEw Cmy XBu Cgu Xcu Ccu Xcy Ccy
Demanda 600 500 300 200 1600
XEY CEY XEZ CEZ
Cr = (510)(25) + (90)(19) + (385)(23) + (115)(25) + (275)(26)
De esta tabla la nueva esquina noroeste es la casilla CU, la + (25)(20) + (200)(22)
cual debe asignarse con 115 unidades agotándose la demanda de
la segunda columna, con lo cual quedará como la tabla 6.7. CT =38 240.0
69
MÉTODO DEL COSTO MENOR Ahora en la segunda columna se tienen tres casillas, dis-
ponibles, siendo la de menor costo la AU, que se puede asig-
Este método es mejor que el anterior, pero no siempre nar con 500 unidades, quedando así satisfecha la segunda co-
produce buenos resultados, ya que va asignando aquellas ca- lumna. Con estos cambios la tabla será ahora la siguiente (ta-
sillas de menor costo, como su nombre lo indica, pero con bla 6.10):
frecuencia no logra la solución óptima. Su procedimiento con-
siste en los siguientes pasos (Davis y McKeown, 1986): Tabla 6.10
1. Se analiza la primera columna y sobre ella se locali- U Y Z Oferta
za la casilla que tenga el menor costo, a la cual se le
asignará el máximo posible, de modo que quede sa- 25 18 21 23
tisfecha la oferta y/o demanda correspondiente al ren- A
X 500 510
glón y/o columna a la que pertenece. La línea que
haya quedado agotada tendrá el resto de sus casillas 19 23 22 26
con asignaciones cero. B
475 X X X 475
Si la primera columna no quedó satisfecha con la asig-
nación, se busca en ella la siguiente casilla de menor 1 22 25 26 17
C
costo y se procede de la misma manera hasta que la 125 X 390
, la columna quede totalmente asignada.
2. Se continúa con la segunda columna repitiendo el 24 21 20 22
sha E
isi- procedimiento anterior con las casillas que haya dis- X X 225
lle- ponibles para hacer asignaciones.
3. Se prosigue con el resto de las columnas de la tabla Demanda 600 500 300 ' 200 1600
ta-
hasta la última, con lo cual la distribución inicial que-
dará totalmente asignada.
Se continúa con la tercera columna aún, en la cual la casilla
Este método es el del costo menor por columna; tam- disponible de menor costo es la EY, la cual se puede asignar hasta
bién existe el del costo menor por renglón, el cual es simi- con 225 unidades, agotándose la oferta del renglón. La siguiente
lar, sólo que la búsqueda de las casillas de menor costo se casilla de menor costo en la columna será entonces la AY, que se
realiza por renglones. asignará sólo con 10 unidades, pues así se agota la oferta del pri-
mer renglón, quedando aún la tercera columna no satisfecha en
Ejemplo 6.2. Asignar la tabla del caso base usando el méto- cuanto a su demanda, por lo que se asignará la casilla CY, que es la
do del costo menor. única disponible con 65 unidades, quedando agotada la demanda.
Con estas asignaciones la tabla será (tabla 6.11):
Solución: de acuerdo con el paso 1, se observa que la casilla de
menor costo en la primera columna es la BW, a la cual se pueden
asignar 475 unidades quedando con esto satisfecha la oferta del Tabla 6.11
segundo renglón. D
En la misma primera columna, la siguiente casilla de menor LO W . U Y Z ' Oferta
costo es la CW a la cual se le pueden asignar 125 unidades, que-
dando con esto agotada la demanda de la primera columna. Con . : 25 ! 1 18 21 j 23
A
estas asignaciones la tabla 6.9 será: X 500 10 X 510
19 23 22 26
B
Tabla 6.9 475 X X X 475
ao
lis- W U I Y Z Oferta 22 r 3 25 26 17
los 25 18 21 23 125 X 65 390
A 24 21 20 22
X 510
E
19 23 22 26 X X 225 X 225
B
475 X X X 475 Demanda 600 500 300 200 1600
22 25 26 17
C
125 390
De aquí, en la cuarta columna sólo hay una casilla disponible:
24 21 20 22 la CZ, que al asignarse deberá satisfacer tanto la oferta de su ren-
E glón como la demanda de su columna, lo cual sucede si se asigna
X 225
la casilla con 200 unidades. Con esto la tabla totalmente asignada
Demanda 600 500 300 200 1600 será (tabla 6.12):
70
Tabla 6.12
Línea Casilla de menor costo
lo a
W U Y Z Oferta Primer renglón AU CW
25 18 21 Segundo renglón BW man
23
A
X 500 ! 10 X 510 Tercer renglón CZ se a:
19 23 22 26 Cuarto renglón EY cer r
B final
475 X X X 475 Primera columna BW
22 25 26 17 Segunda columna 1
C AU
125 X 65 200 390 Tercera columna EY
24 21 ! 20 22
E Cuarta columna CZ
X X 225 X 225
Demanda • 600 1 500 300 200 1600
De la lista hay cuatro casillas que cumplen el requisito de ser
las de menor costo, tanto del renglón como de la columna donde
Cuyo costo total para la distribución será: están situadas, estas son AU, BW, CZ y EY.
Ahora, conforme al segundo paso del método, se debe asig-
CT = XBw CBw Xcw Ccw XAu CAu XAy CAy Xcy Ccy nar a esas casillas la cantidad máxima posible. Así, para AU serán
XEy CEy Xcz Ccz 500 unidades con lo que se agota la demanda de la segunda co-
lumna; para la BW se asignarán 475 unidades, lo cual agotará la
CT = (475)(19) + (125)(22) + (500)(18) + (10)(21) + (65)(26) oferta del segundo renglón; para la CZ se asignan 200 unidades,
+ (225)(20) + (200)(17) quedando con esto satisfecha la demanda de la cuarta columna, y
para la EY se asignan 225 unidades, lo cual llenará la oferta del
CT =30575.0 cuarto renglón. Con estas asignaciones la tabla queda de la si-
guiente manera (tabla 6.13):
El cual es menor que el obtenido con el método de la esquina por
noroeste en 20.04 %, por tanto esta distribución es preferible a la Tabla 6.13
obtenida con el método anterior.
dar (
U Y
MÉTODO MUTUAMENTE 25 ! 18 21
r Z
! 23
Oferta
A MÉ
PREFERIDO 500 X l 510
19 23 22 26
Este método es aún mejor que los anteriores, pues se- B
475 X X X 475 ción
lecciona las casillas de menor costo bajo el criterio que sean plica
a la vez la más baja del renglón y la columna a la que perte- 22 25 26 17
muc
necen, con esto la aproximación inicial que se obtiene es en X 200 390 pop]
general mejor. Consiste en los siguientes pasos (Thierauf y 24 21 20 22
Grosse, 1990): E
X X 225 X 225
1. Identificar las casillas que tengan el costo mínimo Demanda 600 500 300 200 1600
tanto del renglón como de la columna a la que per-
tenecen. De esta tabla, conforme al tercer paso aún queda por asignar
2. Asignar en las casillas la cantidad máxima posible, en los renglones primero y tercero y en las columnas primera y
con lo cual se satisfará al menos una de las cantida- tercera. Se listarán, al igual que al inicio del problema, las casillas
des de la oferta y/o la demanda. no asignadas de menor costo:
3. El resto de la tabla que permanece sin asignar se va
llenando al repetir los pasos anteriores hasta termi-
nar las asignaciones. Línea Casilla de menor costo
Primer renglón AY
Ejemplo 6.3. Hacer la distribución inicial para el problema Tercer renglón CW
del caso base, usando el método mutuamente preferido.
Primera columna CW
Solución: lo primero será analizar si hay alguna casilla que sea
Tercera columna AY
la del costo mínimo del renglón y la columna en que esté ubicada.
Para esto, para cada renglón y columna se listan las casillas con el y col
menor costo, estas son: Aquí se observa que hay dos casillas para asignar: AY y CW. la qt.
71
Para AY lo más que se le puede asignar son 10 unidades, con Línea Diferencia
lo cual se llena la oferta del primer renglón. Por su parte, para la
CW lo máximo por asignar son 125 unidades, lo que agota la de- Primer renglón 21 — 18 = 3
manda de la primera columna.
El resto de la tabla, que en realidad sólo sería la casilla CY, Segundo renglón 22 — 19 = 3
se asigna por diferencia para satisfacer a la vez la oferta del ter- Tercer renglón 22 —17=5
cer renglón y la demanda de la tercera columna. Con esto la tabla
final es (tabla 6.14): Cuarto renglón r 21 20 =1—
Primera columna 22 — 19 = 3
Tabla 6.14
Segunda columna 22 —18 = 3
U Y Oferta
25 18 21 23
Tercera columna 21 — 20 =1
X 500 10 X 510 Cuarta columna 22 —17=5
ser 19 23 22 26
ide
475 X X X 475 De aquí han resultado empatados con la mayor diferencia el
;ig- 22 25 26 17 tercer renglón y la cuarta columna, por tanto se selecciona al azar
rán cualquiera de ellos, en este caso el tercer renglón, cuya casilla de
co- 125 X 65 200 390 menor costo es la CZ, que también es la casilla más barata de la
1 la 24 21 20 22 cuarta columna, en ella se asignarán 200 unidades, con lo cual
les, queda satisfecha la demanda de la cuarta columna, y la tabla que-
X X 225 X 225 dará así (tabla 6.15):
a, y
del Demanda 600 500 300 200 1600
si- Tabla 6.15
La cual como se observa es exactamente igual que la obtenida
por el método del costo menor, cuyo costo total era CT = 30 575. W U Y Z Oferta
Esto no siempre sucede así, con frecuencia este método suele 25 18 21 1 23
dar distribuciones iniciales mejores que las del método anterior. A
X 510
19 23 22 26
MÉTODO DE VOGEL B
X 475
Este método es el más utilizado para lograr una asigna- 22 25 26 17
C
ción inicial en los problemas de transporte, pues no es com- 200 390
plicadoy da muy buenas aproximaciones iniciales, las cuales 24 21 20 22
muchas veces son las distribuciones óptimas, por ello es tan E
popular. Consta de los siguientes pasos (Bronson, 1992): X 225
Demanda 600 1 500 Í 300 200 1600
1. Para cada renglón y columna encontrar la diferen-
cia de costo entre la casilla más barata y la que le si-
Conforme al tercer paso, se repite el procedimiento. De nue-
gue en costo. vo se listan las diferencias para cada renglón y columna entre las
2. En aquel renglón o columna donde dicha diferencia casillas más baratas.
;nar sea la máxima, asignar lo máximo posible en la casilla
ra y de menor costo. En caso de empates en las diferen-
illas cias buscadas, se selecciona al azar una de ellas. Con Línea Diferencia
esta asignación se habrá satisfecho el renglón y/o la Primer renglón 21 — 18 = 3
columna donde está ubicada la casilla asignada.
3. Se repite el cálculo de las diferencias entre las dos Segundo renglón 22 — 19 = 3
casillas más baratas de cada renglón y columna que
aún tengan casillas por asignar, hasta terminar de Tercer renglón 25 — 22 = 3
asignar la tabla. Cuarto renglón 21 — 20 = 1
Ejemplo 6.4. Asignar el caso base por el método de Vogel. I Primera columna 22 — 19 = 3
Solución: de acuerdo con el primer paso, para cada renglón Segunda columna 21 — 18 = 3
y columna se hallarán las diferencias entre la casilla más barata y
la que le sigue en costo. Esto se presenta en la lista siguiente: Tercera columna 21 — 20 = 1
72 CAP. 6. MÉTODO DE TRANSPORTE
En este caso hay cinco líneas empatadas con la máxima dife- Se repiten los pasos del 1 al 3 con la porción de tabla no asig- E
rencia, por tanto se selecciona al azar el primer renglón, cuya casilla nada, cuyas diferencias son: dos m
de menor costo es AU, en la cual lo más que se puede asignar son óptim
500 unidades, lo que agota la demanda de la segunda columna. Con E
esta asignación la tabla quedará de la manera siguiente (tabla 6.16): Línea Diferencia anteri
Primer renglón 25 — 21 =4 en tal
Tabla 6.16 Tercer renglón 26 — 22 = 4 tes en
que la
U Y Cuarto renglón 24 — 20 = 4
Oferta buena
Primera columna 24 — 22 = 2
25 I 18 21
A Í Tercera columna 21 — 20 = 1
500 510 mÉn
19 23 1 i 22
B De nuevo hay un empate, por lo que se elige al azar el tercer
X 475 renglón, cuya casilla de menor costo es la CW, que puede asignar- E
22 25 se con 125 unidades, lo que agotará la demanda de la primera co- to a la
r 26 17
lumna. Con esto la nueva tabla será (tabla 6.18): bos n
X 200 390 mún
24 11 20 22 Tabla 6.18 de el-
E
X X 225 1
dad 2
—
W U! Y 1 Z Oferta
Demanda 600 500 300 200 1600 sigui(
25 18 21 23
A
Se repite el procedimiento, calculando las diferencias entre X 500 X 510
las dos casillas más bajas en costo para cada renglón y columna no 19 23 22 26
satisfechos, cuya lista es ahora: B
475 X X X 475 donó
22 25 26 17
C
Línea Diferencia 125 X 200 390
Primer renglón 25 21=4 24 21 20 22
E
-
MÉTODO DE RUSSELL A41 = (x4 +131 - C41 A42 = (x4 +12 - C42
= 24 + 25 — 24 = 25 =24+25-21 =28
:ercer Esta metodología es comparable a la de Vogel en cuan-
gnar- A43 = a4 +133 C43 A44 = (x4 +134 - C44
to a la aproximación respecto de la solución óptima que am- = 24 + 26 — 20 = 30 =24+26-22 =28
ra co-
bos métodos generan, sólo que este método es menos co-
mún que el anterior debido a que requiere mayor cantidad De aquí la casilla con mayor á ij es la CZ con un valor de 35,
de trabajo. ubicada en el tercer renglón y en la cuarta columna, la cual
Consiste en calcular antes de cada asignación la canti- se puede asignar con 200 unidades, lo que agota la demanda de
dad ám para cada casilla libre disponible, de acuerdo con la la columna, con esto la tabla quedará de la siguiente forma (ta-
siguiente ecuación (Hillier y Lieberman, 1991): bla 6.20):
'111 =1:x1+131 - C11 Al2 = + 132 — C12 A33 = a3 + 133 — C13 A41 = +13 1 - C41
=25+25-25=25 =25+25-18=32 =26+26-26=26 =24+25-24 =25
A13 = +133 C13 A14 = +134 - C14 112 = a4 +132 - C42 A43 = a4 +133 - C43
=25+26-21=30 =25+26-23=28 =24+25-21=28 = 24 + 26 — 20 =30
74 CAP. 6. MÉTODO DE TRANSPORTE
De donde la áij máxima es la á 12 (casilla AU), a la cual se le Al repetir el paso 1, se calcula de las casillas que aún per-
pueden asignar 500 unidades, lo que llena la demanda de la se- manecen vacías:
gunda columna, con esto la tabla será (tabla 6.21):
1 11 = + 131 - C11 /13 = "1 +133 C13
=25+25-25=25 =25+26-21=30
Tabla 6.21
1 21 = (X2 +131 C21 1 23 = a2 + P3 C23
U Y Oferta =22+25-19=28 =22+26-22=26
donde:
Tabla 6.25
Se tendrán como incógnitas cinco coeficientes que son: r 1 , r2, Ahora se deben recalcular para esta tabla las r, y ki, defi-
k1 , k2 y k3 , de los cuales debe seleccionarse uno al azar para defi- niendo de forma arbitraria una de ellas, para ello se tomará aho-
nirlo de modo arbitrario. ra k1 = 0, entonces, al aplicar la ecuación 6.8 a las casillas asigna-
En este caso se toma r 1 y se le define un valor arbitrario de das, resulta:
cero. Ahora debe aplicarse la ecuación 6.8 a las cuatro casillas
asignadas, para determinar las restantes r, y
Casilla 1-1:
Casilla 1 1:
-
r1+C11+k1=0
7.1 + Cn + kl = 0 7-1 +24 +O =0,7.1 =-24
0+24 +k1 =0, k1 =-24
Casilla 1-2:
Casilla 1 - 2:
+ C12 k2 = O
7-1 + C12 +k2 =0 —24+18 +k2 =0,k2 =6
0+18 +k 2 =0,k2 =-18
Casilla 2-1:
Casilla 2-2:
r2 +C21 +k1 = O
r2 + C22 ± k2 = 0
r2 +23+0 =0,r2 =-23
r2 +20 —18=0,r2 =-2
r2 + C23+k3= 0 r2 + C23 + k3 =0
—2+19 +k3=0,k3 =-17 —23+19 +k3 =0,k3 =4
Ahora se obtendrá el valor de (7 .; + Cii + ki) para las casillas Y se obtiene (7., + + ki ) para las casillas vacías:
vacías:
Casilla 1-3:
Casilla 1-3:
7.1 + C13 +k3 =-24+21+4=+1
C13 k3 =0+21 —17 =+4
Casilla 2-2:
Casilla 2-1:
Por tanto esta tabla no es la óptima, ya que no todas las su- De donde se observa que la distribución actual es la ópti-
matorias de (r1 + + ki ) resultaron mayores o iguales que cero, por ma y es la misma obtenida con el método anterior, cuyo costo es
Ct = 288500.
ello deben reasignarse unidades en la casilla 2-1, que ha resultado
negativa conforme al recorrido cerrado, el cual deberá efectuarse Es conveniente señalar que cuando en una casilla vacía, en
enviando una unidad desde la casilla 1-1 y compensar las ofer- su evaluación del recorrido cerrado para el método del cruce del
arroyo, o bien en su valor de (r1 + C,i + ki ) por el presente método,
tas de los renglones enviando una unidad de la casilla 2-2 a la 1-2,
por lo que deberán moverse 3000 unidades. Con estos movimien- el valor resulte ser cero, significa que al asignar unidades en di-
tos la tabla 6.32 quedará de la siguiente manera: cha casilla dará una distribución cuyo costo total quedará empa-
tado con el de la tabla actual. Por eso se establece que si al hacer
las evaluaciones para las casillas vacías los valores de éstas resul-
Tabla 6.32 tan mayores o iguales que cero, será la distribución óptima, ya que
no habrá otra que disminuya más el costo.
Destino También debe aclararse que el presente método no cambia
Centro de Centro de Centro de
Origen ventas 1 ventas 2 ventas 3 Oferta si alguien elige arbitrariamente darle un valor diferente a la 7 -, ola
ki seleccionada para el valor inicial, o sea que si en la última asig-
24 18 21 nación alguien hubiese dado a k 1 un valor diferente del que se es-
Centro de producción 1
3000 4500 7500 tableció, que fue de cero, hubiesen cambiado las r, y las k l, pero
no los valores de (7-, + + de las casillas vacías.
'
Solución: lo primero es crear un centro de ventas ficticio F, El costo de esta distribución es:
que tendrá una demanda de 20 500 —19 000 = 1500 unidades, con
el fin de igualar la oferta y la demanda total, con casillas de costo Ct = (1000)(27) + (5000)(25) + (2000)(23) + (6000)(23)
cero, con esto la tabla equilibrada será (tabla 6.34): + (500)(28) + (4500)(24) + (1500)(0) = 458 000
80 CAP. 6. MÉTODO DE TRANSPORTE
Ahora se pasa a la aplicación del modi para la optimización, do transferirse entonces 1000 unidades, que es la cantidad me-
con lo cual se cumple con la condición de no degeneración, pues nor de las celdas donadoras. Con este movimiento la tabla 6.36 que-
hay siete casillas asignadas. Los coeficientes son r A, rB, rD y rE para da de la manera siguiente:
los renglones, y kw, ky, kz y kF para las columnas, se elige al azar
kw = 0. Entonces, para calcular las demás se utiliza la ecuación 6.8
para las casillas asignadas. Tabla 6.36
Casilla EW: 23 28 27
E
3000 500 X 500 4 000
rE + CEw kw = Demanda 8000 6500 4500 1500 205001
rE +23 +0 =0,rE =-23
Se obtienen los valores de (ri + ci; + ki) para las casillas vacías: rE + CEF + kF = 0
TE +O +10=0,rE =-10
Casilla AW: rA +CAw +kw =-18 +31+ O = +13
Casilla AZ: rA +CAz +kz =-18+26+ 3 =+11 Casilla BZ:
Casilla AF: rA + CAF +kF =-18+ 0+23=+5
rB +CBz +kZ =0
Casilla BY: rB + Cgy + ky =-27+30— 5=-2
—10 +24 +kz =0, kz =-14
Casilla BF: B + CBF +kF r =-27+ 0+23=-4
Casilla DY: TD + CDy + ky =-25 +29 — 5=-1 Casilla EY:
Casilla DZ: rD + CDz + kz =-25+28+ 3=+6
Casilla DF: D + CDF + kF r =-25+ 0+23=-2 rE + CEy ky = 0
Casilla EZ: rE + CEz + kz =-23+27+ 3=+7 —10+28 +ky =0,ky =-18
Aquí la casilla más negativa es BF, en la cual deberán asig- Casilla EW:
narse unidades en el recorrido cerrado correspondiente, que será
el siguiente: enviar desde EF a BF, compensando con enviar des- rE + CEw kw = 0
de BW a EW, aquí las celdas donadoras son EF y BW, debien- —10+23 +kw =0,kw =—I3
VARIANTES EN LOS PROBLEMAS 81
Casilla DW: Ahora deben volver a calcularse los coeficientes ri y kj, fi-
jando rB = O en este caso, y se estiman los restantes con la ecua-
rD +CDw +kw =0 ción 6.8:
rD +25 —13 =0,rD =-12
Casilla BZ:
Casilla AY:
rB +CBz +kz =0
rA +CAy +ky =0 0+24 +kz =0,kz =-24
rA +23 —18=0,rA =-5
Casilla BF:
Se estiman entonces los valores de (T .; + para las casi- rB + CBF kF =
llas vacías:
0+0 +kF =0,kF =0
Casilla AW: rA + CAw + kw = —5 +31 — 13 = +13
Casilla DF:
Casilla AZ: rA + CAz + kz = —5 +26 — 14 = +7
Casilla AF: rA + CAF + kF = —5 + O + 10 = +5 ro CDF kF "
Casilla BW: rB + Cgw + kw = —10 + 27 — 13 = +4 rD + O +0 =0,rD =0
Casilla BY: rB + Cgy + ky = —10 + 30 — 18 = +2
Casilla DY: rD + CDy + ky =-12+29 —18=-1 Casilla DW:
Casilla DZ: rD + Ccoz + kz = —12 +28 — 14 = +2
r0 + Cpw kw = 0
Casilla DF: rD + CDF + kF =-12+ O + 10 = —2
0+25 +kw =0,kw =-25
Casilla EZ: rE + Cgz + kz = -10 + 27 — 14 = +3
Casilla EW:
donde la casilla más negativa es ahora DF, para la cual el recorri-
do cerrado es enviar unidades a ella de la casilla EF y compen- rE +CEw +kw =0
sar los renglones enviando unidades de la casilla DW a EW. El rE + 23 —25 =O, rE =+12
número de unidades que hay que transferir es el valor mínimo de
las casillas donadoras, EF y DW, que es 500. Casilla EY:
Con esta transferencia, la tabla será (tabla 6.37):
rE + CEy + ky = 0
2 +28 +ky=0,ky =-30
Tabla 6.37
Destino Casilla AY:
Origen Y Z F Oferta
31 23 26 0 rA + CAy ky = O
A rA + 23 —30 = 0,.rA =+17
X 6000 X X 6 000
27 30 24 0 Se evalúan los valores de (ri + Cii + para las casillas vacías:
B
X X 4500 1000 5 500
Casilla AW: rA + CAw kw = 7 +31 — 25 = +13
25 29 28 0 Casilla AZ: rA + CAz + kz = 7 +26 — 24 = +9
D
4500 X X 500 5 000 Casilla AF: TA + CAF + kF = 7 + 0 + 0 = +7
23 28 27 0 Casilla BW: rB + Cgw + kw = O + 27 — 25 = +2
E Casilla BY: rB + Cgy + ky = 0 + 30 —30 = 0
3500 500 X X 4 000
Casilla DY: rD + CDy + ky = O + 29 —30 = —1
Demanda 8000 6500 4500 1500 20 500 Casilla DZ: rD + CDz + kz = 0 + 28 — 24 = +4
Casilla EZ: TE + Cgz + kz = 2 + 27 — 24 = +5
Casilla EF: rE + CEF + kF = 2 + 0 + O = +2
Cuyo costo es:
Puede observarse que la distribución aún no es la óptima,
Ct = (6000)(23) + (4500)(24) + (1000)(0) + (500)(0)
pues la casilla DY es negativa, siendo ésta hacia donde deben
+ (4500)(25) + (3500)(23) + (500)(28) = 453 000.0 transferirse unidades. Su recorrido cerrado será enviar mercan-
cías de la casilla EY a DY y equilibrar los renglones reexpidiendo
que representa una disminución de $1000 respecto de la distribu- unidades de DW a EW. Las casillas donadoras son EY y DW, por
ción anterior, pues el ahorro es de 500 unidades transferidas por lo que deberán moverse 500 unidades, con esto la tabla 6.38 que-
(25 — 23) pesos/unidad, igual a $1000. dará de la siguiente manera:
82
Tabla 6.38 Y al evaluar las casillas vacías se tendrá: a
Destino W Y Z F
Origen Oferta Casilla AW: rA + CAw + kv, =6 +31 — 25 = +12
r
31 23 26
Casilla AZ: rA + CAZ + kz =6 +26 — 24 = +8
0
A Casilla AF: rA + CAF + kF =6 + 0+ 0 = +6
X 6000 X X 6 000 r
Casilla BW: rB + CBw + kw = 0 +27 — 25 = +2
27 30 24 0 Casilla BY: r B + CBy + ky = 0 + 30 — 29 = +1
B
X X 4500 1000 5500 Casilla DZ: rD + Cipz + kz = 0 + 28 — 24 =+4 1
25 29 28 Casilla EY: r E + CEy + ky =2 +28 — 29 = +1
D
4000 500 X 500 5 000 Casilla EZ: rE + CEz + kz =2 +27 — 24 = +5
23
Casilla EF: rE + CEF + kF = 2 + 0 + O = +2
28 27
E
4000 X X X 4 000 Lo cual muestra que la distribución actual es la óptima.
Demanda 8000 6500 4500 1500 20500 El método modi ha logrado la solución del problema en tres
iteraciones, por lo que la distribución inicial obtenida con el mé-
todo del costo menor no ha sido muy buena. En comparación con
Cuyo costo será: este caso, debe mencionarse que el método de Vogel aplicado al
problema obtiene la tabla óptima, lo que da una clara idea de su
Ct = (4000)(25) + (4000)(23) + (6000)(23) + (500)(29) superioridad respecto del método actual, que no era evidente en
el ejemplo del caso base.
+ (4500)(24) + (1000) (0) + (500)(0) = 452500.0
aquella casilla vacía que tenga el valor mayor de (r, + + Se vuelve a estimar la A li para la parte de la tabla que aún no
9 y la solución óptima se hallará cuando estos valores sean está asignada:
menores o iguales a cero para todas las casillas vacías.
Para tener una idea más clara de lo antes descrito, vea- LIAW °CA PW CAW PY CAY
'1 AY = °CA
Tabla 6.45
Destino Que representa una solución de costo mínimo y además de-
Origen 1 2 3 Oferta generada.
14 10 12 En realidad una solución degenerada desde el punto de vista
1 práctico representa una ventaja y no una desventaja, como pudie-
6000 1000 7000 ra pensarse en un principio. En la tabla 6.46, para hacer el total de
9 11 10 envíos de los orígenes a los destinos es preferible efectuarlo con
2 cuatro movimientos y no con cinco, ya que todo movimiento adi-
6000 e 6000
cional significará costo y riesgo, de modo particular en el ámbito
11 12 11 del fletamiento de mercancías.
3 Es conveniente comentar que una forma alternativa para ve-
5000 5000
rificar que cada casilla vacía tenga su recorrido cerrado que resul-
Demanda 6000 6000 6000 18 000 ta menos complicada que la anterior, en particular en el manejo
86 CAP. 6. MÉTODO DE TRANSPORTE
de tablas más grandes, es la siguiente: verificar que todos los ren- Encontrar la forma de efectuar los fletes a un costo total
glones estén conectados, es decir, que puedan intercambiar uni- nimo. Utilizar el método de la esquina noroeste para inicializar
dades entre ellos. Así, para el caso anterior, si se observa la tabla problema y el modi para la optimización.
que incluye las e unidades, en la tercera columna todas las casillas
son asignadas, lo cual significa que pueden enviarse unidades en Solución: lo primero será acomodar la información del prob
una u otra dirección del primero al segundo renglón, del primero ma en una tabla de transporte (tabla 6.48):
al tercero y del segundo al tercero, es decir, que todos los renglo-
nes han quedado conectados. Tabla 6.48
Destino San Luis Guada-
Rutas prohibidas Origen Querétaro Potosí lajara Tampico Oferta
45 48 49 53
Existen problemas de transporte en los cuales habrá ru- México
tas que por diferentes causas no estén disponibles para la 10 000
transferencia de mercancías, tal es el caso cuando una carre- 50 49 48
tera o un camino que conecta dos puntos geográficos se dete- Monterrey
8 000
riora por las lluvias o cualquier otra situación de emergencia.
Demanda 4500 3000 8500 2000 18 000
Esta es la situación de las rutas prohibidas, que se manejan
como una casilla cualquiera en la tabla de transporte normal
a la que se le pondrá un costo muy elevado —en caso de un La cual al inicializar con el método de la esquina noroeste
problema de minimización, pues si es maximización será a quedará de la forma siguiente (tabla 6.49):
la inversa, un costo muy bajo—, con frecuencia se representa
como M, con lo cual, si la casilla llegase a tener alguna asig- Tabla 6.49
nación, con el método de optimización tenderá a eliminár-
sela (Gallagher y Watson, 1992). Destino Queré- San Luis Guada-
Ahora se obtiene el valor de las (r, + + 19 para las casillas Casilla Monterrey-Guadalajara:
vacías:
rmty + Cmty_ Guad + kGuad = °
Casilla México- rmty + 48 – 49 = 0, rmty = +1
Tampico: rméx+ CMéx-Tam+kTain= O + 53 – 1 –M=52 –M
Casilla Monterrey- Con éstos, se obtiene el valor de (r, + C, 1s) para las casillas
Querétaro: rmty + Cmty _Qm + Icwo = 1 +50 – 45 =+6 vacías.
Casilla Monterrey-
San Luis Potosí: rmty + Cmty-su + ksLp = 1 + 49 – 48 = +2 Casilla Monterrey-
te Querétaro: rmty + + k0,0 = 1 + 50 – 45 = +6
La única casilla negativa es la México-Tampico, que confor- Casilla Monterrey-
me al recorrido cerrado se le pasan unidades de varilla de Mon- San Luis Potosí: rmty + Cmty_su + knp= 1 + 49 – 48 = +2
terrey-Tampico y se equilibran los renglones enviando varilla de
la casilla de México-Guadalajara a Monterrey-Guadalajara. El Aquí ya no se calcula la casilla Monterrey-Tampico, ya que
número menor de ambas celdas donadoras es 2000, por tanto, esta es la ruta prohibida. Por tanto, esta distribución es la óptima y
será la cantidad que se va a reasignar. se han eliminado las unidades que en principio se enviarían por
Con estos cambios la tabla será (tabla 6.50): esa ruta.
Tabla 6.50
CASOS DE RESTRICCIONES
Destino ADICIONALES
San Luis Guada-
Origen Querétaro Potosí lajara Tampico Oferta
En esta época es usual que se presenten situaciones en
45 48 1-749—
' 53
México las cuales las circunstancias iniciales en que opera un pro-
4500 3000 500 2000 10 000 yecto o un plan suelan variar, de modo que es necesario re-
50 49 1 48 plantear el proyecto original para adecuarse a las nuevas
Monterrey condiciones del entorno.
X X 8000 X 8 000
Un ejemplo es el de los problemas de transporte de en-
is- Demanda 4500 3000 8500 2000 18 000 víos, cuando la cantidad de éstos ya no es la misma que se
tá tenía programada con la solución óptima del problema ini-
e-
Con un costo de: cial. Esto puede deberse a una diversidad de causas, impu-
a- tables a los orígenes o los destinos, que tienen que ver con
Ct = 861 000 aspectos laborales, de fabricación, de ventas, del' estado de
las vías de comunicación, problemas financieros, etcétera.
Debe verificarse si es la tabla de costo mínimo, para lo cual En una situación como ésta, lo que debe hacerse es
se fija la rMéx = O y se aplica la ecuación 6.8 a las casillas asigna- ajustarse a las nuevas condiciones, es decir, que de las cel-
das para obtener los demás coeficientes: das que sufran la restricción adicional de tener un número
limitado de unidades, se envíen unidades a celdas aleda-
Casilla México-Querétaro: ñas, con el fin de cumplir con las nuevas restricciones, para
lo cual será necesario encontrar un nuevo programa óptimo
rMéx CMéx-Oro + 1(0,9 = 0 de envíos.
O + 45 + k,Q,0 = O, koro = –45 Esto se ilustra con la resolución del caso siguiente.
Casilla México-San Luis Potosí: Ejemplo 6.12. Para el problema siguiente, encontrar el pro-
grama de envíos de costo mínimo original y, luego, si se añade la
rMéx + CMéx-SLP + kSLP = 0 restricción que del origen M al destino D sólo pueden enviarse
O + 48 + ksLp = O, ksLp = –48 2000 unidades:
88
Destino A C
volverlas de la celda OC a la MC, pudiendo mover 2200 unida-
Origen D Oferta des, con un aumento del costo de 7 pesos por unidad.
13 11 9 6 8 000 Ante estas dos posibilidades, debe tomarse aquella que in-
M
cremente menos el costo, por lo que se toma la primera posibili-
dad, cambiar 1500 unidades de la celda MD a la ND, y reponerlas
N 7 14 10 8 9 000
en la columna C al moverlas de la celda NC a la MC. Con estos
movimientos la tabla queda de la forma siguiente (tabla 6.52):
O 10 12 10 000
10 7 8 12
Destino O
Origen A B C D Oferta X 7800 2200 X 10 000
13 11 9 6 Demandas 7500 7800 7100 4600 27 000
M
X X 3400 4600 8 000
7 14 10 8
La cual tiene un costo adicional de $ 1500 respecto a la tabla
N anterior, para un total de $ 199 400.
7500 X 1500 X 9 000 Sin embargo, se ve que la celda MD aún no tiene las 2000
10 7 8 12 unidades, sino 3100, por lo que hay que tratar de enviar 1100 uni-
O dades de la celda MD a otro sitio, para que quede con las 2000 que
X 7800 2200 X 10 000 marca la restricción adicional. Ante esta situación, el análisis debe
Demandas 7500 7800 7100 4600 27 000 repetirse para ver si existe la posibilidad de mover unidades adi-
cionales provenientes de dicha celda.
Si se hace tal revisión, en el renglón M la única celda que
Con un costo de $197 900. puede cerrar el recorrido con unidades que salgan de la celda MD
Para incorporar en la tabla la nueva restricción, la casilla MD es la MA, al enviar unidades de la MD a la MA y reponerlas de la
debe tener sólo 2000 unidades, para lo cual existen dos opciones: NA a la ND. En ese caso pueden moverse hasta 3100 unidades,
la primera, tomar la tabla óptima del problema original, y de ella las cuales costarían 8 pesos adicionales cada una. Por su parte, la
mover la diferencia de unidades de MD a otras celdas; en este celda MB tiene un recorrido cerrado que no incluye la celda MD,
caso 2600. La segunda, iniciar una nueva tabla en la que la celda razón por la que no se considera.
MD tenga las unidades que señala la nueva restricción, aplican- Por otro lado, en la columna D la única celda vacía es la OD,
do alguno de los métodos de inicialización. Ambas opciones eleva- que incluye en el recorrido cerrado la celda MD, de la cual se en-
rán el costo del programa de envíos respecto a la solución original viarían unidades que se balancearían con un envío de la celda OC
del problema. a la MC, pudiendo moverse hasta 2200 unidades, cada una de las
Para la primera opción, lo que debe hacerse es buscar en las cuales costaría 7 pesos adicionales.
celdas aledañas a la MD (del mismo renglón o la misma columna) Al ser en este último caso menor el costo del movimiento, se
aquellas que al analizar su recorrido cerrado incluyan el envío de elige hacerlo enviando 1100 unidades solamente, puesto que eran
unidades provenientes de la celda MD. las que faltaban para dejar la celda MD con las 2000 exigidas, re-
Si se hace tal análisis, al buscar en el renglón M, la celda MA poniéndolas de la celda OC a la MC. Con estos datos la nueva ta-
tiene un recorrido cerrado consistente en enviarle unidades de bla es (tabla 6.53):
la NA y reponerlas en la columna C, enviándolas de la celda MC
a la NC. Como no incluye mover unidades de la celda MD, di-
cho movimiento no se considera. De manera similar, el recorrido Tabla 6.53
cerrado de la celda MB tampoco involucra mover unidades de Destino A B C D Oferta
la celda MD, ya que el envío es de la celda OB a la MB, y la re- Origen
posición de unidades de la MC a la OC. 13 11 9 6
Al revisar en la columna D, hay dos posibilidades: 1. Enviar M
X X 6000 2000 8 000
unidades de la celda MD a la ND y devolverlas de la NC a la MC,
teniendo la posibilidad de mover 1500 unidades, cada una de las 7 14 10 8
N
cuales costaría un peso más, ya que en el primer movimiento de 7500 X X 1500 9 000
MD a ND cambia el costo de 6 a 8 pesos, pero en el cierre del re- 10 7 8 12
corrido, al mover unidades de NC a MC, el costo baja de 10 a 9 O
pesos, para un cambio neto de un peso adicional; y 2. Es posible X 7800 1100 1100 10 000
de manera similar enviar unidades de la celda MD a la OD, y de- Demandas 7500 7800 7100 4600 27 000
CASOS DE RESTRICCIONES ADICIONALES 89
Que tiene un costo adicional de 7 pesos por unidad que, mul- Si se hace un análisis similar del cambio de costo, según el re-
tiplicado por 1100 unidades movidas, resulta en 7700 pesos adi- corrido cerrado de las casillas vacías de esta tabla que no incluyan
cionales, para un total de $ 207100. la celda MD, se obtiene lo siguiente (tabla 6.56):
En esta tabla la celda MD ya tiene las unidades que marca la
restricción adicional impuesta, lo único que falta conocer es si es
la de costo mínimo, para lo cual hay que hacer un análisis del cam- Tabla 6.56
bio de costo del recorrido cerrado de cada una de las casillas vacías.
Si se observa la tabla, el número de casillas asignadas es igual Casilla vacía Cambio de costo
al de la suma de renglones y columnas, razón por la cual cada ca- MA +2
silla vacía tiene dos recorridos cerrados, de los cuales sólo deben MB +3
considerarse para la prueba de optimalidad aquellos que no in-
cluyan la celda MD, que en estos momentos no debe recibir ni NB +10
enviar unidades, con el fin de cumplir con la restricción adicional. NC +5
La tabla tiene cinco casillas vacías. Si se procede a cuantifi-
OD +1
car el recorrido cerrado de la celda MA que no incluya la celda
MD, implica mover unidades de NA a MA, reponiéndolas de MC
a OC, y luego de OD a ND para cerrar el recorrido. El cambio en
el costo neto es de (13 — 7) + (8 — 9) + (8 —12), para un total de un Qué hace ver que la tabla ya representa el nuevo programa
peso más por unidad movida. Si se hace un análisis similar para las óptimo de envíos, el cual tiene un costo de $ 8100 más que el ori-
casillas restantes vacías, se obtienen los resultados de cambios ginal, debido a la restricción adicional impuesta al problema.
en costos que se listan en la tabla 6.54: La otra alternativa para solucionar el problema es iniciar la
tabla con la celda MD que contiene 2000 unidades, como lo ilustra
la tabla 6.57:
Tabla 6.54
10 Casilla vacía Cambio de costo Tabla 6.57
te MA +1 Destino
Origen A C D Oferta
te MB
NB 13 11 9 6
M
NC 2000 8 000
ie
D OA
A 14 10 8
N
la 9 000
.s,
la 10 12
Queda claro que la tabla anterior no es la de costo mínimo, ya
3,
que resultó una casilla negativa, que es justamente donde hay que 10000
enviar unidades conforme al criterio del recorrido cerrado. Demandas 7500 7800 7100 4600 27 000
D, El recorrido cerrado de la casilla OA es enviar unidades a
n- ella provenientes de la casilla NA, y reponerlas de la casilla OD a
C la ND. Por tanto, es posible mover 1100 unidades con un costo de
as Puede utilizarse un método de inicialización, como el de Vo-
un peso menos por cada unidad, con lo cual la nueva tabla queda gel, con el cual la tabla queda asignada de la manera siguiente
como sigue (tabla 6.55): (tabla 6.58):
se
an
'e-
Tabla 6.55 Tabla 6.58
Destino A Destino
Origen ! Oferta Origen A B C D TOferta
13 11 9 6 13 11 9 6
M M
X X 6000 2000 8 000 X X 6000 2000 8 000
a
7 14 10 8 7 14 10 8
N N
6400 X X 2600 9 000 6400 X X 2600 9 000
10 7 8 12 10 7 8 12
O O
1100 7800 1100 X 10 000 1100 7800 1100 X 10 000
Demandas 7500 37800 7100 4600 27 000 Demandas 7500 7800 7100 4600 127000
o
Jj Que cuesta $ 206 000. Que es la solución.
90 CAP. 6. MÉTODO DE TRANSPORTE
Para el caso de que existan varias restricciones de este tipo pletar las ofertas, se manejará para que sea en realidad con-
en la misma tabla, el procedimiento es similar, con la recomen- sumido.
dación de que si se vuelve a arrancar la tabla con algún método
de inicialización, se cumplan las sumas de las asignaciones de los
Ejemplo 6.13. Un fabricante de camisas de franela debe pro-
renglones con las ofertas, y las de las columnas con las demandas,
y luego verificar con la prueba de optimalidad los recorridos cerra- gramar su producción para la próxima temporada de invierno, en
dos, que no involucren mover unidades de las celdas restringidas. la cual su demanda pronosticada es la siguiente: diciembre, 1500
En casos así, otra alternativa para resolverlos es la programa- piezas, enero, 2000, y febrero, 1300.
ción lineal. Su capacidad normal de producción es de 1000 piezas men-
suales con un costo de $ 175 por unidad. Puede programar turnos
extra para fabricar hasta 600 piezas por mes a un costo de $250
por unidad.
CASOS ESPECIALES DE TRANSPORTE Si desea iniciar con un inventario de 300 piezas, ¿cómo debe-
rá programar su producción para cumplir sus demandas a un costo
En este apartado se incluyen tres casos que aparecen total mínimo?
con frecuencia en el ámbito administrativo: problemas de El costo de mantener almacenada una camisa es de $30 men-
programación de la producción, problemas de asignación y suales.
problemas de trasbordo.
Solución: para este problema los orígenes serán las capaci-
dades mensuales de producción de cada mes, la capacidad con
turnos extra y el inventario inicial, y los destinos las demandas
Programación de la producción mensuales de camisas, así como también un centro ficticio de
demanda con el fin de igualar el total de las demandas con el de
Este tipo de casos son muy comunes en las empresas, las ofertas.
pues es frecuente que se presenten situaciones en las cua- Los costos se señalan en el enunciado. Se designará con M
les haya periodos cuyas capacidades instaladas de produc- el costo de producir piezas en un mes determinado para vender-
ción no coincidan con la demanda del producto, y habrá que se en un periodo anterior, así como para la casilla cuyo origen es
planear de manera inteligente la producción, con el fin de el inventario inicial y destino el centro ficticio, ya que son rutas
prohibidas. Las demás casillas de la columna ficticia llevarán cos-
satisfacer las demandas a un costo total mínimo. to cero. Cada casilla que corresponda al origen de un centro de
Esto es muy importante hoy día con la situación que producción dado o el inventario inicial y al destino de un periodo
prevalece en la mayoría de mercados, en los cuales cada vez posterior de consumo, incrementará su costo en $30 por concep-
se fabrican más productos a la medida del cliente, lo cual to de mantenimiento en el almacén. Con base en esto, la tabla de
ha puesto en boga esquemas de manufactura diferentes a los transporte correspondiente al problema será (tabla 6.59):
tradicionales, como es el caso de las células flexibles de pro-
ducción, la producción lean y los sistemas justo a tiempo,
bastante popularizados por los japoneses (Hay, 1989). Tabla 6.59
Es en estas situaciones donde interviene la investiga-
ción de operaciones para tratar de encontrar soluciones a Destino Demanda Deman Demanda Demanda
-
este tipo de problemas, que pueden plantearse como casos Origen diciembre da enero febrero ficticia Oferta
de transporte en los cuales las capacidades de producción Prod. norm. 175 205 235 0
constituyen las ofertas, y los consumos de artículos para cada diciembre 1000 1000
periodo, las demandas.
Debe considerarse que pueden programarse turnos ex- Prod. ex. 250 280 310
tra de producción, así como manejar un inventario inicial, diciembre 200 400 600
lo cual incrementaría las ofertas en caso de que esto fuese Prod. norm. M 175 205
necesario. enero 1000 1000
El costo de un artículo se elevará si éste tiene que alma-
cenarse para ser consumido en un periodo posterior, debido Prod. ex. M 250 280
al mantenimiento del inventario, que con frecuencia se enero 600 600
expresa como un porcentaje del costo del producto. M M 175
Prod. norm.
En este tipo de problemas también pueden aparecer febrero
rutas prohibidas, que serán aquellas en las que el origen sea 1000 1000
un periodo dado de producción y el destino un periodo an- Prod. ex. M M 250
terior para la demanda, ya que esto no sería posible, pues febrero 300 300 600
no puede consumirse un artículo que aún no se ha produci- 0 30 60
Inventario
do. Otra ruta prohibida sería tomar como origen el inventa- inicial
rio inicial y como destino un centro de demanda ficticio, ya 300 300
que el inventario inicial, en caso de requerirse para com- Demanda 1500 2000 1300 300 5100
CASOS ESPECIALES DE TRANSPORTE 91
La cual está inicializada con el método de Vogel, que aunque do la solución del mismo precisamente asignar con-
da una distribución degenerada, es la solución del problema, lo forme a la ubicación de estos n ceros. En caso de que
cual puede comprobarse si se asignan e unidades en la casilla del la convergencia no se satisfaga, ir al paso siguiente.
segundo renglón y cuarta columna para romper la degeneración. 5. Cubrir todos los ceros de la matriz de asignación con
el menor número posible de líneas horizontales y/o
El costo total es Ct = $ 912 000 verticales, donde cada una de éstas deberá pasar por
todo el renglón y/o columna a la que corresponde. El
número total de líneas deberá ser menor a n.
Problemas de asignación 6. Localizar el menor elemento de la matriz que no
esté cubierto por ninguna línea, el cual deberá res-
La situación típica de este tipo de problemas es cuando tarse a cada elemento no cubierto por ninguna línea
se trata de asignar trabajadores a distintas tareas, conside- y sumarse a cada elemento cubierto por dos líneas,
rando los tiempos que tardan en desempeñarlas, teniendo
es decir, donde haya habido cruces de línea.
como objetivo minimizar el tiempo total. Los trabajadores
se consideran como orígenes, y las tareas, como destinos, con Se regresa al paso 4.
todas las ofertas y demandas iguales a la unidad, de modo Ejemplo 6.14. El jefe de turno de una fábrica está buscan-
que si el número de trabajadores no fuera igual al de las do la manera óptima de asignar seis trabajadores a cinco tareas
tareas (oferta diferente de demanda), se crearán tareas o distintas. Dispone de una tabla en la cual agrupa los tiempos en
trabajadores ficticios, de forma que el número de ambos se minutos que tarda cada trabajador para efectuar cada tarea (ta-
iguale. Los costos Cij estarán representados por los tiempos bla 6.60).
que tarda un trabajador i en ejecutar una tarea j.
El método normal de transporte resulta inapropiado para
resolver este tipo de problemas, pues cae en degeneración Tabla 6.60
debido a que cada casilla asignada con la unidad satisface a Tarea 1 2 3 4 5
la vez la oferta de su renglón y la demanda de su columna, Trab.
por tanto, al hacer varias asignaciones de casillas en una ta- 64 60 56 58 ' 56
bla de transporte el número de casillas asignadas quedará 60 58 59 57 49
muy por debajo de las necesarias para cumplir con la condi-
3 61 57 61 59L53 '
ción de no degeneración.
4 59 59 64 61 52
5 66 61 60 63 55
Método húngaro
6 63 65 62 60 54
Un método más apropiado para este tipo especial de
problemas es el método húngaro, que consiste en los siguien-
¿Cómo deberá asignar sus trabajadores de forma que se mi-
tes pasos (Bronson, 1992): nimice el tiempo total?
1. Colocar la información del problema en la matriz de Solución: se aplica el método húngaro, asignando una sexta
asignación, donde los elementos de la misma serán los tarea ficticia con tiempos cero para completar la matriz de 6 x 6,
tiempos en los cuales los trabajadores ubicados como que conforme al paso 1 será (tabla 6.61):
renglones ejecutan las tareas, situadas como colum-
nas. Si el número de trabajadores no coincide con el
de las tareas, deberá agregarse una línea ficticia con Tabla 6.61
tiempos iguales a cero en donde haga falta. 1 2 3 4 5 6
2. Identificar el menor elemento de cada renglón y res-
társelo a cada uno de los elementos del renglón en 1 64 60 56 58 56 0
que fue localizado. 2 60 58 59 57 49 0
3. Identificar el menor elemento de cada columna y 3 61 57 61 59 53 0
restárselo a cada uno de los elementos de la colum-
4 59 59 64 61 52 0
na en que se encontró.
4. Verificar la convergencia, que consiste en compro- 5 66 61 60 63 55 0
bar si en la matriz de asignación hay n elementos 6 63 65 62 60 54 0
cero, siendo n el número de líneas que conforman la
matriz, ubicados de tal forma que cada renglón y co-
lumna tengan uno de ellos, sin que se repita ninguno El paso 2 no altera la matriz, ya que cada renglón tiene un
en un mismo renglón o en una misma columna. Si cero (el elemento de la sexta columna), el cual al restarse deja
esto se cumple el problema habrá sido resuelto, sien- igual la matriz.
92 CAP. 6. MÉTODO DE TRANSPORTE
Conforme al paso 3, se resta a cada columna el menor ele- Que ya satisface la convergencia al tener en cada renglón y
mento de la misma, es decir, en la primera columna se restará 59, cada columna un cero que no se repite, los cuales se han señalado
en la segunda 57, 56 a la tercera, 57 a la cuarta, 49 a la quinta y con un asterisco en la matriz, indicando su posición la manera
O a la sexta, con estos cambios la matriz será ahora (tabla 6.62): como se deben asignar los trabajadores a las tareas, cuya solución
se presenta enseguida:
Tabla 6.62
1 2 3 4 5 6
Trabajador Tarea Tiempo
1 5 3 0 1 7 0
1 3 56
2 1 1 3 0 0 0
3 2 0 5 2 4 0 2 5 49
4 0 2 8 4 3 0 3 2 57
5 7 4 4 6 6 0 4 1 59
4 8 6 3 5 0 5 Ficticia O
4 60
Aquí es obvio que la convergencia no se ha logrado, dado que
281
los únicos ceros del quinto y sexto renglones se repiten en la mis-
ma columna, por lo que de acuerdo con el paso 5 se cubrirán los
ceros de la matriz con el menor número posible de lineas, con esto
se tendrá (tabla 6.63): Con un tiempo total de 281 min.
Para casos de maximización, que también suceden en la rea-
lidad, lo que debe hacerse es replantear el problema, convirtién-
Tabla 6.63 dolo para su resolución en uno de minimización, tomando el valor
1 2 3 4 5 6 mayor de todos los datos como cero y los restantes como la diferen-
cia de cada uno respecto del valor mayor, de este modo los valores
se toman como la pérdida potencial en que puede incurrirse por
2 no seleccionar de modo adecuado. Además, si hubiera líneas fic-
3 ticias éstas deberán agregarse después de que el problema haya
sido replanteado.
4 Así, en el ejemplo 6.14, si el problema hubiera sido de maxi-
5 4 4 6 6 mización, la tabla modificada seria (tabla 6.65):
6 4 8 6 3 5
Tabla 6.65
Se han logrado cubrir todos los ceros con cinco líneas, que era
el máximo permitido, ya que debe ser menor que n, que en este 1 2 3 4 5
caso es 6. 1 2 6 10 8 10
Ahora, de acuerdo con el paso 6, el menor elemento no cu-
2 6 8 7 9 17
bierto por ninguna línea es el 3, que se halla situado en el sexto
renglón y la cuarta columna, el cual se restará a los elementos no 3 5 9 5 7 13
cubiertos por ninguna línea en la matriz (elementos del quinto y 4 7 7 2 5 14
sexto renglones, con excepción de los de la sexta columna). Ade-
más, según el paso 6 de la metodología, se sumará el 3 a los ele- 5 0 5 6 3 11
mentos cubiertos por dos líneas (los cuatro primeros elementos 6 3 1 4 6 12
de la sexta columna). Con estas modificaciones la matriz queda-
rá de la siguiente forma (tabla 6.64):
Ya que el máximo valor de la tabla era 66 (trabajador 5,
Tabla 6.64 tarea 1).
A partir de aquí, esta nueva tabla debe minimizarse me-
1 2 3 4 5 6 diante la metodología normal, dado que cada valor representa la
1 5 3 0* 1 7 3 pérdida respecto de 66.
2 1 1 3 0 0* 3
3 2 0* 5 2 4 3
Problemas de transbordo
4 0* 2 8 4 3 3
5 4 1 1 3 3 0* Este tipo de problemas incluye todas las situaciones an-
6 1 5 3 0* 2 0 tes vistas de los casos de transporte y además una caracte-
93
rística particular: centros de trasbordo o empalmes, los cua- Chihuahua
les funcionan como origen y destino a la vez; por tanto, en la
tabla de transporte se incluyen tanto del lado de las ofertas
como de las demandas. Estos empalmes pueden ser sólo orí- México Zacatecas
genes o sólo destinos, pero se tratan como si fueran ambas 250 200
1 -+ 3
cosas a la vez.
La oferta y la demanda de los empalmes se deben in- 180
crementar con el número total de unidades que se manejan Torreón
230 160
en el problema, permitiendo así que todos los artículos pue-
6
dan pasar por un empalme determinado. Por otra parte, el
costo de enviar un producto de un empalme a sí mismo será
de cero (Davis y McKeown, 1986).
195
Para aquellos casos en que la oferta total no sea igual a 4
2
la demanda total, se crearán centros ficticios del lado que 190 Tampico
haga falta, como se hizo antes.
Es usual que en este tipo de casos haya también rutas Guadalajara San Luis Potosí 145
7
prohibidas, que se trabajan como se explicó en el inciso corres-
pondiente.
Figura 6.2. Trayecto de reembarco.
Ejemplo 6.15. La empresa Nylon Mex tiene dos fábricas,
una en la Ciudad de México y la otra en Guadalajara, donde
produce 1000 y 750 ton de fibra de nylon por semana, respecti- de mercancía. Además debe incluirse un centro ficticio de oferta
vamente. para igualarla con la demanda total.
ir Con esto debe abastecer a cinco distribuidores, los cuales tie- El número total de artículos que va a circular por el sistema
nen diferentes demandas y se localizan en distintas ciudades, como es de 1900 ton/semana, por tanto, conforme a lo ya explicado, las
es se indica en la tabla 6.66. ofertas y demandas de los empalmes deberán incrementarse en
or esta cantidad.
c- Los costos de las casillas correspondientes a las rutas prohi-
ya bidas se indican con M. Con esto la tabla de transporte corres-
Tabla 6.66 pondiente será (tabla 6.67):
xi-
Ciudad Demanda, ton/semana
La cual se muestra en la figura 6.3, donde se indican las tone- a) Por el método de la esquina noroeste.
ladas por semana de envío en las flechas correspondientes. b) Por el método del costo menor.
c) Por el método mutuamente preferido.
d) Por el método de Vogel.
Chihuahua e) Por el método de Russell.
5
6.2. Encontrar la solución óptima del problema anterior por el
México Zacatecas método del cruce del arroyo con la distribución inicial del
50 200 costo menor.
6.3. Hallar la solución óptima del problema 6.1 por el método
modi y con la distribución inicial obtenida con el método mu-
Torreón tuamente preferido.
6.4. Dada la tabla (tabla 6.70):
6
750 \950
Tabla 6.70
Destino 2 3 4 Oferta
Origen
Tampico
15 12 11 13
Guadalajara San Luis Potosí 250 7 1
1000
10 16 12 14
Figura 6.3. Toneladas por semana. 2
700
13 11 10
Aquí se observa que los empalmes reciben determinada can- 3
tidad de mercancía y reexpiden a su vez otra cantidad, siendo la 600
diferencia entre ambas cantidades la demanda del empalme. 2300
También se observa que habrá 150 ton semanales de deman- Demanda 800 750 650 600 2800
da no satisfecha en Chihuahua, debido a que las ofertas son me-
nores a las demandas.
El costo total de esta red de distribución será: Hallar la solución óptima usando el método de Vogel para
inicializar y el modi para optimizar.
Ct = (50)(250) + (950)(180) + (750)(230) + (200)(200) 6.5. Resolver el problema anterior utilizando el método de Rus-
+ (300)(195) + (250)(145) = $ 490 750 por semana sell para inicializar y el cruce del arroyo para optimizar.
.4
95
L 6.6. Resolver (tabla 6.71): Tabla 6.73
Destino 1 2 3 Oferta
Origen
Tabla 6.71
4 38 48
1
1 2 3 4 I Oferta 3000
32 27 24 37 42 46
2
7500 2000
28 30 I 28 30 46 42 39
3
5500 1500
26 X29 i3 31 6
6500
Demanda 2500 2000
1500 6000
4000
24 31 i 28 1 ;2
6.13. Resolver con los mismos métodos el problema anterior,
3500 pero ahora para el caso de maximización.
9000 8000 2500 1000 20 500 6.14. Resolver usando los métodos de Russell y el modi el si-
guiente caso (tabla 6.74):
6.16. Un fabricante de ropa informal de verano desea progra- ¿Cómo debe hacer la asignación de modo que obtenga la
mar su producción para la próxima temporada; estima su utilidad máxima?
demanda para los tres meses de verano en 1810 prendas en 6.20. El jefe de personal de una compañía debe seleccionar entre
mayo, 1650 en junio y 1570 en julio. Su capacidad de pro- seis trabajadores a cuatro, para llevar a cabo cuatro tareas
ducción es de 1580 prendas mensuales a un costo de $ 72 diferentes. Los costos en pesos por asignar un trabajador a
la prenda en turno normal y $ 95 en turno extra. Su capaci- una determinada tarea son (tabla 6.78):
dad se incrementa hasta en 50 % por los turnos extra. Si su
costo de mantener el inventario es de $ 8 mensuales por
prenda y no maneja inventario inicial, hallar un plan que Tabla 6.78
le permita satisfacer sus demandas a un costo mínimo.
6.17. Una empresa productora de accesorios de alpinismo desea Tarea 1 2 3
elaborar un plan de producción para cumplir sus deman- Trabajador
das los próximos cuatro meses: noviembre, 1000 artículos; 1500 1300 1200 1000
1
diciembre, 1200 artículos; enero, 1020 artículos; febrero,
680 artículos. Su capacidad de producción es de hasta 850 2 1600 1200 1200 1200
artículos/mes en turno normal a un costo de $ 48/unidad
3 1800 1150 1300 1150
y de. 500 artículos/mes en turno extra a un costo de $ 57/
unidad. El costo de mantener el inventario es de $ 4.50 men- 4 1420 1370 1320 1190
suales por artículo. Si la empresa maneja un inventario ini-
cial de 350 artículos y desea terminar sin inventario, ¿cómo 5 1500 1180 1210 1100
deberá programar su producción a un costo total mínimo? 6 1500 1300 1200 1150
6.18. Un entrenador de atletismo tiene ocho atletas, entre los
cuales debe seleccionar cinco para la competencia del pen-
tatlón, que abarca cinco pruebas. Los tiempos de cada de-
portista en minutos para cada una de las pruebas son los ¿Cómo debe seleccionar a los trabajadores, con el fin de mi-
siguientes (tabla 6.76): nimizar el costo total para efectuar las cuatro tareas?
6.21. La compañía Cal Mexicana, S. A. tiene dos fábricas, la A y
la B, con producciones de 2500 y 2000 ton mensuales, res-
Tabla 6.76 pectivamente, y abastece a seis distribuidores: M con de-
Prueba 5
manda de 700 ton/mes, N con 650 ton/mes, O con 550 ton/
1 2 3 4
Atleta mes, P con 400 ton/mes, Q con 750 ton/mes y R con 850
1 117 130 136 176 211 ton/mes, de las cuales M, Ny O funcionan como empalmes.
¿Cómo debe ser la red de distribución de costo mínimo?
2 116 133 149 170 198 Los costos de una ruta a otra en pesos por tonelada embar-
3 119 136 140 167 207 cada son los siguientes (tabla 6.79):
4 123 138 143 168 205
¿Cómo debe asignar a los atletas en las pruebas con el fin de M 310 320
minimizar el tiempo total? N — 335 350
6.19. Un supervisor dispone de cuatro personas para desarrollar
tres diferentes trabajos. En la tabla 6.77 se dan las utilidades O 300 340
esperadas en pesos por asignar una persona a un trabajo:
Tabla 6.77 6.22. La empresa Metales Mexicanos tiene tres centros de pro-
ducción de varilla con las siguientes capacidades: el centro
Trabajo 1 2 3 A con 1800 ton/mes, el B con 1650 y el C con 1300 ton/mes.
Persona
Su red de distribución se muestra en la figura 6.4.
José Martínez 1800 2100 2300 Los números sobre las flechas indican los costos de las rutas.
Juan Pérez 1700 2200 2250 Las demandas son: D con 800 ton/mes, E con 700 ton/mes,
F con 1650 ton/mes, G con 1300 ton/mes, H con 300 ton/
Francisco Ruiz 1750 2000 2400 mes e I con 250 ton/mes, siendo D y E empalmes. ¿Cuál será
Luis González 1600 2300 2300 la red de costo mínimo?
97
6.23. Para el caso del ejemplo 6.12, ¿cuál será la tabla de costo
mínimo, si además de la restricción impuesta sobre la cel-
da MD de asignarle 2000 unidades se le añade la de asig-
21 nar en la celda NA sólo 3000 unidades?
IS
20
D -- BIBLIOGRAFÍA
16 18
Ackoff, R. L. y M. W. Sasieni, Fundamentos de investigación de operaciones, Limusa,
México, 1979.
Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
Davis, K. R. y P. G. McKeown, Modelos cuantitativos para administración, Grupo Edi-
23 H
torial Iberoamérica, 1986.
Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la toma de decisiones,
1S McGraw-Hill, 1992.
Hay, E. J.Justo a tiempo, Norma, 1989.
21 Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de operaciones, 5a ed.,
McGraw-Hill, 1991.
Kaufmann, A., Métodos y modelos de la investigación de operaciones, 9a. reimp.,
CECSA, 1970.
Thierauf, R. J. y R. A. Gmsse, Toma de decisiones por medio de investigación de ope-
Figura 6.4. Red de distribución. raciones, Limusa, 1990.
I/
O
s.
r-
50
10
ltro
rtas.
nes,
ton/
será
la>maLedóvl (d bi-ol m de4
98
TERMINOLOGÍA 99
una solución óptima para el problema total, que es En el diagrama las ciudades se representan por círculos con
E
diferente a la solución que se obtendría mediante la una literal y las flechas indican traslados de una ciudad a otra. Los
sumatoria de las soluciones óptimas de cada etapa. costos para transportarse de un lugar a otro se dan en las siguien-
5. Según el principio de optimalidad de Bellman: "Cuan- tes tablas (en miles de pesos):
1
do el problema se encuentra en un estado de una
etapa dada, para salir de él, la decisión tomada debe
constituir una política óptima, independientemente B C D E F G
de las decisiones antes hechas."
LA 62 45 50 B 40 58 65
6. El problema se inicia por la última etapa y se mueve
recursivamente, es decir, desde la última hasta la pri- C 55 43 53
mera etapa, en la cual una vez determinada la deci- D 59 47 44
sión de la misma, el problema se habrá resuelto.
TERMINOLOGÍA
H J K
Veamos la terminología que se incluye en la programa- E 21 23 32 H 21
ción dinámica para una mejor comprensión en el manejo
de problemas. F 24 18 26 I 22
G 29 25 17 16
N = Número total de etapas.
n= Etapa particular, donde n = 1, 2, ..., N.
= Estado particular de la etapa n.
gn
¿Qué ruta debe escoger el viajero?
Xn = Variable de decisión para la etapa n.
Xn * = Valor óptimo de Xi, para cada en. Solución: de acuerdo con la metodología antes descrita, lo
Meen, Xn) = Contribución acumulada de la función ob- primero será dividir el problema en etapas, las cuales en este
jetivo de la etapa n hasta la N. caso serán cuatro, cada una de ellas ubicada a un mismo nivel geo-
fas (en) = fn(enXn), la cual debe optimizarse. gráfico de latitud, como se indica en la figura 7.2 por los números
romanos.
A continuación se presenta un ejemplo ilustrativo de esta Ahora debe iniciarse el procedimiento de solución por la
metodología, que es un caso frecuente en la programación última etapa y moverse de aquí recursivamente hasta llegar a
dinámica, cuando se trata de encontrar la ruta más corta. la primera.
Para la etapa IV, que significa llegar a la Ciudad de México,
Ejemplo 7.1. Un agente viajero busca la ruta más econó- punto K, se tiene la posibilidad de lograrlo llegando por Morelia
mica para desplazarse de Chihuahua a la Ciudad de México de (H), León (I) o Querétaro (J).
acuerdo con el esquema de posibilidades siguiente (fig. 7.1):
Chihuahua
Culiacán Saltillo
Durango
D I
fr
D
III
León 1
Morelia Querétaro
IV
Aquí la función objetivo Men, Xn) será el costo total acumu- cuarta en este caso, denominado como f4 *(x3), siendo x3 el punto
lado de ir de la etapa n hasta la última (la IV en este caso), que se intermedio respectivo, esto es:
calcula con la fórmula siguiente:
f3(e3, x3) = Ce3x3 f4 * (X3)
fn(e„, X.)= Cejn + f„+1*(xii) (7.1)
Entonces se procede a aplicar esta fórmula para los tres pun-
donde Cenxn es el costo para la etapa n y su estado asociado en, tos intermedios:
mientras que fn+ * (xn) es el costo óptimo acumulado de la etapa n
+ 1 hasta la etapa N. Para ir de E a K pasando por H, se tendrá:
Como se observa, este ejemplo es un caso de adición donde
la función objetivo irá calculándose por la sumatoria de los costos f3(E, H) = CEx +f4 * (H)
en cada etapa. =21+21=42
Como el problema apenas inicia en la etapa IV, la tabla de
solución será casi la misma que la tabla de los costos de ir desde H, Por su parte, para ir de E a K pasando por I:
I o J hasta K, lo cual siempre sucede en la primera etapa de reso-
lución del problema.
f3(E, I) = f4 * (I)
= 23 + 22 = 45
Etapa IV
n=4
Por último, para ir de E a K pasando por J:
d
fa (E,J)= CE J f4 * (J)
e4 f4*(e4) x4* = 32 + 16 = 48
H 21 K
I 22 Al proceder de manera similar para los puntos F y G, se ob- e
tienen los resultados que se sintetizan en la siguiente tabla para te
1 16 la tercera etapa:
Etapa III
En este caso, x 4 ` será K, pues es la variable de decisión de la n=3
cuarta etapa, o sea llegar a la Ciudad de México, ya que es el úni-
co destino final. Mea, x3) = Ce3x3 +f4 * (x3)
De aquí se pasa a la siguiente etapa, la III, donde el viajero
puede llegar a H, I o J partiendo de E, F o G. Ahora el costo f 3(e3, x3)
incluirá ir desde E, F o G hasta K pasando por el punto inter-
medio que corresponda, H, I o J. Si, por ejemplo, se toma el pun- Punto
to E para ilustrar la metodología de la programación dinámica intermedio x3 f3 (ea) x 3
(fig. 7.3): H I J
E 42 45 48 42
F 45 40 42 40 I
G 50 47 33 33
Las flechas discontinuas indican las mejores rutas para llegar MA,B)=CAB+f2*(B)
de E, F o G hasta K.
=62+82=144
Para el cálculo del costo acumulado que incluye esta segun-
da etapa se tiene:
Para ir de A a K por C:
f2(e2, x2) = Ce2x2 f3 * (X2)
fi (A, C) = CAC +/.2 * (C)
Donde e2 sería el punto original de partida para esta etapa (o = 45 + 83 = 128
estado asociado), D en este caso; por su parte, x 2 será el punto in-
termedio E, F o G del que se trate y f3 * el costo óptimo acumulado
de ir desde cada uno de estos puntos hasta K, dado por la tabla de Por último, la ruta de A a K por D:
decisiones de la etapa anterior. Al aplicar esta fórmula a las tres
opciones que parten desde D, se tendrá lo siguiente. fi (A, D) = CAD +f2 *(D)
Para ir de D a K pasando por E: =50+77=127
Núm. de abogados Demandas penales En esta tabla e4 es el número total acumulado de abogados
asignados
asignados de la etapa actual hasta la Ny x4 * representa la mejor
A B C D asignación de la etapa actual, y como es la inicial, coinciden los
1 10 9 13 7 1 valores de x4* con e4.
2 13 12 15 10 Se pasa entonces a la etapa III, que es la demanda C, donde
la función objetivo se calculará por la fórmula siguiente:
3 18 14 16 14
4 22 15 16 18 f3(e3, x3) = U3(x3) +f4*(e3 x3)
—
donde la columna de x2 = O de nuevo es igual a la de f3 *(x3) de la accesible a cinco jugadores, los cuales ha adquirido para asignar
tabla de la etapa anterior. entre sus equipos. la
Por último, se pasa a la primera etapa, la demanda A, para la Con base en pláticas hechas con el director deportivo de los be
cual la fórmula de la función objetivo será la: equipos, han formado la tabla de probabilidades siguiente de éxi-
to, definido éste como conquistar el campeonato de la liga, y han
fiel, x i) = (xi) +f2 *(ei — x1) llegado a concluir que lo que en realidad les interesa es maximi-
zar la probabilidad conjunta de éxito de los tres equipos. 41 ,
donde e l tomará sólo el valor de 6, ya que se trata de la última eta-
pa y, por tanto, deberán estar asignados el total de los abogados.
Esta fórmula sumará la utilidad obtenida por asignar x 1 abogados
a la etapa actual, U1 (x1), con la mejor utilidad de asignar 6 — Núm. de jugadores
abogados a las etapas restantes, así, para el caso de x 1 =3, por asig- asignados Toros Potros Lobos
nar tres abogados a la demanda A, la utilidad será de 18, mientras O 0.20 0.30 0.35
que la mejor forma para asignar los tres abogados restantes entre 1 0.45 0.48 0.50
las otras demandas se obtiene de la tabla de la etapa anterior,
f2 *(3) = 29, dando una utilidad total de 47(18 + 29). 2 0.60 0.62 0.60
Al aplicar un procedimiento similar para los demás valores 3 0.72 0.70 0.68
de x1 , se obtiene la tabla final:
4 0.75 0.74 0.70
Etapa I 5 0.73 0.76 0.72
Demanda A
x i )= Ui (x i ) + f2 *(ei — x1) di
Las probabilidades se han expresado en fracciones. ¿Cuál s
ría la forma más adecuada de distribuir los cinco jugadores entre
los tres equipos? d.
xl ta
el fi* (x Solución: este es un problema similar al anterior para asignar
o
0 1 2 3 4 5 6 ol
personal entre diferentes equipos y lograr un objetivo. La diferen- la
40 46 45 47 44 35 22 47 cia esencial será la manera de definir la función objetivo, ya que
el presente es un caso de maximización de la probabilidad con-
junta de éxito de los tres equipos, que se integra por la multiplica-
de donde la utilidad óptima es $47000, que resulta de asignar ción de las probabilidades individuales de cada uno.
tres abogados a la demanda A, mientras que para saber cómo asig- Las etapas serán los equipos, tres en este caso, mientras que
nar los tres abogados restantes, se realiza lo siguiente: se analiza el estado asociado con cada etapa será el número de jugadores to-
la tabla de la etapa II, en la cual para e2 = 3, x2 * = 1, por tanto, debe tales que se van asignando desde la etapa actual hasta la última;
asignarse sólo un abogado a la demanda B. Luego se pasa a la ta- xn es la variable de decisión y representa el número de jugadores
bla de la etapa III, para asignar los dos abogados restantes, para asignados a la etapa actual n.
e3 = 2, x3 * = 1, por lo que se debe asignar también un abogado a La función objetivo vendrá dada en este caso por el producto
esta etapa (demanda C) y el abogado restante a la última etapa de los factores individuales, que son las probabilidades de éxito de
(demanda A). cada equipo, cuya fórmula será la siguiente:
Por tanto, la solución óptima es:
Men, xn) = pn(xn) • fn, 1 * (en — xn) (7.3)
Núm. de abogados donde:
Demanda asignados Utilidad en M$
A 3 18 Men, xn) = Probabilidad conjunta de éxito de la etapa
B actual n hasta la última N.
1 9 pn(xn) = Probabilidad individual de éxito por asignar
C 1 13 xn jugadores al equipo que corresponde a la
D 1 7 etapa actual.
fn+ 1* (en— xn) = Probabilidad conjunta óptima de las etapas
Total 6 47 asociadas n + 1 hasta la N, por asignar
(en — xn) jugadores, la que viene dada por la
ecuación:
Veamos ahora el caso de un problema de programación diná-
mica multiplicativa. N
fn+1.(en—x.)=1VIax pz(x,) (7.4)
Ejemplo 7.3. El señor Juan García es el principal accionista i= n+1
de una sociedad que es propietaria de tres equipos de futbol soc-
cer de la primera división: Toros, Potros y Lobos. En un viaje re- donde el símbolo II denota multiplicación de todos los factor
ciente a Brasil le han ofrecido al señor García a un precio muy
TERMINOLOGÍA 105
Ir Una vez definidos los parámetros del problema, se procede a Etapa II
la solución del mismo iniciando en la última etapa, el equipo Lo- Potros
bos, cuya tabla de decisión será idéntica a la de los datos del pro-
blema, ya que éste apenas inicia. f2(e2, x2) = p2(x2) • f3 * (e2 — x2)
in
Etapa III
Lobos 1 2
e2 X2 0 3 4 5 f2 ( e 2 ) X2 *
0 0.105 — 0.105 0
e3 f3 * (e3) X3 * 1 0.150 0.168 — 0.168 1
0 0.35
2 0.180 0.240 0.217 — 0.240 1
1 0.50 1
3 0.204 0.288 10.310 0.245 0.310 2
2 0.60 2
4 0.210 0.3264 0.372 0.350 0.259 0.372 2
3 0.68 3
4 0.70 5 0.216 0.336 0.4216 0.420 0.370 0.266 0.4216 2
5 0.72 5
La cual contiene la política de decisiones de las etapas con-
En donde coinciden los valores de la columna de x3 * con los juntas II y III.
de e3, ya que no ha habido asignaciones anteriores. En esta tabla es importante observar que a diferencia del
e-
Se pasa entonces a la etapa II, el equipo de Potros, donde para ejemplo 7.2 la columna de la tabla para x2 = O no es igual a la co-
re
dejar en claro el procedimiento que se debe seguir para obtener la lumna de la tabla de la etapa III, como sucedió en el problema
tabla de decisiones de la etapa, se toma como ejemplo el cálculo
anterior de adición, ya que para el caso presente las probabilida-
cuando e2 = 4, tomando x2 valores de 0 a 4. Por su parte, la función
des van multiplicadas para las etapas H y III en conjunto.
ar
objetivo debe calcularse con la ecuación 7.5 aplicada a esta etapa,
Por último, se pasa a la etapa I, que es asignar jugadores al
la cual será:
equipo Toros. Para construir la tabla de decisiones respectiva, la
ie fórmula para la función objetivo será:
1- (7.5)
f2(e2, x2) = P2(X2) • f3 8 (e2 — x2)
a- xi) =Pi (xi) • f2 * (ei xi)
De donde, si e2 = 4:
le donde e l sólo tendrá el valor de 5, es decir, el total de jugadores, ya
D- Para x2 =0: que por ser la última etapa, deberá dejar el problema resuelto.
a; Entonces, al aplicar la fórmula se tendrá, con e 1 = 5:
es
f2(4, 0) =P2(0) • f3' (4)
= (0.30)(0.70) = 0.21 Para x 1 = 0:
to
le fi (5, 0) =P1(0) • f2' (5)
Para x2 =1:
= (0.20)(0.4216) = 0.08432
3)
f2(4, 1 ) =P2( 1 ) • f3 * (3)
= (0.48)(0.68) = 0.3264 Para xi = 1:
es Al efectuar un procedimiento análogo para los demás valores fi(5, 4) =P1(4 ) • f2 *(1)
de e2, se obtiene la tabla de la etapa, la cual es la siguiente: = (0.75)(0.168) = 0.126
106
Por último, para x 1 = 5:
Ciudad San Luis
r.
f,(5 , = Pi(5) • f2 *(0) Núm. de lotes Potosí Rioverde Ciudad Valles
e
= (0.73)(0.105) = 0.07665 O O 0.15 0.10 c
Si se envían seis o más lotes, las probabilidades de ventas se- 4 7200 9 000 7 600 8600
rán las mismas, pues la probabilidad de vender cinco o más lotes
5 8250 10 500 8 700 9400
es de 0, por lo que la ganancia esperada será igual a la de los dos
casos anteriores. 6 9000 , 10 500 10 000 9600
Procediendo en forma similar se obtienen las ganancias es-
peradas en miles de pesos que se presentan enseguida:
¿Cómo debe asignar los trabajadores en los diferentes dis-
-- r tritos, con el fin de maximizar el número de votos incre-
Lotes
o 1 mentales?
¡Ciudad 7.2. Un comerciante en frutas tiene cuatro bodegas de naranja
San Luis
140 72 96 104 104 104 104 104 104 en diferentes ciudades: México, Monterrey, Guadalajara
Potosí y Puebla. Ha hecho compras de fruta por un total de siete
Rioverde 0 29.75 52.5 66.5 173.5 77 77 77 77 77 lotes en huertas de naranja de la Huasteca Potosina.
La tabla siguiente muestra las utilidades esperadas en mi-
Ciudad
Valles 1
0'33.3 62.9 85 1 99.9 103.6 103.6 103.6 103.6 103.6 les de pesos, por asignar los siete lotes entre las cuatro bo-
degas:
Con estas ganancias se procede en la forma normal de la me-
todología de la programación dinámica, como se ha manejado a lo Núm. bodega
largo del capítulo para el caso determinístico, o sea por etapas y México Monterrey Guadalajara Puebla
Núm. lote
estados asociados, donde cada etapa es la ciudad respectiva y el es-
tado asociado el número de lotes asignados a cada lugar, lo que ya O O O O
no se incluye en este texto, sólo la solución del caso, que se presen- 1 70 60 50 35
ta enseguida:
2 120 110 105 65
180 160 153 95
Lotes Ganancia esperada
Ciudad asignados (en pesos) 240 205 200 125
13 12
E
14 11
Núm. de Area C D
asesores Producción Ventas Finanzas Mantenimiento
12 13 17 20
0 0 O 0 O
22 18 12 11
1 50 60 48 42
2 90 80 80 60
G H I
3 120 90 92 80
C 16 20 25
4 125 92 100 85
15 17 21
30 31
Núm. atletas Salto de Carrera Salto de 35 30
L asignados altura de 10 km longitud
0 0.40 0.30 0.50
1 0.50 0.45 0.68
Si al viajero le ofrecen $65 000 si sale de A y sólo $62 000 si
sale de B:
2 0.60 0.58 0.80
3 0.65 0.70 0.82
a) ¿Qué opción debe elegir?
b) ¿Por qué esa opción?
4 0.70 0.73 0.84 c) ¿Cuál es la mejor ruta y su costo?
110
EL GRÁFICO DE GANTT 111
visión a las actividades del proyecto, para lo cual existe soft- Ejemplo 8.1. Elaborar el gráfico de Gantt para el proyecto
ware especializado, como el MS Project u otros similares, de remplazar un molino en una planta beneficiadora de minera-
que constituyen una gran ayuda. les. La tabla 8.1 indica las actividades que deben desarrollarse, así
Un comentario importante es que hoy en la mayoría de como sus tiempos de ejecución y las actividades precedentes.
los países del primer mundo, para asignar cualquier proyec-
Solución: de acuerdo con la metodología, debe colocarse el eje
to a alguien, ya sea persona física o moral, en el clausula- de las ordenadas para mostrar las 10 actividades que integran el
do del mismo se incluye una penalización por demora en el proyecto, mientras que el de las abcisas será la escala de tiempo,
tiempo de entrega, lo que por desgracia no ocurre en Méxi- que deberá ser suficiente para el tiempo total del proyecto.
co, donde es frecuente que los proyectos sufran retrasos y, Se procede a ubicar cada actividad en el gráfico conforme a
por ende, mayores costos. su duración, lo que se hará del modo siguiente: las actividades
En este capítulo se presentan algunos métodos apropia- A, B y C, por no tener actividad precedente, pueden iniciar a
dos para administrar bien un proyecto en cuanto al tiempo tiempo cero y concluirán según el tiempo de duración de cada
y el costo, como el gráfico de Gantt, que constituye el méto- una, de esta forma la A terminará a las 4 horas, la B a la hora y la
do más antiguo para la administración de proyectos; luego C a las 2 horas.
se aborda el método de PERT/CPM, que es una mezcla del De manera similar la actividad D, que lleva como activida-
des precedentes la A, B y C, podrá iniciar hasta que estas tres
PERT y la ruta crítica, el cual la mayoría de autores mane- hayan sido efectuadas, siendo su tiempo de inicio a las 4 horas y
jan en conjunto y se señalan las diferencias entre cada uno el de terminación a las 8 horas, que será la suma de su tiempo de
de ellos. inicio más el de su duración.
Por lo antes comentado es claro que un proyecto debe- Prosiguiendo con el orden de la tabla, la actividad E tiene
rá ser bien administrado, para lograr un buen resultado res- como precedente la D, por lo que su inicio será tan pronto como
pecto del plan inicial del mismo. finalice ésta, a las 8 horas, concluyendo a las 10.5 horas, dado que
su duración es de 2.5 horas.
Luego la actividad F puede iniciar a las 10.5 horas, dado que
EL GRÁFICO DE GANTT la E es su única actividad precedente y terminará a las 13 horas,
ya que tarda en efectuarse 2.5 horas.
De la tabla de actividades del proyecto puede observarse que
Es un método gráfico diseñado por Hemy L. Gantt para las tres actividades siguientes; G, H e I, tienen como única activi-
el control de proyectos, que aun cuando es muy simple, dad precedente la F, pudiendo comenzar las tres a las 13 horas,
puede ser muy útil en algunos casos sencillos (Thierauf y terminando entonces según la duración de cada una de ellas. Con
Grosse, 1990). esto, la G y la I finalizarán a las 14.5 horas y la H a las 14 horas.
Consiste básicamente en presentar de manera gráfi- La última actividad es la J, que tiene como precedentes a las
ca las diferentes actividades que componen el proyecto, las tres anteriores: G, H e I, y puede ser iniciada tan pronto como
cuales se incluyen en el eje de las ordenadas, mientras en éstas hayan concluido, siendo por este motivo su inicio a las 14.5
el eje de las abcisas va el tiempo, esto implica una calenda- horas y su terminación a las 18 horas, ya que dura 3.5 horas.
rización del proyecto en forma gráfica. Las actividades del Con esto la gráfica quedará como se muestra en la figura 8.1,
proyecto se pueden mostrar en la gráfica como barras o ra- donde cada actividad se ha indicado por barras horizontales, que
yas horizontales, las que se podrán ir señalando de algún a la hora de llevar a cabo el proyecto podrían rellenarse confor-
me se vayan efectuando, para un mejor control del tiempo del
modo particular, con el fin de indicar los avances del pro- proyecto.
yecto respecto del tiempo. Este método es útil para proyec-
tos sencillos y proporciona una visualización rápida de las
actividades y sus avances en el tiempo. Por desgracia, no
señala las precedencias entre las diferentes actividades, ya
que en todo proyecto siempre habrá algunas actividades que
por su naturaleza, para poder llevarlas a cabo, deben ser con-
cluidas otras que les anteceden; por ejemplo, en el caso de
la construcción de una vivienda, primero deberá terminar-
se la cimentación antes de levantar los muros de la mis-
ma, casos como éste no los muestra el gráfico de Gantt. Otra
desventaja del método es que no indica el camino crítico del
proyecto, el cual es la ruta que por ningún motivo puede re-
trasarse en ninguna de las actividades que la componen, ya
que de suceder así, implicará un retraso en el plazo de ter-
minación del proyecto completo. El gráfico de Gantt tam- 4 8 12 16 20
poco indica los tiempos de holgura de las rutas no críticas Tiempo del proyecto, horas
o del proyecto, que son las cantidades de tiempo que pueden
r demorarse las actividades de esa ruta antes de provocar un Figura 8.1. Gráfico de Gantt del proyecto de instalación
de un molino.
retraso en el proyecto.
112 CAP. 8. ADMINISTRACIÓN DE PROYECTOS
También se observa que el proyecto tarda en total 18 horas Ambos métodos son similares, aunque presentan algu-
para su culminación y se puede apreciar que no hay ninguna nas variantes entre ellos. dad
indicación de las precedencias entre las diferentes actividades, lista
como fue comentado en la explicación del método. Lo único que Estimación del tiempo de las actividades del pro. lacio
es posible apreciar es la programación de las actividades respec-
to del tiempo. No obstante que el gráfico de Gantt es simple, sue-
yecto. El PERT maneja los tiempos de las actividades en
le ser de gran utilidad para proyectos que no abarcan muchas ac-
forma probabilística, basado en una distribución de proba-
tividades, como el caso presente. bilidad, como se verá más adelante, mientras que CPM lo
hace en forma determinística, es decir, que los tiempos se
conocen con certeza, basados en experiencias anteriores.
Tabla 8.1. Actividades del proyecto de Área de énfasis. PERT se ha diseñado para que los
remplazo del molino. proyectos sean llevados a cabo en el plazo de tiempo progra-
mado, mientras que CPM analiza la relación tiempo-costo
Clave de Descripción de la Tiempo de Actividad
actividad duración, horas precedente
del proyecto y con base en ésta determina la acción que se
actividad
va a seguir.
A Quitar sistema de 4 Aplicación. Mientras PERT se ha utilizado con fre-
anclaje cuencia para proyectos de investigación y desarrollo en los
B Desconectar sistema cuales los tiempos de las actividades no se conocen con
eléctrico precisión, CPM se ha empleado en proyectos donde el
administrador ya cuenta con alguna experiencia anterior,
C Desconectar sistema como son las áreas industriales y de la construcción, donde
hidráulico
los tiempos de las actividades pueden definirse sin mucha
D Quitar molino anterior dificultad.
E Limpieza y adaptación 2.5 D Notación. En la elaboración de la red de un proyecto,
de sistema de anclaje en que se presentan de forma gráfica las actividades del
mismo, así como también los sucesos o eventos, que no son
F Colocar molino nuevo 2.5 E otra cosa que el inicio o terminación de una actividad dada,
G Anclaje molino nuevo 1.5 F se tienen las siguientes diferencias entre PERT y CPM: en
PERT los eventos se representan por círculos, a los que se ins
H Conectar sistema 1 F denomina nodos, y las actividades por flechas, que también
eléctrico
indican las relaciones de precedencia. Por su parte, en CPM
Conectar sistema los nodos simbolizan tanto eventos como actividades y las b1(
hidráulico flechas sólo muestran precedencias. En este texto se adop- la
ta la notación PERT, que es la más usual. (
J Arrancar molino de
nuevo
El método presente es mejor que el gráfico de Gantt,
ya que no tiene las desventajas de aquél, aunque requie-
re mayor trabajo para ser implantado por parte del admi-
MÉTODO PERT/CPM nistrador.
Es muy adecuado para grandes proyectos, en donde es
Este método ha ganado mucha popularidad debido a importante tanto el tiempo de realización como el costo de
que puede aplicarse a gran número de casos que aparecen los mismos. Hoy día la mayor parte de las industrias y em-
en los negocios, la industria y en las áreas de investigación presas consultoras en el ramo lo aplican en alguna de sus
y desarrollo de nuevas tecnologías, además no es muy com- versiones.
plejo para su manejo, aunque sí más elaborado que el mé- En este texto se describe el PERT/CPM en su versión
todo anterior. La mayoría de autores de la materia suelen más común para el área de la enseñanza de la investiga-
presentarlo como un método, cuando en realidad es una mez- ción de operaciones, que se compone tomando partes tanto
cla de dos. de PERT como de CPM.
El PERT (por sus siglas en inglés, program evaluation and
review technique: técnica de evaluación y revisión de pro-
gramas) fue desarrollado en la década de 1950 y utilizado en
el proyecto de los misiles Polaris para la Fuerza Naval de Es- Construcción de la red del proyecto
tados Unidos (Davis y McKeown, 1986); el otro método, CPM
(por sus siglas en inglés, critical path method: método de la Veamos ahora la metodología del PERT/CPM para ela-
ruta crítica), se originó en forma independiente al PERT y borar la red de un proyecto, que incluirá las actividades,
se ha utilizado ampliamente en proyectos industriales y del que se representarán por flechas, así como los eventos, in-
ramo de la construcción (Davis y McKeown, 1986). dicados por círculos o nodos.
MÉTODO PERT/CPM 113
Para esto, existen ocho reglas que serán de gran utili- dentes la A, B y C, esto se representa en la red de la manera si-
dad para la construcción de la red, una vez que se hayan guiente (fig. 8.3):
listado las actividades con sus tiempos de duración y sus re-
laciones de precedencia (Davis y McKeown, 1986):
n
1.Antes de representar cualquier actividad en la red, A
deberán haberse indicado en ella todas las activida-
e des precedentes.
2. Las flechas indicarán tanto las actividades como las
precedencias, sin tener algún significado la longitud
de las mismas.
3. Todas las flechas de la red deberán iniciar y termi-
nar en un nodo. c 2
4. No puede haber dos nodos que queden conectados
entre sí por más de una flecha. 4
5. No puede haber más de un nodo inicial o final.
6. No puede haber en la red ciclos, es decir, flechas
que regresen el flujo de las actividades a algún nodo Figura 8.3
anterior del cual habían partido.
7. Puede haber actividades ficticias, que se represen- En esta red se han incorporado las actividades ficticias f 1 y
tarán por medio de flechas discontinuas y sólo ser- f2, para señalar que las actividades Ay C son precedentes de la D.
virán para mostrar precedencias, con un tiempo de Luego de la tabla de actividades, la D es precedente de la Ey
duración de cero. ésta a su vez de la F, con esto la red quedará de la siguiente mane-
8. Deben numerarse los nodos de los eventos en orden ra (fig. 8.4):
creciente desde el inicio hasta el final de la red.
Figura 8.4
2
s 3
n f,
y
3
o
4
4 10
Figura 8.2
Figura 8.5
De acuerdo con la tercera regla, que indica que cada flecha
debe iniciar y terminar en un nodo, los que han sido numerados De aquí la única actividad que falta señalar en la red es la J,
conforme a la regla 8. que por tener de precedentes las tres actividades antes citadas,
De aquí debe seguir la actividad D, que tiene como prece- estará representada por la figura 8.6, donde se ha requerido in-
114
Para obtener los tiempos más lejanos de los eventos
2 de una red se inician los cálculos por el evento final y se
A 1 avanza en sentido inverso al de la red hasta finalizar en el
primer evento.
1 Por otro lado, la holgura de un evento se define como la
diferencia entre el tiempo más próximo y el más lejano para
c f2 el evento, representando la cantidad de tiempo en que po-
4 10 dría demorarse dicho evento sin que el proyecto aumente
el plazo de tiempo para su terminación.
Figura 8.6. Red final del proyecto de instalación de un Por su parte, el término holgura para una actividades la
molino. cantidad de tiempo que podría demorarse la actividad sin
ocasionar retrasos en el proyecto. La holgura de una activi-
cluir las actividades ficticias f3 y f4 para indicar las precedencias dad puede obtenerse por medio de la fórmula siguiente:
de las actividades G e I respecto de la actividad J.
Con esto la red ha quedado terminada con 14 actividades, Holgura Tiempo más Tiempo más Tiempo de
cuatro de éllas ficticias con tiempos de duración de cero y con 11 lejano del
para la = evento próximo del — duración de la
del — evento del nodo (8.3)
nodos o eventos del proyecto. actividad nodo destino origen actividad
Tiempo más Tiempo más Tiempo de duración Tabla 8.2. Cálculo de los tiempos más próximos
de la actividad que
lejano del = lejano del evento — va (8.2) para la red de la figura 8.6.
evento actual posterior del evento actual
al posterior Cálculo del tiempo más Tiempo más
De manera análoga, para aquellos casos en que el even- Evento Evento próximo para el evento próximo del
to actual tenga varios eventos posteriores a él, se calculará actual precedente actual, ecuación 8.1 evento actual
el tiempo más lejano del evento actual con la fórmula 8.2, 1 O
aplicada para cada evento posterior, y se tomará el que re-
sulte menor. 2 1 0+4 4
115
En las tablas anteriores se muestra claramente cómo cuan-
0 +2 2
do existen varios eventos precedentes para el cálculo de los tiem-
0 +1 pos más próximos se ha tomado el valor mayor, y de forma similar,
cuando se calcularon los tiempos más lejanos, en el caso de varios
4 +0 4 eventos posteriores, se tomó el menor.
4 2 +0 Ahora se procede a elaborar la tabla de holguras (tabla 8.4)
para los eventos y las actividades, considerando que la holgura
4 +4 8 de un evento es la diferencia entre su tiempo más próximo y más
lejano y la holgura de una actividad se estima por medio de la
8 +2.5 10.5 ecuación 8.3.
6 10.5 +2.5 13
7 13 +1.5 14.5 Tabla 8.4. Holgura de eventos y actividades para
7 13 +1.5 14.5 la red de la figura 8.6.
cuyas actividades tienen todas una holgura de cero, se observa que Solución: lo primero será elaborar la red del proyecto, que se
esta red tiene dos rutas críticas con un tiempo total para el proyec- muestra en la figura 8.8. Para la construcción de la red se han
to de 18 horas cada una, las cuales son: requerido dos actividades ficticias: la f 1 para indicar que la acti-
vidad L tiene como precedente la D, y la f2 para señalar que la
Af1 DEFGfaJ actividad K es precedente de la M. Es importante observar que
A-f1-D-E-F-I-f4-J en el caso de la actividad E, que es precedente de la H, no ha sido
necesario incluir una actividad ficticia, ya que la flecha corres-
Con esto puede verse que si el proyecto se desea terminar a pondiente a dicha actividad no viola la regla 4, ya que viene del
tiempo deberá ponerse especial atención a ambas rutas, ya que nodo número 4 y la flecha de la actividad G viene del nodo nú-
cualquier demora en alguna de las actividades que las forman pro- mero 5.
vocará un retraso en el tiempo de entrega del proyecto, que debe
ser de 18 horas.
A - Excavación de zanjas 1 C, O
3
para cimentación F,2
20, 20 o 28, 30
B A Cimentación 5
C B Levantar paredes 12 D, O 1, 2
G D Instalar plomería 7 N, 2
interior
H E, G Hacer aplanado de 10 42, 42 13 53, 55
7
interiores 0, 2
Hacer aplanado de 7
exteriores M, O
57, 57
J H Pintar interiores 3 8
í)
48 +9 57 5 25 — 25 =0 E 32 — 20 — 8 =4
13 53 +2 6 32 32 = 0
— F 30 — 20 — 8 =2
7 42 —42 = 0 G 32 — 25 — 7 =0
De forma similar se estiman los tiempos más lejanos, me- 8 48 — 48 = 0 I H 42-32-10=0
(bate la ecuación 8.2, iniciando por el nodo 14 y avanzando por
la red en sentido inverso, la tabla 8.7 muestra estos cálculos. 9 48-48 =0 I 37 — 28 — 7 =2
10 30 — 28 =2 J 48 — 42 3 =3
—
13 14 57 — 2 55
12 13 55 — 8 47 Esta información se incluye en la red de la figura 8.8, apare-
11 12 47 —10 37 ciendo en ella los tiempos más próximos y más lejanos de los even-
tos y las holguras de las actividades junto con cada una de éstas en
I() 11 37-7 30 rectángulos.
9 14 57-9 48 De la figura se puede apreciar que la ruta crítica es la que se
compone por las actividades A-B-C-D-G-H-K-f 2-M, que se mues-
8 9 48-0 48
tra por las flechas más gruesas, con todas sus actividades tenien-
8 48-6 do holguras cero y con un tiempo total del proyecto de 57 días.
7 42 También es posible observar que la actividad J tiene una hol-
9 48-3
gura de tres días, mientras que la de la actividad E es de cuatro
6 7 42 — 10 32 días y la rama de la red formada por las actividades F-I-L-N-O,
5 6 32-7 tiene una holgura de dos días, lo cual significa que todas estas ac-
25 tividades pueden permitir en conjunto una demora en esta canti-
11 30-0 dad de tiempo, por lo que si una sola de ellas, por decir la F, se
118 CAP. 8. ADMINISTRACIÓN DE PROYECTOS
retrasara dos días, el resto de las actividades que componen la Además, para estimar el tiempo de duración del proyec-
rama ya no podrá demorarse, pues de suceder así, demorará el pro- to se utiliza el grado de variación que puede haber en las ra
yecto completo. estimaciones, lo que se logra mediante el cálculo de la va- ej
Con esto el lector puede darse cuenta de que algunas rutas rianza, que se hace con la siguiente fórmula:
que no son críticas pueden llegar a convertirse en ellas, si alguna
o algunas de las actividades que las forman llegaran a retrasarse 2 2
en una cantidad de tiempo mayor o igual que la de sus holguras a = [(ti) to)/61 (8.5
correspondientes.
donde a2 es la varianza y a será entonces la desviación es
tándar. Esta fórmula se utiliza debido a que muchas distri-
Estimación de tiempos en PERT/CPM buciones de probabilidad tienen sus cotas superiores a una
distancia de seis desviaciones estándar de las inferiores.
El método PERT con frecuencia se ha utilizado en pro- En un proyecto dado, la varianza del tiempo de termi
yectos de investigación y desarrollo donde no existe antece- nación del proyecto será la suma de las varianzas individua-
dente alguno en cuanto a los tiempos de duración de las acti- les de las actividades que integran la ruta crítica, lo que re ne
vidades, por lo que éstas deberán estimarse de alguna ma- sulta ser de gran importancia, ya que permite saber con cuán
nera para poder efectuar la programación correspondiente. ta certeza se puede esperar que el proyecto concluya en u
Lo que supone PERT, tema de este apartado, es que los plazo dado de tiempo. Para esto se suponen dos situaciones
tiempos de las actividades deben seguir un comportamien- los tiempos de las actividades son estadísticamente inde-
to que pueda describirse por alguna distribución de proba- pendientes y el tiempo del proyecto sigue la curva normal
bilidad, para lo cual resultó ser adecuada la distribución de distribución de probabilidad (Davis y McKeown, 1986
A
beta, ya que sólo tiene un valor más probable (una sola moda),
Ejemplo 8.5. Para el proyecto de construcción de una cas a
además de que sus menores valores son no negativos, los determinar la probabilidad de que el proyecto se realice:
mayores finitos y no es necesariamente simétrica, razones
por las cuales quienes desarrollaron PERT la eligieron (Ga- a) En 60 días.
llagher y Watson, 1992). b) En 62 días.
El tiempo esperado para cada actividad se calcula por c) En 65 días.
medio de la siguiente fórmula:
En la tabla 8.9 se dan los tiempos optimista, más probable Y
to +4tm +tp pesimista para cada actividad.
te = (8.4)
6
Tabla 8.9. Tiempos optimista, más probable
donde: y pesimista en días para el proyecto.
Solución: para cada actividad debe estimarse el tiempo espe- La desviación estándar será entonces:
rado por la ecuación 8.4 y su varianza por la ecuación 8.5, esto se
ejemplifica para el caso de la actividad A. a=V11.391 =3.375
Tiempo esperado:
El tiempo de terminación del proyecto es de 57 días, que vie-
te +4t,e +tp = 1+4(3.2)+4.2 ne siendo la media si se cumple el supuesto que el tiempo del
- =3.0
6 6 proyecto se comporta según la curva normal de distribución de pro-
/111$1 babilidad, es decir:
Varianza:
X= 57 días
02 = Rtp t0)16]2 = [(4.2 - 1)/6] 2 = 0.2844 Con estos datos, es posible contestar las preguntas:
Si se aplican las fórmulas anteriores a cada actividad, se ge- a) Si el tiempo del proyecto es de 60 días, se habla de 60 -57
neran los resultados que se presentan en la tabla 8.10. = 3 días más que la media y tres días son 3/3.375 = 0.889
desviaciones estándar a la derecha de la media, para este
valor se tiene 81.3 % de área bajo la curva normal, lo que
Tabla 8.10. Tabla del proyecto incluyendo los vendrá siendo la probabilidad de que el proyecto se cum-
tiempos esperados y las varianzas para cada actividad. pla en 60 días.
Tiempo b) Para 62 días, serán (62 - 57)/3.375 = 1.481desviaciones
Tiempo más Tiempo Tiempo estándar a la derecha de la media. Para este valor, se ten-
Actividad ¡ optimista probable pesimista esperado Varianza drá 93.1 % de área bajo la curva y ésta será también la
probabilidad de que el proyecto se realice en este plazo de
A 1 3.2 4.2 0.2844 tiempo.
4 5 6 5 0.1111 c) Para 65 días, utilizando el mismo procedimiento, se tiene
(65 - 57)/3.375 = 2.37 desviaciones estándar a la derecha
C 8 11.5 18 12 2.7778 de la media y este valor corresponde a 99.1 % de área bajo
D, 3 5.2 6.2 5 0.2844 la curva, que será también la probabilidad de que el pro-
E I, 4.4 8.4 10 8 0.8711 yecto se termine en 65 días.
F 5 T 8.2 10.2 8 0.7511
G _ 4.6 6.8 10.2 7 0.8711 Relaciones entre el tiempo y el costo
H 6 9 18 10 4.0 para los proyectos en PERT/CPM
I 4.8 6.9 9.6 7 0.640
Hasta ahora lo que se ha visto en el método PERT/CPM
J 1.2 3 4.8 3 0.360
se ha enfocado en cumplir con un plazo de tiempo estable-
K 4 5 12 6 1.7778 cido para que los proyectos se completen. Sin embargo, algo
L 8 10 12 10 0.4444 muy importante en todo proyecto lo constituye otro factor: el
M 7.2 8.2 14 9 1.2844 costo del mismo, ya que para un plazo de tiempo de termi-
nación del proyecto, habrá un costo implícito asociado con
N 6 8 10 8 0.4444
él. El método del camino crítico (CPM) fue el primero que
0 L 0.8 1.8 4 0.2844 trató sobre esta relación entre el tiempo y el costo de los pro-
yectos, que se incorporó después a PERT. Por ser un tema
de suma importancia actual, la mayoría de las versiones de
Si se comparan los resultados de los tiempos esperados PERT/CPM lo manejan, por ello se ha incluido en el pre-
calculados aquí con los datos de la tabla 8.5, se observa que son
iguales. sente capítulo (Hillier y Lieberman, 1991).
La ruta crítica para este proyecto, tomándola del ejemplo Es bien sabido que la mayoría de actividades de un pro-
anterior, puesto que los tiempos son los mismos, es A-B-C-D-G- yecto pueden disminuirse hasta cierto punto en su tiempo de
H-K-f2-M, por lo que la varianza del proyecto será la suma de las duración, si se les asignan recursos adicionales, como: un ma-
varianzas individuales para las actividades que forman parte de yor número de personas que las realicen, empleo de equi-
esta ruta, siendo la siguiente: pos y maquinaria adicionales, pagos extra a contratistas, etc.
Todas estas acciones repercutirán necesariamente en un in-
2 2 2 2 2 2 cremento en el costo del proyecto. Por ello, es importante
a = a A+ 452 B±CT C+ 152 D + a G+ 02 H -Fa K+ 4:52 f2+a M
analizar ambos factores.
Como a2f2 es cero, como f2 es una actividad ficticia, se tiene: En la figura 8.9 se muestra una relación gráfica típica
entre el tiempo y el costo de un proyecto.
a2 =0.2844+0.1111 +2.7778 +0.2844 +0.8711 +4.0 En la figura pueden apreciarse un punto normal de cos-
k. + 1.7778 + + 1.2844 = 11.391 to mínimo del proyecto y un punto de urgencia de tiempo
120 CAP. 8. ADMINISTRACIÓN DE PROYECTOS
mínimo del proyecto. Entre ambos valores extremos habrá pos de las mismas y con ello la del proyecto completo, y tam-
una serie de puntos intermedios, cada uno de los cuales sir- bién evaluar el incremento en el costo del mismo que va aso-
ve para generar la relación entre el tiempo y el costo. Como ciado con ello. Para esto se deben llevar a cabo los pasos si-
puede verse en la figura 8.5, es posible disminuir el tiempo guientes (Thierauf y Grosse, 1990):
de terminación de un proyecto, pero a expensas de incre-
mentar su costo; también puede verse que a partir del punto 1. Determinar para cada actividad del proyecto su va-
normal las primeras disminuciones de tiempo elevan poco lor de S.
el costo y las últimas disminuciones de tiempo lo incremen- 2. Con los valores de S, del total de las actividades del
tan notoriamente más, lo que viene siendo la pendiente de proyecto, reducir el máximo número posible de días,
la curva en dichas secciones. que será el valor de tah de la actividad que forme par-
Es posible manejar relaciones entre el tiempo y el cos- te de la ruta crítica y que tenga el mínimo valor de S.
to de los proyectos en forma numérica si se dispone de in- 3. Repetir el procedimiento con la siguiente actividad
formación acerca de los costos normales de las actividades, que forme parte de la ruta crítica y tenga el siguiente er
los tiempos de urgencia o tiempos mínimos en que pueden valor mínimo de S,. Aquí deberá ponerse especial dt
efectuars9 las mismas y los costos asociados con ellas, es atención en todas las rutas no criticas del proyecto, la
decir, los costos de urgencia. Con éstos es posible obtener ya que, a medida que la ruta crítica vaya disminu- Pt
el factor de reducción del costo por unidad de tiempo, yendo sus tiempos por la reducción de la duración de to
por medio de la siguiente fórmula: las actividades que la forman, será posible que algu- A.
na ruta no crítica llegue a convertirse en tal por igua- gr
C —C lar su tiempo con el de la ruta original; cuando esto qt
stc = u tah n (8.6) suceda, se debe disminuir en forma simultánea los ig
fil
tiempos de todas las rutas que sean críticas en ese
momento para poder bajar el tiempo del proyecto, ti(
pues dicho tiempo no disminuirá si alguna de las ru-
tas críticas empatadas en ese momento no disminu- qt
Punto de
Costo de
urgencia
ye en su tiempo. lu
urgencia
4. Repetir el mismo procedimiento de las fases anterio- Pc
res mientras esto sea posible, lo que sucederá hasta
el momento en que alguna de las rutas críticas exis- cü
o
u tentes tenga todas sus actividades sin la posibilidad
de ser disminuidas en sus tiempos de duración.
Punto
normal
Costo
Como puede verse cada reducción del tiempo del pro-
normal yecto dará un nuevo punto de menor tiempo y mayor costo
para establecer la relación entre ambos factores.
Tiempo de Tiempo
urgencia normal Ejemplo 8.6. Establecer numérica y gráficamente la rela-
Tiempo ción tiempo-costo para el proyecto del ejemplo 8.4, la información
Figura 8.9. Relación gráfica entre el tiempo y el costo de correspondiente se da en la tabla 8.11.
un proyecto.
Tabla 8.11. Datos normales y de urgencia para
donde: las actividades del proyecto de construcción de una casa.
Tiempo Costo Tiempo de Costo de
Cu = Costo de urgencia de la actividad normal, normal, urgencia, urgencia,
Cn = Costo normal de la actividad Actividad días M$ días M$
tah = Tiempo de ahorro, dado por la ecuación: 3 7.0 2 8.0
tah = tu — tu (8.7) B 5 10.0 3 12.0
12 28.0 10 30.0
donde: D 5 9.5 4 10.0
tn = Tiempo normal de la actividad 8 14.5 6 16.0
= Tiempo de urgencia de la actividad F 8 17.0 7 18.5
G 7 12.0 6 14.0
Con los valores de S„ de las actividades que integran un
proyecto es posible cuantificar las reducciones de los tiem- H 10 16.5 10 16.5
121
7 15.0 6 16.2
1
si- J 3 7.4 2 8.2
K 6 16.2 5 17.0 A, 3 Tiempo normal = 57 días
Costo normal = $206 900
L 10 18.2 8 19.5 Ruta crítica: ABCDGHKf2M
a-
M 9 17.4 8 18.0 2
rel N 8 15.0 8 15.0
1s, B, 5
ir- O 2 3.2 2 3.2
';tc. 3
ad Solución: lo primero es mostrar la red del proyecto, señalando
Lte en ella los tiempos de las actividades, la ruta crítica y las holguras
ial C, 12 h =2
de las rutas no críticas, denominadas como h, lo que se muestra en
to, la figura 8.10, también se indica el costo del proyecto para el tiem- F, 8 1
u- po normal de 57 días, que es de $ 206 900 y se forma por la suma- h=4 lo. 10
de toria de los costos normales de todas las actividades individuales.
u- Además se aclara que las actividades H, N y O aparecen en ne-
gritas en la figura, por no poder ser reducidas en ningún día, ya D, 5 1,7
a-
;to que su tiempo de ahorro es de cero, es decir, su tiempo normal es f,, O
igual al de urgencia. Por su parte la ruta crítica se muestra en la
os 11
figura con flechas de mayor grosor que las de las ramas no críticas.
se En la figura 8.10 los rectángulos indican las actividades y sus h=2
10, tiempos normales de ejecución. L 10
G,7
u- Ahora se calcula para cada actividad su tiempo de ahorro, t ah, E, 8
u- que es la diferencia entre el tiempo normal y el de urgencia, para
luego estimar el factor de reducción del costo por unidad de tiem- 12
o- po, mediante la ecuación 8.6 para cada actividad. Estos cálcu-
ta los se desglosan en la tabla 8.12, que será la base para la resolu- H, 10 1 N, 8 “
[s- ción del ejemplo.
13
Tabla 8.12. Tiempos de ahorro y factores de reducción
1, 3
del costo por unidad de tiempo para las actividades K, 6
del proyecto de construcción de una casa. 0 2
,
to
1 Factor de reducción
h=3
M, 9
Tiempo de ahorro, del costo por unidad de
9 1/' 14
Actividad tah, días tiempo, S„, M$/día
A 1 1.0 f2, O
2 1.0
Figura 8.10. Red del proyecto de construcción de una casa.
C 2 1.0
D 1 0.5
Conforme al procedimiento indicado, la actividad de la ruta
E 2 0.75 crítica con el menor valor de S, es D, con 0.5, que se puede redu-
1.5 cir en el valor de su tiempo de ahorro, es decir en un día; con esto
la red será ahora la de la figura 8.11, en donde puede verse que las
G 2.0 holguras de las ramas de la actividad E y la de las actividades F-I-
L-N-O han disminuido en un día. Por su parte, la actividad D apa-
1.2 rece en negritas por haber agotado la posibilidad de seguirla redu-
ciendo en tiempo, mientras que su costo ha aumentado en $500,
1 0.8 pues al ser S, = 0.5 miles de pesos por día ahorrado, ahora el costo
K 1 0.8 total del proyecto es de $ 207 400.
La ruta crítica sigue siendo la misma, por lo que para seguir
L 2 0.65 reduciendo el proyecto en tiempo, su siguiente actividad con el
M 1 0.6 menor valor de S, es M, con 0.6, que puede disminuirse en un día;
N o con este cambio, la red será ahora la de la figura 8.12, en la que
es posible observar que aparecen dos rutas criticas, ya que al dis-
o minuir la holgura de la rama F-I-L-N-O en un día, llega a cero y
122
por tal motivo pasa también a ser crítica, lo que se indica en la
figura al tener dicha rama flechas más gruesas. Aquí también se
observa que la actividad M ya no es susceptible de ser reducida,
por lo que aparece en negritas. Por su parte el costo se incremen-
ta en $600, llegando de esta forma a un costo total del proyecto
A,3
de $ 208 000.
Para continuar disminuyéndole días al proyecto, las reduc- Tiempo = 56 días
Costo = $ 207 400
ciones deberán hacerse en las dos rutas críticas a la vez, para ello
Ruta crítica: ABCDGH
se recomienda hacerlo en aquellas actividades que forman parte
de ambas rutas a la vez, pues esto será con frecuencia más barato
que buscar una actividad de cada ruta por separado. En este sen-
tido, las actividades A, B y C forman parte de todas las rutas del 13, 5
proyecto, y la sugerencia sería reducir éstas, a menos que fuese
más económico efectuar reducciones en actividades diferentes
para cada ruta crítica por separado. Para resolver este dilema, si se
observa la tabla 8.12, las actividades A, B y C tienen el mismo va- 3
lor de 5,,1:1, lo que implica que un día de ahorro en dichas activi-
dades cuesta $ 1000, mientras que hacer la reducción de tiempo
en cada ruta por separado, implicaría reducir las actividades K y
C,12
L, lo que costaría $ 1450 el día. Por tanto, lo que debe hacerse es h=1
disminuir las actividades A, B y C; esto puede hacerse en un solo
paso, ya que las tres tienen el mismo valor de S r,. Por tanto, la dis- F, 8
minución se hará en sus respectivos tiempos de ahorro, es decir: h=3
A en un día y B y C en dos días cada una. Con esto, la nueva red
quedará como se indica en la figura 8.13, para la cual no hay cam-
bios en las holguras de las ramas no críticas, ya que las tres activi-
dades reducidas forman parte de todas las rutas posibles del pro- D,4
yecto. En la figura aparecen las actividades A, B y C en negritas
por haber sido acortadas al máximo. Con estos cambios el costo se GO
elevará a razón de $ 1000 por cada día de disminución del tiem- 5 11
po, llegando éste a 50 días y aquél a $ 213 000. h = 12
Las rutas críticas siguen siendo las mismas; si se observa, en
la primera de ellas sólo hay posibilidad de reducir las actividades
G y K, pues las restantes ya han sido acortadas al máximo. Por su ,7
parte, la otra ruta crítica tiene la posibilidad de reducción de tiem- E, 8
po en las actividades F, I y L. Si se atiende a la tabla 8.12, de la
primera ruta crítica la actividad K tiene el menor valor de S, con
0.8, pudiendo ser reducida sólo en un día, mientras que para la
segunda ruta crítica es la actividad L con S„ = 0.65 la de menor
valor, con posibilidad de ser disminuida en dos días. Por esto, en el
H,'10
siguiente paso de reducción de tiempo, éste debe llevarse a cabo
en ambas rutas críticas y será sólo de un día. Con esta nueva eta-
pa, la red será la que se muestra en la figura 8.14, página 124.
En la figura 8.14 se observa que la holgura de la rama de la 13
actividad J se ha acortado a dos días y además el incremento del
costo del proyecto ha sido de $ 1450, que es la suma de $ 800 y
$650 por acortar las actividades K y L, respectivamente.
Si se analizan las rutas críticas, se observa que para la prime-
ra de ellas sólo queda como actividad susceptible de reducirse la
G. De la tabla 8.12, se ve que dicha actividad se puede acortar en M,9
un día y su valor de S, es de 2.0, por tanto se reducirá en esta can-
tidad; por su parte, para la otra ruta crítica la actividad L, que era
9
la de menor valor de S„, aún puede reducirse en un día, al efec-
tuar esto, la nueva red será la que se muestra en la figura 8.15, f2, O
donde se observa que para disminuir el tiempo del proyecto en
un día adicional se ha tenido que incrementar el costo del mis-
mo en $ 2650, dado por la suma de bajar las actividades G y L en Figura 8.11. Red del proyecto de construcción de u
un día cada una (2000 + 650), respectivamente. El costo total será casa, luego de reducir D en un día.
ahora de $ 217100.
123
A3 A, 2
Tiempo = 55 días Tiempo = 50 días
Costo = $ 208 000 Costo = $ 213 000
Rutas críticas: ABCDGHKf2M Rutas críticas: ABCDGHKf2M
ABCFILNO ABCFILNO
B,3
C,10
h =o h=0
F, 8 F, 8
10 h =3 10
I, 7 1,7
D,43
f,.0 f1, O
11 11
h = 11 h = 11
L 10 G,7 L 10
E, 8
12 12
N, 8 H, 10 N, 8
13 13
1, 3
0, 2 O, 2
h=3 M,8 M, 8
.7831.181~31111.1..
9 1 14 14
f2, f2, 0
Figura 8.12. Red del proyecto luego de reducir Figura 8.13. Red del proyecto luego de reducir A en un
M en un día. día yByC en dos días.
124
tic;
act
yo
A,2 A2
Tiempo = 49 días Tiempo = 48 días
Costo = $ 214 450 Costo = $ 217 100
Rutas críticas: ABCDGHKf2M Rutas críticas: ABCDGHKr 2M
2 ABCFILNO ABCFILNO
B,3 I B,3 I
C, 10 C, 10
h=O h=O
F, 8 F, 8
10 h=2 10
h=3 4
L7 1, 7 al c
D, 4 D, 4
aur
o tier
0 .1
hac
5 11
lady
h = 11 h=1 I
del
grá:
G, 7 L, 10 G,6 80 5
fine
E, 8
6 1 12 2;
2-
H., 10 1 N, 8 H, 10 N,8
V} 2
o
o 2C
13 13
7
2C
i`N j,3 1, 3
K, 5 2C
0,2 0,2
M, 8 M8
h=3
14 9 -------* 14
f2, O
Figura 8.14. Red del proyecto luego de reducir K y L en Figura 8.15. Red del proyecto luego de reducir G y L en posi
un día. un día. VIS 3
esta
bles
croco
125
Esta es la red final reducida al máximo, dado que la ruta crí- Nivelación de los recursos
tica A-B-C-D-G-H-K-f 2-M no tiene en este momento ninguna
actividad que pueda ser acortada en su tiempo de duración. Cuando se trabaja en proyectos, suele acontecer que el
En la tabla 8.13 se sintetiza la relación de los datos de tiempo uso de recursos deba irse nivelando constantemente, es de-
y costo del proyecto, yen la figura 8.12 la gráfica correspondiente. cir, hacer un consumo balanceado de ellos, y sin que el pro-
yecto llegue a demorarse. Los recursos a los que nos referi-
Tabla 8.13. Relación entre tiempo y costo mos pueden ser personas, equipo, herramientas, instalacio-
para el proyecto de construcción de una casa. nes y otros espacios físicos.
En ocasiones, los recursos requeridos pueden escasear.
Tiempo del proyecto, Costo del proyecto, En tales circunstancias debe haber una planeación para su
días M$ utilización, con el fin de aprovecharlos de la manera más efi-
ciente. Hacer este tipo de consideraciones añade algunas
57 206.9 dificultades a la programación de los proyectos, lo cual debe
56 207.4 solucionarse de modo que las tareas no se atrasen por una
mala planeación. La situación puede complicarse cuando
55 208.0 varias actividades requieren los mismos recursos al mismo
tiempo y éstos son escasos, lo que en ocasiones puede signi-
50 213.0
ficar el retraso del proyecto.
49 214.45 Para hacer una nivelación de los recursos, se considera
en primer término cambiar aquellas actividades que no for-
48 217.10 men parte de la ruta crítica, y que podrían atrasarse hasta
una cantidad igual a su tiempo de holgura sin representar
la demora del proyecto. En segundo lugar, algunos recur-
En la figura 8.16 se observa que el costo se incrementa poco sos pueden tener la flexibilidad de cambiarse y concentrar-
al comienzo de la reducción en días del proyecto, pero luego sus se en alguna actividad, con el fin de realizarla en el menor
aumentos van siendo mayores para las siguientes reducciones en
tiempo, lo que se aprecia por las pendientes cada vez mayores
tiempo posible.
hacia el lado izquierdo de la gráfica, hasta llegar al punto final del Lo que se intenta con la nivelación de recursos es ha-
lado izquierdo. Esto se debe a que el procedimiento de reducción cer un consumo más balanceado de los mismos. Esto depen-
del tiempo inicia tomando los valores mínimos de S,, que en la de de las tareas y sus actividades precedentes, así como del
gráfica vendría siendo la pendiente con el signo cambiado, lue- consumo que cada una de ellas haga de los mismos. Para
go se prosigue con valores cada vez mayores de Se,, hasta llegar al ello puede haber opciones, dependiendo de los recursos que
final. se intente nivelar.
Cuando estos recursos son humanos, se supone que
un número mayor de personas ejecutaría las tareas en me-
220 000 nos tiempo de manera lineal inversa, es decir, el doble de
216 000
personas haría las tareas en la mitad del tiempo, lo cual
en realidad no es estrictamente cierto, dado que a mayo-
212 000 res cargas de trabajo, el rendimiento de las personas es de-
e creciente por varias razones, como cansancio, estrés, aburri-
208 000 miento y otras.
U
204 000
Para la ejecución de las tareas en menores tiempos, las
organizaciones deberán estar atentas al desanollo.'tecnoló-
gico, ya que cada vez se diseñan mejores equipos que efec-
túan las tareas en menos tiempo y con menos consumo de
46 48 50 52 54 56 58 recursos.
Tiempo del proyecto, días Otra opción puede ser la de dividir las tareas secuen-
ciales, siempre que esto sea posible, lo cual puede ayudar a
Figura 8.16. Relación tiempo-costo desarrollarlas en menor tiempo. Así, por ejemplo, si un pro-
del proyecto. yecto implica efectuar dos tareas seriadas, primero la A y
luego la B, si fuese posible iniciar la primera parte de la ac-
Este procedimiento, que se ha efectuado en forma manual, es tividad subsecuente B, al momento de haber realizado la
posible plantearlo como un problema de programación lineal (Da- tarea precedente A hasta cierto grado de avance puede dis-
vis y McKeown, 1986), sólo que no resulta práctico realizarlo con minuirse el tiempo en que se ejecutan ambas.
esta metodología, ya que los problemas quedan con muchas varia- Si los recursos son escasos, el tiempo del proyecto pue-
bles y restricciones. No obstante, existen paquetes de software de incrementarse y, en tal caso, deben reprogramarse las
como el MS Project recomendados para manejar estos casos. actividades moviendo aquellas que no formen parte de la
126
ruta crítica del proyecto, de modo que aun cuando éste se Tabla 8.14 te
atrase, la demora sea mínima. dE
Día a]
A continuación se presenta un par de ejemplos que ilus- Días
Actividad Clave 1 2 3 4 5 6 7 8 9 10 11 12 hombre y
tran la nivelación de recursos y su reprogramación cuando
qI
son escasos. Puerta A 3 3 6 jo
principal er
Ejemplo 8.7. Para el proyecto de hacer el trabajo de madera da
Puertas B 3 3 3 3 12
de una casa, se tienen las siguientes actividades que se van a des- planta baja ra
arrollar, con sus tiempos estimados de duración, las tareas pre- te
cedentes y el número programado de carpinteros que se van a Cocina C 4 4 4 12 ac
asignar: Repisas D 6 6 12
Ye
Escaleras E 4 4 4 12 ni
Descripción Tiempo Armarios 4 4 4 12
Actividad de la normal, Número de
Puertas 6 6 12
Actividad precedente actividad días carpinteros
planta alta
A Puerta 2 3 Baños H 6 6 12
principal
Número de 3 3 13 13 7 3 4 4 4 16 16 4 90
A Puertas 4 3 carpinteros
planta baja
C A Cocina 3 4
Se ve que hay un uso muy desbalanceado de los recursos hu-
D A Repisas 2 6 manos, ya que hay días en que sólo se ocupan tres personas, mien-
E B, C, D Escaleras 3 4 tras que hay otros en que son 16 los carpinteros que se utilizan.
Esto se ilustra en la figura 8.18. "SME
F E Armarios 3 4
G Puertas 6 18
planta alta 16
Número de carp in te ros
H E Baños 2 6 14
12
10
Se pide la red del proyecto y su tiempo de terminación como 8
está programado, así como la situación si se contara con nueve y 6
con seis carpinteros. 4
2
Solución: lo primero es hacer la red del proyecto, la cual es la
o
siguiente (fig. 8.17): I I III( T
1 2 3 4 5 6 7 8 9 10 11 12
Día del proyecto
,
Diseño 1 Construccion 2
En esta opción se han balanceado los recursos ocupando nue- 1 semana 2 semanas
cua- ve carpinteros los 10 días, con la situación de utilizar en algunos
as de días parcialmente a algunos de ellos en diferentes actividades, así
como también que el total de los carpinteros se ocupe una parte
tanto del día en una actividad y el resto de su jornada en otra. Construcción 1
D for- Si se limita la cantidad de carpinteros a seis, el proyecto po- 2 semanas
lane- dría terminarse en un lapso mínimo de 15 días, ya que el total es
eros. de 90 días hombre. Esto es un hecho y es muy fácil de nivelar, ya
todos que todas las actividades consumen días hombre en cantidades que Figura 8.19. Gráfico del proyecto.
I ésta son múltiplos de seis, por lo cual pueden incluso hacerse en for-
reta- ma secuencial todas ellas, iniciando por la A, que tarda un día,
nton- siguiendo con las demás que duran dos días cada una de ellas, has- Se señala la ruta crítica con una duración de cinco semanas,
la ac- ta culminar con la H, para un total de 15 días del proyecto. ya que la primera etapa de construcción puede adelantarse una
m- día El número de carpinteros utilizados cada día en las diferen- semana, una vez que haya concluido la etapa inicial del diseño, y
i cual tes actividades se muestra en la tabla 8.16: al mismo tiempo que se ejecuta la actividad de diseño 2.
40-
128
Control de los costos de un proyecto donde:
Y
Ya se ha visto a lo largo de este capítulo que cualquier CPAT = Costo presupuestado a la terminación del pro-
proyecto puede medirse por tres componentes: tiempo, cos- yecto.
to y calidad, y precisamente uno de ellos, que por lo gene- CTP = Costo total presupuestado del proyecto.
ral es muy importante, es el costo.
Para que un proyecto se realice conforme al presu- Esta estimación supone que se seguirá la misma tenden-
puesto inicial programado, deberán hacerse revisiones pe- cia en el desempeño de los costos, como hasta el momento
riódicas de su avance y compararse contra lo planeado, si de haber realizado la revisión.
esto no se hace así, al final pueden encontrarse sorpresas b)Mediante la ecuación 8.11:
desagradables, como el hecho de que se exceda su tiempo
de terminación, que no se cumpla con los requisitos de ca- CPAT = CTP + CAR — VDA (8.11)
lidad o que el costo real sea mayor al presupuestado.
Para ello es preciso revisar el avance del proyecto, mi- Este método supone que del momento de la revisión en
diendo el costo real ejercido y comparándolo contra el costo adelante, el desempeño de los costos del proyecto se compor-
presupuestado, así como estimar el valor devengado, que se tará de acuerdo con el presupuesto. Sin embargo, si hay un
define como el trabajo realmente ejecutado, el cual se mide costo real del proyecto mayor al valor devengado, la situa-
como un porcentaje del valor presupuestado según el grado ción ya no podrá enmendarse.
de avance que haya al momento de la revisión. En caso de c) La tercera opción consiste en hacer una reestima-
haber desviaciones, podrán tomarse las medidas correcti- ción del costo de lo que falta hacer en el proyecto, el cual se
vas pertinentes de manera oportuna. suma al costo real ejercido al momento de la revisión. Esta
Para medir objetivamente el avance de un proyecto, opción implica más trabajo, ya que deberá hacerse una re- n
se define el Índice de Desempeño del Costo (IDC), según la visión y costeo de lo que falta hacer.
A continuación se presenta un caso ilustrativo del cálcu- e
ecuación siguiente:
lo del desempeño de los costos.
lE
IDC =VDA (8.8) Ejemplo 8.9. Se tiene el proyecto de construcción y pues-
CAR ta en marcha de un equipo para el lavado de envases de vidrio,
el cual incluye tres etapas: diseño, construcción e instalación y
donde: pruebas, con un costo total de $ 150 000.
IDC = Índice de desempeño del costo del proyecto.
VDA = Valor devengado real del proyecto.
Máquina lavadora
CAR = Costo real ejercido en el proyecto. $ 150000
w, 80
Semana Gasto
Etapa E 60
1 2 3 4 5 6 7 8 total o
Costo 8 11 10 3 32 1 40 —111— CAR
u
Diseño VDA
% Avance 26 54 88 100 20
Construcción Costo 4 7 15 33 29 88
O
% Avance 2 8 20 49 74 O 2 4 6 8
Instalación y Costo O
pruebas Semana
% Avance
Figura 8.20. Costos hasta la semana 8.
Costo total 8 11 10 7 7 15 33 29 120
Costo 8 19 29 36 43 58 91 120 120
acumulado Que al ser negativa refleja un mal desempeño de los costos.
Con esto el costo a la terminación puede calcularse con las
ecuaciones 8.10 y 8.11:
Se pide evaluar el desempeño en costos del proyecto.
CTP 150 000
CPAT = =17 3 007
Solución: el costo total presupuestado es $ 150 000 a la termi- IDC 0.867
nación del proyecto, y su avance semanal es el costo señalado en la
última fila de la primera tabla. El costo real hasta la semana 8 es CPAT = CTP + CAR — VDA = 150 000 + 120 000 — 104 000 = 166 000
el de la última fila de la segunda tabla. Lo único que falta es esti-
mar el valor real devengado, el cual es simplemente el porcenta- La segunda ecuación produce un valor menor a la primera, ya
je de avance de cada etapa respecto al costo total presupuestado. que supone que el costo sólo se incrementa en lo que lleva de reza-
Este se muestra en la tabla 8.17: go a la fecha de la revisión, en este caso la semana 8, por un mon-
to de $ 16 000, mientras que la primera ecuación asume que la ten-
Tabla 8.17
dencia que lleva el proyecto seguirá hasta el final del mismo.
Como sea, el costo a la terminación será mayor al presupues-
Semana Gasto tado, lo que indica un mal desempeño de costos del proyecto.
Eta pu
1 2 3 4 5 6 7 8 total
Diseño Costo 7.8 8.4 10.2 3.6 30
PROBLEMAS PROPUESTOS
% Avance 26 28 34 12 100
Construcción Costo 2 6 12 29 25 74 8.1. Construir para las siguientes actividades que componen un
proyecto el gráfico de Gantt (tabla 8.18).
% Avance 2 6 12 29 25 74
Gasto 7.8 8.4 10.2 5.6 6 12 29 25 120
Tabla 8.18
Acumulado 7.8 16.2 26.4 33 38 50 79 104 104
Actividad Tiempo de
Actividad precedente duración, días
La última fila es el valor devengado acumulado cada semana.
Un gráfico del costo presupuestado (CTP), el costo real (CAR) A 5
y el valor devengado (VDA), de las semanas 1 a la 8, es el que se
presenta en la figura 8.20, en la que puede apreciarse que aun B A 2
cuando el valor devengado va casi al parejo del costo total presu- C B 3
puestado, el costo real va arriba del presupuestado por un monto
de $12000, lo que hace ver que el proyecto está costando más de D C 4
lo planeado inicialmente.
El índice de desempeño es: E D, J 2
F B 3
VDA 104000000
IDC = = =O .867 G F 6
CAR 120 000
H G 1
Que resulta menor a 1.
Por su parte, la varianza del costo es: 4
J C 5
VC= VDA — CAR= 104 000 —120 000 = —16 000
130 CAP 8. ADMINISTRACIÓN DE PROYECTOS
8.2. Elaborar para el problema anterior la red del proyecto, de- 8.6. Para las actividades del proyecto (tabla 8.20):
termine la ruta crítica y obtenga los tiempos más próximos,
más lejanos y holguras correspondientes. Tabla 8.20
8.3. Localizar posibles errores en las siguientes redes de pro-
yecto (fig. 8.21). Actividad Tiempo de
Actividad precedente duración, horas
A 4
a)
B A 2
C A 3
D C
E B, D 6
F B, D 1
G E 3
H F 4
b) G 2
Tabla 8.21
Figura 8.21. Red del proyecto.
Tiempo
Tiempo más Tiempo
8.4. Elaborar para las actividades del siguiente proyecto el grá- Actividad pesimista, probable, optimista,
fico de Gantt (tabla 8.19). Actividad precedente días días días
3 2
C A 6 4 3.2
Actividad Tiempo,
Actividad precedente semanas D B 5 3.5 2
A 2 E C 2 1.6 1.2
B 1.5 F D 4 2 1.2
G E 6 2.4
A 3
D A 2 a) Determinar la probabilidad de que el proyecto se ter-
mine en 13 días. 8.1
E B, C 4
F B, C 2.5 8.8. Para las siguientes actividades de un proyecto (tabla 8.22):
G E 2
Tabla 8.22
H D, F 3
Tiempo
G 1 Actividad Tiempo Tiempo más optimista,'
Actividad precedente pesimista, días probable, días días
A 3.8 2.2
8.5. Elaborar la red, hallar la ruta crítica y los tiempos más
próximos, más lejanos y las holguras del proyecto del pro- B 5
blema 8.4. C A 3 2 1
131
B 8 5 2 E B 3 5 8
B 4 1 0.4 F B 4 7 12
F C 6 3 1.8 G C 4 8 13
1.4 H D, E 4 6 9
G D 5 2
I F, J 6 8 11
H j F 7.2 4 2
J G 3 5 9
E, H 3.6 2 1
K G 5 7 10
L II 3 5 9
a) Hallar la probabilidad de que se cumpla en 16 días.
M I 1 4 8
8.9. Para el proyecto (tabla 8.23): N I 4 6 10
O K 3 5 9
Tabla 8.23
P L, M 3 5 7
Tiempo Costo Tiempo de Costo de 0 2 4 8
Q
Actividad normal, 1 normal urgencia, urgencia
Actividad precedente días M$ días M$ R K 3 6
A 3 4 3 4
OS,
B 4 4 5 Elaborar la red del proyecto y determinar la probabilidad
C A 5 6 3 9 de terminarlo en:
D A 6 7.5 4 10 a) 32 días.
E B 4 5.3 3 7 b) 36 días.
c) 40 días.
F B 5 6.2 , 4 7.8
G C 5 6.1 3 9 8.11. Para el proyecto (tabla 8.25):
II D 5 6.5 3 9.5
I E 4 5.6 3 7 Tabla 8.25
8.12. Para el proyecto: 8.14. Para el caso de la pintura de una casa-habitación, se tien
las siguientes actividades con sus precedencias, tiempos
duración y número de pintores asignados:
Tiempo Costo Tiempo de Costo de
Actividad normal, normal urgencia, urgencia
Actividad precedente días M$ días M$ Descripción Tiempo
5 8.0 4 9.6 Actividad de la normal, Número de
Actividad I precedente actividad días pintores
B - 6 9.2 4 13.0
A Habitaciones 6 2
C 7 10.4 5 13.7
planta baja
D A 7 11.0 5 14.8
B Habitaciones 8 1
E B 6 10.0 5 11.4 sótano
F C 6 9.5 5 11.1 C 1Recámaras 5 1
G D 10 15.0 10 15.0 Baños 2
H E 9 14.3 9 14.3 E Escaleras y 4 1
I F 8 13.0 8 13.0 pasillo
J G 8 12.4 6 16.0
1< H 9 13.6 7 17.0 ¿Cómo se nivelaría el número de pintores utilizados cada
día sin modificar el número de trabajadores en cada acti-
L I 8 14.0 6 17.5
vidad?
M L 3 7.3 3 7.3 En caso de que fuese posible modificar el número de pinto-
res de cada actividad, ¿cómo se reprogramaría el proyecto?
8.15. Un proyecto consta de dos etapas, la A, que dura seis se-
Obtenga la red y la relación tiempo-costo del proyecto. manas, y la B, que es subsecuente de la A, y tarda nueve
semanas, lo que hace una duración de 15 semanas. Si se
8.13. Para el proyecto: desea acortar el proyecto, dividiendo las dos tareas en ter-
ceras partes y pudiendo iniciar la primer parte de la B tan
Ir
pronto termine la primera parte de la A, ¿cuánto podría
I ¡ Tiempo Tiempo más Tiempo acortarse el proyecto?
Actividad pesimista, probable, optimista, de
Actividad precedente días días días en
4 BIBLIOGRAFÍA pu
A - 6 5
de
B - 5 4 3 Barker, J., El poder de una visión, Video, 2000, disponible en:
C 8 6 3 <http://www.joelbarker.comí >. tai
Bertalanffy, L. von, Teoría general de los sistemas, Fondo de Cul- co
D A 8 5 3
tura Económica, 2003. tal
E B 8 6 4 Cleland, D., "The Evolution of Project Management", en IEEE
Transactions on Engineering Management, vol. 51, noviembre se:
F C 10 5 4
de 2004. el
G D 5 4 3 Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
de
nistración, Grupo Editorial Iberoamérica, 1986.
H E 7 5 4 Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
5 3 toma de decisiones, McGraw-Hill, 1992. lo'
I F 8
Hillier, F. S. y G. J., Lieberman, Introducción a la investigación de
J G 10 7 4
operaciones, 5a. ed., McGraw-Hill, 1991. pr
1 4 Miller, R. y D. Lessard, The strategic management of large engi- pr
K i H 12 8
neering projects: shaping institutions, risks, and governance, es
L 8 5 3 The MIT Press, 2001.
M L 5 3 2 Perry, C. y J. D. Greig, "Estimating the Mean and Variance of
Subjective Distributions in PERT and Decision Analysis",
en Management Sciences, vol. 21, núm. 12, agosto de 1975. Tl
Hallar la probabilidad de terminarlo en: Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
vestigación de operaciones, Limusa, 1990.
a) 22 días.
b) 24 días. qu
c) 27 días. ci¿
Ndlodg IuUa
TERMINOLOGÍA DE REDES AC DC
133
134
Es frecuente que la notación de estas ramas se forme MÉTODO DEL RECORRIDO
por las letras y/o números de los nodos a los cuales conec- MÍNIMO
tan. En el caso de las ramas dirigidas, primero se coloca la
letra o número del nodo a partir del cual proviene la rama y La
Los problemas de recorrido mínimo también son cono-
al final aquel hacia el que se dirige la rama, como en el caso cidos como problemas de árbol de mínima expansión; for-
de la rama DC, que parte del nodo D y llega al C. man redes no dirigidas, donde cada rama tiene un costo no
Una red dirigida es aquella que tiene sólo ramas diri- negativo asociado con ella. La metodología que se presenta
gidas; si las ramas son no dirigidas, la red es no dirigida. Si ahora tiene como finalidad hallar una red conexa que inclu-
la red tiene ambos tipos de ramas, se puede transformar ya todos los nodos de modo que su costo total sea mínimo
en una red dirigida si sus ramas no dirigidas se convier- (Bronson, 1992).
ten en ramas dirigidas en direcciones opuestas. La red solución del problema será un árbol de expan-
Una trayectoria en la red es una forma de conectar dos sión, de acuerdo con lo señalado en el inciso anterior, ya
o más nodos. Existen trayectorias dirigidas y no dirigidas, que tendrá una rama menos que el número total de nodos.
dependiendo del tipo de ramas que conectan los nodos. Así, Existe un algoritmo sencillo y rápido para solucionar
en el casó de la figura 9.1, las ramas AB-AC-CB forman una este tipo de problemas, que va buscando el costo mínimo
trayectoria no dirigida entre los nodos A, B y C, y las ramas en cada etapa, procediendo así hasta el final, donde se ten- El
CB-BD-DC forman una trayectoria dirigida del nodo C a drá la red del costo total mínimo. Este algoritmo consiste en
él mismo. A este tipo de trayectorias que inician y termi- los siguientes pasos (Hillier y Lieberman, 1991):
nan en el mismo nodo se les llama ciclos, los que a su vez
también pueden ser dirigidos y no dirigidos, según el tipo de 1. Se selecciona arbitrariamente cualquier nodo de la
trayectoria de las ramas que los forman. red para iniciar.
Una red conexa es aquella en la que cada nodo está co- 2. Se analizan las ramas que conectan el nodo inicial
nectado a la red al menos por una rama; así, en el caso de la elegido en el paso anterior con nodos no conectados
figura 9.1, se trata de una red conexa. A toda red conexa aún a la red y se selecciona la de costo mínimo (en m
que no contenga ciclos no dirigidos se le llama árbol, como caso de empate, se escoge al azar una de ellas).
la red de la figura 9.2. 3. Con los dos nodos conectados en los pasos anterio-
res, se busca la rama más económica que conecte
cualquiera de ellos con un nuevo nodo no conectado
a la red. Este procedimiento se repite tratando de
conectar un nodo de la red con uno no conectado
aún a la red, siempre que sea el más barato de todos
los posibles, hasta que todos los nodos de la red ha-
yan quedado unidos, momento en el cual se habrá
llegado al final y se tendrá la red óptima.
imo
:en- El Matorral La Piedra 16
18
?, en
1
Figura 9.3. Esquema de poblaciones. La Loma
) in- Ahora, conforme al paso 3, del nodo de La Loma hay dos ra-
rido mas de conexión con nodos no conectados a la red: la rama de co-
ble- nexión con El Monte (costo = M$ 25) y la de El Matorral (costo =
M$28); por su parte, para el nodo Ojitos hay cuatro ramas de co- 16 18
nexión con nodos no conectados, que son: con El Monte (costo = La Loma El Monte
can- M$ 18), Río Chico (costo = M$ 26), El Matorral (costo = M$ 14) y
La Piedra (costo = M$ 19). De estas seis ramas conectoras, la de
co a
menor costo es la que une Ojitos con El Matorral, con M$ 14. Al
ri las
are- incluir ésta en la red, se obtiene (fig. 9.5). 14 Ojitos 19
xión
El Matorral La Piedra
red 16 Figura 9.7
las La Loma
iado
Por último, sólo falta conectar el nodo de Río Chico. Las ra-
) del 14 mas que lo conectan son: la rama que lo conecta con El Monte con
PI- Ojitos
un costo de M$ 20, la rama de conexión con Ojitos con costo de
LO el M$ 26 y la rama que lo conecta con La Piedra, con costo de M$ 22.
a en De estas tres ramas, la más baja en costo es la conexión con El
orna El Matorral Monte, con costo de M$ 20. Al incluir esta última rama, se tiene la
Figura 9.5 red final de solución (fig. 9.8).
136
se selecciona la que sea menor en costo y se señala de alguna
manera, por ejemplo encerrándola en un rectángulo.
18 20
16
4. Se pasa al nodo que esté ubicado como segundo nodo
La Loma El Monte de la rama seleccionada en el paso anterior y se le señala
con un asterisco y con el costo de dicha rama.
19
Río Chico 5. Se eliminan de la tabla todas aquellas ramas que no
Ojitos
14 estén señaladas y tengan como segundo nodo al señalado
con asterisco en el paso anterior.
El Matorral La Piedra 6. Si el último nodo marcado con asterisco es el nodo
destino del problema, éste ha finalizado y se deberá ir al
Figura 9.8
paso 12, en caso contrario se va al paso siguiente. De hecho
este paso es la prueba de convergencia.
Con un costo total de $ 87 000, esta red consta de seis nodos y 7. De todos los nodos que están marcados con asterisco
cinco ramas, y constituye un árbol de expansión. hasta este momento, se deberá calcular el costo de la pri-
mera rama de su columna que no esté señalada. Este costo,
denominado P, será la suma del costo indicado en el nodo
MÉTODO DE LA RUTA MÁS CORTA más el de la rama en cuestión.
8. Aquella rama que resulte con el menor valor de P del
En la práctica aparecen cierto tipo de problemas que paso anterior, se señala en la misma forma del tercer paso.
para ser resueltos requieren el algoritmo de la ruta más cor- 9. Se pasa al segundo nodo de la rama antes elegida, al
ta, como es el caso de encontrar la distancia más corta, o bien cual se le señala con asterisco y se le asigna como costo el
la ruta de costo mínimo para trasladarse de un sitio a otro en valor de P de la rama señalada en el paso anterior.
una ciudad o dentro de un territorio determinado. También 10.Se eliminan de la tabla todas las ramas no señala-
puede aplicarse esta metodología al caso de encontrar la dis- das hasta este momento que tengan al nodo marcado con
tancia más corta o el costo mínimo por moverse de un nodo asterisco del paso anterior como su segundo nodo.
a otro dentro de una red dada (Davis y McKeown, 1986). 11.Se regresa al paso número 6.
Estos casos forman redes no dirigidas a semejanza de 12. Ya se ha llegado al nodo destino del problema y lo
los problemas de recorrido mínimo, pero a diferencia de és- único que falta es indicar cuál fue la ruta que se siguió des-
tos, no generan árboles de expansión en la red final que re- de el nodo origen hasta el nodo destino, que será la ruta
presenta la solución, ya que muchas de las veces en ésta no más corta, con un costo total igual al valor de P indicado en
se ven conectados todos los nodos que componen la red. Otra el nodo destino. La ruta se identifica en sentido inverso al
diferencia significativa es que este método inicia por un desarrollo del procedimiento de solución, iniciando por el
nodo particular, que viene siendo el nodo fuente u origen y nodo destino, señalando la rama mediante la cual se llegó
finaliza en el nodo destino, lo que no implica que las ramas ahí, lo que indica cuál fue el nodo inmediato anterior, lue-
de la red sean dirigidas, sólo donde comienza y termina la go se repite este procedimiento hasta llegar al nodo origen
aplicación del algoritmo al problema. del problema.
En los casos que caen dentro de esta clasificación, se Ejemplo 9.2. Un individuo busca la ruta más corta para tras-
busca hallar una ruta de costo mínimo (tiempo mínimo o ladarse de su domicilio a su trabajo en una gran ciudad. Dicha
distancia mínima) que permita ir del punto de arranque persona vive en la colonia Arsénico y su trabajo se halla en la co-
(nodo fuente) al punto final (nodo destino). lonia Flúor. Enseguida se dan las distancias en kilómetros entre
Su algoritmo consiste en los pasos siguientes (Bronson, las diferentes colonias por las que podría atravesar para hacer su
1992): recorrido:
gan el nodo origen como su segundo nodo, ni las que tengan Estaño 14 10 11
el nodo destino como su fuente. Flúor 16 9
2. El nodo origen se marca en la tabla con un asterisco
y se le asigna un valor inicial de costo cero. Como puede observarse, algunas distancias no se indican,
3. De las ramas colocadas en la columna del nodo origen lo que significa que ese recorrido no existe.
MÉTODO DE LA RUTA MÁS CORTA 137
Solución: en el presente caso se debe encontrar la distancia Luego el algoritmo lleva de nuevo al sexto paso, donde se
mínima total para ir desde el domicilio de la persona, en la colonia comprueba que no hay convergencia, ya que el nodo D no es el
Arsénico, hasta su trabajo en la colonia Flúor. A las diferentes co- destino. Se debe entonces proseguir con el paso 7, para el que los
lonias se les llamará por su letra inicial. Entonces, conforme al al- nodos marcados con asterisco son ahora el A, el D y el E. Las pri-
goritmo, con A como nodo origen y F como nodo destino, se genera meras ramas bajo estos nodos que no están señaladas son la AB,
la tabla inicial de nodos y ramas, ordenadas de menor a mayor en con un valor de P igual a 18; la rama DF con P = 16 + 9 = 25, y la
cuanto a sus distancias. rama EF, con P = 14 + 8 = 22.
Ahora de acuerdo con los pasos 8, 9 y 10, se debe encerrar
en un rectángulo la rama AB, luego el nodo B se señala con aste-
Nodos A* (0) B C D E F risco, se le asigna un costo de 18 y se eliminan de la última tabla
AE-14 BC-12 CE-10 DF-9 EF-8 las ramas CB y DB. Con esto la nueva tabla será:
AD-16 BD-15 CD-11 DC-11 EC-10
Nodos A* (0) B' (18) C D* (16) E* (14) F
AB-18 BF-16 CB-12 DE-11 ED-11
AE-14 BC-12 DF-9 EF-8
DB-15
AD-16 BF-16 DC-11 EC-10
En esta tabla se han incluido las ramas bajo el sentido de no- AB-18
tación descrito en el primer paso, así, bajo el nodo B aparece la
rama BC, que en la columna del nodo C aparece como CB. Asi-
mismo no se han incluido aquellas ramas que tienen como segun- Como el nodo B no es el destino, el método conduce nueva-
do nodo a Ay como primer nodo a F. mente al paso 7, siendo los nodos marcados con asterisco A, B, D y
Es importante señalar también que en esta tabla ya se han E. Las primeras ramas de estos nodos no encerradas en un cuadro
efectuado los pasos 2 y 3, ya que el nodo origen A se ha marcado son BC, con P = 18 + 12 = 30; DF, con P = 16 + 9 = 25, y EF, con
con asterisco y costo cero, y la rama de menor costo bajo el nodo A, P = 14 + 8 = 22. Por tanto, siguiendo los pasos 8, 9 y 10, se señala-
AE, se ha señalado encerrándola en un rectángulo. rá la rama EF, se marcará el nodo F con asterisco y con un costo
Ahora se va al cuarto paso, partiendo de la rama AE, cuyo se- de 22 y se eliminarán de la última tabla las ramas BF y DF. Con
gundo nodo es E, que se señala con asteriscoy se asigna con el cos- esto la tabla quedará de la siguiente manera:
to de AE, es decir 14. Luego, de acuerdo con el paso 5, se elimi-
nan de la tabla aquellas ramas que tengan como su segundo nodo Nodos A* (0) B* (18) C D* (16) E* (14) E" (22)
a Ey no estén señaladas, es decir, CE y DE, con esto la tabla que-
dará de la siguiente forma: AE-14 BC-12 DC-11 EF-8
AD-16 EC-10
Nodos A* (0) B D E* (14) F AB-18
EA-14 BC-12 CD-11 DF-9 EF-8
AD-16 BD-15 CB-12 DC-11 EC-10 De acuerdo con el paso 6, por ser F el nodo destino, el pro-
blema ha logrado la convergencia y se va entonces al paso 12, se-
AB-18 BF-16 DB-15 ED-11 gún lo cual ya se ha encontrado la ruta más corta, que tiene un cos-
to (distancia) de 22. Dicha ruta se identifica observando en la tabla
De aquí sigue el paso 6, para el cual no hay aún convergen- última qué rama de las señaladas llevó al nodo F. Dicha rama fue
cia, dado que el nodo marcado con asterisco fue el E y no es el la EF, el nodo anterior a F es E; por su parte, para llegar a E, en la
nodo final. Entonces se debe ir al paso 7. tabla se observa que la rama que condujo ahí fue la AE, que parte
Conforme al paso 7, los nodos marcados con asterisco hasta del nodo origen, y aquí termina el problema. Con esto la red y la
este momento son el A y el E. Las primeras ramas bajo estos nodos solución hallada para ir de A hasta F se muestra en la figura 9.9,
que no están señaladas son AD y EF, cuyos valores de P serán O + que es la ruta más corta de cuantas son posibles.
16=16y 14 + 8 = 22 respectivamente, por lo que se debe seleccio-
nar la rama AD y señalarla, de acuerdo con el paso 8. Luego, según
el paso 9, se pasa al segundo nodo de la rama AD, el D, que se
marca con un asterisco y se le asigna un costo de 16. Entonces se
18 >, 12
eliminan de la tabla todas aquellas ramas no encerradas en un 16
rectángulo y que tengan como su segundo nodo a D, o sea BD, CD
15 11
y ED, conforme al paso 10, con estos cambios la tabla queda de
la siguiente manera:
2 (+4)
Figura 9.14
M=2 6 1
E
3 O
S1
Figura 9.12 2 4
4 O 8\
C
4 3 2 6 1 4 O
B
1
5 2 4
O 5 O 8
A A
1 1 2
6
El Fin El Fin
Pueblo Pueblo
Quieto O Quieto
D F H (+1)
5 3 3 0 2 5 3 O 2
por lo que la máxima cantidad de amperes que pueden enviarse Se pide encontrar la red de costo mínimo.
de Pueblo Quieto a El Fin es de 7 millones.
Es conveniente señalar que para la solución de un problema Solución: si se denomina cada flujo como Xii , con los sub'
de este tipo no es importante el orden en que se hayan identifi- ces indicando los nodos origen y destino respectivamente, el
cado las rutas de flujo positivo y efectuado los envíos. blema de programación lineal sería el siguiente:
F (60) F (— 50)
113
CE 50 10
A c
17
CF 30 24
5 N F (0) 10
9 7
B 1
4 16
CF 60
6N 21
uk.
9.18): 16 11
12 13
1 3 6
8
11 18
14
2 8
3 3
D
millig.il 9.4. La tabla siguiente da los tiempos en minutos para moverse
de cada origen a cada destino:
Destino
P Q
Origen M N 5 1 1
2
M 18 21 — 23 A G
E
N 18 16 17
O 21 16 15 Figura 9.20
P — 17 15 10
23 10 9.8. Determinar el flujo máximo posible entre M y R para la s
guiente red (fig. 9.21):
Destino
Origen
A — 16 , 18 30 21
B 16 — 1 23 26 14
-,-
C 18 23 1 — 18 15 20 4 2 0
D ' 30 — 18 — 17 16 3 P
2
E 21 26 15 17
14 20 16 Figura 9.21
9.(). Hallar en la siguiente red la ruta más corta para ir del nodo 9.9. Hallar el flujo máximo de A a J en la red siguiente (fig.
1 al 9 (fig. 9.19): 9.22):
142
4
5/ / 4 A 21 26 31 35 42
B 21 6 10 15 18
G 6 6 5 10 14
5 6 4 5
D 31 10 5 5 8
Figura 9.22 E 35 15 10
F 42 18 14 8
9.10. Determinar para la red del problema anterior el flujo máxi-
mo de J hasta A.
9.11. Encontrar la red de recorrido mínimo y su costo. BIBLIOGRAFÍA
Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
11
Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
12
nistración, Grupo Editorial Iberoamérica, 1986.
Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
operaciones, 5a. ed., McGraw-Hill, 1991.
7
5 9
10
12
6
15
10 II
9
5
14
so
10 16 M
sa
pr
ha
Pa
ini
un
gk
ha
de
esi
tia
ca
ba
la
usi
cic
pn
de
ti
gOla ecdodoNea
4
143
144 CAP. 10. TEORÍA DE DECISIONES
yor cantidad a las que le son demandadas, pues por las ca- Resultado de una decisión. Este es el valor numéri-
racterísticas del producto, como los ingredientes que lleva, co con que se cuantifica cada decisión para un estado de
al día siguiente ya no está en las mismas condiciones. Ante la naturaleza dado, con frecuencia se expresa en unidades
esta situación, ha elaborado la siguiente estadística de los monetarias. Para el caso base del expendio de tortas, el re-
últimos 100 días de ventas (tabla 10.1): sultado de elegir por ejemplo la primera decisión, es decir
preparar 520 tortas, ante la situación de que la deman-
da sea de 520 tortas (el estado de la naturaleza respecti-
Tabla 10.1. Estadística de ventas de tortas. vo), será de 520 tortas x 5.80 $/torta, o sea $ 3016. El valor
de $ 5.80 es el margen de ganancia por torta que obtiene el
Frecuencia observada,
Venta de tortas número de días
señor Sánchez.
Matriz de pagos. Es la tabla que contiene los resulta-
520 13 dos de tomar cada una de las posibles decisiones alternati-
540 21 vas ante cada estado de la naturaleza que puede acontecer.
También suele denominársele como tabla de resultados o
560 29 de ganancias condicionales, ya que representa las ganancias
580 22 que pueden lograrse por tomar una decisión cualquiera Di,
600 15 dada la condición de que suceda el estado E. En dicha ta-
bla las opciones de decisión van en los renglones, y los es-
Total 100 tados de la naturaleza, en las columnas.
Árboles de decisión. Un árbol de decisión es la repre-
sentación gráfica del proceso que se lleva a cabo para to-
El costo de cada torta para el señor Sánchez es de mar una decisión. Cada autor representa un árbol bajo de-
$ 7.20, mientras que su precio unitario de venta es de $ 13. terminados convencionalismos, por ello ahora se explicará
Además ha hecho un arreglo con el Hospital Regional, que la forma como se presentan en este texto.
consiste en que lo que haya preparado y a media tarde no Todo árbol de decisión consta de dos partes fundamen-
haya vendido el hospital lo tomará, sólo que a un precio de tales: nodos y ramas. Los nodos pueden ser de dos tipos bási-
$4 por cada torta. cos: nodos de decisión, que representan los eventos en los
Ante esta situación, ¿cuántas tortas debe preparar el que se debe tomar una decisión y se denotan en este texto
señor Sánchez? por cuadros, y nodos de probabilidad, que indican estados
de la naturaleza y su probabilidad de que ocurran, se ilus-
tran por medio de círculos. Cada nodo, sin importar el tipo
TERMINOLOGÍA DE DECISIONES que sea, deberá tener un resultado asociado con él.
Por su parte, las ramas muestran las diferentes posibi-
Ahora se presentan varios de los términos más utiliza- lidades de decisión o de los estados de la naturaleza, depen-
dos en la teoría de decisiones y sus definiciones, como es diendo del tipo de nodo del que parten, por tanto, partirán d
el caso de decisiones alternativas, estados de la naturale- tantas ramas desde un nodo de probabilidad como estados n
za, resultados de una decisión, matriz de pagos y árboles de de la naturaleza haya y desde un nodo de decisión como d
decisión, los que son de gran utilidad para una mejor com- alternativas de decisión existan. Todas las ramas inician
prensión del texto. desde un nodo que puede ser de cualquiera de los dos tipos
y llegan a otro, con excepción de las ramas terminales, que
Decisión alternativa. Es cada una de las posibles op- siempre inician partiendo de un nodo de probabilidad y
ciones que puede elegir la persona que toma una decisión. no finalizan en un nodo, sólo llevan señalado su resultado
También se les conoce como estrategias y se denotan en correspondiente. Las ramas que inician en un nodo de de-
este capítulo como DI, siendo i el subíndice correspondien- cisión y que no son elegidas en el proceso de toma de deci-
te a cada posibilidad; para el caso base de las tortas, hay siones se marcan con una cruz en el esquema del árbol.
cinco decisiones alternativas posibles, que son las cantida-
des de tortas que el señor Sánchez puede preparar, siendo Ejemplo 10.1. Para el caso base generar su matriz de pagos.
D1 = 520, D2 = 540, D3= 560, /94= 580 y D5 = 600 tortas.
Estados de la naturaleza. Son las acciones externas Solución: la matriz de pagos contiene para el caso base cinco
que están fuera del control de la persona que toma las de- renglones, pues hay este número de decisiones alternativas para
cisiones; para el caso base serían las demandas de tortas, el señor Sánchez, que son las tortas que deberá preparar cada ma-
ñana, y dada la estadística con que cuenta, hay cinco posibilida-
donde según la estadística respectiva hay cinco diferentes des: 520, 540, 560, 580 y 600 tortas.
estados de la naturaleza, que son las posibles demandas de Por su parte, los estados de la naturaleza son las posibles de-
tortas que puede haber. Se representan como siendo j mandas de tortas por parte de los clientes, que según la estadís-
cada posible estado, es decir: E 1 = 520, E2 = 540, E3 = 560, tica son los cinco valores de la misma. En la matriz cada estado se
E4 = 580 y E5 = 600 tortas. coloca en una columna.
TERMINOLOGÍA DE DECISIONES 145
Lo que sigue es calcular los elementos de la matriz, que serán Ejemplo 10.2. Un agricultor ejidal de El Refugio está con-
los pagos o resultados de la misma, donde cada uno de ellos será siderando plantar en la temporada de invierno un predio agríco-
la ganancia condicional que obtendría el señor Sánchez por pre- la con chile serrano. El agricultor sabe que existe la posibilidad de
mrar el número de tortas correspondiente al renglón donde esté que se presente una helada, lo que le haría perder la cantidad
ubicado el elemento, si se presenta una demanda igual al estado de $ 30 000, que es el monto de los gastos en que incurriría por
ir el cultivo del producto, pero en caso de que la helada no suce-
de la naturaleza de la columna donde esté dicho elemento.
Para el cálculo de estos elementos de la matriz se necesita da, considera que puede cosechar hasta 25 ton, cuyo precio es-
conocer dos variables: ganancia y pérdida marginal. La primera timado es de $ 4 el kilogramo. De acuerdo con datos del meteo-
de ellas es el margen de ganancia por preparar una torta y vender- rológico, la probabilidad de que este año hiele es de 60 %. Ante
el la, que en el caso base será de 13.00 — 7.20 = 5.80 pesos, mientras esta situación, construir la matriz de pagos y el árbol de decisión
que la pérdida marginal es lo que perdería por preparar una torta del proceso.
a- y que no se venda, que en este caso es la diferencia entre el cos-
to y el precio de recuperación por la venta de tortas sobrantes al Solución: en este caso hay dos decisiones alternativas para el
r. hospital, es decir, 7.20 — 4.00 = 3.20 pesos. (En caso de no haber agricultor: sembrar o no sembrar. Por su parte, los estados de la
o recuperación, la pérdida marginal es igual al costo.) naturaleza son dos: que hiele o no hiele.
3S
A manera de ejemplo, se ilustra la forma de calcular los ele- Ante esto, la matriz de pagos debe incluir dos renglones y dos
mentos del tercer renglón, o sea el caso de la decisión alternativa columnas (tabla 10.3):
de preparar 560 tortas.
3-
Así, para el caso del primer estado de la naturaleza, que la
S-
demanda sea de 520 tortas, se venden 520 tortas con una ganan- Tabla 10.3. Matriz de pagos del
cia marginal de $ 5.80 cada una y las 40 restantes se venden al ejemplo 10.2.
hospital, con una pérdida marginal de $3.20 cada una, para dar
el resultado neto siguiente: No helada
Helada
Decisión Estado
-á Elemento = (520)(5.80) — (40)(3.20)=3016.0 — 128.0 = 2888.0 $/torta
Sembrar (30000) 70 000
1-
El segundo elemento del renglón será el que corresponde a No sembrar O O
una demanda de 540 tortas, por lo que el resultado es el siguiente:
Elemento = (540)(5.80) — (20)(3.20) = 3132.0 — 64.0 = 3068.0 $/torta donde el pago correspondiente al primer renglón y segunda co-
to
SS
lumna se obtiene de evaluar los ingresos, que serían 25 000 kg
El tercer elemento será el de una demanda igual al número vendidos a $ 4 por kilogramo, lo que hace un monto de $ 100 000,
s- de tortas preparadas, es decir 560, por lo que el resultado es: a los que hay que restar los gastos en que se incurre, que son los
>o
$ 30 000.
Elemento = (560)(5.80) =3248 $/torta Por su parte el árbol de decisión se presenta en la figu-
ra 10.1:
Para el cuarto y quinto elementos, que sería el caso de una
tn demanda de tortas mayor al número preparado de éstas, la ga-
nancia es igual a la última calculada, sólo con la situación de dejar (30000)
io de vender por falta de tortas, lo que no se considera numérica- Ei
mente en el cálculo de estos elementos.
Procediendo de manera análoga se obtiene la matriz de pa-
gos, que se indica en la tabla 10.2.
te 2
70 000
y
lo Tabla 10.2. Matriz de pagos del caso base.
Estado 600
520 540 560 580
Decisión
520 3016 3016 3016 3016 3016
2
540 2952 3132 3132 3132 3132 O
560 2888 3068 3248 3248 3248 Figura 10.1. Árbol de decisión del ejemplo 10.2.
580 2824 3004 3184 3364 3364
600 2760 2940 3120 3300 3480 donde se observa que el nodo A es de decisión y los nodos B y C de
probabilidad, mostrándose las ramas que parten de estos nodos
con su respectivo resultado al final de las mismas.
Ahora se presenta otro ejercicio para ilustrar el planteamien- En el diagrama no se señala ninguna rama con una cruz, ya
to del mismo, su matriz de pagos y el árbol de decisión respectivo. que en este momento no se sabe qué decisión debe tomarse.
146
Por tanto, la decisión que debe tomarse conforme al segundo A continuación se ilustra esta metodología al aplicarla
paso es la del valor mayor de los listados, que es 3148 y correspon- al caso base.
de a la decisión de preparar 580 tortas.
De estos resultados los dos primeros modelos se van a los ex- Ejemplo 10.4. ¿Cuántas tortas debe preparar el señor José
tremos opuestos y el tercero adopta una postura intermedia que Sánchez bajo el criterio a priori?
quizá sea más sensata, pero la realidad es que ninguno de los mo-
delos de criterios ingenuos es bueno, pues no toman en cuenta Solución: en el caso base hay cinco posibles decisiones y cin-
las probabilidades de los estados de la naturaleza, en el caso base co estados de la naturaleza, por tanto n es 5.
serían las demandas de las tortas, para lo cual hay información La matriz de pagos se ha obtenido en la resolución del ejem-
disponible. plo 10.1, en tanto que las probabilidades de cada estado de la na-
Hay otros modelos de criterios ingenuos, como el de minimi- turaleza se obtienen de manera sencilla, al dividir el número de
zación del arrepentimiento o el de maximización del punto me- días en que sucedió cada demanda de tortas entre el total de los
dio, pero no se presentan en este capítulo. días tomados para la estadística, que fueron 100, por lo que dichas
probabilidades son: 0.13, 0.21, 0.29, 0.22 y 0.15.
Se aplica la ecuación 10.1 a cada posible decisión.
MODELOS PARA DISTRIBUCIÓN Para la decisión 1:
DE PROBABILIDAD DISCRETA
GE1 = P(E1) 011 + P(E2)O12 + P(E3)°13 + P(E4) 014 + P(E5)°15
Estos modelos se utilizan cuando se tienen datos pre- = (0.13)(3016) + (0.21)(3016) + (0.29)(3016)
vios acerca de las probabilidades que tienen los diferentes + (0.22)(3016) + (0.15)(3016) = 3016.0
estados de la naturaleza por suceder y resultan en especial
adecuados cuando la cantidad de alternativas posibles de Para la decisión 2:
decisión no es elevada. Por el hecho de tomar en cuenta las
probabilidades de los estados de la naturaleza, son mejores GE2 = p(E1) 021 + P(E2) 022 + P(E3) 023 + P(E4) 024 + P(E5)(325
= (0.13)(2952) + (0.21)(3132) + (0.29)(3132)
que los modelos de criterios ingenuos antes vistos.
Dentro de estos métodos está el análisis de Bayes, que + (0.22)(3132) + (0.15)(3132) = 3108.6
tiene dos opciones: el criterio a priori y el a posteriori. En este
capítulo sólo se presenta el primero de ellos, pues es mucho
Para la decisión 3:
más simple que el segundo, requiere menor cantidad de in-
GE3 = p(E1) 021 + P(E2)°22 + P(E3)023 + P(E4) 024 + P(E5)°25
formación y conduce al mismo resultado sobre cuál debe ser = (0.13)(2888) + (0.21)(3068) + (0.29)(3248)
la decisión seleccionada.
+ (0.22)(3248) + (0.15)(3248) = 3163.4
Es un método muy popular para tomar decisiones cuan- GE4 = p(E1)021+P(E2)022+P(E3)023+P(E4)024 + P(E5) 025
do el número de opciones alternativas no es alto. = (0.13)(2824) + (0.21)(3004) + (0.29)(3184)
Se le conoce también como método de las ganancias es- + (0.22)(3364) + (0.15)(3364) = 3166.0
peradas, en condiciones de incertidumbre, o método del va-
Para la decisión 5:
lor esperado (Gallagher y Watson, 1992).
Consiste en calcular la ganancia esperada para cada )o,‘.1+,Dr wo, (E3)°23 + P(E4) 024 + P(E5)O25
GE, =,
una de las posibles decisiones alternativas y elegir la que = (0.13)(2760) + (0.21)(2940) + (0.29)(3120)
sea máxima. La ganancia esperada se obtiene por medio de + (0.22)(3300) + (0.15)(3480)=- 3129.0
180, la siguiente ecuación:
cio- Por tanto, la mejor decisión es la cuarta, preparar 580 tortas,
a de p(Ei)Oij (10.1)
GEi = para obtener una ganancia de $3166 diarios en promedio.
Es importante aclarar este último comentario, pues si el se-
e en
ñor José Sánchez prepara cada día 580 tortas, de hecho ningún
donde: día va a ganar $3166; habrá días en que le demanden 520 tortas y
esos días ganará $ 2824, y habrá días en que le demanden 580 o
GE, = Ganancia esperada para la decisión i. 600 tortas, en que ganará $3364, por lo que el valor calculado con
p(Ej) = Probabilidad del estado de la naturaleza j. la fórmula viene siendo un promedio.
= Pago o resultado obtenido cuando se toma la El presente método ha tomado en cuenta las probabilidades
decisión i y sucede el estado de la naturaleza j. de cada demanda de tortas, y por mera coincidencia el resultado
n = Número de estados de la naturaleza posibles. obtenido ha sido el mismo que el del criterio ingenuo de maximi-
zación del pago promedio, que viene siendo un promedio de los
Como puede observarse en esta ecuación, los valores 0, j pagos de cada renglón, lo que supone que cada estado de la natu-
raleza es igualmente probable.
on los elementos de la matriz de pagos.
148 CAP. 10. TEORÍA DE DECISIONES
Una desventaja del presente método es cuando aparece gran A continuación se presenta la resolución del ejemplo 10.2.
cantidad de datos; sólo imagine si en lugar de cinco diferentes de- lor
mandas de tortas hubieran sido 20, que quizá aún es un número Ejemplo 10.6. Para el caso del agricultor del ejemplo 10.2,
pequeño: se habría tenido que generar una matriz de pagos de otr
obtener la decisión que debe tomar bajo el criterio a priori y com-
20 renglones y 20 columnas, con un total de 20 x 20 = 400 elemen- pare este resultado con el que obtendría si tuviese la información
tos, y para aplicar la metodología de Bayes se hubieran tenido que perfecta. lid
calcular 20 ganancias esperadas, cada una sumando 20 términos. de
Esto nos da una idea de lo impráctico del presente método para Solución: lo primero será determinar la decisión que se va a do
casos con muchos datos. tomar mediante la fórmula dada por la ecuación 10.1. sol
Para la primera decisión:
Ejemplo 10.7. El agricultor del ejemplo 10.2 está conside- Lo anterior lleva a considerar la opción de la mayor utilidad
rando la decisión que deberá tomar respecto de sembrar o no ha- esperada, en este caso la de llevar el paraguas.
cerlo. Dada su matriz de pagos, él sabe que si llegara a perder los Para el inciso b, lo que hay que hacer es igualar ambas ex-
90000 sería catastrófico, ya que esta cantidad representa sus presiones de la utilidad esperada de cada opción, dejando como in-
ahorros de varios años de trabajo, por ello ha decidido asignar cógnita la probabilidad de lluvia, denominada en este caso como X:
alores numéricos a cada posible resultado, con base en lo que
cada uno de ellos representa para él. X (+15) + (1 — X) (-10) = X (-20) + (1 — X) (+5)
Las asignaciones las ha incluido en la tabla 10.4:
Que al resolverse da una X de 0.30, para la cual ambas utili-
dades esperadas se igualan en un valor de —2.5.
Tabla 10.4. Matriz de utilidad del agricultor.
Estado
Helada No helada MODELOS DE DISTRIBUCIÓN
Decisión
DE PROBABILIDAD CONTINUA
Sembrar —20 20
No sembrar 10 —5
Los modelos vistos hasta ahora son aplicables para to-
mar decisiones cuando el número de decisiones álternati-
vas es limitado. En la vida real no sucede así, ya que en ge-
Ante esto, ¿qué decisión deberá tomar? neral el número de elecciones posibles es muy alto. Por ejem-
plo, para el caso base, seria poco factible creer que el señor
Solución: para solucionar este problema se aplica la ecuación Sánchez sólo tuviera cinco distintas demandas de tortas; por
10.3 para cada alternativa. el contrario, lo más probable sería que éstas fueran diferen-
Así, para la primera decisión: tes día a día, lo que hace poco prácticos los métodos antes
vistos para la solución de un problema dado en estas cir-
UE1= p(Ei)uii+P(E2) U12 cunstancias.
= (0.60)(-20) + (0.40)(20) = —12 + 8 =-4 Por ello en este inciso se presenta un método que resul-
ta adecuado cuando el número de opciones es elevado. A
la segunda decisión: estos modelos se les conoce como modelos de distribución de
probabilidad continua, ya que suponen que los datos de las
UE2 = p(E,) U21 ± P(E2) U22 posibles demandas de mercancías se ajustan a una curva co-
= (0.60)(10) + (0.40)(-5) =6 — 2 = 4 nocida de distribución probabilística continua.
150 CAP. 10. TEORÍA DE DECISIONES
En este texto se presenta el caso de la curva normal, dado En esta ecuación se utilizará el signo positivo (+) para
que muchas de las situaciones que aparecen en el mundo de aquellos casos en los que m haya sido menor o igual a 0.500; 17.
los negocios se comportan de acuerdo con ella. Esto signifi- en caso contrario, deberá utilizarse el signo negativo (-).
ca que al utilizarla se estará suponiendo que la información 5. El valor de X0 es el punto donde la ganancia y la pér- coa
manejada se ajusta a dicha distribución (Thierauf y Grosse, la c
dida marginal son iguales, por tanto la decisión que deberá
1990). La metodología dividida en pasos es la siguiente: tomarse será el valor inmediato inferior a X0.
1.Hallar el valor de la probabilidad de que al tener en Ejemplo 10.9. De un nuevo estudio estadístico sugerido al
existencia una unidad adicional del producto pueda tener señor Sánchez, se han reunido datos de 60 días de venta de tortas,
demanda, la que se denota por m y se calcula con la fórmu- cuyos resultados son:
Frecuenc ias
la siguiente: - r-
> 540 550= 550 540 560 540
PM
m= (10.4) 550 540 580 520 530 560
PM + GM
530 550 550 570 540 550
donde: 560 560 590 550 570 570
PM= Pérdida marginal de una unidad del producto. 520 530 510 580 550 560
GM= Ganancia marginal de una unidad del producto. 570 540 540 550 550 530
Esta m representa la base de la metodología del análisis 550 570 530 570 560 530
marginal que se trata más adelante en este mismo capítulo. 550 560 560 550 520 550
Para este modelo, m viene siendo la fracción del área bajo 590 550 550 560 550 540 val
la curva normal medida desde su extremo derecho. pei
2. Para los datos de demandas de artículos con los que 550 580 570 540 540 520
se cuenta, hallar la media Xm y la desviación estándar a, to
por medio de las fórmulas correspondientes: Ante esta situación, ¿cuántas tortas deberá preparar con el
fin de maximizar sus ganancias?
40 41 39 40 49 40 39 40 35 43 Tabla 10.17
Ventas
60 65 70 75 SO
Si al negocio cada costal le cuesta $ 15, los vende a $ 22.50 Núm. comidas
y lo que no vende lo rebaja a $ 12 a partir del día siguiente, Frecuencia 22 20 18 1() 14
¿cuál debe ser el nivel óptimo de costales que debe mane-
155
¿Cuántas comidas corridas debe preparar para optimizar Tasa de interés
su ganancia esperada y de cuánto será? Alta Igual Baja
Opción
Resolver mediante:
1 a) Análisis marginal.
b) Modelo de distribución de probabilidad continua.
Bonos
Acciones
100 000
90 000
85 000
90 000
100 000
60 000
75 000
45 000
c) Explicar la diferencia entre los dos incisos anteriores. Mercado de dinero 108 000
10.17. Se tienen los siguientes datos de ventas de hamburguesas: Según una encuesta entre expertos, de entre 60 encues-
tados, 21 dicen que la tasa se mantendrá, 25 predicen que
300 350 320 330 330 330 310 350 330 330 subirá, y el resto que disminuirá:
310 360 330 320 310 340 320 330 330 340
320 360 330 310 340 320 330 340 330 330 a) ¿Qué decisión deberá tomar el señor Escalante, y cuán-
330 300 340 340 320 350 320 320 340 330 to será su capital esperado al final del año?
340 350 320 330 330 310 330 330 340 340 b) ¿Cuál sería su capital si tuviese la información per-
fecta?
Si el precio de cada hamburguesa es de $ 17, su costo de
$11 y su precio de recuperación de $6.30 cada una: 10.20. Un individuo está buscando montar un nuevo negocio
ambulante en las afueras del mercado municipal, y está
a) ¿Cuál será la mejor decisión? pensando en cuatro opciones: vender agua embotellada,
b) ¿Cuál su ganancia esperada? café, helados o pan. Las cuatro requieren una inversión
c) ¿Cuál seria la ganancia si tuviese la información per- inicial de $ 7000 para el agua, de $ 10 500 para el café, de
fecta? $ 18 000 para los helados, y de $ 7800 para el pan. Las po-
>m- sibilidades de venta dependen en gran medida del clima,
oto 10.18. El señor José Rodríguez vende yoghurt en envases de ga- el cual puede ser soleado, nublado, lluvioso o frío. Dispone
Uti- lón y tiene la siguiente estadística de ventas de varios días de un pronóstico de ventas diarias para las opciones según
iva. pasados: los diferentes climas, que es el siguiente:
len-
ales Venta, gal Frecuencias Clima
280 4 Opción Soleado Nublado Lluvioso Frío
stico
bui- 283 6 1800 1000 750 600
Agua, e
va- 287 12
)stos Café, tazas 250 600 850 1450
lo en 290 28
Helados, 700 350 500 250
): 293 45
Pan, piezas 500 750 1200 1500
298 26
300 12 Si la utilidad por producto es de $ 0.80 por litro de agua,
304 8 $ 1.20 por taza de café, $ 3.50 por litro de helado, y de
000 $ 1.10 por pieza de pan, y cuenta con una estadística cli-
306 4 mática del año anterior, según la cual de los 365 días del
1 año, 175 fueron soleados, 82 nublados, 28 lluviosos y el
308 2
resto fríos:
Si el yoghurt le cuesta 15 pesos el galón, lo vende a 24 pe-
$ 1.80 sos y lo que no se vende al final del día no lo recupera, a) ¿Qué negocio deberá instalar?
su ga- pues se echa a perder: b) ¿Cuánto espera ganar en un mes de operaciones?
goldog INve-iyagídoo ni
de
ilu
qu
usi
coi
mr
de
rer
cal
cic
yc
ma
La llave que se usa constantemente, reluce como plata; función a que están destinados a un costo razonable, ya que ter.
no usándola se llena de herrumbre. un inventario muy bajo puede dar lugar a agotamientos de
Lo mismo pasa con el entendimiento. las existencias, que ocasionen paros en la producción o pér-
didas de ventas, mientras que un inventario muy elevado
BENJAMÍN FRANI-SUN origina un alto costo financiero por el hecho de invertir ca- Ci
pital en un lugar en donde no produce dividendos, además
del riesgo de deterioro y obsolescencia de los artículos, pues
hoy día los ciclos de vida de los productos han cambiado y de
INTRODUCCIÓN
en un lapso de tiempo menor se vuelven obsoletos y entran bui
Las nuevas tecnologías de manufactura como el justo a en la etapa de declinamiento. $3,
El objetivo básico del inventario es absorber las dife- ind
tiempo de los japoneses (Hay, 1989) y otras similares seña-
lan que la cantidad de artículos en el inventario debe ser rencias que puedan presentarse entre la oferta y la deman- ció]
cero, dado que tener inventarios es sinónimo de ineficien- da de un artículo dado, es decir, que si un establecimiento de
cias y ¡vaya que los nipones han demostrado con creces que no puede conocer de antemano la demanda que va a tener
su sistema de manufactura ha funcionado!, pues sólo por de ese artículo, las variaciones que haya serán absorbidas par
citar un caso, el de las bicicletas deportivas, hasta hace unos por el inventario, de modo que no haya faltantes de la mer- est(
30 años los italianos orgullosamente ostentaban el lideraz- cancía (Thierauf y Grosse, 1990). to a
go de ese segmento del mercado, sólo que para vender una Existen otras razones por las cuales una empresa debe
bicicleta deportiva estándar a un cliente, tardaban para su manejar inventarios, algunas de las más importantes son;
suministro hasta seis meses y ahora los japoneses hacen TE
bicicletas a la medida del cliente, baratas, ligeras y tardan • Si la mercancía que adquiere la compañía debe ser
en fabricarlas sólo dos horas. Esto constituye una revolu- transportada desde el lugar donde la tiene el provee-
ción en el área de manufactura. No obstante, los inventa- dor, el inventario permite satisfacer la demanda du- la n
rios siguen siendo una necesidad en los sectores comercia- rante el lapso de tiempo que transcurre desde que van
les y de servicios, que son los que han tenido gran auge en se coloca el pedido hasta que se recibe.
el comienzo de este tercer milenio, por ello los modelos de • La mayoría de empresas ofrece descuentos por la
inventarios son útiles para el mejor manejo de los mismos, compra de lotes de mercancía mayores, los cuales can
pues en estos sectores nadie puede vender lo que no tiene serán recomendables en algunos casos.
en existencia. • Si la demanda de un artículo es estacional, es prefe- de 1
En cuanto al ámbito financiero, los inventarios consti- rible para la compañía que lo fabrica que oscilen sus dor,
tuyen con frecuencia una de las mayores partidas de los ac- inventarios y no su capacidad de producción, ya que ven
tivos en los estados financieros de los negocios, motivo por el hecho de programar turnos extra involucra ma-
el cual deben ser bien administrados para que cumplan la yores costos por contrataciones de personal adicio- solio
156
TERMINOLOGÍA 157
nal, capacitacióny adiestramiento, indemnizaciones, un cliente pide una mercancía y ésta se ha agotado, hubo
etcétera. demanda, pero no venta.
• Si la demanda varía respecto de lo planeado, ésta será Agotamientos. Son los faltantes de existencia de mer-
absorbida por el inventario. cancías en el inventario, de tal manera que cuando el con-
1•1 sumidor solicita una unidad a la compañía, ésta no se podrá
Existen dos decisiones fundamentales del inventario que surtir en ese momento.
todo administrador debe formularse: cuándo y cuánto de- Tiempo de adelanto. Es la cantidad de tiempo que
berá pedirse por un artículo dado, las que se responden con transcurre desde que se coloca un pedido hasta que se re-
base en aquella opción que lleve al costo mínimo total incu- cibe También se le conoce como tiempo de demora en la
rrido por la compra de los artículos, así como por el manejo entrega.
del inventario. Punto de renovación de pedidos (PRP). Es el momen-
En este capítulo se presenta un caso base que sirve para to en que el número de unidades de mercancía en existen-
ilustrar los conceptos desarrollados, así como los modelos cia llega a una cantidad, para lo cual es necesario colocar un
que se incluyen en el texto; se estudia la terminología más nuevo pedido de reabastecimiento, se expresa en número
usual del tema, y se tratan algunos modelos de inventarios, de artículos y también suele llamársele punto de reorden.
como el de la cantidad económica de pedido (CEP), el del Existencias de seguridad. Es una cantidad extra de
manejo de descuentos por compra de lotes mayores, el mo- artículos que se agrega al inventario con objeto de que no
delo de CEP con faltantes, la determinación del punto de sucedan agotamientos ante eventuales demandas pico.
renovación de pedidos y de las existencias de seguridad para Pedidos retroactivos. Son aquellos pedidos que se so-
casos probabilísticos, el modelo de cantidad de pedido fija y licitan al proveedor después que han aparecido los agota-
ciclo de tiempo variable, el de cantidad de pedido variable mientos.
y ciclo de tiempo fijo, y el modelo de determinación del ta- Política de pedidos. Es el sistema de pedidos que uti-
maño del lote de producción; por último, se presenta el sis- liza un negocio; se establece buscando optimizar los aspec-
e
tema ABC de clasificación de los inventarios. tos operativo y económico del manejo de inventario. Hay
e
dos grandes sistemas de pedidos: el del punto de renova-
ción de pedidos y el de revisión periódica. En el primero se
o
l- CASO BASE hacen los pedidos al momento en que la existencia de artícu-
los en inventario baja al nivel del punto de reordenamien-
is
La empresa Sonormex se dedica a la venta de equipos to y en el segundo los pedidos se colocan cada determinado
y de sonido, que adquiere de una fábrica de la cual es distri- periodo, que se fija de antemano, siendo las cantidades de
buidor exclusivo. El costo de compra para Sonormex es de pedido variables.
n
$3500 por cada equipo y su departamento contable les ha Concepto de costos. El costo de los inventarios se di-
indicado que cada pedido les cuesta $ 18 400 por tramita- vide en cuatro tipos: costo de la mercancía, costo de los pe-
ción y flete, mientras que su conservación del inventario es didos, costo de conservación del inventario y costo de ago-
de 17 % del valor del inventario promedio. tamientos.
De estadísticas de ventas de años anteriores se estima Costo de las mercancías. Es el costo al que se adquie-
para el presente año una demanda de 700 unidades. Ante ren las mercancías; puede ser fijo o estar estructurado de
esto, ¿cómo debe manejar Sonormex sus inventarios en cuan- modo que se incluyan descuentos por compras de cantidades
to a cantidad de pedido y ciclo de tiempo? mayores. Lo usual en el ámbito comercial es que haya des-
cuentos por compra de volúmenes mayores de mercancías.
Costo de pedidos. Es el costo en que se incurrepor ha-
cer un pedido al proveedor. Se compone en general de re-
TERMINOLOGÍA quisiciones, órdenes de compra, flete, recepción, inspec-
ción, almacenamiento y contabilidad.
En este punto se dan algunas definiciones útiles para Costo de conservación. Es el costo causado por man-
1- la mejor comprensión de los modelos de inventarios que se tener un artículo en el inventario, en general se expresa como
e van a tratar (Davis y McKeown, 1986). un porcentaje del valor del inventario promedio y se forma
por rubros como seguros, mermas, obsolescencia, calefac-
la Inventario promedio. Es la cantidad promedio de mer- ción, alumbrado, refrigeración y contabilidad. Entre más
cancías en existencia en el inventario para un periodo dado. delicado sea un producto, mayor será este costo, tal es el caso
Cantidad económica de pedido (CEP). Es el número de algunos productos alimentarios que requieren determi-
de unidades de mercancía que son solicitadas al provee- nadas condiciones para su conservación y buen estado.
dor, de modo que los costos incurridos por el manejo del in- Costo de agotamientos. Son los costos ocasionados por
ventario sean mínimos. la aparición de los agotamientos, que dependerán de la ad-
Demanda. Es el número de artículos que los clientes ministración del inventario por parte de la empresa, ya que
solicitan a la empresa, siendo diferente de la venta, pues si si ésta maneja pedidos retroactivos, el costo de agotamien-
158
tos se compondrá por los trámites extra que deban hacer-
se para colocar los pedidos. Cuando no se incluyen los pe- 1]
didos retroactivos, los costos se integran por las pérdidas
de ventas presentes y futuras por parte de los clientes, con-
cepto que desde el punto de vista contable es muy difícil
de evaluar.
fis
to
MODELO DE LA CANTIDAD Cc
ECONÓMICA DE PEDIDO (CEP)
Tiempo da
Este modelo fue desarrollado por F. W. Harris en 1915 Figura 11.1. Representación gráfica del modelo CEP. m.
y más tarde por F. E. Raymond en 1930, y aun cuando es
muy simple y se basa en supuestos que no son válidos en la va
realidad, ilustra de manera clara y didáctica cómo puede El costo de los pedidos se formará por el costo unitario la
manejarse la administración de los inventarios por parte de colocar cada pedido, multiplicado por el número que se
de las empresas (Davis y McKeown, 1986). haga de éstos en el lapso de tiempo que se haya fijado para
El planteamiento del modelo se basa en las siguientes el análisis, con frecuencia un año, es decir:
suposiciones:
pe d =CP
CPed
• La demanda es constante y conocida.
• El tiempo de adelanto es cero, esto significa que un
pedido se recibe en el momento en que es solicitado. donde:
• Cada pedido se hace al momento en que las existen-
cias llegan a cero; por tanto, el punto de renovación Cped = Costo anual de pedidos, $/año.
de pedidos es cero. Cp = Costo unitario de cada pedido, $/pedido.
• La cantidad de mercancías pedidas al proveedor es D = Demanda anual de artículos, unidades/año. es.
constante. Q = Cantidad de artículos de cada pedido, unida-
• No hay agotamientos de mercancías. des/pedido.
• El costo de las mercancías es constante con el tiempo.
Por su parte, el costo de conservación del inventario se
Como ya se había comentado, estas suposiciones no integra por el de conservación unitario, multiplicado por el
son realistas, en particular las dos primeras. Sin embargo, el valor del inventario promedio, que es Q/2, es decir:
modelo es útil, sobre todo porque es sencillo y concientiza
al lector para tener en mente los costos ocasionados por el Ccon =Cc t ()
inventario.
Una representación gráfica de este modelo se muestra
en la figura 11.1 donde se incluyen el tiempo en el eje de donde: C o st
las abscisas y la cantidad de artículos en inventario en el
de las ordenadas. En ella se observa que Q es la cantidad de Ccon = Costo anual de conservación del inventario,
artículos que se piden cada vez, de modo que aquella Q que $/año.
haga que el costo total del inventario sea el mínimo será la C, = Costo unitario de conservar el inventario dado
CEP, denotada como Q*. por la ecuación 11.3, $/unidad.
El inventario promedio para este modelo es Q/2, ya
que la demanda diaria es constante, por ello la cantidad Cc = Ca./14
de artículos en inventario varía linealmente con el tiempo,
como se observa en la figura 11.1, por esta razón el pro- donde: *1 CI
medio se puede tomar con sólo dos puntos: el valor máximo
Q y el mínimo del inventario, cero, por tanto el promedio Ca = Costo de compra del artículo, $/unidad.
será Q/2. M= Porcentaje anual de conservación del inventario.
Por su parte, el costo total del inventario para este mo-
delo se compone del costo de pedidos y el de conservación El costo anual total del inventario para este modelo será
del inventario, ya que de acuerdo con la suposición número la suma de los antes citados, es decir:
5, no habrá agotamientos y por la número 6 el costo de com-
pra de la mercancía es constante, por lo que no se considera. CT = Cped + Ccon (11.4)
MODELO DE DESCUENTOS POR COMPRAS DE LOTES MAYORES 159
En la que si se sustituyen las ecuaciones 11.1, 11.2 y Ejemplo 11.1. Conforme al modelo CEP, ¿cuáles serán los
11.3, se obtiene: valores de Q*, N* y t", para el caso base?
se
ira dCT C D CM
P a Este número se ha redondeado al entero más próximo, ya que
=0= (11.6)
dQ Q2 2 no tendría sentido hablar de un número fraccionario de equipos
de sonido.
.1) Si se despeja Q de esta ecuación, se obtiene: De acuerdo con la ecuación 11.8 para el número óptimo de
pedidos se tendrá:
11
2CpD
(11.7) 700
Q* = N* = = 3.37 pedidos/año
aM C 208
Que es la cantid ad económica de pedido (CEP) buscada. Por su parte, el tiempo para hacer cada pedido será:
Por su parte, el número óptimo de pedidos anuales N*,
es el cociente de la lemanda D entre Q*, que será: 3 65
ida- r= =108.46 días/pedido
3.37
D
N* — = CaMD/2C (11.8) Es decir que cada pedido se colocará en un lapso de 108.46
io se Q*
días.
or el el ciclo de tie mpo para cada pedido será: El costo total anual del manejo del inventario se obtiene con
la ecuación 11.5.
365 365Q*
t* (11.9) CT = (18 400)(700/208) + (3500)(0.17)(208/2)
11.2) - N* D = 123 803 $/año
Costo
MODELO DE DESCUENTOS POR
tario, CT COMPRAS DE LOTES MAYORES
dado Es muy frecuente en el mundo empresarial y comercial
que un proveedor ofrezca a sus clientes una estructura de
precios de su mercancía que contenga rebajas por la com-
(11.3) pra de lotes mayores, esta oferta puede incluir varias opcio-
nes de precios para diferentes volúmenes de mercancía. En-
tonces el cliente debe plantearse la pregunta sobre cuál de
estas opciones es la que más le conviene aceptar.
Desde el punto de vista de los inventarios la opción que
ntario. debe elegirse es aquella que minimice los costos totales de
manejo del inventario más la adquisición de los artículos,
?.lo será dado que ahora el precio varía con el volumen solicitado
Q*
(Gallagher y Watson, 1992).
Existencias en inventario Un caso de este tipo puede manejarse con el siguiente
(11.4) Figura 11.2. Gr, ifica de costos para el modelo CEP. procedimiento:
160
1. Para cada una de las opciones de precios de la mer- Tabla 11.2. Valores de CEP (Q)
cancía, se calcula la CEP por medio de la ecuación para cada opción.
11.7. Volumen Precio
2. De las CEP obtenidas en el paso anterior, habrá sólo 1-150 3500 208.1
una que quede dentro de los límites de volúmenes
de mercancías para el cual aplica el precio corres- 151-300 3400 211.1
pondiente. A esta CEP se le denomina la Q válida. 301-500 3300 214.3
3. Para la Q válida identificada en el paso anterior, 501 3250 215.9
estimar su costo total de inventario con la fórmula
11.5, al que debe sumársele el costo de compra de la el
mercancía. La Q que ha quedado dentro de los límites de volúmenes de la
4. Para cada una de las restantes opciones que corres- equipos para el precio con el que fue calculada ha sido la segunda, 3(
pondan a mayores volúmenes de artículos y meno- es decir, Q" = 211 equipos por pedido. PC
re$ precios que la identificada en el paso 2, calcular De acuerdo con el tercer paso se determina el costo de in-
ventario para esta opción con la ecuación 11.5: re
e} costo total por inventario y adquisición de los ar- pr
tículos para un volumen de éstos igual al límite infe- in
Cr = Cp(D/Q)+ CaM(Q/2)
rior a partir del cual se aplica el menor precio. di
= (18 400)(700/211) + (3400)(0.17)(211/2)
5. La opción seleccionada debe ser aquella que haya Pa
obtenido el mínimo costo total de los calculados. = 122 021.65 $/año
di
A este costo habrá que agregarle el de compra de los equipos:
Ejemplo 11.2. Si Sonormex recibe por parte de su provee-
dor de equipos de sonido una serie de descuentos por la compra Cadq = (700 eq./año) (3400 $/eq.)
de lotes mayores, como lo muestra la tabla 11.1, ¿cuál de las opcio- = 2 380 000 $/año
1
nes debe escoger?
Y la suma de ambos será:
m.
Tabla 11.1. Estructura de precios C1 = 122 021.65 + 2 380 000 re
de equipos de sonido. = 2 502 021.65 $/año el
Volumen de pedido, Precio, Ahora de acuerdo con el paso 4 habrá otras opciones, una por
equipos/pedido $/equipo cada nivel superior de volúmenes de artículos. Para este caso hay
otras dos opciones, que son para el nivel de 301 a .500y el de 501 en M
1-150 3500
adelante, para los que se debe calcular la suma de costo del inven-
151 300
- 3400 tario más el de adquisición para el volumen de equipos mínimo res-
3300 pecto de cada nivel, esto quiere decir que se tomarán 301 equipos
301-500
para el nivel de 301 a 500 y 501 equipos para el de 501 en adelante.
501 3250 Por tanto, para la siguiente opción, que es comprar 301 equi- qc
pos, se tendrá: re
CT = Cp(DIQ)+ CaM(QI2) cli
Solución: lo primero será listar los datos que se utilizaron en aq
el ejemplo anterior que siguen siendo válidos para este proble- = (18 400)(700/301) + (3300)(0.17)(301/2)
m.
ma; éstos son: = 127 221.20 $/año
su
Por su parte, el costo de la adquisición de los equipos es: ve
Cp = 18 400 $/pedido m.
M = 0.17 to:
D = 700 equipos/año Cadq = (700 eq./año) (3300 $/eq.)
= 2 310 000 $/año m
Ahora es posible aplicar el procedimiento iniciando con el da
primer paso, para ello debe obtenerse Q para cada nivel de volú- Y el costo total para la opción es: gr
menes de equipos de sonido conforme a la ecuación 11.7: C2 = 2 437 221.20 $/año
por
hay El planteamiento matemático del modelo busca mini-
1 en MODELO CEP CON AGOTAMIENTOS mizar el costo total del inventario, como se hacía en el mo-
ven- POR PEDIDOS RETROACTIVOS delo de CEP, sólo que ahora este costo estará formado por
, res- tres conceptos: el costo de pedidos Cpad, el de conservación
lipos Hay algunas compañías comerciales que manejan el del inventario Ccon y el de agotamientos Cagt.
ante. sistema de pedidos retroactivos, que consiste en permitir El costo de pedidos Cped, se obtiene calculando por me-
'qui- que existan faltantes en sus inventarios y colocar pedidos de dio de la fórmula 11.1, ya que cada pedido se solicita por Q
reabastecimiento hasta el momento en que algunos de sus artículos.
clientes ya han solicitado más artículos. Esto se presenta en El costo de conservación se obtiene multiplicando el
aquellos casos en que la mercancía que se maneja bajo este costo del inventario promedio Cc dado por la ecuación 11.3,
modelo es muy costosa, o bien ocupa mucho espacio para por el inventario promedio, que ya no es el mismo, pues ha
su almacenamiento. Tal es el caso de las refaccionarias, que habido agotamientos. Para hallar este nuevo inventario pro-
venden refacciones automotrices al público en general y medio, se utiliza la fórmula siguiente:
manejan con este esquema algunos productos, como los mo-
tores de los vehículos, ya que tenerlos en inventario sería Área bajo la línea
muy costoso y además ocuparía espacio; imagínese la canti- de demanda
dad de motores que habría que tener en almacén, dada la Inventario promedio = Tiempo de ciclo
(11.10)
gran cantidad de tipos y modelos de automóviles existente.
Este sistema tiene la ventaja de manejar menores nive- (1/2)Sti
les de inventarios, lo que viene a disminuir el costo de con- tc
1 cost. ,
servación; también trae consigo que baje el número de pe-
didos y que el costo por este concepto también disminuya Si se recurre ahora a la relación geométrica de triángu-
(Hillier y Lieberman, 1991). los semejantes que se observa en la figura 11.3, se tiene:
La desventaja es que se incurre en un costo nuevo por
la solicitud de los pedidos retroactivos, que en el modelo tl _ tc
original de CEP no se presentaba, ya que ahora no se cum- S—Q
162 CAP. 11. MODELOS DE INVENTARIOS
Los modelos hasta ahora vistos han sido planteados bajo Cagt = Cf D Nf
o (11.25)
las suposiciones de que el tiempo de adelanto es O y que la
demanda de artículos por parte de los clientes es constante,
lo que nunca sucede de esta manera en la vida real. Ante esta donde todos los términos son los mismos que se venían ma-
situación, el presente modelo toma en cuenta ambos aspec- nejando, excepto Nf, que es el número promedio de faltan-
tos, para tratar de apegarse más a la realidad. Esto lo hace un tes, dado por la fórmula siguiente:
modelo muy adecuado para el manejo del inventario en con-
diciones muy similares a las del mundo real, con eventos pro-
)1' babilísticos tanto para la demanda de artículos como para el Nf = fi Pi (11.26)
tiempo de adelanto (Gallagher y Watson, 1992).
f=i
164
N ivel de
inventario Nivel máximo de inventario
63 14 se
rái
66 10
el
6 do
ca
100 mi
68 6
Como el costo de colocar los pedidos no cambia si hay
faltantes o no, para saber cuál de las opciones es la de me- 72 7
nor costo, sólo se calcula para cada una de ellas el costo de
76 20
los agotamientos más el de conservación de las existencias
de seguridad que tiene la opción. 80 34
84 14 qu
Ejemplo 11.4. La empresa Muebles Finos de Rioverde
está haciendo un estudio de sus inventarios de recámaras 88 10
con base en una estadística de 100 meses anteriores de ven-
tas (tabla 11.3), donde aparecen las demandas de recáma- 92 6
ras en unidades y la frecuencia con que se presentó cada Total 100
una de ellas.
tar
El tiempo de adelanto es variable, pero en promedio se con- tie
sidera de 40 días, el costo de cada faltante de existencias se ha es- A continuación, por medio de la ecuación 11.24, se obtiene el
punto de renovación de pedidos: POI
timado en $ 2400 y el de conservación del inventario en $ 3000
anuales, la cantidad económica de pedido es de 40 juegos y su
demanda promedio es de 60 juegos mensuales. ¿Qué cantidad PRP= (60 juegos/mes)(40/30 meses) + B
debe definir la empresa como su punto de renovación de pedidos? = 80 + B juegos
Por tanto, conforme a los consumos de mercancías durante el
Tabla 11.3. Estadística de ventas periodo de adelanto que se han presentado en el pasado se tienen
de Muebles Finos de Rioverde. cuatro opciones para el valor de PRP, que son:
Demanda de a) 80 juegos (B= 0). gui
recámaras,juegos/mes Frecuencia observada b) 84 juegos (B= 4).
48 3 c) 88 juegos (B= 8).
d) 92 juegos (B= 12).
51 6
54 7 Para cada una de ellas se debe calcular la suma de los costos
de agotamientos más el de conservación de las B unidades en in-
57 20 ventario, para luego elegir la de menor costo mínimo.
cos
60 34 Por tanto, para la primera opción, PRP= 80, con B= 0, se ten- pul
drá que: para obtener el costo de los agotamientos deben definir-
co
MÉTODO HÍBRIDO 165
se las opciones de faltantes de la alternativa, los que se presenta- Por su parte, el costo de conservación será:
rán en aquellos casos en que los consumos de mercancías durante
el tiempo de adelanto sean mayores de 80 juegos, que de acuer- Con = (3000 $/jgo. año) (12 jgos.)
do con la última tabla, han sido de 84, 88 y 92 unidades, en cuyos = 36 000 $/año
casos los faltantes serían de cuatro, ocho y 12 juegos, respectiva-
mente, de acuerdo con la fórmula 11.26, se tendrá: El cual será también el total para la cuarta opción.
Los cálculos completos para el problema se sintetizan en la
Nf= (4)(0.14) + (8)(0.10) + (12)(0.06) = 2.08 falt./ped. tabla 11.5.
Por su parte, el costo de conservación de las cuatro unidades La metodología propuesta se debe al autor de esta obra y
que se mantienen como existencias de seguridad será: es una combinación de tres de los modelos vistos anterior-
mente: el de la cantidad económica del pedido, el del punto
Ccon = (3000 $/jgo. año) (4 jgos.) de renovación del pedido, y además el que incluye la posibi-
= 12 000 $/año lidad de obtener descuentos al adquirir mayores volúme-
nes de artículos con el proveedor.
Por lo que la suma de ambos costos es de $50 016 anuales. Consiste en los siguientes pasos (Izar et al., 2010):
Para la tercera opción, PRP = 88, con B = 8, sólo habrá fal-
tantes cuando suceda una demanda de 92 unidades durante el 1. Determinar mediante la fórmula de Wilson, dada
tiempo de adelanto, siendo ahora cuatro el número de faltantes, por la ecuación 11.7, la cantidad económica de pedido que
por lo que al aplicar la ecuación 11.26 se tendrá:
sea válida (Q), como se hacía en el caso del modelo de des-
Nf= (4)(0.06) = 0.24 cuentos por compra de mayores volúmenes de artículos.
2.Al igual que en el caso del modelo del punto de reno-
Siendo el costo de los agotamientos: vación del pedido, determinar los valores posibles del pun-
to de renovación del pedido (PRP).
Cagt = ( 2400 $/falt.) [(60)(12)/(40)ped./año] (0.24 falt./ped.) 3. Para la Q válida y cada valor posible del PRP, se es-
= 10368 $/año timan los costos incurridos en el inventario, que son los si-
guientes:
El costo de conservar las ocho unidades de existencias de se-
guridad será: a) El costo anual de colocar pedidos, Cped, el cual se es-
tima con la ecuación 11.1.
Croe = (3000 Sigo. año) (8 jgos.) b)El costo anual de mantener los artículos en el inven-
= 24 000 $/año tario Gen, que se calcula con la ecuación 11.2, pero ahora
el valor del inventario promedio es la suma de las existen-
Siendo la suma de ambos costos de $ 34 368 anuales. cias de seguridad B, más la mitad de Q:
Por último, para la última opción, con PRP = 92, B = 12, el
costo de agotamientos será de 0, ya que éstos nunca aparecerán,
pues el punto de renovación del pedido es el valor máximo históri- Cc°, =CaM(B+ (1 ) (11.27)
co de los consumos dados en la segunda tabla. 2
166 CAP. 11. MODELOS DE INVENTARIOS
c) El costo financiero anual por tener artículos en el in- volumen igual al límite inferior para el cual aplica tal pre-
ventario, Cfin, que representa un costo de oportunidad, y se cio. Para cada valor de Q mayor a la Q válida, se hace el
estima aplicando al monto invertido en el inventario pro- cálculo para los diferentes valores del PRP.
medio una tasa de interés igual al costo de capital de la em- 5. Al final, del total de opciones de las combinaciones
presa K, conforme a la ecuación 11.28. de valores de Q y PRP, se selecciona la que tenga el costo
total mínimo.
Cfin = Ca K(B+-9 —) (11.28) La aplicación de la metodología se ilustra con el siguien-
2
te caso práctico.
d) El costo anual de agotamientos, Cagt, que se obtie-
Ejemplo 11.5. Una empresa comercial maneja lavadoras,
ne mediante la ecuación 11.25, tomando el costo de cada fal- que adquiere de un proveedor foráneo que se las envía por trans-
tante como el monto que se deja de ganar por tener deman- porte terrestre.
da y no tener el artículo en existencia, valor al que se agrega El proveedor le ofrece los siguientes precios, según el volu-
un porcentaje adicional dado por la fracción a, por el efec- men en cada pedido:
to negativo de la publicidad boca a boca, el cual debe medir-
se mediante encuestas. Este costo se estima con la fórmula
Volumen de pedido, Precio unitario,
siguiente: unidades $/lavadora
la
Con esto, las posibilidades de valores de B son aquellas que Cagt = Cf ) Ni = (4350) 3( 64 ) (0.8866)=26 488 Vaño
implican un valor de demanda mayor o igual al promedio de DL, es lQ 53
decir, cuando la demanda sea mayor a siete lavadoras semanales o
10 en el tiempo de entrega. En este caso habrá cuatro diferentes Finalmente, se estima el costo anual de adquisición de las la-
valores del PRP que son siete, ocho, nueve y 10 lavadoras sema- vadoras aplicando la ecuación 11.31:
nales, que corresponden a 10, 11.43, 12.86 y 14.29 lavadoras, con
lo cual los posibles valores de B serían 0, 1.43, 2.86 y 4.29 lavado- Cadq = DCa =(364)(4100) = 1 492 400 $/año
ras respectivamente.
Al seguir con el tercer paso, hay que evaluar cuatro opciones El costo total es la sumatoria de las cinco partidas antes calcu-
de valores del PRP para cada valor de Q, con lo cual el número to- ladas, es decir:
tal de alternativas es ocho, y se seleccionará aquella combinación
de valores de Q y PRP que minimice el costo total. Costo total = 41 208 + 41 287 + 16 298 + 26 488 + 1 492 400
El cálculo de los costos incurridos se ilustra para el caso del = 1 617 681 Vaño
primer conjunto de valores de Q y PRP:
Si se procede de manera similar para las restantes opciones
Q= 53 lavadoras/pedido, B = O lavadoras y PRP = 10 lavadoras de PRP, con el mismo valor Q de 53 lavadoras, se obtienen los
resultados que se muestran en forma sintetizada en la tabla 11.7:
El costo de colocar los pedidos es:
D
Cped -= Cp — = (6000) 364 =(6000)(6.87)= 41208 $/ario Tabla 11.7. Costos obtenidos para una Q de 53 lavadoras.
53
Valor del punto de renovación del pedido
El costo de mantenimiento se calcula con la ecuación 11.27: Rubro del costo
10 11.43 1 12.86 14.29
Pedidos 41 208 1 41 208 41 208 41 208
53 )= 41287 $/año
Ccon =CaM (13+ 1_2 j= (4100)(0.38)(0+ —
2 2 Mantenimiento 41 287 43 515
1--
45 743 47 971
Financiero 16 298 17 177 18 057 18 936
El costo financiero se obtiene mediante la ecuación 11.28:
Agotamientos 26 488 11 535 3 418
Adquisición 1 492 400 1 492 400 1 492 400 1 492 400
B-h—Q)= (4100)(0.15) (0+-
2533 J=16298$/año
)=16298
=CaK( 2 2 Total 1 617 681 1 605 835 1 600 826 1600515 '
168 E'
Para un valor Q de 53 unidades, la mejor opción ha sido la del Agotamientos 25 791 11 232 3328 0
valor máximo del PRP, es decir, 14.29 lavadoras.
Conforme al cuarto paso de la metodología, se hace un cálculo Adquisición 1 365 000 1 365 000 1 365 000 1 365 000
similar para las opciones de PRP y una Q de 61 lavadoras, ya que Total 1 487 213 1 475 496 1 470 435 1 469 948
para este volumen se aprovecha el descuento que ofrece el pro-
veedor. Esto se ilustra nuevamente para el primer caso, con un
PRP de 10 lavadoras: Conforme al quinto paso, se selecciona la mejor opción, que
es la de colocar pedidos por una cantidad de 61 lavadoras, y un
Q = 61 lavadoras/pedido, B = O lavadoras y PRP= 10 lavadoras valor del punto de renovación del pedido de 14 lavadoras, con
los cuales el costo total por manejo del inventario y adquisición
El costo de colocar pedidos es: de los artículos se minimiza.
La tabla 11.9 presenta, en forma sintetizada, los costos tota-
D 364 les de cada una de las ocho opciones analizadas:
Cped = Cp — = (6000) 61 = (6000)(5 .967) = 35 803 $/año
Por suá)arte, el costo de mantenimiento resulta: Tabla 11.9. Comparación de opciones de valores del PRP para
cada valor de Q.
Q )= (3750)(0.38) (O + 61
— =43 463 $/año
C. = CaM (13 — 1 Cantidad de Valor del punto de renovación del pedido
2 JJJ
pedido 10 11.43 12.86 14.29
El costo financiero es: 53 lavadoras 1 617 681 1 605 835 1 600 826 _1 600515
Q j= (3750)(0.15) (0+ —1 )=17156 $/año 61 lavadoras 1 487 213 1 475 496 1 470 435 1 469948
(In = CaK (13 —
2 2
Todas las opciones de una cantidad de pedido de 61 lavado-
El costo de cada faltante es ahora:
ras han resultado con un costo menor que las de 53 lavadoras, lo
cual se debe al ahorro en la adquisición, ya que al hacer pedidos
Cf = (1 + a )(Precio – Costo) = (1 + 0.5)(7000 –3750) = 4875 $/faltante
de 61 unidades el ahorro es de $350 por lavadora, lo que hace un
Dado que el número de faltantes depende exclusivamente monto anual de $ 127 400.
de la demanda, resultan exactamente igual a los del caso anterior Si se elevase el valor de la cantidad de pedido por encima
para las diferentes opciones del PRP. de 61 lavadoras, disminuiría el costo de colocar pedidos, pero au-
mentarían el de mantenimiento del inventario y su costo financie-
Para un valor del PRP de 10 lavadoras, el costo anual de ago-
ro, razón por la cual esto no resulta una mejor opción.
tamientos es: La metodología propuesta incluye la mayor parte de los cos-
tos implicados en el manejo del inventario, ya que considera los
Cagt = Cf()N f = (4875)(64 )(0.8866)= 25 791 $/año faltantes, el costo financiero por tener una inversión ociosa y el
361 efecto del ahorro proveniente del descuento que se logra por com-
prar volúmenes mayores de mercancía.
Finalmente, el costo anual de adquisición de las lavadoras Como se ha podido ver, al solucionar el ejemplo, la cantidad
resulta: y el tiempo de pedido se determinan con los valores de Q y PRP
que minimicen la sumatoria de los costos incurridos, en los cua-
Cadq = DCa =(364)(3750) = 1 365 000 $/año les ha quedado incluido el de adquisición de los artículos, lo que
obedece al hecho de que el proveedor ofrece descuentos por la
Entonces, el costo total es: compra de un volumen mayor de productos.
Estos valores, el de la cantidad y el del momento de hacer el
Costo total = 35 803 + 43 463 + 17 156 + 25 791 + 1 365 000 pedido, dependen en buena medida de los costos de colocar un
= 1 487 213 $/año nuevo pedido, el de mantener los bienes en el inventario, su cos-
to financiero, el costo de cada faltante y el ahorro que se obtiene
Si se procede en forma análoga, se obtienen los resultados que por adquirir mayores volúmenes de mercancía.
se sintetizan en la tabla 11.8:
Nivel de
Q
inventario
r
c
f
1
t,
tc 1 Tiempo
Tiempo c
Figura 11.7. Gráfica del modelo de Figura 11.8.Gráfica del modelo del lote
ciclo fijo y cantidad variable. óptimo de producción.
171
Este modelo se plantea con las mismas bases que el de (P—V)t a + 0
la cantidad económica de pedido, sólo que ahora no habrá Inventario promedio = (11.38)
2
costo de pedidos, ya que éstos no existen, en su lugar apare-
cen los costos de preparación de las corridas de producción, (P —V)ta
que se originan por diversas causas, como la preparación y 2
ajuste de la maquinaria necesaria para efectuar la corrida,
pedidos de materias primas, controles de producción y otros. Por su parte, durante el tiempo td, que es periodo sólo
El costo de preparación Cpre se obtiene con la siguiente fórmu- de consumo de artículos, ya que la corrida se ha parado, el
o la (Thierauf y Grosse, 1990): nivel del inventario disminuye linealmente desde el nivel
e máximo NM, hasta 0, por lo que el promedio será el mis-
e mo que el del periodo de producción ta y por esta misma ra-
Cpre= Ccp (11.35) zón será el promedio para el periodo completo t e. Si en la
o Q fórmula 11.38 se sustituye el valor de ta obtenido de la ecua-
o ción 11.36, de donde ta = Q/P, se tendrá:
donde:
(13 —V) Q
Cpre = Costo anual de preparación de las corridas de Inventario promedio = (11.39)
producción, Vario. 2 P
PIP Ccp =Costo
ipsto unitario de preparación para cada corri-
da, $/corrida. = 2- (1— /1-)
o 2 P
a D = Demanda anual de artículos, unidades/año.
Q = Lote de producción, unidades/corrida.
Con esto el costo de conservación del inventario será:
a
a Por su parte el costo de conservación del inventario es
muy similar al que se presentó para el modelo de la CEP, ccon =c, -9— (1— 1
1 (11.40)
a con la diferencia de que ahora el inventario promedio es 2 P)
a inferior a Q/2, como puede observarse en la figura 11.8, ya
que el nivel máximo del inventario, NM, no llega nunca a donde:
e ser igual a Q
Para de terminar el inventario promedio, se remite a la Ccon = Costo anual de conservación del artículo fabri-
figura 11.8 y se introducen dos nuevas variables: cado, $/año.
a Ccf = Costo unitario de conservación del inventario,
1. P= Tasa de producción del artículo, unidades/día. $/unidad año.
V= Consumo o ventas del artículo, unidades/día.
Por su parte, el costo de conservación de cada artículo es:
Como el tamaño del lote de producción es Q, la tasa
producción P vendrá dada por la siguiente expresión: Cef = CafM (11.41)
m.
P= — (11.36) donde:
ta
Caf = Costo del artículo fabricado, $/unidad.
Siendo ta el tiempo que dura la corrida, durante este M = Porcentaje anual de mantenimiento' del inven-
tiempo puede observarse de la figura 11.8 que el inventa- tario.
rio aumenta desde O hasta su nivel máximo NM, que viene
dado por la siguiente ecuación: Por tanto, el costo total CT será la suma del costo de
preparación más el de conservación, o sea:
e NM = — V)t a (11.37)
A semejanza del modelo CEP, en el punto óptimo de Si en la empresa se trabajan 345 días al año, ¿cuáles se
costo total mínimo el costo de preparación será igual al de el tamaño óptimo del lote de producción, el número de co
conservación. anuales y el tiempo del ciclo para cada tipo de tornillo?
Esta ecuación da el costo total del inventario al año, el
que deberá minimizarse, por lo cual si se deriva la expresión Solución: en este problema el costo unitario de conservación
de CT respecto de Q y se iguala a O, despejando luego Q, se anual Ccf se obtendrá multiplicando el costo unitario del artículo
Caí, dado en el segundo renglón de la tabla por el porcentaje anual
obtiene el valor de ésta que hace mínimo el costo, es decir de mantenimiento del inventario M, contenido en el tercer ren-
Q', que vendrá dada por la siguiente expresión: glón; por su parte, la demanda anual será el producto de las ven-
tas de artículos incluidas en el último renglón de la tabla por los
2Cq,D días trabajados al año, es decir, 345.
Q `= (11.44) Con estas aclaraciones se pueden entonces aplicar las fórmu- ecc
Ccf (1— V /P) las desarrolladas en la metodología para cada tipo de tornillo.
Para los tornillos de 1/2", la cantidad económica del lote de
Por su parte, el número óptimo de corridas anuales de producción Q* será:
producción será el cociente de la demanda D y el lote ópti-
mo de producción Q*: 2Cc.p D 2(3000)(800)(345)
19*=
Cd (1— V/P) (0.60)(0.14)(1-800/10000)
N D liCcf D(1—V/P) =146 385 tornillos/corrida
P Q* (11.45)
2Ccp
El número óptimo de corridas de producción n será:
Mientras que el tiempo óptimo del ciclo completo para D (800)(345)
la corrida 4* será: N* = = =1.89 corridas/año
`P Q* 146 385
365 días/año 365Q* El tiempo óptimo del ciclo para cada corrida tc* será:
tc * (11.46)
Ncps corr./año
365 365
tc* = = =193.1 días/corrida
Cuando la empresa manufactura varios artículos, lo que P N* 1.89
se hace es aplicar estas ecuaciones para cada uno de ellos,
para optimizar el costo del inventario total. A continuación El costo del inventario para este artículo de acuerdo
ecuación 11.43 será:
se presenta un caso ilustrativo de la producción y venta si-
multánea de varios productos.
cT =ccp 2Q-+ccf 1 p)
(1 v
2 —
Ejemplo 11.8. La empresa Tornillos Finos produce tres di-
ferentes tipos de tornillos: de 1/2, 3/8y 1/4 de pulgada, para los cua- (800)(345) 146 385 800
les se tienen los datos de costos, demandas y tasas de producción =3000 +(0.60)(0.14)
146 385 2 1 10000
que se listan en la tabla 11.10:
=11312.63 $/año
Tabla 11.10. Información de Tomillos Finos para Para los tornillos de 3 /8 " , la cantidad económica del lote de
los diferentes tipos de tornillos. producción Q* será:
Tipo de tornillo
1/2 .. 3 /8 " 1/4 ,, 2C9D 2(1300)(500)(345)
Dato Q*
Cd (1—V/P) (0.53)(0.14)(1-500/6000)
Costo de preparación,
$/corrida 3 000 1300 900 =81203 tornillos/corrida
11-1
de artículos y constituyen sólo 10 % del valor del inventario.
n CT=C
Aunque lo mostrado en la figura no parece muy real,
Q 2 P en la mayoría de casos de inventarios de las empresas se
(1200)(345) 121597 ( 1200
dan situaciones similares.
= 900 +(0.40)(0.14) 1 Se recomienda que los artículos que queden dentro de
121597 2 12000) la categoría A se vigilen bien mediante un modelo de in-
=6128.46 $/ ario
100
Estos resultados se presentan en la tabla 11.11.
Siendo el costo total la suma de los individuales para cada 90
tipo de tomillo:
80
Porcen taje de va lo r monetar io
e
CT= 11312.63 +5523.18+6128.46 70
= 22 964.27 Vario
60
ventarios adecuado; por su parte, los del tipo B podrían ad- 11.4. Compañía Jabonera Mexicana ofrece al supermercado
ministrarse con un modelo sencillo, como el de la cantidad The Boy la siguiente tabla de precios de jabones para la-
económica de pedido; mientras que los del tipo C no justi- vado de ropa (tabla 11.13):
fican el uso de ningún modelo de inventarios para su ma-
nejo, que puede hacerse basado sólo en la experiencia y el Tabla 11.13
sentido común.
Cantidad de compra Precio, SI/ abón
1-500 4.50
PROBLEMAS PROPUESTOS 501-1000 4.30
11.1. La farmacia La Salud adquiere anualmente antibióticos 1001-1500 4.12
que compra al Laboratorio Bueno por la cantidad de 1501-2000 4.00
$ 450 000. Si cada caja del producto le cuesta $ 28.50, el
costo de colocar cada pedido es de $500 y el porcentaje 2001-3000 3.90
de conservar artículos en el inventario es de 23 %. 3001 o más 3.85
a) ¿Cuál es la cantidad económica por pedido?
b) ¿Cuál será el número óptimo de pedidos anuales? El costo de cada pedido es de $ 40 y la conservación del
c) ¿Cuántos días habrá entre la colocación de un pedido inventario es de 17.4 % del inventario promedio, mien-
y el siguiente? tras que la demanda se estima en 600 jabones mensuales.
d) ¿Cuál será el costo total anual por manejo del inventa- Calcular:
rio?
a) La cantidad económica de pedido.
11.2. Tapicería Cabrera compra tapices que utiliza para mue- b) El número óptimo de pedidos anuales.
bles de sala a un proveedor por la cantidad de $ 250 000 c) El ciclo de tiempo para cada pedido.
anuales. Si cada tapiz le cuesta a la tapicería $ 138.50, el d) El costo anual de adquisición de los jabones más el ma-
costo de cada pedido es de $ 2800 y el mantenimiento en nejo del inventario.
el inventario le cuesta $ 20 al año, calcular:
11
11.5. Abarrotes del Refugio ha implantado el sistema de pedi-
a) La cantidad económica de pedido. dos retroactivos con algunos de los artículos que maneja,
b) El número óptimo de pedidos anuales. entre los cuales se cuenta la cajeta, que se ha vendido en
c) El ciclo de tiempo entre pedidos. fechas recientes (tabla 11.14):
d) El costo total anual de la administración del inventario.
11.3. Cables del Centro consume normalmente 300 m mensua- Tabla 11.14
les de cable acerado de 1/2 pulgada. Su costo de colocación
Frecuencia
por pedidos es de $ 1250 y el mantenimiento en el al- Venta, Untes
10 .
Su tasa de elaboración ha sido de 300 invitaciones diarias Si a la empresa le cuesta colocar cada pedido $7100, man-
en promedioy su departamento contable le ha dado la si- tener en el inventario es 45 % anual del valor promedioy
guiente información: su pronóstico de ventas es de 65 bicicletas mensuales, ob-
tenga:
• Costo de preparación de maquinaria = $ 855 por corrida
de impresión. a) La cantidad económica del pedido.
• Costo de preparación de materiales = $ 165 por corri- b) El número de pedidos anuales.
da de impresión. c) El tiempo de cada pedido.
PROBLEMAS PROPUESTOS 177
Se tiene una estadística de ventas mensuales de un pro- Costo de colocar el pedido: 6000 $/pedido.
ducto, que es la siguiente: Fracción de mantenimiento del inventario: 45 % anual.
Costo de capital de la empresa: 12 % anual.
Fracción a del efecto boca a boca: 0.50.
Venta,
unidades / mes Frecuencias Se pide determinar el valor de la cantidad de pedido y el
punto de reordenamiento que optimicen el costo del in-
150 3 ventario.
152 7 11.19. Una empresa minorista del ramo de materiales de cons-
154 10
trucción maneja varios artículos, uno de ellos, y que le re-
presenta una buena fuente de sus ingresos, es el de la va-
156 28 rilla de 3 /8 de pulgada de diámetro.
158 8 El proveedor de varilla le ofrece precios según el volumen
de pedido, conforme a la tabla siguiente:
160 4
Totales 60
• Volumen de pedido, Precio unitario
ton $/ton
Si el tiempo de adelanto es 15 días, la cantidad de pedido
es de 350 unidades, el costo de conservación en inventa- 1-12 9600
rio es de $ 275 anuales y el de cada faltante de $ 700. ¿Cuál
deberá ser el punto de renovación del pedido? 13 - 30 9000
11.1 8. Una empresa comercial maneja refrigeradores, los que ad- 31 o más 8300
quiere de un proveedor que le ofrece precios según el vo-
lumen en cada pedido, conforme a la tabla siguiente:
La demanda de varilla es probabilística y, con base en es-
tadísticas anteriores de ventas del negocio, es la que se
Volumen de pedido, Precio unitario muestra en la tabla:
unidades $/refrigerador
1-35 4100
36 60
- 3850 Demanda de varilla, I
Probabilidad
61 o más 3680 ton/mes
15 0.039
La demanda de refrigeradores es probabilística y con da- 20 0.052
tos anteriores, es: 25 0.129
30 0.235
Demanda de 35 0.092
refrigeradores, unidades/
40 0.208
semana Probabilidad
6 0.08 45 j 0.116
7 0.12 50 0.129
8 0.15 Total 1.000
9 0.30
ESI
10 0.15 Además, se tiene la siguiente información:
11 0.12
12 0.08 Tiempo promedio de entrega de la varilla: 3 días.
Precio de venta de la varilla: 11040 $/ton.
Total 1.00 Costo de colocar el pedido: 500 $/pedido.
Fracción de mantenimiento del inventario: 21 % anual.
Costo de capital de la empresa: 11 % anual.
Además, se tiene la siguiente información: Fracción a del efecto boca a boca: 0.50.
Tiempo de entrega de los refrigeradores: 1 semana. Se pide definir la cantidad y el punto de pedido que mini-
Precio de venta de los refrigeradores: 6500 $/unidad. micen el costo del inventario.
178 CAP. 11. MODELOS DE INVENTAMOS
11.20. Si en el caso del problema 11.18, el efecto boca a boca es Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
cero, el costo de mantener en el inventario sube a 100 %, toma de decisiones, McGraw-Hill, 1992.
y el costo de capital se eleva a 24 %, ¿cuáles serían las so- Hay, E. J., Justo a tiempo, Norma, 1989.
luciones? Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
De mantener en el inventario, sube a 50 %, y el costo operaciones, 5a. ed., McGraw-Hill, 1991.
de capital se eleva a 25 %, ¿cuáles serían ahora las res- Izar, Juan M., Vicente Hernández y C. Berenice Ynzunza, Meto-
puestas? dología para determinar el nivel óptimo de inventario. Memo-
11.21. Si en el problema 11.19, el efecto boca a boca es cero y el rias de la 5a. edición de la Cátedra de Administración y Con-
costo de mantener en inventario sube a 50 % y el costo tabilidad "Agustín Reyes Ponce", Universidad Juárez Autó-
de capital se eleva a 25 %, ¿cuáles serían ahora las res- noma de Tabasco, 2010.
puestas? Kaufmann, A., Métodos y modelos de la investigación de operado-
nes, 9a. reimp., CECSA, 1970.
Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
BIBLIOGRAFÍA vestigación de operaciones, Limusa, 1990.
IN
mi
ge
te
cc
te
sc
1c
1
CleocíA lueoog
Tener hijos no lo convierte a uno en padre, des de sus estrategias buscando lo que más convenga a sus
del mismo modo que tener un piano no lo intereses.
vuelve a uno pianista. Un caso muy conocido de juegos es el famoso "dilema
del prisionero", en el que la policía arresta a dos sospecho-
MICHREL LEVINE sos de un crimen, sin tener pruebas suficientes para con-
denarlos y tras haberlos separado visita a cada uno y les
ofrece el mismo trato: si confiesa y su cómplice continúa sin
INTRODUCCIÓN hablar, éste será condenado a una pena de 10 años, mien-
tras que el primero será liberado; si el cómplice confiesa y
La teoría de juegos se inició en 1928 cuando Von Neu- el primero calla, se invierte la situación; si ambos permane-
mann desarrolló su técnica básica y años más tarde Mor- cen callados, a ambos se les encerrará durante seis meses
genstern también hizo aportaciones importantes al presen- por un cargo menor; por último, si ambos confiesan, ambos
te tema (Gallagher y Watson, 1992). serán condenados a seis años (Wikipedia, 2006).
Los juegos representan situaciones de competencia y La matriz de pagos es la siguiente:
conflicto entre los jugadores, quienes se supone son perso-
nas racionales que realizan su juego de un modo inteligen-
te con el fin de ganarlo, o bien para minimizar sus pérdidas. Jugador 11
Algunos casos reales en que se aplica la teoría de juegos Jugador I Niega Confiesa
son los juegos de mesa, las negociaciones obrero-patronales, Niega Seis meses, seis 10 años, libre
los combates militares, las campañas políticas, las campa- meses
ñas de publicidad, la planeación empresarial y otras propias
de los negocios. Confiesa Libre, 10 años Seis años, seis años
En la teoría de juegos puede haber un número variable
de jugadores, cada uno de los cuales tiene un diferente nú- Para tomar la decisión cada jugador debe pensar en lo
mero de estrategias posible, cuya combinación llevará a de- que le conviene, pero esto está supeditado a lo que contes-
terminar el valor del juego. te el otro, pues el jugador I puede pensar que lo que le con-
La teoría de juegos es diferente a la toma de decisiones, viene es confesar, esperando que el jugador II calle, para de
ya que en ésta el tomador de decisiones juega contra la na- esta manera salir libre, pero si se da la situación de que el
turaleza, quien es un adversario pasivo cuyas estrategias se jugador II también confiese, ambos serán castigados con seis
definen de manera probabilística, tal como se presentó en años de cárcel. Por tanto la decisión no es obvia, y vista des-
el capítulo 10, mientras que en la teoría de juegos el juga- de afuera y en un plan cooperativo lo que les conviene a am-
dor se enfrenta a un adversario que puede ser tan inteligen- bos es no confesar y durar encerrados sólo seis meses. Sin
te como él y, por tanto, cada quien define las probabilida- embargo, en este caso lo que termina sucediendo, conforme
179
180 CAP. 12. TEORÍA DE JUEGOS
al punto de equilibrio de Nash, es que ambos prisioneros con- juega varias de sus estrategias en diversas propor-
fiesan y los dos son condenados a seis años de prisión. ciones indicadas por las probabilidades de cada una
Este es un juego de suma no nula que demuestra que de ellas.
cuando no existe la cooperación, el resultado es peor que si • La suma del juego: representa el valor neto del juego,
se busca una opción conjunta para los jugadores. A este tipo pudiendo ser O, cuando lo que un jugador gana es
de juegos se les conoce en el ámbito de la teoría de juegos igual a lo que el otro pierde, de modo que el resulta-
como metajuegos (Howard, 1966). do neto es O, y diferente de O, cuando lo que un ju-
En este capítulo se tratarán juegos de suma O con sólo gador gana no es igual a lo que el otro pierde, o bien
dos jugadores, pues juegos de más jugadores y sumas no si ambos jugadores ganan o ambos pierden. De he-
nulas son más complejos y salen del ámbito de este texto. cho el caso del dilema del prisionero es un típico ejem-
Primero se habla de la terminología, clasificación y notación plo de juego de suma no nula. Para solucionar un juego
de los júegos; luego se trata sobre el desarrollo de estrategias de suma no nula la complicación para hacerlo es ele-
puras con la definición del punto de silla de montar; después vada, de modo que tampoco se incluye en este texto.
se presenta el concepto de dominio en un juego, y por últi-
mo se explica la forma de obtener el valor del juego por di- Notación. En la figura 12.1 se presenta la matriz de
ferentes métodos, como el de la probabilidad conjunta, el pagos típica de un juego de suma O de dos jugadores, que
gráfico, el método de subjuegos y por medio de la programa- será el tipo que se tratará en este capítulo.
ción lineal. En este texto se adopta la convención de que un nú-
mero positivo en la matriz de pagos significa ganancia para
el jugador I y pérdida para el jugador II; mientras que
TERMINOLOGÍA, CLASIFICACIÓN un valor negativo indica lo contrario. Además el jugador I es
Y NOTACIÓN DE JUEGOS quien maneja sus estrategias en los renglones y el jugador II
lo hace en las columnas, como lo muestra la figura.
En esta sección se presentan algunas definiciones úti- En la matriz se observa que si el jugador I juega su es-
les para la mejor comprensión del capítulo, así como las cla- trategia A y el jugador II juega la C, el resultado es que el
sificaciones más usuales de los juegos y la notación adopta- primero gana 10, mismo valor que pierde el jugador II, sien-
da para los mismos (Gallagher y Watson, 1992). do 10 el valor del juego; sin embargo, si el jugador II cam-
bia a su estrategia D, el resultado será que ganará 4, misma
cantidad que perderá el primero.
Juego. Situación competitiva entre varios jugadores, Por otra parte si el jugador I juega su estrategia B y el II
cada uno de los cuales tratará de enfrentarlo de modo que la C, este último ganará 6; si por el contrario, el segundo
maximice sus ganancias o minimice sus pérdidas. jugador cambiase a su estrategia D, el resultado sería que
Estrategias. Distintas acciones que puede tomar un el primero ganaría 8 al segundo.
jugador, cada una de las cuales lleva un valor numérico Por tanto el juego tendrá un valor que depende de las
asociado a ella y conducente al valor del juego, dependien-
estrategias que seleccione cada jugador, sabiendo que cada
do de las combinaciones de estrategias de los diversos ju- uno de éstos buscará elegir sus respectivas estrategias para
gadores. maximizar sus ganancias o minimizar sus pérdidas.
Valor del juego. Resultado numérico final que se Un juego puede tener un número variable de estrate-
obtiene una vez que cada jugador haya definido sus es-
gias para cada uno de los jugadores, siendo de los casos más
trategias. simples el de dos jugadores con dos estrategias para cada
Matriz de pagos. Matriz donde se incluyen todos los uno de ellos, como el ejemplo de la figura 12.1.
resultados del juego para las posibles combinaciones que
puede haber. Es similar a la matriz de pagos presentada en
la teoría de decisiones. Jugador II
Clasificación de los juegos. Los juegos se clasifican
de acuerdo con varios criterios, siendo los más frecuentes:
Estrategias C D
Siendo el punto de silla de montar el 3, ubicado en el primer Como puede verse el juego se dice ser de 3 x 3, ya que
renglón y la tercera columna, siendo también el valor del juego. cada jugador tiene tres estrategias a su disposición.
Por último, para el inciso c: Si se observa la matriz de pagos del juego, los elemen-
tos de la primera columna son mayores que los de la segun-
Mínimo
da y tercera columnas, por lo que el jugador II no elegirá
de renglón
4 3 7 Valor su primera columna, ya que a él le convendrán los valores
5 2 8 maximin menores del juego, por lo que la columna puede eliminar-
4 11 2 se (fig. 12.5).
Máximo L35 4 11 —3
de columna
Valor Jugador II
minimax
Estrategias D
En este caso se observa que el valor minimax no coincide con
el valor maximin, por lo que no hay punto de silla de montar y no
se sabe ervalor del juego, hasta que éste sea resuelto por alguno A 6 5
de los métodos que se presentarán más adelante. e
etl
bA B 4 4
DOMINIO C — 3 6
En la teoría de juegos en ocasiones aparecen juegos que Figura 12.5. Juego reducido por dominio a
pueden ser reducidos de tamaño mediante el concepto de
dominio, que de acuerdo con la notación convenida es el si-
guiente: "Habrá dominio en un juego siempre que en la ma- El cual es ahora de 3 x 2, es decir de tres renglones y
triz de pagos todos los elementos de una línea dada, ya sea dos columnas.
ésta renglón o columna, sean mayores o iguales que los de Si se observa esta nueva matriz, los elementos del pri-
otra línea semejante" (Bronson, 1992). Así, si todos los ele- mer renglón son mayores que los del segundo renglón, por
mentos de un renglón dado son mayores o iguales que los lo que el jugador I al analizar esto no seleccionará su estra-
correspondientes a otro renglón, se dice que el primer ren- tegia B correspondiente al segundo renglón, y éste puede
glón domina al último, ya que el jugador I no escogerá la es- eliminarse para dejar el juego de 2 x 2, como se muestra en
trategia respectiva del renglón de elementos menores, por la figura 12.6.
lo que dicho renglón puede eliminarse del juego; por su
parte, si los elementos de una columna dada son menores o
iguales que los respectivos elementos de otra columna, se Jugador II
dice que la primera columna domina a la última, ya que por
ser menores sus elementos, al jugador II le convendrá tomar Estrategias F
los valores menores de la matriz de pagos, por lo que no ju-
gará la estrategia correspondiente a su columna de elemen- A 6 5
tos mayores y ésta puede eliminarse del juego.
Este concepto aplica para juegos en los que no existe ro
punto de silla de montar, por lo que forma parte de una es- eq
9 6 —2 .5) C- 1 C2
6 5 3 0
(
Figura 12.7. Esquema típico de un juego de 2 x 2.
En esta nueva matriz se ve que las columnas tercera y cuarta
dominan a 1 is dos primeras, por lo que al quitar éstas del juego, donde:
queda así:
pi = Probabilidad de que el jugador I elija su estrate-
(-32 05)
gia 1.
p2 = Probabilidad de que el jugador I elija su estrate-
gia 2.
El cual ya no puede reducirse. c1 = Probabilidad de que el jugador II elija su estrate-
Por último, para el juego del inciso c, la segunda y tercera co- gia 1.
lumnas dominan la primera, por tanto, al eliminar ésta se tendrá: c2 = Probabilidad de que el jugador II elija su estrate-
gia 2.
(41 3/
Y como:
15 21 = 3=0.75
-
Pi +P 2 = 1 (12,8)
P2=
4 4
Si se resuelven estas dos ecuaciones simultáneamente,
12 41 2 se obtiene:
= = =0.50
-
4 4
X22 — X21
15 31 =2 =0.50
- P1 =
C2 = X111 —X12 X21 +X22
4 4
Por su parte el valor del juego se calcula mediante la fórmu- X11—X12
la 12.1:
P2 =
xi 2 — X21 4- X22
V= (5)(0.25)(0.50) + (2)(0.25)(0.50) + (3)(0.75)(0.50) Por su parte, para el jugador I de manera similar si se
+ (4)(0.75)(0.50) = 0.625 + 0.250 + 1.125 iguala su ganancia para cada estrategia, se tendrá:
+ 1.500 = 3.500
CiXii 02X12 = C1X21 02X22
El valor del juego ha resultado ser un número intermedio de
los diferentes pagos que forman la matriz, lo que es obvio si consi-
deramos la manera como fue calculado. Y también:
De hecho la regla del dedo gordo señala que el valor del jue-
go debe ser un valor muy aproximado al promedio de los pagos C C2 = 1
DETERMINACIÓN DEL VALOR DEL JUEGO 185
Que al resolverse dan: De un estudio técnico-económico hecho por un grupo de ase-
sores administrativos para Hilos Potosinos, le han dado la siguien-
X22 — X12 te matriz de pagos (fig. 12.9):
(12.13)
c1 = X11 — X12 — X21 +X22
Hilos Potosinos
X11 — X21
C2 = (12.14) Bajar Mejorar
X11 — X12 — X21 4- X22 Estrategias
precios calidad
Ejemplo 12.4. Para el juego anterior hallar las estrategias Bajar
(11, c ada jugador mediante el método algebraico. precios 40 —20
No hacer
(53 42) nada —20 —14
Que al resolverse da: 3. Con las rectas trazadas en el paso anterior, se deli-
mita la zona factible de solución, conforme al siguien-
m1 = 0.0909 te criterio:
m2 = 0.0
m3 = 0.9091 a) Si el jugador de las n opciones busca maximizar
hp1 = 0.0909 el juego, la zona factible de solución quedará ha-
s
hp2 = 0.9091 cia la parte superior de la gráfica.
n
V2 = —14.545 b) Si el jugador de las n opciones busca minimizare! e
juego, la zona factible de solución quedará hacia c
Tercer subjuego, se elimina la tercera estrategia de Textiles la parte inferior de la gráfica.
M, no hacer nada. Entonces el subjuego de 2 x 2 es:
4. Determinar el valor del juego, que se situará en la b
40 —20 m1 gráfica en uno de los vértices de la zona factible de
—10 —16 m2 solución, de acuerdo con el siguiente criterio: g
e
hp1 hp2 lí
a) Si el jugador de las n opciones busca maximizar
lí
Este subjuego tiene punto de silla de montar, el —16 del se- el juego, el vértice de solución será el de valor
gundo renglón y segunda columna, ya que es el mínimo del ren- mínimo.
glón y máximo de columna a los que pertenece, por lo que se tendrá: b) Si el jugador de las n opciones busca minimizar
el juego, el vértice de solución será el de valor
m l =0 máximo.
m2 = 1.0
7723 = O Ejemplo 12.6. Para el juego siguiente aplicar el método grá-
hpi = O fico para encontrar su valor (fig. 12.10).
hp2 = 1.0
V3 = —16 (punto de silla de montar)
B
De acuerdo con lo indicado en la metodología de subjuegos,
en este caso el jugador que tiene las tres opciones estratégicas es Estrategias B1
Textiles M, quien seleccionará el subjuego del valor máximo, es de-
cir el segundo, por lo que el resultado para el juego original será el
de este subjuego. Al 10 —2
A2 5 3
Método gráfico
A
A3 4 2
Este método aunque puede perder exactitud en su re-
sultado, ya que el valor del juego se obtiene por lectura de la
gráfica del juego, es relativamente rápido e ilustra de mane- A4 3 6
ra conveniente las características del juego.
Se aplica a un juego de n x 2 o de 2 x n estrategias, pu-
diendo ser n cualquier valor. El hecho de que uno de los dos Figura 12.10
jugadores deba tener dos estrategias se explica por la situa-
ción de no poder construir gráficas en más de dos dimensio-
nes (Ackoff y Sasieni, 1979). Solución: lo primero que debe hacerse es revisar la posibili-
El procedimiento para este método es el siguiente: dad de que exista un punto de silla de montar, que para el ejemplo lt
presente no existe. o
1. Se trazan dos ejes verticales paralelos para el juga- Si se observa la matriz del juego, se ve que el segundo ren-
dor que tiene dos estrategias (uno por cada estrate- glón domina al tercero. No obstante, se resolverá el juego de 4 x2 r.
como está planteado, con el fin de ilustrar gráficamente este do-
gia), cada eje deberá tener sus escalas adecuadas a minio.
los pagos de la matriz del juego. Procediendo entonces a aplicar la metodología descrita, se
2. Para cada una de las n estrategias del otro jugador, colocan dos ejes verticales, uno para B 1 y otro para B2, con escalas tc
trazar una línea recta, que irá de un eje a otro de los que deberán contener al menos como valores mínimos —2 y máxi- d
dibujados en el paso anterior, conforme a los pagos mos 10, por ser los pagos mínimo y máximo de la matriz del jue-
de la línea (ya sea renglón o columna) correspon- go, respectivamente. Luego se trazan cuatro lineas rectas que se- a
diente a cada estrategia. rán las siguientes (fig. 12.11):
187
•••
deberá minimizarse, ya que el jugador A busca maximizar Este problema se soluciona con el método símplex para
V. Entonces el problema queda de la siguiente manera: dar la función objetivo 1/Vy las variables b 1 , b2, lin, de las
que se obtiene Vy los valores de las estrategias B 1 , B2, ...,13n;
1 mientras que las estrategias del jugador A se obtienen a
MinZ=- =a1 +a2 + ••• +am (12.20) partir de las variables duales de la tabla símplex final, sien-
V
do precisamente los valores de al , a2, am, de los que se tier
Sujeta a las restricciones dadas por la ecuación 12.17, estiman las A,.
siendo las variables a l no negativas.
Este problema se resuelve mediante el método sím- Ejemplo 12.7. Industrias Potosinas S. A. está negociando con
plex, para obtener la función objetivo 1/Vy las variables a l, el sindicato los aumentos salariales conforme a la revisión contrac-
de las que se obtiene el valor del juego Vy las estrategias tual establecida. El sindicato ha adoptado tres estrategias, consi-
deradas como: agresiva A 1 , moderada A2 y poco ambiciosa A3; por
A1, A2, ..., Am, mientras que las estrategias del jugador B se
su parte, la empresa tiene también tres estrategias B 1 , B2 y B3, para
obtienen a partir de las variables duales de la tabla símplex las que se ha llegado a la siguiente matriz de pagos (fig. 12.13): teg
final, como se ilustra más adelante en el ejemplo 12.7. las
Por su parte el planteamiento para el jugador B, quien
busca minimizar el valor del juego, será: Empresa
Estrategias B2 B3
+ X12B2 + • • • + X1n/3„ <
X21B1 + X22B2 • • • + (12.21)
Al 17 14
o
rts
•••
0 A2 15 14
XmiBi + Xm2B2 + • • • + XmnBn < V iñ
A3 11 18
donde cada restricción se ha formulado para la posibilidad
de que el jugador A maneje cada una de sus estrategias. Figura 12.13
Por su parte:
Sujeta a:
b; = i=1,2,...,n (12.25)
17a1 + 15a2 + 11a3 1
14a1 + 14a2 + 18a3 . 1 sin
Con lo que se puede establecer el problema como pro- 10a1 + 19a2 +12a3 1
gramación lineal, siendo la función objetivo 1/17, la que se
busca maximizar, ya que el jugador B busca minimizar V. Siendo al , a2 y a3 no negativas.
El problema será ahora el siguiente: Al resolver por el método símplex, se obtienen los siguientes
resultados:
1
MaxZ=- =bi +b2 +•••+bn (12.26) al= 0.0208333
v
a2 = 0.0330460
Sujeta a las restricciones dadas por la ecuación 12.23, a3 = 0.0136494
siendo las bl no negativas. 11V = 0.0675287
a
PROBLEMAS PROPUESTOS 189
En ronces el valor del juego será: Estos movimientos llevarán a un aumento en la negociación
de 14.81 %.
V= 1/0.0675287 = 14.81 Con este ejemplo se observa que con la programación lineal
se pueden resolver juegos de cualquier tamaño con facilidad, plan-
teándolo sólo para uno de los jugadores, y con ello obtener el valor
Los valores de las estrategias A1, A2 y A3 del sindicato se ob- del juego y las estrategias de cada uno de los jugadores. En este
tienen despejándolas de la ecuación 12.19: caso se ha hecho la doble formulación con propósitos ilustrativos.
Una observación importante para los problemas de juegos que
Al = al V= (0.0208333)(14.81) = 0.3085 se plantean como programación lineal, es sobre aquellos casos en
A2 = a2 V= (0.033046)(14.81) = 0.4894 los que el valor del juego vaya a resultar negativo, ante lo cual se
A3 = a3 V= (0.0136494)(14.81) = 0.2021 debe tener la precaución de invertir los signos de los elementos de
la matriz del juego, para que el valor resulte positivo, ya que la me-
todología símplex no ofrece solución para valores negativos de la
Lo cual muestra que el sindicato adoptará su primera estra- función objetivo.
tegia 30.85 % de las veces, su segunda estrategia en 48.94 % de
las ocasiones y su tercera estrategia 20.21 %.
De la tabla símplex final, las variables duales han sido:
CONSIDERACIONES FINALES
• Primera variable dual = 0.0258621.
• Segunda variable dual = 0.0359195. Por último, se hacen algunos comentarios respecto de la
• Tercera variable dual = 0.0057471.
teoría de juegos, que son útiles para dar una idea acerca de
cómo se plantea un juego y su posterior resolución.
Las cuales son justamente los valores de b 1 , b2 y b3 para el ju-
gador B.
No obstante su aplicación es limitada, ya que en primer
Este problema pudo plantearse también desde el punto de término los valores de la matriz de pagos sólo en muy conta-
vista de la empresa; hubiera sido el caso de maximización de 1/V, das ocasiones son valores exactos; la mayoría de las ocasio-
de acuerdo con las ecuaciones 12.26 y 12.23, para obtener: nes son valores aproximados, además en el mundo real de
los negocios hay más de un competidor y la suma del juego
puede ser muchas veces diferente de 0, pues suele haber
Max Z == 121 + b2 + 173 acuerdos, coaliciones y otro tipo de convenios entre los par-
ticipantes.
Sujeta a: Otros casos que suceden en el mundo real son los con-
cursos y las licitaciones, que representan también situacio-
17b1 + 14b2 + 10b3 1 nes competitivas en las que aparecen dos o más partici-
15b 1 + 14b2 + 19b3 5. 1 pantes que también suelen manejarse con estimaciones
116 1 + 18b2 + 12b3 1
numéricas, que ya no se presentan en este texto (Ackoff y
Sasieni, 1979).
Siendo b 1 b2 y b3 no negativas.
,
3 2 —2
B3 = b3 V= (0.0057471)(14.81) = 0.0851 [
—8 —4 6
Las variables duales de este problema han sido justamente c) [ 5 —3 2
los valores de a l, a2 y a3 obtenidos antes para el sindicato.
Por tanto la empresa jugará su primera estrategia 38.3 % de 4 —5 —8
las veces, 53.19 % la segunda y 8.51 % la tercera estrategia.
190 CAP. 12. TEORÍA DE JUEGOS
12.2. Determinar si existe punto de silla de montar en los juegos llegado a la siguiente matriz de pagos expresada en
siguientes: centaje de aumento de sueldo.
6 0 5 Parte patronal
a)[ —5 —2 3
10 —8 —6
4 —1 —3 Sindicato 6 0 8
4 —6 8
—10 4 3
12.
b)[ — 3 5 —7
¿Cuáles serán los valores de las estrategias de cada parte y
O 2 —4 el resultado del juego?
12.7. En la guerra del desierto asiático luchan las fuerzas ára-
6 3 4\ bes y las judías. Las primeras tienen tres estrategias mili-
c [ 2 —1 0 tares: gases tóxicos, aviones a chorro y tanques especiales
1 —2 i de ataque; por su parte los judíos tienen también tres es-
• trategias: armamento especial, aviones SX24 y bombas
de corto alcance. Los balances estimados de bajas en mi-
12.3. Para el siguiente juego reducir por dominio y resolver llares de personas para las diferentes combinaciones de 12.
para hallar las estrategias de cada jugador y luego encon- estrategias son:
trar el valor del juego.
Judíos
B
(4 —200 0 300
6 10\ 8
A 3 5 —2 —1 Árabes 350 50 —400
6 3 5 —2 100 —100 —50
.3 —5 —8 10 .
12.11. Para el siguiente juego encontrar su valor y el de las es- 12.17. Hallar el valor del juego y de las estrategias de cada ju-
trategias para cada jugador: gador:
arm
B B
5 8 10 9
—
15 —4 5 —3"
7 —6 3 2 — 5 10 —1 4
A
A —3 8 4 0 7 —6 8 —5
4 1 2 —2 —1 22 12
5 —3 2 —1
12.18. Hallar el valor del juego y de las estrategias de cada ju-
gador:
12.12. Hallar el valor del juego siguiente, así como las estrate-
gias de cada jugador: B
N 12 —6 —23v
\ —5 10 —1 6
8 6 3 —2 A
M —5 3 1 2 7 —6 8 —5
6 —10 —2 5 —12 —1 20 17
te,
tema
impon
maneje
que en
va a sol
En
usada e
las can
Reprende al amigo en secreto y alábalo en público.
Otro ejemplo es el de las empresas bancarias, que hoy pués se
día manejan el famoso sistema de unilínea, es decir, una más fre
LEONARDO DA VINO
sola fila de espera con varios servidores para la misma, sis- último
tema que ha probado disminuir los tiempos de espera del
INTRODUCCIÓN cliente y no representa problema alguno para su implanta-
ción, ya que los clientes son las personas que ingresan al Entrada
de
En la vida diaria es frecuente enfrentar situaciones en banco, a los que fácilmente se les puede formar en la línea clientes
las que el cliente debe esperar para recibir un servicio o una única de espera, que no es el caso, por ejemplo, de las esta-
mercancía; pueden citarse varios ejemplos, como pagar la ciones de gasolina, donde los clientes son los automóviles
cuenta en un supermercado, la espera en la gasolinera para que van a cargar combustible, que no sería fácil formar en
recibir el combustible, la espera de turno en una peluque- una sola línea, razón por la cual se hace una línea de espera
ría o en la fila de un banco para hacer algún trámite banca- por cada bomba despachadora del combustible. Entrada
rio, todas muestras claras de lo antes señalado. Estos casos h Por esta misma razón los bancos y otras instituciones de
suceden debido a que un negocio no puede tener una capa- an colocado televisores u otros medios para que el cliente clientes
cidad ilimitada para atender al total de sus clientes, ya que ueda distraerse durante el tiempo que pasa esperando para
esto sería incosteable. Sin embargo, cualquier em re er atendido. Asimismo los hoteles han puesto junto a sus
elevadores espejos en los que el cliente puede observarse
desee tener éxito deberá vigilar atentamente este aspecto, mi
ya que muchas de las veces una espera demasiado larga en po entras espera que el elevador esté disponible para trans-
una fila para ser atendido es la causa de que los clientes teportarlo. En fin, todo aquello que contribuya a que el clien-
prefieran cambiar a la empresa por otra de la competencia. el se sienta mejor, es parte misma de un buen servicio, y en
De hecho las empresas líderes en el ámbito de los servi- cliecaso de la espera la ansiedad que pueda experimentar el Entrada
cios, que son el sector que ha proliferado de manera notable nte es sinónimo de un mal servicio. de
en este comienzo del tercer milenio, han prestado gran aten- co noce La teoría de líneas de espera, a la que también se le clientes
como teoría de colas, inició al principio del siglo xx
ción a las filas de espera de la clientela, pues ésta es una par- co
te importante del servicio mismo, al grado de que uno de los co n el ingeniero danés A. K. Erlang, quien trabajaba en una
corolarios de un buen servicio señala que la espera en la fila de mpañía telefónica en que comenzó a estudiar la espera
no debe exceder de 5 min (Heskett y cols., 1993). De he- do los clientes que solicitaban una llamada para ser atendi-
1
cho han existido importantes empresas, como Walt Disney te s. Más tarde esta teoría se fue desarrollando en otras par-
y otras, que se han convertido en expertas en el manejo de ap s del mundo, al reconocerse su importancia y frecuente Entrada
este tipo de aspectos, de modo que mueven las filas de pri- no licación en diferentes áreas de la sociedad. Sin embargo, de
sa y en forma eficiente, tanto en las filas para entrar a ver cu fue sino hasta después de la Segunda Guerra Mundial clientes
algún espectáculo, como en el estacionamiento mismo, que y Gando el estudio de este tema tuvo un gran auge (Thierauf
constituye ya parte del servicio de la compañía a la clientela. rosse, 1990).
Un sistema de líneas de espera se define como un con-
Fip
192
14a
TERMINOLOGÍA
193
junto de clientes, servidores y un orden en el cual los clien- que incluye costos, donde se busca la decisión que economi-
tes son atendidos, siendo un proceso de nacimiento-muer- ce el costo total del sistema.
te, donde se considera que un nacimiento sucede cuando
un cliente entra a las instalaciones del negocio para recibir
el servicio, y una muerte ocurre cuando el cliente sale del TERMINOLOGÍA
establecimiento una vez que ha sido atendido.
En la figura 13.1 se presentan algunos sistemas de lí- A continuación, se definen varios términos para la me-
neas de espera, los cuales son ampliamente utilizados hoy jor comprensión del texto (Davis y McKeown, 1986):
día (Gallagher y Watson, 1992).
Es conveniente comentar que a diferencia de otros mo- Patrón de llegadas. Frecuencia de llegadas de los clien-
delos, los de líneas de espera son descriptivos y no norma-
tes al negocio, definido por el tiempo que transcurre entre la
tivos, ya que no son métodos de optimización, sino más bien llegada de un cliente y el siguiente. Este patrón de llegadas
modelos que buscan describir el funcionamiento de un sis-
puede ser determinístico o probabilístico, siendo mucho más
tema dado mediante la estimación de sus parámetros más frecuente en la vida real que suceda lo segundo, dada la alea-
importantes (Bronson, 1992). Es usual que estos casos se toriedad con que llegan los clientes a los establecimientos de
manejen de un modo probabilístico y no determinístico, ya servicios.
que en general no se conoce el momento en que un cliente
va a solicitar un servicio. Patrón de servicio. Es el tiempo de servicio, es decir,
el tiempo que ocupa un servidor para atender un cliente.
En este capítulo se presenta primero la terminología Este patrón también puede ser determinístico o probabilís-
usada en los sistemas de líneas de espera, luego se describen tico, siendo éste el más usual.
las características más importantes de estos sistemas, des- Disciplina de la línea de espera. Orden en que se
pués se tratarán algunos de los modelos de líneas de espera atiende a los clientes. La mayoría de veces el orden ma-
más frecuentes para resolver problemas de este tipo y por nejado es el de primero en llegar, primero en ser atendi-
último se presenta el caso de un sistema de líneas de espera do, ya que es el más justo y sinónimo de un buen servicio
a la vez.
Capacidad del sistema. Es el número máximo de clien-
4 Entrada
de
clientes
Línea de espera
Servidor
Salida
de
clientes
tes que pueden estar en el negocio, ya sea en la línea de es-
pera o siendo atendidos. Cuando un negocio puede formar
sus filas tomando la parte externa a sus instalaciones para
a) Una línea de espera y un servidor este fin, como es el caso de las que se extienden a la calle, se
dice que la capacidad del sistema es infinita.
Estado del sistema. Número de clientes que hay en
Línea de
Servidor 1
el negocio en un momento dado cualquiera, ya sea en espe-
Entrada espera
de
Salida ra o siendo atendidos.
Servidor 2 de
clientes clientes
Longitud de la línea de espera. Número de clientes
Servidor 3
que hay en la línea de espera.
Abandono. Es cuando un cliente que está en la línea
b) Una línea de espera y varios
servidores
de espera sale de ella y deja el establecimiento, debido a
que el tiempo de espera es muy grande.
Línea de espera Rechazo. Situación que se presenta cuando un cliente
Servidor 1 que llega al negocio no entra a él debido a que la línea de
Entrada Línea de espera Salida espera es demasiado grande.
de Servidor 2 de Características de las lineas de espera. Las líneas
clientes
Línea de espera
clientes de espera suelen caracterizarse bajo el sistema de notación
Servidor 3 Kendall, debida al matemático inglés del mismo apellido
(Davis y McKeown, 1986), que es la siguiente:
c) Varias líneas de espera y varios servidores
en paralelo V/W/X/Y/Z (13.1)
Línea de espera
donde:
Entra
Entrada Línea de espera Salida
de Servidor 1 Servidor 2 de
clientes clientes
V = Patrón de llegadas de los clientes.
W = Patrón de servicio.
d) Una línea de espera y varios servidores en serie X = Número de servidores.
Y = Capacidad del sistema.
Figura 13.1. Algunos sistemas de línea de espera. Z = Disciplina de la línea de espera.
194 CAP 13. MODELOS DE LÍNEAS DE ESPERA
Los dos primeros parámetros se denotan por una lite- n = Número de sucesos.
ral, conforme a la tabla 13.1: X = Número promedio de sucesos de la mi.
10:25 N, O, P, Q, R M
donde:
10:30 N, O, P, Q, R, S M
10:31 O, P, Q, R, S N XM = Número promedio de clientes en espera.
10:35 O, P, Q, R, S, T N X; = Número individual de clientes en espera.
• = Tiempo que hubo X; clientes en espera.
10:38 P, Q, R, S, T O n = Número máximo de clientes en espera.
MODELOS DE LÍNEAS DE ESPERA 197
ara el presente caso n = 7, por tanto se tiene: b) El número promedio de camiones en el sistema será la
suma de los que están en espera y en servicio, es decir:
7
X, 7; 1.5 + 1.0 = 2.50
i=O
Xm =
7
Ya que durante toda la hora hay un camión en servicio.
1T; c) El tiempo promedio que dura un camión en el sistema será
i= O
la suma del tiempo de espera, más el tiempo de servicio. Para esto
se estimará para cada camión este tiempo:
(0)(9)+ (1 )(17)+ (2)(18)+(3)(17)+ (4)(18)
+(5)(17)+(6)(18)+(7)(6) • Camión A: Tiempo en el sistema = 0 + 15 = 15 min.
• Camión B: Tiempo en el sistema = 15 + 15 = 30 min.
9+178 6 • Camión C: Tiempo en el sistema = 30 + 15 = 45 min.
17+36+51+72+85+108+42411 •
1 = =3.425 Camión D: Tiempo en el sistema = 45 + 15 = 60 min.
120 120
Por lo que el promedio será:
114.
De la tabla inicial se ve que a las 11:00 h, la línea de espera
.
tendrá siete pacientes, incluyendo al Y, que se incorpora justo a Tiempo promedio = 15+30+45+60= 150
4 =37.50 min
esa ho r a. 4
En este caso con simular una hora es suficiente, ya que la se- Tiempo
gunda hora será idéntica a la primera. de turno, Lotes en espera Lote en revisión, Lote en revisión,
horas de revisión inspector 1 inspector 2
a) En la tabla 13.3 hay en la línea de espera 15 min de tres 0:00 C, D A
clientes , otros 15 min de dos, de uno y de cero clientes, por tanto 0:34 C D
median te la ecuación 13.6 se obtiene:
1:00 E, F, G, H
1:08 G, H
XM = (0)(15)+(1)(15)+(2)(15)+(3)(15) E
15 +15 +15 +15 1:42 G
15+30+4590 : 2:00 I , J, K ,L
= =1.50 G
60 60
2:16 K, L
198
Tabla 13.4. (Continuación.) Por su parte, para cuatro lotes:
Tiempo Tiempo con cuatro lotes = 8 + 16 + 24 +3 2 + 34 +34 +34
de turno, Lotes en espera Lote en revisión, Lote en revisión,
= 182 min
horas de revisión inspector 1 inspector 2
L
2:50 Por último, para seis lotes:
3:00 M, N , O, P L
Tiempo con seis lotes =6 + 14 + 22 = 42 min
3:24 O, P N
3:58 O P De acuerdo con la ecuación 13.6, se tend rá:
201
brá en promedio tres clientes en el sistema. e 70
'É 60
Lq =L-p=3 -0.75 =2.25 L 50
40
I I d brá 2.25 clientes promedio en la línea de espera. uo3020
L 3 clientes E 10
w= = =0.333 h=20 min
9 cl./h o
lo 12 14
Este es el tiempo promedio que dura un cliente en el estable-
cimiento. Tasa de servicio,
clientes/h
Lel 2.25 clientes Figura 13.5.Gráfica de los tiempos de espera en
w =0.25 h=15 min
q 9 cl./h función de la tasa de servicio.
El cual es el tiempo promedio de los clientes en espera del
servicio. MODELO M/M/S
Por último, el tiempo promedio de servicio, que es el inverso
de la tasa de servicio II, es
Este modelo es igual al anterior excepto en el tercer pa-
1/p,=w-wq =20 - 15 =5 min rámetro, ya que ahora se tendrán S servidores, cada uno de
los cuales atenderá a los clientes con la misma tasa prome-
b)Ahora, conforme a la ecuación 13.16, se tendrá: dio de servicio 11. El sistema de la línea de espera formada
será estable cuando sea menor al producto de S por p, (Da-
pqt = p Exp(-t/w) = (0.75) Exp(-10/20) = 0.455 vis y McKeown, 1986).
Las fórmulas descriptivas de las características del sis-
Esto significa que la probabilidad buscada es de 45.5 %. tema son más complicadas que las del modelo anterior. El
c)Según la ecuación 13.15, se tiene: factor de utilización del sistema p, vendrá dado por:
L, Lq ,
La probabilidad de que el sistema esté ocupado, Pso
clientes/h p Po clientes clientes W, min w q r min ocuriáandelúmocitsnema,-
yor o igual que S, y se puede obtener con la siguiente fórmula:
15 0.60 0.40 1.50 0.90 10.0 6.00
14 0.64 0.36 1.80 1.16 12.0 7.71 (pS)s 1
13 0.69 0.31 l 2.25 1.56 15.0 10.38
= 1- Po (13.19)
- S! p
12 0.75 0.25 a 3.00 2.25 20.0 15.00
11 0.82 0.18 4.50 3.68 30.0 24.55 El número promedio de clientes en la línea de espera
L q, será:
10 0.90 0.10 9.00 8.10 60.0 54.00
1
Iti= 1-p Pso (13.20)
De esta tabla es claro que al disminuir µy aproximarse al va-
lor de X, los tiempos de espera wqy total en el negocio w, aumentan
drásticamente, lo cual se muestra en la figura 13.5, donde se gra- Por su parte, el número promedio de clientes en el sis-
fica II en las abscisas y los tiempos wq y w en las ordenadas. tema L vendrá dado por:
En la figura 13.5 se observa que ambos tiempos de espera
se comportan de manera similar, siendo los puntos superiores L= Lq + pS (13.21)
los correspondientes a w, o sea los tiempos en el sistema.
202 CAP. 13. MODELOS DE LÍNEAS DE ESPERA
Mientras que los tiempos promedio que tarda un clien- donde la sumatoria será:
te en el sistema w, o en la línea de espera wq , vendrán dados
por las ecuaciones 13.12 y 13.13, respectivamente. (2.4)n = (2.4)° + (2.4)1 + (2.4)2 + (2.4)3
Por su parte, la probabilidad de que un cliente pase un n=0 0! 1! 2! 3! n!
tiempo igual o mayor que t en espera será:
=1+24+2.88+2.304=8.584
Pqt = Pso ExP[—silt( 1 — P)] (13.22) Con lo cual, P° será:
Y la probabilidad de que el cliente pase un tiempo igual 1
o mayor que t en el sistema será: Po = =
8.584+9.2160.05618
Entonces Pso es:
pt = Exp(-1..it) [1+P. 1— Exp [— ilt(s —1— ps)] (13.23)
s-1—ps
(2.4)3 1
Pso = 3! 1-0.8 (0.05618)=0.6472
Ejemplo 13.6. Un banco cuenta con tres cajas en servicio,
atendidas cada una de ellas por un servidor. Cada caja tiene su
propia línea de espera, pero un ingeniero que es amigo del geren- Por su parte, los restantes parámetros son:
te del banco le ha sugerido que sería mejor si hubiese una sola lí-
nea de espera, en la que se formasen todos los clientes que van al 1
(0.6472)=3.236 clientes en espera
banco, para de allí ser atendidos luego por alguno de los tres caje- 41= 1-0.8
ros, quienes atenderán a la única línea de espera. Si la tasa prome- L =3.236+2.4 = 5.636 clientes en el sistema
dio de llegadas de los clientes en días normales es de 36 por hora
y la tasa media de servicio de cada servidor es de 15 clientes por
w = = 3.23 6 = 0.0899 h =5.39 min
III
hora, lo que hace un tiempo promedio del servicio de 4 min por clien-
te, ¿será razonable lo que el ingeniero propone al gerente? q 36
L 5.636
Solución: como el banco funciona hoy puede considerarse como ==w =0.1566 h=9.39 min
X 36
tres sistemas idénticos de líneas de espera del tipo M/M/1 en pa-
ralelo, con X=36/3 =12 clientes/h en cada fila. Entonces las carac- De donde es evidente que el cliente se vería beneficiado, ya
terísticas de cada uno de estos sistemas se calculan con las ecuacio- que en estas circunstancias pasaría en el banco aproximadamen-
nes 13.7 a 13.14 para obtener: te la mitad del tiempo que con el sistema anterior, y el tiempo de
espera en la fila baja a la tercera parte sin ocupar ningún servi-
X 12 dor adicional, razón por la cual al gerente sí le conviene implantar
p =—=—= 0.80
µ 15 la unilínea sugerida por el ingeniero, pues además le c uesta casi
nada hacerlo.
P0 =1— p = 0.20
L p 0.80
= 4 clientes en el sistema Modelo M/G/1
1—p 0.20
Lq =L —p= 4-0.80=3.20 clientes en espera
Este modelo se caracteriza por un patrón de llegadas de
L_ 4 los clientes de tipo aleatorio según la distribución de Poisson,
=0.333 h=20 min mientras que el patrón de servicio es de tipo general, y pue-
iv= — 12
de ajustarse a diversas funciones conocidas de probabilidad,
— 3 ' 20 —O 267 h =16 min una de las cuales es la distribución normal, por otra parte, se
q X 12 dispone de un solo servidor, la capacidad del sistema es in-
finita y la disciplina de la línea de espera es del tipo PEPS.
Por su parte, lo que el ingeniero propone al gerente del banco Para este modelo es necesario conocer el segundo pará-
es un sistema del tipo M/M/S, para el que se calculan sus caracte- metro descriptivo de la notación de Kendall, es decir, el pa-
rísticas mediante las fórmulas dadas por las ecuaciones 13.17 a trón de servicio, tanto el tiempo promedio en que se atiende
13.21, con las cuales se obtiene: a un cliente, denominado como 1/14 como la desviación es-
X 36 tándar de la misma variable, denotada como a. Con esto la
P— Sµ= = 0.80 fórmula para calcular el número promedio de clientes en
Sil (3)(15)
la línea de espera L q es (Davis y McKeown, 1986)
P° = 1
[(3)(0.08)r [(3)(0.8)3 (0.8)] x2•52 p2
n! 3!(1-0.8) (13.24)
n=0 2(1—p)
203
donde si I se maneja en unidades de clientes/hora, a debe- Modelo M/D/1
rá estar en horas. Aquí p sigue siendo el cociente de 71.. y p.,
como se manejó en el modelo M/M/1. Por su parte, el nú- Este modelo puede considerarse un caso especial del an-
mero promedio de clientes en el sistema L se obtiene con terior, con excepción de que el segundo parámetro, es decir
la ecuación: el tiempo de servicio, ahora es determinístico, por lo que al
conocerse con exactitud su desviación estándar a es 0, con
L -=- Lq -bp (13.25) lo que la ecuación 13.24 para calcular L q, queda de la si-
guiente manera (Hillier y Lieberman, 1991):
Mientras que los tiempos promedio que pasan los clien- p2
tes en el sistema y en la línea de espera, tv y w q respectiva- (13.26)
mente, se obtienen mediante las ecuaciones 13.12 y 13.13 1-t1 2 (1- p)
ya vista s.
Las demás características del sistema (L, iv y wq) se ob-
u Ejemplo 13.7. El señor Antonio Manzano es propietario de tienen con las ecuaciones 13.25, 13.12 y 13.13, respectiva-
una peluquería en la que él atiende personalmente a sus clientes, mente. Para fines comparativos se presenta la aplicación de
quienes llegan de forma aleatoria según una distribución de Pois- este modelo al caso de la peluquería.
son con una tasa promedio de cuatro cada hora. El tiempo que el
señor Manzano tarda para atender un cliente sigue una distribu- Ejemplo 13.8. En el caso de la peluquería del ejemplo ante-
ción normal con media de 12 min y desviación estándar de 3.6 min: rior, ¿cómo se verán afectadas las características del sistema si
ahora el tiempo de servicio a los clientes se conoce con toda preci-
a) ¿Cuál será el número promedio de clientes en espera y en sión y es de 12 min exactos?
la peluquería?
b) ¿Cuál será el tiempo promedio de espera y total en la pe- Solución: en el problema los datos 21,y u son iguales, por lo que
luquería que pasa cada cliente? Lqse obtiene mediante la ecuación 13.26:
Lq= (0.8)2
Sol ución: para este problema se tienen los siguientes datos: =1.6 clientes
2(1-0.8)
= 4 clientes/h Por su parte, L será:
= 1/12 min = 0.0833 clientes/min
p = 5 clientes/h L= Lq + p = 1.60 + 0.8 = 2.40 clientes
a = 3.6 min = 0.06 h
El tiempo promedio de espera w q, será entonces:
Por tanto, el factor de utilización p, será:
L 1.60
4 = -= =0.40 h =24 min
p= — = — =0.8 A. 4
5
Mientras que el tiempo total que pasa cada cliente en la pe-
El número promedio de clientes en espera Lq, se obtiene me- luquería w, será ahora:
(liante 1 a ecuación 13.24:
L 2.40
2,,2 p2 w== =0.6 h = 36 min
= kffi (4)2 (0 .06)2 + (0 • 8)2 = 4
1 . 7 44 clientes
2(1-0.8) 2(1-p)
Se ve con este ejemplo que los tiempos de espera y en el sis-
tema han disminuido un poco al no haber variaciones en los tiem-
El promedio de clientes en la peluquería L se calcula por me- pos de servicio a los clientes.
le 1 a ecuación 13.25:
Estos casos suceden en realidad en los sistemas de car- Como el sistema es del tipo M/G/1, se supone una N, con
ga de mercancías, como puede ser el caso de barcos, avio- ella se define II, se calcula entonces L q mediante la ecuación tc
nes, contenedores, vagones y camiones de carga, ya que el 13.24 y L por la 13.25, para obtener el costo total del sistema. Esto e
costo que representa el que este tipo de vehículos esté pa- se repite para varias N hasta que se encuentre la que minimiza 1¿
rado suele ser elevado, por ello en la práctica en casi todos el costo total, que será aquella N intermedia en cuanto al costo
estos medios de transportación se incluyen cláusulas de co- total, entre dos N, una menor y otra mayor, con costos mayores c
bros tarifarios por las demoras en la carga. que aquélla. o
Con fines ilustrativos se efectuará este procedimiento de tl
Ejemplo 13.9. La compañía Naranjas Finas de Rioverde pro- cálculos para el caso particular de N= 3.
duce naranjas de alta calidad mediante un proceso de madura- Si N es 3, p. es 1.33N, en este caso 4, ya que cada estibador
ción, lavado y pintado de la fruta, para luego enviarla a diferentes carga en promedio 1.33 camiones por turno. q
partes del país. El servicio de transporte de la fruta lo tiene con- Entonces el factor de utilización del sistema (p) será: e
tratado con Fletes Potosinos. Los pedidos que le hacen son alea-
torios, por lo que se considera se programan envíos de naranja bajo 3
p = —=
pi — = 0.75
una función poissoniana de probabilidad con una media de tres 4
camiones lir día. La empresa sólo tiene una estación de carga, que g
la llevan a cabo estibadores que son empleados de la propia com- La desviación estándar p es 1 h, es decir, 1/8 de día, pues sólo si
pañía, quienes ganan $ 150 por un turno de 8 h y cada uno tarda hay un turno diario, por tanto al aplicar la ecuación 13.24, se ob- ti
en cargar un camión 6 h. El tiempo de carga de los camiones se tendrá:
considera que sigue una distribución normal con media de 6 h y
desviación estándar de 1 h. El contrato con la compañía transpor- k2a2 p2
_ (3)2 (0.125)2 +(0.75)2 .1
tista señala que la empresa debe pagar a ésta por la demora en la .406 clientes
carga $ 800 diarios por cada camión. 2(1–p) – 2(1-0.75)
¿Cuántos estibadores debe utilizar la empresa si trabaja un
solo turno diariamente, con el fin de minimizar su costo total de Por su parte L será:
pago a los estibadores más el pago por demoras?
L=Lq +p= 1.406 +0.75 =2.15
Solución: el sistema de la línea de espera es la estación de car-
ga, los camiones son los clientes, los estibadores son los servidores Con esto el costo total será:
y se supone que cada estibador carga un camión. Por las caracte- is
rísticas del sistema, puede aplicarse el modelo M/G/1, ya que el CT = 150N+ 800L = (150)(3) + (800)(2.156) = 2174.80 $/día S(
tiempo de servicio se comporta conforme a la curva normal de pro- c
babilidad. Que incluye el costo del estibado y el de la espera.
El costo total se compondrá por el costo de carga, que es el Para otros valores de N se realiza un procedimiento similar,
pago de los estibadores, más el de demoras, que se le paga a la com- cuyos resultados se sintetizan en la tabla 13.8.
pañía transportista, es decir:
Costo total = Costo de estibado + Costo por demoras Tabla 13.8. Resumen de resultados para
diferentes valores de N.
A su vez el costo de estibado será:
N
Costo de estibado = 150N$/día Estibadores 3 4 5 6
X camiones/día 3 3 3 3
Siendo N el número de estibadores asignados a las manio-
bras de carga. Como 2 es igual a 3 (promedio de llegadas), Ndebe- 1.t camiones/día 4 5.333 6.667 8 9.333
rá ser tal que la tasa de servicio supere la de llegadas, con el fin p 0.75 0.56 0.45 0.375 0.321
de que el sistema sea estable. Cada estibador tarda 6 h en prome-
dio para cargar un camión, por lo que en un turno de 8 h, cada es- L qcamiones 1.406 0.522 0.312 0.225 0.18
tibador carga 1.33 camiones. Con esto el valor mínimo para N L camiones 2.156 1.085 0.762 0.6 0.501
debe ser 3, pues con este valor n sería de cuatro camiones por día,
mayor que X. Por su parte, el costo de demoras será: CT $/día 2174.80 1468.00 1359.60 1380.00 1450.80
las características del sistema y su costo, con el fin de encontrar busca definir el número óptimo de montacargas que debe rentar
la N que haga mínimo el costo total, que definirá la tasa óptima para realizar las maniobras de descarga de los camiones que lle-
de servicio. gan con materiales, los cuales tienen un patrón de llegadas poisso- re
205
niano con promedio de 20 diarios. Cada montacargas tiene un cos- Tabla 13.9. Resumen de los cálculos al variar el número de
to por su renta de $5000 diarios, incluyendo al operador, y se tarda montacargas.
en promedio (tiempo de servicio exponencial) 80 min para hacer
la descarga. El negocio trabaja 8 h diarias, con una línea de espera N
montacargas 4 5 6 7
para cada montacargas, por razones de espacio y la espera de cada
camión, la demora le cuenta $ 3500 diarios, ¿cuál será el número ? camiones/
óptimo de montacargas que debe arrendar para minimizar el cos- día.fila 5 4 3.33 2.86
to total por arrendamiento y demoras?
0.833 0.667 0.556 0.476
Solución: por el patrón de llegadas y de servicio, así como el L
que cada montacargas tenga su propia fila de espera, que en este Camiones/día 5 2 1.25 0.91
caso sería el servidor, se trata de sistemas M/M/1 en paralelo; uno
porcada montacargas. Costo de renta
Sicada montacargas trabaja 8 h diarias, tarda 1.333 h en la $/día 20 000 25 000 30 000 35 000
maniobra para cada camión, y tiene una capacidad para descar- Costo de
gar seis camiones por día, por lo que para que la capacidad de demoras $/día 17 500 7000 4375 3182
servicio supere a su demanda se requieren al menos cuatro mon-
tacargas. Costo total
El costo total será la suma del arrendamiento de los monta- $/día 37 500 32 000 34 375 38 182
cargas y las demoras ocasionadas a los camiones:
El número de montacargas que hay que arrendar es de cinco,
Costo total = Costo de renta + Costo por demoras y el costo mínimo, de $ 32 000 diarios.
El comportamiento del costo se ilustra en la figura 13.6.
E costo de renta es:
4 5 6 7
Costo por demoras = 3500 L $/ día
Número de montacargas
Donde L es el número de camiones en el sistema dado por la
ecuación 13.10. –e– Costo de renta Cosco de demoras –á– Costo total
Lo que debe hacerse es determinar el costo mínimo total, co- Figura 13.6. Comportamiento de los costos.
menzando por cuatro montacargas, e ir incrementando su número
hasta que el costo de la siguiente aproximación suba, lo que indica
que el inmediato anterior es el óptimo.
Sise inicia con cuatro montacargas, X será de cinco camiones PROBLEMAS PROPUESTOS
por día, y t es seis camiones por día, por lo que el factor de utiliza-
ción del sistema p es: 13.1. El Instituto Regional del Deporte desea haceruna revisión
médica de aptitud física a los deportistas de la ciudad, para
5 lo cual los ha citado cada 10 min a partir de las 9:00 a. m.
p.--=—=
P=µ= 0.833 del sábado. El examen lo realizará el doctor Pérez, quien
6
tarda 14 min. con cada persona. Se tiene planeado que
cuando haya cuatro personas en espera, le ayudará el mé-
A [ calcular L, mediante la ecuación 13.10, resulta: dico Ruiz para agilizar el trabajo, sólo que éste tarda en
hacer el mismo examen 1 min más que el otro médico y se
p 0.833 = detendrá hasta que no haya gente en espera a la hora en
L= = 5
1-p 1-0.833 que él termine una prueba. Supóngase que el primer pa-
ciente llega al examen a las 9:00 a. m.:
El costo por demoras será de $ 17 500 diarios, mientras que el a) ¿A qué hora iniciará el segundo médico sus activida-
de arrendamiento de los montacargas será de $ 20 000 diarios, des?
para un costo total de $ 37 500 cada día.
b) ¿A qué hora se detendrá por primera vez?
Sise incrementa el número de montacargas, se obtienen los c) ¿Cuál será el número promedio de pacientes en espera
resultados que se presentan sintetizados en la tabla 13.9:
durante las tres primeras horas de labores?
206 CAP. 13. MODELOS DE LÍNEAS DE ESPERA
13.2. El Centro de Salud Universitario cita a los aspirantes de in- 13.7. Al banco local Rioverdense llegan clientes bajo un pa-
greso a la institución a un examen médico cada 3 min. La trón de distribución poissoniano con media de 1.5 min,
atención la brindan dos médicos que tardan 7.5 min en rea- quienes son atendidos en tres cajas que funcionan en pa-
lizar el examen. Las actividades comienzan a las 8:00 a. m., ralelo, con una media de servicio de 4 min para cada caje-
y cuando llegan a juntarse en la sala de espera cuatro estu- ro. La tasa de servicio sigue una distribución exponencial.
diantes, llega un tercer médico a ayudar con los exámenes Calcular:
médicos, quien tarda 8 min en cada examen y se detiene
cuando al terminar una prueba no haya gente esperando: a) El tiempo promedio de los clientes en espera.
b) El número promedio de clientes en espera.
a) ¿A qué hora comenzará el tercer médico su atención? c) ¿Cuál será la probabilidad de que un cliente dure en
b) ¿A qué hora se detendrá por primera vez? espera 30 min o más?
13.3. A la oficina de trámites hacendarios llegan solicitudes de 13.8. Si para el caso anterior se cambiara el sistema por el de una
asesoría cada 4 min, las que atiende un empleado que tar- sola línea de espera con los mismos tres cajeros, ¿cuáles
da 5 min en darles salida. Cuando llegan a juntarse en es- serían las respuestas a los mismos incisos?
péra de revisión cinco solicitudes llega un segundo em- 13.9. Tortillas Hamasa tiene llegada poissoniana de clientes a
pleado, quien tarda 6 min en darles el servicio y se detiene su negocio con una media de 2 min, los que son atendidos
hasta que no haya trabajos pendientes. Suponiendo que por un solo cajero que les da el servicio en forma exponen-
la primera solicitud llega exactamente a la hora en que la cial con una media de 92 s:
oficina inicia sus operaciones:
a) ¿Cuál será el número promedio de clientes en espera y
a) ¿A qué hora se necesitarán los servicios del segundo en la tortillería?
empleado? b) ¿Cuál será el tiempo promedio de los clientes en espe-
b) ¿A qué hora se detendrá por primera ocasión? ra y en el negocio?
c) ¿Cuál será el número promedio de solicitudes en es- c) ¿Cuál será la probabilidad de que un cliente dure en
pera y en la oficina durante las dos primeras horas de espera yen la tortillería más de 10 min?
actividades?
13.10. La compañía minera Metalmex recibe muestras de mine-
ral cada 5 min en forma poissoniana, las que ordena bajo
13.4. La sala de belleza Sentirse Bonita tiene dos sillas de aten-
ción al público; recibe clientes cada 6 min y la primera un sistema de tipo PEPS, luego las muestras son analizadas
servidora tarda 11 min en darles atención, mientras la se- en el laboratorio por dos químicos, que tienen la misma
gunda, como no tiene suficiente experiencia, tarda 16 min aptitud para el análisis, que tardan tiempos variables de-
pendiendo de lo que contengan las muestras, no obstan-
para brindar el mismo servicio. Simular las dos primeras
horas de actividades de la sala de belleza y calcular lo si- te, se ha determinado que dichos tiempos de análisis se
guiente: comportan bajo un patrón de tipo exponencial con media
de 7 min. Calcular:
a) El número promedio de clientes en espera durante las a) El número promedio de muestras en espera de ser
dos horas. analizadas.
b) El número de clientes atendidos por la primera servi- b) El tiempo promedio que tarda una muestra en el labo-
dora. ratorio.
c) El número de clientes atendidos por la segunda servi- c) La probabilidad de que una muestra dure en el labora-
dora. torio más del promedio.
13.5. La oficina de cobros de los servicios municipales recibe 13.11. La panadería Juanita tiene los siguientes registros de lle-
clientes cada 2 ruin y tiene dos empleados para darles el gadas de sus clientes:
servicio de cobranza, quienes tardan 4 y 5 min exacta-
mente. Si el primer cliente llega a las 9:00 a. m.:
Llegada de Frecuencia
a) ¿Cuál será el número promedio de clientes en espera clientes por hora observada
durante las dos primeras horas?
b) ¿De qué tamaño será la línea de espera después de 2 h? O 2
1 6
13.6. A la oficina Subalterna de Rentas llegan clientes cada
3 min, los que son atendidos por dos servidores en serie, 2 13
el primero de ellos tarda 4 min en darles el servicio, mien- 3 18
tras que el segundo tarda 2 min:
4 18
a) ¿Cuál será el tamaño de las líneas de espera de cada 5 14
servidor después de una hora de labores?
6 o más 19
b) ¿Cuántos clientes habrán sido atendidos por cada ser-
vidor en ese mismo lapso de tiempo? Total 90
207
Si el servicio de la panadería tarda 12 min:
Tiempos de Frecuencia
servicio, min observada
a) ¿Cuál será el número promedio de clientes en espera y
en la panadería? 10 13
b) ¿Cuál será el tiempo promedio de espera y en el nego-
12 20
cio de cada cliente?
14 29
13.12. A la oficina hacendaría llegan clientes a realizar trámites 16 30
fiscales con el patrón de llegadas que se muestra en la si-
guiente tabla: 18 17
20 11
mizar el costo total por arrendamiento y demoras, y cuál Si el servicio lo proporcionan tres servidores, determine el
será su monto? número promedio de clientes en espera y en la oficina, así
13.18. El centro de salud universitario cita a los aspirantes a in- como los tiempos promedio en la oficina y esperando en la
gresar a la institución a un examen médico cada 4 min. La fila, si:
atención la brindan dos médicos que tardan exactamente
10 min para realizar el examen. Las actividades comien- a) Los tres servidores funcionan en paralelo (cada uno con
zan a las 8:00 a. m. y, cuando llegan a juntarse en la sala su propia fila).
de espera cuatro estudiantes, llega un tercer doctor a ayu- b) Los tres servidores trabajan con una sola línea de espe-
dar con los exámenes médicos, el cual se tarda exacta- ra (unilínea).
mente 11 min en cada examen y se detiene hasta que
cuando él termine una prueba, no haya gente esperando.
BIBLIOGRAFÍA
a) ¿A qué hora comenzará el tercer doctor su atención?
b) ¿A qué hora se detendrá por primera vez? Ackoff, R. L. y M. W. Sasieni, Fundamentos de investigación di
c) ¿Cuáles serán el número y tiempo promedio de espe- operaciones, Limusa, México, 1979.
ra de los estudiantes que han llegado y han entrado a Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
revisión en las tres primeras horas de actividades? Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
nistración, Grupo Editorial Iberoamérica, 1986.
13.19. A la oficina hacendaria llegan clientes a realizar trámites Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
fiscales con el patrón de llegadas que se muestra en la si- toma de decisiones, McGraw-Hill, 1992.
guiente tabla: Heskett, J., E. Sasser y Ch. Hart, Cambios creativos en los servicios,
Ediciones Díaz de Santos, 1993.
Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
Clientes/h 9 10 11 > 12 operaciones, 5a. ed., McGraw-Hill, 1991.
Kaufmann, A., Métodos y modelos de la investigación de operacio-
Frecuencias 25 25 12 16 nes, 9a. reimp., CECSA, 1970.
Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
vestigación de operaciones, Limusa, 1990.
Por su parte, los tiempos de servicio se han dado con las
siguientes frecuencias:
Tiempo, mM 14 15 16 17
Frecuencias 20 10 4 2
r
r
1
c
r
c
c
c
Yaglodo d(e año»
Para ciertas personas la libertad de expresión describir la lealtad de los clientes hacia un producto dado;
consiste en decir lo que se les antoje, también se aplican a la planeación de personal, al manejo de
pero si alguien les contesta, entonces es un ultraje. cartera para la correcta administración de las cuentas por
cobrar y al análisis del remplazo de los equipos, los cuales
WINSTON CHURCHIL pueden ser de transporte, o bien la maquinaria de produc-
ción (Gallagher y Watson, 1992).
Este capítulo presenta en primer lugar la terminología
INTRODUCCIÓN utilizada en el tema; expone la introducción de un caso base;
trata la manera de obtener la matriz de transición; analiza
El análisis de Markov debe su nombre al matemático la forma de utilizar esta matriz para calcular con ella las con-
ruso Andrei Markov, quien en la primera década del siglo diciones del sistema, tanto en un periodo posterior como las
pasado fue el primero en estudiar este tipo de fenómenos del estado estable; describe cómo obtener la matriz funda-
aplicándolo al movimiento browniano. Más tarde hubo otros mental y sus aplicaciones, y aborda la manera de estimar
científicos que aportaron al desarrollo de la teoría y las apli- los tiempos para la primera transición del sistema de un es-
caciones de este tema, entre los que destacan Wiener y Kol- tado a otro distinto y el tiempo de regreso de un estado ini-
mogorov (Thierauf y Grosse, 1990). cial a sí mismo.
El análisis de Markov estudia los cambios que sufre una
variable en un proceso dado, donde las propiedades del siste-
ma dependen de la situación del mismo en un periodo ante- TERMINOLOGÍA
rior, por tanto está formado por modelos de tipo probabi-
lístico. Además, a semejanza del capítulo anterior, los mo- A continuación se dan algunas definiciones útiles para
delos markovianos son descriptivos y no de optimización la mejor comprensión del capítulo (Davis y McKeown, 1986).
(Davis y McKeown, 1986).
A estos modelos suele conocérseles como cadenas de Estado. Conjunto de condiciones bajo las cuales se en-
Markov, debido a que las condiciones del sistema en un pe- cuentra el sistema en un momento dado.
riodo dado van eslabonadas a las del periodo anterior así Probabilidad de transición. Es la probabilidad de pa-
como también a las del posterior a él, de modo que si se sar de un estado inicial a otro final diferente.
conoce el estado de un periodo cualquiera, se puede obte- Estado estable. Es mi estado en el que ya no hay cam-
ner con esto el del periodo siguiente y repetir este procedi- bios en el sistema, es decir, se alcanza el equilibrio.
miento cuantas veces sea necesario para conocer la situa- Estado absorbente. Es un estado al que una vez que se
ción futura. llega ya no hay posibilidad de dejarlo, por esto se dice que
Estos modelos se aplican en diversas áreas de la admi- el estado absorbe la cadena de Markov.
nistración, como las de mercadotecnia, donde se utilizan para Tiempos de transición. Son los periodos que deben
209
210
transcurrir para que el sistema cambie de un estado inicial MATRIZ DE PROBABILIDADES e
a otro final distinto. En caso de que un sistema vaya otra vez DE TRANSICIÓN c
al estado inicial del cual partió, se le denomina de regreso. c
Cadena cíclica. Es también conocida como periódica, Esta es una matriz cuadrada, donde el número de ren-
y es aquella en la que hay una secuencia constante de cam- glones y columnas será igual al de estados que tenga la ca-
bios entre los estados del sistema. A cada secuencia com- dena de Markov, siendo cada elemento de la matriz la pro- 1
pleta se le llama ciclo. Cuando una cadena de Markov es babilidad de transición respectiva de pasar del estado que c
cíclica, el sistema deja de ser probabilístico y se convierte encabeza el renglón donde está ubicado el elemento hacia s
en determinístico. el estado encabezado por la columna; por ejemplo, el ele-
mento de la matriz correspondiente al primer renglón y la
segunda columna será la probabilidad de pasar del primer
CASO BASE estado al segundo (Hillier y Lieberman, 1991).
La matriz siguiente es un caso de matriz de transición
El mercado de aguas de garrafón en Rioverde tiene cua- de tres estados, denotados como A, B y C:
tro competidores: Aqualite, Brissa, Perlita y Hialina, los cua-
les según las estadísticas del mes anterior vendieron lo si-
guiente: A
0.50 0.30 0.20
Venta, núm.
Marca de garrafones Mercado, % En ella se aprecia que para el primer renglón las proba-
Aqualite 188 18.80 bilidades de transición indican que habrá 50 % de los ellen-
tes que serán fieles a la marca (o estado ) A; por su parte,
Brissa 278 27.80 30 % cambiarán de A a B, y 20 % cambia] -á de A a C. Como
I Perlita 306 30.60 se observa, la suma de probabilidades de cada renglón es la
Hialina
unidad, ya que cada marca tendrá el total de sus clientes al
228 22.80
inicio del proceso de Markov, de los c mdes retendrá una
Totales 1000 100.00 parte y el resto cambiará a otras marcas debido a diversas
razones, que tendrán que ver con las estr ategias de merca-
dotecnia que cada marca maneje.
También se ha encuestado a algunos clientes para co- En la figura 14.1 se muestra un dial ;rama de estados
nocer acerca de la lealtad de éstos hacia las diferentes mar- para la matriz de transición de la matriz anterior.
cas; la información obtenida se resume en la tabla 14.2. En este diagrama se ve la manera com o la matriz de tran-
sición queda representada en el diagram a, donde los esta-
dos se indican por medio de círculos y las flechas que salen
Tabla 14.2. Resultados de las encuestas. de ellos son las probabilidades de que sus clientes cambien
Núm. de a otro estado, por ello las flechas que regr esan al mismo es-
Núm. de Núm. de clientes que Cómo cambian tado del que salen señalan las probabili dades de que los
Marca encuestados clientes fieles cambian los clientes clientes sean retenidos por esa marca res pectiva. Las pon-
Aqualite
tas de cada flecha indican la marca o estac lo que gana clien- tr
30 21 9 3aB, 4aP y 2aH I
tes a la marca de la que salió dicha fleche i; por ejemplo, en d
Brissa 40 32 8 3aA, 4aP y 1 aH ir
Perlita 50 38 12 4aA, 6aB y 2aH 0.50 u
Hialina 30 18 12 4aA, 3aB y 5aP A
SE
0.20
0.25 d,
En la última columna se indican las marcas mediante 0.30 0.30
sus iniciales; por ejemplo, en el primer renglón, Aqualite
0.30 q
ha perdido nueve clientes, de los cuales, según la última co- 0.45 0.55
lumna de ese renglón, tres se cambiarán a Brissa, cuatro a el
Perlita y los dos restantes a Hialina. 0.15
Con los resultados de dichas encuestas, ¿qué debe es- Figura 14.1. Diagrama de estados para la
perar cada una de las marcas? matriz de transición.
MATRIZ DE PROBABILIDADES DE TRANSICIÓN 211
el diagrama anterior, la flecha que sale de C y llega a B, mar- Probabilidad condicional de que el cliente esté en B en
cada con 0.15, muestra que este valor será la probabilidad el periodo 2, ya que estaba en B en el periodo 0:
de que la marca B le gane clientes a la C.
También es posible representar la matriz de transición p(B, 2/B, 0) = (0.25)(0.30) + (0.45)(0.45) + (0.30)(0.15)
por medio de un diagrama de árbol (Davis y McKeown, = 0.075 + 0.2025 + 0.045 = 0.3225
1986); para el caso anterior, si se tiene un cliente que se en-
cuentre en el estado B al inicio del periodo 0, su diagrama Probabilidad condicional de que el cliente esté en C en
3 será el que se muestra en la figura 14.2. el periodo 2, dado que estaba en B en el periodo 0:
Para la marca Brissa se encuestaron 40 clientes, de los cuales donde se han colocado los elementos de la matriz en el mismo
32 son fieles a la marca, por tanto: orden en que se obtuvieron; es decir, el primer renglón se refiere
a Aqualite, el segundo a Brissa, el tercero a Perlita y el último a si
32 Hialina.
pBB = 40 0.80
De los ocho clientes que desean cambiar de marca, tres se irán CONDICIONES DEL SISTEMA PAR A
a Aqualite, cuatro a Perlita y uno a Hialina, de donde se tiene: PERIODOS POSTERIORES ol
e1 = Participación de mercado de la marca i. Solución: puesto que el caso base consta de cuatro estados, o
esto generará un sistema de cuatro ecuaciones con cuatro incógni- c
Una vez que se ha alcanzado el estado estable, se tendrá: tas, que es el siguiente: s
se retiran, los alumnos que llegan a uno de esos estados no van a 0 1.0638
ninguna parte después, lo que significa que ambos estados son ab-
sorbentes. Con esto la matriz de transición tendrá cinco estados, Esta es la matriz fundamental, que se interpreta de la siguien-
como se había comentado, y quedará de la forma siguiente: te manera: cada renglón brinda información acerca del número pro-
medio de periodos que cada estudiante del estado respectivo al
1 2 3 G R renglón pasa en cada estado correspondiente a la columna donde
1 0.07 0.89 0 0 0.04 está ubicado el elemento; por ejemplo, el elemento del primer ren-
2 0 0.05 0.925 0 0.025 glón y la segunda columna, que es 1.0074, muestra el número pro-
P= 3 0 0 0.06 0.89 0.05 medio de periodos que un estudiante de primer grado (valor del
G 0 0 0 1 0 renglón), pasa en el segundo grado (valor de la columna).
R O 0 0 0 1 Otra información que se obtiene de esta matriz es la siguien-
te: para cada renglón de la matriz la sumatoria de sus elementos
donde cada grado se ha denotado por su número respectivo, G es señala el número de periodos que pasarán para que un elemento
el estado de los que se gradúan y R de quienes se retiran. que se encuentra en el estado respectivo al renglón alcance uno de
Lo siguiente será obtener la matriz fundamental, que de los estados absorbentes; para el caso del segundo renglón la suma-
acuerdo con el procedimiento señalado ya se tiene el primer paso, toria de sus elementos es 2.0884 (0 + 1.0526 + 1.0358), que indi-
por lo que al ir al segundo deben eliminarse de la matriz los ren- ca el número de periodos que transcurren en promedio antes de
glones absorbentes, G y R en este caso, para obtener: que un estudiante del segundo grado alcance uno de los estados
absorbentes, es decir, graduarse o retirarse de la escuela.
1 2 3 G R Como se puede ver, la matriz fundamental es muy útil para
1 0.07 0.89 0 0 0.04 la administración, ya que da información valiosa sobre la situación
2 0.05 0.925 0 0.025 del sistema, que es necesaria para la planeación adecuada de las
3 0 0.06 0.89 0.05 operaciones. Ahora se procederá a calcular la matriz de propor-
ciones Wmediante la ecuación 14.16, con la cual se obtiene:
Ahora el tercer paso señala dividir esta matriz en dos partes:
la matriz S, que incluirá las columnas no absorbentes, es decir la 1.0753 1.0074 0.9913 0 0.04
1, 2 y 3, y la matriz T, que llevará las columnas G y R, es decir,
las absorbentes, con esto se tendrá: W = RT = 1.0526 1.0358 0 0.025
o o 1.0638 0.89 0.05
0.07 0.89 0 0 0.04
0.8822 0.1178
S= Í0 0.05 0.9251 T= O 0.025
0 0 0.6 J 0.89 0.05
= Í0.9219 0.0781
0.9468 0.0532
Según el cuarto paso, se obtiene la matriz Umediante la ecua- En esta matriz los renglones se refieren a los estados no J ,
ción 14.14: sorbentes, es decir, cada grado escolar y las columnas a los absor-
TIEMPO DE TRANSICIÓN DE UN ESTADO A OTRO 217
bentes, la primera para los graduados y la segunda para los reti- La que al invertirse produce la matriz fundamental:
rados; con esto cada elemento indica qué proporción del total de
los estudiantes de un estado no absorbente lograrán en promedio '14.24 2.59 0.47 3.17
cada uno de los estados absorbentes; para este caso, de los estu-
diantes del primer gradck88.22 % lograrán graduarse y 11.78 % se 8.47 3.68 0.39 3.06
R=LI-1 =
retirarán antes de terminar sus estudios; del segundo año se gra- 8.57 2.68 1.56 2.86
duarán 92.19 % y 7.81 % abandonarán la escuela, y de los del ter- 5.13 1.98 0.22 4.04 v
cer grado se graduarán 94.68 % y se retirarán 5.32 %.
De esta forma la administración escolar puede esperar que
de los 960 alumnos que ingresarán el próximo ciclo (80 % de 1200 Esta matriz nos señala el número de periodos que cada indi-
iz solicitudes): viduo, de un renglón dado, pasará en cada estado correspondien-
te a la columna. Así, el primer renglón se refiere a los trabajado-
(960)(0.8822) = 847 se graduarán en tres años res en activo, quienes pasarán 14.24 periodos como tales, otros
2.59 periodos como trabajadores de tiempo parcial, 0.47 perio-
Con esto la escuela podrá planear sus operaciones, organi- dos incapacitados y 3.17 periodos jubilados, para un total de
zarse y contratar personal adicional para enfrentar sus retos futu- 20.47 periodos antes de llegar al estado absorbente, que es el de
ros, ya que esto implica un incremento en el número de estudian- la muerte.
tes graduados de 90 % para los próximos tres años con respecto al El dato de interés es el del cuarto renglón de esta matriz, pues
ciclo actual, en el cual sólo se gradúan 445 alumnos. corresponde a los jubilados, quienes pasarán en promedio 5.13 pe-
lo
riodos como trabajadores activos, 1.98 como trabajadores de tiem-
Ejemplo 14.5. Para el caso de los jubilados, tras un estudio po parcial, 0.22 periodos incapacitados y 4.04 como jubilados, para
con un segmento de trabajadores viejos, se ha determinado que su llegar a la muerte en 11.37 periodos.
situación puede estudiarse como una cadena de Markov, en la que Por su parte, los trabajadores de tiempo parcial, y los que se
se han identificado cinco estados, a saber: trabajo activo (TA), tra- encuentran incapacitados, pasan mayores periodos como trabaja-
bajo parcial (TP), incapacidad (I), jubilados (J) y muerte (M). Tras dores activos, más de ocho.
un censo entre este grupo, se ha obtenido la siguiente matriz de Con este tipo de información, las organizaciones pueden pre-
transición: ver cuánto personal puede jubilarse y prepararse para ello, ante el
inminente envejecimiento de la población.
TA TP I J M
TA '0.87 0.05 0.02 0.05 0.01\
TP 0.25 0.40 0.04 0.23 0.08 TIEMPO DE TRANSICIÓN
P= I 0.23 0.37 0.18 0.12 0.10 DE UN ESTADO A OTRO
J 0.03 0.21 0.00 0.57 0.19
M 0.00 0.00 0.00 0.00 1.00 En este punto se verá la manera de estimar el tiempo
para que alguien que se encuentre en un estado dado del
to
Se pide obtener la matriz fundamental para hacer una pla- sistema cambie a otro, ya sea éste un estado distinto al ini-
le
neación efectiva sobre la fuerza laboral y su tendencia a jubilarse. cial o el mismo, en cuyo caso al tiempo de transición se le
conoce como tiempo de regreso (Davis y McKeown, 1986).
Solución: lo primero será eliminar el renglón absorbente de la La fórmula para calcular el tiempo de transición desde un
le muerte y separar las matrices S y T: estado inicial hasta otro final distinto es la siguiente:
'0.87 0.05 0.02 0.05\ '0.0 1
•a 0.25 0.40 0.04 0.23 0.08 fij = E Pik fkj (14.17)
S= T= k=1
0.23 0.37 0.18 0.12 0.10 kxj
is
r- X 0.03 0.21 0.00 0.57 0.19
donde:
Ahora se procede a obtener la matriz U:
fii = Tiempo de transición para pasar del estado i al j.
1 0 0 0 '0.87 0.05 0.02 0.05\
6' pik = Probabilidad de transición de pasar del estado i
0 1 0 0 0.25 0.40 0.04 0.23 al k.
= I -S = n = Número de estados del sistema.
O O 1 O 0.23 0.37 0.18 0.12
O 0 0 1, 0.03 0.21 0.00 0.57 Para calcular el tiempo de regreso de un cliente desde
0.13 -0.05 -0.02 -0.05
un estado inicial i hacia el mismo estado, la fórmula es:
-0.25 0.60 -0.04 -0.23
-0.23 -0.37 0.82 -0.12 fi = 1 (14.18)
el
c 0.03 -0.21 0.00 0.43
218 CAP. 14. ANÁLISIS DE MAPKOV
fAB =1 + PA AfAB PAP fPB + PAH fHB = 1 + 0.70 fAB fAp = 7.937 meses
+ 0.1333 fPB + 0.0667 fHB fBP = 8.898 meses
fHP = 7.370 meses
donde se han denotado las diferentes marcas mediante sus inicia-
les, como se había manejado antes. La última ecuación tiene tres Ahora se procede a estimar los tiempos de regreso a
incógnitas, y para poder solucionarla harán falta otras dos ecua- mo estado inicial, para ello se utilizan las probabilidades
ciones, que se obtendrán al plantear la ecuación 14.17 para los otros do estable del caso base, que son:
dos posibles estados iniciales, P y H.
Al hacer esto, para ir de P a B (i = P, j= B) se tendrá: eA = 0.2188
eB = 0.3556
fPB =1 + PPkfkB ep = 0.3336
k= A, P, H
eH = 0.0920
O sea:
Entonces, mediante la ecuación 14.18 se calculan los ti
de regreso, los cuales serán:
fpB =1+ PPA fAB PPP fPB + PPHA-113 = 1 + 0.08 fAB
+ 0.76 fpB + 0.04fHB 1 1
fAA = = =4.570 meses
Siendo ésta la segunda ecuación. eA 0.2188
Para ir de Ha B (i=H, j=B): 4. 1 1
JBB = = = 2.812 meses
eB 0.3556
=1 +fHB PHkfkB 1 1
k= A, P, H ipp = = =2.998 meses
ep 0.3336
Esto es: 1 1
faH = = -10.870 meses
eH 0.092
fHB = 1 + PHA fAB + PHP fPB + PHHfHB = 1 + 0.1333 fAB
+ 0.1667 fpB + 0.60 fHB Todos estos resultados se agrupan en la tabla 14.6.
219
Tabla 14.6. Tiempos de transición y regreso para el narios, congresos y otros similares. La empresa cuenta con
caso base en meses. capacitación continua para sus trabajadoras, razón por la cual
es frecuente que se les examine en su aptitud para el traba-
Estado final
Aqualite Brissa Perlita Hialina jo, por ello también se tiene un escalafón de niveles de ap-
Estado inicial 1 titud, que van desde el I, que es el más bajo, hasta el IV, que
es el de mayor capacidad. De estadísticas de años anterio-
kqualite 4.570 9.314 7.937 23.151 res se tiene la siguiente información: de las secretarias de
Brissa 12.406 2.812 8.898 26.164 nivel I, 20 % permanecen en ese nivel, 43 % pasan al II,
20 % pasan al III y 17 % lo hacen hasta el nivel IV; por su
Perlita 12.147 8.818 2.998 24.966 parte, para las del nivel II, 25 % ahí se queda, 7 % se atra-
Hialina 10.663 9.279 7.370 10.870 san al I, 43 % van al III y 25 % brincan hasta el IV; de las
que se hallan en el tercer nivel, 3 % van al segundo, 52 %
permanecen y el resto van al IV; por último, de las de nivel
En la cual se observa cómo los tiempos para que Hialina logre IV, permanecen ahí 82 % y el resto bajan al III. Los cam-
captar clientes son notoriamente mayores, debido a que es la mar- bios de categorías se dan anualmente.
ca con peores posibilidades de ganar mercado. Obtener:
a) La matriz de transición.
b) Para una secretaria que se halle en el nivel II, ¿qué es-
PRO BLEMAS PROPUESTOS perará para los dos próximos años?
c) ¿Cuáles serán las probabilidades a largo plazo?
14.1. El señor Antonio Zúñiga está planteándose la posibilidad de d) ¿Cuántos periodos tomará en promedio llegar al nivel IV
vender su huerta de naranjas, la cual consta de 10 ha. Se con- partiendo de los otros tres?
sidera por experiencias de años pasados que la cosecha pue-
de ser excelente, buena, regular o mala, como la cantidad de 14.3. La presa Las Golondrinas capta agua en la temporada de
frutos tiende a ser alternante, es decir, luego de un año bue- lluvias, parte de la cual se asigna a los ejidatarios del lugar
no sigue por lo general uno malo y viceversa, cuando se ha para fines agrícolas, según la tabla de abastecimiento si-
tenido una producción excelente el siguiente año la proba- guiente:
bilidad de repetir es de sólo 10 %, 20 % de lograr una cose-
cha buena, 30 % de que sea regular y 40 % de que sea mala;
si la producción ha sido buena, entonces para el año siguien- Nivel de agua Abasto para
te las posibilidades son de 23 % que se repita, 17 % que sea en la presa agricultura
excelente, 32 % que sea regular y el resto que sea mala. Si
la cosecha ha sido regular, entonces la probabilidad de cada Vacía O
opción es la misma, es decir 25 %, si la producción ha sido 1/5 0
mala, para el año siguiente las posibilidades son: 33 % que
sea excelente, 38 % que sea buena y 29 % que sea regular. 2/5 1/5
El costo anual promedio por hectárea se estima en $ 6000 3/5 2/5
y los ingresos para cada opción de producción son:
4/5 2/5
Llena 3/5
Opción de producción Ingresos, $ anuales/ha
Excelente 15 000
Del servicio meteorológico se han obtenido datos de pre-
Buena 10 000 cipitaciones pluviales de años anteriores, que converti-
Regular 6 000 dos a fracciones de la capacidad de la presa han sido los
siguientes:
Mala 3 000
Precipitación
Calcular: pluvial Probabilidad
a) La matriz de probabilidades de transición. O 0.10
b) Si el último año fue regular, ¿cuánta será la ganancia
probable para el año siguiente? 1/5 0.25
c) ¿Cuál será la situación para un futuro lejano? 2/5 0.30
d) ¿Cuántos periodos tendrán que transcurrir para pasar 0.20
3/5
de una cosecha determinada hasta una excelente?
4/5 0.10
14.2. La compañía Secretarias al Instante ofrece los servicios de 5/5 0.05
recursos humanos para eventos como conferencias, semi-
220 CAP. 14. ANÁLISIS DE PIAPKOV
14.6. El banco de la Zona Media está analizando su cartera de Se ha encuestado a determinado número de clientes para
clientes, ya que últimamente ha tenido muchos problemas saber acerca de su lealtad a las marcas y sus posibilidades
de cartera vencida. Dispone de la siguiente información: de cambio, cuya información se presenta en la siguiente tabla :
221
222
223
estos modelos es la venta de bebidas, ya sea agua o refrescos Método de los promedios. Este método también es
embotellados, la cual aumenta en los meses de altas tempe- sencillo, ya que pronostica el valor de la variable que se está
raturas y disminuye en los meses fríos; por último, los mode- considerando para el periodo siguiente mediante el cálculo
los de tendencia muestran un cambio en la variable pronosti- del promedio del total de los valores de los periodos ante-
cada, ya sea para aumentar, como en el caso de la figura 15.2, riores, según la fórmula siguiente:
o para disminuir. La gran mayoría de los casos de este tipo se
manejan bajo la suposición de que el cambio en la variable
pronosticada es lineal respecto del tiempo, lo que es válido (15.2)
en muchas de las ocasiones. Existen otros modelos más com-
plicados que suponen que dicha variación no es lineal, los cua-
les no se presentan en este texto por estar fuera de su alcance. donde:
Pi+i = Variable pronosticada para el periodo i + 1.
Variable
= Valor de la variable en el periodo i.
pronosticada
n = Número total de datos o periodos.
Tendencia
Este método aunque es muy simple puede resultar te-
dioso, en especial si el número de periodos para los que se
Nivel constante
dispone de información es elevado.
Método de los promedios móviles. Este método es pa-
recido al anterior, con la ventaja de que sólo considera unos
cuantos datos para obtener el promedio, los cuales siempre
serán los de los últimos periodos, de ahí el nombre de prome-
dios móviles. Tiene, además, la ventaja de que el pronóstico
Estacionales estará basado en la información más reciente que se tiene, lo
que lo hace más sensible a posibles fluctuaciones de la varia-
ble pronosticada. La expresión para calcular el pronóstico es:
Xi
Tiempo Lr
i=n-m+1 (15.3)
Figura 15.3. Modelos de series de tiempo más comunes. Pi+1
Pi + I — Xi (15.1) 3 230
4 235
donde:
5 215
= Pronóstico para la variable para el periodo i + 1. 6 220
X; = Valor de la variable pronosticada en el periodo i. 7 220
8 225
En esta ecuación los subíndices se refieren a los perio-
dos respectivos. 9 235
225
Con lo cual se observa que los resultados obtenidos con los Al sustituir a = 0.1 y los valores de X de la inforniación con
tres métodos son muy parecidos. que se cuenta, se obtiene:
De estos resultados se observa que los pronósticos calculados Junio 5500 5900
son muy parecidos en cuanto al porcentaje de error que dan para Julio 5300 5450
los dos diferentes valores de a.
En general, al hacerse menor a el modelo se vuelve más lento Agosto 5200 5600
para ajustarse a cambios en la variable pronosticada. Sin embar- Septiembre 5100 5750
go, si se supone que su uso es para obtener pronósticos de varia-
bles de nivel constante, esto representa en realidad una ventaja. Octubre 4700 4900
Noviembre 4500 4850
Variable pronosticada
Tabla 15.5. Factores estacionales
para cada mes.
Mes Factor estacional Pronóstico para 2006
Enero 0.0533 3 551
Febrero 0.0589 3 923
Marzo 0.0804 5 354
Abril 0.0894 5 956
Mayo 0.1053 7 015
Junio 0.0980 6 528
Tiempo
Julio 0.0924 6 156
Agosto 0.0929 6 185
Figura 15.5. Gráfica de la recta obtenida con
mínimos cuadrados.
Septiembre 0.0933 6 213
Octubre 0.0826 5 497 En esta gráfica la ecuación de la línea recta trazada se
Noviembre 0.0804 5 354 obtiene por medio del método y los puntos son los valores
Diciembre 0.0731 4 868
reales de la variable pronosticada, siendo la diferencia en-
tre ambos valores el error, que será mayor entre más sepa-
Total 1.0 66 600 rada quede la línea recta de cada punto. La metodología ase-
gura que para los puntos reales dados la línea recta trazada
es la mejor, es decir, la que pasa más cerca de todos los pun-
En la cual han sido incluidas las ventas pronosticadas para el
año 2006 en la tercera columna, que se han obtenido mediante la tos y, como su nombre lo señala, minimiza la sumatoria del
multiplicación del factor estacional de cada mes por la venta total cuadrado de los errores de todos los puntos.
del año, es decir 66 600 cajas, de modo que la suma de cajas que se La ecuación que relaciona la variable pronosticada o va-
van a vender en 2006 coincide con este valor. riable dependiente con el tiempo o variable independien-
te, conocida como ecuación de ajuste o de regresión, es la
siguiente:
MODELOS DE TENDENCIA
.101, y=a+bt (15.6)
Estos modelos son adecuados para los casos en que al donde:
graficar la variable observada respecto del tiempo, la rela-
ción muestre una tendencia, ya sea de aumento o de dis- y = Valor calculado para la variable dependiente.
minución. a = Ordenada al origen de la línea recta.
Esta variación de la variable pronosticada respecto del b = Pendiente de la línea recta.
tiempo puede ser lineal o no lineal. Para fines didácticos, en t = Tiempo o variable independiente.
228 CAP. 15. MODELOS DE PRONÓSTICOS
Mediante la metodología de mínimos cuadrados se obtie- Ahora se calculan a y b mediante las fórmulas corral
nen las ecuaciones para calcular los valores de a y b, que son: dientes:
(3375)(55)—(15)(10 725) 24 750 —
ini ti2)_[I
i n1 yi j[r
(I ini ti ) yi ti ) a= 495
(5)(55)—(15)2 50
(5)(10 725)—(15)(3375) 3000
a= (15.7) b— =60
(5)(55)—(15)2 50
n i ti2j—L± ti
n [E
1=1
2
l
varios factores (variables independientes), de manera que
ante estos cambios, los cuales serán las causas, corresponde-
s(yy).Yi
2 [ i =1 Yi
(15.10)
rán variaciones en la primera, que serán los efectos, de ahí el
i=1 n nombre de estos modelos.
Para relacionar matemáticamente la variable pronosti-
Y la sumatoria del cuadrado de los errores viene dada por la cada con las variables independientes, se recurre de nuevo a
siguiente ecuación: la técnica de los mínimos cuadrados, que para el caso de varias
variables independientes recibe el nombre común de regre-
sión lineal múltiple, denominada así por el hecho de suponer
S (e)= (Yi — 31) 2 que las variaciones se dan linealmente (Izar Landeta, 1998).
De hecho, cuando sólo existe una variable independiente, el
donde y, es el valor real de la variable dependiente, mientras que modelo se convierte en el del inciso anterior para los modelos
y:, es el valor calculado con la ecuación de regresión 15.6. de tendencia, al que se conoce como regresión lineal simple.
Las variables independientes pueden ser factores in-
Eje mplo 15.6. Para el caso del ejemplo anterior, calcular el ternos o externos de las empresas, de modo que éstas podrán
valor de coeficiente de correlación.
controlar sólo los primeros. Así por ejemplo, para el caso de
Solución: lo primero será obtener el valor de los errores al cua- la productividad de un negocio, si se supone que ésta de-
drado de cada punto, los cuales son el cuadrado de la diferencia de pende de factores como la motivación de sus empleados y
lo predicho por la ecuación (tercer renglón de la tabla 15.6 del ejem- de la situación económica del país, la empresa sólo podrá in-
plo anterior) y los valores reales de la variable dependiente (se- fluir sobre el primero de ellos, no así en el segundo.
gundo renglón de la misma tabla). Esto se sintetiza en la tabla 15.7. En este punto se presentan las fórmulas para un mo-
delo causal de dos variables independientes, para el que su
ecuación correspondiente es la siguiente:
Tabla 15.7. Valores reales de la
variable dependiente.
y= bo + biX+ b2Z (15.12)
Dat 1 2 3 4 5
donde:
Venta real, y i 560 610 675 730 800
615 675 735 795
y = Variable pronosticada.
y*Pronóstic, 555
X, Z = Variables independientes.
Error al cuadrado 25 25 0 25 25 130, b1 , b2 = Coeficientes de ajuste.
230
donde Do, D1, D2 y D son determinantes de tercer orden, 77
que se calculan mediante las siguientes ecuaciones:
68
83
Yi xi zi
i=1 i=1 72 40 7
Do = X i2 X i Zi (15.16)
i=1 i=i i=1 ¿A qué conclusión puede llegar el profesor Márquez con es-
tos resultados?
yiZi XiZi j Zi2
i=1 i=1 i=1
Solución: lo primero será obtener la ecuación que relacione la
calificación de los alumnos, que será la variable dependiente, con
Zi las horas de estudio y los niveles de estrés, que serán las variables
n yi independientes. De esta forma, se reacomoda la información de la
i=1 i=1 tabla anterior para asignar los datos con cada variable (tabla 15.9),
D1 = Xi yiXi XiZi (15.17)
i=1 i =1 i= 1
Tabla 15.9. Reacomodo de la información.
Zi2
i =1 i= 1 i=1 Calificación, y Horas de estudio, X Nivel de estrés,Z
70 20 4
n X i Ey ; 57 20 7
i=i i=1 77 30 4
D2 = Xi2 E yixi (15.18) 68 30 7
i=i i=i i=i
83 40 4
Zi 1XiZi
72 40 7
i=1 i=1 i=1
Xi Por tanto, los datos requeridos para calcular cada uno de los
determinantes dados por las ecuaciones 15.16 a 15.19 son:
i=i i=1
PROBLEMAS PROPUESTOS
Entonces se aplican las ecuaciones 15.13 a 15.15 para obte-
ner los coeficientes de ajuste, esto es: 15.1. Abarrotes Ruiz tiene un registro de sus ventas de azúcar
en los pasados 10 meses, que son (tabla 15.11):
D 2278800
43 = ° — =70.333
D 32 400
Tabla 15.11
= D1
1= 22 680
=0.70 Mes Venta, ton
D 32 400
1 44.0
b2 = D22—118800
= = 3.667
D 32 400 2 42.0
3 48.0
Por lo que la ecuación de regresión será: 4 45.0
y= 70.333 + 0.70X-3.667Z 5 46.3
6 44.9
Con esta ecuación es posible comparar los valores reales de 7 45.7
tabla con los estimados mediante la ecuación, los cuales son (ta-
15.10): 8 47.4
9 47.2
10 46.9
Tabla 15.10. Comparación de los valores reales
con los pronosticados.
Y real 70 57 77 68 83 72 ¿Cuál será el pronóstico para el mes próximo? Resolver por
los siguientes modelos utilizando los cinco últiinos meses:
X 20 20 30 30 40 40
a) Último valor.
z 4 7 4 7 4 7
b) Promedios.
Y calculada 69.667 58.667 76.667 65.667 83.667 72.667 c) Promedios móviles.
Error, % 0.48 2.92 0.43 3.43 0.80 0.93 15.2. Para el caso anterior resolver el problema mediante sua-
vizamiento exponencial, usando:
Enero 1500 1600 1610 Alumnos 15.3 14.08 13.5 12.95 12.43 11.98 11.47 0.88 10.32 9.57
le
mayacoadmdemIo equdpog un
me
pos
de
fija
en
Siembra arroz y habrás planeado para un año, han sido diseñados de una manera más eficiente y con me- mil
plantaárboles y habrás planeado para diez años, nores requerimientos de insumos y mano de obra, con lo que de
educa hombres y habrás planeado para toda la vida. se logra una disminución en los costos. kik
También suele suceder que una misma operación sea
PROVERBIO CHINO considerada a la vez como remplazo y como mantenimien- po
to de los equipos, tal es el caso del cambio en la suspensión
de un vehículo de reparto, ya que este hecho se catalogará de
INTRODUCCIÓN como remplazo desde el punto de vista del sistema de sus-
pensión, pero se tomará como mantenimiento desde el en- los
Los aspectos del remplazo y mantenimiento de los equi- foque del equipo automotriz.
pos son muy importantes en las empresas industriales debi- En este capítulo se presenta la terminología más fre-
do a que constituyen un factor que repercute de modo direc- cuente del tema; se estudian los modelos de remplazo con MI
to en sus costos, de manera que su adecuada administración desgaste determinístico, donde se incluye la manera de CC
lleva a la obtención de mayores utilidades. seleccionar la opción que proporcione el menor costo total,
Las nociones de probabilidad y estadística son de gran así como la forma de estimar el tiempo óptimo para el rem-
utilidad para la mejor comprensión de los temas que se tra- plazo de los equipos; se presentan modelos probabilísti- nin
tarán en este capítulo. cos de remplazo, los cuales consideran que el desgaste de ció:
Para cualquier gerente es conveniente tener una idea los equipos se da en forma aleatoria, en estos modelos se la c
acertada acerca de la duración de los equipos, ya que con describen las curvas de supervivencia y mortalidad de los rac
esto podrá minimizar paros en la producción y el reparto, equipos; se trata el concepto de probabilidad de avería, que así
los que traerían consigo pérdidas por tiempos ociosos del incluye la determinación del tiempo promedio de apari- de
personal, merinas de materiales y otros problemas que in- ción de la avería, así como lo que sucede cuando se intro- me
cidirían en forma directa sobre los costos. duce un límite de funcionamiento para los equipos; se pre- del
Es normal que un equipo en uso continuo sufra desgas- senta la forma de obtener la probabilidad de consumo de
te en sus diferentes partes que lo componen. El adminis- equipos, ya sean éstos nuevos o usados; se estudia el apro- lie]
trador eficaz debe tomar las decisiones correctas en cuanto visionamiento de equipos, y se expone el aspecto económi-
al mantenimiento y/o remplazo de los equipos, eligiendo co relacionado con el mantenimiento de los equipos.
aquella opción que represente el mínimo costo total en sus
operaciones.
En ocasiones puede ser aconsejable remplazar un equi- TERMINOLOGÍA
po en uso, no por el hecho de que se haya dañado, sino por- doi
que hoy día cada vez más aparecen equipos que incorporan Veamos algunas definiciones útiles para la mejor com-
nueva tecnología, los cuales ejecutan las tareas para las que prensión del tema (Kaufmann, 1970):
234
MODELOS DE REMPLAZO DE EQUIPOS 235
Política de remplazo. Es el plan predeterminado de Ck = Costo para un periodo del equipo k.
la empresa relacionado con el remplazo de sus equipos. n = Número de periodos de duración del equipo.
Política de mantenimiento. Plan predeterminado de A = Valor de adquisición del equipo.
la compañía acerca del mantenimiento de sus equipos. mi = Costo de mantenimiento del equipo en el peño-
Tasa de aprovisionamiento. Número de equipos rem- do j.
plazados por unidad de tiempo. i = Tasa de interés vigente.
Tasa de mantenimiento. Valor que alcanza la tasa de R = Valor de rescate del equipo
aprovisionamiento después de un periodo bastante largo.
Grado de desgaste. Grado de deterioro que tiene un Así, el procedimiento de cálculo es simple y con sólo
equipo dado, que con frecuencia se expresa como porcentaje. aplicar la ecuación anterior para cada uno de los equipos
Límite de funcionamiento. Periodo máximo que se en cuestión puede seleccionarse el que resulte con el me-
le permite a un equipo funcionar antes de ser retirado. nor costo. Esto quedará claro al estudiar el ejemplo siguiente.
Función de supervivencia. Relación matemática que
expresa el número de equipos supervivientes que existen en Ejemplo 16.1. El señor Benito Pérez busca la mejor opción
un momento dado respecto del número inicial de los mismos. sobre la adquisición de una camioneta tipo pick up para el desarro-
llo de sus labores agrícolas. Tiene cuatro opciones, las marcas La
Función de mortalidad. Relación que indica el nú- Económica, La Mejor, Fuerza Motriz y ZM, para cada una de ellas
mero de equipos que han dejado de funcionar por descom- se tiene la información que se sintetiza en la tabla 16.1:
postura en un momento dado respecto del número inicial
de los mismos.
Función de utilización de los equipos. Política que Tabla 16.1. Datos de las camionetas m.
fija la empresa respecto del número de equipos que tendrá Ak, n k , Rk,
en funcionamiento y su aprovisionamiento. Marca k M$ años 3 4 5 6 M$
Edad de un equipo. Tiempo que tiene en funciona-
miento un equipo en un momento dado. Suele expresarse La 1 45 4 7 8 9.3 10.8 - - 28
Económica
de distintas maneras, como en horas de funcionamiento,
kilómetros recorridos y otros. La Mejor 2 65 6 4 4.6 5.5 6.6 7.9 9 35I
Probabilidad de avería. Probabilidad de que un equi- Fuerza 3 62 6 3.8 4.8 6.1 7.5;9 11 29
po sufra una avería en un lapso de tiempo dado. Motriz
Consumo de equipos. Número de equipos que dejan ZM I4 60 5 4 47`5.7 7.3 9.4 26 1
de funcionar y deben ser remplazados.
Valor de rescate. Valor económico al cual se venden
los equipos que se retiran de operación. Cada dato se identifica mediante su literal correspondiente
según la ecuación 16.1, con los datos de los valores monetarios en
miles de pesos (M$) y los periodos en años.
La tasa actual de interés bancario es de 24 % anual, ¿cuál op-
MODELOS DE REMPLAZO DE EQUIPOS ción debe elegir el señor Pérez?
CON DESGASTE DETERMINÍSTICO
Solución: lo que debe hacerse es aplicar la ecuación 16.1 a
Estos modelos se utilizan cuando los costos de mante- cada una de las opciones y elegir aquella que resulte con el me-
nimiento se conocen con exactitud y conducen a la selec- nor costo.
ción del equipo cuyo costo por periodo sea el mínimo. Para Para la marca La Económica, se tiene:
la determinación de estos costos deben tomarse en conside-
ración los valores de adquisición y rescate de los equipos, 8
+
9.3 10.8 28
así como los costos anuales de mantenimiento para cada uno 1.24 (1.24)2 (1.24)3 (1.24)4
de ellos, ponderados por la tasa de interés vigente en los
mercados financieros bajo el aspecto del cambio de valor - (45+25.164-11.483)=14.580 M$/año
del dinero a través del tiempo (Kaufmann, 1970). =4
El costo de un periodo para cada equipo puede obte-
nerse por medio de la siguiente ecuación: Para la segunda opción, La Mejor, se tendrá:
Por su parte, para Fuerza Motriz, se obtiene: Para La Económica la sumatoria da:
1
4.8 6.1 m2 771, m4
7.5 m1+ .+ +
3.8+ + + (1+11) (1+4)(1+i2 ) (1+4)(1+i2 )(11-i3 )
1 1.24 (1.24)2 (1.24)3 29
C3=-i 62+ 4
9 11 (1.24)6 8 9.3 10.8
+ =7+ + = 91 s.
(1.24)4 (1.24)5 1.24 (1.24)(1.26) (1.24)(1.26)(1.27)
1 Por su parte, el término correspondiente al valor d
= - (62+23.131-7.978)=12.859 M$/año
6 te será:
Y para ZM, se tiene: R 28
f
(1+i1 )(1+i2 )(1+i3 )(1+i4 ) (1.24)(1.26)(1.27)(1.2
4.7 + 5.7 7.3
4+ + =11.024
1.24 (1.24)2 (1.24)3 26
C4 5 =-L 60+ 9.4 (1.24)5 Por tanto su costo por año es:
(1.24)4
1 C1 = 1 (45+24.847-11.024)=14.706 ~año
=- (60+19.302-8.869)=14.089 MS/año 4
5
Para La Mejor, su sumatoria será:
De los resultados se observa que la opción con el menor cos-
to por periodo es la segunda, es decir La Mejor, razón por la cual 4.6 + 5.5 6.6
el señor Pérez debe elegirla. 4+ +
1.24 (1.24)(1.26) (1.24)(1.26)(1.27)
Una aclaración importante que es conveniente hacer es 7.9 T
+
que hasta ahora se ha considerado que los costos anuales de (1.24)(1.26)(1.27)(1.28)
mantenimiento mi se tienen al principio de cada periodo, es 9
por ello que los costos del primer año no van ponderados por =20.413
la tasa de interés correspondiente, de otro modo deberán (1.24)(1.26)(1.27)(1.28)(1.29) d.
corregirse por el factor inflacionario, según la tasa de inte- El término del valor de rescate es:
rés vigente. si
También se ha supuesto que la tasa de interés es cons- d.
35
tante para cada uno de los periodos, lo que raras veces suce- =8.217 z(
(1.24)(1.26)(1.27)(1.28)(1.29)(1.30) a(
de en la realidad. Si esto no fuese así, habría que ponderar
los costos anuales mediante sus respectivas tasas de interés. D
Por tanto su costo anual será:
Al considerar esto la ecuación 16.1 debe modificarse por la e]
fórmula siguiente: 1 PJ
C2=- (65+20.413-8.217)=12.866 ~año
6
a(
R E
Ck= -1 A -F/ Para la tercera opción, Fuerza Motriz, su sumatoria es:
j1
j=1 (16.2)
0+0 n (11- ik) 4.8 6.1 7.5
k=1 k=0 3.8+ + +
1.24 (1.24)(1.26) (1.24)(1.26)(1.27)
Donde cada ik es la tasa de interés correspondiente al 9
periodo k, haciendo io = 0. (1.24)(1.26)(1.27)(1.28)
Ejemplo 16.2. Si para el ejemplo 16.1 las tasas de interés 11
=22.256
han variado cada año (tabla 16.2): (1.24)(1.26)(1.27)(1.28)(1.29)
1 Tabla 16.3
C4= - (60+18.819-7.936)=14.177 M$/año
5 Año 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Por tanto, la opción de menor costo sigue siendo la segunda, Costo 7 7.5 8 9 10 12 13.6 15 17 19 i 22 26 31 36 42
aunque ahora casi le ha igualado la tercera, la de Fuerza Motriz,
ya que la diferencia entre ambas es de sólo $42. Los costos se han dado en miles de pesos (M$). Si el valor de
adquisición del camión fue de $ 125000 y la tasa de interés ha sido
constante y de 15 % anual, ¿cuándo deberá el señor Hernández
TIEMPO ÓPTIMO DE REMPLAZO remplazar su camión?
DE LOS EQUIPOS
Solución: para resolver este problema se debe calcular para
Una pregunta muy importante que todo administrador cada periodo el valor de al -1 , para luego obtener su sumatoria
desde el periodo inicial hasta el actual; también se estima el valor
debe hacerse es cuál debe ser el tiempo más conveniente
de A +ECjoci-l y por último el cociente de este valor entre la suma-
para remplazar sus equipos. La respuesta a esta pregunta toria de al-1 , lo que se resume en la tabla 16.4.
sólo se basa en el aspecto económico, mediante un análisis
de los costos, es decir, que el tiempo óptimo para el rempla-
zo será aquel periodo para el cual los costos ponderados de Tabla 16.4. Solución del ejemplo 16.3.
adquisición y mantenimiento de los equipos se minimicen. A + /qui -1 /
De hecho el equipo debe remplazarse en el momento para Año C
M$ cej - Ea A + ECioul Zoci
el cual el costo del siguiente periodo sea mayor que el costo 1
El equipo debe remplazarse al final del año 13, ya que para mento dado y se expresa matemáticamente median
entonces sería más caro mantenerlo que remplazarlo, lo cual se ecuación siguiente:
muestra en la tabla en su última columna, al observar que el costo
ponderado del periodo 13 es más bajo que el del 14, de hecho es el n. 1 — n.
valor mínimo de la tabla, lo que indica el tiempo óptimo de rempla- Av =
zo del equipo. Después de ese periodo, el costo de cada año adicio-
nal que se mantenga el equipo irá subiendo indefinidamente. donde:
Avi = Probabilidad de avería de los equipos en el tiem-
MODELOS DE REMPLAZO DE EQUIPO
loj
CON DESGASTE ALEATORIO
Los demás términos ya han sido definidos en el puna)
En la mayoría de ocasiones no es posible conocer con pre- anterior.
cisión el desgaste de los equipos que están en servicio en las
empresas, por ello se considera que éste se da en forma alea-
toria o bien bajo alguna distribución de probabilidad conoci- TIEMPO PROMEDIO DE APARICIÓN
da. Para el estudio de estos casos, enseguida se presentan al- DE LA AVERÍA
gunos temas que es conveniente conocer (Kaufmann, 1970).
El tiempo promedio de aparición de la avería se obtie-
ne por medio de la fórmula siguiente:
CURVAS DE SUPERVIVENCIA Y
MORTALIDAD DE LOS EQUIPOS
tav = jfi (16.8)
Las curvas de supervivencia y mortalidad de los equi- j=1
Por su parte, la función de duración fi se define por la Tabla 16.5. Datos de fusibles en
siguiente expresión: operación respecto del tiempo.
nJ— — n Tiempo, semanas Fusibles en operación
f1 (16.6)
no 1000
1 996
Esta función es el cociente de los equipos que han deja-
do de funcionar en un instante dado j, entre el número ini- 2 989
cial de los mismos. 3 976
Las curvas de supervivencia y mortalidad son las gráfi- 4 950
cas de estas funciones con respecto al tiempo. 5 919
6 877
PROBABILIDAD DE AVERÍA 7 826
8 764
Se define como el número de equipos que dejan de fun-
cionar respecto de los que están en operación en un mo- 9 690
239
Obtener: 1.0
0.6
Solución: con los datos de la tabla se obtendrá, para cada lapso
de tiempo j, la función de supervivencia vi por medio de la ecua- 0.5
ción 16.5; la función de duración fi mediante la ecuación 16.6 y la
probabilidad de avería Avj mediante la ecuación 16.7, las cuales 0.4
se muestran en la tabla 16.6.
0.3
0.2
Tabla 16.6. Funciones de supervivencia, duración
y probabilidades de avería de los fusibles. 0.1
Tiempo, j Supervivientes, n
O 1000 1.0 0 0 5 10 15 20 25 30
1 996 0.996 0.004 0.0040 Tiempo, semanas
v,
1.0
5 10 15 20 25
Tiempo, semanas O
Tiempo
Figura 16.2. Gráfica de la probabilidad de avería.
Figura 16.3. Curva típica de supervivencia
cuando hay un tiempo límite de
Por su parte, la varianza se calcula con la ecuación 16.9, para funcionamiento e para los equipos.
obtener:
e
cr2 =
zs
j2 f - ta,2 = 1 2 (0.004) + 2 2(0.007) + 3 2(0.013) + 42(0.026)
a2=2,
X" .2
f
j jj- tav
2
(16.
j .i
+ 52(0.031) +62(0.042)+ 7(0.051) + 8 2(0.062) + 92(0.074) Siendo O el tiempo límite de funcionamiento para 1
+ 102(0.09) + 11 2(0.0%) + 12 2(0.085) + 132(0.076) equipos.
+ 142(0.07) + 15 2(0.058) + 162(0.046) + 172(0.04)
+ 182(0.032) + 19 2(0.026)+ 202(0.024) + 21 2(0.018) Ejemplo 16.5. Calcular para el problema anterior el tiem-
+ 222 (0.014) + 23 2(0.008) + 242(0.006) + 252(0.001) po promedio de aparición de la avería y la desviación estándar
- (11.906) 2 = 21.747 si se fija un tiempo límite de funcionamiento para los equipos
de 15 años.
Por tanto, la desviación estándar será:
Solución: para el caso se aplican las ecuaciones 16.10 y 16.11
para obtener:
= J 21.747 = 4.663 semanas
ls
tay = jf = 1(0.004) + 2(0.007) + 3(0.013) + 4(0.026) + 5(0.031)
j =i
TIEMPO LÍMITE DE FUNCIONAMIENTO + 6(0.042) + 7(0.051)+ 8(0.062) + 9(0.074) + 10(0.09)
PARA LOS EQUIPOS + 11(0.096) + 12(0.085) + 13(0.076) + 14(0.07) + 15(0.058)
= 10.256 semanas
Cuando se introduce un tiempo limite de funcionamien-
to para los equipos, en la curva de supervivencia vj se pre- a2 =
ls
= 1 2 (0.004) + 22 (0.007) + 3 2(0.013) + 42(0.026)
senta un quiebre vertical hasta llegar a O justo en el tiempo t
= (0.996)(0.004)+(1)(0.007) = 0.0110
pkt = Probabilidad de consumir o remplazar k equi- Para t= 3:
pos a un tiempo t.
vt _i = Función de supervivencia de los equipos en el 3
Illop
, mero k de remplazos a tiempo cero será 0, esto es: 4 0.0498 0.000225
5 0.0804 0.000613
Pk0 = ° (16.14)
6 0.1216 0.0014
Por su parte, la probabilidad de que no haya habido
remplazos a un tiempo t dado cualquiera, será la función de 7 0.1712 0.0028
supervivencia del equipo, es decir: 8 0.2307 0.0053
nt 9 0.3008 0.0091
Pot = "vt =- (16.15)
no 10 0.3848 0.0150
Ejemplo 16.6. Obtener para el caso de los fusibles, las pro- 11 0.4722 0.0234
babilidades de hacer uno y dos remplazos en lapsos de tiempo que
vayan desde una hasta 25 semanas. 12 0.5451 0.0352
Solución: para solucionar este problema, se hace uso de los da- 13 0.6048 0.0511
tos de las funciones de supervivencia y de duración que se tienen, 14 0.6534 0.0716
las cuales se hallan en la tabla del ejemplo 16.4.
110
242
Tabla 16.7. (Continuación.) Para el caso del ejemplo anterior, si se toma un tiempo.
quiera, por ejemplo ocho semanas, de la tabla se tienen los v
Pit P2t res de p i8 y p28:
15 0.6845 0.0973
P18= 0.2307
-1--
16 0.6977 0.1282 P2s = 0.0053
17 É 0.6991 0.1641 Por su parte, la probabilidad de cero remplazos es el valor
18 0.6867 0.2046 de la función de supervivencia para este mismo tiempo, es decir:
22 0.5477 0.3918
pk8 =p08 +p18 +p28 = 0.7640+0.2307+0.0053=1.0
23 0.4958 0.4368 k=0
±
P21= , P1,1-j f = Pulí; = (0)(0.004)=0
i=i
donde:
Para t = 4:
PROBABILIDAD DE CONSUMO
P24 = P1,4- i fi =Puf; +P12f2+P11f3 ±Piof4 DE EQUIPOS USADOS
t +a
Pkt =1 (16.16) vat = (16.18)
k=0 va
243
La función de supervivencia del equipo será entonces 18 0.097 0 0 0
el cociente de dividir su función de supervivencia cuando el
equipo es nuevo, pero ahora recorrida los oc periodos, entre 19 0.071 0 0 0
su función de supervivencia en el momento a. 20 0.047 0 0 0
Por su parte, para la obtención de la probabilidad de k
consumos al tiempo t, se recurre a la ecuación siguiente: 21 0.029 0 0 0
22 0.015 0 0 0
Pkt vt-j fa; (16.19) 23 0.007 0 0 0
i=t
24 0.001 0 0 0
donde todos los términos son los mismos que se habían ve- 25 O O O O
nido manejando para cuando los equipos son nuevos, con
excepción de la función de duración f cg , que se determina
por la siguiente expresión: Se procede ahora a estimar las probabilidades de consumo de
equipos mediante la ecuación 16.19, haciendo p ko = 0.
faj = Va, j-1 - va, j (16.20) Entonces, para t= 1:
1 0.996 0.504
=(0.989)(0.16)+(0.996)(0.142)+(1)(0.126)=0.4257
0.840 0.160
2 0.989 0.419 0.698 0.142 Para t= 4:
3 0.976 0.343 0.572 0.126 4
P14 = li V4- faj = V3fecl ÷ V2fa2 ± Vlfa3 ± yOfa4
4 0.950 0.273 0.455 0.117 7=1
5 0.919 0.215 0.358 0.097 =(0.976)(0.16)+(0.989)(0.142)+(0.996)(0.126)+(1)(0.117
6 0.877 0.169 0.282 0.076 = 0.5391
7 0.826 0.129 0.215 0.067
Procediendo en forma análoga se obtienen los resultados que
8 0.764 0.097 0.162 0.053 se resumen en la tabla 16.9 que se comparan con los obtenidos
para el caso en que los equipos eran nuevos.
9 0.890 0.071 0.118 0.044
10 0.600 0.047 0.078 0.040
Tabla 16.9. Comparación de las probabilidades
11 0.504 0.029 0.048 0.030 de consumo de equipos nuevos y usados.
12 0.419 0.015 0.025 0.023 Pit Pu
13 0.343 0.007 0.012 0.013 t equipos nuevos equipos usados
6 0.1216 0.6936
7 0.1712 0.7433
8 0.2307 0.7735 Curva u,
9 0.3008 0.7866
"•., Periodo de exti
10 0.3848 0.7882 Periodo de uso "k<de equipos
°11 0.4722 0.7702
12 0.5451 0.7363
Periodo Tiempo
13 0.6048 0.6861 inicial
Ahora se presenta un estudio comparativo sobre el rem- Solución: de acuerdo con el procedimiento antes explicado,
plazo de los equipos en servicio, considerando dos posibilida- se calculan, para cada lapso de tiempo j, la S, correspondiente
des: remplazar los equipos en grupo o hacerlo uno por uno para ver en qué momento se satisface la condición de optimali-
(Ackoff y Sasieni, 1979). Esto conducirá a determinar cuál dad señalada por la ecuación 16.29.
es el tiempo óptimo para llevar a cabo el remplazo. Para este caso se tiene:
Sin introducirse en el desarrollo matemático del tema, Ca no = 5200
sólo se presenta la fórmula que establece la condición que (25)=18.57
Ch 7000
debe cumplir el tiempo óptimo de remplazo, la cual es:
Para j= 1, se estima S1 por medio de la ecuación 16.30:
Una máquina puede hacer el trabajo de 50 hombres simulación, y se presentan algunos casos en los que se apli-
ordinarios, pero ninguna es capaz de ca el proceso de simulación con el fin de ilustrar al lector
realizar el trabajo de un hombre de una manera apropiada sobre el tema, razón por la cual
extraordinario. estos casos se solucionarán en forma manual, explicando
con detalle cada paso.
ELBERT HUBBRRD
DEFINICIÓN Y CARACTERÍSTICAS
INTRODUCCIÓN DE LA SIMULACIÓN
En este capítulo se trata la simulación, que en las úl- La simulación puede definirse como la representación
timas décadas ha visto aumentar su uso y pop I 1 m-idad de de un fenómeno que sucede en el mundo real mediante un
una manera impresionante dentro de los ámbito __idustrial modelo matemático que iguale los resultados obtenidos con
y comercial, debido en buena medida al gran deba rollo de éste a los valores reales (Davis y McKeown, 1986).
las computadoras, que constituyen una herramienta valio- La simulación es muy útil para el administrador, ya que
sísima para la aplicación de esta técnica. con la ayuda de una computadora es posible dar seguimien-
La simulación puede aplicarse a casi todas las áreas de to a procesos similares a los que suceden en la vida real, con
cualquier empresa, como planeación corporativa, finanzas, la gran ventaja de que no se corren riesgos, se evitan peli-
contabilidad, personal, producción, mantenimiento, inves- gros y se ahorran gastos y tiempo, lo cual resulta; muy con-
tigación y desarrollo, ventas, mercadotecnia, ingeniería y veniente para el investigador, quien además puede anali-
otras (Meier y cols., 1975). zar las relaciones de causa-efecto del sistema que se está
En cuanto a la investigación de operaciones, la simula- estudiando y con ello evaluar su comportamiento , ante va-
ción puede aplicarse al estudio de sistemas de líneas de es- riaciones en sus principales parámetros operativos y de di-
pera, modelos de inventarios, juegos de negocios, modelos seño, lo que le dará una mejor visión de la situación. Por ello
de inversión, flujos de efectivo, análisis markovianos, toma la simulación también puede usarse para el diseño de equi-
de decisiones y a todos los eventos que sean probabilísticos. pos, procedimientos y sistemas operativos de las empresas,
En este capítulo se presenta en primer término la defi- lo que redundará en un incremento de su productividad.
nición de la simulación, sus características y usos más im- La simulación puede ser determinística si la informa-
portantes y las etapas de que consta el proceso; se tratarán ción que se maneja se conoce con precisión, o bien proba-
las partes que conforman un diagrama de flujo y la manera bilística o estocástica si los datos con los que se cuenta son
de elaborarlo; se verán algunos métodos para generar nú- de tipo probabilístico.
meros aleatorios; se incluye la metodología de Montecar- La simulación no consiste en teoremas ni leyes físicas,
lo, que desempeña un papel relevante en el proceso de la es más bien un proceso aplicado a mejorar sistemas exis-
251
252 CAP. 17. SIMULACIÓN
tentes o diseñar nuevos, mediante la experimentación y el modelo, que consiste en definir los procedimientos lógicos
análisis de los resultados obtenidos con ella. Es un proceso y matemáticos del problema, así como la forma como van a
descriptivo, no normativo, que en general lleva a solucio- manejarse los datos. La etapa siguiente es la de la validación
nes que aun cuando no sean las óptimas, se puede tener la del modelo, que consiste en verificar que éste reproduzca
certeza de que estarán muy próximas a ésta, lo que lejos de fielmente la realidad, si esto no se consigue deberá replan-
representar una desventaja es lo contrario, ya que habrá tearse el modelo, en caso contrario se va a la siguiente etapa,
casos para los cuales los procedimientos matemáticos no que es la fase experimental, donde deben definirse las va-
brindan una solución analítica, siendo la simulación la úni- riables que van a ser investigadas; cuando esto se ha conse-
ca opción viable para el administrador. guido, la etapa final es la del análisis de los resultados, para
Es importante señalar que para que la simulación sea de aquí sacar las conclusiones pertinentes del caso, revi-
confiable, será necesario validar el modelo, esto significa com- sando si se alcanzaron los objetivos planteados desde un
parar sus resultados con valores reales conocidos, con el fin principio (Gallagher y Watson, 1992).
de confirmar el grado de aproximación entre unos y otros
(Hillier y Lieberman, 1991).
Todo ínodelo de simulación maneja eventos que van DIAGRAMAS DE FLUJO
teniendo lugar a medida que el tiempo transcurre, para ello
se incluyen incrementos de éste, que pueden ser de dos ti- En todos los procesos de simulación es conveniente in-
pos: fijos, también conocidos como secciones de tiempo, y cluir un diagrama de flujo que indique el procedimiento que
variables o de secuenciación de eventos. Los primeros de- se sigue paso por paso.
ben utilizarse con incrementos de tiempo pequeños para Un diagrama de flujo es una representación gráfica del
poder lograr buenos resultados, esto aumenta el número de proceso que se efectúa para lograr un objetivo, como puede
cálculos requeridos para resolver cualquier problema dado. ser el simular un problema cualquiera. La figura 17.1 es un
Por su parte, los segundos son los más empleados en la si- ejemplo de diagrama de flujo para señalar las etapas gene-
mulación y van registrando cada uno de los eventos que rales de simulación.
acontecen, sumándole al reloj los lapsos de tiempo necesa- Todo diagrama de flujo se compone de varias partes:
rios para llevarlos a cabo (Fishman, 1978).
Otra característica de los modelos de simulación es que • Etapa de inicio o terminación del proceso o algorit-
entre mayor sea el tamaño de la corrida, los resultados se- mo, que se representa mediante círculos.
rán más confiables. El tamaño de una corrida se define por • Etapas de ejecución, que consisten en llevar a cabo
el número de iteraciones, siendo una iteración cada incre- una operación o actividad bien definida. Éstas se se-
mento de tiempo para el caso de los modelos de incremen- ñalan por medio de rectángulos.
tos de tiempo fijos, o bien cada evento para los de incre- • Etapas lógicas o de decisión, que al resolverse positi-
mentos variables. Todo modelo muestra en sus primeras va o negativamente, de ello dependerá el curso de
iteraciones efectos transitorios, durante los cuales los valo- acción que se tome, pudiendo ser el volver a una eta-
res de las variables estudiadas oscilan de una manera con- pa anterior o bien proseguir con el procedimiento.
siderable, tendiendo a estabilizarse a medida que las itera- Suelen representarse por medio de rombos.
r4
ciones se van sucediendo. Por ello es conveniente utilizar
un número adecuado de ellas al efectuar la corrida, lo que
no representa un gran problema, debido a la aparición en Inicio Definir el
los últimos años de computadoras cada vez más potentes y problema
para las etapas subsecuentes y especificar los límites y al- Figura 17.1. Diagrama de flujo de las etapas de la
cances del caso. Luego viene el paso del planteamiento del simulación.
GENERACIÓN DE NÚMEROS ALEATORIOS 253
• Conexión entre las etapas, la cual se hace median- satisface de mejor manera las pruebas de aleatoriedad en
te flechas que indican el sentido del flujo de las ope- comparación con el del cuadrado medio.
raciones.
Algunos autores incluyen etapas de entradas y salidas Método del cuadrado medio
de información del proceso y las representan con paralelo-
gramos, en la figura 17.1 éstas no se han incluido (Gallag- Consta de los siguientes pasos (Davis y McKeown,
her y Watson, 1992). 1986):
Como se puede ver, un diagrama de flujo para una si-
mulación es muy parecido a los que se utilizan para los pro- 1. Definir el número de dígitos que tendrán los valores
gramas computacionales. aleatorios de la serie que se va a generar. A este nú-
mero de dígitos se le denotará n.
2. Elegir al azar el valor de la semilla o número aleato-
GENERACIÓN DE NÚMEROS rio inicial, que deberá ser de n dígitos.
ALEATORIOS 3. Elevar al cuadrado la semilla, este resultado por lo
general será de 2n dígitos. En caso de que el núme-
En este punto se hablará de los números aleatorios, ro de dígitos no contenga 2n valores, se le agregarán
que desempeñan un papel muy importante en la metodo- ceros a la izquierda hasta completar dicha cantidad.
logía de Montecarlo, que se describe más adelante. 4. Del número obtenido en el paso anterior, se toma-
Un número aleatorio es por naturaleza un número que rán los n dígitos centrales, siendo éste el nuevo nú-
se elige al azar entre un universo de posibilidades de tama- mero aleatorio.
ño previamente definido. Por ejemplo, si se deseara selec- 5. Con este número aleatorio se regresa al tercer paso
cionar un número aleatorio entre 10 posibilidades totales, para generar el siguiente valor de la serie. El algorit-
podrían hacerse 10 trozos de papel, cada uno con un núme- mo se repetirá tantas veces como sea necesario para
ro distinto, introducirlos en un recipiente y sacar al azar uno generar la cantidad suficiente de valores según se
de ellos, técnica conocida como números en un sombrero. Sin requieran.
embargo, para la simulación de casos se requieren grandes
cantidades de valores aleatorios, los cuales se generan me- Ejemplo 17.1. Generar mediante el método del cuadrado
diante dispositivos especiales, como es el caso de aleatoriza- medio 20 números aleatorios de cuatro dígitos, con el valor de 864
dores electrónicos; también existen tablas de números alea- como semilla.
torios que incluyen gran cantidad de ellos, como la tabla de
la Random Corporation, que consta de un millón de dígitos Solución: conforme al procedimiento antes señalado, los dos
(Davis y McKeown, 1986). primeros pasos ya están definidos en el planteamiento del pro-
No obstante, ni los dispositivos especiales ni las tablas blema, siendo n = 4 dígitos y la semilla 0864, y conforme al tercer
son lo más adecuado para efectuar la simulación en compu- paso se debe elevar la semilla al cuadrado, para obtener:
tadoras personales, ya que los primeros requerirían de adap-
taciones especiales para su instalación, y las segundas ne- (0864)2 = 746496
cesitarían un espacio muy grande en memoria para poder
ser almacenadas. Este número es de seis dígitos, por lo que de acuerdo con el
Por ello se han desarrollado métodos específicos para la cuarto paso, se le agregan dos ceros a la izquierda para completar
ocho, que es el valor de 2n, quedando entonces:
generación de números aleatorios, los que mediante un al-
goritmo producen una serie de números que deberán pasar 00746496
las pruebas respectivas de aleatoriedad, como el ser estadís-
ticamente independientes y tener una distribución de pro- De éste se toman los cuatro dígitos centrales, como quedó
babilidad uniforme. establecido en el quinto paso, por esto el nuevo valor aleatorio
Hay dos métodos que son muy conocidos para la ge- será 7464.
neración de números aleatorios: el del cuadrado medio, De aquí se vuelve al tercer paso, elevando este valor al cua-
desarrollado por Von Neumann en 1946, y el congruencia!, drado, para obtener:
que fue propuesto por Lehmer en 1959. Estos algoritmos
inician con un número cualquiera denominado semilla y (7464)2 = 55711296
van calculando el valor siguiente a partir del inmediato
anterior, es por ello que a los números generados de esta El que es de ocho dígitos, por lo cual se toman los cuatro de la
manera suele llamárseles seudoaleatorios, ya que pueden parte central, siendo el nuevo número aleatorio 7112. Si se conti-
predecirse. núa con el algoritmo, se obtienen los 20 valores que se listan en la
De estos dos métodos es mejor el congruencial, ya que tabla 17.1.
254
Tabla 17.1. Números aleatorios obtenidos de cuatro dígitos. para el caso que b sea cero, da lugar a los métodos congruen-
0864 7204 5645 6098 —1 ciales multiplicativos; mientras que cuando a= 1 y b es dife-
rente de cero, se trata de los métodos aditivos; por último, si
7464 8976 8660 1856 a y b toman otros valores cualesquiera, aparece el método
7112 5685 9956 4447 mixto. Por su parte, el valor de M suele definirse como una
5805 3192 1219 7758 potencia entera de 2, dependiendo del tipo de computadora
6980 1888 4859 1865 que se utilice para la generación de los números aleatorios.
Entre los métodos congruenciales más conocidos se
encuentra el de Learmouth-Lewis, que se basa en la siguien-
Este método no es muy conveniente, ya que suelen ocurrir te ecuación:
repeticiones y ciclos para series de valores que no son muy gran-
des; para el ejemplo que se ha resuelto, si se hubiesen seguido X, = (75Xi_1 )(Módulo 2 31 -1) (17.2)
generando más números, se obtendrían los valores que se indi-
can en la tabla 17.2. Esta fórmula da resultados muy satisfactorios que cum-
plen con las diversas pruebas estadísticas, razón por la cual
Tabla 17.2. Valores siguientes de la serie de la tabla 17.1. se recomienda ampliamente.
En el ejemplo siguiente se presenta una ilustración
4782 5980 6685 5600 3600 simple para generar números aleatorios mediante un mé-
8675 7604 6892 3600 9600 todo congruencial.
2556 8208 4996 9600 1600 Ejemplo 17.2. Calcular, utilizando la misma semilla del ejem-
5331 3712 9600 1600 5600 plo anterior, 20 números aleatorios mediante el método congruen-
4195 7789 1600 5600 3600 cial con valores de a=5, b = 3 yM= 2 10 = 1024.
Tabla 17.4. Valores recomendados de a y b para el En éste se construye una gráfica en la que se coloca en
método congruencia'. el eje de las abscisas la variable aleatoria de la que se van a
a generar los valores, y en el de las ordenadas la probabili-
1 1 dad acumulada para la cual aplica cada uno de los valores
5 3 de la variable aleatoria. Esta probabilidad acumulada será
válida en un intervalo que irá desde el valor superior del
9 5 intervalo inmediato anterior, hasta el nivel de probabilidad
13 7 acumulada que corresponde a cada valor de la variable alea-
17 9 toria. Para el caso del primer valor de ésta, se tomará el in-
21 11 tervalo desde O hasta el valor de su probabilidad acumula-
da, que será igual a la probabilidad individual (Davis y Mc-
25 13 Keown, 1986).
29 15 Por esto la representación gráfica irá aumentando en
forma escalonada para los diferentes valores de la variable
aleatoria, como se verá al solucionar el ejemplo 17.3.
Incluso los pares de valores de ay b pueden aumentar- El procedimiento de Montecarlo para este enfoque
se a cantidades mayores si así se requiere, pero bajo la su- consta de los pasos siguientes:
cesión que se puede observar en la tabla anterior, en la que
a aumenta su valor en cuatro unidades cada vez, mientras b
lo hace en dos unidades. 1. Generar un número aleatorio, que se toma con los
Es conveniente señalar que el método congruencial no dígitos que contenga como la fracción entre O y la
tiene el mismo funcionamiento para cualquier grupo de va- unidad respectiva.
lores de a, b y M. 2. Con el valor obtenido en el paso anterior, se entra a
Hoy día la mayoría de fabricantes de computadoras la gráfica por el eje de las ordenadas deslizándose
ofrecen paquetes de programas generadores de números paralelamente al eje de las abscisas hasta el escalón
aleatorios que están disponibles para aplicaciones de simu- de la línea que corresponda.
lación. 3. Al llegar al escalón del paso anterior, se desliza aho-
En el apéndice se incluye una tabla con 500 números ra hacia abajo paralelamente al eje de las ordenadas
aleatorios de cuatro cifras cada uno, la cual se utilizará en la hasta alcanzar el eje de las abscisas.
resolución de los casos de simulación que se presentan en 4. Se obtiene el valor de la variable aleatoria leyéndo-
este capítulo. lo en la escala del eje de las abscisas.
Probabilidad
acumulada Enfoque de transformación
matemática
1.0
Este enfoque es el más adecuado para utilizarse en si-
mulaciones por computadora, ya que se aplica para aque-
0.8
llos casos en los que la variable aleatoria de la que se van a
generar valores está definida por una función de distribu-
0.6 ción de probabilidad continua (Fishman, 1978).
Lo que se hace es obtener la función de probabilidad
0.4 acumulada para la variable aleatoria, lo cual se logra al in-
tegrar la ecuación de la función de probabilidad; luego la
0.2 función de probabilidad acumulada se iguala al valor del
número aleatorio generado y de esta expresión algebraica
se despeja la variable aleatoria.
Este procedimiento matemático se efectuará para el
850 900 950 1000 1050 1100 1150 caso de algunas de las funciones de probabilidad continua
Volumen de ventas más usuales en el ámbito de la investigación de operacio-
Figura 17.2. Gráfica de las ventas vs. la probabilidad nes, como la distribución uniforme, la exponencial negativa
acumulada. y la normal.
En el último renglón de la tabla se han sumado los totales de Solución: mediante la lectura de números aleatorios tomados
cada columna simulada, donde se observa que de las 25 visitas de la tercera columna de la tabla del apéndice, éstos se converti-
en 13 de las ocasiones han contestado el llamado del vendedor a rán en un número del dado, como éste tiene seis caras, que son
la puerta, habiendo sido tres veces un hombre y 10 veces una mu- igualmente probables, suponiendo que el dado no esté defectuoso,
jer. En estas 13 respuestas, en siete de las veces se ha logrado la entonces para la transformación se toma como base la tabla 17.8:
venta, siendo los artículos vendidos, tres juegos de cubiertos y
cuatro baterías, lo que ha significado para el vendedor una ganan-
cia de $ 3050. Tabla 17.8
En este caso los resultados analíticos hubieran sido distintos,
ya que de las 25 visitas, responderían a la puerta 11.25 veces y las Rango de números Número
13.75 restantes no. De estas 11.25 respuestas, 3.375 sería un hom- aleatorios simulado
bre y 7.875 veces una mujer. De las salidas de hombres a la puer- 0001-1666 1
ta, se lograría la venta en 0.675 veces y de las mujeres en 3.15 oca- 1667-3333 2
siones, con lo que habría una venta en 3.825 ocasiones. Por últi-
mo, de estas ocasiones de venta, serían 1.72 juegos de cubiertos, 3334-5000 3
1.34 bateriás y 0.765 vajillas, para una ganancia de $2037. 5001-6667 4
Con esto es posible ver que los resultados analíticos no son
6668-8333 5
muy parecidos a los obtenidos con la corrida de simulación, lo
cual se debe en esencia al bajo número de visitas simuladas, ya 8334-0000 6
que si el número de ellas se incrementara, los resultados se pare-
cerían más a los analíticos.
Con esta tabla de transformación es posible iniciar el juego. El
Ejemplo 17.6. Caso de un juego de apuestas. Un juego de primer número aleatorio de la tercera columna de la tabla 17.9 es
apuestas se define de modo que se lanza un dado hasta en 15 oca- el 4446, que corresponde a una tirada de un 3 del dado, que es un
siones. Para que el jugador A gane, necesita que antes de ese nú- número non; el siguiente número aleatorio es el 6427, que corres-
mero de lanzamientos salgan cuatro veces consecutivas núme- ponde a un 4, que es par; el siguiente número aleatorio leído es el
ros nones o pares, de lo contrario perderá esa serie. Simular cinco 5902, que representa un lanzamiento de un 4, que también es par,
series del juego. teniendo con éste dos pares consecutivos; se lee el número 0318,
Primera serie Segunda serie Tercera serie Cuarta serie Quinta serie
Lanza-
miento Núm. Núm. Núm. Núm. Núm. Núm. Núm. Núm. Núm. Núm.
aleatorio del dado aleatorio del dado aleatorio del dado aleatorio del dado aleatorio del dado
4446 3 nio,4
A
6 4890 0927 3768 3
2 6427 4 2161 2 9776 6 7016 5 2195 2
3 5902 4 3694 3 2229 2 4141 3 3828 3
4 0318 1 6072 4 2966 2 4020 3 1475 1
5 5901 4 8224 5 0140 1 3216 2
6 3044 2 1455 1 4011 3 6002 4
7 1699 2 1443 1 7544 5 3188 2
8 5783 4 6255 4 1074 1 1513 1
9 6251 4 6474 4
10 1108 1 8907 6
11 5595 4 7463 5
12 14.5b 1 9956 6
13 4637 3 6363 4
14 6472 4 5897 4
15 0933 1 8300 5
Result. Gana A Gana B Gana A Gana A Gana B
CASOS DE SIMULACIÓN 261
que se transforma en un 1 del dado, siendo non, con lo cual se rom- Por tanto, su llegada será al tiempo del cliente anterior más
pe la racha que se llevaba de números consecutivos; el siguiente este nuevo valor, es decir a las 7:06.09, por lo que B llegará a la caja
valor aleatorio es el 5901, que corresponde al número 4 del dado, del establecimiento antes de que salga A, y será el primer cliente
siendo par; sigue el número aleatorio 3044, que corresponde al 2 en la línea de espera.
del dado, siendo par también; viene el número 1699, que se con- Para este cliente, su tiempo de servicio se estima de la misma
vierte en un lanzamiento de un 2 del dado, siendo el tercer par manera, con el siguiente número aleatorio de la segunda colum-
consecutivo; el siguiente valor aleatorio es el 5783, que represen- na de la tabla correspondiente, para obtener:
ta una tirada de un 4 del dado, siendo el cuarto par consecutivo
en ocho tiradas, por tanto esta primera serie de apuestas la gana 60
X=-- ln (0.8234)=0.97 min
el jugador A. 12
Si se continúa con las series restantes se generan los resul-
tados que se sintetizan en la tabla 17.9, en la cual se observa que Sólo que el cliente entrará a la caja tan pronto como haya sa-
al cabo de las cinco series simuladas, el jugador A ganará tres de lido el anterior, es decir, a las 7:07.27, saliendo de ella al tiempo
ellas y el B las otras dos, por tanto el resultado neto será de una obtenido mediante la suma de este último valor más el tiempo de
serie a favor del jugador A. servicio estimado para B, es decir, 7:07.27 + 0.97 = 7:08.24. Por
tanto, B tendrá que esperar un tiempo igual a la diferencia de su
Ejemplo 17.7. Caso de líneas de espera. Simular la línea tiempo de entrada al servicio menos el tiempo de su llegada al ne-
de espera para los primeros 50 clientes en el caso del Minisú- gocio, es decir, 7:07.27 — 7:06.09 = 1.18 min.
per de Rioverde visto en el ejemplo 13.5, para X, = 9 clientes/h y Si se continúa con este procedimiento y se colocan los resul-
= 12 clientes/h, y comparar los resultados con los analíticos. tados en forma tabular, se generan los valores que se presentan en
la tabla 17.10, de la cual puede seguirse el curso de la simulación
Solución: para simular un ejemplo de este tipo de línea de es-
con facilidad. En ella se han puesto en un mismo renglón el tiem-
pera M/M/1, se utiliza la ecuación de transformación, 17.11, dada po de servicio de los clientes y el de llegada del cliente siguien-
para la distribución exponencial, con la cual se generarán a partir te, con objeto de programar en el reloj simulado el primer evento
de números aleatorios los tiempos entre las llegadas de cada clien- que suceda, que puede ser la llegada del próximo cliente o la sa-
te, así como los tiempos de servicio. Esta ecuación adaptada al lida del cliente actual.
ejemplo es la siguiente: En esta tabla, el tiempo de la siguiente llegada de un cliente
60 será la suma del tiempo de llegada del cliente anterior más el tiem-
x= ln r po entre llegadas generado para el cliente; mientras que el tiempo
X, o 1.1 de salida del servicio es la suma del tiempo de servicio más el tiem-
po de entrada al mismo; por su parte, el tiempo que permanece un
donde X será el valor del tiempo entre llegadas o de servicio, se- cliente en la línea de espera se obtiene restándole al tiempo en que
gún se use en el denominador 7v o pt; por su parte, el 60 del nume- dicho cliente entra al servicio el tiempo de su llegada al negocio.
rador es para convertir los tiempos generados de horas a minu- En la tabla 17.10 también se ha incluido en la última colum-
tos, y r será el número aleatorio tomado de la tabla respectiva del na el suceso que originó algún cambio en el sistema, ya sea que se
apéndice: de su primera columna para los tiempos entre las llega- trate de la llegada de un nuevo cliente o bien de la salida de un
das de los clientes y de la segunda para los tiempos de servicio. cliente del establecimiento.
Estos valores aleatorios se tomarán como fracción de la unidad También es posible estimar los tiempos promedio de servi-
para su utilización en la ecuación anterior. cio mediante el cociente de la sumatoria de los tiempos de todos
Bajo esta situación, se procede a efectuar la simulación de la los clientes entre el número de ellos, lo cual da el siguiente valor:
línea de espera, para ello se toma el primer número aleatorio
de la primera columna de la tabla citada, para obtener: 255.07
= 5.10 min/cliente
60 60 50
X=-- ln r = -- ln (0.4764)= 4.94 min
9
El número de clientes promedio en la línea de espera se ob-
Por tanto, si el negocio abre sus puertas al público a las 7:00 a. m., tiene sumando los minutos de 0, 1, 2, 3, 4 y 5 clientes . nla fila.
el primer cliente, al que se llamará A, llegará a las 7:04.94 horas.
El tiempo de servicio se estima tomando el primer número
aleatorio de la segunda columna de la tabla, para obtener: Número de clientes en Tiempo,
la línea de espera min
60 0 136.86
ln r=-- ln (0.6279)=2.33 min
12 94.86
Por tanto, si el cliente llega a las 7:04.94 a la caja y se le da 2 34.62
servicio en 2.33 min, saldrá a las 7:07.27 horas. 3 13.99
Para el segundo cliente, B, se toma el siguiente número alea-
torio de la primera columna para obtener: 4 1.40
5 0.32
60
X =-- ln (0.8416)=1.15 min Total 282.05
9
• ••~~~~ • • ~~~~ •
~~ • •
•
262
ct Its C_) —
< U
rt cc> c.:1 cu Cd
o Cd 70 a) 0 a) 7,5iO id 6J c1) 7»e 7,1 ci-) CI)
CU c.)
7
Cd
34)
0 --'
°2 61 (1'!) 02
1.1.J ,11 eD C/D Ct cn CID cn cn (1) • Ci) 7_11
CO c CC in CT,
I O S: I I I 0 ~ go 1 O
N I CC
4 4 ir; 4 4
...., O
O 1... L1-1
O a) I P:1 1 L.1-1 i
O 0 O., ti
v..
C..3 0
o
Tabla 17. 10. Simulación de la línea de espera del minisúper de Rioverde.
O, Ú Ce) N- 0 NI 4 CO CO CO 0 4 en 1 --
EI Cn 0 CV 1 1 i In CV ir) 1 I COI 0). N. O 1 I el I CO I L----
O O CV c; cn oc; N o-; in O N ce; ,r) c"") in
E-,
O .0 O ,--, OZ) in 4
1.. r. -O 0-, O c")
N o O R. M R. NI COI N. O cO 4.
,E z:2 t i N N N 1 1 1 00 r-) 4 1 N e-1 ce, 1 4 1 I 100
CO CO in .--, CO •—■ M co CO Cc) d
O d.
,__O. 0 O
,Ci " 51 ''''
0 d 0 d O O O O O 0 O O O
1 ce Cse o rq
CC r`l
I cc;
Cc)
I cn 1r)
1 ir;
C‹-1
R cc ciS
O
N tr) ,r+ in
E -tz in o ',,t" .4 4 1
O
1 (7) LO
1-1 ~ cz:3 C5
r-i
E-,
O .0
'1'
• CO 4 o O CD Cr, O
c., 2 Lo N CV O CO Cc) •-•1 v-›
4 4 00 tr) I I CO 1 N Cr, lr) 1 cp
cc o-) en 0") CO CC C",1
(1,
O c5 O ó O O O O O O CD O O
C_) U.1 1 1 O 1 O.
o c.> 1 <C U 1 ti I —1
~ zr•
o
0 4 o CO R 4 1 en 1---• 4 LO C:1") CO R 0 0> ,-- ■ u-) c"-.) cr, c-,1 ni-, r-) CO oo n
•ES' ri O 01 0 4 N N "'t CO.
,--, N •-■ ML--- Cr, 4 CO C,) CO CO U--0 N Cr. N CV .4
p, c:5 4 CD CO R. CO ,-. en CO R. ri 4 ...-, cn in ,r; oó Oc © —, c,i r-; kr"; ,--" r-i
tz4 1 O O 0 O 0 0 4 4 4 4. CV r‘i M. en en en en c,..? 4 4 4 4 4 u") tr) ir)
r- : t:-.: t- N r- R. R R. N- R .. R. R: R.: R.: R.. R. R.. c-- R. l 1-- 1-1-: r-: 1--: t-: R R:
263
c'")LID CC
CO CO Cr, co r‘a CO
1 O I O 1 el ‘1.) • 0 1 0
01 VS N: rxi
1-1 ■.L.1
rM CO 00 co en tr) CO N
d' cD d'r,:n co ■.r.) 5 N. co O O
co 4 1 in 5 O exi 1 1 co ó 1 N- 1 1 c 1 1 N:. 1 O u-) 1 O
O cq N 4. 4, in C,1 r•I tn
á.; O
co co co C co d.; dr; C; ej, CS1 dr; O)
N■I
co ra
kr) N. 5 5 .1. ■ di N O
Lz. 1 r I o 4■ oo •
C O
cd ó 1■1
.40/
csi I en
co (.0
00 N. co LC)
Le-) O
1 I •I N N •
' C5 r-i
O O ó =S O O C; O O
1 1 1 cn 1 1 >< N
cn 3 N
en
co C) ,-. Lo ■-r) cr, kl-') (` N. N(.0 0 0 co CO CO r") co tr)
r--. co en O cp en o CO <3. Cr, ts- 07, ' -r) r-- ..-‹ le) "I" Cr) CO t--. CC cr, O <-1:1
Lci oc5 en u-; •T1:I 4 v.) CD co © co © 4 4 N.: M O O
u.)
o o o Ncm cm ' cm en 4 ■ Ir) u.) o o o ,, ,-. e-1 N e-4 c., c‘i kr)
oo co co co co &S co co SS co co ca.<5 co o 5 5 5 5 5 O) 5 O) e; O) O) O) O
r.
264
C.D
aa
■—•
aa)
z r.
a)
o Z 12".
En
CU eJ
Ci) C/D
-01)
2
cct
0,1)
CL) ea
UD
oí)
U)
0.0
cll0,I)
a'
■
„,
0/D
1-)
0/D pID
a) CU vi
CI)
e) •=1
c•-) N oc) Ib
CO cr) •ct, O vD
oD O CDC 1 1 I I o CT5 I M 1 I 1 C7, L.0. 1
cr,
cei -2 LO ct0 cc;
O
LYi C/D tC
•,gu'' Cu 0
, u)
x •—•
C/) C/D
rsi M O) LO CO CV CV
vz tr) •ct, 00 CO
, 0; en
I L,55, I `&11,' ce) 4 4. ir) in o o
O O -- - X X
CC N- CV LO un N. LO O O U) 1
'l' O kr) 00 cc
LID O M O)1
00 n cv O Cr, cr' ri Ir) O
0 0 0 O •-■
O O
co CV CO O Cr, LO
E I O 1 CC ■-■
I I Lf"? 1 M Ce) O 1 1 4 ce)
c.; O Cc; (.6
a)
a) O 0
CS
•ct' O co
LO e.,1 in
—, .4 C.
--,
V)
en
CM
cr, co
N. LID
— O) co
Ce ,I. CM
in cq 1 .-, .
CO CO ; r,
1 ,
Ó en
O 1 .-c) c‘i tr)
r-- 1 1 CZ Cr, ,P 1 en
1--1
1
CM
1 '-r)
'TI.'
"71-'
in
1 ",-r C, C., 1 .-.I
LO
C. 1 S.
(--.1 ' -4
'0 o M .--:
O O o O © d cz; O o O 1 O
O
Ó
7:1
ed
ed
t--. , c") Lic
[—I o o ri O
c:r) •-) CY? O CV
Cc)
IC) ,
IC)
CC Cr) 00
E -czt ,
E i CS; 1 1r)
C; •-I
,. , I
i en
= CM
i 1 C) 1 ch Cd
cn
00. Ce;
e•-) c,-) 4
Cc) Cr)
e±i
0 .>
,... ,
CD 1.r) , ",Zr C,C CO
1:1:i i ce) 1r). 1 I 1 • , . 1 c‘i 1 C•1 CO
o o tuD ceS Lo 4 O ■-■ O 0 0
Lo
1 .."..-: 1-' -9:1
--,
1
Z 0 C/D I H > 1 M
, •-■
1
C7 x
(54.1)(0)+(227.95)(1)
= 0.808 clientes Para los tiempos de entrega se dispone de la siguiente infor-
282 .05
mación (tabla 17.13):
Por último, en la tabla 17.11 se presentan estos resultados
para los 50 clientes del caso, comparándolos con los valores analí-
ticos, así como con los resultados para 2500 clientes que se han Tabla 17.13
obtenido mediante un programa de computadora. Rango de probabilidad
Tiempo de entrega,
semanas Probabilidad acumulada
Tabla 17.11. Comparación de los resultados de la simulación 2 0.25 0.0001-0.2500
con los valores analíticos.
3 0.50 0.2501-0.7500
Resultado Resultado del
Resultado del caso con caso con 2500 4 0.20 0.7501-0.9500
Parámetros analítico 50 clientes clientes 5 0.05 0.9501-1.0000
Clientes en espera 2.25 0.76 2.36
Tiempo promedio en 15.0 6.02 15.15 Sus costos por los diferentes conceptos son:
espera
Tiempo promedio de 5.0 5.10 4.95 Conservación del inventario = 20 $/estufa semanal.
servicio Faltantes = 2000 $/faltante.
Clientes en servicio 0.75 0.81 0.77 Colocación de pedidos = 6000 $/pedido.
Clientes totales 3.0 1.57 3.13 Los pedidos se hacen los fines de semana y se reciben el fin
Tiempo total en el 20.0 11.12 20.10 de la semana correspondiente según el tiempo de entrega. La
sistema
cantidad económica de pedido es de 90 estufas.
Simular el manejo del inventario para puntos de renovación
del pedido de 48, 60 y 72 estufas y determinar cuál es la mejor
En esta tabla se aprecia cómo los resultados para los 2500 opción, comparando los resultados con los valores de la solución
clientes son más similares a los valores analíticos que los corres- analítica.
pondientes de los 50 clientes del caso, esto se debe a los efectos
transitorios iniciales, que siempre están presentes; por tanto, se Solución: para este problema habrá tres corridas, una para cada
recomienda que casos como éste se manejen con un número ade- punto de renovación del pedido planteado. En cada caso, lo que se
cuado de clientes, con el fin de que los resultados obtenidos sean hará será simular la cantidad de estufas en existencia, para lo cual
representativos de la realidad (Fishman, 1978). Aun cuando esto será necesario generar números aleatorios, tanto de las demandas
sería muy tedioso de efectuar en forma manual, no representa un como de los tiempos de entrega, mediante la metodología de Mon-
gran problema si se cuenta con una computadora; el hecho de ha- tecarlo, bajo el enfoque tabular, por ello en las estadísticas anterio-
ber resuelto el caso de esta manera ha sido con fines ilustrativos. res se han agregado los rangos de probabilidades acumuladas para
cada demanda y cada tiempo de entrega, luego se irá simulando
Ejemplo 17.8. Caso de inventarios. La Mueblera Rioverden- cómo cambia la cantidad de estufas en inventario, debido a las de-
se está considerando manejar sus inventarios bajo el modelo del mandas de las semanas que van transcurriendo, cada una de las cua-
266 CAP. 17. SIMULACIÓN
les se generará mediante un número aleatorio, hasta llegar al nivel el inventario promedio de (74 + 58)/2 = 66 unidades, ocasionan-
del punto de renovación del pedido, donde una vez alcanzado éste do un costo de conservación de 66 x 20 = $ 1320 y otra vez no se
se hará otro pedido, generándose el tiempo de entrega respectivo coloca pedido.
mediante otro número aleatorio, calculando los costos por los dife- Para la tercera semana el número aleatorio que sigue es el
rentes conceptos, como son los de conservación del inventario, fal- 0.5902, que corresponde a una demanda de 16 estufas, por lo que
tantes y colocación de pedidos. la existencia de las mismas será al final de la semana de 42 uni-
El tiempo se manejará en semanas, tomándose como plazo de dades, siendo el inventario promedio de 50 estufas, con un costo
tiempo para cada corrida de simulación el de un año, o sea 52 se- de conservación de $ 1000. Al final de la semana la existencia es
manas, iniciando en la semana O con una existencia igual a la can- menor que el punto de renovación del pedido, por lo que debe co-
tidad económica de pedido, es decir, 90 estufas. locarse un nuevo pedido, incurriendo en el costo respectivo de
Para cada corrida se hará una tabla, en la cual se colocarán en $6000, mientras que para obtener el tiempo de entrega correspon-
cada renglón una semana del tiempo, y en cada columna la de- diente, se toma de la cuarta columna y del onceavo renglón de la
manda, las cantidades de estufas en existencia, el tiempo de en- tabla del apéndice un valor aleatorio, que es el 0.1834, que de
trega del nuevo pedido y los costos por cada concepto. acuerdo con la tabla de probabilidad acumulada de los tiempos
Puede iniciarse con el primer valor del punto de renovación de entrega, genera un valor para éste de dos semanas, por lo que
del pedido,•48 estufas; entonces, al comenzar la primera sema- el pedido se recibirá al final de la quinta semana.
na se tendfán 90 estufas; luego se generará la demanda leyendo Para la cuarta semana el número aleatorio leído es el 0.0318,
un valor aleatorio, que se tomará de la tercera columna de la tabla que corresponde a una demanda de 12 estufas, por lo que al final
respectiva del apéndice, que será para esta primera semana el de la semana la existencia será de 30, siendo el inventario prome-
0.4446, expresado como fracción de la unidad, que corresponde a dio de 36 unidades, lo que da un costo de conservación de $720,
una demanda de 16 estufas, ya que queda comprendido dentro no habiendo costos por pedidos ni por faltantes.
del rango de probabilidad acumulada que va de 0.3801 a 0.6800, Si se continúa con este procedimiento se obtienen los resul-
por lo que la existencia al final de la semana será de 74 estufas, tados que se muestran en la tabla 17.14, en la cual se ve que al ter-
siendo el inventario promedio durante la semana (90 + 74)/2 minar la quinta semana la existencia ha llegado a 14 estufas, y para
= 82 unidades, por tanto el costo de conservación será de 82 x 20 comenzar la semana siguiente ya se contaría con el nuevo pedi-
= $ 1640. Como la existencia no es menor o igual al punto de re- do, por lo que se iniciará con 104 unidades, siendo la demanda de
novación del pedido, no se pide al final de la semana, razón por la esta semana de 15 estufas, por lo que la existencia promedio es de
cual no se incurre en costo por este concepto, como tampoco por (104 + 89)/2 = 96.5.
faltantes. En la tabla 17.14 se aprecia que al final de la semana 17 la exis-
En la segunda semana se inicia con 74 estufas en inventario; tencia es de siete estufas, y que el nuevo pedido llegará al final de
se toma entonces el siguiente número aleatorio, que es el 0.6427 la semana siguiente, por lo que al ser la demanda de 13 unidades
y corresponde a una demanda de 16 unidades, por lo que la exis- habrá faltantes por seis estufas, lo cual ocasiona un costo por este
tencia al final de la semana será de 58 estufas, siendo entonces concepto de 6 x 2000 = $ 12000, como se indica en la tabla.
14 0.1455 14 53 60 1200
15 0.1443 14 39 46 920 6000 0.6791
16 0.6255 16 23 31 620
17 0.6251 16 7 15 300
18 0.1108 13 O 3.5 70
19 0.5595 16 74 82 1640
20 0.1456 14 60 67 1340
21 0.4637 16 44 52 1040 6000 0.3007
22 0.6472 16 28 36 720
23 0.0933 13 15 21.5 430
24 0.4890 16 0 7.5 150
25 0.9776 19 71 80.5 1610
26 0.2229 15 56 63.5 1270
27 0.2966 15 41 48.5 970 6000 0.6085 3
28 0.0140 12 29 35 700
29 0.4011 16 13 21 420
30 0.7544 17 0 6.5 130
31 0.1074 13 77 83.5 1670
32 0.0927 13 64 70.5 1410
33 0.7016 17 47 55.5 1110 60.00 0.7005 3
34 0.4141 16 31 39 780
35 0.4020 16 15 23 460
36 0.3768 15 0 7.5 150
37 0.2195 15 75 82.5 1650
38 0.3828 16 59 67 1340
39 0.1475 14 45 52 1040 6000 0.9846 5
40 0.3216 15 30 37.5 750
41 0.6002 16 14 22 440
42 0.3188 15 0 7 140 2000
43 0.1513 14 O O 28 000
44 0.6474 16 O O O 32 000
45 0.8907 18 72 81 1620
46 0.7463 17 55 63.5 1270
47 0.9956 19 36 45.5 910 6000 0.0625
48 0.6363 16 20 28 560
49 0.5897 16 4 12 240
50 0.8300 18 76 85 1700 -
51 0.5582 16 60 68 1360
52 0.4959 16 44 52 1040 6000 0.5457 3
Total - 48 620 54 000 84 000
268
Si se repite el procedimiento para los otros dos valores del
560 0.1500 (1.6501-0.8000
punto de renovación de pedidos, es decir, 60 y 72 estufas, se gene-
ran los resultados que se resumen en la tabla 17.15, que incluyen 570 0.1167 0.8001-0.9166
la solución analítica del caso, que ocurre para un punto de reno-
580 0.0500 0.9167-0.9666
vación del pedido de 57 unidades.
590 0.0333 0.9667-0.0000
Tabla 17.15. Resultados de las corridas de simulación Total 1.0000
y de la solución analítica.
Punto de renovación del
pedido Luego se tomará para cada día la venta del día anterior como
la cantidad de tortas que se van a preparar y se calculará la ganan-
Concepto 48 60 72
Solución analítica cia esperada por medio de la siguiente relación:
(PRP= 57 estufas)
Si la cantidad preparada es mayor o igual que la demanda:
Costo de 48620 55930' 58 280 51 480
conservación, $
Ganancia esperada = Demanda x Ganancia marginal — •
Costo de pedidos, $ 54 000 54 000 54 0001 54 808 Sobrantes x Pérdida marginal
Costo de faltantes, $ 84 000 12 000 56 000
Si la cantidad preparada es menor que la demanda:
Costo total, $ 186 620 121 930 168 280 106 288
Ganancia esperada = Cantidad preparada x Ganancia marginal—
En esta simulación el mejor resultado es para un punto de re- Faltantes x Costo de oportunidad
novación del pedido de 60 estufas, que además es el que más se Para iniciar con la simulación se tomará la cantidad de tortas
parece a la solución analítica, siendo la diferencia más notoria en por preparar para el primer día igual a 550, mientras que para ob-
lo que concierne al costo por faltantes, ya que en el caso de la solu- tener la demanda, se lee el primer número aleatorio de la colum-
ción analítica éstos no suceden, mientras que en las corridas de na 8 de la tabla del apéndice, que es 0.0892, el cual corresponde a
simulación aparecen debido a que los tiempos de entrega son pro- una demanda de 530 tortas, ya que está comprendido en su ran-
babilísticos (Meier y cols., 1975). go de probabilidad acumulada, por tanto la ganancia esperada de
Ejemplo 17.9. Caso de toma de decisiones. Para el caso del ejem-
este día será:
plo 10.8 de las tortas, se desea simular su operación para calcular Ganancia esperada = (530)(5.80) — (20)(3.20)
la ganancia esperada que puede lograrse si la demanda se compor-
ta probabilísticamente según los datos de la tabla correspondiente. =3074-64=3010
Suponga una ganancia y pérdida marginales iguales a las del
caso, de $5.80 y $ 3.20, respectivamente. Además, por cada torta Para el segundo día la cantidad de tortas preparadas será la
que se deja de vender por falta de existencias, se estima un costo demanda del día anterior, es decir, 530 tortas, mientras que la de-
de oportunidad de $ 2. manda será de 530 tortas, ya que el siguiente número aleatorio es
El señor José Sánchez, propietario del negocio, piensa prepa- el 0.1652 y corresponde a este valor; como la demanda es igual que
rar una cantidad de tortas igual al volumen de ventas del día ante- la cantidad preparada, la ganancia esperada es:
rior. ¿Cómo se comportaría la demanda y cuál sería su ganancia
promedio en 30 días de operación? Ganancia esperada = (530)(5.80) = 3074
Solución: para este problema se generará la demanda con nú- Si se continúa con esta metodología se generan los resultados
meros aleatorios que se tomarán de la octava columna de la tabla del que se presentan en la tabla 17.17, los cuales muestran una ganan-
apéndice, conforme al rango de probabilidad acumulada al que co- cia esperada promedio para los 30 días de la corrida de 93 422/30 =
rresponda el número leído, los cuales se incluyen en la tabla 17.16. $ 3114.07 y la demanda promedio es de 16 530/30 = 551 tortas
diarias.
Con estos resultados, los ingresos, gastos y utilidad anual son ellos, y en los años restantes ha habido ganancia. El promedio de
los que se muestran en la tabla 17.20, en la que puede verse que los 20 años es de una utilidad de 3315639 pesos anuales.
de los 20 años, los resultados han sido de pérdida sólo en uno de En la penúltima fila de la tabla aparecen los valores promedio
de ingresos, gastos y la utilidad, los que al compararse con los valo- Tabla 17.21. Rango de números aleatorios para la forma de
res teóricos, conforme a los valores esperados promedio de las va- elegir al candidato del partido naranja.
riables, que aparecen en la última fila, muestran bastante similitud,
ya que la simulación se ha realizado sólo con una corrida de 20 años. Rango de números
Forma de elegir Probabilidad aleatorios
Ejemplo 17.11. Para los próximos comicios para diputados Consenso 0.25 0001 - 2500
locales, el licenciado López está considerando las posibilidades
de ser electo por su partido político, que es el naranja, y de ga- Dedazo 0.25 2501 -5000
nar los comicios a los partidos verde, rojo y amarillo, que son sus Consulta a la cúpula 0.50 5001- 0000
opositores.
Si la designación del candidato se hace por consenso gene-
ral de los miembros del partido naranja, la probabilidad del li- Se simula la elección del candidato, que según la manera de
cenciado López se estima en 55 %; si la designación se hace por hacerlo varia la probabilidad de que resulte seleccionado el licen-
"dedazo", la probabilidad de que sea el señor López es de 49 %; y ciado López, ya que si es por consenso, se obtiene un número alea-
si la designación se hace por consulta entre la cúpula del partido, torio, que si resulta en el rango entre el 0001 y el 5500, será esco-
la probabilidad del señor López es 72 %. gido el licenciado López; si la forma de selección es por dedazo,
Se cree que el consenso tiene una probabilidad de 25 %, el entonces si el número aleatorio seleccionado queda en el rango
"dedazo", 25 %, y la consulta entre la cúpula, 50 %. entre el 0001 y el 4900, será postulado el licenciado López; y si la
Por su parte, el partido verde tiene tres candidatos, que son forma de elección es por consulta a la cúpula del partido, el licen-
los señores Andrade, Reyes y Castillo, cuyas probabilidades de ciado López será el candidato si el número aleatorio está entre el
ser electos, según una encuesta de Chowosky, son de 23, 35 y 42 % 0001 y el 7200.
respectivamente. Se hace lo propio en los partidos verde, rojo y amarillo, con-
Para la elección del candidato del partido rojo figuran cuatro forme a sus probabilidades:
personas, que son los señores González, Hernández, García y Ro-
dríguez, cuyas probabilidades de ser electos, según Chowosky,
son de 23, 28, 32 y 17 %, respectivamente. Tabla 17.22. Rangos de números aleatorios para los
El partido amarillo, por su parte, tiene cinco precandidatos, candidatos de los otros partidos.
que son los señores Cervantes, Gallegos, Ortiz, Pardo y Alonso, Rango de números Candidato
cuyas probabilidades de ser electos como candidatos del partido Partido aleatorios seleccionado
son 18, 23, 21, 25 y 13 % respectivamente, según Chowosky.
Asimismo, esta encuestadora ha dado la siguiente informa- Verde 0001 - 2300 Sr. Andrade
ción: si resulta como candidato el licenciado López, contra sus 2301 - 5800 Sr. Reyes
otros contrincantes, se cree que tendría 60 % de probabilidades 5801 - 0000 Sr. Castillo
de ganar, si el candidato del partido rojo es quien sea, excepto el Rojo 0001 - 2300 Sr. González
señor García, y el del partido amarillo no sea el señor Ortiz; si los 2301 - 5100 Sr. Hernández
candidatos son estos últimos, su probabilidad de triunfo disminu- 5101- 8300 Sr. García
ye hasta 43 %; si sólo resulta el señor García del partido rojo y no 8301 - 0000 Sr. Rodríguez
el señor Ortiz del amarillo, la probabilidad de triunfo es 50 %; y si Amarillo 0001 - 1800 Sr. Cervantes
resulta el señor Ortiz del partido amarillo y no el señor García del 1801 - 4100 Sr. Gallegos
rojo, la posibilidad de triunfo es de 53 % para el licenciado López. 4101 - 6200 Sr. Ortiz
Haga 10 corridas de simulación y determine la probabilidad 6201 - 8700 Sr. Pardo
de que el señor López quede electo por su partido y resulte gana- 8701 - 0000 Sr. Alonso
dor en los comicios para diputado local.
Solución: hay varios eventos que deben simularse en este Lo último que hay que simular es la posibilidad de que el li-
caso, comenzando por la forma en que el partido naranja elija a cenciado López gane la elección, lo cual depende de quiénes
su candidato, que puede ser por consenso, dedazo o consulta a la sean los candidatos de los partidos rojo y amarillo, conforme a la
cúpula, conforme a sus probabilidades: tabla 17.23:
272
Tabla 17.23. Posibilidades de que el licenciado López 17.4. Si a = 25, b = 13 y M= 2048, en cuál valor de la serie habrá
gane la elección. un número repetido si la semilla es:
Probabilidad Rango de Resultado del
a) 2537.
de ganar la números Lic. López en
Partido rojo Partido amarillo elección aleatorios la elección
b) 4694.
c) 6598.
Cualquier otro, Cualquier otro, 60% 0001 —6000 Gana
excepto el excepto el 6001— 0000 Pierde 17.5. Hallar mediante el método congruencial los primeros 20
Sr. García Sr. Ortiz números aleatorios y determinar en cuál habrá un valor
Sr. García Sr. Ortiz 43% 0001 — 4300 Gana repetido si a=45, b = 23 y M= 512, utilizando como semi-
4301 — 0000 Pierde lla 9825.
17.6. La Súper Ferretería Tobi tiene una estadística de sus in-
Sr. García Cualquier otro, 50% 0001 — 5000 Gana
5001— 0000 gresos mensuales por venta de artículos de tlapalería du-
excepto el Pierde
Sr. Ortiz rante los dos años anteriores (tabla 17.25).
Cualquier otro, Sr. Ortiz 53% 0001 — 5300 Gana
excepto el 5301 — 0000 Pierde Tabla 17.25
Sr. García
Volumen de ventas
M$ Frecuencia
Puede procederse a la simulación con 10 corridas, tomando 10
números aleatorios de las columnas 3, 4, 5, 6, 7 y 10, respectiva- 12 3
mente, para obtener los siguientes resultados:
14 4
16 6
Tabla 17.24. Resultados de la simulación.
18 5
Forma de Partido Partido ¿Gana la
elegir ¿Es electo?
_
verde Partido rojo amarillo elección? 20 3
Dedazo No — — No 22 1
Cúpula Sí Andrade Hernández Pardo No Total 24
Cúpula Sí Castillo García Pardo Sí
Consenso No — — - No Elaborar la tabla de probabilidades acumuladas de Mon-
Cúpula Sí Reyes García Gallegos No tecarlo y determinar para el valor aleatorio 0.6500, cuál
será el volumen de ventas correspondiente.
Dedazo No — No 17.7. Si para el caso anterior se generan 24 valores mediante el
Consenso No — - No método de Montecarlo:
Cúpula Sí Andrade García Cervantes Sí a) ¿Cuáles serían su media y su desviación estándar?
Cúpula No - No b) ¿Cómo se comparan estos valores con los datos reales?
Dedazo Sí Reyes González Alonso Sí 17.8. Para una distribución de probabilidad uniforme entre 50y
Número 180, generar 10 valores utilizando números aleatorios de la
de veces 5 — — — 3 segunda columna de la tabla correspondiente del apéndice.
17.9. Obtener 10 valores de tiempos de servicio que se distribu-
yen exponencialmente con 1.1 = 8 usando números aleato-
La probabilidad de quedar electo en su partido es de 50 %, y rios de la tercera columna de la tabla del apéndice y com-
de ganar las elecciones, de 30 %. parar su media con el valor real.
17.10. Un escarabajo hace un recorrido en su búsqueda de ali-
mento, el cual se distribuye probabilísticamente según la
PROBLEMAS PROPUESTOS tabla 17.26.
17.1. Generar 20 números aleatorios de cuatro dígitos mediante
Tabla 17.26
el método del cuadrado medio, usando como semilla el 7326.
17.2. De la serie del ejemplo anterior, ¿en cuál valor ocurrirá Dirección Probabilidad
repetición?
17.3. Por medio del método congruencial, con a = 13, b = 7 y
Norte 0.18
M= 1024, en cuál valor habrá repetición si la semilla es: Sur 0.17
Oeste 0.42
a) 0473.
b) 8432. Este 0.23
c) 4728. Total 1.00
PROBLEMAS PROPUESTOS 273
¿Qué posición tendrá?: El bar clasifica sus bebidas en tres categorías: cuba, cer-
veza y bebidas preparadas, cuyas ganancias marginales
a) Después de 100 pasos. son de 12, 8 y 20 pesos por bebida, respectivamente. De
b) A los 200 pasos. meses anteriores se sabe que la cuba tiene 40 % de ventas
c) A los 500 pasos. del total de bebidas, la cerveza, 45 %, y las bebidas prepa-
d) A los 1000 pasos. radas, 15 %. Por otra parte, el número promedio de bebi-
e) A los 5000 pasos. das que un cliente pide tiene la siguiente distribución de
probabilidad (tabla 17.29).
17.11. Si para el caso anterior la distribución de probabilidad
fuese de 0.25 en cada dirección, cuál sería la posición:
Tabla 17.29
a) Luego de 100 pasos.
b) A los 1000 pasos. Número de bebidas 2 3 4 5 Total
c) A los 5000 pasos.
Probabilidad 0.15 0.25 0.30 0.20 0.10 1.00
17.12. Blocks de Rioverde fabrica blocks de un peso promedio de
20 kg cada uno. Los registros de producción tienen la si-
guiente distribución de probabilidad de sus pesos (tabla Se supone que el cliente que pide una bebida determina-
17.27): da no cambia luego de tipo de bebida, es decir, que el
cliente que bebe cerveza sólo pide cerveza.
Tabla 17.27 Los costos fijos del bar se estiman en $ 150 diarios.
Simular la operación del bar y calcular la ganancia espe-
Peso, kg Probabilidad rada diaria para:
18 0.10
a) 30 días de operación.
19 0.16 b) 100 días.
20 0.48 c) 365 días.
d) 1000 días.
21 0.18
22 0.08 17.15. El señor John Taylor ha estado estudiando la forma de ju-
Total 1.00 gar a la ruleta, pues piensa ir a Las Vegas el próximo mes,
llevará la cantidad de 1000 dólares para apostar, jugando
tres en cada tirada y ha pensado retirarse si pierde todo o
a) Simular una producción de 500 blocks y obtener la dis- bien si llega a juntar 2500 dólares. Tiene tres opciones de
tribución de probabilidad de sus pesos. juego:
b) Calcular lo mismo del inciso anterior para 1000 blocks.
c) Para 5000 blocks. a) Apostar 3 dólares en cada jugada.
b) Doblar la apuesta después de perder una tirada.
17.13. La empresa Rototanques Splash fabrica tanques para al- c) Doblar la apuesta después de ganar cada tirada. El se-
macenamiento doméstico de agua, los cuales distribuye ñor Taylor normalmente prefiere el color rojo y es el
en una camioneta que tiene capacidad volumétrica para que piensa elegir para todas sus jugadas.
10 tanques, o bien para 1 ton de peso. El peso de cada tan-
que se distribuye de manera uniforme entre 85 y 115 kg, Simular el juego de la ruleta y obtener cuál es la opción
¿cuál será la probabilidad de sobrecargar la camioneta si más conveniente para el señor Taylor. Debe aclararse que
se llevan 10 tanques? Resolver: la ruleta cuenta con 38 números, de los cuales 18 son ro-
jos, 18 negros y los otros dos son comodines, lo que signifi-
a) Para una corrida de 10 números. ca que si se ha elegido el color que salga en la tirada se
b) Para 100. gana, caso contrario se pierde y si sale uno de los comodi-
c) Para 500. nes, ni se gana ni se pierde.
d) Para 1000.
a) Resolver para una corrida de 500 tiradas.
17.14. El Club Social Bar cuenta con algunas estadísticas sobre b) Para 1000 tiradas.
sus actividades pasadas, una de ellas es sobre el número c) Para 5000.
de clientes que acuden diariamente (tabla 17.28). d) Para 10 000.
de renta dispone de la siguiente información (tabla 17.30) Calcular su costo total anual de manejo del inven
sobre el número de automóviles rentados cada día: para los siguientes casos:
Probabilidad 0.14 0.18 0.26 0.24 0.18 1.00 Demanda, ton/sem 10 11 12 13 14 15 Total
Probabilidad 0.10 0.10 0.30 0.20 0.18 0.12 1.00
a) ¿Cuál debería ser el costo de efectuar los remplazos en De las veces que le compran, el número de productos es
grupo para que ambas opciones se igualaran en su cos- uno en 20 % de las veces, dos, 60 %, y tres, 20 %.
to total en 10 años?
b) Si la desviación estándar de la vida útil de los equipos Simule 15 visitas del vendedor y calcule el monto de sus
fuera 0, ¿cuál sería ahora la mejor opción? ventas.
17.28. Un vendedor de libros vende cuatro diferentes productos,
de los cuales tiene la siguiente estadística:
BIBLIOGRAFÍA
Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
Producto Precio, $/u Venta, u/año nistración, Grupo Editorial Iberoamérica, 1986.
A 100 1200 Fishman, G. S., Conceptos y métodos en la simulación digital de
B 200 eventos discretos, Limusa, México, 1978.
950
Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
400 850 toma de decisiones, McGraw-Hill, 1992.
D 800 600 Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
operaciones, 5a. ed., McGraw-Hill, 1991.
Meier, R. C., W. T. Newell y H. I. Pazer, Técnicas de simulación
El vendedor visita domicilios, escuelas y profesionistas y en administración y economía, Trillas, México, 1975.
tiene la siguiente estadística:
khdeno p/doedzaedóN
Y si puedes sellar los preciosos minutos. ideas o factores de un problema, en medidas numéricas, se-
Con sesenta segundos de combate bravío. gún el grado de importancia dado a cada uno de ellos.
Tuya es la tierra y todos sus codiciados frutos. A continuación se presenta la metodología, aplicándola
Y lo que más importa... serás hombre, hijo mío. a un caso.
RUDYRRD KIPLING Ejemplo 18.1. Aplicar la técnica del AHP para jerarquizar la
importancia de varios factores sobre la decisión de jubilación de
una persona próxima a jubilarse: estado de salud, situación econó-
mica, características personales, sistema de retiro, situación la-
INTRODUCCIÓN boral y situación económica del país.
Con el auge de las empresas de servicios, en este tercer Solución: lo primero es colocar cada factor que se va a evaluar,
milenio han cobrado importancia varias técnicas y herra- tanto en los renglones como en las columnas de una matriz cua-
mientas útiles para la mejora de las organizaciones. Algunas drada, como lo ilustra la tabla 18.1:
de ellas son los métodos de priorización, que sirven para je-
rarquizar ideas o eventos según su grado de importancia.
En este capítulo se presentan algunas de las técnicas Tabla 18.1. Matriz inicial con los factores que se van a evaluar.
más conocidas de priorización, entre las que se incluyen el Sistema
Proceso Analítico de Jerarquización de Saaty (AHP, por sus Situación de
siglas en inglés, Analytic Hierarchy Process), la Técnica de Factor Salud económica Personal retiro Laboral
Grupos Nominales (TGN), el Método de Multivoto y la Ma- Salud
triz de Pugh, los cuales se ilustran con ejemplos para su me-
Situación
jor comprensión. económica
Personal
PROCESO ANALÍTICO DE Sistema de
JERARQUIZACIÓN (AHP) retiro
Laboral
Esta metodología fue desarrollada por Thomas L. Saaty País
(1980), matemático estadounidense de origen iraquí. Es
una herramienta para la toma de decisiones a gran escala,
cuando hay muchos criterios de por medio. Se evalúa comparativamente cada par de factores, conforme
Permite convertir juicios subjetivos, respecto a varias al criterio que señala la tabla 18.2:
276
7
277
Tabla 18.2. Valoración de los factores según su importancia. Se agrega un renglón al final de la tabla con la sumatoria de
los elementos de cada columna, con lo cual la tabla queda así:
Si el primer factor es... el segundo factor es... Valoración
Igualmente importante 1
Tabla 18.5. Tabla que incluye el renglón de las sumatorias.
Apenas más importante 3
Situación Sistema
Más importante 5 Factor Salud económica Personal de retiro Laboral País
Mucho más importante 7 Salud 1 3 5 3 1/3 7
Absolutamente más importante 9 Situación
económica 1/3 1 its
Valores intermedios 3 1 5
2, 4, 6, 8
1/5 1/3 1/3 1/7
Personal 3
El último renglón tiene otros valores que recomiendan algu- Sistema de
1/3 1/5
nos estudiosos de esta temática. retiro 1 3 1 5
Para el caso de la comparación de los dos primeros facto- Laboral 3 5 7 5 1 9
res, estado de salud y situación económica, conforme a entrevistas 1/7 1/5 1/3 1/9
efectuadas con varios trabajadores que se aproximan al retiro, se País 1
considera que el estado de salud es ligeramente más importante Sumatoria 5.010 10.533 19.333 10.533 1.987 30.00
que la situación económica, por tanto, en la celda donde el estado
de salud, que es el factor más importante, se halla en el renglón, y
la situación económica en la columna, se coloca un valor de 3, y en En cada celda se calcula su factor de ponderación, que es el
la celda transpuesta (factor más importante como columna y el cociente del valor, dividido entre la sumatoria de la columna. Así,
menos importante como renglón), se pone el valor inverso, es de- para el caso de la celda ubicada en el primer renglón y primera
cir 1/3. Por su parte, la diagonal principal contendrá valores de 1, al columna, el factor es:
ser igual de importante cada factor al compararse consigo mismo.
Con esto la matriz queda de la manera siguiente: Factor = 1 =0.200
5.01
Tabla 18.3. Primeras evaluaciones del
Si se procede de forma similar, se llena la tabla con los facto-
comparativo de los factores. res de ponderación:
Situación Sistema
Factor Salud económica Personal de retiro Laboral País
Tabla 18.6. Tabla con los factores de ponderación.
Salud 1 3
Situación Situación Sistema de
económica 1/3
1 Factor Salud económica Personal retiro Laboral País
Personal Salud 0.200 0.285 0.259 0.285 0.168 0.233
Sistema de Situación
retiro económica 0.067 0.095 0.155 0.095 0.100 0.167
Laboral Personal 0.040 0.031 0.052 0.031 0.072 0.100
País Sistema de
retiro 0.066 0.095 0.155 0.095 0.101 0.167
Si se continúa con las comparaciones entre cada par de facto- Laboral 0.599 0.475 0.362 0.475 0.503 0.300
res, se completa la tabla como sigue: País 0.028 0.019 0.017 0.019 0.056 0.033
Sumatoria 1.000 1.000 1.000 1.000 1.000 1.000
Tabla 18.4. Matriz de comparaciones.
Situación Sistema
Factor Salud económica Personal de retiro Laboral País Las sumatorias de los factores de ponderación de cada co-
1/3 lumna dan la unidad.
ISalud 1 3 5 3 7 Finalmente, se obtiene el promedio de los factores de cada
iSituación renglón, que con fines ilustrativos se hace en este caso para el pri-
1/3 1/5
económica 1 3 1 mer renglón:
1/5 1/3 1/7
[Personal
0.2+0.285+0.259+0.285+0.168+0.233
Sistema de Factor = =0.238
retiro 1/3
1 3 1 1/5 6
iLaboral 3 5 1 9
De forma similar se obtienen los factores de cada renglón, que
1/3 1/5
País son los que se presentan en la última columna de la tabla 18.7:
278
Tabla 18.7. Tabla final con la ponderación de cada factor. mente los resultados logrados. Una consistencia es perfecta en el
caso de que el factor más importante haya sido el doble del si-
Situación Sistema guiente, y éste el doble del que le sigue, y así sucesivamente has-
Factor Salud económica Personal de retiro Laboral País Factor
ta llegar al último. La razón de consistencia depende del índice
Salud 0.200 0.285 0.259 0.285 0.168 0.233 0.238 de consistencia, /C, y del tamaño de la matriz; y se estima con la
0.095 0.100 0.167 0.113
siguiente ecuación:
Situación ' 0.067 0.095 0.155
económica
0.031 0.072 0.100 0.054 I CR= IC (18.1)
Personal 0.040 0.031 0.052
L4
Sistema de 0.066 0.095 0.155 0.095 0.101 0.167 0.113
retiro donde:
Laboral 0.599 0.475 0.362 0.475 (1.503 0.300 0.453
CR = Razón de consistencia.
País 0.028 0.019 0.017 0.019 0.056 0.033 0.029
/C= Índice de consistencia.
Sumatoria 1.000 1.000 1.000 . 1.000 1.000 1.000 1 1.000 IA = Índice aleatorio.
5.4 5 2 0
Personal
11.3 3 3 0.58
Sistema de retiro
4 0.90
Laboral 45.3 1
5 1.12
País 2.9 6
6 1.24
Sumatoria 100.0
1.32
1.41
El factor más importante es la situación laboral del emplea-
do, luego le sigue su estado de salud y su situación económica que 9 1.45
tiene igual importancia que el sistema de retiro. Por último se en- 10 1.49
cuentran la situación personal y la situación del país.
Estas ponderaciones son relativas, ya que para tener una 11 1.51
base sólida de juicio al respecto habría que considerar un número
suficiente de personas que contesten sobre la importancia de cada
factor, lo que daría una mejor idea, útil para el diseño de estrate- Por su parte, el índice de consistencia se obtiene con la fórmu-
gias de jubilación del personal. la siguiente:
Si por ejemplo se deseara la permanencia en el empleo de los
trabajadores durante más años, con el fin de aligerar la carga fi- X-N (18.2)
nanciera que se cierne sobre los sistemas de retiro, y el factor más IC = '
N -1
importante hubiera sido el económico, podrían darse bonos o in-
centivos económicos a quienes, pudiendo jubilarse, aceptaran per-
manecer en el empleo. Itná. = Autovalor máximo
Con este ejemplo queda claro también cómo a partir de jui- N = Tamaño de la matriz
cios subjetivos de las comparaciones de cada par de factores se
llega a determinar cuantitativamente la importancia relativa de Por su parte, 21.nm, se estima con el procedimiento siguiente:
cada uno de ellos, pues en este caso el factor más importante, la
situación laboral, ha resultado con un valor casi del doble del que En primer lugar, se multiplica la matriz de comparaciones
ha ocupado el segundo sitio, es decir, el estado de salud. (A) por el vector de ponderaciones obtenido (B), lo que da como
Mediante la razón de consistencia, CR, se miden precisa- resultado el vector C:
279
/C 0.0526
CR= = = O .0424
IA 1.24 MULTIVOTO
Se concluye que los resultados son consistentes al haber re- Esta técnica consiste en que los miembros de un equi-
sultado CR menor que 0.1. po que deseen evaluar algunos factores u opciones de deci-
sión cuentan con varios votos para asignárselos a los facto-
res que consideren más importantes.
TÉCNICA DE GRUPOS Con base en el conteo alcanzado por cada factor, se de-
NOMINALES (TGN) termina su grado de importancia.
Cuando el número de factores u opciones que hay que
Es una técnica que puede utilizarse cuando el número evaluar es elevado, puede aplicarse la técnica para ir elimi-
de alternativas que se van a evaluar no es muy elevado. nando aquellos que resulten con menor número de votos, y
Consiste en que cada evaluador ordena las opciones continuar hasta que su número sea un valor conveniente
que va a evaluar, dándole un valor de 1 a la peor opción, y el (Izar y González, 2004).
número mayor a la mejor, según el número de opciones, y Algunos autores sugieren que el número de votos por
sin que se repita ningún valor. Posteriormente se hace un re- evaluador sea de la tercera parte del número dé opciones
cuento de la sumatoria de evaluaciones de todos los evalua- que se van a evaluar.
dores; la mejor opción es aquella que haya obtenido la ma- A continuación se ilustra la técnica con la resolución del
yor puntuación. mismo caso anterior.
A continuación se ilustra la técnica con un caso ilustra-
tivo. Ejemplo 18.3. Conforme el caso anterior, se pide a los cinco
evaluadores que valoren la importancia de los factores que influ-
Ejemplo 18.2. Para los factores que influyen en la decisión yen en la decisión de jubilación, pero ahora usando la técnica de
de jubilación vistos en el ejemplo anterior, se ha pedido a cinco multivoto, con dos votos por evaluador. ¿Cuál sería ahora el resul-
expertos que den su opinión al respecto, para ver cuál de los fac- tado?
tores es el más importante conforme a la metodología de TGN.
Solución: son seis los factores que se van a evaluar, por lo que
Solución: lo que hace cada evaluador es ordenar los seis facto- a cada evaluador se le han dado dos votos (la tercera parte), con-
res, dándole 6 al que considere más importante, y así sucesiva- forme a como evaluaron en la ocasión anterior. Ahora emitirán sus
mente, en orden descendente hasta llegar a calificar con 1 al factor dos votos por aquellos factores que cada evaluador calificó con 6 y
menos importante. La tabla 18.10 sintetiza dichas evaluaciones: 5, por lo que la matriz con sus votos es la siguiente:
280
Tabla 18.11. Votos de los cinco evaluadores. Los pasos para aplicar esta herramienta son los si-
Evaluador guientes:
Suma de
Factor
votos
1 2 3 4 5 1. Se identifican de cinco a 10 conceptos diferentes para
Salud X X 3 el producto que se va a evaluar. Se recomienda que
Situación X 1 los conceptos sean expresados con claridad y preci-
económica sión. Estos conceptos pueden ser alternativas de de-
Personal 1
cisión, eventos o ideas, por ejemplo, la comparación
entre distintas marcas de un mismo producto.
Sistema de 2. Definir los criterios bajo los que se revisarán los con-
retiro
ceptos o alternativas, los cuales deben estar ape-
Laboral 1X X gados a las expectativas del cliente, así como a las
País necesidades de la organización. En la matriz los con-
ceptos se colocan como columnas y los criterios como
renglones.
La última columna de la tabla muestra el número de votos de 3. Se selecciona uno de los conceptos o alternativas
cada factor. En este caso el más importante es el laboral, con cin- como base o testigo, ya que será contra la que se com-
co votos (los cinco evaluadores le dieron uno de sus dos votos), lue- paren todas las demás. Si en el criterio que está bajo
go le sigue el estado de salud, con tres votos, y después la situación valoración, el concepto comparado con el testigo es
económica y la situación personal, ambos con un voto. El sistema superior, se pondrá un signo + o +1; si es igual se
de retiro y la situación del país no obtuvieron ningún voto, en este coloca un signo = o un cero (aquí algunos autores su-
caso fueron los dos factores menos importantes.
Los resultados obtenidos con las tres técnicas vistas se pre- gieren colocar una S de "same", o igual); y si es infe-
sentan comparativamente en la tabla 18.12: rior, se coloca un signo — o —1. Al final de las compa-
raciones, para cada concepto o alternativa se calcula
la sumatoria de calificaciones, que puede resultar
Tabla 18.12. Resultados de las tres metodologías. positiva, cero o negativa. En este punto, algunos au-
tores recomiendan calificar con una escala de —3 si
Método AHP TGN Multivoto
Factor
la opción comparada es muy inferior al testigo, y has-
Porcentaje Lugar Puntos Lugar Votos Lugar ta +3 si la opción es muy superior al testigo.
Salud 23.8 2 22 2 3 2 4. Existe la posibilidad de mejorar los conceptos (no las
Situación 11.3 3 19 3 1 3 alternativas), al tratar de crear nuevos conceptos
económica mediante la combinación de varios de ellos, procu-
rando generarlos sin que tengan valoraciones nega-
Personal 5.4 5 15 5 1 3
tivas, ya que esto daría lugar a repetir todo el proceso.
Sistema de 11.3 16 5 5. La opción óptima de concepto o alternativa será la
Retiro que haya salido mejor evaluada, es decir, con más
Laboral 45.3 1 26 saldo positivo, o bien, la opción seleccionada como
País 2.9 6 7 testigo en caso de que todas las restantes hayan re-
sultado con saldo negativo.
Se ve que hay muy pocas diferencias entre los métodos. Los Enseguida se ilustra la metodología con un ejemplo.
dos factores más importantes son el laboral, en primer sitio, y el
estado de salud después; el menos importante es el de la situa- Ejemplo 18.4. Un individuo desea adquirir un automóvil de
ción del país. tamaño mediano, para lo cual ha hecho un listado de los atributos
que desea obtener de él. Mediante la matriz de Pugh, obtenga la
mejor opción entre cinco marcas de autos, que son: europea, ja-
ponesa, americana, francesa e italiana.
MATRIZ DE PUGH
Solución: la lista de atributos es la siguiente:
Esta metodología de priorización fue desarrollada por
Stuart Pugh (1996), de la Universidad de Strathclyde, en Tabla 18.13. Atributos para la compra del auto.
Glasgow, Escocia, en 1980, y es similar a un comparativo
de los pro y contra entre las diferentes alternativas. Número Criterio o atributo
La matriz permite la comparación de conceptos en re- 1 Precio de compra
lación con criterios predeterminados, entre las opciones.
La técnica ha sido utilizada principalmente en el des- 2 Costo de refacciones
arrollo de productos innovadores. Precio de combustible
281
comparaciones
Precio de S
compra
Costo de Con el comparativo queda claro que para los atributos desea-
refacciones dos por el comprador la mejor marca es la japonesa; luego, en or-
Precio de den de mejor a peor, siguen la americana, la europea, la italiana y
combustible al final la francesa.
Precio de S
;reventa
Disponibilidad Combinación del AHP con la
de refacciones matriz de Pugh
Comodidad S
. Gusto S Otra opción, al aplicar la matriz de Pugh, es la de pon-
derar los atributos o criterios mediante alguna de las técni-
Seguridad
cas de priorización, como puede ser el AHP de Saaty. Al
evaluar la matriz, cada calificación, en vez de sumarse di-
En la matriz aparece la marca americana con S en su columna, rectamente, se multiplica por el peso del atributo y se ob-
pues es la marca base o testigo. Para este ejercicio se utilizará la es- tiene la sumatoria de los productos de la calificación del
cala de evaluación de siete niveles, desde +3 hasta —3, pasando por S. atributo por su peso ponderado.
Al hacer las comparaciones, se obtienen los resultados que se Esto sería una combinación del AHP y la matriz de Pugh,
muestran en la matriz final:
la cual se ilustra para resolver el mismo ejemplo anterior.
Tabla 18.15. Matriz de Pugh final. Ejemplo 18.5. Se pide repetir el ejemplo anterior, pero en
Marca este caso ponderando los atributos mediante el AHP de Saaty.
Americana Europea Japonesa Francesa Italiana
Criterio
Precio de S —1 +2 —2 —2 Solución: lo primero es ponderar los ocho atributos mediante
compra las comparaciones del AHP, las que se presentan a continuación:
Costo
Precio de Precio de Precio Disponi-
de refac- combus- de bilidad de
Atributo compra dones tibie reventa refacciones Comodidad Gusto Seguridad
Precio de 1/9 1/5 1/3 1 1/7 1/5 1/7 1/5
reventa
Disponibilidad 1/3 3 5 7 1 3 1 3
de refacciones
Comodidad 1/5 1 3 5 1/3 1 1/3 1
Gusto 1/3 3 5 7 1 3 1 3
Seguridad 1/5 1 3 5 1/3 1 1/3 1
Sumatoria 2.521 14.533 27.333 42.00 6.343 14.533 6.343 14.533
Costo
Precio de Precio de Precio Disponi-
de refac- combus- de bilidad de
Atributo compra ciones tible reventa refacciones Comodidad Gusto Seguridad
Al aplicar estas ponderaciones a la matriz de Pugh se obtie- Izar, Juan Manuel y Jorge Horacio González, Las 7 herramientas
nen los resultados que se muestran en la tabla 18.19, que es igual básicas de la calidad, Editorial Universitaria Potosina, 2004.
a la de la tabla 18.15, con la salvedad de que donde aparecía una S, Pugh, Stuart, Creating Innovative Products Using Total Design, Ad-
ahora se ha sustituido por un cero, incluyendo además una última dison Wesley, 1996.
fila en la que se han colocado las evaluaciones de cada marca, ob- Saaty, Thomas L., The Analytic Hierarchy Process, McGraw-Hill,
tenidas mediante la sumatoria de los productos de las calificacio- 1980.
nes de cada atributo y multiplicadas por su ponderación respectiva.
Gusto 0.177 O +1 —1 —1 +1
Seguridad 0.078 0 —1 +1 —1 —1
Evaluación 0.000 —0.566 +0.746 —1.709 —0.709
ÁREAS BAJO LA CURVA NORMAL DE PROBABILIDAD
PARA UNA DESVIACIÓN ESTÁNDAR DADA
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 i 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73536 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 j 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 f 0.83398 0.83646 0.83891
1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 .0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.0 0.97725 0.97784 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
285
286
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3.0 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.99900
3.1 0.99903 0.99906 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
NÚMEROS ALEATORIOS
4764 6279 4446 5582 1634 2396 7984 0892 6049 7488
8416 8234 6427 4959 7344 5582 8579 1652 8767 2934
9434 5273 5902 1824 2809 7556 2486 2963 2006 7914
3420 1820 0318 7041 0746 7468 0788 2913 5730 1305
6827 6383 5901 3555 3049 0858 8872 3181 0495 5501
8521 1471 3044 9717 6203 4840 8645 9348 3101 7983
1129 3208 1699 5571 2923 0382 0032 5459 4610 5684
5806 8224 5783 4674 6696 1011 6599 7695 4470 1598
9285 6331 8764 8461 4031 8934 7259 7712 8980 6963
6955 5482 2161 1838 2875 9525 9769 8136 9966 6852
5937 3445 3694 1834 3496 4466 4629 9659 5169 3131
8044 4611 6072 1084 8306 6117 8550 2526 3276 4537
2219 3193 8224 6791 4229 0579 8448 6988 7886 3739
5570 6273 1455 3007 9751 8758 8610 1781 8456 4518
5496 4841 1443 6085 8950 5867 1830 7652 3884 1657
5054 7303 6255 7005 2068 3442 8084 8559 1254 2478
0661 8875 6251 9846 7295 4338 5145 2204 3691 8096
7321 7051 1108 0625 3440 6284 4179 4339 3666 1786
1799 1989 5595 5457 5435 1938 4324 6299 9208 3997
4934 4071 1456 4076 3090 4586 2596 3397 3189 3251
8262 8374 4637 1581 2275 7185 8938 1194 1403 1840
9586 7055 6472 0928 4832 5912 2768 7070 3751 1718
1882 0684 0933 4112 7413 2027 4233 9662 6926 2445
9670 1291 4890 7457 7666 3246 4877 4168 1609 3896
2039 5973 9776 0099 0272 5058 7182 7786 5649 8697
8416 4676 2229 7245 0700 4369 0390 6289 2870 7244
5670 5432 2966 6749 6488 8453 1751 7768 4356 3516
1198 0414 0140 5503 9564 1048 8107 2043 0830 5920
5263 5133 4011 7164 2389 0693 8934 2723 1078 2653
0385 9999 7544 3593 9120 1661 7054 2791 1173 8148
5169 8408 1074 4192 4800 5589 8279 9855 7618 5088
4031 8123 0927 9697 5585 7698 1450 6706 3222 3469
3457 1531 7016 2007 9172 9358 0468 4212 2238 7065
3859 3643 4141 4584 4035 2295 9716 7871 1234 1723
7228 1267 4020 3840 9324 4281 9163 4899 2737 2626
1165 5407 3768 0190 0135 5534 7293 7472 0754 1557
5089 9780 2195 6766 8383 4123 3447 7244 1091 3490
5544 0016 3828 6315 6349 2892 6764 4509 0942 1833
0840 4942 1475 3908 4765 8715 0892 5274 9646 7686
287
1186 4425 3216 5570 5255 8678 8967 7269 4330 4904
7678 1351 6002 2999 4725 2305 6893 2079 0195 5658
1892 2323 3188 7864 3646 7732 7501 9132 3081 2445
3382 4579 1513 7065 5765 7341 3386 9137 4236 9718
8149 5468 6474 0654 0441 9946 2749 7297 5046 0704
3519 2481 8907 7830 7936 0624 6938 9750 7356 7141
9641 5049 7463 7626 5535 1056 2071 0890 7953 1190
8436 2928 9956 4785 1056 3446 6692 4251 7201 3454
8762 6185 6363 4627 1333 7703 4694 6380 1062 4247
8749 2282 5897 9376 5726 3922 9574 1451 4290 8413
9527 4711 8300 1127 0903 6653 6528 2003 0774 7629
TZegpuegtag 4
robeemgg 1egueltoc
CAPÍTULO 2 MB+R+P=10.
Siendo MB, R, P enteras y no negativas.
2.1. Max Z=25X1 +30X2 + 35X3 + 40X4. 2.10. Max Z= 1000X1 + 800X2 +650X3 .
Sujeto a 60X1 + 70X2 + 90X3 + 120X4 5 50 000. Sujeto a 3Xi + 2X2 + 1.5X3 5 180.
120X1 + 135X2 + 170X3 + 200)(4 5 85 000. Siendo X1, X2, X3 enteras y no negativas.
Siendo X1, X2, X3, X4 enteras y no negativas. 2.11. Max Z=250Xi + 180X2 + 210X3 + 165X4 + 195X5 + 200X6.
2.2. Min Z=3X1 + 3.3X2 +3.5X3. Sujeto a X1 + X2+ X3+ X4 + X5+ X6= 8000.
Sujeto a 20X1 + 18X2 + 15X3 5 18.5. 0.36X1 +0.35X2 +0.30X3 + 0.45X4 +0.50X5 +0.25X6 k 0.36
17X1 +15X2 + 15X3 5 16. (8000).
X1+ X2+ X3= 1. 0.34X1 +0.35X2 +0.40X3 +0.25X4 + 0.22X5 + 0.50X6 ? 0.32
Siendo X1, X2, X3 no negativas. (8000).
2.3. Max Z= 2500X1 + 3000X2. 0.30X1 +0.30X2 +0.30X3 +0.30X4+ 0.28X5 +0.25X6 5 0.28
Sujeto a 10X1 + 12X2 5 150. (8000).
X1 5_3500 X25 2800. X3 _5 3800.
6X1 + 7X2 5 70.
X4 5_ 6400 X55 7200. X6 5_2600.
Siendo X1, X2 enteras y no negativas.
Siendo las variables no negativas.
2.4. Min Z= 7500X1 + 8500X2.
2.12. Implicaría seis restricciones adicionales, que serían que
Sujeto a (70X1 + 80X2)/(X1 + X2) ? 75.
Xi +X2 =4. cada una de las X ?.500.
Siendo X1, X2 enteras y no negativas. 2.13. Se definen las variables desde X 1 hasta X6 como las tonela-
das de cada fruta que se van a fletar y el planteamiento del
2.5. Max Z= 800X1 + 700X2 +600X3.
Sujeto a 2.5X1 + 2X2 + 2.2X3 5 100. problema es:
1.2X1 + X2 + 1.05X3 5 40.
Siendo X1, X2, X3 enteras y no negativas. Max Z= 350X1 + 320X2 + 300X3 + 400X4 + 470X5 + 390X6
1 +X2 +X3 +X4+X5+X6535 SujetoaX
2.6. Min Z= 8.5X1 + 11.7X2.
Sujeto a 25X1 + 16X2 5.20. + X2 + X3 + X4 + X5 +X6
X1 + X2 = 1. _5 60
0.80 0.75 0.70 0.60 0.65 0.53
Siendo XI, X2 no negativas.
2.7. Max Z= 600X1 + 700X2 + 850X3 . X1 515 X2 512 X3 510 X4 510 X5 58 X6 57.
Sujeto a 3X1 + 4X2 + 5X3 5 200.
Siendo X1, X2, X3 enteras y no negativas. Siendo las variables no negativas.
2.8. Min Z=200Xi + 150X2 + 110X3. 2.14. Se definen las seis variables, siendo cada una de ellas las
Sujeto a 80X1 +60X2 + 58X3 k 65. toneladas que se envían de una bodega dada a uno de los
X1 + X2+ X3=1. clientes, por ejemplo, X1A son las toneladas que se envia-
Siendo X1, X2, X3 no negativas. rían de la bodega 1 al cliente A. El planteamiento del pro-
2.9. Min Z= 350MB + 28OR + 200P. blema es:
Sujeto a 400MB+ 300R + 250P? 3200.
MB5.4. Mill Z= 1.5X1A+ 18X13+ 17X10+ 17 X2A + 16X2B + 15X20.
6. Sujeto a XIA+XiB +X10 5 1000.
8. X2A+ X2B X2 1300.
288
CAPÍTULO 5 289
XiA X2A = 800 3.4. X=5, Y=5,Z= 50
XIB X2B = 700 3.5. A=4, B= 12, Z=84
Xlc +X2c =600 3.6. X= 9.333, Y=5.333, Z= 104
3.7. C= 15, D= 15, Z=1170
Siendo las variables no negativas. 3.8. A =60, B= 80, Z=6300
2.15. Se definen las cuatro variables, cada una será el número
de artículos que se van a fabricar:
CAPÍTULO 4
Max Z=180 + 350 X2+500 X3+600 X4
Sujeto a: 4.1. X1 = 0.5, X2= O, X3= 0.5, Z=2.025
4.2. X1 = 0.667, X2=0.167, X3= 0.167, Z=41.167
4X14-7X2+10X 3 +12M 184000 4.3. X1 =453.2, X2=1427.8, X3= 0, X4=4500, X5 = 119,
3 Xi +4 X2 +2 X3 +2 X4 575000 Z= 923 864.7
3 Xi +3 X2 +4 X3 +3 X4 580000 4.4. X1 =3500, X2= 0, X3= 127.3, X4=0, X5 = 1954.5,
Xi 5 10 000 X2 8500 X6= 2418.2, Z= 1 766 500
X3 5000 X4 53500 4.5. Xi =2, X2=3, X3= O, Z=560
4.6. No hay solución factible.
Siendo las variables no negativas y enteras. 4.7. XI =10, X2 =0, X3 =O, X4=10, X5= 8, X6= 7, Z=13 990
2.16. Se definen siete variables, que serán lo que se va a acarrear 4.8. X1 = 1.025, X2 = 1.225, X3=1.525, Z=3.775
de cada banco de cal (X 1 a X3) y de grava (X4 a X7), respec- 4.9. No hay solución factible.
tivamente, 4.10. MaxZD =5Y1 +8Y2 +2Y3 +1.5Y4
71 +3 Y2+ 173 5 4 Sujetoa21
Min Z= 220X1 + 180X2 + 185X3 + 250X4 + 175X5 + 150X6 Y1 +2 Y2 +2 Y4 5 3
7 +10X Siendo Y1 , Y2, Y3, Y4 no negativas.
Sujeto a 4.11. Y2 = 1.3333, Y4 =0.1667,4=10.9167
+ X2 + X3 =2000 4.12. Min ZD = 3 Yi + Y2- Y3
X4+ X5+ X6+ X7= 8000 Sujeto a 3171 + Y2- Y3 10
0.13X1 + 0.18X2 + 0.25X3 5 0.20 (2000) Y1 + Y2 -173.9
0.55X4 + 0.52X5 + 0.5X6 + 0.4X7 0.50 (8000) Siendo Y1, Y2, Y3 no negativas.
0.08X4 + 0.11X5 + 0.12X6 + 0.13X7 5 0.10 (8000) La solución es: Y1 = 0.5, Y2= 8.5, ZD =10
Xi 5 1500X2 5 1000 X35 800 4.13. La solución del caso original es X1 =3.5, X2 = 0, X3 = 7,
X45.6500 X5 5800 X6 5000 X7 10 000 Z= 35, en tanto que para los incisos es:
CAPÍTULO 3 CAPÍTULO 5
Actividades
D
A E
F
G
D H
G 2 4 6 8 10 12 14 16
H Tiempo, semanas
B ' 3.5
FO
AO BO C4
1 ===. 10
(O, 0) (5, 5) (7, 7) (10, 14) 4 (14, 19) (21, 21) La ruta crítica es A-C-E-G-I, con un tiempo de 12 sema-
F1 nas.
Los tiempos más próximos y más lejanos se muestran en
(15, 19) paréntesis.
Las holguras de las actividades aparecen en la red junto a
aquéllas, y las de los eventos son O, excepto para el even-to
4, que es 1.5.
La ruta crítica es A B F G H I, con un tiempo de 21 días.
8.6. a) El gráfico de Gantt es:
Los tiempos más próximos y más lejanos de los eventos
aparecen en la red entre paréntesis y las holguras de las
actividades son los números que van junto a las literales Actividades
que representan cada actividad. Los eventos 5 y 6 tienen
una holgura de cuatro días, el evento 8 de cinco días y los A
restantes eventos de cero.
8.3. a) No hay error.
b) No debe haber más de un nodo final.
D
8.4. El gráfico de Gantt es:
E
F
G
H
4 8 12 16 20 24
Tiempo, semanas
292 RESPUESTAS A LOS PROBLEMAS RESUELTOS
E
\04
AO B6 F6 H6
1 2 4
(7, 7)
DN
O E H K
21
E
18
A
16 24
D
17
F L 21
Acción de disminución Tiempo, días Costo, M$ 9.3. La red de recorrido mínimo es:
Red inicial 32 147.70
Disminuir F un día 31 149.30
14
Disminuir C un día 30 150.95 A
a) 5.05 %. 13 15
b) 29.12 %.
c) 86.43 %.
B E
8.14. Utilizar cinco pintores los primeros cuatro días del pro-
yecto, siete el quinto día y seis el último día. Costo total = 53
8.15. Cuatro semanas.
10 16
Costo total = 80
294 RESPUESTAS A LOS PROBLEMAS RESUELTOS
Año
b) Q1 = (0.92, 0.08, 0, 0, 0)
Año III /V
Q2 = (0.8624, 0.1056, 0.0224, 0.0096, 0)
Uno después 7.00 25.00 43.00 25.00 Q3 = (0.8159, 0.1172, 0.0378, 0.0223, 0.0068).
Dos después 3.15 10.55 39.01 47.29
S OH T
c) Para nivel I = 0.10 %, nivel II = 1.17 %, nivel III = 26.62 4.88 2.56 1.90
27.72 % y nivel IV= 71.01 %. c) R= 14.12 4.88 2.56 1.90
d) Del I al IV= 3.4 años, del II al IV= 2.95 años y del III al 8.45 2.51 2.90 1.66
IV= 2.27 años.
6.52 2.07 1.77 2.46,
P CF E GF Venta 1570 1723 ' 2400;2817 3133 3000 2867 2833 2557 2493 2093 1797
1 2 3 4 G R
0 0.0384 \ 1 2 3 4 5
1 0.0688 0.8928 0 0 Año
2 0 0.0780 0.8990 0 0 0.0230 Venta, M ton 8.337 8.813 9.29 9.767 10.243
3 0 0 0.0736 0.9069 0 0.0195
P=
4 0 0 0 0.0693 0.9147 0.0160
15.8. a) En un año habrá 9052 alumnos, en dos años 8471 y en
G O 0 0 0 1 0 tres años 7890.
\ R O O 0 0 0 1 b) Se terminarán los alumnos en 17 años más.
15.9. Los pronósticos de los tres próximos años son:
1 136.4 204.2
0 1.085 1.053 1.026
R= 2 143.2 212.6
0 1.079 1.052
o 0 0 1.074 3 149.9 I 221.1
17.2. El 54o. valor será 0000, que se repetirá indefinidamente. 17.10. a) 15 pasos al Oeste y tres al Norte.
17.3. a) Al 1025. b) 26 al Oeste y seis al Norte.
b) Al 1026. c) 97 al Oeste y tres al Norte.
c) Al 1026. d) 185 al Oeste y 11 al Norte.
17.4. a) Al2050. e) 906 al Oeste y 48 al Sur.
b) Al2050. 17.11. a) 11 al Este y uno al Sur.
c) Al2050. b) Nueve al Este y siete al Sur.
17.5. Los números son: c) 46 al Oeste y 90 al Sur.
17.12.
Ackoff, R. L., 79, 186, 189, 195, 197, 247 Harris, F. W., 158 Miller, R., 110
Hay, E. J., 90, 156 Morgenstern, 179
Barker, J., 110 Heskett, J., 12, 192
Bellman, R., 98 Hillier, F. S., 11, 30, 47, 49, 65, 73, 75, 98, Neumann, von, 179, 253, 255
Bertalanffy, L. von, 110 114, 119, 133-134, 138, 146, 161, 181,
Box, G., 223 195, 203, 210, 212, 224, 226, 252, 254 Okoli, C., 223
Bronson, R., 15, 60, 62, 71, 91, 134, 136,
182, 193, 200 Izar Landeta, J. M., 12, 30, 165, 227, 229, Pawlowski, S., 223
279 Perry, C., 118
Chambers, J., 223 Pugh, S., 280
Cleland, D., 110 Jenkins, G., 223
Raymond, F. E., 158
Dantzig, G. B., 11, 30 Kaufmann, A., 234-235, 240-242, 244, 246
Davis, K. R., 12, 14, 23, 30, 47, 50, 58, 69, Keating, B., 222 Saaty, T. L., 276
75, 82, 84, 112-113, 125, 136, 146, 157- Kepner, C. H., 12 Sasieni, M. W., 79, 186, 189, 195, 197,
158, 173, 193, 201-203, 209, 217, 251- Kolmogorov, 209 247
253, 275
Doig, A., 59 Land, A. H., 59 Taylor, F. W., 11
Lehmer, 253 Thierauf, R. J., 11, 23, 67, 70, 75, 98, 111,
Fishman, G. S., 252 Lessard, D., 110 120, 148, 150-151, 156, 168, 171, 184-
Lieberman, G. J., 11, 30, 47, 49, 65, 73, 185, 187, 192,209,214
Gallagher, R., 15, 30, 77, 86, 147, 159, 163, 75, 98, 114, 119, 133-134, 138, 146, Tregoe, B. B., 12
179-180, 193, 195, 209, 252-253 161, 181, 195, 203, 210, 212, 224, 226,
Gantt, H. L., 111 252, 254 Vaughn, R. A., 11
Gardner, E., 225
Gomory, 62 Markov, A., 209 Watson, H. J., 15,30, 77, 86, 147, 159, 163,
González, J. H., 279 McKeown, P. G., 12, 14, 23, 30, 47, 50, 58, 179-180, 193, 195, 209, 252-253
Greig, J. D., 118 69, 75, 82, 84, 112-113, 125, 136, 146, Wiener, 209
Grosse, R. A., 11, 23, 67, 70, 75, 98, 111, 157-158, 173, 193, 201-203, 209, 217, Wilson, J., 222
120, 148, 150-151, 156, 168, 171, 184- 251-253, 275
185, 187, 192,209,214 Meier, R.C., 251
301
hoUce ginglítdeo
302
ÍNDICE ANALÍTICO 303
Gestión de proyectos, 110. Véase también adminis- punto de silla de montar, 181-182 Delphi, 223
tración de proyectos solución de juegos por programación lineal, 187- gráfico de programación lineal, 23-29, 57-58
Gráfico de Gantt, 111-112 189 metodología, 23-24
suma no nula, 180 húngaro, 91-94
Holgura, 114 terminología, clasificación y notación, 180 modi, 75, 77-78
y toma de decisiones, 179 mutuamente preferido, 67, 70-71
Índice de desempeño del costo, 128 valor del, 180 PERT/CPM, 111-132
Inicialización, métodos de, 67 Justo a tiempo, 156 construcción de red del proyecto, 112-114
Inventario(s) control de costos, 128-129
cero, 156 Lindo, software, 45-47 determinación de ruta crítica, 114-118
decisiones fundamentales, 157 Líneas de espera, modelos de, 192-208 estimación de tiempos, 118-119
manejo de, 156 costo de sistema, 195 nivelación de recursos, 125-127
modelos de, 156-178 D/D/1,195-197 relaciones entre tiempo y costo para los proyec-
cantidad de pedido D/D/S, 195,197-199 tos, 119-125
cantidad económica de costo mínimo, 203-205 símplex de programación lineal, 11, 30-56
de pedido, 157-159 distribución de probabilidad adición de nuevas restricciones y de nuevas va-
con faltantes, 157,161-163 de Poisson, 194 riables, 53-54
del lote de producción, 157, 170-173 exponencial negativa, 194-195 análisis de sensibilidad, 49
fija y ciclo de tiempo variable, 157, 168-169 M/D/1, 195, 203 clasificación de casos, 50
variable y ciclo de tiempo fijo, 157, 169-170 M/G/1, 195, 202-203 cambios
caso base, 157 M/M//, 195, 200-201 en coeficientes de variables en ecuaciones de
determinación del punto de renovación de pe- M/M/S, 195, 201-202 restricciones, 52-53
didos, 157, 163-165 sistema de unilínea, 192 en constantes de restricciones, 50-51
existencias de seguridad, 157 terminología, 193-194 en contribuciones de variables en función ob-
manejo de descuentos por compra de lotes ma- abandono, 193 jetivo, 51-52
yores, 157, 159-161 capacidad del sistema, 193 casos especiales, 44-47
sistema ABC de clasificación, 157, 173-174 características, 193 desempates, 44
terminología, 157-158 disciplina, 193 no hay variable básica de salida, 44
agotamientos, 157 estado del sistema, 193 precios sombra, 44-45
cantidad económica de pedido, 157 longitud, 193 resolución de problemas con Lindo, 45-47
costo(s), 157 patrón términos negativos en segundo miembro de
de agotamientos, 157-158 de llegadas, 193 ecuaciones de restricciones, 44
de conservación, 157 de servicio, 193 dualidad, 47-49
de las mercancías, 157 rechazo, 193 etapas, 30
de pedidos, 157 y simulación, 251 interpretación económica del dual, 49
demanda, 157 Modelo(s)
existencia de seguridad, 157 Matriz clasificación de, 13
Huido, 165-168 de pagos, 144, 180 de decisión de criterios ingenuos, 146-147
inventario promedio, 157 de probabilidades de transición, 210-212 de maximización del pago promedio, 146-147
pedidos retroactivos, 157 Metas, programación por, 11 minimax, 146
política de pedidos, 157 Método(s) optimista, 146
punto de renovación de pedidos, 157 algebraico, 184-185 de distribución de probabilidad
tiempo de adelanto, 157 aritmético, 184 continua, 149-151
y simulación, 251 cuantitativos para la toma de decisiones, 12 discreta, 147-148
objetivo básico del, 156 de asignación, 65 análisis de Bayes, 147-148
Investigación de operaciones de bifurcación y acotación, 57, 59-62 de inventarios, 156-178
definición, 12-13 de corte de Gomory, 57, 62-63 de inversión, 251
futuro de la, 11-12 de distribución, 65 de la cantidad económica de pedido,158-159
reseña histórica, 11 de enumeración completa, 57, 59 de lineas de espera, 192-208
de flujo máximo, 133, 138-140 de optimización, 14
Juego(s) de Gauss Jordan, 30 de probabilidad conjunta, 183
clasificación, 180 de inicialización, 67 de pronósticos, 222-233
de mesa, 179 de la distribución modificada, 77 de redes, 133
de negocios y simulación, 251 de la esquina noroeste, 67-68 de remplazo y mantenimiento de ?quipos, 234-
definición, 180 de la ruta más corta, 133,136-137 250
notación, 180 de las ganancias esperadas, 147 de simulación, 252
teoría de, 179-191 de Montecarlo, 253, 255-258 de tipo probabilístico, 209
campañas de optimización, 75 definición, 13
de publicidad, 179 de programación descriptivo, 13-14
políticas, 179 matemática, 11 determinístico, 13
combates militares, 179 por metas, 11 dinámico, 13
determinación del valor del juego, 183-187 de Russell, 67, 73-75 estático, 13
método de subjuegos, 185-186 markoviano, 209
algebraico, 184-185 de transporte, 65 normativo, 13-14
aritmético, 184 caso base, 67 PERT/CPM y modelos de redes, 140
de subjuegos, 185-186 planteamiento de problema, 65-67 probabilísticos, 13
gráfico, 186-187 de trasbordo, 65 Montecarlo, método de, 253, 255-258
modelo de probabilidad conjunta, 183 de Vogel, 67, 71-73 enfoque
dilema del prisionero, 179 del costo menor, 67, 69-70 de transformación matemática, 256-258
dominio,182-183 del cruce del arroyo, 75-77 función de probabilidad
negociaciones obrero-patronales, 179 del recorrido mínimo, 133-136 exponencial negativa, 257
planeación empresarial, 179 del valor esperado, 147 normal, 257-258
304 ÍNDICE ANALÍTICO
Contenido
Introducción a la investigación de operaciones
Programación lineal. Planteamiento de problemas
Programación lineal. Método gráfico
, Programación lineal. Método símplex
Programación entera
Método de transporte
Programación dinámica
Administración de proyectos
Análisis de redes
Teoría de decisiones
Modelos de inventarios
Teoría de juegos
Modelos de líneas de espera
Análisis de Markov
Modelos de pronósticos
Modelos de remplazo y mantenimiento de equipos
Simulación
Técnicas de priorización
En TRILLAS www.etr
1
ISBN 978-
Tienda en línea
www.etrillas.com.mx
La mejor forma de comprar
9 86 071111117111191116 1