Investigación de Operaciones

IN VESTIGACIÓN DE :-
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'
Juan Man el Izar Landeta trillas 11

(
TÍTULO AFÍN )
Toma de decisiones a través de

métodos cuantitativos
Un enfoque algorítmico
José Ignacio Mojica Palacios
En este libro se plantea el uso de méto-
dos cuantitativos para apoyar los pro-
cesos productivos y administrativos de
una empresa a través de conocimientos
e instrumentos técnicos, analíticos, y el
desarrollo de modelos o metodologías
para el diseño, control, administración y
estudios de factibilidad económica para
la operación de sistemas.
El autor señala la utilidad de estos ins-
trumentos para planear, instrumentar e
implantar proyectos o sistemas que pro-
duzcan cambios de actitudes que accedan
y promuevan mejoras en la planeación y
el desarrollo de sistemas sustentables.
Asimismo, considera que gracias a éstos
el estudiante de administración podrá
aprender a aplicar las técnicas y herra-
mientas que contribuyan al desarrollo de
habilidades para la toma de decisiones.
INVESTIGACIÓN DE
OPERACIONES
INVESTIGACIÓN DE
OPERACIONES
Juan Manuel Izar Landeta
EDITORIAL
TRILLAS
México, Argentina, España, Pi]
Colombia, Puerto Rico, Venezuela
Catalogación en la fuente
Izar Landeta, Juan Manuel

Investigación de operaciones. -- 2a ed. -- México :
Trillas, 2012.
304 p. : gráfs. ; 27 cm.
Incluye bibliografías e índices
ISBN 978-607-17-1152-6
1. Investigación operativo. 2. Habilidad ejecutiva. 1. t.
D- 658.4037'1697i LC- ND30.23'19.5 4689
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
Cap. 1. Introducción a la investigación de operaciones 11

Breve reseña histórica de la investigación de operaciones, 11. Definición de la inves-
tigación de operaciones, 12. Resolución de problemas, 12. Toma de decisiones, 13.
Otras definiciones, 13. Bibliografía, 14.
Cap. 2. Programación lineal. Planteamiento de problemas 15

Introducción, 15. Definiciones, 15. Metodología, 15. Problemas propuestos, 20. Biblio-
grafía, 22.
Cap. 3. Programación lineal. Método gráfico 23

Introducción, 23. Metodología, 23. Problemas propuestos, 28. Bibliografía, 29.
Cap. 4. Programación lineal. Método símplex 30

Introducción, 30. Etapas del método símplex, 30. Propiedades de las soluciones fac-
tibles, 30. Metodología símplex, 31. Casos especiales del método símplex, 44. Dua-
lidad, 47. Interpretación económica del dual, 49. Análisis de sensibilidad, 49. Cla-
sificación de casos para el análisis de sensibilidad, 50. Cambios en las constantes de
las restricciones, 50. Cambios en las contribuciones de las variables en la función ob-
jetivo, 51. Cambios en los coeficientes de las variables en las ecuaciones de las res-
tricciones, 52. Adición de nuevas variables, 53. Adición de nuevas restricciones, 54.
Problemas propuestos, 55. Bibliografía, 56.
Cap. 5. Programación entera 57

Introducción, 57. Caso base, 57. Método gráfico, 57. Método de redondeo de la so-
lución óptima de programación lineal, 58. Método de enumeración completa, 59.
Método de bifurcación y acotación, 59. Método de corte de Gomory, 62. Problemas
propuestos, 63. Bibliografía, 64.
Cap. 6. Método de transporte 65

Introducción, 65. Planteamiento del problema, 65. Métodos de inicialización, 67.
Caso base, 67. Método de la esquina noroeste, 67. Método del costo menor, 69.
Método mutuamente preferido, 70. Método de Vogel, 71. Método de Russell, 73.
Métodos de optimización, 75. Método del cruce del arroyo, 75. Método Modi, 77.
5
6 ÍNDICE DE CONTENIDO
Variantes en los problemas de transporte, 79. Casos de restricciones adicionales, 87.

Casos especiales de transporte, 90. Problemas propuestos, 94. Bibliografía, 97.
Cap. 7. Programación dinámica 98

Introducción, 98. Características y metodología, 98. Terminología, 99. Problemas
Cap. 8. Administración de proyectos 110

Introducción, 110. El gráfico de Gantt, 111. Método PERT/CPM, 112. Problemas
Cap. 9. Análisis de redes 133

Introducción, 133. Terminología de redes, 133. Método del recorrido mínimo, 134.
Método de la ruta más corta, 136. Método de flujo máximo, 138. Otros problemas
planteados como modelos de redes, 140. Casos de flujos de costo mínimo, 140.
Problemas propuestos, 140. Bibliografía, 142.
Cap. 10. Teoría de decisiones 143

Introducción, 143. Caso base, 143. Terminología de decisiones, 144. Modelos de
decisión de criterios ingenuos, 146. Modelos para distribución de probabilidad dis-
creta, 147. Ganancias esperadas con la información perfecta, 148. Utilidad, 148.
Modelos de distribución de probabilidad continua, 149. Análisis marginal, 151. Pro-
blemas propuestos, 152. Bibliografía, 155.
Cap. 11. Modelos de inventarios 156

Introducción, 156. Caso base, 157. Terminología, 157. Modelo de la cantidad
económica de pedido (CEP), 158. Modelo de descuentos por compras de lotes ma-
yores, 159. Modelo CEP con agotamientos por pedidos retroactivos, 161. Modelo
del punto de renovación de pedidos (PRP), 163. Método híbrido, 165. Modelo de
cantidad de pedido fija y ciclo de tiempo variable, 168. Modelo de ciclo de tiem-
po fijo y cantidad de pedido variable, 169. Modelo de la cantidad económica del
lote de producción, 170. Sistema de clasificación de inventarios ABC, 173. Proble-
mas propuestos, 174. Bibliografía, 178.
Cap. 12. Teoría de juegos 179

Introducción, 179. Terminología, clasificación y notación de juegos, 180. Punto de
silla de montar, 181. Dominio, 182. Determinación del valor del juego, 183. Solución
de juegos por programación lineal, 187. Consideraciones finales, 189. Problemas pro-
puestos, 189. Bibliografía, 191.
Cap. 13. Modelos de lineas de espera 192

Introducción, 192. Terminología, 193. Distribución de probabilidad de Poisson, 194.
Distribución de probabilidad exponencial negativa, 194. Costo de un sistema de
líneas de espera, 195. Modelos de líneas de espera, 195. Modelo M/M/S, 201. Línea
de espera de costo mínimo, 203. Problemas propuestos, 205. Bibliografía, 208.
Cap. 14. Análisis de Markov 209

Introducción, 209. Terminología, 209. Caso base, 210. Matriz de probabilidades de
transición, 210. Condiciones del sistema para periodos posteriores, 212. Condicio-
nes del estado estable, 214. Obtención y aplicaciones de la matriz fundamental,
215. Tiempo de transición de un estado a otro, 217. Problemas propuestos, 219. Bi-
bliografía, 221.
Cap. 15. Modelos de pronósticos 222

Introducción, 222. Clasificación de los modelos de pronósticos, 222. Modelos sub-
jetivos, 223. Método gráfico, 223. Modelos de series de tiempo, 223. Modelos
ÍNDICE DE CONTENIDO 7
estacionales, 226. Modelos de tendencia, 227. Modelos causales, 229. Problemas
Cap. 16. Modelos de remplazo y mantenimiento de equipos 234

Introducción, 234. Terminología, 234. Modelos de remplazo de equipos con des-
gaste determinístico, 235. Tiempo óptimo de remplazo de los equipos, 237. Mode-
los de remplazo de equipo con desgaste aleatorio, 238. Curvas de supervivencia y
mortalidad de los equipos, 238. Probabilidad de avería, 238. Tiempo promedio de
aparición de la avería, 238. Tiempo límite de funcionamiento para los equipos, 240.
Probabilidad de consumo de equipos nuevos, 241. Probabilidad de consumo de equi-
pos usados, 242. Aprovisionamiento de equipos, 244. Tasa de mantenimiento, 246.
Remplazo óptimo de los equipos en grupo, 247. Problemas propuestos, 248. Bi-
bliografía, 250.
Cap. 17. Simulación 251

Introducción, 251. Definición y características de la simulación, 251. Etapas de la
simulación, 252. Diagramas de flujo, 252. Generación de números aleatorios, 253.
Método de Montecarlo, 255. Casos de simulación, 258. Problemas propuestos, 272.
Bibliografía, 275.
Cap. 18. Técnicas de priorización 276

Introducción, 276. Proceso analítico de jerarquización (AHP), 276. Técnica de gru-
pos nominales (TGN), 279. Multivoto, 279. Matriz de Pugh, 280. Bibliografía, 283.
Apéndice 285
Áreas bajo la curva normal de probabilidad para una desviación estándar dada, 285.
Números aleatorios, 286.
Respuestas a los problemas resueltos 288

Capítulo 2, 288. Capítulo 3, 289. Capítulo 4, 289. Capítulo 5, 289. Capítulo 6, 290.
Capítulo 17, 298.
Índice onomástico 301

Índice analítico 302
ectmlehtog
En esta ocasión quiero externar mi agradecimiento a mi institución, así como a varias

personas.
En primer lugar a la Universidad Autónoma de San Luis Potosíy a su rector, el licencia-
do Mario García, ya que ha dado continuidad al trabajo institucional y creado el ambiente
para que este tipo de tareas fructifique a favor de la academia.
A la Facultad de Ingeniería, mi centro laboral y a su director, el ingeniero Armando
Viramontes, por darme la oportunidad de laborar aquí, sitio donde se respira un ambiente
académico y de camaradería, que sin duda favorecen estas arduas actividades, como es la de
escribir.
A mi esposa, Ina, compañera a lo largo de 31 años de mi vida, quien ha sido mi motivo
para seguir con ánimo en la vida.
A mis hijos Ana, Juan y Jorge, quienes son una fuente de inspiración para buscar siem-
pre la mejora en todos los aspectos de la vida.
A mis padres, hermanas y cuñados, con quienes sé que cuento en todo momento.
No pueden faltar en este espacio mis amigos, ya que un amigo es un ser invaluable con
quien contamos a pesar de la distancia, diferencias de edad, género o quehacer. Entre mi
reducida lista cuento a Alfredo Haro y su esposa Aracely, a Berenice, a Norma, Margarita y
Héctor, a ellos también quiero expresarles mi gratitud.
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 mado 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 consumo 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.
Ejemplo 2.2. Una fábrica de calzado dispone de 45 unidades

¿Cuánto deberán mezclar de cada una de las tres si se desea de piel y 20 horas de tiempo para producir dos tipos de botas, de
minimizar el costo para preparar 1 kg de alimento, cuyo conteni- las cuales el primer tipo requiere seis unidades de piel y 2 horas
do de azúcar no sea menor a 10 %, su contenido de grasa no mayor de tiempo, vendiéndose a $ 800 cada par; mientras el segundo
de 9.5 % y su contenido de proteínas no menor de 52 %? tipo necesita cinco unidades de piel y 2.5 horas de tiempo, ven-
diéndose a $ 725 cada par. ¿Cuántos pares de botas de cada tipo
Solución: de acuerdo con la metodología antes descrita, se va deberán fabricarse con el fin de maximizar los ingresos?
al primer paso, es decir, a definir las variables del problema.
Estas variables serán los contenidos necesarios de cada una Solución: lo primero será definir las variables del problema,
de las tres materias primas, las cuales se definen de la siguiente las cuales serán las cantidades que se van a producir de cada tipo
manera: de botas, es decir:
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:
6X1 + 5X2 < 45 12X1 +1 0X2 + 8X3 11

2X1 + 2.5X2 20 30X1 + 30X2 + 25X3 k 28
18X1 + 15X2 + 15X3 17
Con Xl y X2 enteras y no negativas. X1 + X2+ X3 = 1
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
50 50 800 22.5
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
Concepto A c PROBLEMAS PROPUESTOS

Precio, $/unidad 400 550 700 2.1. Un restaurante busca optimizar sus ingresos por la venta de
postres, puede disponer de cuatro diferentes tipos: natilla,
Costo variable, $/unidad 220 300 400 gelatina, flan y dulce, los cuales requieren azúcar y leche
Margen de contribución, $/unidad 180 250 300 condensada en las cantidades que se señalan enseguida:
Demanda, unidades 5000 3000 1500

Materia prima requerida, kg/unidad 8 10 13 Postre Azúcar, g Leche, ml Precio, 5/u 1
4 2 3 Natilla 60 120 25.0

Horas de mano de obra, h/unidad
I Gelatina 70 135 30.0
Horas máquina, h/unidad 2 4 3
Flan 90 170 35.0
Dulce 120 200 40.0
La en presa cuenta con la siguiente disponibilidad de re-
cursos:
Si el restaurante dispone de una entrega de 50 kg de azúcar
Materia prima: 85 000 kg y 85 e de leche condensada, ¿cuántos postres deberá prepa-
Horas de mano de obra: 28 000 h rar de cada tipo con el fin de maximizar sus ingresos por
Horas máquina: 22 000 h este concepto?
2.2. Una clínica de dietas busca minimizar sus costos al prepa-
¿Cuánto se deberá fabricar de cada artículo para maximizar rar un alimento balanceado. Para esto cuenta con tres pro-
su utilidad marginal? Plantee el problema de programación lineal. ductos como materias primas, que tienen las siguientes es-
pecificaciones:
Solución: en este caso hay tres variables, que son la cantidad
de artículos que deben producirse del tipo A, B y C.
Entonces, estas variables son: Materia prima Grasas, % Azúcares, % Costo, $/kg
1 20 17 30.0
X1 = Número de artículos del tipo A que se van a fabricar.
2 18 15 33.0
X2 = Número de artículos del tipo B que se van a fabricar.
X3 = Número de artículos del tipo C que se van a fabricar. 3 15 15 35.0
En este caso la función objetivo es la utilidad marginal que

se va a obtener al producir los artículos, la cual queda de la ma- Si el alimento balanceado debe contener como máximo
nera siguiente: 18.5 % de grasas y 16 % de azúcares, ¿cómo deberá mezclar
la clínica sus materias primas para satisfacer esas condicio-
nes a un costo total mínimo?
Max Z= 180X1 + 250X2 + 300X3 2.3. Un taller de herrería busca mejorar sus utilidades fabri-
cando dos tipos diferentes de puertas. El taller cuenta con
Con respecto a las restricciones, hay una por cada recurso y 150 kg de fierroy 70 h de tiempo disponible. La puerta tipo
otra que tiene que ver con la demanda de cada artículo. 1 requiere 10 kg de fierro y 6 h de tiempo dando una utili-
En cuanto a los recursos, las restricciones quedan de la si- dad de $ 2500, mientras que el segundo tipo necesita 12 kg
guiente forma: de fierroy 7 h de tiempo, con una utilidad de $ 3000. ¿Cuán-
tas puertas de cada tipo deberá fabricar el taller de manera
Materia prima: 8X1 + 10X2 + 13X3 85 000 que maximice sus utilidades?
Mano de obra: 4X1 + 2X2 + 3X3 28 000 2.4. La fábrica Química de Rioverde busca satisfacer las leyes
Tiempo de máquinas: 2X 1 + 4X2 + 3X3 22 000 ecológicas, para lo cual le han ofrecido dos diferentes tipos de
equipo anticontaminante. El primer equipo le proporciona
Por lo que toca a la demanda, la cantidad producida de cada 70 % de control y su costo es de $ 7500, mientras que el se-
artículo no debe exceder a la demanda: gundo equipo le proporciona 80 % de control y cuesta $ 8500.
Si la empresa necesita instalar un total de cuatro equipos
anticontaminantes con 75 % de control global, ¿cuántos
Artículo A: X1 5 5000 equipos de cada tipo deberán adquirir, de modo que el cos-
Artículo B: X2 3000 to total de adquisición de los equipos sea mínimo?
Artículo C: X3 1500 2.5. Una carpintería cuenta con 100 m 3 de madera y 40 h de
tiempo libre. Busca fabricar tres tipos diferentes de sillas,
Por su parte, las variables deberán ser no negativas y nú- las cuales pueden venderse aceptablemente en el merca-
meros enteros, ya que no deberá fabricarse ningún articulo en do. Cada tipo tiene los siguientes requerimientos y precios
fracciones. de venta:
21
Si la compañía ha recibido un pedido de material por una
Tipo de silla Madera, m3 Tiempo, h Precio, $/u
cantidad de 8000 ton, que contengan como mínimo 36 % de
2.5 1.20 800 material de 1/2", 32 % de % " y como máximo 28 % de finos,
1.00 700
¿cuánto deberá acarrear de cada banco para satisfacer al
2 2.0
cliente con un margen de utilidad total máximo?
3 2.2 1.05 600 2.12. Si en el problema anterior, a la compañía Gravas Finas un
proveedor le exigiese en una cláusula adicional que de cada
banco acarrease por lo menos 500 ton, ¿qué implicaría esto
¿Cuántas sillas de cada tipo deberá fabricar, de modo que en el planteamiento del problema?
pueda maximizar sus ingresos? 2.13. El señor José Padrón cuenta con un tráiler con capacidad
2.6. Una fábrica de quesos debe elaborarlos con un contenido de carga de 35 ton y 60 m 3 en cuanto a capacidad volumé-
de grasas no mayor de 20 %, para lo cual puede adquirir dos trica. Un comprador de frutas le solicita un flete de las mis-
tipos diferentes de leche: el primer tipo tiene 25 % de gramas, por el cual le pagaría las siguientes cantidades:
sas y cuesta $ 8.50/e, mientras que el segundo tipo contie-
ne 16 % de grasas y su costo es de $ 11.70/C. ¿Cómo deberá
mezclar estas leches para preparar queso a un costo míni- Toneladas de Densidad
mo? Suponga que de 1 e de leche se obtiene un queso. Ingreso por flete, fruta volumétrica de la
2.7. Un supermercado puede poner en sus estantes tres nuevos 3
Fruta $/ton por transporte fruta, ton/m
productos, que le ocuparían tres, cuatro y cinco estantes,
respectivamente, generando 600, 700 y 850 pesos de ingre- Naranja 350 15 0.80
sos adicionales, respectivamente. Si el supermercado cuen- Manzana 320 12 0.75
ta con 200 estantes para colocar estos productos, ¿cuántos Pera 300 10 0.70
productos de cada tipo deberá colocar de tal modo que maxi-
mice sus ingresos adicionales? Durazno 400 10 0.60
2.8. Un proveedor de materiales de construcción desea preparar Mango 470 8 0.65
grava que contenga por lo menos 65 % de material de 1/4", -
para esto cuenta con tres tipos de materias primas, las cua- Guayaba 390 7 0.53
les contienen 80, 60 y 58 % de material de 1/2" , con un cos-
to de 200, 150 y 110 pesos por tonelada, respectivamente. Si no hay restricciones en cuanto a las cantidades de cada
¿Cómo deberá mezclar estas tres materias primas para pre- fruta que debe transportar, ¿cómo debería cargar el tráiler
parar una tonelada de grava a un costo mínimo? el señor Padrón para maximizar sus ingresos por concepto
2.9. Un constructor cuenta con tres tipos diferentes de albañi- del flete?
les: MB, R y P, los cuales pueden colocar 400, 300 y 250 2.14. Un proveedor de cemento cuenta con dos bodegas en las
ladrillos diarios devengando salarios de 350, 280 y 200 pe- cuales tiene en existencia 1000y 1300 ton de cemento, res-
sos diarios, respectivamente. Si el constructor necesita colo- pectivamente, y ha recibido tres pedidos de parte de sus
car 3200 ladrillos diarios y cuenta con cuatro albañiles tipo clientes por 800, 700 y 600 ton, respectivamente, los cuales
MB, seis del tipo R y ocho del P, ¿cómo asignaría 10 albañi- le cuestan por el flete las cantidades en pesos por tonelada
les para colocar los ladrillos a un costo salarial mínimo? que se presentan:
2.10. Una radiodifusora cuenta con 3 h de tiempo libre para pro-
gramar comerciales. Hay tres tipos diferentes de comercia-
les, los cuales toman 3, 2 y 1.5 min cada uno, generando un
ingreso de 1000, 800 y 650 pesos, respectivamente. ¿Cuán- Bodega Cliente A Cliente B Cliente C
tos comerciales de cada tipo deberá programar de manera 1 15 18 17
que sus ingresos por este concepto se maximicen?
2 17 16 15
2.11. La compañía Gravas Finas se dedica al acarreo de grava
para la construcción, y cuenta con seis bancos de material di-
ferentes cuyos márgenes de utilidad por acarreo y caracte- ¿Cómo definiría un programa de envíos de modo que el cos-
rísticas granulométricas de los materiales son los siguientes: to por el flete sea mínimo?
2.15. Una empresa manufactura cuatro artículos y tiene algo de
capacidad ociosa para producirlos. La información contable
Cantidad Margen de Material Material Finos, y de los requerimientos de recursos es la siguiente:
Banco disponible, ton utilidad, $/ton V2", % Vi ", % %
1 3500 250 36.0 34.0 30.0
Concepto A B C D
2 2800 180 35.0 35.0 30.0
Precio, $/unidad 600 850 1100 1500
3 3800 210 30.0 40.0 30.0
Costo variable, $/unidad 420 500 600 900
4 6400 165 45.0 25.0 30.0
Margen de contribución,
5 7200 195 50.0 22.0 28.0 S/unidad 180 350 500 600
6 2600 200 25.0 50.0 25.0 Demanda, unidades 10000 8500 5000 3500
22
Concepto A C D 2.17. Un distribuidor de arena cuenta con seis bancos de mate-
rial de arena y ha recibido pedidos grandes por parte de
Materia prima requerida, tres clientes. La información de cada banco es la siguiente:
kg/unidad 4 10 12
Horas de mano de obra,
h/unidad 3 Cantidad disponible
Horas máquina, h/unidad Banco ton
1 3100
La empresa cuenta con los siguientes recursos: 2 4300
3 3500
Materia prima: 184 000 kg
4 6300
Horas de mano de obra: 75 000 h
5 7000
Horas máquina: 80 000 h
6 5100
¿Cuánto deberá fabricar de cada artículo para maximizar
su utilidad marginal? Plantear el problema de programa-
ción lineal. Por su parte, los clientes han pedido 10 000, 9000 y 8500 ton
2.16. La compañía Cal y Materiales para la Construcción cuenta respectivamente, y los costos de envío de cada banco, a cada
con tres bancos de cal y cuatro de grava, y ha recibido un cliente, en pesos por tonelada son:
pedido de un cliente importante por 2000 ton de cal, que
lleve como máximo 20 % de inertes y 8000 ton de grava, con
al menos 50 % de material de Vi ", y como máximo 10 % de
Cliente
finos. La información relativa a los bancos es la siguiente: Banco
A B C
500 650 800
Costo de Material 2 650 750 650
Banco acarreo Disponibilidad activo I Inertes
de cal $/ton ton % 1 3 600 550 700
C 220 1500 87 13 4 720 900 750
C, 180 1000 82 18 5 800 1000 900
C3 185 800 75 25 830 850 800
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:
Entonces los puntos son P1 (A = 0, B= 20) y P2 (A = 10, B= 0) Z= 6.4 = 0.5A + 0.4(0)

Para la ecuación 2:
de donde:
A+B=16
SiA= 0,B= 16 A=6.4/0.5 = 12.8
SiB= 0,A= 16 Siendo el otro punto (A = 12.8, B= 0), al cual se llamará R.
Para la otra línea recta, se toma la que pasa por el punto
Siendo los puntos Q1 (A= 0, B= 16)y Q2 (A =16, B= 0). P2 donde A = 10, B = O, siendo Z = 0.5 x A + 0.4 x B = 0.5 x 10 +
La representación gráfica de estas ecuaciones se muestra en 0.4 x O = 5.
la figura 3.1. Para graficar esta recta se necesita conocer un segundo pun-
Un comentario adicional es el hecho de que como A y B de- to, el cual se tomará cuando A = 0, entonces:
ben ser no negativas, esto delimita la zona factible de solución al
primer cuadrante. Z = 5 = 0.5A + 0.4B = 0.5(0) + 0.4B
METODOLOGÍA 25
de donde: Entonces:
B= 5/0.4 = 12.5 Z= 0.5A + 0.4B

= 0.5(0) + 0.4(16) = 6.4
Siendo este segundo punto (A = 0, B= 12.5), el cual se deno-
minará como S. Punto PQ (no se conocen las coordenadas).
Estas dos líneas rectas se presentan junto con la región facti- Por tanto, lo primero será obtener su localización, para esto se
ble de solución en la figura 3.2. sabe que dicho punto es la intersección de la recta de la restricción
número 1 con la recta de la restricción número 2, por tanto, si se re-
suelven las ecuaciones de esas dos restricciones a la vez, se obten-
drán los valores de A y B que corresponden al punto PQ, entonces:
2A+B= 20 (1)
A+B= 16 (2)
Si se resta la ecuación 2 de la 1, se obtiene:
2A—A+B—B=20 —16
A=4
Con este valor de A, se sustituye en la ecuación 2 para obtener:
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:
Punto O (A = 0, B=0) Min Z= 10A + 9B

Entonces:
Sujeto a las restricciones:
Z= 0.5A + 0.4B
A+2B12
= 0.5(0) + 0.4(0) = O
2A+ ,FT10
Punto Qi (A = 0, B= 16) siendo A y B no negativas.
26 CAP. 3. PROGRAMACIÓN LINEAL. MÉTODO GRÁFICO
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)
B Si a la ecuación 1 se le resta dos veces la ecuación 2, se tendrá:

12
A — 2 (2A) + 2B — 2(B) = 12 — 2(10)
10 A— 4A + 2B— 2B= 12 — 20
—3A = —8
A = 8/3
Y si se sustituye este valor en la ecuación 1, dará:
8/3 + 2B= 12
2B= 12 — 8/3 =36/3 — 8/3 = 28/3
B= 28/3/2 = 28/6 = 14/3
Por tanto, el punto PQ está situado en (A = 8/3, B= 14/3), esto

0 2 4 6 8 10 12 14 A dará para Z:
Figura 3.3. Gráfica de las restricciones y la región
Z= 10A +9B
factible de solución del ejemplo 3.2.
= 10(8/3) + 9(14/3)
= 80/3 + 126/3 = 206/3
La zona 1 queda debajo de la línea de la ecuación 2 y arriba
de la línea de la ecuación 1. Como las restricciones son en este De aquí se ve que la solución está situada en este punto PQ,
que es el que proporciona la Zmínima y cumple con las restriccio-
caso del tipo mayor o igual que (4 esta zona cumple con la prime-
ra restricción, pero no con la segunda. nes, por tanto la solución es:
Por su parte la zona 2 cumple con la segunda restricción,
pues queda por arriba de la línea de su ecuación, pero no con la A = 8/3
primera, pues queda por debajo de la línea correspondiente a su B= 14/3
ecuación. Z= 206/3
METODOLOGÍA 27
Ejemplo 3.3. Resolver el problema de programación lineal: Aquí es necesario comentar que la segunda restricción es del
tipo menor o igual que (5.); por tanto, esto delimita la zona factible
Max Z= 2A + 1.5B de solución al área debajo de esta línea y dentro del primer cua-
drante, es decir, el triángulo 0-P1 -P2 . Pero la primera restricción
Sujeto a las restricciones: es del tipo igual que (=), esto significa que la solución debe que-
dar en un punto sobre la recta de la ecuación 1; por tanto, la re-
gión factible de solución es el tramo de esta recta que queda den-
A+B=1 (1) tro del triángulo O-P1 -P2, la cual se muestra en la figura 3.4 con
0.4A + 0.3B 5. 0.36 (2) un trazo más grueso, pues es la única parte que cumple con ambas
restricciones, esto significa que la solución quedará comprendida
Siendo A y B no negativas. entre Q i y PQ.
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:
A+B= 1 Para el punto Qi (A = O, B = 1.0):

0.4A + 0.3B = 0.36
Z=2A + 1.5B
Para la primera ecuación se toman los siguientes puntos: = 2(0) + 1.5(1) = 1.5
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
Al quitar los paréntesis, dará:

B
12
0.4 - 0.4B + 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
0 0.2 0.4 0.6 0.8

P2
1.0 1.2
A = 1 - 0.4 = 0.6
Figura 3.4. Gráfica del caso del ejemplo 3.3. Por tanto, el punto PQ se sitúa en (A = 0.6, B= 0.4).
28
Y la Z respectiva será:
Z= 2A + 1.5B
= 2(0.6) + 1.5(0.4) 1.6
= 1.2 + 0.6 = 1.8
La Z mayor es esta última; por tanto, la solución es: 1.2
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
Max Z= 80A+ 75B

0 0.4 0.8 1.2 1.6 2.0 2.4
2A+ (1)
A+ 2B 5. 1.5 (2) restricciones; sin embargo, la tercera restricción por ser del tipo
A+ B = 1 (3) igual que (=), implica que la solución debe quedar en la recta de
dicha ecuación. En la figura 3.5 se ve que esta recta no entra en
Siendo A y B no negativas y además enteras. ningún momento en el área señalada con diagonales, lo que signi-
fica que no existe región factible de solución que satisfaga las tres
Solución: como el problema ya está planteado, se va al paso 2, restricciones, por lo cual se puede decir que este problema no tie-
colocando la A en el eje de las abscisas y la B en el de las ordena- ne solución factible.
das, y se procede a graficar las restricciones, tomando como igual- Una situación que es conveniente señalar es el hecho de que
dades sus ecuaciones, entonces: la solución de este problema desde su planteamiento indicaba
que las variables A y B deberían ser enteras, esto habría implicado
2A+ B= 1.3 (1) buscar combinaciones enteras de las dos variables que quedasen
A+2B=1.5 (2) dentro de la zona factible de solución, siendo aquella combina-
A+ B= 1 (3)
ción entera que hubiese maximizado Z.
Ahora se toman dos puntos de cada ecuación para trazarla rec-

ta correspondiente, así se tendrá para la ecuación 1 lo siguiente: PROBLEMAS PROPUESTOS
Si A= O, B= 1.3 3.1. Maximizar:
SiB=0, 2A= 1.3
A = 1.3/2 = 0.65 Z= 4A +3B
Los puntos serán Pi (A = O, B 1.3) y P2 (A = 0.65, B= 0). Sujeta a las restricciones:

Para la ecuación 2:
A +B56
SiA=0,2B=1.5 A <4
B= 1.5/2 = 0.75 B<5
Si B=0, A=1.5
Siendo A y B no negativas y enteras.
Los puntos serán Q1 = 0, B= 0.75)y Q2 (A =1.5, B= O). 3.2. Minimizar:
Y para la ecuación 3:
Z= 6A + 8B
SiA=0,B=1
SiB=0,A=1 Sujeta a las restricciones:
Sus puntos serán R 1 (A = 0, B= 1)y R2 (A = 1, B= 0). 2A+B?. 18

En la figura 3.5 se presenta la gráfica que contiene estas 6
ecuaciones. B>_5
Las primeras dos restricciones son del tipo menor o igual que
O, siendo el área marcada con diagonales la que satisface ambas Siendo A y B no negativas.
BIBLIOGRAFÍA 29
3.3. Minimizar: Sujeta a las restricciones:
Z=7X+9Y X+2Y5.20
2X+ 24
Con X, Yno negativas.
2X+ 3 36 3.7. Maximizar:
X+ 14
Z= 40C+ 38D
Siendo Xy Yno negativas.
3.4. Maximizar:
C+D 30
Z=4X+6Y
15
Sujeta a las restricciones: /918
X+ 17 10 Con Cy D enteras y no negativas.

3.8. Minimizar:
X.5_7
Y<_5 Z= 45A + 45B
Con X, Y enteras y no negativas. Sujeta a las restricciones:

3.5. Minimizar:
2A+ B>200
Z= 6A +5B A + 2B 220
A+ B=140
Siendo Ay B enteras y no negativas.
A+131.6
A>_4
B<6 BIBLIOGRAFÍA
Con A y B enteras y no negativas. Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
3.6. Maximizar: nistración, Grupo Editorial Iberoamérica, 1986.
Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
Z=6X+ 9Y vestigación de operaciones, Limusa, 1990.
wonwilacdóft IdNeglo
étodo
El tonto no ue el mismo árbol ETAPAS DEL MÉTODO SÍMPLEX

que el sabio.
El método símplex puede dividirse en tres etapas (Hi-
WILLIAM &BESE llier y Lieberman, 1991):
1. Etapa inicial. Consiste en dar la primera solución
INTRODUCCIÓN factible en el vértice correspondiente al origen. Esta
etapa abarca los tres primeros pasos del procedi-
Este método fue desarrollado por George B. Dantzig, en miento símplex, que se explica más adelante.
Estados Unidos en 1947, y hoy día es muy popular debido 2. Etapa iterativa. La cual implica que el método bus-
a su amplio uso y versatilidad en la resolución de los pro- que una mejor solución a la anterior en otro vértice.
blemas de programación lineal (Gallagher y Watson, 1992). Esta etapa corresponde al paso 4 del procedimiento
Es un procedimiento matricial iterativo basado en la símplex.
metodología de Gauss Jordan (Izar, 1998) para manejar va- 3. Etapa de prueba de optimalidad. Ésta se logra cuan-
riables no negativas, de fácil implantación en computadora, do la solución de un vértice es mejor que la de los
lo que permite solucionar problemas de un número elevado vértices adyacentes a él. Esta etapa es el paso 5 de
de variables y restricciones de una manera ágil y eficiente. la metodología símplex.
Al igual que el método gráfico, este método parte del
problema de programación lineal debidamente planteado, Para la explicación del procedimiento símplex se resol-
es decir, con las ecuaciones de la función objetivo y las res- verá un primer ejemplo, señalando en él las situaciones de
tricciones definidas matemáticamente. carácter particular del caso, así como las de tipo general.
El método símplex toma siempre como posible solución
un punto correspondiente a uno de los vértices de la región
factible de solución, siendo la primera aproximación el ori- PROPIEDADES DE LAS SOLUCIONES
gen. De aquí, en las siguientes iteraciones el símplex se mo- FACTIBLES
verá hacia otros vértices, hasta que alguno de ellos sea el
óptimo, lo cual sucede cuando un vértice tiene mejor valor Este método se basa en algunas propiedades de las so-
de la función objetivo que los dos vértices adyacentes a él, luciones factibles de la programación lineal, las cuales son
es decir, el anterior y el posterior, siendo entonces cuando (Hillier y Lieberman, 1991):
se ha logrado la solución del problema de programación li-
neal (Davis y McKeown, 1986). 1. En caso de haber alguna solución óptima, ésta se lo-
calizará en uno de los vértices de la zona factible de
solución.
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)
Ejemplo 4.1. Caso de maximización. Resolver el problema Siendo H1 la variable de holgura.

de programación lineal: La segunda restricción es de igualdad, por lo que no habrá
variables de holgura (sus coeficientes para este tipo de restricción
Max Z= 10X1 + 12X2 son cero), pero sí habrá una variable artificial con coeficiente +1,
entonces:
X1 +X2 +F1 =1 (2)
4X1 +3X2 3.6 (1)
+ X2 = 1 (2) donde F1 es la variable artificial.
2X1+3X2 2.4 (3) Para la tercera restricción, ésta es del tipo mayor o igual que
O, por lo que conforme a la tabla 4.1, llevará una variable de hol-
Solución: se aplicará la metodología símplex, explicando gura con coeficiente —1 y una variable artificial con coeficiente +1,
cada paso. con esto sé tendrá:
Paso 1. Convertir las desigualdades de las restricciones en 2X1 + 3X2 - H2 + F2 = 2.4 (3 )

igualdades mediante la incorporación de variables de holgura (tam-
bién llamadas variables de excedente) y/o variables artificiales donde H2 es la variable de holgura y F2 la variable artificial.
(también conocidas como ficticias), las cuales se agregarán a las res- Paso 2. Incluir las variables de holgura y artificiales en la
tricciones con un coeficiente cuyo valor puede determinarse de la ecuación de la función objetivo con un coeficiente que será cero
tabla 4.1. en el caso de las variables de holgura y Mpara las artificiales, don-
de Mse supone que es un valor muy grande, el cual no necesaria-
mente debe ser conocido, pues el método más adelante tenderá
Tabla 4.1. Coeficientes de las variables de holgura a eliminar dicha variable de la zona de solución del problema.
y artificiales según el tipo de restricción. Con esto, la función objetivo será:
Coeficiente de la
variable de Coeficiente de la Max Z= 10X1 + 12X2 + 01/1 + 0112 — MF1 — MF2
Tipo de restricción holgura variable artificial
Aquí cabe aclarar que la Mse ha agregado con signo negativo
Menor o igual que (..) +1 por tratarse de un problema de maximización, pues para casos de
Mayor o igual que () —1 +1 minimización, la Mserá positiva.
A una solución se le llama aumentada cuando incluye las va-
Igualdad (=) +1 riables de holgura además de las de decisión.
Paso 3. Formar la primera tabla, para esto:
Aproximadamente igual +1 y —1
a) Expresar las ecuaciones de las restricciones en función de
sus coeficientes, del modo siguiente:
En la tabla 4.1 las restricciones de tipo menor o igual que
agregan una variable de holgura porque se supone que les falta
algo para lograr la igualdad, siendo eso que les falta precisamente X1 X2 H1 H2 F1 F2
la variable. 3.6 4 3 1 0 0 0
Las restricciones de igualdad no llevan variable de holgura, 1 1 1 0 0 1 0
porque ya existe una igualdad entre el lado izquierdo y el lado 2.4 2 3 0 —1 0 1
derecho de la ecuación. Sin embargo, requieren entonces una va- Columna de Cuerpo Parte
riable artificial con coeficiente +1, para poder integrar la parte constantes identidad
identidad de la tabla símplex, como se verá más adelante.
32 CAP. 4. PROGRAMACIÓN LINEAL. MÉTODO SÍMPLEX
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
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
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
-3 -4 0 1 O O b) Determinar el renglón clave, para esto se obtienen los co-

+4 (0.667 1 0 -0.333 0 0.333) cientes de los tres primeros renglones:
-0.333 O -0.333 0 1.333
Primer renglón, cociente = 1.2/2 = 0.6
Segundo renglón, cociente = 0.2/0.333 = 0.6
Con estos cambios, la tabla símplex completa para esta itera-
ción es: Tercer renglón, cociente = 0.8/0.667 = 1.2
Aquí existe un empate entre el primero y segundo renglones

10 12 0 0 -M para ser nominados como renglón clave, por tanto debe seleccio-
X1 X2 H1 H2 F1 narse uno de ellos al azar. En este caso se toma el segundo renglón
O H1 1.2 2 0 1 1 0 como clave, para que la variable F 1 que encabeza este renglón deje
-M F1 0.2 0.333 0 0 0.333 1 de ser básica, con esto la tabla quedará de la siguiente forma:
12 X2 0.8 0.667 1 0 -0.333 0
9.6 -2 0 0 -4 0
-0.333 0 0 -0.333 0
10 12 0 0 -M
X2 Hl H2 F1
Aquí ya se ha eliminado de la tabla F2, como se comentó en
el inciso e de la página anterior. O H1 1.2 2 0 1 1 0
Esta nueva aproximación es: -M F, 0.2 0.333 0 0 0.333 1
12 X2 0.8 0.667 1 0 -0.333 o
Variables básicas Variables no básicas 9.6 -2 O 0 -4 o
H1 = 1.2 H2 = O -0.333 0 -0.333 o
F1 = 0.2 =
X2 = 0 . 8 F2 = O 1
c) El número clave en este caso es 0.333, que queda incluido
Z= 9.6 en el renglón y la columna clave.
d) Para hacer el número clave la unidad, se divide el renglón
Si se compara esta solución con la anterior en cuanto a las va- clave entre 0.333, con esto sus elementos serán:
riables no básicas, H2 y X1 permanecen sin cambio y sólo X2 ha
pasado a ser básica en lugar de F2. Cuando sólo una de las varia-
bles no básicas cambie de una iteración a la siguiente, como en el 0.6 1 0 0 1
caso presente, se dice que las dos soluciones son adyacentes.
Esta solución es mejor que la anterior, pero aún no es lo ópti- e)Al hacer el cambio de variable, X1 entrará a la zona de so-
mo, ya que sigue habiendo números negativos en el renglón índi- lución y saldrá F1, y al salir ésta, es posible eliminarla de la tabla,
ce, por lo que se proseguirá con la metodología. con lo cual se obtendrá:
35
10 12 0 0 Cuya aproximación es:

1 X1 X2 H1 H2
O H1 1.2 2 0 1 1 Variables básicas Variables no básicas
10 X1 0.6 1 0 0 1
12 X2 0.8 0.667 1 0 —0.333 H1 = 0 H2 = 0
9.6 —2 0 0 —4 X1 = 0.6
—0.333 X2 = 0.4
—0.333 0 0
Z= 10.8
f) Generar ceros en el resto de los elementos de la columna
clave. Para ello al primer renglón se le resta el renglón clave mul- Esta solución es mejor que la anterior.
tiplicado por 2, entonces: Ahora la pregunta es: ¿ya es el óptimo?, aquí ha desapareci-
do la parte Mdel renglón índice, pero queda la parte numérica de
éste, en la cual puede observarse que aún hay un número nega-
1.2 2 0 1 1 tivo, por lo que la respuesta a la pregunta anterior es negativa y
—2 (0.6 1 o o 1) debe irse a otra iteración repitiendo el paso 4.
o Lo 0 1 1 a) Determinar la columna clave, en este caso será la que está
encabezada por H2, pues es la única que tiene un número negati-
vo en el renglón índice.
Al tercer renglón se le resta el segundo renglón multiplicado b) El renglón clave será el segundo (encabezado por X 1 ), ya
por 0.667, entonces: que es el único que tiene denominador positivo y diferente de
cero, con lo cual la tabla será:
0.8 0.667 1 0 —0.333
—0.667 (0.6 1 0 0 1) 10 12 0
0.4 1 0 —1 X1 X2 H1 H2
O Hl O 0 0 1 -1
Para la parte numérica del renglón índice, a ésta se le suma 10 X1 0.6 1 0 0 1

el renglón clave multiplicado por 2, y se obtiene: 12 X2 0.4 0 1 0 —1
10.8 0 0 0 —2
9.6 —2 0 0 —4
+2 (0.6 1 0 0 1)
c) Aquí el renglón clave quedará como está, pues el número
10.8 0 0 —2 clave es la unidad, por tanto se omite el inciso d y puede pasar-
se al e.
e) Al hacer el cambio de variables, saldrá X 1 de la zona de
Finalmente, para la parte Mdel renglón índice, se le suma el solución y entrará H2, con esto el renglón clave completo será:
renglón clave multiplicado por 0.333 para obtener:
O 112 0.6 1 0 0 1
—0.333 0 0 —0.333
+0.333 (1 0 0 1) f) Ahora se generan los ceros en los elementos restantes de la
o o o o columna clave. Al primer renglón se le suma directamjénte el ren-
glón clave:
Aquí el lector puede percatarse que la parte Mdel renglón ín- 1 —1

O 0 0
dice desaparece de la tabla símplex, al ser cero todos sus elemen-
tos, esto se debe al hecho de que han desaparecido de la zona de +(0.6 1 0 0 1)
solución las variables artificiales. 0.6 1 0 1 O
Con estos cambios la tabla símplex será ahora la siguiente:
Al tercer renglón se le suma también el renglón clave:

10 12 0 0
X1 X2 H1 H2
O Hl 0 0 0 1 -1 0.4 0 1 0 —1
10 XI 0.6 1 0 0 1 +(0.6 1 0 0 1)
12 X2 0.4 0 1 0 —1 0 1 1 1 0
10.8 0 0 0 —2
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
Esta opción ya es la óptima, al no haber números negativos Sujeto a:

en el renglón índice, y la solución es:
2X1+ X2+ X3>_ 5
X1 + 2X2 + 2X3 6
H1 = 0.6 X1 = O Siendo X1, X2, X3 no negativas.
H2 = 0.6
X2 = 1 Solución: se aplica la metodología símplex, adaptándola al
caso de minimización, entonces:
f
Z = 12
Paso 1. Se convierten las desigualdades de las restricciones
Una representación gráfica del ejemplo se muestra en la fi- en igualdades, conforme a la tabla 4.1 (pág. 31). En este problema
gura 4.1, en la que se observan las rectas correspondientes a las las dos restricciones son del tipo mayor o igual que (4 por lo que
restricciones, así como los puntos que fue tomando el método sím- en cada una de ellas deben incorporarse una variable de holgura
plex como aproximaciones a la solución llamados vértices y simbo- con coeficiente —1 y una variable artificial con coeficiente +1, con y
lizados por la letra V. estas modificaciones las restricciones serán:
La zona factible de solución es la línea recta de la ecuación 2
en el tramo comprendido entre 1/4 y 1/3, justo donde se ha trazado 2X1 + X2+ X3 - + = 5 (1)
una línea más gruesa, pues es la única parte que cumple con las X1 +2X2 +2X3 —H2 +F2 =6 (2)
tres restricciones.
En este problema el símplex comienza en el origen, punto Paso 2. Se incluyen las variables de holgura y artificiales en
1/1 (X1 = 0, X2 = 0), que como puede observarse en la figura 4.1 que- la ecuación de la función objetivo, con coeficientes cero para H 1 y
H2; por su parte F1 y F2 tendrán +M por tratarse de un problema
de minimización, con esto la función objetivo estará dada por:
Min Z= 8X1 + 7X2 + 9X3 + °Hl + OH2 + MF1 + MF2

b
Paso 3. Se forma la primera tabla:
1.0 a) Se expresan las ecuaciones de las restricciones en fun-
ción de sus coeficientes, así como el renglón de variables, para
obtener:
0.6
8 7 9 0 0 M M
0.4 X1 X2 X3 H1 H2 F1 F2
5 2 1 1 —1 0 1
0.2
6 1 2 2 0 —1 0 1 c
b) El renglón objetivo ya está presente en la tabla anterior,

0 0.2 0.4 0.6 0.8 1.0 1.2
con los valores de los coeficientes de las variables en la función
Figura 4.1. Gráfica del ejemplo 4.1. objetivo. c.
e) La primera solución se da con F 1 y F2, pues son las varia- a) Para determinar la columna clave, en la tabla se observa
bles que tienen coeficiente +1 en la parte identidad de la tabla, que hay un triple empate, por lo que se selecciona arbitrariamen-
con esto se tiene: te la columna encabezada por X2:
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
Columna que encabeza X I : número índice = 8 – (Mx 2 + Mx 1) = 8 – 3M Para el segundo renglón:

Columna que encabeza X2: número índice = 7 – (Mx 1 +Mx 2) = 7 – 3M
Columna que encabeza X3: número índice = 9 – (Mx 1 +Mx 2) = 9 – 3M Cociente= =3
Columna que encabeza Hl : número índice = O – [Mx (-1) + Mx O] =M
2
Columna que encabeza H2: número índice = O – [Mx O +Mx ( 1)] =M -
Por lo que este último es el renglón clave, lo que ya aparece
Columna que encabeza Fi : número índice = M (Mx 1 + M x = O
–
señalado en la tabla anterior.
Columna que encabeza F2: número índice =M– (Mx O +Mx 1) = O e) El número clave es el 2, que aparece encuadrado en la
Columna de constantes: número índice (utilidad) = O – (Mx 5 +Mx 6) tabla.
= –11M d) Para hacer el número clave igual a la unidad, se divide el
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.
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

f) Ahora deben generarse los ceros en los restantes elemen-
F1 =2 =O tos de la columna clave, de la siguiente manera:
X2 = 3 X3= 0
Z= 21 H1 = O Al segundo renglón, se le resta el renglón clave multiplicado
H2 = O por 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
Segundo renglón: -1.5 0 0 1 -0.5

+1.5 (1 0 0 -0.667 -0.333)
3 1
Cociente = - = 6 O O O O
0.5
3
Con estas modificaciones la tabla es: En la siguiente iteración el método va al punto 1/2 (X1 = 0,
X2 = 3, X3 = 0), que tampoco está en la zona factible de solución,
8 7 9 0 0 pues tiene F1 = 2 como variable básica.
X1 X2 X3 H1 H2
Finalmente, en la siguiente iteración el método pasa a
V3 (X1 = 1.333, X2 = 2.333, X3 = 0), el que sí está ubicado en la
8 X1 1.333 1 0 0 —0.667 0.333 región factible de solución y satisface la prueba de optimalidad,
7 X2 2.333 0 1 1 0.333 —0.667 siendo la solución del problema.
—27 0 0 2 3 2
0 0 0 0 0 Ejemplo 4.3. Resolver:
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)
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:
Max Z= 8X1 + 6X2 + °Hl + OH2 — MF1
Aquí el signo de M es negativo por tratarse de un problema de

maximización.
Paso 3. Se forma la primera tabla.
a) Poner el renglón de variables y las ecuaciones de las res-

tricciones con el fin de obtener:
8 6 0 O —M
X2 Hl H2 F
3 4 3 1 O O
1.5 1 2 0 1 0
1 1 1 0 0 1
b)Ya se ha agregado el renglón objetivo a la tabla.

Como en el presente caso las restricciones son del tipo mayor c)Se da la primera solución en función de las variables con
o igual que (4 la región factible de solución será la exterior a los coeficiente 1 en la parte identidad, es decir, H1, H2 y F1 , con esto
dos planos. La línea más externa de éstos se muestra en la figura 4.2 se tiene:
con un trazo más grueso, de esta manera todo el espacio que quede
de dichas líneas hacia fuera será la zona de solución factible. 8 6 0 —M
El método inicia en el origen, señalado como el punto V 1 en la
X1 X2 H1 H2 Ft
figura 4.2, donde X1 = 0, X2 = 0, X3 = 0. Este punto queda dentro de
los planos, por tanto no está en la región factible de solución, lo o H1 3 4 3 1 o
que era notorio desde la tabla símplex, por el hecho de tener F 1 =5 o H2 1.5 1 2 0 1 o
y F2 =6 como variables básicas. —M F1 1 1 1 0
40 CAP. 4. PROGRAMACIÓN LINEAL. MÉTODO SíMPLEX
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
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
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)
0.75 0.1 0 O 0.2 -0.2 1

Cociente= =1.0
0.75
A la parte numérica del renglón índice no se le hará ningu-
Para el segundo renglón: na modificación, dado que el elemento correspondiente a la co-
0. 75 lumna clave ya es un cero.
Cociente= = 0.6 A la parte M del renglón índice se le suma el renglón clave
1.25 multiplicado por 0.25:
Para el tercer renglón:
0 - 0.25 0.25 0 0
0.25
Cociente= =1.0 +0.25 (0 1 -0.20 0.8 0)
0.25
O 1-0 1 0.20 0.20 0
Por tanto, el segundo renglón es el clave:
Con estos cambios la tabla símplex será:
8 6 O O -M
X2 H1 H2 F1 8 6 0 0 -M
8 X1 0.75 1 0.75 0.25 0 0 X1 X2 H1 H2 F1
0.75 0 1.25 -0.25 1 0 8 XI 0.3 1 0 0.4 -0.6 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 0.1 0 0 -0.2 -0.2 1
6.0 0 o 2 0 0
6.0 0 0 2 0
o -0.25 0.25 0 0 0
O 0 0.2 0.2
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
0.50 Por tanto, al incluir estos elementos en la tabla símplex, se

tendrá:
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)
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:
1) Como se observa en la tabla esta aproximación no es la ópti- 0 –6 –4 0 0

ma, por tanto, debe irse a una nueva iteración con el paso 4. 0.333)
2) +6 (2.667 1 0.667 0
Paso 4: 16 0 0 0 2
a) La columna clave será la encabezada por X 1 al poseer el

número índice más negativo. Con estos cambios la tabla símplex será:
b)Se obtienen los cocientes de ambos renglones para deter-
minar el renglón clave. 6 4 0 0
X1 X2 H1 H2
Primer renglón: O H1 1.333 0 1.333 1 –0.333
6 X1 2.667 1 0.667 0 0.333
4 16 0 0 0 2
Cociente = — = 4
1
Esta aproximación ya es el óptimo, siendo la solución:
Segundo renglón:
mr
Cociente= =2.667
3 H1 = 1.333 H2 = O
X1 = 2.667 X2= 0
Por tanto el renglón clave es el segundo, como se muestra en
Z= 16.0
la tabla:
Aquí es necesario comentar lo siguiente: siempre que una va-

4 0 0 riable no básica tenga en la tabla símplex final como coeficiente
X2 Hl H2 del renglón índice un cero, significa que hay varias soluciones óp-
O H1 2 1 0 timas alternas. En este caso, si se observa la tabla símplex, se nota
que X2 no es variable básica y su coeficiente en el renglón índice
O H2 8 2 0 1 de la tabla final es cero, por tanto, este ejemplo tiene soluciones
—6 –4 óptimas alternas.
Y Esto se debe a que una de las restricciones, en este caso la 2,
es paralela a la función objetivo, lo cual permite que existan va-
o
c)El número clave es el 3. rias soluciones óptimas donde la recta de la función objetivo in-
d) Si se divide el renglón clave entre 3, se obtiene: terseca con dicha restricción. Esto se muestra gráficamente en la
figura 4.4.
5 En esta gráfica las líneas continuas representan las restric-
4 2.667 1 0.667 0.333
ciones y las punteadas son dos valores de la función objetivo, en
Z= 121a 1 y enZ= 141a 2.
AI
e)Se cambia de variable sacando H2 e introduciendo X1 : Como puede verse, estas rectas son paralelas a la línea corres-
pondiente a la restricción número 2, de tal forma que la recta de la
función objetivo para Z= 16 coincide con la segunda restricción,
6 4 0 0
siendo el máximo valor posible dentro de la zona factible de solu-
X2 Hl H2 ción, por eso el resultado es Z= 16.
H1 4 1 2 1 0 Sin embargo, habrá varias soluciones óptimas a lo largo de la
X1 2.667 1 –0.667 0 0.333 recta de la segunda restricción desde el punto P hasta el punto V2.
–4 0 0 Arriba del punto P ya no se cumple con la primera restricción,
por eso se excluye esta porción de la recta como zona factible de
solución.
f) Se generan los ceros en los restantes elementos de la co- Este ejemplo es una clara muestra del caso de la existencia de
lumna clave. soluciones óptimas alternas.
44
En cuanto a las iteraciones del método símplex, éste inicia en No hay variable básica de salida
el origen, punto 1/1 (XI = O, X2 = O) como primera solución, pasando (Zno acotada)
luego al punto V2 (X1 = 2.667, X2 = O), donde se ha encontrado de
inmediato la solución óptima.
Esto sucede cuando todos los elementos de la columna
clave son menores o iguales que cero en alguna tabla inter-
x2 media del desarrollo de la metodología símplex, no pudien-
(1)Z = 6X, + 4X2 = 12 do de esta manera ser seleccionados para determinar el ren-
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:"
es = 2.667, X2 = 0, H1= 2.333, H2 = 0, Z= 16 -5:5388

4,-4500
5, -5200
El'All
donde puede observarse que la Z no cambia (incremento
cero).
1)
Por otra parte, para la segunda restricción el precio som-
bra de 2 indica que Z aumentará en dos unidades por cada
2)
unidad de incremento en el coeficiente de la restricción, o
3) sea, que si éste fuese 9 en lugar de 8, la nueva solución óp-
tima sería:
3S
r- X1 =3, X2=0,H1=1,H2=0, Z= 18
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
MOV 5LX 4 2MX 5 5LX 6 51.0

te
0 0101 0 510 9
1 127 192 220 901 0 000 000 0 000 30.409
2 6.509 -3.187 0.000 000 0.000 -0.483
3 1.000 - 1. 000 0 000 000 0 000 0 000
4
5
6
-1.616
-4.993
1.616
-6. 105
9.293
6.106
0 000
0 000
1 000
000
000
000
0 000
0 000
0 000
-0.322
-0.346 re
0.122
7 4.893 -9.293 0 000 000 0 000 0.396
0.000 0.000 0 000 000 1 000 0 000
11
0000 0000 0 000 000 0 000 1 000
-6 509 3.107 0 000 000 0 000 0.483
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
Figura 4.7. Pantalla de Lindo con la solución del

Figura 4.8. Tabla final del problema.
problema.
Sujeto a:
La solución la ha encontrado en cuatro iteraciones, su resul-
tado es: 18X1 + 14X2 + 10X3 < 5000
418X1 + 350X2 + 310X3 < 120 000
X1 = 453.223 32X1 + 24X2 + 20X3 < 10 000
X2 = 1427.815
X3 = 0.0 Siendo X1, X2, X3, enteras y no negativas.
X4 = 4500.0 El problema se teclea como se presenta en la figura 4.9. Pue-
X5 = 118.962
de observarse que la única instrucción diferente es la última,
"gin 3", que va justamente después de "end" y que es precisa-
mente la indicación de que las tres variables deben ser enteras.
Función objetivo = 923 864.7 de
lir
Además, Lindo proporciona información sobre las variables ot
de holgura y ficticias añadidas en el problema, conforme al orden x.11asa.3 -3.32
Pr
en que se fueron incorporando. Así, la primera restricción, al ser to
141.11.2.11.0,{110
4189t90(9295.091,9:0000
de igualdad, ha introducido una variable ficticia señalada en la vol

19. 41146, 1014
as
pantalla en la fila 2, cuyo valor es cero; la de la fila 3 es la siguien- se
te restricción del tipo mayor o igual a 2210; y la variable de holgu-
ra ha resultado 390, que quiere decir que el lado izquierdo de di- Pr
cha restricción supera por 390 a 2210, lo cual puede confirmarse
en la solución encontrada: (E
0.402 (453.223) + 0.328 (1427.815) + 0.3 (0)

+0.42 (4500) + 0.5 (118.962) = 2600
El Lindo proporciona otras opciones también. Si se desea ha-

cer análisis de sensibilidad en el problema planteado, así como la Figura 4.9. Tecleado en Lindo del problema.
posibilidad de conocer la tabla símplex final, que en este caso es
la que se muestra en la figura 4.8.
Para acceder a esta tabla debe irse al menú Reports, y luego La solución, después de 48 iteraciones, es la que se muestra
a la opción Tableau. en la figura 4.10. El Lindo utiliza el método de bifurcación y aco-
Enseguida se presenta un ejemplo de programación entera. tación para llegar a la solución óptima.
La solución es:
Ejemplo 4.6. Resolver con Lindo el ejemplo 2.4. XI = 4
X2 =338
Solución: El problema planteado es: X3 =o
Max Z=51.8X1 + 43.7X2 + 32.9X3 Función objetivo = 14 977.80
47
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
con las restricciones: 3 4 0 0 0

X1 X2 H1 H2 H3
Yi+2Y330 O Hl 1.5 O 0 1 0.5 —0.5
Y2+ Y3>_ 40 40 X2 8 O 1 0 1 0
30 X1 3.5 1 0 0 — 0.5 0.5
Siendo Y1, Y2 y Y3 no negativas. 425 0 0 0 25 15
Aquí es importante señalar que las variables duales son cos-
tos marginales de los recursos utilizados, para el caso del ejemplo Por tanto, la solución es: el r
anterior se tiene: Est
H1 =15 qu(
Y1 = Costo marginal de la mermelada, $/unidad de mermelada. X2 = 8
Y2 = Costo marginal de la cajeta, $/unidad de cajeta. X1 =3.5 ciói
pos
Y3 = Costo marginal de la harina, $/unidad de harina. Zp = 425
por
(112 = H3 = O) dar
Por eso el objetivo del problema dual es ahora minimizar el
consumo de los recursos disponibles, es decir, la 4 que es el cos- Para el problema dual, las restricciones necesitan una variable
to por este concepto. ble de holgura y otra artificial por cada restricción, o sea: nal
A continuación se presenta un ejemplo con la resolución de hol
los problemas primario y dual del caso anterior. MinZD =5111 +8Y2 +15Y3 +01/1 +0H2 +MF1 +MF2 soh
49
n- Sujeta a las restricciones: H1P =0= Y1
H2p = 25 = Y2
la
Y1 + 2 Y3 - + = 3 0 H3 p = 15 = Y3
Y2+ Y3 - H2 + F2= 40
za Asimismo, de la tabla óptima dual puede obtenerse la solu-
le Con Y1 , Y2, Y3>_ 0 ción primaria al coincidir los coeficientes índice de las variables
Al aplicar la metodología símplex, la primera tabla será: de holgura duales con los valores óptimos para las variables pri-
marias, esto es:
5 8 15 o OM M HiD =3.5= X1
Y1 Y2 Y3 H1 H2 F1 F2 H2D = 8 = X2
M F1 30 1 0 2 —1 0 1 0
M F2 40 0 1 1 o —1 0 1
o 5 8 15 o O O O Parte # INTERPRETACIÓN ECONÓMICA
—1 —1 —3 1 1 0 0 Parte M DEL DUAL
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
Siendo su solución: ANÁLISIS DE SENSIBILIDAD

Y3 . 15 El análisis de sensibilidad es muy útil en la programa-
Y2 = 25 ción lineal, consiste en estudiar los cambios que sufre la
ZD = 425 función objetivo ante modificaciones en cualesquiera de los
(Y1= 1/1=1 1- 2= 0) parámetros del problema, como pueden ser las constantes de
las restricciones, los coeficientes de las variables en las ecua-
Aquí destaca que en el punto óptimo ambos problemas dan ciones de las restricciones, las contribuciones de las varia-
el mismo valor para la función objetivo, es decir zp = 4 = 425. bles en la función objetivo, adición de nuevas restricciones,
Esta es una de las razones de la importancia del problema dual, nuevas variables, etcétera.
que al resolverse proporciona la solución del primario. Todo esto es muy importante, ya que en los problemas
Esta igualdad de las funciones objetivo tiene una explica- reales las condiciones suelen cambiar, debido a que muchas
ción, ya que zp es la utilidad que se obtiene por los diferentes ti-
pos de pan y ZD es el costo incurrido por aplicar los recursos dis-
veces los datos que se manejan son sólo pronósticos futuros
ponibles, de tal forma que en el punto óptimo ambas Z coinciden de la situación esperada, los cuales están sujetos a variacio-
dando la situación más conveniente para el negocio. nes e imprevistos que siempre están presentes.
Otra situación importante que se puede señalar en este pro- Por medio del análisis de sensibilidad es posible evaluar
1- blema es que la solución dual puede obtenerse desde la tabla fi- dichos cambios sin tener que resolver todo el problema plan-
nal del primario, pues los coeficientes índice de las variables de teado, lo que representa un ahorro considerable de cálcu-
holgura en esta tabla son los valores de las variables duales en la los en el procedimiento del método símplex (Hillier y Lie-
solución óptima dual, esto es: berman, 1991).
50
CLASIFICACIÓN DE CASOS PARA CAMBIOS EN LAS CONSTANTES

EL ANÁLISIS DE SENSIBILIDAD DE LAS RESTRICCIONES
con:
Se ilustrará con el siguiente ejemplo: car
Para el estudio del análisis de sensibilidad, éste se divi- trío
dirá en cinco partes, que son las que suelen aparecer con
Ejemplo 4.9. Resolver por medio del análisis de sensibilidad
mayor frecuencia en el ámbito de los negocios (Davis y Mc- el siguiente problema:
Keown, 1986):
Max Z= 30Xi + 40X2
1. Cambios en las constantes de las restricciones.
2. Cambios en las contribuciones de las variables en la Sujeto a las restricciones:
función objetivo. X1 <5 (1)
3. Cambios en los coeficientes de las variables en las (2)
X2 <6
ecuaciones de las restricciones.
4. Adición de nuevas variables. 2Xi + X2 15 (3)
5. Adición de nuevas restricciones. Solución: el cambio respecto del problema original es en la
segunda restricción, donde ahora X2 5 6 y no 8, esto significa que
Para el estudio de estos puntos, se presenta un ejemplo el recurso cajeta ha disminuido, habiendo ahora sólo la necesaria
para cada uno de ellos, que serán resueltos y explicados en para producir como máximo 6 kg de pan de cajeta.
cada uno de sus pasos hasta encontrar la solución óptima Para resolver el problema símplex ante este cambio sin te-
del nuevo problema, la cual puede ser la misma del proble- ner que aplicar toda la metodología desde el principio, es útil la
ma original (antes de haber efectuado la modificación de aplicación de la siguiente fórmula:
sus parámetros), o bien haber cambiado, dependiendo de la —
Matriz de coeficientes de
magnitud de variación en el parámetro correspondiente. las variables de holgura
Vector de Vector
dó
Se tomará como caso base el de la panadería, presenta- en la tabla símplex final
constantes de
las restricciones
solución del
problema
(4.3)
do cuando se habló de la dualidad, o sea: del caso base

val
Así, para el caso base de la panadería, si se observa la tabla ap]
Max Z= 30X1 + 40X2 final, la parte de la matriz correspondiente a los coeficientes de las da]
variables de holgura es:
1 0.5 —0.5
(1) 0 1 0 D"
X2 8 (2) 0 —0.5 0.5 O]
2X1 + X2 515 (3) Hl H2 H3
bis
Cuya primera tabla símplex fue: El vector de constantes originales de las restricciones era:
la
bl
30 40 0 0 0 la
58
X1 X2 Hl H2 H3
O H1 5 1 0 1 0 0 15 la
o H2 8 0 1 0 1 0 se
O H3 15 2 1 0 0 1 Por tanto, al efectuar la multiplicación matricial, conforme a nc
0 —30 —40 0 0 0 la ecuación 4.3, se tendrá: ac
se
1 0.5 —0.5 5 c1(
Y su tabla final (solución óptima): ( Vector )
O 1 O x 8 =
solución
c1(
\0 — 0.5 0.5 j 15 el
3 4 0 0 O (3x3) (3x1) (3x1)
c1(
X1 X2 H1 H2 H3 ti]
O Hl 1.5 0 0 1 0.5 —0.5 Por ello la solución es:
40 X2 8 0 1 0 1 in
30 XI 3.5 1 0 0 —0.5 0.5 H1 [1.5i
425 0 0 0 25 15 X2 8
CE
X1 3.5
SE
CAMBIOS EN LAS CONTRIBUCIONES 51
Tal como podía haberse leído desde la tabla final. Solución: con estos cambios en los precios del pan, que son
Para obtener la nueva solución óptima ante el cambio en la cambios en las contribuciones de las variables básicas, la ecua-
constante de la segunda restricción, lo que se debe hacer es apli- ción de la función objetivo será:
car la ecuación 4.3 con el nuevo vector de constantes de las res-
tricciones, es decir: Z= 50X1 + 45X2
ad
[1 0.5 —0.51 Í 5 Vector ] Sujeta a las mismas restricciones originales.
0 1 solución De acuerdo con el procedimiento ya explicado, la última ta-
0 x 6=
del problema bla símplex del problema original era la siguiente:
0 —0.5 0.5 15 modifi cado
50 45 0 0 0
(1) Con lo cual la nueva solución será: X1 X2 H1 H2 H3
O Hl 1.5 0 0 1 0.5 —0.5
(2) H1 = 0.5 40 X2 8 0 1 0 1 0
(3) X2 =6 30 X1 3.5 1 0 0 —0.5 0.5
la X1 = 4.5
ue Donde ya se han cambiado las contribuciones de las varia-
ria de donde: bles en el renglón objetivo. Ahora se procede a recalcular los nú-
meros del renglón índice, utilizando para ello la ecuación 4.1,
.e- Z= 30Xi + 40X2 aplicándola a aquellos elementos que sufrieron cambios en el ren-
la = 30(4.5) + 40(6) glón objetivo:
= 135 + 240 = 375
Número índice de
Como esta solución es factible, representará la nueva solu- la columna de X1 = [(0)(0) + (40)(0) + (30)(1)] — 50 =30 — 50 = —20
3) ción óptima.
Si la nueva solución no hubiera sido factible (caso en que una Número índice de
variable básica resultara negativa), entonces se tendría que haber la columna de X2 = [(0)(0) + (40)(1) + (30)(0)] — 45 = 40 — 45 = —5
)la aplicado la metodología símplex hasta llegar a la tabla final que
daría la nueva solución óptima. Para los demás elementos del renglón índice no habrá cam-
as bios, de modo que sus valores índice serán los mismos, con esto la
nueva tabla será:
CAMBIOS EN LAS CONTRIBUCIONES

DE LAS VARIABLES EN LA FUNCIÓN 50 45 0 0
OBJETIVO X1 X2 H1 H2 H3
O H1 1.5 0 0 1 0.5 —0.5
Estos cambios pueden agruparse en dos categorías: cam- 40 X2 8 0 1 0 1
bios en la contribución de una variable básica y cambios en 30 X1 3.5 1 O O —0.5 0.5
la contribución de una variable no básica. Se presenta un pro- 425 —20 —5 0 25 15
blema para el primer caso, aunque ambos tipos se tratan de
la misma manera.
La metodología general para este tipo de problemas es Y de aquí se continúa con la metodología símplex normal: de-
la siguiente: en la tabla símplex final del problema original terminar la columna clave, el renglón clave, el número ¿lave, etc.,
se cambian las contribuciones de las variables (básicas y hasta llegar a la nueva solución óptima, que será aquelfa que ya no
?.a no básicas) en el renglón objetivo, como hayan cambiado de contenga números índice negativos, esta tabla final será:
acuerdo con las nuevas condiciones del problema, y con esto
se recalculan los elementos del renglón índice; si ninguno 50 45 0 0 0
de ellos se ha hecho negativo, la solución óptima seguirá sien- X1 X2 H1 H2 H3
do la misma, cambiando sólo la Z; por el contrario, si existen O H1 1.5 0 0 1 0.5 —0.5
elementos negativos en el renglón índice, se aplica la meto- 45 X2 8 0 1 0 1
dología símplex normal hasta llegar a la nueva solución óp- 50 X1 3.5 1 0 0 —0.5 0.5
tima, este procedimiento se ilustra con un ejemplo. 535 0 0 0 20 25
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
Éstos suceden cuando existe una modificación en algu- 45 x2 8 0 2 1 0 ta:

50 3.5 1 —0.5 0 —0.5 0.5
na de las restricciones; por ejemplo, en la cantidad requeri- 425 0 25 20 15
da de recursos para elaborar cada artículo. Esto constituye A
un cambio en alguno(s) de los coeficientes de las variables En la cual se ha recalculado el número índice que correspon-
en las ecuaciones de las restricciones. de a la columna de X2 del modo siguiente:
Este tema también puede dividirse en dos categorías: Pc
cambios en los coeficientes de una variable básica y cam- Número índice de
bios en los coeficientes de una variable no básica. la columna de X2 = [(0)(0.5) + (40)(2) + (30)(-0.5)] — 40 = 65 — 40 = 25
ADICIÓN DE NUEVAS VARIABLES 53
Como se observa en esta tabla, el número índice de la colum- ble, que debe incluirse en el problema en la función objeti-
na de X2 deberá ser cero, ya que esta variable es básica. Asimismo vo con su contribución, así como también en las restriccio-
el número de esta columna y del renglón que encabeza X2 debe nes con sus coeficientes según el planteamiento del caso.
ser la unidad y los restantes elementos de esta misma columna de- La variable deberá incluirse en la última tabla símplex
berán ser cero. Si se aplica la metodología símplex, se llega a la si- del caso base con su contribución respectiva y sus coeficien-
guiente tabla:
tes, y calcularse por medio de la ecuación 4.4, como también
su número índice.
30 40 O
Esto se ilustra con el siguiente ejemplo.
4) x1 H1 H2 H3
x2
0 H1 -0.5 O O 1 0.25 -0.5 Ejemplo 4.12. Partiendo del caso base, la panadería ha pro-
40 X2 4 0 1 0 0.5 0 yectado introducir al mercado un nuevo tipo de pan, el cual dará
le 30 X1 5.5 1 0 0 -0.25 0.5 una utilidad de $ 35 por kilogramo. Este nuevo tipo de pan requie-
OS 325 O O 0 12.5 15 re 1.5 kg de harina para preparar 1 kg del nuevo pan.
Ante esta nueva situación del mercado, ¿cómo deberá la pa-
or De donde se observa que ya no hay números índice negativos, nadería producir ahora los tres tipos de pan, de modo que sus uti-
ra pero existe un problema: Hl sigue siendo básica y negativa, lo cual lidades sean máximas?
no puede ser una solución viable del caso. Para modificar la tabla
es y corregir esta situación, es preferible ir al problema dual equiva- Solución: la nueva variable quedará incorporada en la fun-
lente, cuya tabla correspondiente a esta última situación es: ción objetivo de la siguiente manera:
[s- Max Z= 30X1 + 40X2 + 35X3
e- 8 15 0 0
ra Y2 Y3 H1 H2 Sujeta a las restricciones:
[ el Y2 12.5 1 0 0.25 -0.5
0 X1 < 5 (1)
1 Y3 15 0.5 0 1 - 0.5
X2 (2)
-325 -0.5 0 0 5.5 4
2X1 + X2 + 1.5X3 15 (3)
donde hay un número índice negativo que corresponde a la colum- Como puede observarse de estas ecuaciones, el vector de
na encabezada por Y1 , por tanto, esta variable debe ser incluida coeficientes iniciales para la nueva variable X3 es:
en la base conforme al método símplex normal, que al proceder
:io hacia la solución óptima produce la siguiente tabla final:
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
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)
12X1 + 10X2 + 8X3 >_10.0

Con X1, X2, X3, no negativas.
4.6. Solucionar:
10X1 + 10X2 + 6X3 5 9.5
60X1 + 50X2 + 44X3 52.0 Max Z= 8X1 + 9X2
+ X2+ X3=1
zo Sujeto a:
a- Con X1 , X2, X3, no negativas.
Hl4 . Resolver el ejemplo 2.3 planteado en el capítulo 2: X1+ X2=1 (1)
o- 2X1+ X2 1.4 (2)
e- Min Z=45Xi +37X2 +30X3
X1 +2X2 51.5 (3)
s-
la Sujeta a las restricciones:
Con X1, X2, no negativas.
12X1 + 10X2 + 8X3 >_11 4.7. Resolver el problema propuesto 2.13 del trailer del señor
José Padrón:
30X1 +30X2 + 25X3 ?. 28
18X1 + 15X2 + 15X3 17 Max Z = 350X1 + 320X2 + 300X3 + 400X4 + 470X5 + 390X6
X1+ X2+ X3=1
Sujeto a:
Siendo X1 , X2, X3, no negativas.
4.3. Resolver el ejemplo 2.6 planteado en el capítulo 2: X1+ X2+ X3+ X4+ X5+ X65_35
1.25X1 +1.333X2 + 1.429X3 + 1.667X4 + 1.538X5 + 1.887X6 .560
Min Z=220X1 + 155X2 + 175X3 + 130X4 + 150X5
X1 515 X2 512 X3 510 X4 510 X5 58 X6 57
ín
te Sujeta a:
Siendo las variables no negativas.
X1 + X2+ X3+ X4+ X5= 6500 4.8. Solucionar:
0.402X1+ 0.328X2 + 0.30X3 + 0.42X4 + 0.50X5 2210
Max Z= + X2 + X3
0.408X1+ 0.337X2 + 0.35X3 + 0.28X4 + 0.201X5 1950
0.19X1 + 0.335X2 + 0.35X3 + 0.30X4 + 0.299X5 5 1950 Con las restricciones:
X1 5_ 1500 X2 5
_ 2300 X3 5
_ 3200
_ 4500
X4 5 _ 5200
X5 5 + 2X2 + X35 5 (1)
2X1 + X2+ X3 5 _ 4.8 (2)
Siendo todas las variables no negativas. X1 + X2 + 2X3 5 5.3 (3)
4.4. Solucionar el problema propuesto 2.11 de la compañía Gra-
a vas Finas: Con X1, X2, X3, no negativas.
4.9. Solucionar:
Max Z = 250X1 + 180X2 + 210X3 + 165X4 + 195X5 + 200X6
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)
0111 Siendo las variables no negativas.

4.5. Solucionar:
Con X1, X2, X3, no negativas.
4.10. Dado el siguiente problema:
te
Max Z= 100X1 + 120X2 + 200X3 Min Z= 4X1 + 3X2
Sujeto a: a) La contribución de X1 es ahora 2?

b) La contribución de X2 es ahora 4?
2 X1 4- X2 ? 5 (1) c) La contribución de X3 es ahora 5?
3X1 + 2X2 8 (2)
2 (3) Resolver cada inciso respecto del caso original.
2X2 >_1.5 4.15. Del problema 4.13, ¿cómo cambia la solución óptima, si se
(4)
verifican los siguientes cambios:
Siendo X1, X2 O, plantear el correspondiente problema
dual. a) Los coeficientes de X1 en las restricciones son 2, 0, 1 res-
4.11. Resolver el problema dual del caso anterior. pectivamente?
4.12. Plantear y resolver el problema dual para el caso siguiente: b) Los coeficientes de X3 en las restricciones son 1, 1, 1 res-
pectivamente?
Max Z= 10X1 + 9X2
Resolver cada inciso respecto del problema original.
Sujeto a: 4.16. Respecto del problema 4.13 ¿cuál será la solución óptima
ante el siguiente cambio: se introduce una nueva variable
3 X1 + X2 3 X4 con contribución de 3.5 y coeficientes en las restriccio-
X1 -I- X2 = 1 nes de 1, 0 y 1, respectivamente?
4.17. Si en el problema 4.13 se agrega la restricción:
Siendo X1, X2 O
4.13. Dado el problema: X2 X3 6 (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)
Preguntar quién debe ser el jefe CASO BASE

es como preguntar quién ha de ser el tenor de un cuarteto.
Obviamente, lo será el que tenga voz de tenor. Carpintería Pérez. La Carpintería Pérez desea saber
cómo programar la producción de dos tipos diferentes de re-
HENRY FORD cámaras: provenzal y americana.
La carpintería cuenta con 200 ft 3 de madera y con 60 h
de tiempo disponible, la recámara del tipo provenzal nece-
INTRODUCCIÓN sita para su fabricación 35 ft 3 de madera y 12 h de tiempo;
mientras que el tipo americano requiere 40 ft 3 de madera
En el mundo de la industria y los negocios hay nume- y 10 h de tiempo.
rosas situaciones en las cuales se presentan problemas de ¿Cuánto deberá producirse de cada tipo, con el fin de
programación lineal para los cuales las variables de decisión maximizar el ingreso, si el provenzal se vende a $ 21 000 y
sólo pueden tener valores de números enteros y no fraccio- el americano a $ 20 000?
narios. Esto se debe a alguna razón física, por ejemplo, si las El planteamiento matemático será:
variables de decisión son números de personas, artículos
terminados, etc., será obvio que no podrán ser números frac- Max Z= 21 000X1 + 20 000X2
cionarios, pues esto no tendría sentido alguno.
Es aquí donde se plantea el problema de programación Sujeto a las restricciones:
lineal como un caso de programación entera.
Para solucionar este tipo de problemas hay algunos 35X1 + 40X2 ._. 200
métodos que resultan adecuados, de los cuales en este tex- 12X1 + 10X2 5._ 60
to se incluyen los siguientes:
donde X1, X2 O y además enteras.
• Método gráfico.
• Método de redondeo de la solución óptima de progra-
mación lineal. MÉTODO GRÁFICO
• Método de enumeración completa.
• Método de bifurcación y acotación. Este método es muy similar al presentado en el capítulo
• Método de corte de Gomory. 4 para la programación lineal, pues grafica las rectas corres-
pondientes a las restricciones, de tal modo que delimita la
A continuación se presenta un caso de programación región factible de solución. Posteriormente se identifican los
entera, el cual servirá de base para ilustrar cada uno de los puntos enteros más próximos al límite de la zona de solución
métodos antes señalados. y una opción es unirlos mediante una línea de modo que se
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
6.0 ros inmediatos inferiores para casos de maximización y ha-

mos
cia los enteros inmediatos superiores para casos de minimi- X2,1,
5.0
zación. Esto es muy simple, aunque no siempre da buenos nes,
4.0 resultados, pues suele suceder que la solución obtenida no del
>Z.
3.0 sea la óptima del problema de programación entera (Davis bre,
y McKeown, 1986). tric(
2.0
A continuación se aplica este procedimiento al caso de curs
1.0 la Carpintería Pérez por medio de redondeo.
XI ,
0.0
Ejemplo 5.2. Resolver el problema de la Carpintería Pérez pur
0.0 1.0 2.0 3.0 4.0 5.0 6.0 jeti
por medio del método de redondeo.
bla
Solución: ya se dijo que la solución al problema lineal es: lo c
X1 = 3.077
Esta solución es inadmisible para el caso, ya que no se van a X2 = 2.308
producir recámaras por parte de la carpintería en números frac- Z= 110 775
cionarios, puesto que nadie compraría una fracción de recámara.
Para hallar la solución entera del problema se localizan los Como este caso es de modmización, los valores de las varia-
puntos de combinaciones enteras que quedan más próximos a la bles de decisión deberán redondearse a los números enteros in-
parte superior de la zona factible, o sea lo más cercano a las rectas mediatos inferiores.
que delimitan dicha zona, pues es la parte de la zona de solución En este caso X1 se redondea a 3, mientras X2 se redondea a 2.
donde la función objetivo tiene mayores valores. Con esto la solución obtenida con este método será:
Estos puntos son el A(Xi = 0, X2 = 5), B(Xi = 1, X2 = 4), C(Xi =
2, X2 = 3), D(Xi = 3, X2 = 2), E(Xi = 4, X2 = 1) y el F(Xi = 5, X2 = O).
La solución al problema de programación entera quedará ne- X1 =3
cesariamente en uno de estos puntos y será aquel que maximice la X2 = 2
función objetivo. Esto gráficamente se obtiene moviendo rectas Z= 103 000
paralelas con diferentes valores de la función objetivo hacia el ori-
gen para ver cuál es el primer punto de los antes señalados, que Este valor no es el óptimo del programa entero, el cual es
es tocado por una de ellas. Otra opción es evaluar la Z de estos pun- X1 = 5, X2 = O, con Z= 105 000.
tos y la que sea mayor define la solución entera, que en este caso Hay ocasiones en que la solución obtenida con este método
resulta ser el punto F, pues es mejor tener valores mayores de X 1 queda lejos del valor óptimo.
59
res() MÉTODO DE ENUMERACIÓN X3 X2 Factibilidad Restricción limitante Z

)00. COMPLETA 1 4 Sí Ninguna 101 000
Este método consiste en obtener todos los puntos posi- 1 5 No Ambas

bles de combinaciones de valores enteros para las variables de 0 Sí Ninguna 42 000
decisión y evaluar la Z para cada uno de ellos, siendo la so- 2 1 Sí Ninguna 62 000
lución óptima aquel punto que optimice la Zy sea factible. 2 2 Sí Ninguna 82 000
Este método aunque llega a la solución óptima requiere
des un gran esfuerzo, pues en problemas de un número eleva- 2 3 Sí Ninguna 102 000
, ya do de variables y de un amplio rango de valores posibles de 2 4 No Ambas
al-
éstas, la resolución por este método resulta muy laboriosa, 2 5 No Ambas
rta- dado el elevado número de puntos que deben ser evaluados
3 0 Sí Ninguna 63 000
de (Davis y McKeown, 1986). Así por ejemplo, un problema de
r la 10 variables de decisión donde cada una de éstas pudiera 3 1 Sí Ninguna 83 000
tener cuatro diferentes valores enteros, habría que evaluar 3 2 Sí Ninguna 103 000
410 =1 048 576 diferentes puntos, lo que da una clara idea de 3 3 No Ambas
lo impráctico del método.
A continuación se ilustra esta metodología con el caso 3 4 No Ambas
base de la carpintería. 3 5 No Ambas
Ejemplo 5.3. Resolver el problema de la Carpintería Pérez
por el método de enumeración completa. 4 1 Sí Ninguna 104 000
4 2 No Ambas
5n Solución: lo primero será obtener el rango de valores enteros
4 3 No Ambas
e- posibles para X l y X2 de acuerdo con las restricciones.
a- En la gráfica de la figura 5.1 se observa que los valores máxi- 4 4 No Ambas
ti-
mos dentro de la zona factible de solución son de 5 para X l y 5 para 4 5 No Ambas
X2, lo cual puede corroborarse con las ecuaciones de las restriccio-
os 5 0 Sí Ninguna 105 000
nes, pues si X1 se hace 5 en la segunda restricción llega al límite
10 del recurso, pues 12X1 es 60, que son las unidades de tiempo li- 5 1 i No Ambas
is bre, mientras que para X2 pasa algo parecido con la primera res- No Ambas
tricción, que 40X2 es 200, lo cual señala la disponibilidad del re- f
le curso madera para la carpintería. 5 3 No Ambas
Como puede verse, habrá seis valores posibles de X2 y seis de 5 4 l No Ambas
X1 , desde O hasta 5 cada uno de ellos, para un total de 6 x 6 = 36
puntos enteros para evaluar. La valorización de la función ob- No Ambas
jetivo para cada uno de los puntos factibles se presenta en la ta-
bla 5.1, así como la revisión del cumplimiento de las restricciones,
lo cual hace un punto dado factible o no. De la tabla resulta que de los 36 puntos, 21 son factibles, es
decir, cumplen con las restricciones, y 15 no lo son, por ello para
dichos puntos ya no se ha evaluado su Z.
Tabla 5.1. Valoración de los 30 puntos enteros De los 21 puntos factibles, el que maximiza la función obje-
para el caso de la Carpintería Pérez. tivo es X1 = 5, X2 = 0, con Z = 105 000, que es el mismo resultado
obtenido con el método gráfico.
X1 X2 Factibilidad Restricción limitante Existen casos de enumeración completa en los cuales las va-
0 0 Sí Ninguna O riables de decisión sólo pueden tener como posibles valores ente-
ros O y 1, a estos casos se les conoce como binarios, en los cuales
habrá que evaluar 2' puntos, siendo n el número de variables.
Sí Ninguna 40 000 Este sencillo ejemplo muestra la inoperancia del método si
el número de variables aumenta, o bien si las variables en juego
adquieren muchos valores posibles.
MÉTODO DE BIFURCACIÓN
1 0 Sí Ninguna 21 000 Y ACOTACIÓN
1 2 Sí Ninguna 61 000 Este método se creó en 1960 por A. H. Land y A. Doig,
siendo el más popular para resolver los problemas de pro-
1 3 Sí Ninguna 81 000 gramación entera. Como su nombre lo indica, consiste en
60 CAP. 5. PROGRAMACIÓN ENTERA
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:
Rama F Max Z= 21 000X1 + 20 000X2 Max Z= 21000X1 + 20 000X2

Rama E
35X1 + 40X2 5 200 (1) 35X1 + 40X2 5 200 (1)
Max Z= 21 000X1 + 20 000X2 Max Z=21 000X1 + 20 000X2 12X1 + 10X2 5 60 (2) 12X1 + 10X2 5 60 (2)
1 + 40X2 5 200 (1)35X 35X1 + 40X2 5.200 (1) X2 >_3 (3) X2 >_3 (3)
12X1 + 10X2 5 60 (2) 12X1 + 10X2 5. 60 (2) X1 5 2 (4) 3 (4)
X2 52 (3) X2 52 (3) Con X2 O Con X1 , X2 >_O
(4) 4 (4)
a X2 (5) X2 >_2 (5)
Con X1, X2>_0 Con X1, X2 O La ramajes no factible, por lo cual ya no se ramifica.
n La solución de la rama I es:
Para la rama F la solución no es factible, por tanto ahí termi-
na dicha ramificación; para la rama E su solución es: X1 = 2
X2 = 3.25
X1 = 4.167
Z= 107 000
X2 = 1
Z= 107 500
Que es una solución fraccionaria y mejor que la Cota inferior,
De la cual, por ser fraccionaria y mayor que la cota inferior, por tanto debe ramificarse del modo siguiente:
deberá hacerse otra ramificación del modo siguiente:
Rama G Rama H Rama K Rama L
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
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
Este método fue creado por Gomory en 1958 y consiste

Problema en resolver el problema entero por programación lineal, y en
original
caso de que la solución no sea entera se irá acortando la re-
gión factible de solución por la inclusión de nuevas restriccio-
nes, lo que excluirá las soluciones no enteras y conservará
Solución Solución
las enteras. Es similar al método anterior, con la diferencia de
fraccionaria fraccionaria „ que en el presente no habrá ramificaciones, sólo acotamien-
Z = 110 000 Z= 108 000 to de la zona de solución en cada paso hasta encontrar el óp-
D a. timo (Bronson, 1992).
El procedimiento consiste en los siguientes pasos:
Solución
Solución Solución Solución
entera
fraccionaria fraccionaria no
1. Se resuelve el problema planteado por programa-
=103 000
Cota
Z= 108 000 Z= 107 000 factible ción lineal. Si la solución es entera, será la óptima;
en caso contrario, se va al paso siguiente.
2. De la solución fraccionaria obtenida en el paso an-
Solución Solución Solución Solución
terior, se toma de la tabla símplex final la ecuación
fraccionaria no entera fraccionaria del renglón de la variable de decisión que haya re-
Z= 107 500 factible
Z= 102 000
no ramificada
Z = 104 000 sultado fraccionaria. En caso de haber varias varia-
no ramificada
G / bles fraccionarias, se aconseja tomar aquella que esté
m^4
más próxima al valor intermedio (0.5).
Solución Solución
3. La ecuación obtenida en el paso anterior se descom-
entera entera pone en dos partes: una entera y la otra fracciona-
7=104000 Z= 105 000 ria. Esta última será una nueva restricción, tomándo-
Cota Cota
se como desigualdad del tipo mayor o igual que cero.
4. Se vuelve a solucionar el problema original, con la
Figura 5.2. Esquema del método de bifurcación y adición de la nueva restricción obtenida en el paso
acotación. anterior. Esto puede hacerse conforme a lo visto en
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:
21 000 20 000 0 PROBLEMAS PROPUESTOS

X1 X2 Hl H2
20000 X2 2.308 O 1 0.0923 -0.2692 5.1. Resolver por el método gráfico:
21000 X1 3.077 1 0 -0.0769 0.3077
110 775 0 230.75 1077 Max Z= 2X1 + 3X2
Como se observa, esta solución no es entera, y de acuerdo Sujeto a:

con el paso 2 del método de corte, se toma de la tabla símplex an-
terior la ecuación de la variable X2, que es la elegida para hacer X1 + X2 2
el corte. Dicha ecuación es:
X1, X2 enteras y no negativas.
2.308 = X2 + 0.0923H1 - 0.2692H2 5.2. Determinar por el método gráfico:
Ahora, conforme al paso 3, esta ecuación se descompondrá Min Z= 6X1 + 5X2

en dos partes: una entera y otra fraccionaria. Con esto se tendrá:
Sujeto a:
(2 + 0.308) = X2 + (0 + 0.0923H1) - (0 + 0.2692H2)
3X1 + X2 >_6
De aquí se toma la parte fraccionaria y se convierte en des- X1 + 2X2 4
igualdad del tipo mayor o igual que cero, con lo cual se obtiene la
nueva restricción: X1, X2 enteras y no negativas.
5.3. Resolver el problema 5.1 por redondeo.
0.0923H1 - 0.2692H2 - 0.308 O 5.4. Solucionar el problema 5.2 por redondeo.
5.5. Resolver el problema 5.1 por el método de enumeración.
Al incluirse esta restricción en la tabla símplex y resolverse 5.6. Resolver por enumeración el problema:
por medio del método, conforme a lo establecido por el análisis de
sensibilidad, se genera la siguiente solución: Min Z= 2X1 +X2
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
0.0833H1 - 0.8333H2 - 0.333 O Con X1, X2 enteras y no negativas.

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
Con X1, X2 enteras y no negativas. Con X1, X2, X3 enteras y no negativas.

5.9. Desarrollar por bifurcación y acotación el problema 5.1. 5.14. Resolver por bifurcación y acotación el problema:
5.10. Resolver el problema 5.1 por el método de corte de Go-
mory. Max Z= 3X1 + 5X2 + 2X3
5.11. Usando el método de Gomory resolver:
Sujeto a:
Min Z= 5X1 + 3X2
X1 + 2X2 + 2X3 5 6
Sujeto a: 2X1 + X2+ X3 5 5
X1 X2 4 Con X1, X2, X3 enteras y no negativas.
2X1 + X22.. 6
Con X1, X2 enteras y no negativas. BIBLIOGRAFÍA

5.12. Por el método de Gomory, resolver:
Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
Max Z= 4X1 + 3X2 + 2X3 Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
Sujeto a:
X1 + 2 X2 + X3 5
2X1 + 2X2 + X3 7
Con X1 , X2, X3 enteras y no negativas.

IN'
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
Para plantear un problema típico de transporte se to-

mará como ejemplo el caso de abastecer una mercancía des-
INTRODUCCIÓN de cuatro diferentes centros de suministro, A, B, C y E, hacia
cuatro centros de consumo, W, U, Y y Z, buscando hacerlo
El método de transporte también es conocido como mé- a un costo total mínimo (Hillier y Lieberman, 1991).
todo de distribución, de asignación y de transbordo debido En la tabla 6.1 se presentan las diferentes ofertas de los
a su aplicación en diferentes tipos de problemas. centros de suministro, así como las demandas de los cen-
Es un caso particular de la programación lineal que se tros de consumo.
resuelve por una metodología diferente, que resulta más
sencilla que el método símplex.
Consiste en asignar o distribuir diferentes cantidades Tabla 6.1. Ofertas y demandas de los centros
de objetos desde los orígenes hacia algunos destinos, bus- de suministro y consumo.
cando hacerlo de una manera óptima, a un costo mínimo
o bien con una utilidad máxima. Los orígenes serán los Centro de Capacidad de Centro de
centros de suministro u ofertas, en tanto que los destinos suministro producción (oferta) consumo Demanda
serán los centros de consumo o demandas (Hillier y Lieber- A PA W dw
man, 1991).
B PE U du
Al método suele denominársele de transporte debido
a su similitud con el plantear un problema de fletar mer- Pe Y dy
cancías desde los sitios de producción hasta los lugares de E PE Z dz
consumo.
En este capítulo se verá cómo se plantea un problema Total P Total
determinado de transporte, luego se analizarán cinco mé-
todos de inicialización, los cuales se utilizan para dar una
distribución o asignación inicial, enseguida se tratarán dos Se considerará que la oferta total P, deberá ser igual a
métodos de optimización, presentando situaciones especia- la demanda total D. Los casos donde P D se tratarán pos-
les del método de transporte y finalmente se tratarán dife- teriormente.
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
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
-
Segundo renglón 22 — 19 = 3 X ,X X 225

---
Demanda 600 500 300 200 1600
Tercer renglón 26 — 22 = 4
Cuarto renglón 24 — 20 = 4 lor m
Sólo quedan por asignar casillas de la tercera columna, por
Primera columna 22 — 19 = 3 tanto se debe asignar en ella su casilla más barata, la EY, a la cual
Tercera columna 21 — 20 = 1 se asignan 225 unidades, lo que satisface la oferta del cuarto ren-
glón, pero no la demanda de la columna. Por ello la siguiente casilla 1
de menor costo en la columna es AY, a la que sólo se pueden asig-
Ahora hay un triple empate, por tanto se elige al azar el se- nar 10 unidades, lo cual agota la oferta del primer renglón, pero 2
gundo renglón, cuya casilla de menor costo es BW, la cual se pue- aún no la demanda de la columna, por tanto la última casilla no
de asignar con 475 unidades, lo que satisface la oferta del ren- asignada es CY, la cual tendrá 65 unidades, con esto se satisfacen
glón, y la tabla será ahora (tabla 6.17): tanto la oferta del tercer renglón como la demanda de la tercera
columna, y la tabla totalmente asignada es la siguiente (tabla 6.19):
Tabla 6.17 3
Tabla 6.19
O U Y Z Oferta
W U Y Z Oferta
25 18 21 23
A 25 18 21 23
500 X 510 A 1
X 500 10 X 510
19 23 22 26 del ca
B 19 23 22 26
475 X X X 475 B
475 X X X 475 5
22 25 26 17 una d,
C 22 25 26 17
X C
200 390 125 X 65 200 390
24 21 20 22 24 21 20 22
E E
X I X 225 X X 225 X 225
Demanda 600 500 300 200 1600 Demanda 600 500 300 200 1600
73
asig- Esta distribución es exactamente igual a las obtenidas con los A21 = a2 +13 1 C21 A22 = (12 +132 - C22
dos métodos anteriores, cuyo costo es de 30575, y aunque no es la =26+25-19=32 =26+25-23=28
óptima, sí está muy próxima.
El método de Vogel con frecuencia es mejor que los vistos con A23 = (12 +133 C23 A24 = a2 +14 C24
anterioridad, ya que da mejores distribuciones iniciales, sólo que =26+26-22=30 =26+26-26=26
en tablas como la del caso presente, donde hubo muchos empa-
A31 = "3 +13 1 - C31 A32 = a3 +132 - C32
tes en el cálculo de las diferencias, suele pasar lo que sucedió,
que la asignación obtenida no sea el óptimo, aunque constituya una = 26 + 25 — 22 = 29 =26+25-25=26
buena aproximación. A33 = a3 +133 - C33 A34 = (13 + P4 - C34
=26+26 -26=26 =26+26-17=35
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):
áii =11i ± — C,J.• (6.6)

Tabla 6.20
donde:
O U Y Oferta
áii = Coeficiente de la casilla del renglón i, columna j. 25 18 21 23
oci = Costo mayor de las casillas del renglón i. A
X 510
13i = Costo mayor de las casillas de la columna j.
19 23 22 26
Cii = Costo de la casilla del renglón i, columna j. B
X 475
De aquí se irá asignando aquella casilla que tenga el va- 22 25 26 17
lor más elevado de C
1, por 200 390
El procedimiento por pasos es el siguiente:
cual 24 21 20 22
) ren- E
.asilla
1. Se calcula para el total de las casillas vacías de la 1 X 225
asig-
tabla de transporte. Demanda 600 500 300 I 200 1600
pero 2. En la casilla que haya tenido el mayor valor de
[la no hacer la máxima asignación posible. Esto agotará la
facen oferta del renglón y/o la demanda de la columna. En De acuerdo con el paso 3 se repite el paso 1 calculando
rcera caso de haber varias casillas empatadas con el máxi- para las casillas vacías:
5.19): mo valor de ám, se selecciona al azar una de ellas.
3. Se repite el procedimiento para calcular ti n de las All = al +131 - C11 Al2 = + 132 C1
casillas que aún están vacías y asignar la que resul- =25+25-25=25 =25+25-18=32
te con el valor máximo hasta terminar las asignacio-
nes de la tabla completa. A13 = + 133 — C13 A21 = a2 +13 1 - C21
=25+26-21=30 =23+25-19=29
Ejemplo 6.5. Asignar la distribución inicial para el problema A22 = (x2 + r32 - C22 = (X2 +133 - C23
del caso base usando el método de Russell. = 23 + 25 — 23 = 25 = 23 + 26 — 22 = 27
Solución: conforme al primer paso, se calculan las A li de cada ot3 +131— C31 A32 = (X3 +132 - C32
una de las 16 casillas de la tabla de transporte, cuyos valores serán: = 26 + 25 — 22 = 29 =26+25-25=26
'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
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
25 18 21 23 131 = a3 + C31 133 = a3 + 133 — C33

A = 26 + 25 — 22 = 29 = 26 + 26 — 26 = 26
500
19 23 22 26 donde la casilla con á ii mayor es AY (á i3 = 30), la cual sólo puede
asignarse con 10 unidades, lo que llenará la oferta del primer ren-
X glón, con esta asignación la tabla quedará de la siguiente forma
22 25 26 17 (tabla 6.23):
X 200
Tabla 6.23
24 21 20 22
E Y Z Oferta
X 225
25 18 2 23
Demanda 600 j 500 300 200 1600 A
X 500 10 X 510
9 23 22 26
Se vuelve a repetir el procedimiento para las casillas vacías, X X 475
entonces:
22 25 26 17
1 11 = a1+13 1 - C11 1 13 = +133 C13 X 200 390
=25+25-25=25 =25+26-21=30 24 21 20 22
E
1 21 = (12 +13 1 C21 X X , 225 X 225
123 = +133 - C23
=22+25-19=28 = 22 + 26 — 22 = 26 Demanda 600 500 300 200 , 1600
b■31 = a3 — C31 133 = (13 + N - C33

= 26 +25 22 = 29
— =26+26-26=26 Ahora se vuelve al paso 1 para obtener de las casillas vacías:
= a4 + — C41 143 = a4+133 - C43 1 21 = (12 +13 1 - C21 1 23 = (12 +133 - C23
=24+25-24=25 =24+26-20=30 =22+22-19=25 =22+26-22=26
En este caso hay un empate entre á 13 y &o, por tanto se eli- A31 = a3 + — C31 133 = a3+133 - C33
ge al azar esta última para la asignación, entonces la máxima can- =26+22-22=26 = 26 + 26 — 26 = 26
tidad posible por asignar en la casilla EY es de 225 unidades, lo
cual agotará la oferta del cuarto renglón, y la tabla será ahora (ta- Como se observa, resulta un triple empate, por lo que se elige
bla 6.22): al azar 123, casilla BY, la cual se puede asignar con 65 unidades, lo
que agotará la demanda de la tercera columna. De esta forma la
tabla será (tabla 6.24):
Tabla 6.22
Tabla 6.24
U Y Z Oferta
U Y Z Oferta
25 18 21 23
25 18 21 23
500 X 510 A
X 500 10 X 510
19 23 I 26
19 23 22 26
X X 475
X 65 X 475
22 25 26 17
22 25 26 17
X 200 390 X X 200 390
24 21 20 22 24 21 20 22
E
X 225 X 225 X X 225 X 225
I
Demanda 600 500 300 200 1600 Demanda 600 500 300 200 1600
MÉTODO DEL CRUCE DEL ARROYO 75
Sólo quedan dos casillas vacías, las cuales pueden asignar- degeneración (Thierauf y Grosse, 1990), establecida por la
se por diferencias para agotar las ofertas y demandas no satisfe- ecuación:
chas, es decir, la casilla BW se asignará con 410 unidades y la CW
con 190 unidades. Con esto la tabla final será (tabla 6.25): m+n-1=NC (6.7)
donde:
Tabla 6.25
W U Y Z Oferta NC = Número de casillas asignadas en la distribución

inicial.
25 18 21 23 m = Número de renglones de la tabla de transporte.
A n = Número de columnas de la tabla de transporte.
X 500 10 X 510
19 23 22 26 Esta condición implica que el número de variables bá-
B sicas (casillas asignadas) debe ser igual en todo momento
410 X 65 X 475
al número de ecuaciones de restricción que sean indepen-
22 25 26 17 dientes. En caso de no satisfacerse la ecuación 6.7, se dice
190 X X 200 390 que existe degeneración, la cual debe resolverse antes de pro-
seguir con la aplicación de la metodología de optimización.
24 21 20 22 Los casos de degeneración se presentan más adelante en este
E
X X 225 X 225 mismo capítulo.
Demanda 600 500 300 200 1600
MÉTODO DEL CRUCE DEL ARROYO
La cual es diferente a la distribución obtenida con los méto- Este método consiste en que dada una distribución ini-
dos anteriores, siendo su costo total: cial que haya cumplido la condición de no degeneración, se
podrá optimizar el problema de transporte evaluando para
CT = XAU CAU XAY CAN/ Xgw Cgw Xgy Cgy 'Coy Ccw cada casilla vacía el recorrido cerrado correspondiente. El
XCZ CCZ XEY CEY recorrido cerrado consiste en asignar unidades a la casilla
= (500)(18) + (10)(21) + (410)(19) + (65)(22) + (190)(22) vacía en cuestión, trasladándolas de una casilla determina-
da que sea del mismo renglón o de la misma columna, de
«. + (200)(17) + (225)(20)
manera que se sigan cumpliendo las igualdades de la suma
=30510.0 de asignaciones de las casillas por renglón con la oferta del
mismo y la suma de asignaciones de las casillas por colum-
Este método ha dado una mejor aproximación que los ante- na con su demanda (Davis y McKeown, 1986).
riores, la cual es de hecho la solución óptima del problema. Esto no Además, para hacer el recorrido cerrado completo no
significa que este método sea mejor que el de Vogel, ya que si en deberá incluirse en él ninguna casilla vacía, excepto la ini-
la designación arbitraria donde se escogió la casilla BY para ser cial, que es la que está evaluándose. Habrá un recorrido
asignada se hubiera elegido la CY (cuya á estaba empatada), la
distribución obtenida con el método de Russell hubiese sido exac- cerrado para cada casilla vacía, que podrá constar de un nú-
tamente igual a la de los métodos anteriores. mero variable de casillas involucradas en el mismo.
Lo que sí es obvio es que este método requiere mayor canti- El valor del recorrido cerrado será el cambio en costo
dad de cálculos que el de Vogel. de efectuar las reasignaciones, si resulta positiva implicará
un incremento en los costos, y por el contrario, un recorrido
cerrado negativo significará una disminución en el costo de
la distribución; por tanto, si lo que está buscándose es bajar
MÉTODOS DE OPTIMIZACIÓN el costo total de la tabla, se elige como el recorrido cerrado
que hay que efectuar aquel que resulte con el valor más ne-
Los métodos de optimización parten de una distribu- gativo. Por tanto, la distribución será óptima si los recorri-
ción inicial para llegar a encontrar la distribución de menor dos cerrados para el total de las casillas vacías resultan mayo-
costo (o mayor utilidad en su caso), es decir, la solución óp- res o iguales que cero, es decir, que ninguno de ellos resulte
tima del problema. con un valor negativo (Hillier y Lieberman, 1991).
En este inciso se presentan dos métodos de optimiza-
ción, los cuales son ampliamente conocidos: el método del Ejemplo 6.6. Dada la tabla 6.26 de transporte, obtener la
cruce del arroyo y el modi. distribución de costo mínimo empleando el método de la esquina
Ambos métodos para poder aplicarse a una distribu- noroeste para obtener la distribución inicial y el método del cruce
ción inicial dada requieren que se cumpla la condición de no del arroyo para la optimización.
76
Tabla 6.26 en donde tanto los renglones como las columnas están equilibra-
dos en cuanto a sus ofertas y demandas.
Destino Centro de Centro de Centro de El valor del recorrido se estima de la siguiente manera: como
Origen ventas 1 ventas 2 ventas 3 Oferta se ha enviado una unidad a la casilla 1-3, el costo se elevará en 21;
pero dicha unidad se ha tomado de la casilla 1-2 y el costo por este
24 18 21 movimiento disminuye en 18; a la casilla 2-2 se le ha aumentado
Centro de producción 1
7 500 en su asignación una unidad, lo cual aumenta el costo en 20; dicha
23 20 19 unidad fue tomada de la casilla 2-3, lo cual representa una disminu-
Centro de producción 2 ción del costo de ésta en 19. Por tanto, la sumatoria de estos cam-
6 500 bios da el valor del recorrido cerrado para la casilla 1-3:
Demanda 6000 4500 3500 14 000
Recorrido cerrado = 21 — 18 + 20 —19 = 4
Solución: de acuerdo con la metodología de la esquina noroes- Por tanto, si se efectúan los movimientos involucrados en di- d
te, la tabla de la distribución inicial será (tabla 6.27): cho recorrido el costo total aumenta en cuatro unidades por cada u
unidad de mercancía reasignada.
Casilla 2 1: para asignar una unidad a esta casilla, puede
- c
Tabla 6.27 tomarse de la casilla 2-2, esto hará que se desequilibren la pri-
Destino Centro de Centro de Centro de
mera y segunda columnas; para compensar esto se envía una
unidad de la casilla 1-1 a la 1-2, con lo cual la tabla queda equili-
Origen ventas 1 ventas 2 ventas 3 Oferta brada en cuanto a las ofertas y demandas como se indica en la
24 18 21 tabla 6.29.
6000 1500 7 500
23 20 19 Tabla 6.29
Centro de producción 2 d
3000 3500 6500 '
Destino Centro de Centro de Centro de c
Demanda 6000 4500 3500 14 000 ventas 1 ventas 2 ventas 3 Oferta
Origen u
24 18 21 n
Con un costo de: Centro de producción 1
5999 1501 7 500 1(
23 20 19 o
Cr = X11 C11 + X12 C12 + X22 C22 + X23 C23 r
= (6000)(24) + (1500)(18) + (3000)(20) + (3500)(19) 1 2999 3500 6 500
= 297500.0 Demanda 6000 4500 3500 14000
1¿
También se observa que se cumple con la condición de no
degeneración, pues el número de casillas asignadas es cuatro, en-
tonces se procederá a evaluar los valores de los recorridos cerrados El valor del recorrido puede evaluarse sumando los costos
para las dos casillas vacías: de las casillas que aumentaron su asignación y restando el cos-
to de las casillas que disminuyeron, al igual que en el recorrido
anterior:
Casilla 1 3: para enviar una unidad a esta casilla, puede to-
-
marse de la casilla 1-2, esto descompensará las columnas 2 y 3, lo

cual se equilibra si se envía una unidad de la casilla 2-3 a la 2-2, Recorrido cerrado = 23 + 18 — 24 — 20 = —3
lo que se muestra en la tabla 6.28.
Es decir, al reasignar una unidad conforme al recorrido ce-
rrado disminuirá el costo en 3.
Tabla 6.28 Por tanto, debe hacerse el cambio de unidades conforme al re-
corrido cerrado de la casilla 2-1. Además, para determinar el nú-
mero de unidades que se van a reasignar convendrá mover tantas
Origen ventas 1 ventas 2 ventas 3 Oferta como sea posible, dado que cada unidad reasignada disminuirá el
24 18 21 costo en 3. Este número será el menor de aquellas casillas asigna-
Centro de producción 1 6000 das que forman parte del recorrido cerrado que son donadoras de
1499 1 7500 ' unidades, es decir, aquellas que disminuyen su asignación. En este
23 20 19 caso las casillas donadoras son la 1-1 y la 2-2, como X 11 es 6000
Centro de producción 2 3001 y X22 es 3000, se toma este último valor como la cantidad de uni-
3499 6 500
dades que se van a reasignar, con este cambio la tabla queda de la
Demanda 6000 4500 3500 14 000 siguiente forma (tabla 6.30):
77
Tabla 6.30 coeficientes para los renglones r, y para las columnas k j con
Destino Centro dei Centro de Centro de
la fórmula dada por la ecuación siguiente, que se aplica sólo
para casillas asignadas (Gallagher y Watson, 1992):
Origen ventas 1 ventas 2 ventas 3 Oferta
24 18 21 ri ki = (6.8)
3000 4500 7 500
donde:
23 20 19
Centro de producción 2 3000
3500 6 500 r, = Coeficiente r para el renglón i.
Demanda 6000 4500 3500 14 000 Cii = Costo de la casilla asignada ubicada en el renglón
i y la columna j.
ki = Coeficiente k para la columna j.
de donde se observa que con el intercambio de 3000 unidades,
una casilla que era vacía ahora es asignada (la 2-1) y una casilla De acuerdo con la condición de no degeneración, ha-
que era asignada ahora es vacía (la 2-2), lo cual hace que se siga brá (m + n — 1) casillas asignadas, lo que marca el número
cumpliendo la condición de no degeneración. de ecuaciones posibles que pueden ser planteadas para ob-
El costo de esta nueva distribución es:
tener las r, y las ki; y habrá m coeficientes de renglones r, y n
coeficientes de columnas k1, es decir, un total de (m + n) co-
Ct = X11 c11 + x12 c12 + x21 C21 + x23 C23
eficientes desconocidos o incógnitas, por ello, para resolver
(3000)(24) + (4500)(18) + (3000)(23) + (3500)(19) el problema habrá un grado de libertad, o sea que puede
= 288 500.0 elegirse arbitrariamente un coeficiente r, o k i y los restan-
tes calcularse mediante la ecuación 6.8. Una vez definidos
Con lo cual la distribución actual ha disminuido respecto los coeficientes, se calcula para cada casilla vacía su valor de
de la anterior en cuanto al costo en 9000 unidades monetarias. Di- (r, + Cii + k'). Si esta suma resulta negativa para una casilla
cha cantidad también puede obtenerse a partir de que una unidad vacía dada, significa que el asignar unidades de mercancía a
que se mueve en el recorrido cerrado disminuye el costo en tres
unidades, por tanto si se reasignaron 3000 unidades el costo dis- dicha casilla hará disminuir el costo. Si la suma de (7-, + Cii +
minuye en $ 9000. ki) para la casilla vacía es positiva significa, por el contrario,
Para saber si esta distribución es la mejor, se deben evaluar que el asignar a esta casilla unidades incrementará el cos-
los recorridos cerrados de sus casillas vacías, si éstos son mayores to. Por tanto, una distribución dada será óptima, en el mo-
o iguales que cero, la distribución será la óptima; en caso contra- mento que todas sus casillas vacías tengan una sumatoria de
rio, se deberá cambiar conforme al recorrido cerrado más negativo (ri + Cii + mayor o igual que cero (Hillier y Lieberman,
que hubiese resultado. 1991). En caso contrario, se deberá reasignar en aquella casi-
Por tanto, se procederá a evaluar los recorridos cerrados para lla vacía para la cual su sumatoria sea la más negativa. Esta
las casillas vacías 1 - 3 y 2 2:
-
reasignación se hará conforme al recorrido cerrado corres-
pondiente para la casilla en cuestión, que se define como se
Casilla 1-3: se envía una unidad a esta casilla tomándola de explicó en el método anterior.
la casilla 2-3, lo cual desequilibra al primero y segundo renglones,
lo que se compensa enviando una unidad de la casilla 1-1 a la 2-1.
Con esto el valor del recorrido es: Ejemplo 6.7. Resolver la misma distribución inicial para el
problema del ejemplo 6.6 por el método modi.
Recorrido cerrado = 21 — 19 + 23 — 24 = +1
Solución: la distribución inicial es (tabla 6.31):
Casilla 2-2: se envía una unidad a esta casilla desde la 1-2, lo
cual desequilibra los dos renglones de la tabla, lo cual se solucio-
na con enviar una unidad de la casilla 2-1 a la 1-1, y su valor será: Tabla 6.31
Recorrido cerrado = 20 — 18 + 24 — 23 = +3 ventas 1 ventas 2 ventas 3 Oferta
Origen
Por tanto la distribución ya es la óptima, o de costo total 24 18 21
mínimo. Centro de producción 1
6000 1500 7 500
23 20 19
MÉTODO MODI Centro de producción 2
3000 3500 6 500
Este método, también conocido como de la distribución Demanda 6000 4500 3500 14 000
modificada, consiste en obtener primero los valores de los
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 definiendo 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
Casilla 2-3: Casilla 2-3:
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:
r2 +C21 -Fk1 =-2 +23 —24=-3 r2 + C22 + k2 = —23 + 20 + 6 = +3
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-
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.
'
23 20 19 Como se observa, ambos métodos son muy parecidos y no

3000 3500 6 500 existe una diferencia significativa para usar uno u otro. Al respec-
Demanda 6000 4500 3500
to, se sugiere emplear el modi, pues suele ser más didáctico para
14 000 los estudiantes que el del cruce del arroyo.
79
VARIANTES EN LOS PROBLEMAS Tabla 6.34

DE TRANSPORTE Destino W Y Z F Oferta
Origen
Se presentan cuatro situaciones especiales que suelen 31 23 26
A
aparecer en los problemas de transporte: oferta diferente de 6 000
demanda, problemas de maximización, casos de degenera- 27 30 24
ción y rutas prohibidas. B
5 500
25 29 28
D
5 000
Oferta diferente de demanda
23 28 27
E
Suele ocurrir en los problemas reales de transporte que 4 000
la oferta total de los centros de producción no coincida con Demanda 8000 6500 4500 1500 20 500
la demanda total de los centros de venta o distribución, a
este tipo de situaciones se les conoce como problemas no
equilibrados (Ackoff y Sasieni, 1979). Ahora se aplica el método del costo menor por renglón sin
Para resolverlos lo que se hace es crear un centro de considerar las casillas de la columna F, con lo cual la tabla inicial
producción ficticio si la oferta es menor que la demanda, o será (tabla 6.35):
bien un centro de ventas ficticio si la demanda es menor
que la oferta, de manera que éstas se igualen, lo cual impli- Tabla 6.35
ca que el centro ficticio manejará un número de unidades Destino W Y Z F Oferta
igual a la diferencia entre la oferta y la demanda. Origen
A los costos de las casillas de la línea del centro ficticio 31 23 26 0
se les fija un valor de cero y para obtener la distribución ini- A
6000 6 000
cial por alguno de los métodos antes vistos la línea corres-
27 30 24 0
pondiente al centro ficticio no se toma en cuenta, sólo se B
asignarán sus casillas por diferencias respecto del total de 1000 4500 5 500
las ofertas y demandas de los renglones y columnas de la ta- 25 29 28 0
D
bla, respectivamente. 5000 5 000
23 28 27 0
Ejemplo 6.8. De la tabla 6.33 de transporte, obtener la dis- E
tribución óptima utilizando el método del costo menor por renglo- 2000 500 1500 4 000
nes para inicializar y el modi para optimizar: Demanda 8000 6500 4500 1500 20 500
Tabla 6.33 Cuyo resumen de asignaciones fue:

Destino w Y Z Oferta 1. En el primer renglón se asignan 6000 unidades en la casi-
Origen lla más baja en costo, AY, lo que agota la oferta.
31 23 26 2. En el segundo renglón se asignan 4500 unidades a la ca-
A silla más barata, BZ, lo cual satisface la demanda. Como
6000
no se ha llenado el renglón, se toma entonces la segunda
27 30 24 casilla más barata, BW, y se asignan 1000 unidades, con lo
B
5500 que se agota la oferta del renglón.
3. En el tercer renglón se asignan 5000 unidades en la casi-
25 29 28 lla de menor costo, DW, lo que satisface la oferta.
D
5000 4. En el cuarto renglón la casilla más barata sin asignar es
EW, la cual se asigna con 2000 unidades, que llena la de-
23 28 27
E manda de su columna. Se asigna luego la casilla EY con
4000 500 unidades, lo que satisface la demanda de su respecti-
20500 va columna, para finalmente asignar la casilla EF con 1500
Demanda 8000 6500 4500 19 000 unidades, que agota a la vez tanto la oferta de su renglón
como la demanda de su columna.
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
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 BW: Destino Y Z F Oferta

Origen
rB +CBw +kw =0 31 23 26
A
rB +27 +0 =0,rB =-27 X 6000 X X 6 000
27 30 24
Casilla DW: B
X X 4500 1000 5500
rD + Cpw kw = 25 29 28
7.0 +25 +0 =O, rD =-25 D
5000 X X X 5 000
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
Casilla EY: Cuyo costo es:

rE + CEy ky = Ct = (6000)(23) + (5000)(25) + (3000)(23) + (500)(28)
—23+28 + ky = O, ky = —5 + (4500)(24) + (1000)(0) + (500)(0) = 454 000.0
Casilla AY: Con ello el costo ha disminuido en $ 4000, por enviar 1000
unidades desde la casilla BW con costo unitario de 27, hacia la ca-
TA + CAy+ky= 0 silla EW con un costo unitario de 23, por lo que el ahorro es de $4
rA +23 —5 =0,rA =—l8 por cada unidad, que multiplicados por las 1000 unidades hace un
ahorro de $ 4000.
Casilla BZ: Se procede a obtener los coeficientes ri y kl, definiendo ahora
kF = 10y calculando las restantes mediante la ecuación 6.8:
rB +CBz +kz =0
—27+24 +kz =0, kz =3 Casilla BF:
Casilla EF: rB +CBF +kF =0
rB + O + 10 =O, rB =-10
rE + CEF + kF =
—23+0 +kF =0,kF =23 Casilla EF:
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
que representa un ahorro de $500 respecto de la tabla anterior. Problemas de maximización

De nuevo se calculan las ri y /coi, definiendo kF = O y obte-
niendo las restantes con la ecuación 6.8:
Hay casos de transporte donde aparecen problemas de
Casilla BF: programación lineal en los que deberá maximizarse una uti-
lidad o un ingreso y no minimizar un costo, como es el caso
rB +CBF +kF =0 típico que se ha visto hasta ahora.
rB +O +0 =0,rB =0 Para estos casos se aplica la metodología descrita en los
incisos anteriores, haciendo algunos pequeños cambios que
Casilla DF: es conveniente comentar (Davis y McKeown, 1986).
Por principio, la matriz de transporte incluirá en cada
rD + CDF + kF = O casilla, en su recuadro superior derecho, la utilidad o bien el
rD +0 +0=0,rD =0 ingreso individual correspondiente a esa casilla por enviar
Casilla BZ:
mercancías del origen i al destino j. La función objetivo será
la utilidad o el ingreso total, el cual deberá maximizarse.
rB + CBz + kz = O En cuanto a los métodos de inicialización, el de la esqui-
0+24 +kz =0,kz =-24 na noroeste no sufre ninguna modificación; el método del cos-
to menor buscará ahora por renglón o por columna, según el
Casilla DY: tipo de versión correspondiente, asignar aquellas casillas que
tengan la utilidad mayor en cada caso; el método mutuamen-
rD + Cm! +ky =0 te preferido también seleccionará para asignaciones aquellas
0+29 +ky =0,ky =-29 casillas que sean a la vez las de máxima utilidad del renglón
y de la columna a la que pertenecen; el de Vogel buscará las
Casilla DW: diferencias para cada renglón y para cada columna entre
TD + CDW+kv,= 0 la casilla de mayor utilidad y la que le sigue; por su parte,
0+25 +kw =0,kw =-25
el método de Russell elegirá aquella casilla que obtenga el
mínimo valor de á,i , conforme a la ecuación 6.6, sólo que
Casilla AY: ahora al será la utilidad menor del renglón i, 13i será la míni-
ma utilidad de la columna j y Cij será la utilidad de la casi-
rA + CAy +4=0 lla en cuestión.
rA +23 —29=0,rA =+6 Por su parte, para los métodos de optimización, el del
cruce del arroyo buscará asignar en aquella casilla vacía que
Casilla EW: haya obtenido el máximo valor del recorrido cerrado y la
solución óptima se habrá obtenido cuando todos los valores
rE + CEw kw = 0
de los recorridos cerrados para las casillas vacías sean me-
rE + 23 — 25 =O, rE = +2 nores o iguales a cero. El método modi también asignará en
VARIANTES EN LOS PROBLEMAS 83
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
mos el siguiente ejercicio. =8+10-10=8 =8+8-8=8

'1 BW = aB PW CBW ABY = PY CBY
Ejemplo 6.9. Maximizar la utilidad en el problema de trans- =11+10-13=8 =11+8-11=8
porte siguiente (tabla 6.39):
'1DW = al) + 13w — CDW '1 DY = PY CDY
Tabla 6.39
= 11 + 10 — 11 = 10 =11+8-12=7
Destino Y Z Oferta La ápy es ahora la mínima, por tanto se asigna la casilla DY

Origen
con 5500 unidades, lo que llenará la oferta del tercer renglón, y
10 13
A la tabla 6.41 será:
7500
13 11
B Tabla 6.41
6000
11 12 10 Destino Y Z Oferta
D Origen W
5500
Demanda 8000 6700 4300 19 000 10 8 13
A
4300 7 500
Utilizar el método de Russell para la distribución inicial y el 13 11 9
B
modi para la optimización. X 6 000
Solución: de acuerdo con lo antes visto para el método de Rus- 11 12 10
D
sell, se aplica la ecuación 6.6 para cada una de las nueve casillas: X 5500 X 5 500
Demanda 8000 6700 4300 19 000
'1AW = OCAPW CAW LIAY = aA 4- PY CAY
=8+10-10=8 =8+8-8=8
'1AZ = aA Pz — CAz '1 BW PW CBW Se repite el cálculo de las A i para la parte no asignada de la
=8+9-13=4 =9+10-13=6 distribución:
'1 BY = PY CBY '1 BZ = PZ CBZ LIAW = aA PW CAW '1 AY = aA + I3 Y
CAY
=9+8-11=6 =9+9—9=9 =8+10-10=8 =8+8-8=8
ODW = PW CDW '1 DY = — CDY PY CBY
'1 BW = aBPW CBW '1 BY = aB
=10+10-11=9 =10+8-12=6 =11+8-11=8
=11+10-13=8
41iDZ = °CD PZ CDZ
=10+9-10=9 Aquí las cuatro casillas han resultado empatadas, por lo que
se elige al azar BW, la que se asignará con 6000 unidades, lo
Donde la con el mínimo valor es la de la casilla del primer que satisface la oferta del segundo renglón. Las restantes casi-
renglón y la tercera columna S AZ, casilla AZ, a la que se le asigna- llas se llenan por diferencia, quedando la tabla 6.42 de la siguien-
rán 4300 unidades, lo que agotará la demanda de la columna, con te manera:
lo cual la tabla 6.40 de transporte quedará de la manera siguiente:
Tabla 6.42
Tabla 6.40
Destino W Y Z Oferta
Destino Y Z Oferta Origen
Origen W
10 8 13
10 8 13 A
A 2000 1200 4300 7500
4300 7500
13 11 9
13 11 9 B
B 6000 X X 6000
X 6000
11 12 10
11 12 10 D
D X 5500 X 5500
X 5500
8000 6700 4300 19 000 Demanda 8000 6700 4300 19 000
Demanda
Cuya utilidad es: La degeneración puede aparecer en una tabla de distri-

bución inicial o en una intermedia. Cuando se trata del pri-
U= (2000)(10) + (1200)(8) + (4300)(13) + (6000)(13) mer caso, lo que puede hacerse es buscar otra distribución
+ (5500)(12) = 229500 inicial mediante otro método de inicialización diferente al
que se empleó cuando se dio la degeneración. Suele presen-
Aquí se observa que se cumple la condición de no degenera-
ción, por lo cual puede aplicarse la metodología de optimización,
tarse en distribuciones iniciales cuando una casilla elegida
en este caso el modi, definiendo de manera arbitraria r A = 0, los para ser asignada satisface tanto la oferta del renglón como
demás coeficientes se determinan con la ecuación 6.8: la demanda de la columna, con la excepción de la última ca-
silla de la tabla por asignar, la cual siempre agotará la ofer-
Casilla AW: ta y la demanda a la vez.
Como el caso típico es que falte una casilla asignada
rA + CAW+kv, = 0 para resolver la degeneración, el procedimiento para solu-
0+10 +kw =0, kw =-10 cionarla es el siguiente: se asignará esa casilla faltante con
una cantidad muy pequeña, que se denomina e, que para fi-
Casilla AY: nes prácticos es cero, de modo que la suma de asignaciones d
rA + CAy ky = O por renglón y columna no se alteren. Es decir, que se sigan s
0+8 +ky =0,ky =-8 cumpliendo las igualdades de las sumas horizontales con las h
ofertas y las verticales con las demandas. Sin embargo, a c
Casilla AZ: partir de que se coloque la e en la casilla, ésta se considera d
como asignada, con esto se tendrá una casilla asignada más, p
rA + CAz +kz = con lo cual se cumplirá con la condición de no degeneración
0+13 +kz=0,kz =-13 y se podrá seguir con la resolución del problema (Davis y
McKeown, 1986).
Casilla BW: El criterio para elegir la casilla que se asignará con e
rB + CBw kw = unidades es el siguiente:
rB +13 —10 =0,rB =-3
1. De las casillas vacías disponibles se toma aquélla de
Casilla DY: menor costo si el problema es de minimización, o la
de mayor utilidad si el problema es de maximización.
rD + Cpy ky = 2. Verificar que las casillas que permanecen vacías ten-
rD +12 —8 =O,rD =-4 gan cada una su recorrido cerrado. Si esto se cumple,
la casilla seleccionada en el paso 1 es elegible; de lo
Ahora se efectúa la prueba de optimalidad, calculando los
valores de (r, + Cy + 9 para las casillas vacías:
contrario, se vuelve al paso anterior aplicándolo a las
casillas vacías restantes.
Casilla BY: rB +CBy +ky =-3+11 — 8=0
Casilla BZ: rB + Cgz + kz = —3 + 9 — 13 = —7 Ejemplo 6.10. Obtener la distribución de costo mínimo del
Casilla DW: rD +CDw +kw =-4+11 —10=-3 tabla 6.43:
Casilla DZ: rD + Cpz +kZ =-4 + 10 — 13 =-7
Tabla 6.43
Con lo cual se observa que la distribución es la óptima, pues
sólo hay otra tabla diferente que empataría en utilidad con la ac- Destino 1 2 3 Oferta
tual, que es justamente la tabla que resulta de asignar unidades en Origen
la casilla BY, que resultó con un valor de (r i + Cij + Ici) de cero, con- 14 10 12
forme al recorrido cerrado de dicha casilla. En este problema el 1
7 000
método de Russell ha dado el óptimo con su distribución inicial.
9 11 10
2
6 000
Degeneración 11 12 11
3
Sucede cuando no se cumple la ecuación 6.7, y se pre- 5 000
senta entonces el problema de que el número de variables Demanda 6000 6000 6000 18 000
básicas (casillas asignadas) no es el adecuado para proceder
a optimizar la tabla de la distribución correspondiente. La
situación frecuente es que haya un número menor de casi- Solución: se aplica el método mutuamente preferido para la
llas asignadas al señalado por la ecuación 6.7, debiendo en- distribución inicial, listando las casillas de menor costo para cada
tonces llevarse a cabo el procedimiento correspondiente. línea:
85
Debe verificarse que cada casilla vacía tenga su recorrido cerra-
Línea Casilla de menor costo do y evaluarlo:
Renglón 1 1-2
Casilla 1-1: Enviar unidades de la casilla 1-3 a la 1-1 y com-
Renglón 2 2-1 pensar las columnas con el envío de unidades de 2-1 a 2-3.
Renglón 3 3-1, 3-3 Recorrido cerrado =14 —12 + 10 — 9 = +3

Columna 1 2-1 Casilla 2-2: Enviar unidades de la casilla 1-2 a la 2-2 y
compensar los renglones enviando unidades de 2-3 a 1-3.
Columna 2 1-2
Columna 3 2-3 Recorrido cerrado = 11 — 10 + 12 —10 = +3
Casilla 3-1: Enviar unidades de la casilla 2-1 a la 3-1 y

compensar los renglones reexpidiendo unidades de 3-3 a 2-3.
En la lista hay dos casillas que son a la vez las de menor costo
del renglón y de la columna a la que pertenecen: 1-2 y 2-1. La 1-2 Recorrido cerrado = 11 — 9 + 10 — 11 = +1
se asignará con 6000 unidades, lo que agota la demanda de la co-
lumna; la casilla 2-1 se asigna con 6000 unidades, lo cual satisfa- Casilla 3-2: Enviar unidades de la casilla 1-2 a la 3-2 y equi-
ce la oferta del renglón y la demanda de la columna (situación de librar los renglones enviando unidades de 3-3 a 1-3.
degeneración). El resto de la tabla se asigna por diferencias res-
pecto de las ofertas y las demandas totales. Con esto la distribu- Recorrido cerrado = 12 —10 + 12 — 11 = +3
ción inicial será (tabla 6.44):
Con esto las cuatro casillas vacías tuvieron su respectivo re-
Tabla 6.44 corrido cerrado y como los valores de dichos recorridos fueron
todos mayores o iguales que cero, la distribución es la óptima,
Destino 1 2 3 Oferta siendo la solución al problema.
Origen El costo total de dicha distribución es:
14 10 12
1 Ct = (6000)(9) + (6000)(10) + (1000)(12) + (5000)(11) = 181000
X 6000 1000 7000
9 11 10 La tabla será por tanto la siguiente (tabla 6.46):
2
6000 X X 6000
11 12 11
3 Tabla 6.46
X X 5000 5000
Destino 1 2 3 Oferta
Demanda 6000 6000 6000 18 000 Origen
14 10 12
1
La cual no cumple la condición de no degeneración, pues sólo 6000 1000 7000
tiene cuatro casillas asignadas y debería tener cinco. Por tanto, 9 11 10
debe hallarse una casilla asignable conforme a las condiciones ya 2
6000 6000
establecidas.
De las casillas vacías, la de menor costo es la 2-3, con costo 11 12l l 11
de 10. Si a esta casilla se le asigna la cantidad e, la tabla será 3
5000 5000
(tabla 6.45):
Demanda 6000 6000 6000 18 000
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
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-
Origen taro Potosí lajara Tampico Oferta

Ejemplo 6.11. La compañía Transportes del Centro tiene un
contrato para fletar varillas de dos fábricas, situadas en México 45 48 49 I '53
Mé xico
y Monterrey, hacia cuatro ciudades: Querétaro, San Luis Potosí, 4500 3000 2500 IX 10 000
Guadalajara y Tampico. Las producciones de ambas fábricas son 5( 49
de 10 000 y 8000 ton mensuales para México y Monterrey, respec- Mo nterrey
tivamente. X X 6000 2000 s000
Las cuatro ciudades tienen pedidos por las siguientes can- De nanda 4500 3000 8500 2000 18 0001
tidades:
Cuyo costo es:
Ciudad Pedido mensual, ton C, = 757 000.0 + 2000.0(M)
Querétaro 4 500
donde se observa que la condición de no degeneración está satis-
San Luis Potosí 3 000 fecha, pero que la casilla correspondiente a la ruta prohibida está
Guadalajara 8 500 asignada, por lo que se aplica la metodología modi normal para de-
Tampico 2 000 jarla vacía.
Se elige al azar la r de México como cero, y al aplicar la ecua-
Total 18 000 ción 6.8 a las casillas asignadas se obtendrá:
Casilla México-Querétaro:
Debido a que no existen buenas carreteras en el tramo Mon-
terrey-Tampico, esta ruta está descartada. En la tabla 6.47 se in- rméx CMéx-Qro kch, = 0
dican los costos del fletamiento por tonelada en pesos: 0 -I- 45 + kQro = O, k(1.0 = —45
Casilla México-San Luis Potosí (SLP):

Tabla 6.47
rméx CMéx-SLP kSLP =
Destino San Luis O + 48 + ksLp = O, ksLp = —48
Origen Querétaro Potosí Guadalajara I; Tampico

Casilla México-Guadalajara:
México 45 48 49 53
Monterrey 48 rméx CMéx-Guad kGuad =
50 49
0 +49 -I- kGuad 0, kGuad = —49
CASOS DE RESTRICCIONES ADICIONALES 87
Casilla Monterrey-Guadalajara: Casilla México-Guadalajara:
rmty + CMty-Guad + kGuad = O rMéx + CMéx-Guad + kGuad =

rmty + 48 – 49 = O, rmty = +1 O + 49 + kGuad = 0, kGuad = –49
Casilla Monterrey-Tampico: CasilMéxco-Tmp:
rmty + CMty-Tam + kTam = 0 rMéx CMéx-Tam + kTam = 0

1 + Al+ kT am = O, kTam = —1 — M O + 53 + kTam = 0, kTam = –53
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
Demandas 7500 7800 7100 4600 27 000

Tabla 6.52
Destino A B C D
Origen Oferta
Solución: la solución al problema original, sin la restricción 13 11 9 6
adicional de enviar sólo 2000 unidades del origen Mal destino D, M
es (tabla 6.51): X X 4900 3100 R000
7 14 10 8
N
7500 X X 1500 1000
Tabla 6.51 ,
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.
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.
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
Zacatecas 600 Tabla 6.67

Destino
San Luis Potosí 400 Zaca- San Luis Chihua-
¡Origen tecas Potosí hua Torreón Tampico Oferta
Chihuahua 350
250 180
Torreón 300 México
1000
Tampico 250
230 190
Total 1900 Guadalajara
750
200 160
Zacatecas
No es posible enviar mercancía directamente de las fábri- 1900
cas hacia Chihuahua, Torreón y Tampico; esto debe hacerse re-
or 5, embarcando en Zacatecas y San Luis Potosí, como se muestra en '0
[
M 195 145
la figura 6.2. San Luis Potosí
En la figura, las rutas no indicadas son prohibidas. Los nú- I 1900
me-
meros representan los costos de envío en pesos por cada unidad en- 0Í
ita la
viada desde el origen hasta el destino que señala la flecha corres- Centro ficticio
pondiente. 150
Buscar un programa de transporte que cumpla las demandas
a un costo total mínimo. 'Demanda 2500 2300 350 300 250
Solución: en este caso, México y Guadalajara son orígenes y

an- las ciudades restantes son destinos. Zacatecas y San Luis Potosí Si ésta se inicia con el método de Vogel, se obtiene la solución
-acte- son además empalmes, ya que tienen tanto entradas como salidas óptima siguiente (tabla 6.68):
94
Tabla 6.68 PROBLEMAS PROPUESTOS
Destino
San Luis
Zacatecas Potosí Chihuahua Torreón Tampico Oferta
6.1. Hallar la distribución inicial y su respectivo costo para la
Origen
siguiente tabla de transporte (tabla 6.69):
250 180
México
50 950 X 1000
Tabla 6.69
230 190
Guadalajara Destino A C D Oferta
'750 x 750 Origen
200 160 26 28 28 27
:Zacatecas
1700 X 200 x X 1900 500
195 145 29 30 27 28
San Luis Potosí Y
X 1350 300 250 1900 300
25 31 28 26
!Centro ficticio
X X 150 X 150
z
350
Demanda 2500 2300 350 300 250
Demanda 440 290 270 150 1150
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
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
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):
Emplear la esquina noroeste y el modi para obtener la dis-

tribución de costo mínimo. Tabla 6.74
6.7. Solucionar el problema anterior utilizando los métodos de Destino
Vogel y modi. Origen 1 2 I 3 Oferta
6.8. Resolver el problema 6.6 por el método mutuamente prefe- 25 30 M
rido y el cruce del arroyo. 1
6.9. Por medio del método de Russell y el modi obtener la red 3600
de costo mínimo para el siguiente problema (tabla 6.72): M 26 32
2
M 1800
Tabla 6.72 31 28
3
Destino 1700
1 2 3 4 Oferta
24 28 26
4
500 470 450 460 1600
A
2500 Demanda 3700 2600 2400 8700
480 450 510 470
B
2200 6.15. Dada la siguiente tabla de transporte (tabla 6.75):
465 480 500 500
D
1800 Tabla 6.75
390 440 500 520 Destino 1
E Origen 2 3 4
1500
450 460 470 410
28 M 24 30
1
F
1300
26 M X 25
435 430 480 390 2
G 4000
1200
27 30 28
Demanda 5000 2600 1800 1100 10 500 3
3500
, 24 26 , 27
6.10. Resolver el problema anterior usando el método de Vogel y 4
el cruce del arroyo.
3000
6.11. Solucionar el problema 6.9 para el caso de maximización Demanda 6700 4000 3000 2800 17500
_I L. 20500
usando los métodos de Vogel y el modi.
6.12. Para la siguiente matriz de costos hallar la red de distribu-
ción de costo mínimo por medio del método de Vogel y el Hallar la distribución de costo mínimo por medio del méto-
cruce del arroyo (tabla 6.73): do de Vogel y el cruce del arroyo.
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
5 125 128 138 172 210 Tabla 6.79

6 122 130 142 183 201 Destino MNO P Q
Origen
7 135 130 150 180 200
A 310 280 260
8 140 132 135 175 198
B 270 — 285 —
¿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.
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
La sabiduría es un adorno en la prosperidad La programación dinámica puede ser determinística, es

y un refugio en la adversidad. decir, cuando los parámetros del problema ya se conocen, o
bien probabilística o estocástica, si dichos parámetros vienen
ARISTÓTELES dados por una función de probabilidad (Bronson, 1992). El úl-
timo ejemplo del capítulo presenta un caso probabilístico.
También hay casos de programación dinámica aditiva
INTRODUCCIÓN o multiplicativa, según la forma de definir la función obje-
tivo, ya que si ésta se forma con la suma de las contribucio-
En este capítulo se analiza la programación dinámica, nes, será aditiva, que es el caso más frecuente, en tanto que
que es aplicable a un tipo particular de problemas para los si la función objetivo se forma por multiplicación de los fac-
cuales la programación lineal no resulta adecuada, ya que tores que intervienen en ella, será del tipo multiplicativo, .
esta última es útil para casos en que los parámetros o con- tal es el caso cuando la función objetivo es una probabili-
diciones del problema permanecen sin cambio, es decir, dad conjunta de conseguir el éxito en un determinado pro-
estáticos. Cuando aparecen variaciones en esos parámetros, yecto. En este texto se incluyen ejemplos de ambos tipos de
los casos pueden resolverse con la programación dinámica. programación dinámica.
Esta metodología apareció en la década de 1950, siendo Ri-
chard Bellman su iniciador en Estados Unidos (Thierauf y
Grosse, 1990). CARACTERÍSTICAS
El método maneja los casos en forma secuencial, di- Y METODOLOGÍA
vidiendo un problema grande en varios pequeños, donde
cada uno de ellos se irá solucionando tomando la decisión Las características que constituyen el método de la pro-
que optimice la función objetivo, acumulando dicha infor- gramación dinámica son (Hillier y Lieberman, 1991):
mación, para pasar a las siguientes etapas, que se eslabo-
nan a las anteriores, de modo que al llegar a la última etapa 1. Cada problema debe dividirse en etapas, cada una
se obtiene la solución óptima, que a semejanza de la progra- de las cuales requiere una política de decisión, que
mación lineal, puede ser una utilidad que se ha maximiza- se determinará conforme a la función objetivo.
do, o bien un costo que se ha minimizado. 2. Cada etapa se divide a su vez en cierto número de
Con esto, lo que se logra es un ahorro en el número de estados asociados con ella, donde cada uno de éstos
cálculos que deben hacerse para solucionar el problema to- representa una posibilidad de llevar a cabo la etapa.
tal, dado que no se ejecutan todas las opciones que puede te- 3. En cada etapa habrá una política de decisión, que
ner el mismo, ya que de la parte que ya se ha analizado, se deberá eslabonar la etapa actual con la siguiente del
toma la mejor decisión que contribuya a la optimización problema.
de la función objetivo. 4. El método de la programación dinámica debe hallar
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
Guadalajara guascalientes San Luis

Potosí
III
León 1
Morelia Querétaro
IV
Ciudad de México Figura 7.2. Esquema con cuatro etapas.

Figura 7.1. Esquema de rutas.
100 CAP. 7. PROGRAMACIÓN DINÁMICA
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
En la tabla se muestra la política óptima de decisiones para

ir desde E, F o G, que es el nivel II de latitud, hasta K (nivel IV),
es decir, las etapas III y IV eslabonadas, señalándose el menor
costo acumulado, f3 * (e3) y el correspondiente punto intermedio
entre las etapas, es decir, x 3 *. Así por ejemplo, para el punto E, el
costo óptimo ha sido de 42, que es el costo de ir desde E hasta K
y correspondió al punto intermedio H, o sea que de E se llega a
K pasando por H.
Se continúa ahora con la etapa II, donde el agente podrá ir
Figura 7.3. Esquema de la etapa III. desde B, C o D, hasta K, pasando por la mejor ruta posible de pun-
tos intermedios, la cual se obtiene de la tabla última de resulta-
dos de la etapa III, pues ésta acumula las soluciones óptimas de
Se puede ir de E al punto intermedio H, lo J y de aquí a K, las etapas anteriores, es decir, la III y la IV en conjunto.
cuyo costo acumulado vendrá dado por el costo de ir de E al punto Se ilustra el procedimiento de inclusión de la etapa II toman-
intermedio correspondiente, denominado Ce 3x3, donde e3 sería E, do como ejemplo el punto D, entonces el recorrido tendrá las si-
sumado éste al mejor costo obtenido de la etapa antes resuelta, la guientes posibilidades (fig. 7.4):
101
to La tabla reúne la política óptima de decisiones de ir desde B,
E C o D hasta K, es decir, del nivel I de latitud geográfica hasta el N,
que incluye las etapas II, III y IV en conjunto.
Ahora sólo falta ir a la primera etapa, que es la última en el
proceso de solución, e implicará calcular el costo de ir de A a B, C
o D y de cada punto intermedio de éstos hasta K, por la ruta óp-
tima obtenida en la tabla anterior. La fórmula para calcular el cos-
to será:
f1(e1, xi) = Ceixi +f2 *(xi)

G
Donde e l es el punto A, x 1 el punto intermedio B, C o D
correspondiente y f2 *(xi) el costo óptimo de ir desde cada punto
Figura 7.4. Esquema de la etapa II. intermedio de éstos hasta K obtenido de la tabla para la etapa II.
Así, para ir de A a K pasando por B, se tiene:
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
f2(D, E) = CDE +f3 * (E) Estos resultados se resumen en la última tabla:

=59+42=101
Para ir de D a K pasando por F: Etapa I
n=1
f2(D, F) = CDF +1.3 * (F)
= 47 + 40 = 87 M ei, x1) = CeiXi f2 * (XI)
Por último, para ir de D a K pasando por G:
f2(D, G) = CDG +f3 ` (G) el xi B C D *(e i )

= 44 + 33 = 77
A 144 128 127 127 D
Si se procede en forma similar para los puntos B y C, se obtie-
-a nen los resultados de la tabla para la segunda etapa:
),
)1- Etapa II Donde se observa que la ruta óptima tiene un costo de
io n=2 M$ 127.
el Ahora, para definir la ruta debe observarse cómo fue el reco-
K f2(e2, x2) = Ce2x2 +f3 * (X2) rrido óptimo, que se obtiene de las tablas de decisiones de las eta-
a pas, comenzando ahora por la primera y terminando con la última.
De esta forma se observa de la tabla para la etapa I que la ruta
ir óptima es ir de A a D, que viene siendo x 1 "; luego de la tabla para
Punto
1-
intermedio x2 la etapa II, se ve que partiendo de D, que fue el punto de salida de
1- f2 `(e2) x 2 la etapa anterior, se pasa a G, que viene siendo x 2 *; de igual for-
le E F G ma, al observar la tabla para la etapa III, se observa que partien-
82 98 98 82 do de G, el camino óptimo es hacia J, que es en este caso x3 por
C 97 83 86 83 F
último, de la tabla para la etapa IV, se puede observar que de J
se pasa a K, que es x4 *. De este modo, el recorrido óptimo es el
101 87 77 77 siguiente:
102
Etapa II III IV Solución: lo primero será identificar las etapas, sus estados a .1
asociados y la función objetivo para plantear el problema como un pa
50 44 17 16 caso de programación dinámica. as:
Las etapas serán las demandas, mientras que los estados aso-
ciados con cada etapa serán el número de abogados asignados en
total para las etapas ya analizadas, es decir, desde la actual n, has-
ta la última N, que es la etapa donde debe iniciarse la solución del
Costo=50 + 44 + 17+ 16= 127 problema. La variable de decisión x„ será el número de abogados
asignados a la etapa n que se esté resolviendo.
La función objetivo en este caso será la utilidad acumulada
donde se observa que la tabla final para la etapa I proporciona ya
obtenida por asignar abogados a las diferentes etapas, la que de-
el costo total óptimo, ya que lo fue acumulando en las diferentes berá maximizarse y vendrá dada por la siguiente fórmula:
tablas de decisión para las etapas.
También es importante señalar que la ruta óptima global es (7.2)
Men, xn) = Un(xn) + fn+is (en — xn)
diferente de la ruta que se formaría si partiendo del inicio (Chi-
huahua) se tomara el camino más económico en cada etapa, pues donde:
si se hubiera procedido de esta manera, dicha ruta sería:
fn(en, xn) = Utilidad acumulada incluyendo la etapa ac-
tual n por asignar xn abogados a ésta de un
45 43 18 22 total de en.
Un(xn) = Utilidad obtenida por asignar x n abogados a
la etapa n.
fn+1 * (en — xn) = Utilidad óptima acumulada de la etapa n +1
hasta la Npor asignar (e n — xn) abogados.
Costo total = 45 + 43 + 18 + 22 = 128
Se procede ahora a la solución del problema, iniciando con
la última etapa, la demanda D, para obtener la tabla de decisio-
De igual forma, es conveniente señalar que la programación nes, que para este caso será igual a la columna de la demanda D
dinámica representa un considerable ahorro en el número de cálcu- de la tabla de utilidades, ya que el problema apenas comienza:
los que se tendrían que hacer si cada problema se fuese a resolver
por enumeración completa de cada una de las rutas alternativas Etapa IV
para ir del punto inicial al final. Este ahorro es mayor, en tanto Demanda D
sea mayor el número de etapas y de estados asociados para cada
una de ellas. Para este caso en particular, se habrían tenido que
calcular 3 x 3 x 3 x 1= 27 diferentes rutas. e4 f4" (x4) x,* es
Enseguida se presenta un caso práctico para asignar personal
de la manera más eficiente para un determinado objetivo. 0
1 7 1
Ejemplo 7.2. Un despacho de abogados cuenta con seis per-
sonas altamente capacitadas para enfrentar demandas del ramo 2 10 2
penal. El despacho ha recibido cuatro casos de esta área y busca 3 14 3
la manera óptima de asignar los seis litigantes a dichos casos con 4 18 4
el fin de maximizar su utilidad por este concepto. A continuación
se muestran las utilidades, en miles de pesos, por la asignación de 5 20 5
un número dado de abogados a las diferentes demandas: 6 21
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)
—
5 22 15 16 20 donde e3 será el número acumulado total de abogados asignados

6 22 15 16 21 a las etapas III y IV, mientras que x 3 será el número de abogados C011
asignados a la presente etapa. gúr
Por su parte, f4 ■ se tomará de la tabla de la etapa anterior. nifi
Si el despacho no asigna ningún abogado a cualesquiera de Para ilustrar cómo se obtiene la tabla de decisiones de esta etapa, da
las demandas, no obtiene ninguna utilidad. se toma como ejemplo el caso cuando e3 = 5 y x3 tiene valores de O plic
TERMINOLOGÍA 103
a 5, ya que x3 , que es el número de abogados asignados a esta eta- indica el número de abogados asignados en la etapa actual para la
in pa, no podrá ser mayor que e 3, que es el número total de abogados cual ocurrió el valor óptimo f 3 *(x3).
asignados a ambas etapas, III y IV. Se procede ahora a pasar la demanda B a la etapa II, siendo la
Si x3 = 0: fórmula para calcular la función objetivo:
.n
s- f3 (5, 0) = U3 (0) +f4*(5) f2(e2, x2) = U2(x2) ±f3 * (e2 — x2)
el =0+20=20
donde e2 será el número acumulado total de abogados asignados a
Si x3 = 1: las etapas II, III y IV, y x2 el número de abogados asignados a esta
la etapa, mientras f3 * se toma de la tabla de decisiones de la etapa
f3(5, 1) = U3(1) +f4*(4) anterior.
= 13 + 18 =31 De nuevo se ilustra la manera como se construye la tabla de
decisiones con un ejemplo, para el caso de e 2 = 4, con x2 varian-
2) Si x, = 2: do de O a 4.
Six2 = O:
f3 (5, 2) = U3 (2) +f4 *(3)
=15+14=29 f2(4, 0 ) = U2(0) +/-3 * (4)
c- =0+27=27
in Si x3 =3:
f3 (5, 3) = U3 (3) +f4*(2) Si x2 = 1:

a
= 16 + 10 = 26
f2(4, 1) = U2( 1 ) -Ff3 * (3 )
1 =9+23=32
Si x3 = 4:
f3 (5, 4) = U3 (4) +f4*(1) Si x2 = 2:

=16 +7=23 f2 (4, 2) = U2(2) +f3 *(2)
o-
D Por último, si x3 = 5: =12+20=32
f3(5, 5) = U3(5) +f4*(0) Si x2 =3:

= 16 + O = 16
f2(4, 3) = U2(3) +f3*(1)
Si se procede de la misma forma para los diferentes valores = 14 + 13 = 27
posibles de e3 , desde O hasta 6, se obtiene la tabla de la etapa, que
es la siguiente: Por último, si x2 = 4:
Etapa III f2(4, 4) = U2(4) +f3 *(0)

Demanda C =15+0=15
f3(e3, x3) = U3(x3) +f4*(e3 — x3) Si se efectúa el mismo procedimiento se obtiene la tabla de
decisiones de la etapa, que contiene la política óptima de decisio-
nes para las etapas II, III y IV en conjunto. Dicha tabla es:
X3
f3 *(X3) X3
0 1 2 3 5 6 Etapa II
Demanda B
1 7 13 — — 13 1 f2(e2, x2) = U2(x2) +f3 * (e2 — x2)
DS
or 2 10 20 15 — — 20 1
DS 3 14 23 22 16 — — 23 1 X2
4 18 27 25 23 16 27 1 3 f2 1X2) x2
le 5
5 20 31 29 26 23 s 16 — 31 1 O O — O O
6 21 33 33 30 26 23 16 33 1, 2 1 13 9 13 0
2 20 22 12 22 1
DS Aquí es interesante notar que la columna x 3 = O es idéntica
3 23 29 25 14 29 1
OS con la tabla de la cuarta etapa, ya que no se está asignando nin-
gún abogado a la etapa actual y en este caso no asignar a nadie sig- 4 27 32 32 27 15 32 1,2
n.. nifica una contribución nula a las utilidades. La columna de f3 *(x3) 5 31 36 35 34 28 15 36 1
a, da las utilidades máximas obtenidas para cada valor de e 3 que im-
O plica las etapas III y IV asociadas, en tanto que la columna de x 3 * 6 33 40 39 37 35 28 15 40
104 CAP. 7. PROGRAMACIÓN DINÁMICA
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:
Para x, = 2: f1(5, 1 ) =PM) • f2 *(4)

= (0.45)(0.372) = 0.1674
)a
.f2(4, 2) =P2(2) • f3' (2)
= (0.62)(0.60) = 0.372 Para x 1 = 2:
ar
la
Para x2 = 3: fi(5, 2) =P1( 2) • f2 * (3)
= (0.60)(0.31) = 0.186
as
ar f2(4, 3) =P2(3 ) •f3*(1)
IE = (0.70)(0.50) = 0.35 Para x1 = 3:
la
Por último, para x 2 = 4: fi(5, 3) =P1(3 ) • f2 *(2)

= (0.72)(0.24) = 0.1728
f2(4, 4 ) =P2(4) • f3'(0)
= (0.74)(0.35) = 0.259 Para x1 = 4:
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
Con esto la tabla final es: 1 0.20 0.20 0.10

p
2 0.20 0.25 0.20
Etapa I
3 0.40 0.20 0.20
Toros
4 0.20 0.10 0.30
=Pi(xi) •f2 * (ei — 5 0 0.10 0.10
¿Cuál será la manera óptima de distribuir estos lotes entre las

0 1 2 3 4
A*(ei) tres tiendas, con el fin de maximizar las ganancias?
5
5 0.08432 0.1674 0.186 0.1728 0.126 0.07665 0.186 Solución: en este problema la diferencia es que ahora las ga-
nancias por colocar un número dado de lotes en cualesquiera de los
puntos de venta no es determinístico, sino que deberá obtenerse
La mejor opción para el señor Juan García de obtener éxito en forma probabilística, dada la naturaleza aleatoria de las ventas. 1.
con sus tres equipos es una probabilidad conjunta de 0.186, que Por tanto, lo primero que debe hacerse es calcular las ga- e
puede lograrse asignando dos jugadores al equipo Toros, como se nancias esperadas por ubicar un número dado de lotes en cada t
observa en la tabla, ya que x i = 2. Para saber cómo distribuir los uno de los tres puntos de venta, lo cual se realiza para la ciudad
tres jugadores restantes, se va a la tabla de decisión de la etapa II, de San Luis Potosí. t
donde se observa que para e 2 = 3, x2 * = 2, por lo que se deberán Si no se asigna ningún lote, es obvio que no se obtendrá ga-
asignar dos jugadores de esos tres restantes al equipo que compren- nancia alguna.
de esta etapa, Potros. Con esto, el único jugador restante debe ser Si se asigna un lote, éste tendrá 100 % de probabilidad de
incorporado al equipo Lobos. Estas asignaciones se muestran en la venderse, dados los valores de las probabilidades para la matriz,
tabla siguiente: donde la probabilidad de que se venda un lote es de 20 %, pero
80 % de que se vendan dos o más lotes, razón por la cual el que se
venda un lote es seguro, lo único que pasaría en caso de colocar
Equipo Núm. de jugadores Probabilidad de éxito sólo un lote en San Luis, es que una vez vendido, se deje de vender
1 por no contar ya con lotes adicionales. Por tanto, la ganancia sería
Lobos 1 0.50 de lo que se gana por un lote en dicha ciudad multiplicado por su
probabilidad, es decir ($ 40 000)(1.0) = $ 40 000.
Potros 2 0.62
Si se envían dos lotes a San Luis, la probabilidad de que no se
Toros 2 0.60 venda ninguno es de 0; más la probabilidad de que se venda uno,
que es de 20 %; más la probabilidad de que se vendan los dos (o d
Total 5 (0.50)(0.62)(0.60) = 0.186 más si los hubiera), que es de 80 %, siendo su ganancia esperada: z
Ganancia esperada = O + (40 000)(0.20) + (80 000)(0.80) = $72000
Estos ejemplos muestran las ventajas reales de la programa-
ción dinámica para resolver este tipo de problemas, pues aun cuan- Si se ubican tres lotes, la probabilidad de vender cero es 0%;
do los ejercicios resueltos en este capítulo no son grandes, se puede la de vender uno, de 20 %, la de vender dos, de 20 % y la de ven-
apreciar que ha habido ahorro en el número de cálculos necesarios der tres, de 60 %, por lo cual la ganancia esperada resulta:
para obtener su solución. Este ahorro obviamente será mayor cuan-
do se manejen casos con más etapas y estados asociados. Ganancia esperada = O + (40 000)(0.20) + (80 000)(0.20)
Veamos ahora un caso de programación dinámica proba- + (120 000)(0.60) = $ 96 000
bilística.
Si se asignan cuatro lotes, la probabilidad de ventas es la si-
Ejemplo 7.4. El señor Eduardo Castillo es un abarrotero po- guiente: cero lotes, 0 %; un lote, 20 %; dos lotes, 20 %; tres lotes,
tosino y acaba de adquirir de oportunidad nueve lotes de aceite 40 %, y cuatro lotes, 20 %, por lo que la ganancia esperada es:
comestible. Ahora se le presenta el dilema de cómo distribuir es-
tos nueve lotes entre su casa matriz ubicada en la ciudad de San Ganancia esperada = O + (40 000)(0.20) + (80 000)(0.20)
Luis Potosí y las dos sucursales con que cuenta, las cuales se en- + (120 000)(0.40) + (160 000)(0.20)
cuentran una en Rioverde y la otra en Ciudad Valles. Su contador = $ 104 000
ha realizado una estimación de lo que ganaría descontando costos,
gastos e impuestos por ubicar cada lote en cada ciudad, siendo de Si se envían cinco lotes, la probabilidad de ventas será: cero
$ 40 000 en la matriz, $ 35 000 en la sucursal de Rioverde y $ 37 000 lotes, 0 %; un lote, 20 %; dos lotes, 20 %, tres lotes, 40 %; cuatro lo-
en Ciudad Valles. tes, 20 %, y cinco lotes, O %, que resultan las mismas probabilida-
Además, el señor Castillo cuenta con el pronóstico siguiente des del caso anterior, por lo que la ganancia esperada será la mis-
de las probabilidades de ventas en cada sitio: ma de asignar cuatro lotes, es decir, $ 104 000.
107
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
' San Luis Potosí 3 96 000 305 260 248 155
52 500 360 310 300 185

Rioverde 2
400 365 335 210
Ciudad Valles 4 99 900
Total 9 248 400

¿Cómo debe efectuar el comerciante sus asignaciones para
maximizar su utilidad?
La diferencia significativa en este ejemplo ha sido la manera 7.3. Un detective cuenta con tres ayudantes y debe resolver
de obtener la tabla de las ganancias esperadas, lo que se ha reali- tres casos de homicidios que le han sido encomendados. De
zado de manera probabilística. un estudio de factibilidad, le han entregado la siguiente
información donde aparecen las probabilidades de fracaso
en la aclaración de dichos homicidios por la asignación de
PROBLEMAS PROPUESTOS sus ayudantes a los tres casos:
7.1. Un candidato a diputado por el Partido Inteligente busca
obtener el mayor número de votos en cuatro distritos, para Casos
esto ha contratado seis trabajadores, a los que deberá dis- Núm. ayudantes
tribuir entre los cuatro distritos para obtener su fin. Su jefe asignados 1 II III
de campaña ha estimado los votos incrementales que se ob- 0 0.50 0.60 0.60
tendrían por tales asignaciones, los cuales se muestran en 0.50
1 0.40 0.48
la siguiente tabla:
2 0.30 0.36 0.38
3 0.22 0.25 0.32
Distritos
Núm. de IV
trabajadores ¿Cómo debe asignar su personal con el fin de minimizar la
probabilidad conjunta de fracaso en los tres casos?
O 7.4. El esquema siguiente muestra 10 ciudades en las cuales se
1 2500 2 300 2 000 2250 indican las rutas para abastecer un producto desde A hasta
3 950 4600
J; sobre las flechas se han colocado los costos de flete en mi-
2 4300 ; 4 600
les de pesos, ¿cuál será la mejor ruta que hay que seguir
3 6000 1 6 800 5 800 7000 para minimizar el costo total? (fig. 7.5).
108
7.9. Un viajero necesita trasladarse desde una ciudad origen,
16 12
D H
que puede ser A o B y llegar finalmente a un destino, que
10
puede ser J o K. El mapa del recorrido con las posibilidades
es el siguiente (fig. 7.6):
13 10
A
1 5%9
13 12
E
14 11
Figura 7.5. Esquema para abastecer de A a J.

H
7.5. Obtener la peor ruta posible del problema anterior.
7.6. ¿Cuál será la peor opción del detective en el caso del pro-
blema 7.3?
7.7. Un empresario desea expandir su empresa, para lograr esto
ha contratado cuatro asesores, con el fin de que le estructu- Figura 7.6. Esquema de rutas de A o B hasta J o K.
ren las áreas de producción, ventas, finanzas y manteni-
miento. Dispone de una tabla con las utilidades en miles de
pesos incrementales que puede esperar por la asignación
de los asesores en las diferentes áreas. Las matrices de costos de estos traslados en miles de pe
sos son:
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
¿Cómo debe asignar sus asesores con el fin de maximizar 22 16 15

sus utilidades incrementales?
7.8. Un entrenador de atletismo debe asignar cuatro atletas adi- 23 18 14
cionales para tres diferentes pruebas: salto de altura, carre-
ra de 10 km y salto de longitud.
Enseguida se dan las probabilidades de éxito para cada asig-
nación. G 32 36
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?
7.10. Un comerciante de legumbres y hortalizas ha comprado la

¿Cómo debe asignar sus atletas con el fin de maximizar la producción de seis huertos de jitomate, que puede enviar a
probabilidad conjunta de lograr éxito en las tres pruebas? cuatro sitios diferentes en los que tiene bodegas en los cen-
BIBLIOGRAFÍA 109
tros de abasto. Dichos sitios se encuentran en las ciudades Si desea maximizar su ganancia esperada:
de México, Monterrey, Guadalajara y Ciudad Juárez, don-
de estima que su ganancia neta en miles de pesos por el a) ¿Cómo deberá asignar los seis lotes entre las cuatro ciu-
envío de cada lote es de 200, 250, 230 y 190, respectiva- dades para lograrlo?
mente. Además cuenta con una tabla de probabilidades b) ¿Cuál será el monto de dicha ganancia?
de ventas de diferentes cantidades de lotes en las cuatro
ciudades, que son:
BIBLIOGRAFÍA
Ciudad Ciudad Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
iNárn. de lotes México Monterrey Guadalajara Juárez Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
0 0.05 0.10 operaciones, 5a. ed., McGraw-Hill, 1991.
1 0.15 0.15 0.20 0.10
vestigación de operaciones, Limusa, 1990.
2 0.20 0.30 0.30 0.20
3 0.40 0.20 0.30 0.40
4 0.15 0.15 0.20 0.20
5 0.05 0.10 0 0.10
dmiNtotmciéN royecto
Fama o dinero no cambian al hombre; De hecho, la gestión de proyectos se ha erigido en una

lo muestran. materia por sí misma de desarrollo profesional de los admi-
nistradores, a la que algunos autores, como David Cleland
JosÉ NPROSKY (2004), han denominado "la profesión del milenio", pues
aunque resulte en primera instancia difícil de creer, a estas
alturas de los grandes avances que brinda la tecnología, la
INTRODUCCIÓN mayoría de proyectos fallan, pues según Roger Miller (Mi-
ller y Lessard, 2001), los proyectos con buenos resultados
En el mundo de las empresas y la vida cotidiana el hom- son menos de la mitad del total de los mismos. Como ejem-
bre suele con cierta frecuencia llevar a cabo proyectos con plos de grandes proyectos sin éxito se pueden citar la cons-
los fines más diversos, desde la construcción de una vivien- trucción del eurotúnel, la reconstrucción del metro de la
da hasta grandes obras, como la construcción del eurotú- ciudad de Los Ángeles y el lanzamiento del Apolo 13 al es-
nel que conecta Gran Bretaña con el continente europeo. pacio, sólo por citar algunos de los casos más conocidos a
Un proyecto puede definirse como un plan, que debe incluir nivel mundial. Por otra parte, también hay casos de grandes
uno o varios objetivos debidamente planteados, así como un proyectos exitosos, como la reconstrucción de Kuwait en
presupuesto que contenga los recursos económicos destina- 1991, después de la guerra del Golfo Pérsico.
dos para el mismo y una calendarización con los plazos de En todo proyecto hay riesgos inherentes al mismo que
tiempo correctamente estipulados para su conclusión. no se deben necesariamente a errores, sino provienen de la
Es conveniente señalar que además de la factibilidad naturaleza misma de las actividades que forman parte de
económica para que un proyecto se haga realidad no sólo él. Roger Miller critica duramente el manejo mecanicista
tendrá que ser financieramente viable, sino también de- de los proyectos y señala que no es posible planear y con-
ben revisarse factores como los siguientes: el del mercado, trolar todos los aspectos de un proyecto antes de su inicio,
que corresponde a la mercadotecnia; el de la factibilidad téc- es frecuente que se descuiden factores como los imprevis-
nica del proyecto, que dependiendo de su naturaleza podrá tos naturales y los aspectos sociales del proyecto, que sur-
ser de la injerencia de operaciones, o en la mayoría de ca- gen debido a que las actividades que lo componen son, por
sos de equipos multidisciplinarios; su aceptación social, que lo general, probabilísticas.
tiene que ver con las externalidades del proyecto; su legiti- Por tanto, todo proyecto requiere liderazgo, donde el
midad política, y el cumplimiento de la normativa ambien- líder deberá proveer la visión del proyecto y un buen equi-
tal, que se ha convertido en estos tiempos en tema obligado po que comparta dicha visión (Barker, 1998) y reúna las ap-
de cualquier proyecto, ya que mucho de lo que se hizo el titudes necesarias para su ejecución efectiva, bajo el enfo-
siglo pasado ahora ha quedado sólo como un daño ambien- que sistémico y holista (Bertalanffy, 2003).
tal, de modo que cualquier proyecto del tipo que sea debe- Los atributos que debe satisfacer un proyecto exitoso
rá cumplir con las normas propias de la materia e incidir en son básicamente tres: tiempo, costo y calidad. Para lograr
el desarrollo sustentable de la comunidad. la calidad, lo que debe hacerse es dar seguimiento y super-
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.
Ejemplo 8.2. Elaborar la red del proyecto del ejemplo de la

instalación del molino.
fi
Solución: se toma como base la tabla de actividades del pro-
1
blema 8.1, que de acuerdo con la primera regla se debe iniciar por
la primera actividad, que en este caso serán las actividades A, B
y C; como ninguna de ellas tiene alguna precedente, dicha parte c
f2
de la red será (fig. 8.2): 4
Figura 8.4
2
A Luego la actividad F es precedente de tres actividades, G, H

s
e I, que aparecerán en la red del modo siguiente (fig. 8.5):
e
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
El nodo origen será donde inicia la actividad y el nodo E

Determinación del camino crítico destino aquel hacia donde llega la flecha correspondiente a L
la actividad.
Una vez construida la red del proyecto, el siguiente paso
A los diferentes caminos alternativos de una red que
es determinar cuál es el camino crítico para el mismo, dado
van del evento inicial al final se les conoce como rutas. La tc
que éste determinará el plazo de tiempo para su finalización.
ruta crítica será aquella que tenga la máxima sumatoria de b
Para lograr esto, en primer término se deben estimar para
tiempos de las actividades que la forman, de modo que ésta d
cada evento de la red dos variables: el tiempo más próximo y el lc
define el plazo de tiempo para que el proyecto sea comple-
tiempo más lejano de los eventos (Hillier y Lieberman, 1991).
tado; por tanto, en la ruta crítica no podrá haber demoras
El tiempo más próximo de un evento es el tiempo en
en las actividades que la integran, ya que si éstas aparecie-
que puede suceder éste, si las actividades precedentes a él
ran, el proyecto se vería retrasado.
ocurren lo más pronto posible; por su parte, el tiempo más
Una definición frecuente de la ruta crítica es la siguien-
lejano de un evento es el último tiempo en el cual puede
te: es aquella cuyas actividades tienen todas una holgura de
acontecer dicho evento, sin retrasar el proyecto.
cero, dado que no pueden permitirse tiempos ociosos, pues
Para obtener el tiempo más próximo de un evento dado
si éstos aparecieran, demorarían el proyecto.
cualquiera, se recurre a la siguiente fórmula:
Todo proyecto tiene al menos una ruta crítica, pudien-
Tiempo más Tiempo más Tiempo de duración do haber varias en un momento dado.
próximo próximo de la actividad (8.1)
del evento del evento que va del evento Ejemplo 8.3. Determinar los tiempos más lejanos y los más
actual precedente precedente al actual
próximos de los eventos, las holguras y la ruta crítica para la red
Para aquellos casos en que el evento actual tenga varios del proyecto del problema de instalación de un molino.
eventos precedentes, su tiempo más próximo será el mayor
de los calculados al aplicar la fórmula 8.1 para cada evento Solución: de la figura 8.2, que es la red del ejemplo anterior,
precedente. se prepararon dos tablas, una para los tiempos más próximos de
Para obtener los tiempos más próximos de los eventos los eventos de la red y otra para los tiempos más lejanos, de acuer-
do con las ecuaciones 8.1 y 8.2, respectivamente.
del proyecto, se inicia por el evento inicial y se aplica el pro-
Dichas tablas se explican por sí solas, por lo que se recomien-
cedimiento antes descrito hasta terminar en el evento final. da al lector el seguimiento por cada evento para entender la ma-
Por su parte, para obtener el tiempo más lejano de un nera como se han aplicado las fórmulas correspondientes.
evento dado cualquiera, se utiliza la siguiente fórmula:
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.
7 13+1 Holgura del Holgura de

Evento evento Actividad la actividad
8 14.5 + O 14.5
1 0- =0 A 4-0-4=0
10 14.5 + O
1 2 4 -4 =0 B 4-0-1=3
14.5 +3.5 18
3 4 -4 =0 C 4-0-2=2
4 4 - 2 =2 D 8-4-4=0
De la tabla 8.2 se ve que el tiempo más próximo para el even- 5 8 - 8 =0 E 10.5-8-2.5=0
to final es de 18 horas, el cual por ser el último evento, será tam-
bién su tiempo más lejano; a partir de éste se calculará la tabla 6 10.5 -10.5 = 0 F 13-10.5-2.5=0
de los tiempos más lejanos para el total de los eventos de la red,
los cuales se presentan en la tabla 8.3. 7 13 - 13 = 0 G 14.5 -13 -1.5=0
8 14.5 - 14.5 = 0 H 14.5 - 13 - 1 = 0.5
9 14.5 - 14.5 = O I 14.5 -13 -1.5=0
Tabla 8.3. Tiempos más lejanos para la
red de la figura 8.6. 10 14.5 - 14.5 = O 18 -14.5 -3.5=0
Cálculo del tiempo más Tiempo más 11 18 - 18 = O
Evento Evento lejano para el evento lejano del
actual posterior actual, ecuación 8.2 evento actual
En la tabla no se han incluido las actividades ficticias.
18 Toda la información de los tiempos y holguras se incluye en
11 18 -3.5 14.5 la red, que se muestra en la figura 8.7.
9 14.5 -0 14.5 4,4 14.5,145

2
9 14.5 -0 14.5 A,O G,0
fa
8 14.5 -1.5 B,3 E,0 F,0 H,0.5
1 3 5 11
9 14.5 -1
13 00 4,4 8,8 10.5,10.5 13,13 14.5,14.5 18,18
10 14.5 - 1.5 C2
f2 10
•
4 10
13 -2.5 10.5
2,4 14.5,14.5
10.5 -2.5 8
8 -4 4 Figura 8.7. Red final del proyecto mostrando los tiempos
más próximos y más lejanos de los eventos y las
4 -0 4 holguras de las actividades.
4 -0 4
4 -4 Los números en los nodos que están solos (no encerrados en

un cuadro), son los tiempos más próximos y más lejanos para cada
4 -1 O evento, mientras que las holguras de cada actividad se han seña-
lado por un número colocado junto a la actividad correspondien-
4 4 -2 te y encerradas en un rectángulo. Como la ruta crítica es aquella
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.
Ejemplo 8.4. Para el proyecto de la construcción de una casa, 0, 0 1

se tiene la tabla 8.5 con el listado de las actividades que la compo-
nen, así confió las precedencias y los tiempos de duración.
Obtenér la red, los tiempos más próximos y más lejanos para A, O
los eventos, las holguras y la ruta crítica del proyecto.
3, 3 2
Tabla 8.5. Actividades en el proyecto de la B, O

construcción de una casa.
1 Clave de Actividad Descripción de la Tiempo de 8, 8 3
actividad precedente actividad duración, días
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
D C Instalar plomería 5 25,25 35, 37

11
exterior
E C Hacer instalación 8 G, O 2
eléctrica
6 12 45, 47
Colar techos 8 32, 32
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
K H Colocar pisos 6 48, 48 f2

48, 48 13
L D, I Pintar exteriores 10
Figura 8.8. Red del proyecto de construcción
M J, K Hacer acabados 9 de una casa.
interiores
N L Hacer acabados 8 Por su parte, mediante la aplicación de la ecuación 8.1 e ini-
exteriores ciando por el nodo 1, se genera la tabla 8.6 de los tiempos más
próximos de los eventos.
O N Hacer trabajo de 2
áreas
as verdes
117
se Tabla 8.6. Cálculo de los tiempos más próximos de 5 25-5
in la red del proyecto de la construcción de una casa.
4 6 32-8 20
la Cálculo del tiempo más Tiempo más
próximo para el evento próximo 10 30- 8
le
lo actual, ecuación 8.1 ' evento actual 4 20 — 12
I-
s- O 2 3 8 —5 3
el
a- 0 +3 3 1 2 3 —3 O
3 +5 8
8+12 20 Ahora debe prepararse la tabla de holguras, la de los even-
tos es simplemente la diferencia entre el tiempo más próximo y
20+5 25 el más lejano del evento, mientras que la holgura de las activida-
20+8 des se obtiene por medio de la ecuación 8.3. Los resultados se pre-
32 sentan en la tabla 8.8.
25 + 7
32 + 10 42
Tabla 8.8. Holguras de los eventos y las
7 42 +6 48 actividades para la red del proyecto de la
7 42 +3 construcción de una casa.
48
, 48 +0 Holgura del
4 20 + 8 28 Evento evento Actividad Holgura de la actividad
5 25 +0 1 0 -0 = A 3 — — 3 =0
10 28 +7 35 2 3 — 3 =0 I B 8 — 3 —5 =0
11 35 + 10 45 3 8—8=0 C 20 - 8 - 12 =0
12 45 + 8 53 4 20 20 = 0
— D 25 20 5 =0
— —
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
—
Tabla 8.7. Cálculo de los tiempos más lejanos de 11 37 — 35 = 2 K 48 — 42 —6 =0

la red del proyecto de la construcción de una casa.
12 47 — 45 = 2 1. L 47-35-10 =2
Cálculo del tiempo más Tiempo más
13 55 53 =2 M 57 — 48 — 9 =0
Evento Evento lejano para el evento lejano del
—
actual posterior actual, ecuación 8.2 evento actual 14 57-57 =0 N 55 — 45 — 8 =2

14 57 O 57 53 2 =2
- -
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
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.
te = Tiempo esperado para la actividad. Tiempo Tiempo más Tiempo

to = Tiempo optimista para la actividad (tiempo de la Actividad f optimista probable pesimista
actividad si todo sale bien), es la cota inferior de A 1 3.2 4.2
la distribución beta. B 4 5 6
tm = Tiempo más probable para la actividad (tiempo de
la actividad en condiciones normales), es la moda C 8 11.5 18
de la distribución beta. D 3 5.2 6.2
tp = Tiempo pesimista para la actividad (tiempo de la
actividad si todo sale mal), es la cota superior de E 4.4 8.4 10
la distribución beta. F 5 8.2 10.2 ca
G 4.6 6.8 10.2 igt
Con esta ponderación de los tres tiempos, se halla el tiem-
po esperado para la actividad, que ha funcionado bien en las H 6 9 18
an
distintas aplicaciones de PERT a proyectos innovadores. I 4.8 6.9 9.6 H-
Sin embargo, cuando los intervalos de valor entre los va
tiempos optimista y pesimista son grandes, disminuye la J 1.2 3 4.8 esi
confianza en el uso de la ecuación 8.4 para estimar el tiem- K 4 5 12
po esperado. Mucho se ha discutido sobre la conveniencia L 8 10 12
de estimar los tiempos de esta manera y se han buscado
otras opciones (Perry y Greig, 1975); sin embargo, hacerlo M 7.2 8.2 14
mediante esta ecuación sigue siendo la forma más aceptada N 6 8 10
para estimar los tiempos de las actividades cuando hay con- O 0.8 1.8 4
diciones de incertidumbre al respecto.
MÉTODO PERT/CPM 119
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
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
Figura 8.18. Perfil del uso de recursos.

B f1 f3
D E ve
El proyecto tiene una ocupación de 90 días hombre, de los cua-
les como está planteado, tiene dos días de 16 personas, dos días de día
A 13, uno de siete, cuatro de cuatro y tres días de tres personas. col
f2A G f4 En estas circunstancias, el proyecto debe nivelarse en cuanto de]
al uso de los carpinteros, moviendo aquellas actividades que no for-
men parte de la ruta crítica. Sin embargo, esto no cambia de mane- drí
ra significativa el desbalanceo en la ocupación de los carpinteros. de
Figura 8.17. Red del proyecto. Si se contase con nueve carpinteros, podrían meterse todos qw
juntos el primer día a hacer la puerta principal, con lo cual ésta sor
quedaría terminada en dos tercios de día, suponiendo una rela- ma
La ruta crítica es ABEF con un tiempo de 12 días. ción lineal entre tiempo y número de personas laborando. Enton- sig
Si se hace una tabulación para cada día del proyecto, con las ces podría ocuparse todo el personal el otro tercio del día en la ac- ta
actividades, el número de carpinteros que se ocupan y los días tividad B, la cual debería llegar a un avance al final del primer día
hombre por actividad, la situación es la siguiente (tabla 8.14): de tres días hombre, que es 25 del total de dicha actividad, la cual tes
127
terminarían los nueve carpinteros el segundo día; el tercer día pue- Tabla 8.16
den asignarse seis carpinteros a la actividad D, y los tres restantes
a la C, con lo cual en los días 3 y 4 la actividad D estará terminada, Día Días
Clave
re y la C con un avance de 50 % al final del cuarto día, por lo que el 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 hombre
quinto día se termina dicha actividad en dos terceras partes de la
jornada, pudiendo emplearse al personal el último tercio del día A 6 6
en la actividad E, que con los nueve carpinteros quedará termina- B 66 . 12
da al final del sexto día; luego el séptimo día completo y la terce-
ra parte del octavo harían la actividad F, en los dos tercios restan- 12
tes del octavo día y dos tercios del noveno día cumplirían con la D 16 6 12
actividad G y, finalmente, en el último tercio del noveno y el dé-
E 6 6 12
cimo día completo terminarían la actividad H, con lo cual el pro-
yecto puede terminarse en 10 días, cada uno de ellos utilizando F 12
nueve carpinteros. G 6 6 12
Esto se sintetiza en la tabla 8.15:
H 6 6 12
Número de 6 6 6 6 6 6'6 6 6 6 6 6 6 6 6 90
Tabla 8.15 carpinteros
Tiempo Número de Días

Día Actividad consumido carpinteros hombre
La cual es una tabla con recursos completamente nivelados.
1 A 2/3 9 6
B 1/3 9 3 Ejemplo 8.8. Se tiene el proyecto de construcción de una má-
hu- 2 B 100% 9 9 quina empacadora, que consta de dos etapas: diseño con duración
ende dos semanas, y construcción, que toma cuatro semanas. Bajo el
san. 3 C 100% 3 3 sistema normal de trabajo, diseño es una actividad precedente de
D 100% 6 6 construcción. Si fuese factible dividir ambas actividades a la mi-
C 100% tad, plantear cuánto tiempo se ahorraría en el proyecto.
3 3
D 100 % 6 6
Solución: bajo el sistema actual, el proyecto tarda seis semanas
C 2/3 9 6 en completarse. Si ambas actividades pueden partirse a la mitad,
E 1/3 9 3 denominándolas como diseño 1, diseño 2, con duración de una se-
E 100% mana cada una y construcción 1 y construcción 2, con dos sema-
9 9
nas cada una, y suponiendo que construcción 1 puede efectuarse
F i 100% 9 9 tan pronto como termine diseño 1, entonces el proyecto sería el que
se muestra en la figura 8.19.
F 1/3 9 3
G 2/3 9 6
G 2/3 9 6
H 1/3 9 3 Diseño 2
1 semana
12 10 H 100 % 9 9
Total E 90
,
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
Es deseable que dicho índice de desempeño no resul-

te menor a la unidad, lo cual señalaría que el costo real es
superior al trabajo efectuado. Instalación
Otra forma de medir el desempeño del proyecto en cuan- Diseño Construcción
y pruebas
to a su costo, es mediante la Varianza del Costo (VC), que se $ 30 000 $ 100000
$ 20 000
define por la siguiente fórmula:
VC = VDA — CAR (8.9) El plan presupuestal es terminar el proyecto en 12 semanas,

conforme a la calendarización siguiente: Y
La VC no deberá tener un valor menor a cero (que no
sea negativa), para indicar un buen desempeño en cuanto c
al costo. Semana
Etapa CTP
Una vez medido tal desempeño, el costo presupuesta- 1 2 3 4 5 6 7 8 9 10 11 12
Ic
do a su terminación (CPAT) será deseable que sea igual Diseño 30 7 8 10 5
al costo total presupuestado al inicio del proyecto (CTP). Construcción 100 6 12 30 30 12 10
El costo presupuestado a la terminación puede estimarse
Instalación y 20 12 8
de tres formas: pruebas
Total 150 7 8 10 5 6 12 30 30 12 10 12 8
a) Mediante la ecuación 8.10:
Acumulado 7 15 25 30 36 48 78 108 120 130 142 150
CPAT = CTP (8.10)

IDC Las cantidades se expresan en miles de pesos.
129
I a revisión de la semana 8 ha producido los siguientes costos 120
entajes de avance acumulado del proyecto:
100
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
a) Construir el gráfico de Gantt.

b) Elaborar la red del proyecto.
c) Determinar la ruta crítica y los tiempos más pró
más lejanos y holguras.
8.7. Para el proyecto (tabla 8.21):
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
Tabla 8.19 B A 5 2.1 1
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
J F 4 5.4 3 6.9 Tiempo Costo Tiempo de Costo de

Actividad normal, normal, urgencia, urgencia,
12 5 18
1-
K F 8 Actividad precedente días M$ días M$
L G 4 6 4 6 4 9.6
I A 5 8.0
M ' H 5 6.5 4 7.8
-1, --
6 I 9.2 4 13.0
N I 5 7.2 5 7.2
7 10.4 5 13.7
O I 4 5.8 3 7
D A 7 I 11.0 5 14.8
E 6 10.0 5 11.4
a) Obtener la red y la relación tiempo-costo del proyecto.
F 6 9.5 j 5 11.1
8.10. Para el proyecto (tabla 8.24): 10 15.0
G D 10 15.0
H E 9 14.3 9 14.3
Tabla 8.24
F 8 13.0 8 13.0
Tiempo Tiempo más Tiempo
J G 8 12.4 6 16.0
Actividad optimista, probable, pesimista,
Actividad precedente días días días K H 9 13.6 7 17.0
A 3 5 8 L 8 14.0 6 17.5
B - 3 6 10 M L 3 7.3 3 7.3
C - 4 6 10
D A 3 5 7 a) Obtener la red y la relación tiempo-costo.
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
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-
a) 22 días.
b) 24 días. qu
c) 27 días. ci¿
Ndlodg IuUa
No hay trabajos serviles, porcionan algunas reglas de notación que se usarán en el

sino actitudes serviles. desarrollo del tema (Hillier y Lieberman, 1991).
Como se vio en el capítulo anterior, una red es la repre-
WILLIAM BENNETT
sentación gráfica de una serie de eventos y actividades que
suceden en un trabajo que se programa para lograr un obje-
INTRODUCCIÓN tivo determinado.
Un evento o suceso se representaba en la red con un
En este capítulo se presenta un tema relacionado con el círculo que se conoce como nodo. Los nodos también pue-
del capítulo anterior: el análisis de redes, muy importante den indicar puntos geográficos o estaciones en algunos ca-
en el ambiente empresarial, ya que numerosos problemas sos. Las actividades de los proyectos solían representarse
pueden ser planteados bajo la metodología de los modelos por ramas en la red, que también pueden señalar sentidos o
de redes para su resolución. direcciones en que se da algún movimiento. Estas ramas
Los problemas de administración de proyectos se tra- pueden ser dirigidas si tienen sólo un sentido o dirección,
tan mediante métodos como PERT y CPM, y se manejan en cuyo caso éste se indica por una punta de flecha en la
como problemas de redes, pero estos casos ya no se presen- rama, y no dirigidas si permiten el tránsito en ambas direc-
tarán, pues fueron descritos en el capítulo anterior. ciones. Una rama no dirigida puede representarse por dos
Este capítulo incluye la terminología de redes; se pre- ramas dirigidas en sentidos opuestos.
sentan métodos para solucionar problemas de redes, como En la figura 9.1 se muestran estos dos tipos de ramas,
el del recorrido mínimo, el de la ruta más corta y el método siendo AB y AC no dirigidas, y BD, CB y DC ramas diri-
de flujo máximo. Por último, se indica cómo los problemas de gidas.
transporte, asignacióny transbordo estudiados en el capítu-
1o6, pueden plantearse como casos de análisis de redes.
Un punto que es conveniente señalar es que todos los AB
BD
problemas de redes pueden solucionarse por medio de la
programación lineal. Sin embargo, esto no se presenta en
este texto, dado que los algoritmos que se van a tratar son
más eficientes para estos casos que la metodología símplex. CB
TERMINOLOGÍA DE REDES AC DC
En este apartado se darán a conocer algunos términos

que es conveniente definir, ya que se utilizan con frecuen-
cia en los problemas de análisis de redes. Asimismo se pro- Figura 9.1. Ejemplo de una red.
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.
Este algoritmo puede también aplicarse en sentido in-

verso, es decir, para encontrar la red de costo o recorrido
E máximo, sólo que en la práctica no suelen aparecer proble-
mas de este tipo. n
Figura 9.2. Ejemplo de red tipo árbol.
Ejemplo 9.1. La compañía Teléfonos Eficientes está buscan- L
do la forma más económica de conectar el servicio telefónico a rr
Si el árbol tiene exactamente una rama menos que su seis poblaciones del medio rural. En la figura 9.3 se muestran las ir
número de nodos se le conoce como árbol de expansión, como poblaciones representadas por círculos; los números que apare-
el de la figura 9.2, que tiene cuatro ramas y cinco nodos. cen en las ramas de conexión entre ellas son los costos de conexión
Todo árbol en una red representa una solución básica, que del servicio entre las dos poblaciones, en miles de pesos.
no siempre es factible, de la programación lineal. Solución: como puede observarse en la figura 9.3, hay una red
Al flujo o tránsito que una rama puede permitir se le donde las poblaciones son los nodos y las ramas representan las
conoce como capacidad o flujo de la rama. Toda rama lleva posibles conexiones del servicio telefónico con su costo asociado
también asociado a ella un costo. en cada caso.
Si para un nodo cualquiera de la red el flujo que entra a Para hallar la red de costo mínimo total con el algoritmo del
él es mayor que el que sale de él, al nodo se le conoce como recorrido mínimo, se procederá a aplicarlo, y de acuerdo con el pri-
nodo fuente u origen. Por el contrario, si el flujo de salida es mer paso se elige arbitrariamente el nodo de La Loma como el
mayor que el de entrada, se habla entonces de un nodo de- inicial. Después y de acuerdo con el segundo paso, se observa en
manda o destino. Si la entrada y salida son iguales, se trata la figura que hay tres ramas que conectan el nodo de La Loma
de un nodo de transbordo. con otros nodos, que son:
Mi 135
El Monte Ahora deben revisarse las ramas que conectan cada uno de
estos tres nodos con un nodo aún no conectado. Para el nodo de La
Loma, se tiene sólo la rama de conexión con El Monte (costo = 25),
25 para el nodo de El Matorral, sólo se considera la rama que lo co-
mo- 18
necta con La Piedra (costo = 40) y para el nodo de Ojitos, se tienen
tor- Río Chico tres ramas de conexión: la que conecta con El Monte (costo = 18),
) no la que conecta con Río Chico (costo = 26) y la que conecta con La
nta 16
26 Piedra (costo = 19). De estas cinco ramas, la más baja en costo es
:lu- la que conecta a Ojitos con El Monte, con un costo de M$ 18, la
imo Ojitos que se incluye en la red (fig. 9.6).
28
lan- 22
19
El Monte
, ya
dos.
0
Inar /4
imo
:en- El Matorral La Piedra 16
18
?, en
1
Figura 9.3. Esquema de poblaciones. La Loma
• Rama de conexión con El Monte, costo = M$ 25. 14

e la • Rama de conexión con Ojitos, costo = M$ 16. Ojitos
• Rama de conexión con El Matorral, costo = M$ 28.
sial
idos Se selecciona la rama de conexión con Ojitos por ser la de
El Matorral
(en menor costo, con esto se inicia la red de conexión (fig. 9.4).
Figura 9.6
Tio-
xte
:ado Ahora se revisarán las ramas que conectan cualesquiera de es-
1 tos cuatro nodos con un nodo aún no conectado, estas ramas son: la
) de La Loma rama que conecta El Matorral con La Piedra, con un costo de M$ 40;
:ado la rama que conecta Ojitos con Río Chico, con costo de M$ 26; la
)(los rama que conecta Ojitos con La Piedra, con un costo de M$ 19, y
ha- la rama que conecta El Monte con Río Chico, con costo de M$ 20.
Ojitos
ibrá De éstas, la de menor costo es la de Ojitos con La Piedra, que al ser
Figura 9.4. Esquema de conexión con Ojitos. incluida en la red queda de la manera siguiente (fig. 9.7):
) 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:
1. Elaborar una tabla donde cada columna estará re- Destino

presentada por un nodo de la red del problema. Bajo cada Origen Arsénico Bromo Cloro Dino Estaño Flúor
nodo se colocarán las ramas que lo conectan con el resto de ,
18
Ars é nico 16
los nodos de la red en orden de menor a mayor en cuanto a
su costo. Cada rama colocada en la columna de un nodo Bromo 18 12 15
dado se denominará conforme a la notación indicada para Cloro 12 11
ramas dirigidas, tomando el nodo presente como su origen.
Dino 16 15 11
En esta tabla no deberán incluirse aquellas ramas que ten-
—
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:
Nodos A* (0) B C D' (16) E* (14) F 10
AE-14 BC-12 CB-12 DF-9 EF-8

AD-16 BF-16 DC-11 EC-10 Distancia = 22 km
AB-18 DB-15 Figura 9.9. Red del ejemplo 9.2.
138
MÉTODO DE FLUJO MÁXIMO flujo positivo, ya que la rama AB permite el envío de cinco
unidades en la dirección del origen al destino, mientras que
Los problemas de flujo máximo suelen aparecer con la BD tiene capacidad para dos unidades en la misma di-
frecuencia en la práctica de los negocios, como en el caso de rección, por lo que la ruta completa tiene capacidad para dos
flujo en líneas de gasoductos, canales y tuberías hidráulicas, unidades. Por la misma definición antes explicada, la ruta
líneas de trasmisión de electricidad, tránsito de vehículos en AC-CD no será de flujo positivo, pues aun cuando la rama
una ciudad, líneas de agua potable y drenaje, etc., que re- AC permita el envío de tres unidades de A hasta C, la rama
sultan de gran interés. Por esto se aborda ahora una metodo- CD no puede enviar ninguna en la dirección hacia D. Por
logía para su resolución (Hillier y Lieberman, 1991). su parte, la rama AD también es de flujo positivo, pues aun
Este tipo de problemas genera redes no dirigidas cuyas cuando no tiene ningún empalme, permite el flujo de seis
ramas tienen una capacidad de flujo, que puede ser dife- unidades de A hasta D.
rente en un sentido que en el opuesto. Entonces el método El algoritmo de solución de los problemas de flujo máximo
de solución buscará encontrar un programa de flujo máxi- consiste en los siguientes pasos (Hillier y Lieberman, 1991):
mo desde un punto inicial o nodo origen a uno final o nodo
destino. En. el problema puede haber cualquier número de 1. Hallar en la red del problema una ruta de flujo posi-
puntos intermedios, que se denominan empalmes. En éstos tivo y enviar el número máximo de unidades po-
no se puede acumular material de flujo, es decir, lo que en- sible, denotado como M, desde el origen hasta el
tra a un empalme deberá ser igual a lo que sale de él. destino a través de la misma. Si no existe esa ruta
Para formar la red los empalmes aparecen como nodos el problema ha finalizado, y se va al paso 4.
y las ramas serán las posibles rutas o conductos a través de 2. Para el envío de las M unidades del origen al desti-
los cuales puede circular el material. no se deberán disminuir todas las ramas de la ruta
Para explicar la notación, veamos el siguiente diagra- seleccionada en el paso anterior en M unidades en
ma que contiene cuatro nodos y cinco ramas (fig. 9.10): su inicio y se aumenta en esa misma cantidad en su
parte final.
3. Se regresa al primer paso.
4. El problema ya ha sido resuelto al llegar a este paso, F
porque ya no hay ramas de flujo positivo en la red,
c
por lo que la cantidad máxima de flujo posible será a
la suma de todos los envíos realizados en las etapas 1
5 anteriores.
A 1«:
Ejemplo 9.3. Para la red del diagrama anterior hallar el flujo
3 máximo posible de envío de A a D. e
Solución: ya se ha comentado que para dicha red dos rutas
de flujo positivo son la AB-BD con capacidad para enviar dos uni-
c dades y la AD con seis unidades.
Por tanto, se toma esta última conforme al primer paso del
algoritmo, donde M será igual a 6.
Figura 9.10. Ejemplo de una red de un problema de Ahora, de acuerdo con el paso 2, se debe disminuir la rama
flujo. AD en su parte inicial en seis unidades y aumentarla en esta mis-
ma cantidad en su parte final. Con esta modificación la red será
la que se muestra en la figura 9.11.
Las ramas tienen un par de números que representan
la capacidad de flujo en una y otra dirección; por ejemplo, la
rama AB permite la circulación de cinco unidades de mate-
rial desde A hasta B y tres unidades en la dirección opuesta.
En esta red se observa que hay dos ramas con la misma capa-
cidad de flujo en un sentido que en el opuesto, tal es el caso
5
de AD con seis unidades y AC con tres. El nodo A es el ori- o I
gen, el nodo D el destino y los nodos B y C son empalmes. A
Se aprovecha también el diagrama para ilustrar la defi-
nición de ruta de flujo positivo, que es toda ruta de una red 3 2
que vaya del origen al destino, sin importar por cuántos em-
palmes pase, de modo que cada rama de la ruta tenga en su
parte inicial un número diferente de cero, siendo el número 3 C O M=6
inicial menor que todos, y establezca la capacidad de la ruta.
Así, para el caso del diagrama anterior la ruta AB-BD es de Figura 9.11
1 139
Se regresa al primer paso, donde otra ruta de flujo positivo es 2 2 2 3

la ya comentada AB-BD, con capacidad para enviar dos unidades a
través de la misma, por lo que M = 2. Entonces, conforme al segun- \1
do paso, deben disminuirse las ramas AB y BD en sus partes inicia-
les en dos unidades e incrementarse en esta misma cantidad en sus 7 v1/2
partes finales. Con esto la nueva red será la de la figura 9.12. 4 O
C
°6 El Fin
Pueblo
Quieto O
2 (+4)
Figura 9.14
12 Otra ruta de flujo positivo es la AB-BE-EG-GI, que permite

enviar dos unidades de A a I. Al hacer los cambios en las cuatro
2 ramas, la red será ahora (fig. 9.15):
r.
M=2 6 1
E
3 O
S1
Figura 9.12 2 4
4 O 8\
C
Ahora se vuelve al paso 1, pero se observa que en la red ya no El Fin

Pueblo
hay ninguna ruta de flujo positivo, pues las tres ramas que llevan a Quieto
D, BD, AD y CD, tienen en su parte inicial una capacidad de flujo D H
de cero en la dirección hacia D. Por tanto se va al cuarto paso del 5 3 3 F 0 2 1 (+2)
algoritmo, para obtener la cantidad de flujo del problema, que será
la suma de los envíos de las dos etapas llevadas a cabo, o sea, 6 + 2 Figura 9.15
=8 unidades, que es el flujo máximo de A hasta D del caso.
De esta red, otra ruta de flujo positivo es la AC-CH-HI con
Ejemplo 9.4. La Compañía Eléctrica desea determinar cuál capacidad de una unidad. Al hacer los cambios en las tres ra-
es el amperaje máximo que es posible enviar por sus líneas de mas en una unidad, la nueva red quedará de la siguiente manera
trasmisión desde Pueblo Quieto hasta El Fin (fig. 9.13). (fig. 9.16):
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
Figura 9.13 Figura 9.16
Los números indican millones de amperes.

En esta red se observa que las ramas de acceso al nodo desti-
no I, como es el caso de CI y HI, no tienen capacidad de flujo en la
dirección hacia I. La única rama que llega a I que sí tiene capaci-
Solución: se aplica la metodología al caso y de acuerdo Con el
dad de flujo en ese sentido es la GI, sin embargo, la rama predece-
primer paso una ruta de flujo positivo desde A hasta I es AC-CI,
sora de ésta, la EG, no puede permitir envíos en esa dirección, por
que permite enviar cuatro unidades, por lo que M será este valor.
Entonces se deben disminuir las ramas AC y CI en cuatro lo que la red actual ya no tiene rutas de flujo positivo.
unidades en su inicio y aumentar en esta misma cantidad al final, Entonces, conforme al paso 4 del algoritmo, la capacidad de
con esto la red es la siguiente (fig. 9.14): flujo máximo será la suma de los envíos realizados, 4 + 2 + 1 = 7,
140 CAP. 9. ANÁLISIS DE REDES
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:
Minimizar Z = 5XAB + 1OXAc + 9XAD + 8XcE + 12XED

OTROS PROBLEMAS PLANTEADOS 4XDB 6XBE 7XBC
COMO MODELOS DE REDES
Sujeta a las siguientes restricciones:
Otros problemas de la investigación de operaciones que
pueden ser planteados como redes son los de administra- Nodo A XAB XAc XAD = 60
ción de proyectos, que se resuelven por métodos ya vistos, Nodo B XBE XBe — XAB — XDB = O
como el PERT/CPM, o problemas de transbordo, transpor- Nodo C XAc XBe — XcE = 50
te y asignáqión, que pueden plantearse como casos de redes. Nodo D XDB — XAD — XED = 20
Nodo E XcE XBE — XED = 30
CASOS DE FLUJOS DE COSTO Capacidades de flujo:

MÍNIMO
Rama AC XAC <_5O
Son casos donde existe flujo entre diferentes nodos de Rama CE XCE 60
una red, y cada unidad que fluye tiene un costo determina- RamBCXe30
do, además de que puede haber restricciones en cuanto al
flujo máximo permitido de algunas de sus ramas, de modo Este problema, mediante el método símplex, ofrece la siguien-
te solución:
que se busca el programa de flujo de toda la red que satisfa-
ga las restricciones y minimice el costo total. XAB = 10
Este tipo de problemas puede plantearse como un caso 50
XAC =
de programación lineal, donde la función objetivo es el cos- XAD = O
to total de la red, y las restricciones son los flujos entre los
XCE = O
nodos, así como los flujos máximos permitidos de algunas
de sus ramas. XED = o
Su solución puede lograrse mediante el método sím- XDB = 20
plex, o bien por medio de la metodología símplex de redes, XBE = 30
la cual combina aspectos de la metodología de la cota supe- XBC = O
rior y el modelo de transporte. Z = 810
En estos casos, si el flujo de un nodo es positivo, se trata
de un nodo fuente, si es negativo, es un nodo demanda y, si
el flujo es cero, es un nodo de transbordo. PROBLEMAS PROPUESTOS
A continuación se presenta un caso ilustrativo.
9.1. Encontrar para la red siguiente el recorrido mínimo (fig. 9.
Ejemplo 9.5. Se tiene la red de flujo que se ilustra en la figu-
ra de abajo, en la cual los números, junto a las ramas, son los costos
de cada unidad que fluya por ellas; las F son los flujos netos de 21
los nodos, y las CF son capacidades máximas de flujo permitido 18
de las ramas señaladas.
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
(20) F (— 30) Figura 9.17

141
9.2. Para la misma red del problema anterior, hallar la red de 12 13
recorrido máximo. 2 5
9.3. Hallar el recorrido mínimo para la red siguiente (fig. 10
uk.
9.18): 16 11
12 13
1 3 6
8
11 18
14
2 8
-+- Figura 9.19
9.7. Para la siguiente red, hallar el flujo máximo posible desde

A hasta G (fig. 9.20).
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):
Hallar la ruta más corta para ir desde M hasta Q.

9.5. Encontrar la ruta más corta para ir de A hasta F. La siguien-
te tabla muestra las distancias en kilómetros:
O
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
5 B 6 8 4 6 9.12. En la tabla siguiente se dan las distancias en kilómetros en-

E H g5 tre diferentes puntos. Si el origen es Ay el destino es F, en-
5 cuentre la ruta más corta.
3
7 5
4
6 3 3 E Destino
A 1
4
Origen
WW
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
11
12
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
El poder sólo debería concedérsele lo utilizado para distribuciones de probabilidad discretas,

a hombres que no lo adoran. como es el análisis bayesiano con el criterio a priori, com-
parando sus resultados con el valor esperado en el caso hi-
PLATÓN potético de contar con la información perfecta; se define el
concepto de utilidad, que trae consigo aspectos de subjeti-
vidad; se estudia la forma de tomar una decisión cuando se
INTRODUCCIÓN tiene una distribución de probabilidad continua, que en este
caso es la curva normal, que resulta muy familiar en el ám-
El hombre cada día debe tomar numerosas decisiones bito de la estadística, y se presenta el método del análisis
sobre diversos aspectos que tienen que ver con su vida. marginal para tomar decisiones, que es con mucho el me-
Muchas de ellas son tomadas en forma rutinaria, tal vez ba- jor de todos.
sado en sus hábitos y no de una manera racional, debido Para tratar lo antes señalado, lo primero que se hará
principalmente a que son asuntos triviales. Sin embargo, será presentar un caso base, que servirá para ilustrar los di-
hay ocasiones en las cuales se debe tomar una decisión im- ferentes métodos y conceptos que se irán manejando a lo
portante para la que deben evaluarse con cuidado tanto la largo del capítulo.
información disponible como los riesgos que implica cada
una de las opciones con que se cuenta.
En el ámbito actual de los negocios, con una economía CASO BASE
globalizada y donde las empresas de servicios son las que
han tenido un mayor auge, muchas de las decisiones que Tortas El Tigre. El señor José Sánchez tien&U ri carrito
deben tomarse dejan de ser apoyadas en números duros y donde vende tortas en la plazoleta principal de Rioverde y
estáticos y, por el contrario, cada vez se basan más en cues- está buscando la forma de hacer más eficiente su trabajo,
tiones subjetivas y en el criterio de quien debe tomarlas. pues se ha dado cuenta de que preparar las tortas hasta que
Por eso la investigación de operaciones se ha modifi- el cliente llega al carrito le ha comenzado a generar proble-
cado para tratar de adaptarse a estos cambios, lo que ha traí- mas, pues es frecuente que se le junte un número conside-
do consigo que cada vez se utilicen más herramientas pro- rable de personas que llegan a pedirle una torta, y como no
babilísticas y estadísticas para apoyar al administrador en tiene en ese momento nada preparado, debe hacerlo hasta
la toma de decisiones. que le hacen el pedido, con la consiguiente espera por parte
En este capítulo se presentan varios de los modelos más del cliente. El señor Sánchez ha notado que hay clientes
usuales que se han empleado en la investigación de opera- que se disgustan por una espera prolongada y mejor se van
ciones para la toma de decisiones: se define la terminología del lugar. Ante esto, ha pensado en preparar las tortas ese
propia de la teoría de decisiones; se presentan algunos mo- mismo día por la mañana y llegar con ellas ya listas para la
delos de decisión de criterios ingenuos; se analiza un mode- venta, sólo que ahora el riesgo es que prepare tortas en ma-
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
MODELOS DE DECISIÓN DE 1. Para cada decisión D i, hallar el pago promedio, el

CRITERIOS INGENUOS cual se obtiene al dividir la suma de todos los ele- pase
mentos del renglón i en la matriz de pagos, entre el de a
Estos modelos son llamados de criterios ingenuos por- número de ellos.
2. Se elige aquella decisión que tenga el valor máximo tren
que no toman en cuenta las probabilidades que tiene cada qui2
estado de la naturaleza de suceder, por ello también sue- del pago promedio. dek
le conocérseles como modelos de decisión sin datos previos. las 1
En este texto se presentan tres modelos de este tipo, Ejemplo 10.3. Aplicar cada uno de los modelos (le criterios seri
aun cuando hay más. Dichos modelos son: ingenuos al caso base. disl
Solución: se aplicará la metodología de cada modelo a la ma-
a) Modelo minimax. triz de pagos del caso base.
loe
b) Modelo optimista. dio
c) Modelo de maximización del pago promedio. a) Modelo minimax: de acuerdo con el paso 1 de este mode-
lo, se listará para cada decisión de la matriz de pagos su valor mí-
nimo. Los valores mínimos son:
M
Modelo minimax Dl
Decisión, tortas Valor mínimo
Este modelo también es conocido como pesimista y para preparar del renglón nii
como criterio de decisión de Wald (Hillier y Lieberman, 1991). 520 3016 es
Se basa en suponer que la naturaleza es un rival muy inte- 540 2952 ac
ligente y hará acontecer el estado menos conveniente para dE
560 2888
el tomador de la decisión, o lo que es lo mismo, que suce-
derá lo peor para quien toma las decisiones. Consiste de las 580 2824
siguientes etapas: 600 2760
Según el paso 2, la decisión que debe tomarse es la primera ti

1. Para cada posible decisión D i, debe tomarse el peor c.
resultado, es decir, el valor mínimo. de ellas, es decir, preparar 520 tortas, lo que se relaciona con el
2. Con los resultados del paso anterior, debe selec- criterio pesimista, que indicaría que la demanda que se presenta
es la mínima de cuantas son posibles. fi
cionarse aquella decisión correspondiente al valor b) Modelo optimista: de acuerdo con el primer paso de este 1.
máximo. modelo, se listan los mejores resultados para cada posible decisión,
que son:
Esto explica el nombre de este modelo, pues se está to- 2
mando de la matriz de pagos el valor máximo de los mínimos. Decisión, tortas Valor mínimo
para preparar del renglón
520 3016
Modelo optimista 540 3132
Este modelo también es conocido como criterio de deci- 560 3248
sión de Hurwicz y es exactamente lo contrario al anterior, ya 580 3364
que considera que la naturaleza siempre jugará a favor del 600 3480
tomador de decisiones (Davis y McKeown, 1986). Consta de
los pasos siguientes: Conforme al segundo paso, el valor mayor de la lista es 3480,
que corresponde a la decisión de preparar 600 tortas y se relacio-
1. Para cada posible decisión D„ tomar su mejor resul- na con el optimismo al indicar que la demanda será la máxima de
cuántas son posibles.
tado, es decir el valor máximo. c)Modelo de maximización del pago promedio: con base en
2. De los resultados del paso anterior, elegir aquella el paso 1, se listan los pagos promedio de cada renglón:
opción que tenga el valor máximo.
Decisión, tortas Valor mínimo
para preparar del renglón
Modelo de maximización
520 3016
del pago promedio
540 3096
Este modelo también es conocido como criterio de deci- 560 3140
sión de Laplace y consta de las siguientes etapas (Davis y 580 3148
McKeown, 1986): 600 3120
DISTRIBUCIÓN DE PROBAR ILIDAD DISCRETA
147
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
Análisis de Bayes criterio a priori Para la decisión 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.
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:
GANANCIAS ESPERADAS CON GE1 = p(Ei)On +p(E2) 012

LA INFORMACIÓN PERFECTA = (0.60)(-30 000) + (0.40)(70 000) = —18 000 + 28 000
= 10 000
La información perfecta podría en teoría lograrse si el
nivel de demanda manejado por quien toma las decisiones Mientras que para la segunda decisión:
fuese igual al estado de la naturaleza que sucediese en to-
das las ocasiones (Thierauf y Grosse, 1990), lo que equival- GE2 = p(E1) 021 +P(E2) 022
dría a que el tomador de decisiones tuviera una bola de = (0.60)(0) + (0.40)(0) =
cristal que le adivinase cada día las tortas que le van a de-
mandar. Aunque esta situación no es posible en la realidad, Por tanto, la mejor decisión es la primera para obtener una
ya que no les ha sido dado a los humanos predecir el futu- ganancia esperada de $ 10 000.
ro, es útil obtener la ganancia hipotética esperada en estas Ahora, para obtener la ganancia con la información perfec-
ta, para el caso que se presente helada, la mejor decisión es no qu
condiciones, pues esto dará una clara idea de lo que se deja
de ganar por la imperfección de la información con que se sembrar, mientras que si aquélla no se presenta, lo mejor será sem-
brar, y al aplicar la ecuación 10.2 se tiene:
toman las decisiones, así como saber cuánto se podría pagar
en el caso utópico que alguien pudiese proporcionar tal in- GEp = (0.60)(0) + (0.40)(70 000) = 28 000
formación.
rar
La ganancia esperada con la información perfecta pue- Que es un valor bastante mayor al de la mejor decisión, lo que cer
de estimarse con la ecuación 10.1, pero para cada estado de da una idea de que en un caso como el presente el riesgo es mayor. $3
la naturaleza debe tomarse el valor máximo de la columna ah(
en la matriz de pagos, denotado por Opj , con lo que la ecua- val
ción es ahora: cac
UTILIDAD
GEp = p(Ei )Opi (10.2) En el ámbito de la teoría de decisiones, la utilidad pue-
i= de definirse como un valor numérico, no monetario, que el
tomador de decisiones asigna a cada posible resultado, con
Esta fórmula implica que quien toma la decisión siempre base en su criterio, su experiencia o, algunas veces, sólo en
elige lo mejor, en el caso de las tortas esto equivaldría en el su intuición, lo que dará a dichas asignaciones un carácter
caso base a preparar las mismas tortas que van a ser deman- de alta subjetividad.
dadas cada día. A continuación se aplica esto al caso base. Aun cuando esto pudiera parecer no muy conveniente,
Ejemplo 10.5. Obtener para el caso base la ganancia espera-
en la vida real con frecuencia los administradores de empre-
da con la información perfecta. sas e instituciones utilizan criterios subjetivos para tomar de-
cisiones en múltiples aspectos de su gestión. Diversos autores
Solución: para el caso base con cinco niveles de demanda, han dedicado tiempo y esfuerzo a estudiar cómo los admi-
para cada demanda de tortas, se prepara igual número de ellas, nistradores exitosos toman decisiones y muchas veces las
esto seria tomar para cada decisión el valor de la matriz de pagos conclusiones son que no siempre cuentan con toda la infor- 10.
ubicado en la diagonal, o sea donde i = j, con lo que se tendrá: mación al respecto y siempre están presentes, en mayor o
menor medida, las preferencias personales del tomador de
GEp =p(E1)011 + p(E2) 022 + P(E3) 033 + P(E4) 044 + P(E5)055 la decisión.
= (0.13)(3016) + (0.21)(3132) + (0.29)(3248) Además debe considerarse que no siempre la bondad
+ (0.22)(3364) + (0.15)(3480) = 3253.80 de la decisión lleva al mejor resultado, lo cual quiere decir
que no por apegarse a alguna metodología particular para
Lo cual da una diferencia respecto de la mejor decisión de tomar aquella alternativa de decisión, va a resultar la más
$ 87.80 diarios, que sería la cantidad máxima que se podría pagar conveniente, pues muchos de los aspectos implícitos en la
por contar con la información perfecta. decisión pueden cambiar y tomar otro curso.
DISTRIBUCIÓN DE PROBABILIDAD CONTINUA 149
Otras veces puede ser que la decisión con el mayor va- Ahora la mejor decisión es la segunda, o sea no sembrar, de-
lor de ganancia esperada no sea la más adecuada debido a bido a los valores que el agricultor ha dado a cada utilidad, lo que
otros factores, como las políticas de la empresa o institución. ya en parte se había comentado: el alto riesgo implicado en el caso.
En este apartado se introduce un nuevo término: la uti-
Ejemplo 10.8. Un individuo está por salir de su domicilio
lidad esperada, que debe obtenerse para cada alternativa
cierto día en la mañana y ante la posibilidad de lluvia, está consi-
de decisión tomando como base los valores que el toma- derando llevarse el paraguas, para tal fin ha elaborado la siguien-
dor de decisiones haya asignado para cada resultado (Bron- te matriz de utilidades condicionales:
son, 1992), según la fórmula siguiente:
Estado de la
UEi = (10.3) naturaleza
Lluvia No lluvia
Opción de
decisión
donde: Llevar paraguas +15 —10
No llevar paraguas —20 +5
UE, = Utilidad esperada para la decisión i.
p(Ej) = Probabilidad del estado de la naturaleza j.
= Utilidad obtenida cuando se toma la decisión i Al revisar la probabilidad de lluvia del día, ésta es de 68 %,
y sucede el estado de la naturaleza j. a) ¿qué decisión deberá tomar?, b) ¿con qué valor de la probabili-
dad de lluvia es indiferente tomar una u otra opción?
n = Número de estados de la naturaleza.
Solución: lo que debe hacerse es calcular la utilidad esperada
Esta ecuación es similar a la 10.1, con la variante de de cada decisión, lo que lleva a los siguientes resultados:
que se han remplazado los pagos por las utilidades.
Bajo este criterio la decisión que debe tomarse será UE1 = 0.68 (+15) + 0.32 (-10) = 7
aquella que resulte con la máxima utilidad esperada. UE2 = 0.68 (-20) + 0.32 (+5) = —12
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.
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?
Xi Solución: de acuerdo con la metodología, el primer paso será

(10.5) obtener m mediante la ecuación respectiva, para la cual la pérdi- mc
X = da marginal es de $ 3.20 y la ganancia marginal de $ 5.80 por tor-
m n 551
ta, con esto la m resulta:
PM 3.20
cr (Xm — Xi ) 2 m= =0.3556 pei
(10.6) PM + GM 3.20+5.80 dic
i=1
n col
Luego, conforme al segundo paso se ordenan los datos, cuyas
frecuencias se presentan en la tabla 10.5: tas
donde:
= Valor del dato i. Tabla 10.5. Tabla de frecuencia
n = Número total de datos. de las demandas de tortas. gui
ser
Demanda de Cc
3. Hallar en las tablas del área bajo la curva normal a tortas Frecuencias
cuántas desviaciones estándar de la media está situada m.
Es importante aclarar en este punto que algunas de estas ta- 510 1
blas presentan como valores mínimos del área citada 0.500, 520 4
tal es el caso de la tabla que se incluye en este libro en el 530 1 6
apéndice respectivo. Cuando el valor de m sea menor de de:
0.500, deberá buscarse en dichas tablas con el valor de (1 - m). 540 10 ViE
Al valor correspondiente al número de desviaciones están- 550 18
dar se le denomina Z, que viene siendo la desviación es-
tándar normalizada. 560 9
4. Obtener el número de unidades de mercancía X 0, 570 7
para el cual se cumpla la igualdad entre la ganancia y la 580 3 na
pérdida marginal, el cual se calcula con la siguiente ecuación: al
590 2
lo
Xo = (10.7) Total 60 pn
151
De estos datos la media es 550.33 y la desviación estándar ANÁLISIS MARGINAL
O; 17.41tortas.
Una gráfica de los datos se presenta en la figura 10.2, en la Por último, se presenta este método que es el mejor de
r- cual puede apreciarse que la distribución de los datos es similar a todos, pues reúne varias ventajas a la vez, ya que no requie-
la curva normal de probabilidad.
re gran cantidad de trabajo ni muchos datos y puede apli-
carse a cualquier distribución de probabilidad que sigan los
20 datos de ventas, pues el hecho de que no se apeguen a una
al 18 o determinada distribución no constituye un inconveniente.
s, 16
14
Consiste básicamente en que será recomendable tener
.1 12 una unidad adicional de mercancía si la ganancia marginal
10 o o probable que pueda obtenerse supera la pérdida margi-
8 o nal probable en que puede incurrirse por no vender dicha
r.6 o
4 o unidad (Thierauf y Grosse, 1990).
2 o o Se parte del hecho de igualar la ganancia marginal y la
O pérdida marginal probables, cuya ecuación descriptiva es
500 520 540 560 580 600 la siguiente:
Demandas de tortas
GMm = PM(1 - ni) (10.8)
Figura 10.2. Representación gráfica de los datos.
donde GM, PM y m son las mismas variables que fueron
presentadas en el punto anterior. De hecho si de esta ecua-
De acuerdo con el tercer paso, se busca en este caso con el
valor de (1 - m) = 0.6444 como el área bajo la curva normal, el res-
ción se despeja m, se obtiene la ecuación 10.4.
pectivo valor de Z, que es 0.37. La metodología del análisis marginal dividida en eta-
Con esto se determina el valor de X 0, de acuerdo con el cuar- pas es la siguiente:
to paso:
1. Obtener m para el problema planteado.
Xo =X„,± Za =550.33 + (0.37)(17.41)=556.77 2 Preparar una tabla que contenga para cada deman-
da la probabilidad de vender un nivel de artículos
Por tanto, la decisión que debe tomarse conforme al presente igual al valor de dicha demanda o uno mayor.
lo es la del valor inmediato inferior a X 0, es decir, preparar 3. Al recorrer la tabla de abajo hacia arriba, el primer
das. valor de la probabilidad acumulada del paso ante-
rior que supere m, será el renglón correspondiente
Ejemplo 10.10. El contador público Héctor López es amigo a la mejor decisión.
personal del señor Sánchez y le ha hecho un estudio de costos, in-
dicándole que su costo unitario es de $ 9.50 por torta y no de $ 7.20 Ejemplo 10.11. Para el caso del ejemplo 10.8, obtener la
como se venía suponiendo. Ante esta nueva situación, ¿cuál será mejor decisión por medio del análisis marginal, compararla con
ahora la decisión que deberá tomarse en cuanto al número de tor- la solución de dicho ejemplo y calcular el monto de la ganancia
tas por preparar? esperada.
Solución: si ahora el costo por torta es de $ 9.50 y el precio si- Solución: la m para el caso es la misma, es decir 0.3556, ya que
gue siendo de $ 13.00 por unidad, entonces la ganancia marginal conforme al segundo paso de la metodología del análisis marginal,
s erá de $3.50 por torta y la pérdida marginal de $ 5.50 por torta. debe generarse la tabla de las probabilidades de vender un volu-
Con esto la m será ahora: men de productos igual al del nivel del renglón o uno..m. ayor. Di-
PM 5.50 cha tabla para el caso del ejemplo 10.8 es (tabla 10.6):
m= =0.6111
PM +GM 5.50+3.50
Tabla 10.6. Probabilidades acumuladas para
Este valor es el área bajo la curva, que corresponde a 0.28 el análisis marginal.
desviaciones estándar a la derecha de la media, por lo que éste
viene siendo el valor de Z. Con esto, la nueva X0 será: Probabilidad
Demanda Probabilidad acumulada de vender
X0 = ± Zcr = 550.33 - (0.28)(17.41) = 545.46 de tortas Frecuencias individual este nivel o más
510 1 0.0167 1.0000
Por tanto la decisión que debe tomarse es preparar 540 tortas. 520 4 0.0667 0.9833
Este ejemplo muestra cómo al disminuir la ganancia margi-
nal y elevarse la pérdida marginal la decisión óptima en cuanto 530 6 0.1000 0.9166
al número de tortas por preparar disminuye, ya que ahora es más 540 10 0.1667 0.8166
lo que se puede perder comparado con lo que se puede ganar por
550 18 0.3000 0.6500
preparar más tortas.
152
Tabla 10.6. (Continuación.) En el caso del último pago se tomó la probabilidad acumula-
da, es decir 0.65, ya que dicho pago se repetía para demandas de
Probabilidad 550 tortas o mayores y su probabilidad acumulada de tener una
Demanda Probabilidad acumulada de vender demanda así es de 0.65.
de tortas Frecuencias individual este nivelo más
560 9 0.1500 0.3500
570 7 0.1167 0.2000 PROBLEMAS PROPUESTOS
580 3 0.0500 0.0833
10.1. La panadería Dulce Pan produce pan de diversos tipos,
590 2 0.0333 0.0333 que vende al público a un precio de $ 0.80 cada pieza. Su
Total 60 1.0000 costo es de 0.60 $/unidad y las piezas que no vende el mis-
mo día que produce, las rebaja al día siguiente a $0.40
cada una. De estadísticas con las que cuenta, sus ventas
El primer nivel de demanda (valor del renglón) que supera han sido de 300, 310, 320, 330 y 340 piezas diarias. ¿Cuál
m, es el correspondiente a la decisión de preparar 550 tortas, y de de estas cantidades debe elaborar? Resolver según los si-
acuerdo con el análisis marginal, ésta será la decisión que deberá guientes criterios:
tomarse, la cual coincide con la respuesta del ejemplo 10.8.
Esa respuesta coincide con el hecho de que los datos del pro- a) Modelo minimax.
blema se comportan conforme a la curva normal de probabilidad. b) Modelo optimista.
En caso de que esto no se cumpliera, será preferible la metodolo- c) Modelo de maximización del pago promedio.
gía del análisis marginal.
10.2. La taquería La Guadalupana ofrece a sus clientes delicio-
Si se analiza lo que se ha hecho en uno y otro casos, se ve que
el método presente reúne todas las ventajas deseables para el sos tacos al pastor, que vende a $ 1.30 cada uno. Si el costo
tomador de la decisión, sin compartir las desventajas, lo cual lo por cada taco es de $ 0.95 y los que no vende debe darlos
hace un modelo sumamente atractivo para quien deba evaluar a $ 0.80. ¿Cuál debe ser la cantidad de tacos que debe
cualquier situación numéricamente para tomar una decisión. preparar? Se sabe que las ventas varían desde 100 hasta
Para calcular la ganancia esperada, se determinan las ganan- 130 tacos diarios en rangos de 10. Solucionar conforme a
cias condicionales por preparar 550 tortas y tener una demanda los mismos criterios del problema anterior.
10.3. La compañía Agrol le ofrece al señor Juan Ledezma ren- 1
de cualquier número de tortas, esto es similar a obtener el ren-
glón de la matriz de pagos para el valor de 550 tortas (tabla 10.7). tarle sus tierras, las cuales no disponen de agua, por lo que
será necesario perforar un pozo para poder utilizarlas con
fines agrícolas. Agrol le ha propuesto al señor Ledezma
Tabla 10.7. Ganancias condicionales hacer la perforación y en caso de obtener el agua le paga-
para la mejor decisión. rá $ 100 000, en caso contrario sólo $ 20 000. Si el señor
Ledezma hace la perforación por su cuenta, ésta le costará
Demanda Probabilidad Ganancia $ 60 000.00, pero si saca agua, espera obtener hasta $ 200 000
de tortas individual condicional, $/día trabajando él mismo sus tierras. Una tercera opción del
señor Ledezma es no optar por ninguna de las opciones
510 0.0167 2830 anteriores. Se sabe que la compañía perforadora ha obte-
520 0.0667 2920 nido agua en la región en 65 % de las ocasiones. ¿Cuál debe
530
ser la decisión del señor Ledezma y cuánta su ganancia es-
0.1000 3010
perada bajo el criterio a priori?
540 0.1667 3100 10.4. La empresa Minas Potosinas le propone al municipio de
550 0.3000 3190 Rioverde alquilarle un terreno, ya que es factible que éste
contenga minerales de estaño. La compañía debe hacer un
560 0.1500 3190 estudio geológico exploratorio, que si resulta positivo, im-
570 0.1167 3190 plicará pagarle al municipio $350000, en caso contrario
580 0.0500 3190
sólo le pagará $ 50 000. Si el municipio hace los trabajos
de extracción de minerales por cuenta propia puede lo-
590 0.0333 3190 grar hasta $500 000, pero el estudio exploratorio le costa-
Total 1.0000 ría $60 000. La tercera opción del municipio es no rentar
ni trabajar el terreno, sino dejarlo para otros fines. ¿Cuál
debe ser su decisión y cuánta su ganancia esperada bajo
Por último, se calcula la ganancia esperada mediante la su- el criterio a priori? El Instituto Universitario Rioverdense
le ha proporcionado al municipio el dato de la probabili-
matoria de cada ganancia condicional multiplicada por su proba-
bilidad individual: dad de que en el municipio haya estaño, la cual es de 54 %.
10.5. Un muchacho está pensando en poner un carrito en la pla-
za de armas para vender algo, lo que aún no tiene defini-
Ganancia esperada = (0.0167)(2830) + (0.0667)(2920) + (0.1)(3010) do, pues ha considerado cuatro posibilidades: vender café, 1(
+ (0.1667)(3100) + (0.65)(3190) aguas preparadas, helados o jugos naturales. Por su parte, la
= 3133.0 $/día venta dependerá del tipo de clima que se presente, pues el
153
muchacho está consciente de que el café se venderá más en Tabla 10.10
días fríos, mientras los helados, en días calurosos. Por esto
ha preparado una tabla de ganancias condicionales para Venta,P Frecuencia
cada posibilidad de venta y cada tipo de clima (tabla 10.8): 360 2
363 6
Tabla 10.8 367 10
Clima 370 32
Venta Cálido Frío Lluvioso Ventarroso 373 13
Café (200) 1300 700 500 378 9
Aguas preparadas 500 350 400 450 380 6
Helados 1000 (500) 300 600 384 2
Jugos naturales 400 400 400 400
Si la leche le cuesta $5 el litro, lo vende a $ 8.50y lo que no
se vende al final del día no lo recupera, pues se echa a per-
De una estadística climática, se sabe que en el lugar los der; encontrar mediante el modelo de distribución de pro-
días calurosos son 45 %, los fríos, 20 %, los lluviosos, 15 %, babilidad continua lo siguiente:
y los ventarrosos, 20 %.
Determinar mediante el criterio a priori: a) ¿Cuánto debe tener en existencia?
b) ¿Cuál será su ganancia esperada promedio?
a) ¿Qué producto le conviene vender? c) ¿Cuánto ganaría si tuviera la información perfecta?
b) ¿Cuánta será su ganancia esperada?
c) ¿Cuál sería su ganancia si tuviera la información per- 10.8. En el otoño a un granjero le ofrecen por su producción de
fecta? naranjas $50 000, la que se cosechará al inicio del presen-
r. te año. Si el granjero no acepta la oferta, deberá vender
41.11.6. El señor José Martínez vende yoghurt en envases de galón sus naranjas en el mercado libre luego de cosecharlas, ante
y tiene la estadística de ventas diarias (tabla 10.9). lo cual puede recibir hasta $ 75 000 si no se presenta una
helada, en caso contrario, sólo obtendría $ 15 000 si la he-
lada es leve y no obtendrá nada si la helada es fuerte. De
Tabla 10.9 una estadística de los últimos 30 años, se han presentado
heladas fuertes en seis años y leves en ocho. ¿Cuál es la de-
Venta, gal Frecuencia cisión que debe tomar?
10.9. Hilos del Centro maneja fibra corta para la industria con-
280 4 feccionadora de ropa informal. Tiene la estadística de ven-
283 6 tas mensuales en kilogramos durante los últimos 15 años
(tabla 10.11).
287 12
290 28
Tabla 10.11
293 11
Venta 1500 2000 2500 3000 3500 4000 4500 5000
298 9
Probabilidad 0.02 0.06 0.10 0.18 0.32 0.16 0.10 0.06
300 7
304 3
Si su costo actual es de $ 120 por kilogramo, su precio de
venta de $ 160 y su precio de remate de $ 100, mediante el
Si el yoghurt le cuesta $ 15 el galón, lo vende a $ 24 y lo
análisis marginal determine:
que no se vende al final del día no lo recupera, pues se a) ¿Cuál debe ser su decisión en cuanto a la cantidad de
echa a perder, determinar por medio del análisis marginal: fibra que debe manejar?
b) ¿Cuánta será su ganancia esperada?
a) ¿Cuánto deberá tener en existencia? c) ¿Cuál seria su ganancia en caso de contar con la infor-
b) ¿Cuál será su ganancia esperada promedio? mación perfecta?
c) ¿Cuánto ganaría si tuviera la información perfecta?
10.10. Un empresario debe seleccionar su mejor opción de in-
El señor José Sánchez vende leche en envases de litro y versión, para lo cual tiene cuatro opciones de bancos, cu-
tiene la estadística de ventas de varios días pasados (ta- yos resultados ante las posibilidades de riesgo se presen-
bla 10.10). tan en la tabla 10.12.
154
Tabla 10.12 jary cuánta su ganancia esperada? Resolver por medio del
modelo de distribución de probabilidad continua.
Riesgo
Alto Mediano Bajo 10.13. Petróleos Diáfanos tiene el siguiente registro de ventas
Banco de petróleo, que abarca los últimos 120 días trabajados (ta-
bla 10.15):
Bansur (30 000) 15 000 45 000
' Banco Bueno (12 500) 10 000 57 500
Tabla 10.15
Bancamexi 0 0 10 000 10.
Venta, e Frecuencia
' Banca ZM 0 5 800 27 650
120 9
130 22
En el pasado se muestra la estadística que de cada 120 oca- 140 30
siones, 33 han sido de alto riesgo, 45 de mediano riesgo y
el resto de bajo riesgo. Ante esto, ¿qué decisión deberá to- 150 28
marse y cuál sería la ganancia esperada? 20
160
10.11. Al licenciado Saúl Rodríguez un amigo le propone que com-
pre dólares, ya que se escuchan varios rumores de que ha- 170 11
brá una devaluación del peso. El licenciado Rodríguez ha
hecho una estimación burda de lo que podría invertir y Total 120
de las posibilidades que los rumores se hagan realidad
y con base en ello ha elaborado una tabla de valores que
a su juicio aplican a su situación personal (tabla 10.13): Si para cada litro de petróleo su costo es de $ 1.10, su pre-
cio de venta de $ 1.60y su precio de remate $ 0.90, ¿cuánto 10.
debe tener cada día y cuál será su ganancia esperada? Uti-
Tabla 10.13 lizar el modelo de distribución de probabilidad continua.
10.14. Si para el problema anterior el costo del petróleo aumen-
Opción Valor subjetivo tara a $ 1.30 por litro sin incrementar los precios, ¿cuáles
serían ahora los resultados?
Comprar dólares y devaluación +40 10.15. La fábrica Envases del Potosí produce botellas de plástico
de 2 e, las cuales vende a $ 2.50 cada una a tres distribui-
Comprar dólares y no devaluación —20 dores exclusivos. El costo de materiales directos (costo va-
No comprar dólares y devaluación —30 riable) de la fábrica es de $ 1.10 por botella y tiene costos
fijos por $ 50 000 mensuales. Sus ventas el año pasado en
No comprar dólares y no devaluación +10 botellas mensuales fueron las siguientes (tabla 10.16):
Según los analistas financieros y economistas la probabili- Tabla 10.16

dad de que haya una devaluación es de 48 %.
Venta 45 000 50000 55 000 60 000 65000
¿Cuál debe ser la decisión del licenciado Rodríguez?
10.12. Jugos, S. A. tiene la estadística de venta de naranjas para Frecuencia 2 4 3 1
jugo de los últimos 50 días de operación, las cuales ofrece
en costales de 30 kg (tabla 10.14):
Si las piezas que no vende de inmediato las rebaja a $1.80
Tabla 10.14 cada una, ¿qué nivel de producción le optimizará su ga-
nancia y cuál será el monto de ésta?
42 40 44 40 41 50 40 39 50 34 10.16. El Restaurante Rivera elabora comidas corridas las cuales
vende a $ 15, su costo unitario es de $ 11.50 y lo que no
38 43 40 39 38 37 41 42 46 33 vende ese día lo pasa al asilo de ancianos de la localidad
38
quienes se lo pagan a sólo $ 10 por cada comida. Su esta-
46 37 42 36 32 36 41 38 42
dística de ventas de los últimos 90 días es (tabla 10.17): 10.1
47 46 38 42 31 47 40 42 40 42
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?
cuales .) ¿Cuánto deberá tener en existencia?

lue no b) ¿Cuál será su ganancia esperada promedio? BIBLIOGRAFÍA
alidad c) ¿Cuánto ganaría si tuviera la información perfecta?
u esta- Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
17): 10.19. El señor Juan Escalante dispone de $ 150 000 de capital, Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
que desea invertir para obtener el máximo rendimiento. nistración, Grupo Editorial Iberoamérica, 1986.
La tasa actual de rendimiento es de 9 %, pero se considera Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
bastante volátil, y se piensa que puede subir o bajar. Dis- toma de decisiones, McGraw-Hill, 1992.
pone de tres opciones de inversión: bonos, acciones y el Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
80 mercado de dinero. Según un estudio, le han presentado operaciones, 5a. ed., McGraw-Hill, 1991.
la siguiente tabla de posibilidades de incrementar su ca- Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
pital al final de un año, teniendo las distintas tasas de in- vestigación de operaciones, Limusa, 1990.
14
terés prevalecientes al final del mismo.
top
be
ba
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?
Solución: lo primero será identificar para el caso base los da-

CT =C —+C M— (11.5)
P Q a 2 tos que se requieren para poder aplicar las ecuaciones correspon-
dientes del modelo, para esto se tiene:
La gráfica típic a de estos tres costos se presenta en la
figura 11.2, en la cu al se observa que al aumentar Q, el cos- Ca = 3500 $/equipo
Cp = 18 400 $/pedido
to de pedidos Cped disminuye,
isminuye, mientras el de conservación
M = 0.17
Ccon aumenta, y jus amente donde ambos costos se interse- D = 700 equipos/año
can ocurre el punto mínimo para la curva del costo total, CT,
dando el valor de 1 i existencia en el inventario Q* (Kauf- Entonces, al aplicar la ecuación 11.7 para calcular Q* se ob-
mann, 1970). tiene:
Conforme al en Ifoque de diferenciación, para hallar el
valor de Q que haga mínimo a CT, será un punto para el cual 1 2(18 400)(700)
0
la derivada de CT re specto de Q es cero, es decir: Q* = - 208 equipos/pedido
(3500)(0.17)
,
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 último, para la tercera opción de 501 equipos, el costo

se
(2 .. 2CpD 2(18 400)(700) 151529 411.8 di
0.17C. Ca del inventario será:
CaM (F
CT = Cp(D/Q)+ CaM(Q/2)
Al aplicar esta fórmula a cada precio se generan los resulta- = (18 400)(700/501) + (3250)(0.17)(501/2) la
dos de la tabla 11.2. = 164 109.83 $/año or
MODELO CEP CON AGOTAMIENTOS 161
El costo de adquisición de los equipos será: plen las suposiciones 3 y 5 del planteamiento bajo el cual
fue desarrollado.
Cadq = (700 eq./año) (3250 $/eq.) Para ilustrar este modelo se presenta la figura 11.3, en
= 2 275 000 $/año ella puede apreciarse la disminución del inventario por
debajo de cero, y hasta después de que se reciben pedidos
Y el costo total para esta opción es: adicionales de R unidades por parte de los clientes, se colo-
ca un nuevo pedido de reabastecimiento por Q unidades,
C3 = 2 439 109.83 Vario que incluye las R atrasadas más otras S que se tendrán en
inventario, las cuales constituyen su nivel máximo.
Por último, el quinto paso de la metodología señala que debe
elegirse aquella opción del menor costo total, que corresponde a
e la segunda, o sea que a Sonormex le conviene hacer pedidos de Nivel de
a, 301 equipos para aprovechar el menor precio, cuyo ahorro com- inventario
pensa el mayor costo del inventario.
Es conveniente señalar que se han tomado los límites inferio-
res de los volúmenes de artículos para los cuales aplica un menor
precio, ya que si se seleccionara cualquier otro valor mayor, el
incremento en el costo de conservación no se compensa por la
disminución del costo de colocar los pedidos. Esto se ejemplifica
para el caso que Sonormex adquiriese lotes de 400 equipos por pe-
dido, entonces su costo del inventario sería:
OS:
CT = Cp(D/Q)+ CaM(Q/2)
= (18 400)(700/400) + (3 300)(0.17)(400/2)
= 144 400 $/año R N
Mientras el costo de compra de los equipos seguiría siendo el Tiempo

mismo, de donde se observa que el hecho de adquirir lotes mayo-
res de 301 equipos traería como consecuencia un incremento en Figura 11.3. Representación gráfica del modelo CEP con
el costo del inventario. agotamientos.
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
Que al reacomodar da: Como R = Q – S, al sustituir esta igualdad en la ecua-

ción anterior se obtiene: ~11
tt _ S
tc Q D S2 (Q–S) 2
CT =Cp — ± +Cf
Q 2Q 2Q
Si se sustituye esta expresión en la ecuación 11.10, se
obtiene: La cual debe resolverse de modo que el costo total se
minimice, por lo que de acuerdo con el criterio de diferen-
.92 ciación, se deriva parcialmente la ecuación con respecto a
Inventario promedio =
2 Q Qy S, ambas expresiones se igualan a O y se resuelven como
ecuaciones algebraicas simultáneas, con lo cual se tendrán
Entonces el costo de conservación del inventario será: las fórmulas del modelo para Q* y S*, que son:
Ccon =cc 1--

s2 2Cp D(C +Cf)
2 Q (11.22)
Cc Cf
Por su parte, el costo de agotamientos está dado por el
costo unitario de cada faltante Cf, multiplicado por el nú- 2Cp DCf
mero promedio de éstos, que se obtiene mediante la siguien- S* = (11.23)
Cc (Cc +Cf )
te fórmula:
Área por debajo del Por su parte el número óptimo de pedidos N* se obtie-
Número promedio de eje de las abscisas ne dividiendo la demanda D entre el valor de Q* y el tiem-
po óptimo del ciclo para cada pedido se calcula dividiendo
faltantes por ciclo Tiempo del ciclo 365 entre N* .
(11.15)
(1/2)Rt2
Ejemplo 11.3. Sonormex está considerando la posibilidad de
tc implantar el sistema de pedidos retroactivos. Considera que el
costo unitario de cada agotamiento es de $600 anuales. ¿Qué será
De acuerdo con la figura 11.3, por la relación de trián- lo más conveniente para la empresa?
gulos semejantes se tiene:
Solución: el dato del costo unitario del agotamiento es
t2 = tc Cf = 600 Vario, por lo que con los restantes datos ya conocidos
(11.16) del ejemplo 11.1, se puede aplicar la ecuación 11.22 con G.(3500)
R Q
(0.17) = 595, para obtener:
Que al reordenarse da:
Q* = J (2)(18 400)(700)(595 + 600)/(595)(600) = 293.65
t2 = R
tc Q Por medio de la fórmula 11.23 se obtiene S*:
Y al sustituirse en la fórmula 11.15: S* = \I (2)(18 400)(700)(600)/(595)(595 + 600) =147.44
Número promedio de 1 R2 Estos números se redondean a sus enteros más próximos, es

faltantes por ciclo = —
2—Q decir 294 y 147 equipos, respectivamente. Por su parte R es la di-
ferencia entre Q y S:
Por tanto el costo de los agotamientos es:
R = Q – S= 294 –147 = 147 equipos/pedido
1 R2
Cagf = Cf — (11.19) El número óptimo de pedidos es:
2 Q
N* = D/Q* = 700/294 = 2.38 pedidos/año
La suma de estos tres costos dará el costo total del in-
ventario: En tanto que el tiempo de ciclo es:
CT =Cped+Cc„±Cagt t' =365/N* =365/2.38 =153.3 días/pedido
D S2 R2 (11.20)
=C„ —+C +Cf El costo total del inventario para este sistema se obtiene por
Q 2Q 2Q medio de la ecuación 11.21:
163
CT= (18 400)(700)/(294) + (595)(147) 2/(2)(294) Dicho tiempo de adelanto por lo general nunca es 0,
+ (600)(147)2/(2)(294) = 43 809.52 + 21 866.25 además puede variar por retrasos en los trámites del pedi-
+ 22 050.00 = 87 725.77 $/año do, fallas en los equipos de transporte y otros imprevistos
que hacen que aumente. Este modelo lo que hace es tomar
que comparado con el costo total del inventario para el mode- un valor promedio para dicho tiempo.
lo CEP normal obtenido en el ejemplo 11.1 que era de $ 123 803 Por su parte la demanda también es variable por múlti-
anuales, representa un ahorro de $ 36 077.23, por lo que se reco- ples razones, como cambios climáticos, nuevas tecnologías,
mienda a Sonormex instalar este sistema. fallas de energía y otros factores que repercuten en ella,
Una relación gráfica del caso se presenta en la figura 11.4, para lo cual el presente modelo incluye existencias de se-
donde puede verse que casi la mitad del tiempo el nivel del in- guridad, con el fin de que éstas absorban las posibles fluc-
ventario se encuentra por debajo de cero, debido a que R es la tuaciones de la demanda durante el tiempo de adelanto y
mitad de Q, esto significa que la empresa colocará un nuevo pedi-
no haya agotamiento de las existencias en el inventario.
do por 294 equipos hasta que tenga solicitudes de sus clientes por
147 equipos, los que surtirá una vez recibido su pedido, quedando La ecuación que describe este modelo es la siguiente:
en ese momento 147 equipos en el inventario, o sea el valor de S.
!)
Es interesante observar que el costo de pedidos C ped ha resul- PRP = DL + B (11.24)
tado igual a la suma del costo de conservación Croe, más el de ago-
tamientos Cagt para la solución óptima, situación similar a la del donde:
modelo CEP normal, donde en el punto óptimo para el costo to-
;) tal se igualaban el costo de colocar pedidos con el de conservación
del inventario. PRP = Punto de renovación de pedidos, unidades de
mercancía.
D = Demanda, unidades de mercancía/unidades de
Nivel de tiempo.
inventario L= Tiempo de adelanto, unidades de tiempo.
B= Existencias de seguridad, unidades de mercan-
cía.
En la figura 11.5 se muestra gráficamente la situación

del modelo para el caso de una demanda constante, en ella
se observa que la cantidad de existencias en el inventario
disminuye durante el tiempo de adelanto L, desde el punto
de renovación de pedidos PRP, hasta el nivel de las exis-
tencias de seguridad B.
Las existencias de seguridad se definen considerando
las variaciones de la demanda, la que manejan en forma pro-
babilística teniendo como objetivo minimizar el costo total
del inventario, en el que se incluye la posibilidad de que
t* existan agotamientos, de modo que se elija la opción de cos-
to mínimo.
Figura 11.4. Gráfica del ejemplo 11.3. El inventario promedio para este modelo es B + Q/2,
ya que se agregan B unidades al inventario de manera per-
manente.
' S
MODELO DEL PUNTO Por su parte el costo anual de los agotamientos para una
DE RENOVACIÓN demanda probabilística se calcula por medio de la siguien-
DE PEDIDOS (PRP) te fórmula:
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
;PRP Solución: lo primero que se recomienda para evitar confusio-

nes es convertir la tabla de ventas a demandas durante el tiempo
de adelanto, que viene siendo justamente el valor del producto D los
por L, es decir, lo que se vende del artículo en los 40 días. Si se
toma un mes como 30 días, entonces los valores de la nueva tabla
Tiempo que se ha comentado (tabla 11.3) multiplicados por 1.33 será (ta-
L bla 11.4):
Figiira 11.5. Gráfica del modelo del punto de
renovación de pedidos. qu
Tabla 11.4. Venta de Muebles Finos de Rioverde
en el tiempo de adelanto. su:
donde: Demanda de recámaras mi
durante el tiempo de cu
= Número de faltantes de la opción i. adelanto, DL, juegos Frecuencia observada En
pi = Probabilidad de la opción i.
n = Número total de opciones que tienen faltantes. 64 3
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 contie
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.
Ahora por medio de la ecuación 11.25, se obtiene el costo de

los agotamientos: Tabla 11.5. Resultados del
ejemplo 11.3.
Cagt = (2400 $/falt.) [(60)(12)/(40) ped./año] (2.08 falt./ped.) Opción PRP B Cagt Ccon CT
= 89 856 $/año
a 80 0 89 856 0 89 856
Por su parte el costo de conservación para la opción es 0, ya
b 84 4 38 016 12 000 50 016
que la cantidad de existencias de seguridad B es 0, por tanto la
suma de costos es 89 856 $/año. c 88 8 10 368 24 000 34 368
Para la segunda opción, PRP = 84, con B = 4, habrá agota-
mientos cuando el consumo sea de 88 o de 92 unidades, siendo d 92 12 0 36 000 36 000
cuatro y ocho los juegos de recámaras faltantes, respectivamente.
Entonces para Nf, al aplicar la fórmula 11.26 se obtiene:
Por tanto, la opción elegida deberá ser la tercera, que consi-
Nf= (4)(0.10) + (8)(0.06) = 0.88 dera ocho unidades como existencias de seguridad y el punto de
renovación de pedidos en 88 juegos, permitiendo faltantes de sus
El costo de los agotamientos será entonces: existencias en 6 % de las ocasiones.
( = (2400 1/falt.) [(60)(12)/(40) pedlaño] (0.88 falt./ped.)

=38 016 $/año MÉTODO HÍBRIDO
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
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
Cf= (1 + a)(Pr — Ca) (11.29) 1 —60 4100

la
Siendo Pr el precio al que se vende al público el artículo. 61 o más 3750
Para determinar a, se recomienda hacer encuestas para ut
estimar el número de personas a quienes un cliente insa- La demanda de lavadoras es probabilistica y con base en esta- PE
dE
tisfecho le platica su mala experiencia de haber pedido un dísticas anteriores de ventas, es la que se muestra a continuación:
artículo y no haberlo encontrado, así como el porcentaje de
gente que hace caso de la mala recomendación, entonces a Demanda de lavadoras,
es simplemente el producto de ambos valores, como lo in- unidades/semana Probabilidad
dica la ecuación 11.30.
4 0.05 in
= (3Np (11.30) clE
5 0.13
donde: 6 0.20 va
ne
R = Fracción de personas que hacen caso de la mala 7 0.27 lo
recomendación del cliente. ra
Np = Número de personas a las que les platica el clien- 8 0.16
te su mala experiencia. Si no existen datos se su- 9 0.11 dE
giere utilizar un valor de 10 personas. ta
10 0.08 dE
Por su parte, el número de faltantes se obtiene con la Total 1.00
ecuación 11.26, como se hacía con el modelo del punto de Pr
renovación del pedido.
e) El costo de adquisición de los artículos, Ca dq , que Además, se tiene la siguiente información:
aunque no es propiamente un costo del inventario, al haber
Tiempo de entrega de las lavadoras: 10 días.
escalas de precios por parte del proveedor, según el volu-
men que se adquiera en cada pedido, se considera en la Precio de venta de las lavadoras: 7000 $/unidad.
ecuación del costo total. Dicho costo es el producto del pre- Costo de colocar el pedido: 6000 $/pedido.
cio de compra del artículo por el volumen anual de compra, Fracción de mantenimiento del inventario: 38 % anual.
conforme a la ecuación 11.31. Costo de capital de la empresa: 15 % anual.
Fracción a del efecto boca a boca: 0.50.
Cadq = DCa (11.31)
Solución: lo primero es determinar la demanda semanal ia()
La suma de las cinco partidas conforma el costo del in- medio de lavadoras:
ventario y adquisición de los artículos.
Demanda = 4(0.05) + 5(0.13) + 6(0.20) + 7(0.27) + 8(0.16)
4. Se repite este procedimiento para las Q mayores a la + 9(0.11) + 10(0.08) = 0.20 + 0.65 + 1.20 dli
Q válida, que tengan menores precios del artículo, para un +1.89+1.28+0.99+0.80=7
MÉTODO HÍBRIDO 167
Con esto la demanda anual es: Para estimar el costo de los agotamientos, lo primero es de-
terminar el costo de cada faltante, que se obtiene con la ecuación
D = 7 lavadoras/semana x 52 semanas/año siguiente:
= 364 lavadoras/año
Cf= (1 + a )(Precio – Costo) = (1 + 0.5)(7000 - 4100) = 4350 $/faltante
Conforme al primer paso del procedimiento, hay que deter-
minar la Q válida, que será aquella Q calculada que quede den- Para las opciones de demandas posibles con faltantes, si el
tro del rango de volumen para el cual aplica el precio con el que PRP se fija en 10 lavadoras, habrá faltantes cuando la demanda
se calculó. del tiempo de entrega sea mayor a tal valor.
Para el primer precio del proveedor, que es $ 4100 por lava- El número de faltantes de cada alternativa, así como su pro-
dora, si se aplica la ecuación siguiente, se tiene: babilidad, se sintetizan en la tabla 11.6:
2CpD I 2(6000)(364) .53

'Zar Q= Tabla 11.6. Número promedio de faltantes de cada opción
CaM (4100)(0.38)
Producto del número
Esta es la Q válida, puesto que se calculó con un precio de Demanda del Número Probabilidad de faltantes y la
$4100, que aplica si la cantidad de pedido oscila entre una y 60 tiempo de de de la probabilidad de la
lavadoras. entrega, DL faltantes demanda demanda
Conforme a la metodología, habrá dos valores posibles de Q: 11.43 1.43 0.16 0.2288
53 y61 lavadoras, dado que sólo hay un mejor precio unitario de las
lavadoras que aplica a partir de colocar un pedido de 61 unidades. 12.86 2.86 0.11 0.3146
Conforme al paso 2 de la metodología, para el valor de las 14.29 4.29 0.08 0.3432
unidades de seguridad y con ello los del punto de renovación del
pedido, lo primero es obtener el valor promedio del producto DL,
Total 0.8866
denominado demanda del tiempo de entrega:
DL = 7 lavadoras/semana x 1 semana/7 días x 10 días Con esto ya es posible estimar el costo anual de los agota-
= 10 lavadoras mientos por medio de la fórmula dada por la ecuación 11.25:
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:
Tabla 11.8. Costos obtenidos para una Q de 61 lavadoras. MODELO DE CANTIDAD

DE PEDIDO FIJA Y CICLO
Valor del punto de renovación del pedido DE TIEMPO VARIABLE
Rubro del costo
10 11.43 12.86 14.29
Pedidos 35 803 35 803 35 803 35 803 Este modelo es apropiado para aquellos casos en que no
se dispone de información confiable sobre la demanda de
Mantenimiento 43 463 45 501 47 539 49 576
mercancías y del tiempo de adelanto de los pedidos (Thie-
Financiero 17 156 17 960 18 765 19 569 rauf y Grosse, 1990).
MODELO DE CICLO DE TIEMPO FIJO 169
Tal y como su nombre lo indica, el modelo se basa en ha- Ejemplo 11.6. Para el caso de Muebles Finos de Rioverde,
cer pedidos de cantidades constantes de mercancías y variar con los datos de CEP, demanda y tiempo de adelanto manejados
el ciclo de tiempo de los mismos, de tal manera que las exis- en el ejemplo anterior, pero sin la información de los costos de ago-
tencias cambian con el tiempo, como lo muestra la figura 11.6. tamientos, ¿cuáles deberán ser el punto de renovación de pedidos
En la figura se observa que la cantidad de pedido es y las existencias de seguridad para el negocio conforme al modelo
constante y el ciclo de tiempo para cada pedido cambia de- de cantidad fija y ciclo variable, si sólo se permite un agotamiento de
ue las existencias al año y su desviación estándar para la demanda es
un
pendiendo de la demanda de mercancías del inventario. de 4.8 unidades?
on El modelo se plantea bajo el concepto del punto de re-
ón novación de pedidos, que se estima por medio de la fórmula Solución: los datos que se tienen son:
11.24 como se hacía en el inciso anterior, tomando para ello
ta- la información disponible sobre la demanda y el tiempo de D = 60 juegos/mes.
adelanto, mientras que las existencias de seguridad pue- L = 40 días.
den definirse bajo el criterio de comparación de costos, eli- a= 4.8 juegos/mes.
Q = 40 juegos/pedido.
giendo aquella opción que minimice al costo, como se resol-
vió el ejemplo 11.4. En caso de que no se disponga de datos Lo primero es hallar el nivel de servicio para el inventario,
sobre los costos de los agotamientos, los que no siempre son para el que el número de pedidos anuales es:
fáciles de cuantificar, se calculan las existencias de seguri-
dad B, con la siguiente fórmula: N= D/Q= (60)(12)/(40)
= 18 pedidos/año
B = qa (11.32)
Entonces, de acuerdo con la ecuación 11.33 se tendrá:
Nivel de ns =1— 1/18 = 0.9444
lo- inventario
lo Con este valor del nivel de servicio, que es el área bajo la curva
los normal de probabilidad, de las tablas respectivas por interpolación
un se obtiene un valor para q de 1.593 desviaciones estándar, y me-
diante la fórmula 11.32, se calculan las existencias de seguridad, B:
na
U-
B= (1.593)(4.8) = 7.65 juegos
ie-
Entonces el valor de PRP será:
)s-
os PRP= DL+ B
el = (60)(40/30) + 7.65
n- = 88 juegos
Tiempo
3 d Figura 11.6. Gráfica del modelo de Si se compara este resultado con el del ejemplo anterior, es
?P
cantidad fija y ciclo variable. casi el mismo, sólo que en este modelo el nivel de servicio ha sido
a- de 94.44 %, mientras que en el anterior era de 94 %. El hecho de
le que ambos modelos hayan sido casi idénticos en sus resultados se
la donde: debe a que la demanda de artículos se comporta conforme a la cur-
va normal de probabilidad.
el Este modelo con frecuencia exige más protección contra even-
in = Desviación estándar de la demanda.
tuales faltantes que el del PRP, debido a la mayor incertidumbre de
s-
ir
q = Número de desviaciones estándar para el área bajo la información manejada.
ic la curva que corresponde al nivel de servicio deseado.
El uso de esta ecuación supone que la demanda de mer- MODELO DE CICLO DE

cancías se ajusta a la curva normal de distribución de proba-
bilidad. TIEMPO FIJO Y CANTIDAD
Por su parte el nivel de servicio, ns, se define como la DE PEDIDO VARIABLE
probabilidad de que no haya faltantes de existencias en el
inventario y se calcula mediante la siguiente ecuación: Este modelo, al igual que el anterior, es recomendable
para aquellos casos en que no hay certeza sobre la informa-
o ción disponible referente a la demanda de artículos y del
e Número permitido de
agotamientos anuales tiempo de adelanto para los pedidos.
ns=1 (11.33) Utiliza las mismas fórmulas que el de cantidad fija y ci-
Número de pedidos anuales clo variable para calcular el nivel de servicio y las existencias
170
de seguridad dadas por las ecuaciones 11.32 y 11.33, sólo MODELO DE LA CANTIDAD
que el punto de renovación de pedidos se calcula con la si- ECONÓMICA DEL LOTE DE L
guiente expresión matemática (Gallagher y Watson, 1992): PRODUCCIÓN c
c
PRP= D(L + t,)+ B (11.34)
Hasta ahora todos los modelos expuestos han conside- a
donde todos los términos son conocidos, siendo t c el ciclo de rado la compra del lote de artículos que manejan en sus in-
tiempo de renovación para los pedidos, que se obtiene con ventarios, lo que es válido para empresas del ramo comer- E
la fórmula 11.9. cial y de servicios. Sin embargo, cuando se presenta el caso
Si se observa la ecuación 11.34, se ve que este modelo de que la empresa fabrique estos artículos, la situación de
tendrá valores más elevados para el PRP que el anterior, ya la administración del inventario cambia; este es el tema que
que se incluye el tiempo adicional tc , por lo que habrá ma- se desarrollará en el presente apartado. Cabe mencionar
yor protección contra agotamientos del inventario debido que el modelo que ahora se presenta es típico del antiguo
a que como ahora el tiempo del ciclo es fijo, si llegara a ha- esquema productivo de las empresas de manufactura y no
ber demandas excesivas de los artículos éstas podrían traer es el caso de los nuevos sistemas de producción, como el
como consecuencia esos faltantes. justo a tiempo, el de las células de producción, la manufac-
La figura 11.7 muestra cómo cambia el nivel de inventa- tura lean y otros.
rio con el tiempo para este modelo, en ésta puede verse que La figura 11.8 muestra cómo cambia el nivel de existen-
cada ciclo de tiempo tc se coloca un nuevo pedido por una cias en el inventario para un caso de manufactura tradicional.
cantidad variable de artículos. En esta figura se observa cómo el nivel del inventario
aumenta en cuanto se inicia la corrida de producción hasta
Ejemplo 11.7. Para el caso de Muebles Finos de Rioverde, llegar al nivel máximo, señalado como NM, que es el mo-
¿cuál seria el valor de PRP bajo el criterio del modelo de ciclo fijo mento en que la corrida termina, con un tiempo de duración
y cantidad variable? Utilizar los mismos datos del ejemplo anterior. de ta; luego la cantidad de artículos en inventario comienza
Solución: lo primero será hallar el tiempo del ciclo, que se es- a bajar por la demanda de los mismos, hasta alcanzar el ni-
tima mediante la ecuación 11.9: vel mínimo, que puede ser 0, punto en el cual se inicia una c
nueva corrida, esta disminución del inventario se lleva a i]
tc = 365/N= 365/18 cabo en una cantidad de tiempo denominada t d, siendo el
= 20.28 días/pedido tiempo total del ciclo para la corrida t c, que es la suma de s
ta y td. También se puede apreciar que el nivel máximo del
Y se obtiene el PRP por medio de la ecuación 11.34:
inventario es menor a la cantidad económica del lote, indi-
PRP= 60 [(40 + 20.28)/30] + 7.65 cada como Q, debido a que durante el tiempo de la corrida
= 128 juegos ta, hay un consumo de artículos ocasionado por la demanda.
Esto representa un valor superior en 45 % al del ejemplo an-
terior, debido básicamente a que el ciclo de tiempo para cada pe-
dido viene a incrementar el tiempo de adelanto, como una medi- Nivel de
da de protección contra la incertidumbre en la demanda. inventario
Nivel de
Q
inventario
Nivel máximo de inventario

NM
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)
Ya que la tasa neta de aumento del inventario es la di-

ferencia de lo que entra en él, que es la tasa de producción
CT = Cpre Ccon (11.42)
Si en esta expresión se sustituyen Cpre y Coon dados por

P, menos lo que sale, que son los consumos o ventas V. las ecuaciones 11.35 y 11.40, se obtiene:
Como el inventario aumenta linealmente como se apre-
cia en la figura, el promedio durante el tiempo ta puede ob-
tenerse mediante la semisuma del inventario máximo y mí- CT = Ccp -1Q
2 + Ccf -9
241—p1 (11.43)
nimo del periodo. Durante ta:
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
Costo unitario del El número óptimo de corridas de producción I\TZ será:

artículo, $/unidad 0.60 0.53 0.40
D (500)(345) =
Mantenimiento anual N*= = 2.12 corridas/año
del inventario, % 14
eP Q* 81203
14 14
Tasa de producción, El tiempo óptimo del ciclo para cada corrida t" será:
unidades/día 10 000 6000 12 000
365 365
Ventas, unidades/día 800 500 1200 e= = =172.2 días/corrida
N* 2.12
173
irán Por su parte el costo del inventario para este tipo de tornillo SISTEMA DE CLASIFICACIÓN
idas DE INVENTARIOS ABC
, D , Q (,
,
- 1.... - + Ld - 1 - -) La mayoría de las empresas comerciales y de manufac-
:ión P Q 2 P
:ulo tura manejan por lo general varios artículos, y no sería prác-
mal =1300
(500)(345)
+(0.53)(0.14)
81203 (
1
500 ) tico llevar un modelo detallado de inventarios para cada
en-
.
81203 2 6000 uno de ellos, pues sería muy complejo e implicaría un costo
en- =5523.18 Vario elevado. Ante esta situación, existen sistemas de clasifica-
los ción para los artículos del inventario como el que se presen-
Por último, para el tornillo de 1/4" se tendrá que la cantidad ta en este apartado.
nu- económica del lote de producción (Y" será: El sistema ABC consiste en clasificar los artículos del
inventario en tres tipos, conforme a algún criterio de selec-
de ción, que la mayoría de las veces es el valor monetario de los
2C9D .51 2(900)(1200)(345)
Cr= mismos (Davis y McKeown, 1986). Estos tipos son:
Cd (1—V/P) (0.40)(0.14)(1-1200/12000)
1 =121 597 tornillos/corrida
El número óptimo de corridas de producción NZ será:

• Artículos tipo A: los de mayor valor monetario, con-
trol de inventarios máximo.
• Artículos tipo B: de valor monetario intermedio, con-
D (1200)(345) trol de inventarios normal.
Nc*= = =3.40 corridas/ario • Artículos tipo C: los de valor monetario mínimo, con-
P Q* 121 597 trol de inventarios mínimo.
1 tiempo óptimo del ciclo para cada corrida tj será:
La figura 11.9 muestra gráficamente esta clasificación,
tc =365 =
365
=107.4 días/corrida
en la que se ve que los artículos tipo A, aun cuando constitu-
N` 3.40 yen sólo 10 % del total, representan 70 % del valor del in-
ventario; por su parte, los artículos tipo B son otro 10 % del
El costo del inventario para este artículo, conforme a la fórmu- número total de los mismos, significando 20 % del valor mo-
la 11.43, será: netario total; por último, los del tipo C son 80 % del volumen
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
Tabla 11.11. Resultados del ejemplo 11.8. 50 Tipo

40 c
Tipo tornillo
Concepto 30
0*, 20
unidades/corrida 146 385 81 203 121 597
10
r
corridas/año 1.89 2.12 3.40
I 1 1 1 1 1 1 I
tic*, 10 20 30 40 50 60 70 80 90 100
días/corrida 193.1 172.2 107.4
Porcentaje de artículos del inventario
CT,
$/año 11 312.63 5523.18 6 128.46
Figura 11.9. Gráfica del sistema de clasificación del
inventario ABC.
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 .
macén es de 11 % del valor del inventario promedio. Su 100

proveedor le ha ofrecido la siguiente escala de precios (ta-
bla 11.12): 110 20
120 30
Tabla 11.12 130 40

140 30
Cantidad de compra, m Precio, $/m
150 10
1-500 83.00
Total 140
501-800 81.50
801-1200 80.50
Si cada pedido le cuesta al negocio $ 89.50, mantener en
1201 o más 80.00
almacén es 22 % del inventario promedio, cada litro de
cajeta $ 8.50 y cada faltante $ 2.15, determinar:
Calcular: a) La cantidad económica de pedido.
b) La cantidad de pedidos retroactivos.
a) La cantidad económica de pedido. c) El nivel máximo de inventario.
b) El número óptimo de pedidos anuales. d) El costo total anual de manejo del inventario. 11
c) El ciclo de tiempo para cada pedido.
d) El costo anual de compra de la mercancía más el ma- 11.6. Hielo de Rioverde compra bolsas de hielo de 10 kg a un
nejo del inventario. proveedor foráneo, que le vende cada bolsa a $12.30. Si
175
cada pedido le cuesta $ 117, mantener en almacén sigui- 11.17 1
fica 18 % y cada faltante le ocasiona un costo de $ 3.50,
obtener: Ven ta
unidades/mes Probabilidad
III a) La cantidad económica de pedido. 0.15
b) El número óptimo de pedidos anuales. 50 0.25
c) El tiempo para cada pedido.
d) El costo total anual del manejo del inventario. 55 0.30
60 0.18
Sus ventas en el pasado han sido las siguientes (tabla 11.15): 65 I 0.12
Tabla 11.15 Si cada faltante le cuesta a la refaccionaria $ 500, el man-

tenimiento en almacén $ 800 anuales, cada pedido lo hace
Venta mensual, por 70 unidades y su tiempo de adelanto promedio es de
bolsas Frecuencia 12 días, determinar:
50 20
a) El punto de renovación de pedidos.
60 20 b) Las existencias de seguridad.
70 45 c) El costo anual por faltantes y conservación en el inven-
tario.
80 50
11.9. Si en el caso de la refaccionaria Bendix cambiasen los cos-
90 30
tos, siendo ahora el de cada faltante de $ 800 y el de con-
100 15 servar en el inventario $500 anuales, ¿cuáles serian ahora
las respuestas a las mismas preguntas?
Total 180
11.10. Si la refaccionaria adoptara el modelo de cantidad de pe-
dido fija y ciclo de tiempo variable con un nivel de servicio
de 92 %, ¿cuál seria ahora el valor de las existencias de se-
11.7. Hules Hernández compra loderas a un proveedor de la guridad que debe manejar?
capital y dispone de la siguiente información referente a 11.11. La sombrerería La Montañesa maneja sus inventarios
sus consumos durante el periodo de reordenamiento (ta- conforme al modelo de cantidad de pedido fija y ciclo de
bla 11.16): tiempo variable. Si su cantidad de pedido de sombreros
finos de palma es de 600 piezas, su tiempo de adelanto de
seis días, permite agotamientos dos veces por año, ¿cuál
Tabla 11.16 deberá ser su punto de renovación de pedidos y sus exis-
tencias de seguridad si cuenta con la siguiente información
Ventas en el periodo de (tabla 11.18) sobre la venta de este tipo de sombrero?
reordenamiento, loderas Frecuencia
530 4
Tabla 11.18
580 5
Venta mensual Frecuencia
600 7 500 4
630 25 520 7
680 5 540 13
730 4 560 15
Total 50 580 8
600 3
Total 50
La empresa labora 300 días al año, su cantidad económica
de pedido es de 1700 loderas y su consumo diario de 35
unidades. Si cada faltante le cuesta $ 40 y conservar en 11.12. Si la sombrerería decidiera cambiar su administración de
almacén $ 6 anuales, ¿cuál deberá ser su punto de renova- los inventarios por un modelo de ciclo de tiempo fijoy can-
ción de pedidos y sus existencias de seguridad? tidad de pedido variable, ¿cuál sería su valor del punto de
11.8. La refaccionaria Bendix trabaja sistemas de suspen- renovación del pedido para el mismo nivel de servicio?
sión para vehículos que adquiere de la compañía Suspen- 11.13. La fábrica Chocolates Excelencia produce chocolates fi-
mex. Sus ventas mensuales han sido las siguientes (ta- nos y normales, los que ha vendido durante los últimos 12
bla 11.17): meses según la estadística de la tabla 11.19.
176
Tabla 11.19 • Costo de materiales directos = $ 12.35 por invitación.
• Costos fijos del negocio = $ 18540 mensuales.
Venta de chocolates Venta de chocolates • Costo anual de mantenimiento del inventario = $10.50
Mes finos, kg normales, kg por invitación.
Enero 2400 4800
Determinar:
Febrero 2300 4800
Marzo 2000 4500
a) La cantidad económica del lote de producción.
b) El número óptimo de corridas anuales de produ
Abril 1800 3800 c) El tiempo de ciclo de una corrida.
d) El costo total anual de manejo del inventario.
Mayo 1700 3500
Junio 1600 3400 11.15. Papelería La Goma ha hecho un recuento de sus
Julio 3000
tarios por el cierre de operaciones del final del año
1500
soy ha obtenido la relación de la tabla 11.21.
Agosto 1550 2950
Septiembre 1700 3000 Tabla 11.21
Octubre 1650 2900 Costo Existencia,
Noviembre 1950 3350 Artículo unitario, $ piezas
Diciembre 2300 3850 Libretas 5.00 5 000

Lapiceros 1.20 15 000
11
Si en cada corrida de producción se pueden producir Lápices 0.60 20 000
800 kg diarios y establecerla cuesta $ 1000 para cada tipo Mochilas 175.00 200
de chocolate, conservar en inventario es 28 % del valor
promedio, sus costos para cada tipo de producto son $ 4.30 Carpetas 0.25 30 000
para el fino y $ 1.95 para el normal, estimar para cada tipo Hojas 0.05 100 000
de chocolate:
Borradores 0.40 5 000
a) La cantidad económica del lote de producción. Sacapuntas 2.50 3 000
b) El número de corridas anuales. Cintas 35.00 250
c) El tiempo para cada corrida.
d) El costo total anual por manejo del inventario. Cartulinas 3.80 1 000
11.14. Impresos de Rioverde produce impresos de diversos tipos,

de los cuales las invitaciones para bodas han tenido el si- Conforme al sistema de clasificación ABC, ¿cuáles artícu-
guiente registro de ventas durante los últimos cinco me- los serían de cada tipo?
ses (tabla 11.20): 11.16. A una empresa le ofrecen descuentos por comprar lotes
mayores de bicicletas deportivas, según la siguiente esca-
la de precios:
Tabla 11.20
Mes Venta, unidades Volumen de compra, Precio ofrecido,
1 2800 unidades $/unidad
2 300 1 - 25 3100
3 3100 26 - 50 3000
4 2700 51 - 100 2900
5 2950 > 100 2850
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.
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.
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
• El número de jugadores que participan, pudiendo

ser dos o más. En este capítulo sólo se presentarán o A 10 —4
juegos de dos jugadores, ya que en el caso de juegos Qo
de un número mayor de jugadores, la complejidad
matemática para resolverlos es mucha y rebasa el B —6 8
alcance del presente texto.
• El tipo de estrategias del juego: pueden ser puras,
si cada uno de los jugadores juega todo el tiempo Figura 12.1. Esquema de un juego de suma O y dos
sólo una de sus estrategias, y mixtas, si cada jugador jugadores.
181
PUNTO DE SILLA DE MONTAR Jugador II
El punto de silla de montar es aquel valor de la matriz Estrategias

de pagos que es a la vez el mínimo del renglón y el máxi-
mo de la columna a los que pertenece, siendo la estrategia
que debe jugar cada jugador por constituir el óptimo para -o A
ambos (Hillier y Lieberman, 1991).

El punto de silla de montar es el valor maximin (máxi-
B
mo de los mínimos) para el jugador I y el minimax (mínimo
de los máximos) del jugador II, como puede verse en el jue-
go que se presenta en la figura 12.2, asemejándose con esto Figura 12.3. Ejemplo de un juego con dos
al criterio ingenuo de decisión minimax presentado en el ca- puntos de silla de montar.
pítulo 10.
En este juego el punto de silla de montar, que también
es el valor del juego, es O para el ejemplo de la figura 12.2, Ejemplo 12.1. Determine si los siguientes juegos tienen pun-
ya que será la estrategia óptima de ambos jugadores, la A to de silla de montar.
para el I y la D para el II. Esto se explica de manera sim-
ple: si se observa la matriz anterior, en ella se observa que 6 4 8
el jugador I se dará cuenta que independientemente de la a) 3 1 9
estrategia que elija el jugador II, a él le convendrá su es- —5 3 11
trategia A, ya que en todos los casos le da un mejor resulta-
do que la B. Por su parte el jugador II, al analizar el juego 8 7 9
con un razonamiento similar, optará por su estrategia D, b)[ 9 6 2
ya que es mejor que la C para cualquier opción que elija el
jugador I, por tanto el punto de silla de montar constituye 10 4 1
la estrategia óptima para ambos jugadores y por consiguien-
te el valor del juego será el pago correspondiente a dicho 4 3 7
punto en la matriz de pagos, constituyendo de esta manera c) 5 2 8
un juego de estrategias puras, ya que los jugadores sólo ele- —3 4 11
girán la estrategia respectiva al punto de silla de montar.
Solución: para cada uno de los juegos se hallará su mínimo del
Jugador II renglón y máximo de la columna.
Para el inciso a se tendrá:
Estrategias C D
Mínimo de los Mínimo
renglones de renglón
A 5 6 4 8 ----, Valor
o l Valor
bC maximin 3 1 9 4 ;maximin
1 man=
5 — 3 11 1
B 3 —2 Máximo 6 11 3
—2 4
de columna
mimo de las
5 Valor Valor
O
imnas minimax minimax
Figura 12.2. Juego con punto de silla de montar. Se observa que al coincidir el valor maximin con el minimax
es el punto de silla de montar, siendo 4 el valor del juego.
Para el inciso b:
Este punto recibe su nombre por el hecho de ser el va-
lor máximo de los mínimos para el jugador I y el mínimo Mínimo
le los máximos para el jugador II, lo que recuerda la figu- de renglón
a de una montura. Valor
8 7 3
Un juego puede o no tener punto de silla de montar, 3 maximin
9 6 2
pudiendo haber varios en un mismo juego, siempre y cuan- 10 4 1
2
do estén empatados, como en el caso de la figura 12.3. 1
Por tanto, en todo juego lo primero que debe hacerse es Máximo 10 7 3
revisar si éste tiene punto de silla de montar, ya que de ha- de columna
berlo, su valor dará el valor del juego y ya no hará falta de- Valor
terminar ningún trabajo adicional. minimax
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
trategia mixta. En la figura 12.4 se muestra un juego que C —3 6

puede reducirse con la aplicación del concepto de dominio.
Figura 12.6. Juego reducido por dominio a 2 x 2.
Jugador II
Estrategias D E F De esta última matriz se aprecia que ya no es posible

hacer más reducciones, por lo que el juego deberá solucio-
A 7 6 5 narse por alguno de los métodos que se presentarán ense-
guida, sólo que ahora es de 2 x 2, lo cual resulta mucho más
- 17
cit)
B 9 4 4 sencillo para poder resolverlo comparado con el juego ori-
ginal, que era de 3 x 3.
8 —3 6 Debe señalarse además que el valor del juego no se al-
tera si se resuelve en su tamaño original sin la aplicación del
Figura 12.4. Ejemplo de un juego 3 x 3. concepto de dominio.
1S3
Ejemplo 12.2. Analizar para los juegos siguientes la posibili- DETERMINACIÓN DEL VALOR
dad de reducirlos por dominio.
DEL JUEGO
7 4 1
Para resolver cualquier juego, el procedimiento que
a) [3 10 debe seguirse dividido en pasos es el siguiente:
8 —3 6
1. Revisar si existe punto de silla de montar, en caso de
(9 6 —2 5 \ haberlo, el juego habrá sido resuelto, siendo su valor
8 6—35 el del pago correspondiente en la matriz al punto de
4 2 1 —2 silla de montar.
k 6 5 3 0, 2. Si no hubo punto de silla de montar, deberá anali-
zarse la posibilidad de reducir el juego mediante la
12) aplicación del concepto de dominios.
c) 6
13 3. Se debe proceder a solucionar el juego que se haya
obtenido del paso anterior, mediante alguno de los
Solución : lo primero que debe hacerse para cada juego es ver métodos que se presentarán a continuación.
si tiene punto de silla de montar, lo que resulta negativo para cada
uno de los tres casos, y de acuerdo con el concepto de dominio se
analizará cada uno de ellos. Así, para el juego del inciso a, se ve Método de probabilidad conjunta
que el primer renglón domina al segundo, por lo que al eliminar-
lo se tendrá: Es un método adecuado para solucionar juegos de 2 x 2,
cuyo esquema se muestra en la figura 12.7.
(7 4 El valor del juego, V, se obtiene por medio de la siguien-
8 —3 6 te fórmula:
En este nuevo juego se observa que la segunda y tercera co- X11P1C1 X12P1C2 X21P2C1 X22P2C2 (12.1)
lumnas dominan la primera, por lo que al quitar ésta el juego que-
da de la forma siguiente:
Jugador II
41
Estrategias 1 2
Que ya no es susceptible de ser reducido.

Para el juego del inciso b, se observa que el primer renglón 1
domina al s Igundo y el cuarto al tercero, por lo que al eliminar
los renglone dominados se tiene: 2
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/
'4101 Por su parte, las probabilidades de cada jugador para

jugar una estrategia dada pueden obtenerse por el método
No pudiéndose reducir más el juego por no existir dominios. aritméticoy el algebraico, que se presentan a continuación.
184
Método aritmético que componen la matriz del juego. En el caso presente, si se hu-
biera tomado el promedio de los cuatro valores de la matriz del
Este método es muy simple y conduce a obtener las pro- juego, su promedio es justamente 3.5, que coincide en este caso
con el valor del juego.
babilidades p i , 132, cl y c2 que se señalaron en la figura 12.7
y en la ecuación 12.1. Conforme al esquema, las probabilida-
des pueden calcularse por las siguientes ecuaciones (Thie- Jugador II
rauf y Grosse, 1990):
Estrategias 1 2
=1X21— X221/D (12.2)
P2 = iXii — X121/D (12.3) 1 5 2
= 1X12 X22I/D (12.4) 4

2 3
C2 = 1X12 — X21 I/D (12.5)

Figura 12.8
donde cada numerador indica el valor absoluto de la dife-
rencia de dos pagos señalados como X en el juego. II
Por su parte D viene dada por el valor absoluto de la di- Método algebraico lc
ferencia entre las sumas de pagos de las diagonales de la ma-
triz respectiva, como lo señala la expresión siguiente: Este método es un poco más elaborado que el anterior,
pero también es útil para determinar las probabilidades de
D= 1(Xi1 + X22) (X12+ X21)1 (12.6) las estrategias de cada jugador p i , p2, c1 y c2, como se mues-
tra en la figura 12.7. Se parte del hecho de que la ganancia
Ejemplo 12.3. Determinar las probabilidades de las estra- que cada jugador espera por seleccionar su primera estra-
tegias de cada jugador y el valor del juego de la figura 12.8. tegia debe ser igual a su ganancia esperada por jugar su
segunda estrategia. Así, para el caso del jugador II, lo que
Solución: conforme a la ecuación 12.6, D será: éste espera ganar por su primera estrategia es p 1X11 +p2X21,
mientras que su ganancia esperada para su segunda estra-
D =1(5 + 4) — (3 + 2)1= 19 — 51= 4 tegia es p 1X12 +p2X22. Entonces, si se igualan ambas ganan-
cias, se tiene (Thierauf y Grosse, 1990):
Entonces las probabilidades de cada estrategia se obtienen
con las ecuaciones 12.2 a 12.5:
+P2X21 = P1X12 +P2X22 (12.7)
13 41 1
= 4 = 4 =0.25
-
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
Solución: la matriz de pagos es: Mejorar

calidad —10 —16
No hacer
(53 42) nada —20 —14
Lo que s e hará será calcular las probabilidades de cada es-

trategia mediante las ecuaciones 12.9, 12.10, 12.13 y 12.14, con Figura 12.9. Hilos potosinos.
lo cual se tendrá:
X22 — X21 4-3 1 donde los pagos son en millones de pesos anuales, que se han pues-
=x = = =0.25
11 — X12 — X21 -1- 4k22 5-2-3+4 4 to conforme a la notación convencional, es decir, que los números
positivos favorecen a Textiles M y los negativos a Hilos Potosinos.
X11 X21 5-2 3 ¿Cuáles serán el valor del juego y las probabilidades para cada
= = =0.25 estrategia de los jugadores?
92= X11 — X12 — X21 +X22 4 4
4 —2 . 2 . 0.50 Solución: este juego no tiene punto de silla de montar ni do-

= X22 X12 =
x11—X12—X21-1-X22 4 4 minios, por lo que se procede a aplicar la metodología de subjue-
gos, según la cual el juego de 3 x 2 se dividirá en tres subjuegos de
2 x 2, cada uno de los cuales se hará eliminando una estrategia
C2 =
X 11 —X21 = 5-3 = 2 =
= 0.50 de la compañía Textiles M, es decir, un renglón a la vez.
XII — X12 —X21 +X22 4 4 Primer subjuego, se elimina la primera estrategia de Textiles
M, de bajar los precios. Entonces el subjuego de 2 x 2 es:
Con esto se ve que se han obtenido los mismos resultados
que con el método aritmético utilizado en el ejemplo anterior,
—10 —16 m2
lo que siempre sucede así.
—20 —14 M3
hp i hp2
Método de subjuegos
donde las m son las probabilidades de las estrategias de Textiles
M y las hp las correspondientes para Hilos Potosinos. Si se resuel-
Este método es aplicable a juegos de 3 x 2, o de 2 x 3, ve el subjuego, se obtiene:
en los cuales el procedimiento de solución consiste en divi-
dir el juego en tres subjuegos de 2 x 2, cada uno de los cua- m1 = O
les se obtiene a partir del juego original, eliminando de éste
m2 = 0.5000
una de las tres estrategias cada vez, por parte de aquel ju-
m3 = 0.5000
gador que tenga las tres opciones. Entonces se evalúa cada
subjuego y se elige el que tenga el mejor valor para el juga- hp1 = 0.1667
dor con las tres estrategias, es decir, que se tomará el sub- hp2 = 0.8333
juego de valor máximo si el juego inicial es de 3 x 2 y el 171 = —15.0
subjuego de valor mínimo si el juego original es de 2 x 3
(Thierauf y Grosse, 1990). Segundo subjuego, se elimina la segunda estrategia de Texti-
les M, mejorar la calidad. Entonces el subjuego de 2 x 2 es:
Ejemplo 12.5. La empresa Hilos Potosinos busca ganar mer-
cado, para lo cual dispone de dos estrategias: disminuir los precios 40 —20 t 7h1
o mejorar la calidad de su proceso. Su competidor en el estado —20 —14 m3
es la compañía Textiles M, que cuenta con las dos mismas opcio-
nes estratégicas más una tercera, que es no hacer nada. hp1 hp2
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
• Al que va de 10 en B 1 a —2 en B2. Jugador B

• A2 que va de 5 en B1 a 3 en B2. B2 B,
B1
• A3 que va de 4 en B1 a 2 en B2.
• A4 que va de 3 en B1 a 6 en B2. Al X12 X„
En la gráfica del juego ya se ha señalado la zona factible de A2 X2n

< X22
solución por líneas diagonales y el vértice de solución se ha deno- x21
minado como V, para el que se lee un valor en cualesquiera de los -0

rt
ejes de 4.40, que es el valor del juego y corresponde a la intersec- on
ción de las líneas A l y A4.
También se puede observar que la línea A2 queda por enci-
ma de la A3, significando esto el dominio del segundo renglón so- Am xm , Xm2 xm ,
bre el tercero.
Si este ejemplo se hubiese resuelto por el método de subjue- juego de m x n.
Figura 12.12. Esquema de
gos, el subjuego determinante del valor del juego sería el de las
estrategias A l y A4 para el jugador A, situación que es visible en
la gráfica, por ser precisamente el punto V la intersección de las
lineas correspondientes a estas estrategias. Para el jugador A que buscará maximizar el valor del
juego V, se tiene el siguiente planteamiento:
B1 B2 X1 1A1 + X21A2 ± • • • + XmiAm > V

10 X12A1 X22A2 ± • • • ± Xm2Am > V (12.15)
10
•••
XinAi + X2,A2 + • • • + Xm2Am > V

donde:
Ai +A2 +•••+Am =1 (12.16)
En estas ecuaciones cada restricción se ha planteado

para la posibilidad de que el otro jugador, es decir el B, jue-
gue cada una de sus estrategias, de esta manera la primera
restricción aplica para el caso que el jugador B haya selec-
cionado su primera columna, la segunda restricción apli-
ca para el caso que la columna seleccionada hubiera sido
la segunda y así sucesivamente, hasta la última restricción.
— 2 Si en ambas ecuaciones se divide cada término entre
Figura 12.11. Método gráfico. V, se tendrá:
Xil al X2 1 a2 -I- • • • +Xmlam > 1

(12.17)
X12a1 X22a2 ± • • • ± Xm2am > 1
SOLUCIÓN DE JUEGOS POR
PROGRAMACIÓN LINEAL •••
Xinai X2na2 'Cuma. 1

Cuando un juego es de 3 x 3 o mayor, el método de so-
lución recomendado es el de la programación lineal, que
con la metodología símplex es eficaz para encontrar el va- ai +a2 + ••• +am =1 (12.18)
lor del juego y el de las estrategias de cada jugador (Thie- V
rauf y Grosse, 1990).
El juego se muestra en la figura 12.12. donde:
Este juego puede plantearse en dos formas: bajo el pun-
to de vista del jugador A, quien tratará de maximizar el valor —
Ai i=1,2,...,m (12.19)
del juego, o bien por el criterio del jugador B, quien buscará V
minimizarlo. Los dos planteamientos dan el valor del juego,
así como también las estrategias de cada jugador, lo que se Con esto puede establecer el problema como un caso
presenta a continuación. de programación lineal, siendo la función objetivo 11V, que
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:
B1 + B2 + ••• + Bn = 1 (12.22) donde los pagos se expresan como porcentajes.

¿Cuál será ante esta situación el porcentaje de aumento
que llegarán? ¿Qué estrategia utilizará cada parte negociadora?
Si en estas ecuaciones se divide entre V, se obtiene:
Solución: lo primero para este juego debe ser revisar la posi-
Xi b + Xi2b2 + • • • +Xinb„.. V bilidad de que haya punto de silla de montar o dominios, siendo
X21b1 X22b2 + • • • ± X2nbn negativa la respuesta para ambas preguntas; por tanto, al ser el
••• (12.23) juego de 3 x 3, se procede a resolverlo por medio de la programa-
••• ción lineal.
Xmi b + Xm2 b2 + + Xmnbn < V En este caso el jugador A es el sindicato, quien busca maximi-
zar el valor del juego, por lo que conforme a las ecuaciones 12.20
tier
1 y 12.17, aplicadas a la matriz del juego, se obtiene:
bi +b2 + ••• +bn .- (12.24)
V 1
MaxZ=— =ai +a2 +a3
donde: v
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
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.
,
Con este caso al solucionarse con el método símplex, se ob-

tienen los siguientes resultados: PROBLEMAS PROPUESTOS
vlw
b 1 = 0.0258621 12.1. Determinar si los juegos siguientes tienen punto de silla
b2 = 0.0359195 de montar:
b3 = 0.0057471
1/V = 0.0675287 4 6 —2
a) [ 5 —3 —4
arito con estos valores se obtienen las estrategias para el —3 2 —2
lo, las cuales serán:
6 —3 0
B1 = b1 V= (0.0258621)(14.81) = 0.3830 -2 5 1
B2= b2 V= (.0359195)(14.81) = 0.5319
b)
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.
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 .
Encontrar las probabilidades de cada estrategia para cada

fuerza y el resultado esperado.
12.4. Encontrar el valor de las estrategias de cada jugador y el 12.8. El Partido Democracia planea ganar las próximas eleccio-
del juego para el caso siguiente:
nes locales de diputados, para lo cual ha considerado la
B implantación de cuatro diferentes acciones: visitas a colo-
( 6 5 —3 —2 \ nias populares, visitas a centros comerciales, distribución
masiva de volantes y cartulinas así como anuncios en ra-
A 4 1 —4 —2 dio y televisión. Por su parte la oposición la representa el
—2 —3 5 0 Partido Nacionalista, que piensa trabajar fundamental-
3 2 —8 —10v mente en tres aspectos: propaganda masiva, discursos pu-
blicados en la prensa y dar apoyos económicos a las perso-
nas de bajos recursos. El balance aproximado de las posi- 12
12.5. Un jugador de la ruleta está considerando la posibilidad bles combinaciones de estrategias entre un partido y otro
de adoptar tres estrategias distintas para su próximo jue- se presentan en la siguiente matriz de resultados, expre-
go, consideradas como de alto, mediano y bajo riesgos. Por sada en miles de votantes:
otra parte, sabe que la casa de juego puede a su vez adop-
tar dos estrategias, la Ay la B. La matriz de pagos en dóla- Partido Nacionalista
res es la siguiente:
100 —20 0
Casa de juego —20 40 111
Partido Democracia 30 —50 10
A B —80 70 0
[-500 1000 12
Jugador —100 100
100 —200 Hallar las probabilidades de las estrategias para cada 1),[1
tido y el resultado esperado.
12.9. Seguros Europa tiene como competencia en la región a
¿Cuáles serán los valores de las estrategias de cada juga- Aseguradora Potosina, y para el año próximo piensa im-
dor y el resultado del juego? plantar tres estrategias encaminadas a ganar mercado en
12.6. El Sindicato Naranjero de la Zona Media está negociando
esta zona: bajar precios, aumentar coberturas y visitas per-
el aumento salarial correspondiente a la próxima revisión sonales a clientes. Por su parte la competencia ha consi-
contractual considerando tres posturas: alto incremento, derado dos acciones para contrarrestar esto: mejorar sus
incremento moderado y altas prestaciones, denotadas como servicios y aumentar la promoción. Las posibilidades de
A, B y C. Por su parte, la parte patronal considera tres es- ganancia de mercado entre una y otra firmas se expresan
trategias conocidas como M, N y O, de modo que se ha como porcentajes en la siguiente matriz:
191
Aseguradora Potosina 12.15. Hallar el valor del juego y de las estrategias de cada ju-
gador:
10 10)
Seguros Europa í_5 15
B
0 2
13 —10 10
¿Cuáles serán las probabilidades de que cada firma adop- A —10 15 —5
Ili■
te cada estrategia y el valor del juego? 8 12 —6
12.10. Hallar el valor de las estrategias de cada jugador y el del
lir juego para el caso siguiente: 12.16. Hallar el valor del juego y de las estrategias de cada ju-
gador:
B
8 —6
f 4 —3\ B
—5 4 —3 8 —9 10
A
—6 —3 5 7 A í —10
16 16 — 7
2 4 —3 —5, 9 14 — 7
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
12.13. Determinar el valor de las estrategias de cada jugador y

del juego para el siguiente caso: BIBLIOGRAFÍA
B Ackoff, R. L. y M. W. Sasieni, Fundamentos de investigación de
18 —10 4 —5" operaciones, Limusa, México, 1979.
A —15 14 —3 8 Bronson, R., Investigación de operaciones, McGraw-Hill, 1992.
Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
—12 —3 15 12
torna de decisiones, McGraw-Hill, 1992.
8 10 —11 —10v Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
Encontrar el valor del juego siguiente, así como las estra- Howard, N., "The Theory of Meta-Games", en General Systems,
tegias de cada jugador. vol. 11, 1966.
Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de In-
N vestigación de operaciones, Limusa, 1990.
( -6
6 —10 —2 Wikipedia, 2006, disponible en: <http://es.wikipedia.org/>.
M 5 —10 —8 2
7 —10 5 3
junto
te,
((ode g prU ¿b-aedag egle14 mtddnttee ui oantolasdoas°

sd(cshEeeG1ios,E
,11
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.
Si los sucesos son las llegadas de los clientes a un nego-

Tabla 13.1. Caracterización de una línea de cio, cuando el promedio de llegadas es de 10 client es por
espera respecto de los patrones de llegada y servicio. hora, entonces la probabilidad de que lleguen cuatro clien
Literal Significado tes por hora será conforme a la fórmula 13.2:
D Determinística
p(4; 10) = Exp( - 10) 104/4! = (4.54 x 10-5)(104)/24 = O 0189
M Distribución probabilística markoviana
Ek I Distribución de Erlang Esta distribución de probabilidad es discreta y u na re-
presentación gráfica de la misma se muestra en la figura
G General 13.2 para el caso de X = 2.
donde ladeterminística se aplica para aquellos casos en 0.3

que se conoce con toda precisión el tiempo de llegada de los
clientes o el tiempo de servicio; la distribución markovia-
na, llamada así en honor al matemático ruso Andrei Mar-
kov, se refiere a una distribución aleatoria de probabilidad 0.2
para definir el número de llegadas, para la cual con frecuen- Pro ba b ilidad
cia se usa la distribución de Poisson y para definir el tiempo
de servicio, los que se ajustan a la distribución exponencial ne-
gativa. Estas dos distribuciones de probabilidad se tratan 0. 1
más adelante en este mismo capítulo; la distribución de Er-
lang, por su parte, se utiliza aplicando la fórmula de Erlang,
y la distribución general se usa para cualquier otra situación
distinta a las anteriores.
En cuanto al número de servidores, que es el tercer pa-
0 2 3 4 5
rámetro en la notación de Kendall, sólo se especifica por un
número que corresponderá al de servidores del sistema. Sucesos (n)
El siguiente parámetro es la capacidad del sistema, que Figura 13.2. Gráfica de la distribución de probabil
en la mayoría de las ocasiones es infinita. de Poisson para X = 2.
El último parámetro se refiere a la disciplina de la línea
de espera, es decir, el orden de atención a los clientes, que
puede ser del tipo PEPS, primero en entrar y primero en Esta distribución es muy utilizada para represerd ar lle-
salir; o bien UEPS, último en entrar y primero en salir. De gadas aleatorias de clientes a un sistema de líneas de e spera,
estos dos tipos el más usual es el primero. y supone cuatro situaciones:
Es frecuente omitir en la notación de Kendall los dos úl-
timos parámetros, suponiéndose en estos casos que la capa- a) Las llegadas de los clientes son independientes en-
cidad del sistema es infinita y su disciplina del tipo PEPS. tre sí.
b) Las llegadas son independientes del estado del sis-
tema.
DISTRIBUCIÓN DE PROBABILIDAD c) Las llegadas son sucesos sin memoria, es decir, no
DE POISSON dependen de eventos anteriores.
d) Las llegadas sólo dependen del lapso de tiempo en-
La fórmula de esta distribución es la siguiente (Kauf- tre una y otra.
mann, 1970):
DISTRIBUCIÓN DE PROBABILIDAD
p(n; 1) = Exp( –X) —1 (13.2) EXPONENCIAL NEGATIVA
donde: Se utiliza cuando los tiempos de servicio son aleatorios

para una línea de espera cuyas llegadas se representan por
p(n; X.) = Probabilidad de que haya sucesos de una mues- una distribución de Poisson. Esta relación entre ambas dis-
tra cuyo promedio es tribuciones de probabilidad hace llamarlas distribuciones
195
duales (Hilliery Lieberman, 1991). La distribución exponen- COSTO DE UN SISTEMA
cial net lativa es, al igual que la anterior, para eventos sin me-
DE LÍNEAS DE ESPERA
moría. A diferencia de la distribución de Poisson, la exponen-
cial ne gativa es continua, siendo su ecuación la siguiente:
El costo de cualquier sistema de líneas de espera se
compone de dos partes: el costo de la espera, que en la gran
f (t) = ptExp(—µt) (13.3) mayoría de las ocasiones es muy difícil de ser cuantificado;
y el costo del servicio, que puede ser fácilmente obtenido
donde: por el departamento contable del negocio.
Ola La representación gráfica de estos costos se muestra en
f (t) = Valor de la función exponencial negativa. la figura 13.4, donde puede apreciarse que el costo de espe-
t = Tiempo de servicio. ra disminuye al aumentar la tasa de servicio, mientras que
= Tasa de servicio (inverso del tiempo promedio el costo del servicio aumenta de modo lineal (Gallagher y
de servicio). Watson, 1992).
En la figura se observa que el costo total mínimo, que
Si esta ecuación se integra entre los límites de tiempo define a su vez la tasa óptima de servicio, no ocurre en la
de cero a T, se obtiene la probabilidad de que el servicio intersección de los costos de espera y servicio.
sea dado en un lapso de tiempo menor o igual a T, que vie-
ne dada por la siguiente expresión:
Costo
p (t T) =- 1 — Exp(—pit) (13.4) Costo

total
Por tanto, la probabilidad de que el servicio se brinde

Costo de
en un tiempo mayor que T será el complemento de esta úl- servicio
tima probabilidad, es decir: Costo
total
p (t > mínimo
= 1 — p(t<_ T) = Exp(—Itt) (13.5)
Por ejemplo, para el caso de una tasa de servicio de
ocho clientes por hora, la probabilidad de que el tiempo de
servicio sea mayor de 6 min, es decir, 0.10 h, será conforme
a la ecuación 13.5: Costo de
espera
p(t> 0.10) = Exp[—(8)(0.10)] = 0.4493 Tasa óptima Tasa de servicio

Figura 13.4. Gráfica del costo de una I ínea de espera.
Una representación gráfica de esta distribución de pro-
babilidad se presenta en la figura 13.3 para el caso particu-
lar de pi = 4. En ella se ve cómo al aumentar el tiempo, la MODELOS DE LÍNEAS DE ESPERA
probabilidad disminuye exponencialmente, de ahí el nom-
bre de esta distribución. En esta sección se presentan algunos de los modelos
más usuales de líneas de espera, como el D/D/1, D/D/S,
M/M/1, M/M/S, M/G/1 y el M/D/1.
1.0
En todos estos modelos se requiere simularlos para ana-
0.8 lizar las características operativas de los mismos, corno el
i tiempo promedio de espera y de servicio que pasan los clien-
'15. 0.6 tes y la longitud promedio de la línea de espera.
0.2 Modelo D/D/1
En este modelo tanto el patrón de llegadas como el de

0.2 0.4 0.6 0.8 1.0 servicio se conocen exactamente y hay sólo un servidor. Este
Tiempo tipo de situaciones se presenta en raras ocasiones, como en
Figura 13.3. Gráfica de la distribución exponencial el caso de revisiones médicas de rutina, departamentos de
negativa para pi = 4. inspección de la calidad en las empresas y otros (Ackoff y
Sasieni, 1979).
196
Ejemplo 13.1. El departamento de exámenes médicos de un 10:40 P, Q, R, S, T, U
hospital cita a los pacientes cada 5 min comenzando a las 9:00 a. m.
para practicarles una revisión general, que tarda 7 min. Durante 10:45 Q, R, S, T, U, V
un lapso de 2 h de funcionamiento: 10:50 Q, R, S, T, U, V, W
10:52 R, S, T, U, V, W
a) ¿Cuál será el número promedio de pacientes en espera y
siendo atendidos? 10:55 R, S, T, U, V, W, X
b) ¿De qué tamaño será la línea de espera a las 2 h? 10:59 S, T, U, V, W, X
11:00 S, T, U, V, W, X, Y
Solución: lo que se hará será simular el sistema, que se pre-
senta en la tabla 13.2.
a) En la tabla 13.2 se observa que durante el lapso de las
Tabla 13.2. Simulación del caso del ejemplo 13.1. dos horas hay en todo momento un paciente en revisión. Sin em-
bargo, en la línea de espera hay minutos sin ningún paciente,
Hora Paciente en espera Paciente en revisión incluso algunos periodos de hasta siete pacientes, por tanto para
obtener el promedio se deben cuantificar los minutos de cero has-
9:00 A ta siete pacientes de las 9:00 a las 11:00 horas. Al efectuar esto
9:05 A se tendrá: E
9:07 B
• Cero pacientes: 5 + 3 + 1= 9 min.
9:10 B • Un paciente: 2 + 4 +5 + 4 + 2 =17 min.
9:14 C • Dos pacientes: 1 + 3 + 10 +3 + 1 = 18 min
C • Tres pacientes: 2 + 4 + 5 + 4 + 2 =17 min.
9:15
• Cuatro pacientes: 1 + 3 + 10 + 3 + 1 = 18 min.
9:20 D, E C • Cinco pacientes: 2 + 4 + 5 + 4 + 2 =17 min.
9:21 E D • Seis pacientes: 1 + 3 + 10 +3 + 1 = 18 min.
• Siete pacientes: 2 + 4 =6 min.
9:25 E, F D
9:28 F E Para explicar la forma como se obtuvieron estos va]
9:30 F, G E ilustra el caso paso a paso para un paciente. Ha habido un
te en los siguientes lapsos de tiempo:
9:35 G, H F
9:40 G, H, I F
Lapso de tiempo Paciente en espera Duración
9:42 H, I G
9:05-9:07 B 2
9:45 H, I, J G
9:10-9:14 C 4
9:49 I, J H
9:15-9:20 D 5
9:50 I, J, K H
9:21-9:25 E 4
9:55 I, J, K, L H
F 2
9:28-9:30
9:56 J, K, L Total 17
10:00 J, K, L, M
10:03 K, L, M J Lo que da por resultado los 17 min totales con un paciente en
espera. Para obtener el promedio de pacientes en espera, sólo se
10:05 K, L, M, N
aplica la siguiente fórmula:
10:10 L, M, N, O
10:15 L, M, N, O, P K 7;
10:17 M, N, O, P i=o
Xm — (13.
10:20 M, N, O, P, Q L
1,T;
10:24 N, O, P, Q M i=0
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
Ej emplo 13.2. La compañía transportista Fletes Potosinos Modelo D/D/S

manda a servicio de lavado lotes de cuatro camiones cada hora.
('idac amión requiere un tiempo de 15 min para su lavado. Hallar:
Es muy parecido al anterior, con la variante de que aho-
a) El número promedio de camiones en espera de lavado. ra hay varios servidores, cada uno de los cuales da el servicio
b) El número promedio de camiones en el sistema. a los clientes (Ackoff y Sasieni, 1979). Para su análisis pue-
c) El tiempo promedio que dura un camión en el sistema. de hacerse una simulación del sistema de la línea de espera,
como se ha hecho con el modelo anterior.
So lución: en la tabla 13.3 se presenta una simulación del sis-
tema d ? la línea de espera formada por los camiones, que en este Ejemplo 13.3. Al departamento de control de calidad de la
caso so : los clientes, el servicio es el lavado, que es realizado por empresa Envases Plásticos de Rioverde llegan cada hora cuatro
un solo servidor. lotes de envases para su inspección, que se realiza por parte de
dos encargados, cada uno de los cuales tarda 34 min en la revisión.
En un turno de ocho horas:
Tabla 13.3. Simulación del caso del ejemplo 13.2. a) ¿Cuántos lotes de envases en espera de ser revisados ha-
brá al final del mismo?
Tiempo, min Camiones en espera Camión en lavado b) ¿Cuál será el número promedio de lotes en la línea de es-
0:00 B, C, D pera a lo largo del turno?
1 5:00 C, D Solución: para contestar ambas preguntas lo primero que se
3 0:00 hará será simular la operación del sistema durante un turno, cuya
situación se presenta en la tabla 13.4.
4 5:00 D
6 0:00 F, G, H Tabla 13.4. Simulación del sistema de la línea de espera
de Envases Plásticos de Rioverde.
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:
4:00 Q, R, S, T O P (0)(56)+ (2)(200)+ (4)(182)+ (6)(42)

Xvi =
4:32 S, T R 56+200+182+42
5:00 S, T, U, V, W, R _ 400+728+252 1380
= =2.875 lotes promedio en espera
X 480 480
5:06 U, V, W, X T
Ejemplo 13.4. Al departamento conta ble de la compañía
5:40 W, X U Comercial y Abarrotes Potosinos llegan lote: de 20 pólizas cada
6:00 W, X, Y, Z, 30 min. Hay tres auxiliares contables, quienes tardan exactamen-
Al, Bl, te 4, 5 y 7 min respectivamente, para proce sar cada póliza. En
una tarde donde laboran una hora:
6:14 Y, Z,A1,B1
6:48 Al, Bl Y a) ¿Cuál será el número promedio de r ólizas en espera de
ser procesadas?
7:00 Al, Bl, Cl, b) ¿Cuántas pólizas habrá procesado ca( la auxiliar?
D1, El, Fl
7:22 Cl, D1, El, Al B1 Solución: lo primero será simular la line. a de espera durante
Fl, el tiempo de trabajo, es decir una hora. En la t abla 13.5 se presen-
ta este sistema.
7:56 El, Fl Cl D1
8:00 El, Fl, Gl, Cl D1
H1,11, Jl Tabla 13.5. Simulación del sistema d e la línea de
espera de Comercial y Abarrotes F otosinos.
Tiempo de Pólizas en Pólizas en pi °cesamiento

a) En la tabla 13.4 se observa que al final de las ocho horas
del turno habrá dos lotes de envases en espera de revisión: el El trabajo, h espera Auxiliar 1 Auxi liar 2 Auxiliar3
y el Fl, esto sin considerar los cuatro lotes que llegan justo en ese 0:00 4-20 1 2 3
momento. 0:04 5-20 4 2 3
b) Para obtener la respuesta a este inciso, en la tabla 13.4 se
aprecia que hay lapsos de cero, dos, cuatro y seis lotes de envases 0:05 6-20 4 5 3
en la línea de espera, los que deben cuantificarse. 0:07 7-20 4 5 6
Cero lotes:
0:08 8-20 7 5 6
0:10 9-20 7 8 6
Lapso de tiempo Lotes en espera Duración, mM
0:12 10-20 9 8 6
0:34-1:00 26 0:14 11-20 9 8 10
1:42-2:00 18 0:15 12-20 9 11 10
2:50-3:00 10 0:16 13-20 12 11 10
3:58-4:00 2 0:20 15-20 13 14 10
0:21 16-20 13 14 15
Tiempo con cero lotes = 26 + 18 + 10 + 2 =56 min 0:24 17-20 16 14 15
Procediendo de manera similar, para dos lotes en espera se 0:25 18-20 16 17 15
tiene: 0:28 20 18 17 19
Tiempo con dos lotes =34 + 34 +34 + 34 + 28 + 20 + 12 + 4 0:30 21-40 18 20 19
=200 min 0:32 22-40 21 19
199
0:35 24-40 21 22 23 0:44-0:45 12 1 12

0:36 25-40 24 22 23 0:45-0:48 11 3 33
0:40 27-40 25 26 23 0:48-0:49 10 1 10
0:42 28-40 25 26 27 0:49-0:50 9 1 9
0:44 29-40 28 26 27 0:50-0:52 8 2 16
0:45 30-40 28 29 27 0:52-0:55 7 3 21
0:48 31-40 30 29 27 0:55-0:56 6 6
0:49 32-40 30 29 31 0:56-1:00 4 4 16
0:50 33-40 30 32 31 Totales 60 642
0:52 34-40 33 32 31
0:55 35-40 33 34 31 Por tanto, el número promedio deberá calcularse mediante
0:56 37-40 35 34 36 la ecuación 13.6, en que el numerador será la sumatoria de los
valores de la cuarta columna de esta tabla y el denominador la
1:00 39-60 37 38 36 sumatoria de los tiempos dados en la tercera columna, entonces
se tendrá:
a) En la tabla 13.6, en la columna de la línea de espera, se
observa que hay lapsos de tiempo desde una póliza en espera has- Xm = 642/60 = 10.7 pólizas promedio en espera
ta lapsos de 20 pólizas, por ello se hace una nueva tabla para la
solución de este inciso: b) Este inciso se resuelve contando el número de pólizas pro-
cesadas por cada auxiliar.
Tabla 13.6. Tabla auxiliar para la obtención del número Auxiliar 1:

promedio de póliza en espera.
Pólizas procesadas = 1, 4, 7, 9, 12, 13, 16, 18, 21, 24,
Número de Producto del número 25, 28, 30, 33 y 35 =15
Lapso de pólizas en Tiempo de de pólizas por el
tiempo espera espera, min tiempo en espera Auxiliar 2:
0:00-0:04 17 4 68 Pólizas procesadas = 2, 5, 8, 11, 14, 17, 20, 22, 26, 29,
0:04-0:05 16 1 16 32 y34 =12
0:05-0:07 15 2 30
Auxiliar 3:
0:07-0:08 14 1 14
0:08-0:10 13 2 26 Pólizas procesadas = 3, 6, 10, 15, 19, 23, 27 y 31= 8
0:10-0:12 12 2 24 Estos resultados también podrían haberse obtenido dividien-
0:12-0:14 11 22 do el tiempo de trabajo, que es 60 min para este caso, entre el
0:14-0:15
tiempo que tarda cada auxiliar en procesar una póliza, lo que re-
10 10
sulta más sencillo para solucionar este inciso, es decir:
0:15-0:16 1 9
0:16-0:20 8 4 Auxiliar 1:
32
0:20-0:21 1 6 60 min
Pólizas procesadas = =15 pólizas
0:21-0:24 5 3 15 4 min/póliza
0:24-0:25 4 1 4
Auxiliar 2:
0:25-0:28 3 3 9
0:28-0:30 1 2 min
2 Pólizas procesadas = 60 =12 pólizas
5 min/póliza
0:30- 0:32 20 2 40
0:32-0:35 19 3 57 Auxiliar 3:
0:35-0:36 17 1 17
0:36-0:40 16 64
Pólizas procesadas = 60 min= 8.57 pólizas
7 min/póliza
0:40-0:42 14 2 28
0:42-0:44
Esto significa que el auxiliar 3 está por terminar de procesar
13 26
la novena póliza al momento de completarse los 60 min.
200
Modelo M/M/1 = Tiempo promedio que dura un cliente en el siste-
ma (es la suma del tiempo promedio de espera
Este modelo se aplica a sistemas de líneas de espera más el de servicio).
cuyas llegadas siguen una distribución de probabilidad de wq = Tiempo promedio de espera de los clientes.
Poisson; sus tiempos de servicio se representan por medio pt = Probabilidad de que un cliente permanezca tuni-
de la distribución exponencial negativa; tiene un solo servi- dades de tiempo en el sistema.
dor, la capacidad del sistema es infinita y la disciplina de la pq, = Probabilidad de que un cliente permanezca t uni-
línea es del tipo PEPS (Bronson, 1992). dades de tiempo en la línea de espera.
Para este tipo de modelos es usual aplicar la metodolo-
gía de la simulación, que se estudiará a fondo en el capítu- En estos sistemas para que haya estabilidad ? deberá
lo 17 para el análisis de estos sistemas. Para describir sus ser menor que pi, ya que si fuese mayor, la longitud de la lí-
características, se utilizan las fórmulas siguientes: nea de espera se volvería muy grande con el paso del tiempo.
Un aspecto interesante de este modelo es analizar la
sensibilidad de los parámetros del sistema ante variaciones
p= (13.7) en la tasa de servicio, lo que puede estudiarse de manera
adecuada mediante la simulación, tema que se tratará en el
último capítulo.
Po — 1 — p (13.8)
Ejemplo 13.5. El señor José Pérez es el propietario del Mini-
Pn = Po Pn (13.9) súper de Rioverde y desea saber las características de la fila que
se hace en la única caja de que dispone su negocio. Su hijo José
L= (13.10) Antonio, quien estudia su carrera profesional, le ha dicho que él
1 p
– puede solucionarle su problema, ya que ha cursado la materia de
investigación de operaciones donde estudió las lineas de espe-
ra. José Antonio ha hecho observaciones sobre el sistema de la 11-
L = L – p = P2 (13.11) nea de espera del establecimiento, llegando a la conclusión de que
1–p puede describirlo mediante el modelo M/M/1, con una tasa pro-
medio de llegadas de nueve clientes por hora y una tasa prome-
L dio de servicio de 12 clientes por hora. En esta situación:
w (13.12)
a) ¿Cuáles serán las características de la línea de espera?
Lq b) ¿Cuál sería la probabilidad de que un cliente permanezca
wq = (13.13) 10 min en espera?
X c) ¿Cuál sería la probabilidad de que un cliente permanezca
30 min en el sistema?
1 d) ¿Cómo cambiarían estos parámetros si se modificara la
1/7 = w + — (13.14) tasa de servicio?
p, = Exp(–t/w) (13.15) Solución:
Pqt = pExp(—t/w) (13.16) a) Para este caso X es 9 clientes/h y t es 12 clientes/h, por

tanto al calcular las características de la línea de espera median-
te las fórmulas dadas por las ecuaciones 13.7 a 13.16, se tiene:
donde:
p = Factor de utilización del sistema o probabilidad 9

P= = 0.75
I
de que el sistema esté ocupado. 12

= Tasa de llegadas de clientes, clientes/unidad de
tiempo. El sistema está ocupado en promedio 75 % del tiempo.
= Tasa de servicio, clientes atendidos/unidad de
tiempo. P0 =1 –p= 0.25
Po = Probabilidad de que el sistema esté vacío.
Pi, = Probabilidad de que el sistema esté ocupado por La probabilidad de que no haya ningún cliente en el n
n clientes. es de 25 %.
L = Número promedio de clientes en el sistema, ya
sea esperando o siendo atendidos. L=
p
=
0.75 =
3
Lq = Número promedio de clientes en la línea de es- 1–p 1-0.75
pera.
~~
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:
pt = Exp(-t/w) = Exp(-30/20) = 0.223

p= (13.17)
Spt
Por tanto, la probabilidad es de 22.3 %.
d) Para cambios en pi, lo que se tiene que hacer es volver a Por su parte la probabilidad de que el sistema esté va-
estimar los valores de p, P., L, Lq, w y wqmediante las mismas cío P0, será:
fórmulas. En la tabla 13.7 se presentan estos resultados para va-
lores distintos de que van desde 15 hasta 10. 1
Po =
(sP)n (PS)S P (13.18)
Tabla 13.7. Sensibilidad del sistema de la línea de espera n! S!( 1- p)
del Minisúper de Rioverde.
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:
L = L,+ p =1.744 + 0.80 = 2.544 clientes LÍNEA DE ESPERA DE

COSTO MÍNIMO
Po r su parte los tiempos promedio de espera w q, y total en la
peluqu ería w, que pasan los clientes serán: Cuando en un sistema de líneas de espera se conoce el
costo de la espera, es posible minimizar el costo total, que
= 1.744 = 0.436 h =26.16 min en espera
L, estará integrado por el costo de la espera más el del servicio
1 1'
4 a los clientes, buscando con esto optimizar las operaciones
de la empresa, o sea, encontrar la tasa óptima de servicio
- L= 2.544 =0.636 h =38.16 min en la peluquería para la cual se minimiza el costo total del sistema (Davis y
4
McKeown, 1986).
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 pase 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
Costo por demoras = 800L $/día

En la tabla 13.8 se observa que el costo mínimo ocurre para
donde L es el número de camiones en el sistema dado por la ecua- una N de 5, por tanto este será el número óptimo de estibadores
ción 13.25. que hay que manejar.
La metodología de solución del caso consiste en dar diferen-
tes valores a N, de 3 en adelante, y estimar para cada uno de ellos Ejemplo 13.10. Un negocio de materiales de construcción
di
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:
Costo de renta = 5000 N $/día 50 000

ro 40 000
N es el número de montacargas rentados. Por su parte, 7v será 30 000
igual a 20/N para cada montacargas, y la tasa de servicio total o
•■-■ 20 000
será de 6N, puesto que cada montacargas puede descargar seis
camiones en un día laboral. 10 000
Por su parte, el costo de demoras será: ■
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?
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
(Vientes/h 5 6 9 Total 120

?_10
Frecuencia 4 10 18 18 11 9
El amigo del zapatero le ha indicado que las llegadas si-
guen una distribución de probabilidad de Poisson y los
tiempos de servicio obedecen la curva normal, ante esto:
Por su parte, los tiempos de servicio se han dado con las
siguientes frecuencias: a) ¿Cuál será el número promedio de clientes en espera y
en el taller?
b) ¿Cuál será el tiempo promedio de espera y en el nego-
Tiempo, min t 20 1 22 24 26 cio de cada cliente?
Frecuencia 15 3 13.14. Si para el problema anterior el tiempo promedio de servi-
cio fuese el mismo valor, pero ahora determinístico, ¿cuá-
les serían las respuestas a las mismas preguntas?
Si el servicio lo proporcionan cuatro servidores, determi- 13.15. El señor Luis Aguilar tiene una flotilla de cuatro camiones
nar el número promedio de clientes en espera y en la ofi- fleteros a los que da un examen general y servicio en su
cina, así como los tiempos promedio en la oficina y espe- propio taller después de cada viaje que realizan, con obje-
rando en la fila, si: to de minimizar fallas, ya que ha firmado un atractivo con-
trato de fletamiento con una firma que manufactura pro-
a) Los cuatro servidores funcionan en paralelo (cada uno ductos del campo. El señor Aguilar ha estimado que cada
con su propia fila). día que pasa un camión en el taller le ocasiona un costo de
b) Los cuatro servidores trabajan con una sola línea de $ 1200. En el taller cuenta con cuatro mecánicos, quienes
espera (unilinea). dan entre todos el servicio a cada camión que llega y tra-
bajan un turno diario de 8 h, en promedio tardan 3 h para
13.13. El taller de reparación de calzado Oscarito dispone de un darle el servicio requerido a cada camión y ganan $300 dia-
registro de sus llegadas de clientes; ya que su propietario rios cada uno. Si los camiones llegan al taller con una dis-
Firr es amigo de un estudiante universitario que lo ha orien- tribución media de Poisson de uno por día y los tiempos
tado al respecto, sus estadísticas son las siguientes: de servicio se distribuyen en forma exponencial, ¿cuál
será el número óptimo de mecánicos que hay que em-
plear con el fin de minimizar el costo total por concepto de
demoras y sueldos, y cuál será el monto de éste? Supónga-
Llegada de Frecuencia se que los camiones se forman en una sola línea de espera.
clientes por hora observada 13.16. Si para el caso del problema anterior, el sistema fuese
0 4 M/M/1, ¿cuál sería el número óptimo de mecánicos que
hay que emplear y el costo total? Explíquese la diferen-
1 12 cia en costo.
13.17. Un negocio de materiales está buscando determinar el nú-
2 18
mero óptimo de montacargas que debe rentar para reali-
3 18 zar las maniobras de descarga de los camiones que llegan
con materiales, los cuales tienen un patrón de llegadas pro-
4 13 babilística con un promedio de 20 camiones por día. La
5 o más 15 descarga la hacen con montacargas, cada uno de los cuales
tiene un costo por su renta con todo y operador de $3500
Total 80 diarios y tardan en promedio 1 h para hacer la descarga,
con una desviación estándar de 12 min. Si el negocio tra-
baja 8 h diarias y la espera que ocasione a cada camión le
Por otra parte, el zapatero también tiene registros de sus cuesta por la demora $ 2000 diarios, ¿cuál será el número
tiempos de servicio, los cuales son: óptimo de montacargas que se debe arrendar para mini-
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-
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.
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.
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
Tabla 14.1. Participaciones de mercado de las aguas B 0.25 0.45 0.30

de botellón en Rioverde. C 0.30 0.15 0.55
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:
Periodo O Periodo 1 Periodo 2

p(C, 2/B, 0) = (0.25)(0.20) + (0.45)(0.30) + (0.30)(0.55)
= 0.050 + 0.135 + 0.165 = 0.350
0.50
Como se observa, cada una de estas probabilidades se ha
0.30 calculado mediante la suma de tres opciones que el cliente tie-
0.20 ne de hallarse en el periodo 2 en un estado dado cualquiera.
En general, la matriz de transición se representa me-
diante la fórmula siguiente:
Pll P12 • •• Pln

P21 P22 • • P2n
0.25 P= (14.1)
0.45 0.45
0.30 Pnl Pn2 • •• Pnn
o 0.30 donde el primer subíndice indica el renglón, y el segundo

a subíndice, la columna de cada elemento, habiendo n ren-
glones y columnas.
a A Además, debe cumplir con que la sumatoria de los ele-
is 0.30 mentos de cada renglón sea la unidad, o sea:
1- 0.15
0.55 Pll + P12 + • •• + Pln = 1 (14.2)

)s
Veamos un ejemplo para ilustrar la forma de obtener la
matriz de transición.
- Figura 14.2. Diagrama de árbol para la matriz de
u Ejemplo 14.1. Obtener la matriz de transición para el caso base.
transición.
u
Solución: para resolver este problema se debe utilizar la infor-
En este diagrama se observa que el cliente en el perio- mación de las encuestas, que se halla resumida en la tabla de la
encuesta, denotando cada marca por su letra inicial.
1- do O se encuentra en el estado B y conforme a la matriz de Así, para la marca Aqualite se encuestaron 30 clientes, de los
transición tiene para el siguiente periodo la probabilidad cuales 21 son leales a la marca, por tanto:
de 0.25 de pasar a A, 0.45 de permanecer en B y de 0.30 de
ir a C. Ahora bien, si el cliente en el periodo 1 se halla en 21
un estado dado tendrá las probabilidades de ir a otro estado pAA = =0.70
30
para el periodo 2, conforme a la matriz de transición, como
se indica en el diagrama anterior. Por su parte, los nueve clientes restantes cambiarán de mar-
En el diagrama también se han señalado las probabili- ca, de ellos tres se irán a Brissa, cuatro a Perlita y dos a Hialina;
dades de que el cliente se encuentre en un estado cualquie- con esto se tendrá:
ra en el periodo 2, que serán probabilidades condicionales 3
que deben calcularse como se describe enseguida. PAB = — =0.10
30
Probabilidad condicional de que el cliente esté en A en
el periodo 2, dado que estaba en B en el periodo 0: 4
pAp = — = 0.1333
30
p(A, 2/B, 0) = (0.25)(0.50) + (0.45)(0.25) + (0.30)(0.30) 2
= — = 0.0667
= 0.125 + 0.1125 + 0.090 = 0.3275 0
212 CAP. 14. ANÁLISIS DE MARISOV
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
3 Una vez que se tiene la matriz de transición, que debe

BA = - =0.075
Pan 40 obtenerse mediante información de la cadena markoviana,
4 como se expuso en el inciso anterior, como no es posible deri-
pBp = = 0.10 varla matemáticamente, entonces será posible obtener la si-
40
tuación del sistema para uno o varios periodos posteriores.
pBH = = 0.025 Para ello se utilizan las ecuaciones de Chapman-Kolmogorov
40 (Hillier y Lieberman, 1991), cuya fórmula general es:
Por su parte, para la marca Perlita se encuestaron 50 clien-
Q(m) = Q(0)Pm (14.3)
tes, de los cuales 38 serán fieles a la marca, es decir:
38 donde:
ppp = - =0.76
50 Q(m) = Vector de condiciones del sistema para el pe-
riodo m.
De los 12 clientes que están dispuestos a cambiar de marca,
cuatro se irían a Aqualite, seis a Brissa y dos a Hialina, por tanto, Q(0) = Vector de condiciones para el periodo inicial. ci
se tiene: m = Número de periodos transcurridos.
P = Matriz de transición.
ppA±.=
= 0.08 Aquí se recurre a la multiplicación matricial, ya que
50
6
tanto el vector Q(m) como el 0(0) son de 1 x n, es decir, un
ppB = 0.12 renglón y n columnas, donde n será el número de estados
50 de la cadena, mientras que la matriz P será de n x n, y se
2 cumple con las reglas de la multiplicación matricial (Izar
ppH = =0.04
50 Landeta, 1996), que señalan que el número de columnas
de la primera matriz es igual al número de renglones de la
Por último, para Hialina, 18 de los 30 clientes encuestados segunda. Así, para obtener Q(1), el vector de condiciones
seguirán con esta marca, por lo que su retención es: después de un periodo, se tiene:
18
=-0=0.60
pHH Q(1)= Q(0)P (14.4)
Por su parte, para hallar Q(2), el vector de condiciones

De los 12 clientes que desean cambiar de marca, cuatro de- después de dos periodos, se tendrá:
sean a Aqualite, tres a Brissa y cinco a Perlita, y con esto se tiene:
Q(2)= Q(0)P 2 (14.
pHA = '=0.1333
30 Pero, también se cumple la siguiente igualdad:
3
puB = 0.10 Q(2) = Q(1)P (14.6)
30
pHp = -5- 0.1667 De donde se observa que con las nuevas condiciones
30 obtenidas para el primer periodo, Q(1), es posible obtener
las del segundo periodo, Q(2). Esto se ilustrará con la apli-
Al reunir estas probabilidades en la matriz, ésta queda de la
cación de esta metodología al caso base.
manera siguiente:
Ejemplo 14.2. Hallar las participaciones de mercado de las
'0.70 0.10 0.1333 0.0667\ diferentes marcas del caso base:
0.075 0.80 0.10 0.025
P= a) Para el periodo 1. es
0.08 0.12 0.76 0.04
b) Para el periodo 2.
0.1333 0.10 0.1667 0.60 c) Para otros periodos subsecuentes.
213
o Solución: para el caso base las participaciones de mercado
e constituyen el vector de condiciones de la cadena de Markov,
Q(2)=(0.20733 0.30072 0.32343 0.16 852)
a sie ndo las iniciales (del periodo 0) las siguientes: 0.70 0.10 0.1333 0.0667\
Q(0) = (0.188 0.278 0.306 0.228) 0.075 0.80 0.10 0.025
0.08 0.12 0.76 0.04
Medi ante la ecuación 14.4 puede resolverse el inciso a para 0.1333 0.10 0.1667 0.60 j
obtener la s participaciones del primer periodo:
La cual al resolverse dará:
e a) Q(1) = Q(0)P
1, • Elemento del primer renglón y la primera columna:
Si se sustituyen Q(0) y P, que se obtuvo al solucionar el ejem-
nlo 14.1,s e tiene:
q(2)11= (0.20733)(0.70) + (0.30072)(0.075)
s. + (0.32343)(0.08) + (0.16852)(0.1333) = 0.14531
Q(1)= (0.188 0.278 0.306 0.228)
+ 0.022554 + 0.025874 + 0.022469 = 0.21603
0.70 0.10 0.1333 0.0667\
• Elemento del primer renglón y la segunda columna:
1 ) 0.075 0.80 0.10 0.025
0.08 0.12 0.76 0.04 q(2) 12 = (0.20733)(0.10) + (0.30072)(0.80)
0.1333 0.10 0.1667 0.60 j + (0.32343)(0.12) + (0.16852)(0.10) = 0.020733
+ 0.240576 + 0.038812 + 0.0168512 = 0.31697
Por t tino, conforme a las reglas de la multiplicación matri-
• Elemento del primer renglón y la tercera columna:
1. °al, para el vector Q(1) se tendrá:
q(2) 13 = (0.20733)(0.1333) + (0.30072)(0.10)
• Elemento del primer renglón y la primera columna:
+ (0.32343)(0.76) + (0.16852)(0.1667)
[e q(1 )11= (0.188)(0.70) + (0.278)(0.075) + (0.306)(0.08) = 0.027644 + 0.030072 + 0.245807 + 0.028087
n + (0.228)(0.1333) = 0.1316 + 0.02085 = 0.33161
+ 0.02448 + 0.0304 = 0.20733
• Elemento del primer renglón y la cuarta columna:
;e
11. • Elemento del primer renglón y la segunda columna: q(2) 14 = (0.20733)(0.0667) + (0.30072)(0.025)
is
q (1 )12 = (0.188)(0.10) + (0.278)(0.80) + (0.306)(0.12) + (0.32343)(0.04) + (0.16852)(0.60) = 0.013822
Ea
?s + (0.228)(0.10) = 0.0188 + 0.2224 + 0.03672 + 0.007518 + 0.012937 + 0.101112 = 0.13539
+ 0.0228 = 0.30072 Por tanto, al final del segundo periodo las participaciones de
mercado serán:
1) • Elemento del primer renglón y la tercera columna:
Q(2) = (0.21603 0.31697 0.33161 0.13539)
q(1 )13 = (0.188)(0.1333) + (0.278)(0.10) + (0.306)(0.76)
+ (0.228)(0.1667) = 0.025067 + 0.0278 c) Para este inciso se pueden obtener las participaciones de
+ 0.23256 + 0.0380 = 0.32343 mercado para periodos posteriores mediante la ecuación 14.3, o
í) bien la siguiente, que es equivalente:
• Elemento del primer renglón y la cuarta columna:
Q(m) = Q(m - 1)P (14.7)
q(1 )14= (0.188)(0.0667) + (0.278)(0.025) + (0.306)(0.04)
5) Los resultados para los periodos O a 7 se sintetizan en la ta-
+ (0.228)(0.60) = 0.012533 + 0.00695 + 0.01224 bla 14.3.
?s + 0.1368 = 0.16852
?r
Por tanto Q(1) es: Tabla 14.3. Participaciones de mercado de las marcas
para los periodos O a 7.
Q(1) = (0.20733 0.30072 0.32343 0.16852)
Periodo Aqualite Brissa Perlita Hialina
as
b) Ahora por medio de la ecuación 14.6 se pueden obtener 0 0.1880 0.2780 0.3060 0.2280
las particip aciones del mercado para el final del segundo periodo, 1 0.20733 0.30072 0.32343 0.16852
es decir:
2 0.21603 0.31697 0.33161 0.13539
Q(2) = Q(1)P 0.2196 0.3285 0.3351 0.1168
214
Tabla 14.3. (Continuación.) Por su parte, para el segundo elemento de Q(m), que s
Hialina
obtendrá al multiplicar el primer renglón de Q(m —1) por la
Periodo Aqualite Brissa Perlita
segunda columna de P, se tendrá:
4 0.2207 0.3367 0.3363 0.1063
5 0.2208 0.3424 0.3364 0.1004 e2 = Pizei ±P22e2 + • • • ±Pn2en (14.11)
6 0.2205 0.3464 0.3361 0.0970
De manera similar se procede para el n-ésimo elemen-
0.2202 0.3492 0.3356 0.0950 to, para obtener:
en = Plnel ±P2ne2 + • • • +Pnnen (14.12)

donde se observa que las participaciones de mercado cambian
más en los primeros periodos que en los subsecuentes, para los
que puede apreciarse que los cambios son menores. Esto da una Con esto se habrá generado un sistema de n ecuaciones
idea de que el sistema se ha movido a un punto quizá cercano al algebraicas lineales con igual número de incógnitas, las que
estado estable. son e l , e2, ..., en, sólo que estas n ecuaciones no son todas
independientes, por lo que se debe incorporar una ecua-
ción más, que es justamente la de la sumatoria de las par-
CONDICIONES DEL ESTADO ESTABLE ticipaciones de mercado en el estado estable, que debe ser
igual a la unidad, es decir:
Al resolver el inciso c del ejemplo anterior se vio que la
cadena markoviana formada por las marcas vendedoras de ei +e2 +•••+en =1 (14.13)
agua de garrafón se ha acercado al estado estable. De hecho
una manera posible, aunque no la más eficiente, para obte- Con esto el sistema ya tiene el mismo número de ecua-
ner las condiciones del sistema para el estado estable es re- ciones independientes que de incógnitas y puede solucionar-
petir iterativamente los cálculos hechos para los primeros se mediante algún método apropiado, como el Gauss Jordan
periodos hasta que ya no haya cambios en las participacio- o cualquier otro, para resolver ecuaciones lineales simultá-
nes de mercado de las diferentes marcas. neas (Izar Landeta, 1998).
Otra forma de lograr esto es mediante la metodología Es importante aclarar que si se analiza el sistema gene-
siguiente (Thierauf y Grosse, 1990). Lo primero será reto- rado de n ecuaciones con n incógnitas, se observará que las
rnar la ecuación 14.7, que es: participaciones de mercado iniciales no intervienen para
nada. Esto significa que las condiciones de estado estable
Q(m)= Q(m — 1)P dependen sólo de la matriz de transición y no de las condi-
ciones iniciales, lo cual quiere decir que quien quiera ganar
donde: participación de mercado deberá contar con la lealtad del
cliente y no con una elevada participación inicial.
Q(m)= (ei e2 e3 en) (14.8)
Ejemplo 14.3. Obtener para el caso base las participaciones
siendo: de mercado en el estado estable.
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
el = Pnei +/321e2 -1- P31e3+ P4ie4

Q(m) = Q(m — 1) = (e 1 e2 e3 en) (14.9)
e
e2=P12e1 P22e2 P32e3 P42e4
Ya que no habrá cambios entre el vector Q(m — 1) y el e3 = pmei + p23e2 p33e3 1343e4
c
del siguiente periodo, Q(m). e4=Pi4ei p24e2 P34e3 p44e4 y
Por su parte, la matriz de transición P viene dada por la si
ecuación 14.1. Sólo que de estas cuatro ecuaciones sólo tres son indepen-
dientes, por lo que la ecuación faltante será la de la sumatoria de Y'
Si se observa la manera como se lleva a cabo la multi-
plicación matricial conforme a la ecuación 14.7, se multipli- participaciones de mercado, según la ecuación 14.13:
ca el primer renglón de Q(m — 1) por la primera columna de
e1 + e2 + e3 + e4 = 1
P para obtener el primer elemento de Q(m), el cual será e1 ,
es decir: Ahora, con el sistema de ecuaciones completo se procede a
sustituir las probabilidades de transición de la matriz respectiva,
el — Pi lel P21e2 4- • +Pnlen (14.10) para obtener: lt
tf
215
= 0.70e1 + 0.075e2 0.08e3 + 0.1333e4 mal que ha sido descrita en los incisos anteriores. La meto-
e2 = 0.10e 1 + 0.80e2 + 0.12e3 + 0.10e 4 dología para obtener la matriz fundamental, que se denotará
e3 = 0.1333e 1 + 0.10e2 + 0.76e3 + 0.1667e4 como R, es la siguiente (Davis y McKeown, 1986):
e4 = 0.0667e 1 + 0.025e2 + 0.04e3 + 0.60e4
e1 + e2 + e3 + = 1 1. Obtener la matriz de transición P en la forma usual,
incluyendo los estados absorbentes.
De aquí deben tomarse cuatro ecuaciones, de las cuales una 2. Eliminar de la matriz P los renglones correspondien-
debe se r necesariamente la última y las otras tres pueden selec- tes a los estados absorbentes.
cionarse arbitrariamente. Si se toman las tres primeras, luego de 3. De lo que ha quedado de P en el paso anterior, di-
reacomodarse e igualarse a 0, quedan de la forma siguiente: vidirlo en dos partes: S, que será la parte no absor-
bente respectiva (se incluirán aquí las columnas no
-0.30e1 + 0.075e2 + 0.08e3 + 0.1333e4 = 0
absorbentes), y T, que llevará las columnas absor-
0.10e1 - 0.20e2 + 0.12e3 + 0.10e4 = O bentes.
0.1333e 1 + 0.10e2 - 0.24e3 + 0.1667e4 = O 4. Obtener la matriz Umediante la siguiente fórmula:
e1 + e2 + e3 + e4 = 1
U= I - S (14.14)
Este sistema ya puede solucionarse por cualquier método que
sea adecuado, como el Gauss Jordan, con el que se obtiene la si-
guiente solución: Siendo /la matriz identidad del mismo orden que S.
5. Por último, se obtiene la matriz fundamental R, por
el = 0.2188 medio de la ecuación siguiente:
nim e2 = 0.3556
e3 = 0.3336 R= U-1 (14.15)
e4 = 0.0920
donde R es la matriz inversa de U, que puede obtenerse por
Est DS resultados, junto con las participaciones de mercado de medio de alguno de los métodos de inversión de matrices
las marcas para los periodos O y 7, se presentan en la tabla 14.4. conocidos (Izar Landeta, 1998).
Esta matriz R es de suma utilidad para aquellos casos
Tabla 14.4. Resultados del caso base. donde existen estados absorbentes, ya que cada elemento
de la misma da información sobre la situación del sistema,
Diferencia del
Part. mercado, Part. mercado, Part. mercado, ; estado estable lo que quedará claro al resolver el ejemplo 14.4.
Marca periodo O periodo 7 estado estable y periodo 0, % Otra matriz que es muy útil en estos casos es la matriz
Aqualite 0.1880 0.2202 0.2188 +3.08
de proporciones denominada W, que puede obtenerse con
facilidad mediante la siguiente expresión:
Brissa 0.2780 0.3492 0.3556 +7.76
Perlita 0.3060 0.3356 0.3336 +2.76 W=RT (14.16)
Hialina 0.2280 0.0950 0.0920 -13.60
La matriz Wda las proporciones de cuáles y cuántos de
Se han incluido las participaciones del periodo 7 con el fin de los estados no absorbentes llegarán a uno de los estados ab-
compararlas con el estado estable, para señalar que ya no hay un sorbentes.
cambio s ignificativo en ellas, por lo que en el periodo 7 el sistema
se encuentra cerca del equilibrio. Ejemplo 14.4. La escuela secundaria Francisco I. Madero
También, en la última columna se presentan las diferencias está haciendo un estudio de su población estudiantil p'On el fin de
porcentuales entre las participaciones de mercado de las marcas planear mejor sus actividades futuras. De los tres grados que hay,
entre el periodo O y las del estado estable, con lo que es notorio se han recabado las siguientes estadísticas durante el último ci-
que la marca Hialina perderá sin duda la mayor parte de su mer- clo escolar (tabla 14.5):
cado en caso de no efectuar alguna medida de mercadotecnia con-
veniente con el fin de cambiar el rumbo de estas tendencias. Por
su parte, las otras marcas ganan mercado, siendo Brissa la de ma- Tabla 14.5. Estadísticas de la Escuela Francisco I. Madero
yor ganancia. durante el último ciclo escolar.
Núm. de Alumnos Alumnos Alumnos que

Grado alumnos aprobados reprobados se retiraron
OBTENCIÓN Y APLICACIONES
DE LA MATRIZ FUNDAMENTAL Primero 600 534 42 24
Segundo 520 481 26 13
La matriz fundamental es muy útil para el análisis y so- Tercero 500 445 30 25
lución de situaciones en las que aparecen estados absorben-
tes, ya que estos casos no pueden manejarse en la forma nor- Total 1620 1460 98 62
216
Todos los alumnos que aprobaron el tercer año obtuvieron su 1 0 01 0.07 0.89 0
graduación del nivel de educación secundaria.
Si para el siguiente ciclo escolar la escuela tiene 1200 solici- U=/-S=í0 1 0- 0 0.05 0.925
tudes de alumnos de nuevo ingreso, de los cuales un promedio de 001 0 0 0.06
80 % aprueba el examen de admisión, ¿qué debe hacer la admi-
nistración escolar para los años venideros? [0.93 -0.89 0
U= 0 0.95 -0.925
Solución: lo primero será obtener la matriz de transición P 0 0 0.94
para este caso, que constará de cinco estados, que serán uno por
cada grado escolar, otro por los que abandonan la escuela y otro
más por los que se gradúan. Por último, conforme al quinto paso, se obtendrá 1
Para los alumnos del primer grado escolar, que son 600, habrá fundamental R, mediante la ecuación 14.15:
una fracción de 534/600 = 0.89, que pasan al segundo grado; per- ii
manecen en el primer grado los reprobados, es decir, 42/600 = 0.07; 0.93 -0.89 0
mientras.que los restantes son alumnos que se retiran, es decir, R=U-1 = í0 0.95 -0.925
24/600 = 0.04. 2
De los'alumnos del segundo grado, pasan al tercero una propor- 0 0 0.94

ción de 481/520 = 0.925; permanecen en segundo año 26/520 = 0.05,
y se retiran 13/520 = 0.025. De esta matriz Use obtiene su inversa por me& nieto
De los alumnos del tercer grado se gradúan los que resultan de Gauss Jordan para obtener:
aprobados, es decir, una fracción de 445/500 = 0.89; permanecen
en el tercer año los reprobados, 30/500 = 0.06, y los que se retiran 1.0753 1.0074 0.9913
son 25/500 = 0.05.
Por su parte, para los estados de los que se gradúan y los que R =[1:) 1.0526 1.0358 I.
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
donde: Siendo ésta la tercera ecuación, por tanto, ya se tiene todo el

sistema de ecuaciones formado, y al ordenarlas quedan de la si-
fu = Tiempo de regreso para salir de i y volver ahí guiente forma:
mismo.
e, = Probabilidad del estado de i en condiciones de 0.30fAB - 0.1333 fpB - 0.0667fHB = 1
estado estable. - 0.08fAB + 0.24 fp B - 0.04 fHB = 1
- 0.1333 fAB - 0.1667 fpB + 0.40 fHB =1
Ejemplo 14.6. Obtener los tiempos de transición y de regre-
so para el caso base. Este sistema se resuelve con facilidad mediante la regla de
Cramer o el método de Gauss Jordan, para obtener:
Solución: lo primero será retomar la matriz de transición del
caso base, la cual era: fAB = 9.314 meses
fPB = 8.818 meses
"0.70 0.10 0.1333 0.0667\ fHB = 9.279 meses
0.075 0.80 0.10 0.025 Ya que los periodos del caso base eran meses.
0.08 0.12 0.76 0.04 Procediendo de manera análoga para el estado
134.1333 0.10 0.1667 0.06 obtiene:
fAH = 23.151 meses
Es posible entonces calcular los tiempos de transición entre
estados distintos usando la ecuación 14.17, para obtener: fBH = 26.164 meses
fPH = 24.966 meses
Estado final j = B
Por su parte, para el estado final A, se tendrá:
Para ir de A a B (i=A,j=B):
fBA = 12.406 meses
fpA = 12.147 meses
fAB = 1+ E PAkfkB
k= A, P, H fHA = 10.663 meses
Es decir: Por último, para el estado final P, se tiene:
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
Determinar: del total de clientes, 51 % solicitan crédito y 49 % no lo

hace; de quienes solicitan un crédito, 3 % pagan puntual-
a) Matriz de probabilidades de transición mente, 69 % siguen con saldos y el resto pasan a cartera ven-
b) Si la presa se halla a 2/5 de su capacidad, ¿cuál será la cida; de los que han llegado a cartera vencida, 18 % logran
situación para los dos periodos siguientes? pagar todo, 21 % pasan a ser clientes con saldo normal, 35%
c) ¿Cuál sería la situación a largo plazo? siguen y el resto pasan a ser considerados como incobrables,
d) Partiendo de cada estado distinto, ¿cuáles serán los situación que maneja el departamento legal.
tiempos que transcurrirán para llegar a tener la presa Estimar lo siguiente:
vacía?
e) ¿Cuáles serán los tiempos para quedar con la presa llena? a) La matriz de transición.
b) De los clientes que solicitan por primera ocasión un
14.4. Frutas de Rioverde maneja cajas de plástico en las que em- crédito, ¿cómo estarán después de uno, dos y tres pe-
barca las frutas que trabaja en la temporada de cosecha. riodos?
Cada año, después de esta época se revisan las cajas y en c) ¿Cuáles serán los tiempos promedio para pasar de clien-
general de las que están en buen estado 8 % están deterio- tes con saldo o de cartera vencida hasta la categoría de
radas.), 2 % inservibles, por lo que salen de la circulación incobrables?
para -ser revisadas y reparadas; del total de las deteriora-
das, 67 % en promedio son reparadas y pueden volver a ser 14.7. La compañía distribuidora de Pan Exquisito cuenta con
utilizadas, mientras que 33 % están inservibles. una flotilla de 38 vehículos para hacer llegar sus productos
Obtener: a los detallistas, que por lo general son pequeñas tiendas.
Cada fin de mes se hace una revisión mecánica de cada
a) La matriz de transición. unidad; de registros anteriores se sabe que de los vehículos
b) Si se inicia con una caja en buen estado, ¿cuál será la que se someten a revisión, 78 % se halla en buenas condi-
situación después de una y de dos temporadas? ciones, 15 % deben someterse a una reparación menor y
c) ¿Cuál será el estado de las cajas a largo plazo? 7 % a reparación mayor, que es el arreglo general del mo- 1
d) ¿Cuál será el tiempo promedio para que se llegue de tor; de los vehículos que llegan a reparación menor, 65 %
una caja buena o deteriorada a una inservible? quedan listos para dar servicio de nuevo, 18 % siguen en
e) ¿Cuál será la matriz fundamental? reparación menor y 17 % van hasta reparación mayor; por
último, de las que llegan a arreglo mayor, 38 % quedan re-
14.5. Una clínica especializada para enfermos de SIDA está ha- parados, 40 % pasan luego a reparación menor, 7 % siguen
ciendo un estudio de sus estadísticas de enfermos y ha en- en reparación mayor y 15 % deberán ser remplazados.
contrado lo siguiente: del total de personas que se hacen un Calcular:
examen para ver si se han contagiado con el virus, 8 % resul-
tan positivos y el resto negativos; los que resultan positivos a) La matriz de transición.
pasan a observación, para cuidar el desarrollo del virus, de b) ¿Cuál será la situación de los 38 vehículos de , ,
ellos 20 % resultan sanos y sin ningún problema, sólo que uno, dos y tres meses?
1
deberán someterse a nuevos exámenes posteriores, 40 % per- c) ¿Cuál será la matriz fundamental?
manecen en observación, 28 % pasan a ser hospitalizados y d) ¿Cuáles serán los tiempos para llegar de un estado dado
12 % van a terapia intensiva; de los que son hospitalizados, hasta el de remplazo?
6 % logran salir de la clínica totalmente recuperados, 20 %
pasan a la etapa de observación, 23 % siguen hospitalizados, 14.8. En el mercado de frutas frescas de Canadá compiten cuatro
32 % pasan a terapia intensiva y 19 % fallecen; por último, marcas: Pulsar, Canadian Fruits, Excellence y Good Fruits ,
de los que llegan a terapia intensiva, 15 % pasa de nuevo a las que actualmente tienen las siguientes participaciones
observación, 32 % a hospitalización, 26 % sigue en terapia del mercado.
intensiva y el resto fallece.
Determinar:
Porcentaje
a) La matriz de transición. Marca del mercado
b) Si se parte de un paciente que se somete a examen por
Pulsar 23.6
primera vez, ¿cuál será la situación después de uno, dos
y tres periodos? Canadian Fruits 21.5
c) ¿Cuál será la matriz fundamental? Excellence 28.2
d) ¿Cuáles serán los tiempos para llegar de una etapa cual-
quiera hasta la de sanos? Good Fruits 26.7
e) ¿Cuáles serán los tiempos para llegar de una etapa cual- Total 100.0
quiera hasta la de muerte?
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
Núm. de Núm. de Núm. de Obtenga:

clientes clientes clientes Cómo cambian
Marca encuestados leales que cambian los clientes a) La matriz de transición.
b) La matriz fundamental.
Pulsar (P) 500 376 124 40 a CF, 39 a c) La matriz de proporciones.
Ey45 aGF
Canadian 1000 811 189 73 aP,67aEy
Fruits (CF) 49 a GF BIBLIOGRAFÍA
Excellence 850 685 165 52 a P, 56 a CF
(E) y 57 a GF Davis, K. R. y P. G. McKeown, Modelos cuantitativos para admi-
Good 750 493 257 87 a P, 90 a CF Gallagher, Ch. A. y H. J. Watson, Métodos cuantitativos para la
Fruits (GF) y 80 a E toma de decisiones, McGraw-Hill, 1992.
Total 3100 2365 735 Hillier, F. S. y G. J. Lieberman, Introducción a la investigación de
Izar Landeta, J. M., Fundamentos de investigación de operaciones
Se pide obtener: para administración, vol. I, Editorial Universitaria Potosina,
1996.
a) La matriz de transición. Elementos de métodos numéricos para ingeniería, Editorial
b) Las condiciones del sistema para los siguientes dos pe- Universitaria Potosina, 1998.
riodos. Thierauf, R. J. y R. A. Grosse, Toma de decisiones por medio de in-
c) Las condiciones de estado estable para cada una de las vestigación de operaciones, Limusa, México, 1990.
marcas.
14.9. En la escuela técnica CONATEC, de cuatro años de estu-
dios, se tiene la siguiente estadística de alumnos:
Núm. de Núm. de Núm. de Núm. de

Grado alumnos alumnos alumnos alumnos
escolar inscritos aprobados reprobados que desertan
1250 1116 86 48
II 1000 899 78 23
Ill 870 789 64 17
IV 750 686 52 12
'rota/ 3870 3490 280 100
,„4/ okelog romógUaya
Un buen hogar se construye: debido a la implantación de planes específicos de operacio-

no se compra. nes de algún área en particular.
En este capítulo se presentan las clasificaciones más co-
JOYCE MRYNARD
munes sobre los modelos de pronósticos; se tratan algunos
de los modelos más usuales, como los modelos subjetivos, el
INTRODUCCIÓN método gráfico, los modelos de series de tiempo y, por últi-
mo, los modelos causales.
Los pronósticos son una parte muy importante en la pla-
neación de las empresas e instituciones, ya que todos los de- CLASIFICACIÓN DE LOS MODELOS
partamentos de éstas elaborarán sus planes operativos, ob-
jetivos, presupuestos y programas con base en ellos (Wilson DE PRONÓSTICOS
y Keating, 1990). Hay dos maneras usuales de clasificar los rr odelos de
Así, para el caso del departamento de ventas éste nece- pronósticos, las cuales son:
sita un pronóstico de ventas para fijar sus objetivos y planes,
de los que a su vez deriva casi toda la operación del departa- • Según el plazo de tiempo para el que se uta lizan, pu-
mento. Luego los demás departamentos dependerán de ese diendo ser de corto, mediano o largo plazo.
mismo pronóstico para saber su cantidad de operaciones que • Según el tipo de modelo, que puede ser cu alitativo y
debe efectuar; por ejemplo, producción, que tendrá que pro- cuantitativo, y que a su vez se subdividen conforme
ducir la misma cantidad de productos que señale el pronós- al esquema de la figura 15.1.
tico de ventas; luego el departamento de mantenimiento di-
señará sus planes y programas de mantenimiento preventivo Método
de la maquinaria, apoyado en las cantidades y los tiempos de gráfico
Modelos
producción. Por su parte, los departamentos contable y finan- cualitativos
ciero elaborarán sus presupuestos y flujos de efectivo basa- Modelos
dos en un pronóstico sobre los ingresos y egresos para el si- subjetivos
Tipo de
guiente periodo. pronóstico Nivel constante
Por lo antes expuesto, es fácil darse cuenta de la gran Modelos de
Estacionales
importancia que tienen los pronósticos en la etapa de pla- Modelos series de tiempo
Tendencia
neación de todos los negocios. cuantitativos
Modelos
Todos los modelos existentes de pronósticos se basan causales
en datos históricos de la variable que se va a pronosticar, para
obtener de ellos proyecciones hacia el futuro, que puede su- Figura 15.1. Clasificación de los modelos de
ponerse sigan una determinada tendencia, o bien cambiar pronósticos según su tipo.
222
223
MODELOS SUBJETIVOS Tabla 15.1. Estadística de ventas

de la Refaccionaria Colón.
Estos modelos son cualitativos y se utilizan para hacer Venta de crucetas,
pronósticos ante situaciones poco conocidas, como pueden Mes unidades
ser las áreas de innovación tecnológica, social, política y Enero 870
otras. Se basan en la opinión de los expertos, quienes apo-
Febrero 930
yados en sus conocimientos y experiencia emiten sus juicios
A y opiniones sobre las preguntas planteadas para hacer una Marzo 1000
predicción. Abril 1080
Un método de este tipo, que es quizá el más popular, es Mayo 1170
el Delphi (Okoli y Pawlowski, 2004), que fue desarrollado en
Junio 1270
la década de 1960 y consiste en elaborar cuestionarios, que
se envían a diversos expertos, quienes los contestan; luego se
analizan las respuestas; una vez identificadas las similitudes Con base en esta información, ¿qué puede esperarse para los
y diferencias de éstas, se elabora un segundo cuestionario siguientes meses?
para que los conocedores hagan saber sus opiniones acerca
de las diferencias encontradas en sus respuestas al primer Solución: lo primero que se hace es graficar los datos de la ta-
cuestionario, para lograr establecer un consenso entre ellos, bla 15.1, ubicando el tiempo en el eje de las abscisas y la venta de
para lo cual, si es necesario puede hacerse un tercer cuestio- crucetas en el de las ordenadas (fig. 15.2).
nario. Una vez que se ha logrado el consenso entre los exper- En la figura 15.2 se observa que hay una tendencia de au-
tos, con base en éste se elabora el pronóstico. Como puede mento en la venta de crucetas, por ello para los siguientes meses
verse, esta técnica depende en esencia de la calidad con que podría esperarse que se vendiera un mayor número de ellas.
se hayan diseñado los cuestionarios. Esto sugiere el uso de un modelo de tendencia para obtener
Existen otros modelos subjetivos, dentro de los cuales, los pronósticos en los meses siguientes, el cual se verá más adelan-
te en este mismo capítulo.
uno que se ha puesto en práctica últimamente ha sido el
análisis de escenarios (Kropp, 2003), que consiste en plan-
tear tres o más futuros escenarios posibles, que van desde 1500
el más pesimista, por un lado, hasta el más optimista, por el
1300 o
extremo opuesto, pasando por uno o dos escenarios inter- o
medios de nivel moderado. 2, 1100 o
c o
900
o
MÉTODO GRÁFICO 700

500
Este método, aun cuando no es en sí un modelo que 2 4 6 8
proporcione como resultado un pronóstico, sí ilustra ade-
cuadamente sobre cuál de los diferentes modelos puede ser Mes
el más conveniente para estimar los pronósticos. Figura 15.2. Gráfica de la venta de crucetas.
Ith Consiste en graficar datos pasados de la variable que se
va a pronosticar respecto del tiempo, tratando así de visuali-
zar cómo se ha comportado dicha variable en el pasado, y con MODELOS DE SERIES DE TIEMPO
ello seleccionar alguno de los modelos que se juzgue apro-
piado para hacer las proyecciones hacia el futuro. Estos modelos representan la variable que se va a pronos-
Se recomienda usar este método como etapa inicial siem- ticar respecto del tiempo y con base en estos datos tratar de
pre que se tengan que hacer pronósticos, para después elegir predecir lo que sucederá en el futuro (Box y Jenkins, 1977).
el modelo que se considere más conveniente para el cálculo De acuerdo con la clasificación presentada en la figura
de los mismos (Chambers y cols., 1971). 15.1, los tres modelos más usuales de series de tiempo son
Este método requiere que quien lo ejecute tenga expe- los de nivel constante, los estacionales y los de tendencia,
riencia sobre el comportamiento de la variable que se va a de los cuales se muestra una representación gráfica en la fi-
pronosticar, ya que pudiera haber fluctuaciones en la mis- gura 15.3, en la cual puede verse que con sus variaciones alea-
ma, que hayan sido ocasionadas por diferentes razones o torias normales, los de nivel constante mantienen un mis-
sólo de manera aleatoria. mo valor aproximado de la variable pronosticada; por su
parte, los estacionales muestran fluctuaciones en el tiempo
Ejemplo 15.1. Refaccionaria Colón tiene la estadística de bajo un mismo patrón de cambios, es decir, hay aumentos
ventas de crucetas durante los últimos seis meses que se muestra y disminuciones de la variable pronosticada que se repiten
en la tabla 15.1. a lo largo del tiempo en forma cíclica, un ejemplo típico de
224 CAP. 15. MODELOS DE PRONÓSTICOS
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
donde m es el número de datos considerados para calcular el

Modelos de nivel constante promedio. Los términos restantes que aparecen en la fórmu-
la son los mismos que se manejaron en el modelo anterior.
Estos modelos son los más sencillos, ya que suponen que
la variable pronosticada conservará el valor anterior presen- Ejemplo 15.2. La empresa Autopartes Modernas desea ha-
te en los últimos periodos. cer un pronóstico de sus ventas de espejos para el próximo mes,
En este inciso se presentan cuatro métodos, que son los para esto dispone de datos sobre el último año de operaciones (ta-
más conocidos para manejar series de tiempo de nivel cons- bla 15.2).
tante: último valor, promedios, promedios móviles y suavi-
zamiento exponencial (Hillier y Lieberman, 1991). Tabla 15.2. Autopartes Modernas,
venta de espejos.
Método del último valor. Es el más sencillo de todos,
ya que simplemente el pronóstico para el próximo periodo Mes anterior Venta, unidades
será el del valor de la variable en el periodo inmediato ante- 1 230
rior, conforme a la ecuación 15.1: 2 225
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
230 Método del suavizamiento exponencial. Este méto-

225 do es un poco más complejo que los anteriores, pues obtie-
ne el pronóstico mediante una ponderación del último valor
220 conocido de la variable pronosticada y del pronóstico hecho
para ese mismo periodo anterior (Gardner, 1985). Esto lo
Resolver este caso utilizando los tres métodos de pronósticos indica la siguiente expresión matemática:
antes vistos.
Pi+i =1:xXi+(1 —a)Pi (15.4)
Solución: lo primero será hacer una gráfica de los datos del
año anterior, para saber cómo se ha comportado la venta de espe-
jos en el pasado, esto se muestra en la figura 15.4, en la cual se donde:
presenta la venta en las ordenadas y el tiempo en las abscisas.
La gráfica muestra que los datos han variado dentro de cier- Pi+i = Pronóstico para la variable para el periodo i + 1.
tos limites sin mostrar ninguna tendencia definida o un patrón de a = Constante de suavizado.
cambios cíclicos, por tanto resulta razonable considerar las varia- X, = Valor de la variable en el periodo i.
ciones como normales y emplear un modelo de nivel constante. P, = Pronóstico de la variable en el periodo i.
a) Para el método del último valor el pronóstico será simple y
corresponde al dato del mes anterior, es decir el mes 12, La constante de suavizado a debe tener un valor entre
con una venta de 220 unidades. O y la unidad, algunos autores sugieren que se utilicen de
b) Para el método de los promedios el pronóstico se obtiene preferencia valores entre 0.1 y 0.3.
por medio de la ecuación 15.2, aplicada a los 12 datos, de Para utilizar por primera vez la ecuación anterior se ne-
donde: cesitará un pronóstico del periodo anterior Pi , el cual mu-
12 chas de las veces no se tiene, por ello se recomienda tomar
EX; 230+225+230+235+215+220+ como tal al valor observado de la variable en un periodo an-
220+225+235+230+225+220 terior, es decir, Xi _ i .
P13 =
12 12
2710 Ejemplo 15.3. Para el caso del ejemplo anterior, obtener los
=226 unidades pronósticos para el tercer mes y los subsecuentes, y comparar los
12
resultados con los datos reales utilizando:
() Para el método de los promedios móviles debe definirse el
número de periodos que se tomará en consideración para a) a = 0.1.
el cálculo del pronóstico. En este caso se eligen cinco da- b) a = 0.25.
tos, por lo cual éste será el valor de m. Entonces, al aplicar
la ecuación 15.3 se obtendrá: Solución: para el tercer mes, la ecuación 15.4 será:
12
Xi P3 = a X2 + (1 - a)P2
i =8 225+235+230+225+220
=
12 5 P2 se tomará igual a XI , de donde:Pero
1135
= =227 unidades
5 P3 = a X2 + (1 - a)X1
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:
300 P3 = ( 0.1)(225) + (1 — 0.1)(230) =229.5

280
260
240 Luego, para el cuarto mes:
220 O o o o o o o o o o
5 200 P4 = a X3 (1 - a)P3 = ( 0.1)(230) + (1 — 0.1)(229.5) = 229.55
180
160
140 Por un procedimiento análogo, para el quinto mes se tiene:
120
100 P5 = OG X4 + (1 - a)P4 = ( 0.1)(235) + (1 — 0.1)(229.55) =230.10
O 2 4 6 8 10 12 14
Mes Los resultados completos, así como los obtenidos para a = 0.25,
r F igura 15.4. Gráfica de la venta de espejos. se resumen en la tabla 15.3.
226
Tabla 15.3. Valores obtenidos para el pronóstico Cuando se dispone de información sobre las ventas en
con el suavizamiento exponencial. varios periodos anteriores pueden calcularse factores es-
Pronóstico Porcentaje Pronóstico Porcentaje tacionales promedio, que serán los cocientes obtenidos al
para de error para de error para dividir la sumatoria de ventas en cada estación para todos
Mes Venta real a=0.1 para a= 0.1 a=0.25 a=0.25 los periodos entre la sumatoria de ventas totales de los mis-
1 230
mos periodos.
2 225 230 - 230 Ejemplo 15.4. La empresa Bebidas Refrescantes dispone de
3 230 229.50 0.22 228.75 0.54 estadísticas de ventas de refrescos durante los dos años anteriores.
desglosados por meses, las cuales se muestran en la tabla 15.4, ex-
4 235 229.55 2.32 229.06 2.53 presadas en cajas:
215 230.10 7.02 230.55 7.23
220 228.59 3.90 226.66 3.03 Tabla 15.4. Venta de Bebidas Refrescantes
en 2004 y 2005.
7 220 227.73 3.51 225.00 2.27
8 225 226.96 0.87 223.75 0.56 Mes 2004 2005
9 235 226.76 3.51 224.06 4.66 Enero 3000
10 230 227.58 1.05 226.80 1.39 Febrero 3300
11 225 227.82 1.25 227.60 1.16 Marzo 4600 4750
12 220 227.54 3.43 226.95 3.16 Abril 5100 5300

Mayo 6000 6250
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
MODELOS ESTACIONALES Diciembre 4000 4500

Total 56 300 60 000
Estos modelos muestran variaciones en la variable pro-
nosticada respecto del tiempo de una manera cíclica, es de-
cir, con incrementos y decrementos en determinados lapsos Con base en el hecho de que la empresa tendrá varios pro-
de tiempo, que casi siempre son los mismos, razón por la cual gramas promocionales durante el próximo año, se espera que el
se denominan estacionales (Hillier y Lieberman, 1991). volumen de ventas sea superior al de 2005 en 11 %. ¿Cuánto debe
El caso típico que ilustra este tipo de modelos es el de las esperarse para cada mes?
bebidas gaseosas, que aumentan su volumen de venta en los
meses de altas temperaturas y disminuye en época de frío. Solución: si la empresa desea en 2006 vender 11 % más que
Para pronosticar con estos modelos, lo que se hace es en 2005, entonces, a
obtener los factores estacionales para cada lapso de tiem-
Pronóstico = (160 000)(1.11) = 66 600 cajas d
po, conocido como estación, que se obtiene dividiendo la
venta obtenida en cada estación entre la venta total del pe-
riodo que se toma para el análisis, el cual es usualmente un Entonces se obtienen los factores estacionales, cada uno de
año. Una vez que se tienen todos los factores estacionales, los cuales se estimará conforme a lo señalado en la metodología
antes descrita, considerando los datos de ventas de los dos años 11
se multiplica cada factor por la venta total que se espera anteriores, mediante la fórmula siguiente:
para el periodo siguiente, la que a su vez debió haberse ob-
tenido mediante otro pronóstico. Esto significa que para el
caso de las bebidas gaseosas podría utilizarse un modelo de 17j k
g
pronósticos que fuera adecuado para obtener la venta espe- k=1 c
rada del año siguiente y el modelo actual para estimar los
FE. =
J n (15.5)
pronósticos de cada estación (que podrían ser de meses para VA
este caso). k=1 ti
MODELOS DE TE NDENCIA 227
de: este texto sólo se presenta el primer caso, si el lector deseara
tratar casos no lineales, puede recurrir a la bibliografía espe-
FEi = Factor estacional para el mes j. cializada (Izar Landeta, 1998). Los casos típicos que aparecen
Vjk = Venta del mes j en el año k. en el ámbito empresarial pueden ajustarse en la mayoría de
VAK = Venta del año k.
ocasiones mediante el modelo lineal.
n= Número de años tomados para el cálculo.
Para obtener la relación matemática que describe cómo
Entonces se aplica la ecuación al ejemplo, donde el número cambia la variable con respecto al tiempo, se hace uso de una
de años n es dos, se tendrá para el mes de enero: técnica que resulta muy útil para estos casos denominada
mínimos cuadrados.
V11
+V 3000+3200 6200 Este método, como su nombre lo indica, trata de mini-
FEI = 12
= 0.0533
mizar la sumatoria de los errores elevados al cuadrado, don-
VAi + VA2 56 300+60 000 116 300
de cada error será la diferencia entre el valor real de la va-
donde para los años, el subíndice 1 se refiere a 2004 y el subíndi- riable pronosticada o variable dependiente y el valor que
ce 2 a 2005. predice el método, que quedará sobre la línea recta obteni-
Procediendo de manera análoga se obtienen los factores es- da al graficar la ecuación que se obtiene con esta técnica; la
tacionales para los meses restantes, los cuales se presentan en la representación gráfica se muestra en la figura 15.5.
tabla 15.5:
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
ij Por tanto, la ecuación que relaciona las ventas y, con el

po t, es:
y= 495 +60t
tij(i yij
i=i i=1
b = i=i
2 (15.8) Si se aplica la ecuación para estimar y para valores
de 1 hasta 5, se obtiene:
n (ri
n t2 — [I
n ti
Para t= 1, y = 495 + (60)(1) =555
Para t= 2, y=495 + (60)(2)=615
donde: Para t= 3, y= 495 + (60)(3) =675
Para t= 4, y= 495 + (60)(4) = 735
n = Número de datos usados para obtener la ecuación. Para t = 5, y= 495 + (60)(5) = 795
= Valor de la variable pronosticada para el dato i.
t, = Valor del tiempo para el dato i. Estos resultados se muestran en la tabla 15.6 así como su erre )1
respecto de los valores reales:
En este texto no se incluye el desarrollo matemático
para la obtención de dichas ecuaciones, por rebasar el alcan-
ce del mismo. Tabla 15.6. Comparativo de las ventas con
los valores pronosticados.
Ejemplo 15.5. Un vendedor de libros recientemente abrió su
negocio. Sus ventas durante los primeros cinco meses de opera- Mes 1 2 3 4 5
ción han sido las siguientes: Venta real 560 610 675 730 800
Pronóstico 555 615 675 735 795
Mes 2 1 3 4 5 0.82 0 0.68 0.63
Error, % 0.89
Venta, cantidad de libros 1 560 610 675 730 800
Se observa que el error es muy bajo en todos los meses, por

¿Qué puede esperar el vendedor para los próximos tres meses? ello la aproximación lograda con la ecuación se considera buena.
Ahora puede aplicarse esta ecuación para pronosticar las
Solución: de acuerdo con la notación manejada en la metodo- ventas futuras de los siguientes tres meses, es decir, el sexto, sép-
logía de mínimos cuadrados, el tiempo t será cada mes y la venta timo y octavo meses:
será la variable dependiente, y.
Se procede a obtener con los datos de la tabla cada uno de los Mes 6, y= 495 + (60)(6) = 855
términos que aparecen en las ecuaciones 15.7 y 15.8, los cuales son:
Mes 7, y= 495 + (60)(7) = 915
n=5 Mes 8, y= 495 + (60)(8) = 975
Por tanto, de mantenerse la tendencia de los primeros meses,

y1 =560+610+675+730+800=3375 éstas serán las ventas pronosticadas mediante el método de míni-
mos cuadrados.
Una manera estadística para determinar la bondad del ajuste
t,2 =(1)2 ±(3)2 +(4)2 1-(5)2 =55 (Berenson y Levine, 1996) es por medio del coeficiente de corre-
1 lación R, que es una medida de lo bien que la recta de regresión,
obtenida con la metodología de mínimos cuadrados, predice la re-
t, =1+2+3+4+5=15 lación lineal entre la variable dependiente y la independiente. En-
tre más próximo resulte el valor de R a la unidad, mayor será su
poder de ajuste; de hecho, si los puntos quedasen todos sobre una
i y,t, =(560)(1)±(610)(2)+(675)(3)+ (730)(4)+(800)(5)= 10 725 línea recta, el valor de R sería 1. Dicho coeficiente puede calcular-
se mediante la siguiente fórmula:
229
Entonces puede calcularse ya el coeficiente de correlación
R= \I S(yy) — S(e)
(15.9) por medio de la fórmula 15.9:
S(yy)
1 36100 -100
R= = 0.9986
36 100
R = Coeficiente de correlación.
S(yy) = Varianza de los datos para y, dada por la ecuación El cual es un valor muy próximo a la unidad, por lo que el
15.10. ajuste dado por la ecuación de regresión se considera bueno.
S(e ) = Sumatoria del cuadrado de los errores, dada por la
ecuación 15.11.
MODELOS CAUSALES
Par calcular la varianza de los datos de la variable depen-
diente y, se tiene la siguiente fórmula: Estos modelos se basan en la suposición de que la varia-
ble pronosticada (variable dependiente) depende de uno o
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.
Para obtener estos coeficientes, las fórmulas son las si-

Cu ya sumatoria es el valor de S(e), en este caso 100. guientes:
Para calcular la varianza S(yy) de la variable dependiente
y, sólo falta tener el valor de la sumatoria de las y, cuadradas, la
cual es: =
b0 D
Ey,2 = 5602 + 6102 +6752 +7302 + 8002 = 2314225
b1 =
Co i .1 esto puede obtenerse la varianza de y, de acuerdo con la D
fórmula 15.10:
_ 2
S( yy) = 2 314 225 — (3375) 2/5 = 36 100
• ••
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
D= Xi Xi2 X i Zi (15.19) n=6

i=1 i=1 i=1
n n n =70+57+77+68+83+72=427
Zi X,Zi Zi2
i=t i=1 i=1
i.X; =20+20+30+30+40+40=180
=1
Siendo n el número de datos.
El subíndice i se refiere a cada dato para calcular las su- zi =4+7+4+7+4+7=33
matorias que aparecen como elementos de los determinantes. j=1
Ejemplo 15.7. El profesor Humberto Márquez ha hecho al- y,X; =(70)(20)+(57)(20)+(77)(30)±(68)(30)+(83)(40)+
gunas pruebas experimentales sobre las calificaciones que obtie-
nen los alumnos ante dos factores: las horas de estudio para exa- =13090
men y el nivel de estrés manejado, que se mide en una escala del
1 al 10, siendo 10 el valor máximo. De las pruebas que el profesor yji = (70)(4)+ (57)(7)+(77)(4)+(68)(7)+(83)(4)+ (72)(7)=22
ha efectuado, se obtienen los datos que se muestran en la tabla 15.8. i=1
XIZ; = (20)(4)+(20)(7)±(30)(4)±(30)(7)+(40)(4)+(40)(7)
Tabla 15.8. Datos de calificaciones %, horas i=1
de estudio y niveles de estrés.
Xi2 = (20)2 + (20)2 + (30)2 + (30)2 + (40)2 + (40)2 =5800
Calificación, % Horas de estudio Nivel de estrés
70 20 4
2 = (4)2 ±(7)2 ±(4)2 +(7)2 +(4)2 +(7)2 =195
z1
57 20 7 =i
Ahora, con estos valores se calculan los determinantes: te de Z en la ecuación ha sido negativo, a razón de 3.667 puntos
porcentuales de disminución en las calificaciones por un incre-
427 180 33 mento de un punto en el nivel del estrés.
D0 = 13 090 5800 990 =2278800
Al igual que en el caso de la regresión lineal, también
2299 990 195 puede obtenerse el coeficiente de correlación, que da una
427 33
idea de la bondad del ajuste logrado, el cual puede calcu-
6
larse mediante la misma fórmula que en el caso de la regre-
D1 = 180 13 090 990 = 22680 sión simple dada por la ecuación 15.10.
33 2299 195 Existen otros modelos causales, como el econométrico,
que se aplica a problemas económicos, en el cual se relacio-
6 180 427 na(n) la(s) variable(s) pronosticada(s) con varias variables
D2 = 180 5800 13 090 = —118800 independientes del medio económico, pero este tipo de mo-
33 990 2299 delos ya no se presentan en esta obra.
También existe software estadístico para la aplicación
6 180 33 de modelos más complejos, pero queda también fuera del
D= 180 5800 990 = 32 400 alcance de este texto.
33 990 195
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:
En esta tabla puede verse que el ajuste es bueno, ya que el a) a = 0.1.

error promedio para los seis puntos es de 1.50 %, lo cual indica b) a = 0.2.
que la ecuación de regresión es confiable. c) a=0.3.
Con esto el profesor puede darse cuenta de que las horas de
estudio influyen de manera favorable en las calificaciones, a razón 15.3. La Escuela Normal Innova tiene una estadística de sus
de 0.70 puntos porcentuales por cada hora adicional de estudio; alumnos de nuevo ingreso durante los pasados 10 años,
por su parte, el estrés influye en grado negativo, pues su coeficien- que es la siguiente (tabla 15.12):
232
Tabla 15.12 15.6. Helados Ricosa tiene sus registros de ventas de litros de
helado por trimestre de los últimos tres años, los cual( •
Año Núm. de alumnos incluyen en la tabla 15.14.
1 550
2 485 Tabla 15.14
3 525 Año
4 530 Periodo
1 2 3
5 542 Trimestre 1 1200 1250 1420
6 493 2860
Trimestre 2 2400 2700
7 487
Trimestre 3 2600 3100 3160
8 502
Trimestre 4 1700 1900 2060
9 528
Total 7900 8950 9500
10 499
¿Cuál será el pronóstico para cada trimestre del próximo

¿Cuál será el pronóstico para el año próximo? Resolver con año?
los modelos siguientes utilizando los cinco últimos años: 15.7. La empresa Don Cacahuate tiene sus ventas de los últi-
mos 10 años, que se presentan en la tabla 15.15 en milla-
a) Último valor. res de toneladas:
b) Promedios.
c) Promedios móviles.
Tabla 15.15
15.4. Resolver el problema anterior con suavizamiento expo- Año 1 2 3 4 5 6 7 8 9 10 Total
nencial usando:
Venta 3.70 4.10 4.40 4.85 5.35 6.00 6.60 6.95 7.40 7.80 57.15
a) a=0.15.
b) a = 0.30 ¿Cuánta venta se pronostica para los próximos cinco años?
15.8. La Escuela Superior de Agronomía cada vez está teniendo
15.5. Bebidas Finas tiene su registro de ventas dedos pasados
menor demanda de alumnos de nuevo ingreso, situación
tres años, el cual se presenta desglosado por meses en la
que tiene muy preocupados a sus directivos, en la tabla
tabla 15.13.
15.16 se muestra su estadística de los últimos 10 años en
millares.
Tabla 15.13
Año Tabla 15.16
Mes 86 87 ' 88 89 90 91 92 93 94 95
2003 2004 2005 Año
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
Febrero 1750 1700 1720

Marzo 2500 2300 2400 a) ¿Cuál será el pronóstico para los próximos tres años?
2800
b) De mantenerse esta tendencia, ¿cuánto tiempo pasará
Abril 2800 2850
para que la demanda llegue a cero?
Mayo 3100 3150 3150
Junio 2950 3050 3000 15.9. La tienda SAM lleva un registro sobre su venta (tabla
15.17) de interruptores de tipo My de tipo N, la cual es la
Julio 2900 2850 2850 siguiente, expresada en miles:
Agosto 2850 2830 2820
Septiembre 2500 2620 2550 Tabla 15.17
Octubre 2470 2510 2500 Año 98 99 00 01 02 03 04
Noviembre 2100 2080 2100 103.1 109.4 116.0 123.1
TipoM 89.3 95.6
Diciembre 1800 1790 1800 153.0 162.0 171.0 179.7 187.3
Tipo N 145.0 0,53,
Total 29220 29330 29300
¿Cuál será el pronóstico para los próximos tres años para

¿Cuál será el pronóstico para cada mes del año 2006? cada tipo de interruptor?
233
15.10. Laboratorios Clínicos Especializados realiza un estudio so- Tabla 15.20
bre las condiciones que afectan a la población bacteriana
existente en un residuo alimentario (tabla 15.18). De va- Porcentaje Puntuación Acciones
riaciones hechas en la presión y la temperatura local: de inflación global vendidas
10 5000 500
Tabla 15.18 20 5000 610
30 5000 730
Presión , psia 40 40 40 50 50 50 60 60 60
10 8000 700
Tempe -atura, °C 10 20 30 10 20 30 10 20 30
20 8000 830
Poblaci 5n, millones 4.1 5.0 6.0 3.8 4.4 5.3 3.4 3.9 4.8
30 8000 950
¿Cuál será la población bacteriana esperada para las si-

guientes condiciones?: ¿Cuántas acciones se venderán si:
a) Si la presión es 55 psia y la temperatura 40°C. a) La inflación es 15 % y la puntuación de 7000?

b) Si la presión es de 80 psia y la temperatura 25 °C. b) La inflación sube a 40 % y la puntuación es de 10000?
c) Si la presión es de 20 psia y la temperatura 50°C.
15.11. La producción de cajas de plástico sin defecto depende en BIBLIOGRAFÍA

especial de dos factores, que son la velocidad de la máqui-
na de moldes y la presión de soplado del aire. Para varia- Berenson, M. y D. Levine, Estadística básica en administración,6a.
ciones en estos parámetros se ha obtenido la siguiente in- ed., Pearson, Prentice-Hall, 1996.
formación (tabla 15.19): Box, G. y G. Jenkins, Time Series Analysis: Forecasting and Control,
2a. ed., Holden-Day, 1977.
Chambers J., S. Mullick y D. Smith, "How to Choose the Right
Tabla 15.19 Forecasting Technique" , en Harvard Business Review, vol. 49,
Vel. má quina, julio-agosto de 2004.
cajas/m inuto 100 150'200`100 150 200'100 150 200 Gardner, E., "Exponential Smoothing: The State of the Art", en
Journal of Forecasting, vol. 4, 1985.
Presión de soplado, 40 40 40 55 55 55 70 70 70
psia
Porcent 2je defectuoso 0.5 1.3 2.0 r 0.7 1.6 2.4 1.0 1.8 2.7 Izar Landeta, J. M., Elementos de métodos numéricos para ingenie-
ría, Universitaria Potosina, 1998.
¿Cuál será el porcentaje de defectuosos para las siguien- Kropp, F., "Changing Values: A 2020 Vision", en Journal of Euro-
tes condiciones?: marketing, vol. 12, 2003.
Okoli, Ch. y S. Pawlowski, "The Delphi method as a research tool:
a) Velocidad de 150 cajas/min y presión de 85 psia. an example, design considerations and applications", en In-
b) Velocidad de 250 cajas/min y presión de 55 psia. formation & Management, vol. 42, diciembre de 2004.
Wilson J. y B. Keating, Business Forecasting, Homewood, Richard
15.12. La Compañía de Bolsa sabe que la venta de acciones en el D. Irwin, 1990.
mercado cambiario depende en especial de la inflación y
de la puntuación global. De estudios sobre la variación de
estos factores se tienen los siguientes datos (tabla 15.20):
api
/4/ o4eloo de lemplazo y eqi
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:
4.6 5.5 6.6

1 m; R 4+ + +
Ck = - A-FE ' (16.1) 1 1.24 (1.24)2 (1.24)3 35
= - 65+
n (i+iy-i (14-i)n C2 6 7.9 9 (1.24)6
(1.24)4 (1.24)5
donde:
1
=- (65+21.160-9.628)=12.755 M$/año
k = Subíndice de referencia para cada equipo.
CAP. 16. MODELOS DE REMPLAZO
Por su parte, para Fuerza Motriz, se obtiene: Para La Económica la sumatoria da:
1
4.8 6.1 m2 771, m4
7.5 m1+ .+ +
3.8+ + + (1+11) (1+4)(1+i2 ) (1+4)(1+i2 )(11-i3 )
1 1.24 (1.24)2 (1.24)3 29
C3=-i 62+ 4
9 11 (1.24)6 8 9.3 10.8
+ =7+ + = 91 s.
(1.24)4 (1.24)5 1.24 (1.24)(1.26) (1.24)(1.26)(1.27)
1 Por su parte, el término correspondiente al valor d
= - (62+23.131-7.978)=12.859 M$/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)
Mientras que el término del valor de rescate es:

Tabla 16.2
1 2 3 4 29
Año =6.809
(1.24)(1.26)(1.27)(1.28)(1.29)(1.30)
Tasa de interés, % 24 26 27 28 29
Siendo entonces su costo anual:
¿Cuál es ahora la mejor opción para el señor Pérez?
Solución: se aplica la ecuación 16.2 para cada una de las op- 1
C3 =- (62+22.256-6.809)=12.908 M$/año
ciones. 6
237
ra la opción de ZM, su sumatoria es:

(16.4)
4+4.7+ 5.7 7.3
+
1.24 (1.24)(1.26) (1.24)(1.26)(1.27) Siendo i la tasa de interés vigente para el lapso de tiem-
9.4
po en que se hace el análisis. Al igual que en el apartado
=18.819 anterior, si la tasa cambia de un periodo a otro, habrá que
(1.24)(1.26)(1.27)(1.28)
introducir diferentes valores del factor de ponderación para
cada periodo.
El término del valor de rescate es:
Ejemplo 16.3. El señor Juan Hernández está analizando la
26 posibilidad de remplazar su camión fletero, para lo cual dispone
=7.936
(1.24)(1.26)(1.27)(1.28)(1.29) de un registro de los costos anuales de mantenimiento que ha te-
nido en los últimos 15 años (tabla 16.3).
Siendo su costo por año:
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
promedio ponderado de los periodos anteriores, pues para 1 7 1 1 132.0 132.0

ese periodo sería más costoso seguir manteniendo el equipo 2 7.5 0.8696 1.8696 138.52 74.09
actual que remplazarlo por uno nuevo (Kaufmann, 1970).
Esto se expresa matemáticamente por la siguiente fórmula: 3 8 0.7561 2.6257 144.57 55.06
4 9 0.6575 3.2832 150.49 45.84
A+EC.oti-1 5 10 0.5718 3.8550 156.21 40.52
i =1
Ci+i > (16.3) 6 12 0.4972 4.3522 162.17 .37.26
La 7 13.6 0.4323 4.7845 168.05 35.12

i=i 8 15 0.3759 5.1604 173.69 33.66
donde: 9 17 0.3269 5.4893 179.25 32.67
10 19 0.2843 5.7716 184.65 31.99
Ci = Costo de mantenimiento para el periodo j.
A = Valor de adquisición del equipo. 11 22 0.2472 6.0188 190.09 31.58
a = Factor de ponderación para el número de periodos. 12 26 0.2149 6.2337 195.68 31.39
En esta expresión el lado izquierdo de la desigualdad 13 31 0.1869 6.4206 201.47 31.38

es el costo del siguiente periodo y el lado derecho es el pro- 14 36 0.1625 6.5831 207.32 31.49
medio ponderado de los costos de los periodos anteriores.
15 42 0.1413 6.7245 213.25 31.71
Por su parte el factor a viene dado por la ecuación 16.4:
238 CAP. 16. MODELOS DE REMPLAZO
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
pos son representaciones gráficas de las funciones de super- donde:

vivencia y duración de los equipos para diferentes lapsos de
tiempo, respectivamente. Tiempo promedio de aparición de la avería.
tav =
La definición matemática de la función de superviven- j = Lapso de tiempo respectivo.
cia es la siguiente:
Por su parte, la desviación estándar de este tiempo es
vi = (16.5) la raíz cuadrada de la varianza, que viene dada por la ex-
no presión siguiente: d(
ci
donde:
02 = i2fi tav2 Pi
(16.9) sc
= Valor de la función de supervivencia para el tiem- j=1
Poi.
ni = Número de equipos que funcionan al tiempo j. Ejemplo 16.4. En una compañía del ramo eléctrico se han
no = Número de equipos iniciales en funcionamiento. probado fusibles para analizar su duración y se han obtenido los
= Periodo correspondiente. datos que se presentan en la tabla 16.5.
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
10 600 13 343 0.343 0.076 0.1814

11 504 14 273 0.273 0.070 0.2041
12 419 15 215 0.215 0.058 0.2125
13 343 16 169 0.169 0.046 0.2140
14 273 17 129 0.129 0.040 0.2367
15 215 18 97 0.097 0.032 0.2481
16 169 19 71 0.071 0.026 0.2680
17 129 20 47 0.047 0.024 0.3380
18 97 21 29 0.029 0.018 0.3830
19 71 22 15 0.015 0.014 0.4828
20 47 23 7 0.007 0.008 0.5333
21 29 24 1 0.001 0.006 0.8571
22 15 25 0 0 0.001 1
23 7
24 1 Las gráficas de las funciones de supervivencia y duración se
25 presentan en la figura 16.1 y la gráfica de las probabilidades de
avería en la figura 16.2.
Obtener: 1.0
a) La curva de supervivencia de los equipos. 0.9

b) La curva de mortalidad.
c) Las probabilidades de avería para cada lapso de tiempo. 0.8
d) El tiempo promedio de aparición de la avería.
e) La desviación estándar de la aparición de la avería. 0.7
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
2 989 0.989 0.007 0.0070 Figura 16.1. Gráfica de las funciones de

3 976 0.976 0.013 0.0131 supervivencia y de duración.
4 950 0.950 0.026 0.0266

5 919 0.919 0.031 0.0326 Para el inciso d, se obtiene el tiempo promedio de aparición
de la avería mediante la fórmula 16.8:
6 877 0.877 0.042 0.0457
7 826 0.826 0.051 0.0582
fas, = ifj =1(0.004) + 2(0.007) + 3(0.013) + 4(0.026) + 5(0.031)
8 764 0.764 0.062 0.0751
9 690 0.690 0.074 0.0969 + 6(0.042) + 7(0.051) + 8(0.062) + 9(0.074) + 10(0.09)
0.600 0.090 0.1304 + 11(0.096) + 12(0.085) + 13(0.076) + 14(0.07)+ 15(0.058)
10 600
+ 16(0.046) + 17(0.04) + 18(0.032) + 19(0.026) + 20(0.024)
11 504 0.504 0.096 0.1600
+ 21(0.018) + 22(0.014) + 23(0.008) + 24(0.006) + 25(0.001)
12 419 0.419 0.085 0.1687 = 11.90 semanas
240
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
limite (Kaufmann, 1970), como se muestra en la figura 16.3.

Por su parte, el tiempo promedio de aparición de la + 52(0.031)+62(0.042) + 7 2(0.051) + 82(0.062) + 92(0.074)
avería, como es de esperarse, disminuye, como también la + 102(0.09)+ 11 2(0.0%)+ 12 2(0.085) + 13 2(0.076) + 142(0.07)
varianza, como se ve en las expresiones siguientes: + 152(0.058) - (10.256) 2 = 17.922
o La desviación estándar será entonces:

ta, = jfi (16.10)
j =1 =•i 17.922 = 4.233 semanas
241
PROBABILIDAD DE CONSUMO a) Para k= 1 remplazo con p io = 0, si se aplica la ecuación
DE EQUIPOS NUEVOS 16.12 para t= 1, se tendrá:
La probabilidad de que se consuman k equipos en un = = vo = (1)(0.004) = 0.004

lapso de tiempo t, denominada pkt , está dada por la siguien- i=i
te fórmula (Kaufmann, 1970):
Para t= 2:
Pkt vt-jfj (16.12)

Pu= v2-i f = v1f, +vof2
4dond j=1
j=1
= (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
lapso de tiempo de j a t. p13 = v3_i fi = v2ft + f2 + vof3

j =i
f = Función de duración del equipo, dada por la ecua-
ción 16.6. = (0.989)(0.004)+ (0.996)(0.007)+ (1)(0.013) = 0.0239
Como se ve, esta probabilidad es la sumatoria para todo Para t=4:

el lapso de tiempo, desde O hasta t, de los productos o pro- 4
babilidades compuestas de que el equipo sobreviva en el = v4 _ = v3 + v2 f2 + + vof4
lapso de tiempo de j a t, multiplicada por la función de du- 1 =1
ración del equipo de j -1 a j. = (0.976)(0.004)+(0.989)(0.007)+(0.996)(0.013)+(1)(0.026)

Existe otra fórmula que relaciona Pkt con pk _ 1 , t:
= 0.0498
Pkt Pk t- j fi (16.13) Procediendo en forma similar se obtienen las restantes pro-

j=1 babilidades, que se presentan en la tabla 16.7.
Que indica que la probabilidad de hacer k remplazos del

equipo desde el tiempo O hasta t, es la sumatoria de las pro- Tabla 16.7. Resultados del ejemplo 16.6.
babilidades de haber realizado k -1 remplazos en el tiempo t Pu P2t
desde j hasta t multiplicada por la probabilidad de que el
equipo haya dejado de funcionar en el lapso de j -1 a j. O O O
Con esta última fórmula es posible obtener las proba- 1 0.004
bilidades de realizar dos remplazos del equipo en un lapso
de tiempo cualquiera, si se conocen las respectivas proba- 2 0.0110 0.000016
bilidades de hacer un remplazo en ese mismo periodo. 3 0.0239 0.000072
Es obvio que las probabilidades de hacer cualquier nú-
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:
19 0.6630 0.2489 Pos = v8= 0.7640

20 0.6329 0.2959 Y su sumatoria será casi la unidad, ya que las probabilidades
21 0.5932 0.3442 de hacer tres o más remplazos son muy pequeñas, por tanto:
22 0.5477 0.3918
pk8 =p08 +p18 +p28 = 0.7640+0.2307+0.0053=1.0
23 0.4958 0.4368 k=0
24 0.4427 0.4777 Con esto queda demostrada la validez de la ecuación 16.16.

Otra información también importante en estos casos es co-
25 0.3868 0.5128 nocer cuál será el consumo promedio de equipos para un lapso
de tiempo dado, el cual se calcula mediante la siguiente expresión:
b) Para k = 2 remplazos, con p20 = 0, se aplica la ecuación
16.13 con t =1, para obtener: mt jpit (16.17)
i=0
±
P21= , P1,1-j f = Pulí; = (0)(0.004)=0
i=i
donde:
m = Consumo promedio de equipos a tiempo t.

Para t= 2: j = Posibilidades de consumo de equipos.
pit = Probabilidad de consumir] equipos a un tiempo t.
P22 =± P1, 2-j f =P11f1+ pi0f2 = (0.004)(0.004)+ (0)(0.007) Así, para el caso anterior de t = 8 semanas, al aplicar esta
j=1 ecuación, se obtiene:
=0.000016
Para t=3: m8 = iPia = (0)(Pos)±( 1 )(Pia)+(2 )(P28)± ... +°sPoos
]=0
= (0)(0.7640)+(1)(0.2307)+(2)(0.0053)= 0.2413
P23 = P1,3-j fj = P12f1+ if2 hof3
j=1 Por tanto, se consumirán 0.2413 equipos en promedio en
= (0.0110)(0.004)+(0.004)(0.007)+(0)(0.013)= 0.000072 lapso de tiempo de ocho semanas.
Para t = 4:
PROBABILIDAD DE CONSUMO
P24 = P1,4- i fi =Puf; +P12f2+P11f3 ±Piof4 DE EQUIPOS USADOS
=(0.0239)(0.004)+(0.0110)(0.007)+(0.004)(0.013) También es interesante saber, cuando se cuenta con

un equipo usado, cuál será su probabilidad de consumo o
+(0)(0.026)= 0.000225 remplazo, que obviamente será mayor que para el caso de
un equipo nuevo (Kaufmann, 1970).
Procediendo de igual modo se obtienen las restantes p a, que Si se cuenta con un equipo que ya ha sido usado duran-
se incluyen en la tabla 16.7. te un tiempo dado cualquiera, al que se llamará a, su fun-
Por su parte, la sumatoria de estas probabilidades a un tiem-
po dado t, de hacer cero, uno, dos o más remplazos, será la uni- ción de supervivencia será ahora vat, que se obtiene me-
dad, esto es: diante la siguiente relación:
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:
Ejemplo 16.7. Para el caso de los fusibles, ¿cuáles serán las

probabilidades de consumir un equipo, si éste ya ha sido antes Pu= v1-i faj=vofal=( 1 )( 0 . 16 )= 0 . 16
j.i
usado durante 10 semanas?
Para t= 2:
Solución: para este caso a = 10, por lo que en una tabla se co-
ocarán los valores de v„ los de que son los mismos que v, pero 2
ecorridos 10 periodos, los calculados para v a, mediante la ecua- P12 = v2_j faj - V1fal +vofa2 (0.996)(0.160)+ (1)(0.142)
:ión 16.18 y los de la función fa, obtenidos con la fórmula 16.20 j=1
tabla 16.8). =0.3014
Para t = 3:
Tabla 16.8. Valores de 17,, v t +a, yac Y fat.
3
Tiempo, t v, vt+a va, fa/ v3H fai v2f,„ + v, fa2 +
P13
0 1 0.600 1 - 1=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
14 0.273 0.001 0.002 0.010

15 0.215 0 0 0.002 1 0.0040 0.1600
16 0.169 0 0 0 2 0.0110 0.3014
17 0.129 0 0 0 3 0.0239 0.4257
244
Tabla 16.9. (Continuación.) conocido como función de utilización, denotada como ut, de la
cual se muestra una representación gráfica en la figura 16.4.
Pu, Pu,
t equipos nuevos equipos usados
Número de
4 0.0498 0.5391 equipos
5 0.0804 0.6284 n,
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
14 0.6534 0.6287 Figura 16.4. Curva típica de la función de utilización

equipos, u,.
15 0.6845 0.5609
16 0.6977 0.4920
Si rj es el número de equipos remplazados hasta
17 0.6991 0.4260
tiempo], entonces la tasa de aprovisionamiento de equi
18 0.6867 0.3636 denominada pj , será:
19 0.6630 0.3060
Pi = - (16.2
20 0.6329 0.2538
Por su parte, el número de equipos supervivientes a
tiempo t y provenientes de este aprovisionamiento será:
En la tabla 16.9 se ve que las probabilidades de consumo de
equipos son mayores para el caso de los equipos usados en los pri-
meros periodos; por el periodo 13 en adelante tienden a igualarse, pivt _j = (ri - )v,-; (16.23)
e incluso después las de los equipos nuevos aparecen más altas
que las de los usados, debido a que para entonces, los equipos Entonces el número de equipos que habrá a un tiempo
nuevos ya tienen desgaste, mientras que los usados tal vez hayan t será la sumatoria de estos supervivientes más el número
sido remplazados. de equipos iniciales que aún siguen funcionando, es decir:
APROVISIONAMIENTO DE EQUIPOS u, = novt pivt_j (16.24)

j=1
Es importante considerar el aprovisionamiento de equi-
pos en las empresas, ya que con el funcionamiento normal,
éstos se irán desgastando y averiando, por lo que se deben Si de esta ecuación se despeja p,, se obtendrá:
tomar las medidas preventivas necesarias para cuando esto
suceda y evitar con ello pérdidas innecesarias de tiempo.
Esto se conoce en la terminología del presente tema como el Pt = ut - novt P (16.25)
j=1
aprovisionamiento de los equipos (Kaufmann, 1970).
Si se inician las actividades con n o equipos nuevos, el
número de éstos que habrá en un momento dado de tiem- La cual permite calcular p, en cualquier momento.
po t, será:
Ejemplo 16.8. La empresa Metales Potosinos tiene un nú-
nt = novt (16.21) mero inicial de 25 motobombas en servicio, las cuales desea man-
tener operando con una función de utilización u t dada en la tabla
Con frecuencia la alta gerencia fija a su arbitrio la ma- 16.10, en la que también se presenta la función de supervivencia
nera de aprovisionar los equipos, de acuerdo con un patrón de los equipos v, para diferentes tiempos.
245
Tabla 16.10. Funciones de supervivencia y Para t= 3:
utilización para las motobombas de Metales Potosinos.
t, meses vt u, P3 =113 - nov3 - P v3- = u3- nov3 - p iv2 - p2v1
0 1 25 i=1
1 1 38 = 63 -(25)(0.98)-(13)(0.99)-(12.25)(1)=13.38
2 0.99 50 Para t= 4:
3 0.98 63
4 0.96 75 p4 =7/4 nov4 ± ph_ j - -nov4 - piv3 - p2v2 - p3v,
1 =1
5 0.92 88
6 0.86 100 =75 -(25)(0.96)-(13)(0.98)- (12.25)(0.99)-(13.38)(1)
7 0.77 100 =12.75
8 0.65 100 Siguiendo la metodología, se obtienen los resultados que se re-
9 0.52 100 sumen en la tabla 16.11:
10 0.37 100
11 0.30 100 Tabla 16.11. Valores de las tasas de aprovisionamiento
12 0.24 100 p, y número total de equipos remplazados rt .
13 0.19 100 t, meses Pt
14 0.14 100
O O O
15 0.09 100
1 13 13
16 0.05 100
2 12.25 25.25
17 0.02 100
18 0 100 3 13.38 38.63
19 0 100 4 12.75 51.38
20 0 100 5 14.52 65.90
21 0 100 6 14.53 80.43
92 0 100 7 4.06 84.49
23 0 100
8 5.99 90.48
24 0 100
9 7.70 98.18
25 0 100
10 9.85 108.03
¿Cómo será la tasa de aprovisionamiento p t? 11 9.72 117.75

12 10.15 127.90:
Solución: las tasas de aprovisionamiento p, para los diferentes
periodos se irán obteniendo mediante la fórmula 16.25. Las fun- 13 10.43 138.33
ciones de utilización u, y de supervivencia v t están dadas en la
tabla anterior, por su parte, el valor de p o es 0. 14 10.54 148.87
Entonces, al aplicar la ecuación 16.25 para t =1, se tiene: 15 10.56 159.43
16 10.22 169.65
= - nov, - = -nov, = 38- (25)(1)=13
i= 1 17 9.68 179.33
18 9.97 189.30
Para t= 2:
19 9.89 199.19
P2 = - nov2 - ± P i v2 - J = u2 - n0112 - P1 V1 20 10.06 209.25
j=1
21 10.02 219.27
=50-(25)(0.99)-(13)(1)=12.25
246
Tabla 16.11. (Continuación.) Para t = 1:
meses Pt
rt Pi = 1000(1 - v1 ) = 1000(1 - 0.996) = 4
22 9.92 229.19 Para t= 2:
2 9.86 239.05
P2 = 1000(1 -17 2) = 1000(1 - 0.989) - 4(0.996) = 7.016
24 9.80 248.85
Para t = 3:
25 9.78 258.63
P3 = 1000(1 - y3) P1V2 - P2171 = 1000(1 - 0.976) - 4(0.989)
En la tabla 16.11 se presentan los valores de rt para cada lap- - 7.016(0.996) = 13.056
so de tiernpo, que vienen siendo el número total de equipos rem-
plazados, siendo la sumatoria de las p, antes obtenidas, conforme Para t = 4:
a la siguiente ecuación:
P4 = 1000(1 - V4) P 1v3 - P2V2 P3V1= 1000(1 - 0.95)
- 4(0.976) - 7.016(0.989) - 13.056(0.996) = 26.153
(16.26)
Si se continúa con este procedimiento, se obtendrán los valo-
res que se presentan en la tabla 16.12.
Cuando se conocen la función de utilización y la tasa de apro-
visionamiento de los equipos, es posible obtener la función de su-
pervivencia, la cual puede despejarse de la ecuación 16.25, para Tabla 16.12. Valores de tasas de aprovisionamiento
dar la siguiente fórmula: pty del número total de equipos remplazados
r„ para el caso de los fusibles.
ut pivt_i t t v, t p, t rt
tr-- (16.27)
vt = 0 1 0 0
no 4
1 0.996 4
Al hacer vo = 1, es posible calcular las siguientes vt para los 2 0.989 7.03 11.03
siguientes lapsos de tiempo. 3 0.976 13.06 24.09
4 0.950 26.15 50.24
TASA DE MANTENIMIENTO 5 0.919 31.39 81.63
6 0.877 42.79 124.42
La tasa de mantenimiento se ha definido como el valor 0.826 52.46 i 176.88
7
que toma la tasa de aprovisionamiento después de un pe-
riodo suficientemente largo y se expresa por la fórmula si- 8 0.764 64.50 241.38
guiente (Kaufmann, 1970): 9 0.690 77.96 319.34
10 0.600 96.03 415.37
P* = lírn Pt = (16.28) 11 0.504 104.z.s0 520.17
12 0.419 97.41 617.58
Es decir que la tasa de mantenimiento es el cociente 13 0.343 92.85 710.43
del número inicial de equipos dividido entre el tiempo pro- 14 0.273 92.20 802.63
medio de aparición de la avería, que había sido definido
15 0.215 86.23 888.86
mediante la ecuación 16.8.
16 0.169 80.67 969.53
Ejemplo 16.9. Para el caso de los fusibles cuya función de su- 17 0.129 81.45 1050.98
pervivencia se ha dado en la tabla de solución del ejemplo 16.4, ob-
tener las respectivas tasas de aprovisionamiento, así como la tasa 18 0.097 80.38 . . 1131.36
de mantenimiento, si el número inicial de equipos es de 1000 y la 19 0.071 81.15 1212.51
función de utilización es constante todo el tiempo e igual a 1000. 20 0.047 85.58 1298.09
Solución: para este caso se tiene que n o = 1000 = ut para todos 21 0.029 85.38 1383.47
los lapsos de tiempo, mientras que p o = 0. 22 0.015 86.10 1469.57
Al aplicar la fórmula 16.25 al caso se tiene:
23 0.007 83.78 1553.35
t-i 24 0.001 84.65 1638.00
N=1000(1-10-1, pivt_i
25 0 81.70 1719.70
REMPLAZO ÓPTIMO DE LOS EQUIPOS EN GRUPO 247
Una representación gráfica de la tasa de aprovisionamien- Por su parte, la función del tiempo de remplazo viene
to y del número total de equipos remplazados se muestra en la dada por la siguiente ecuación:
figura 16.5.
Por su parte, la tasa de mantenimiento se calcula mediante la Si = jri (j + 1)ri _
— (16.30)
fórmula 16.28 ya que el tiempo promedio de aparición de la ave-
ría para los fusibles era de 11.906, por lo cual se tendrá: donde:
1000 j = Lapso de tiempo correspondiente.
P* = - 83.96 equipos
11.906 ri = Número total de equipos remplazados hasta el
Esta tasa también se muestra en la figura 16.5.
tiempo].
El procedimiento para determinar el tiempo óptimo
Pt r, de remplazo será calcular para cada lapso de tiempo j, la
140 1750 correspondiente Si , para conocer en qué momento se satis-
face la condición planteada en la ecuación 16.29.
120 1500 Por su parte, el costo total del remplazo de los equipos
100 1250 para un tiempo j, viene dado por la siguiente expresión ma-
80
temática:
1000
60 750 CTi = Cano + Cbri_i (16.31)

40 500 En tanto que el costo por periodo será el cociente de
20 250
este costo total, dividido entre el número de periodos j, es
decir:
5 10 15 25
CT Ca no +Cb
20
ci = =
Tiempo
Figura 16.5. Gráfica de las tasas de aprovisionamiento y

mantenimiento y del número total de equipos Este costo presenta un mínimo al momento que se sa-
remplazados para el caso de los fusibles. tisface la condición de optimalidad.
Ejemplo 16.10. Para el caso de Metales Potosinos, determi-
nar cuál es el tiempo óptimo para el remplazo de los equipos
REMPLAZO ÓPTIMO DE en grupo, si el costo de cada equipo es de $5200 si se efectúa el
LOS EQUIPOS EN GRUPO remplazo por grupos, y de $ 7000 si se hace de forma individual.
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:
Si- 1 <no <Sj

S (16.29) S1 = - 2r0 = 13 - 2(0) = 13
donde las r, se han tomado de la tabla de resultados del ejem-
donde: plo 16.8.
Por su parte, el costo Ci se obtiene mediante la fórmula 16.32
Si = Función de tiempo de remplazo dado por la ecua- para obtener:
ción 16.30.
(5200)(25)+ (7000)(0)
Ca = Costo de cada equipo si el remplazo se realiza en Cl = =130000 $/año
grupo. 1
Cb = Costo de cada equipo si el remplazo se efectúa de Para j = 2, se tendrá:
manera individual.
no = Número inicial de equipos. S2 = 2r2 - 3r1 = 2(25.25) - 3(13) = 11.50
248
Siendo el costo por periodo: Tabla 16.13. Costo de mantenimiento
anual, M$/año.
C2= (5200)(25)+ (7000)(13) =110500 Vallo Costo de Año Valor de
2
adquisición rescate
Para j= 3: Marca M$ 3 4 5 M$
Chevere 150 3 6 12 22 35 48
S3 = 3r3 — 4r2 = 3(38.63) — 4(25.25) = 14.89
Rápidas 130 2 5 8 15 30 38
Con un costo de: Económicas 160 5 7 10 14 22 45
(5200)(25)+ (7000)(25.25) Eficient 145 3 5 10 20 33 45
C = =102250 $/año
3
Para j= 4: Si la tasa de interés vigente es de 28 % anual y se supone
constante para los cinco años, ¿cuál es la marca de míni-
"S4 = 4r4 — 5r3 = 4(51.38) — 5(38.63) = 12.37 mo costo anual y cuál será su monto?
16.2. Si para el caso anterior la tasa de interés fuera variable e
Y el costo: igual a 24 % para el primer año, 27 % para el segundo, 32 %
para el tercero, 30 % para el cuarto y 28 % para el último
(5200)(25)+(7000)(38.13) año, ¿cuáles serian las respuestas a las mismas preguntas
C4 = =99 22 7.5 O $/año
4 del problema anterior?
16.3. Juan Sánchez está buscando la opción más económica para
Para j = 5: adquirir un televisor de color de 25 pulg, para ello ha obte-
nido la información que se presenta en la tabla 16.14.
S5 =5r5 — 6r4 = 5(65.9) —6(51.38) =21.22
Siendo el costo: Tabla 16.14. Costo anual de mantenimiento, $/año.

(5200)(25)+ (7000)(51.38) Costo de Año
Cs = = 97 932 $/año compra,
Valor de
5 1 2 3 4 5 reventa, $:
Marca Duración
En este periodo es cuando se satisface la condición de opti- Sonora 5 5000 100 150 180 200 240 1200
malidad, ya que:
Pesonic 5 4500 80 150 190 220 260 1000
< 710 < S3 Electric 4 3800 40 80 150 250 — 300
Cab
12.37 <18.57 <21.22 Si la tasa de interés es constante e igual a 22 %, ¿cuál será

su mejor opción y cuál su costo total anual?
Por tanto, debe efectuarse el remplazo por grupos al final del 16.4. Si para el caso anterior, la tasa fuera variable, siendo de
quinto periodo, dando un mínimo para el costo por periodo, lo que se 24 % en el primer año, 27 % el segundo, 32 % el tercero,
puede comprobar al calcular el costo respectivo del sexto periodo: 30 % el cuarto y 28 % el último año, ¿cuál será entonces la
mejor opción y cuál su costo?
(5200)(25)+6(7000)(65.9) 16.5. Constructora Regional Potosina está buscando determi-
C6 = = 9 8 5 5 O $/año
nar el lapso de tiempo más adecuado para renovar sus
máquinas revolvedoras, las cuales cuestan $ 25 000 cada
Que al ser mayor que el anterior, indica un mínimo en el quin- una. Los registros de costos de mantenimiento se presen-
to periodo. tan en la tabla 16.15.
PROBLEMAS PROPUESTOS Tabla 16.15

Año 1 2 3 4 5 6 7 8 9 10
16.1. El empresario Pablo Loza tiene una flotilla de camiones fle-
teros y necesita adquirir camionetas de carga ligera nue- Costo, $ 3000 3300 3750 4200 4950 6000 7500 9000 11 000 14000
vas, por lo que ha pensado en analizar las posibles marcas
para elegir la que sea de mínimo costo anual. Tiene cuatro
opciones: las marcas Chevere, Rápidas, Económicas y Efi- ¿Cuál será el tiempo óptimo de remplazo y cuál su costo
cient, que tienen una vida útil similar de cinco años. Los total anual?
costos de adquisición y mantenimiento anual, así como los 16.6. Si para el problema anterior las tasas de interés cambia-
valores de rescate se presentan en la tabla 16.13. ran cada año y fuesen como se muestra en la tabla 16.16.
249
Tabla 16.16 d) Dos remplazos en 10 semanas.
e) Tres remplazos en siete semanas.
Año 1 2 3 4 5 6 7 8 9 10 f) Tres remplazos en 10 semanas.
Lso
Ta 16 17 18 20 22 24 25 27 30
16.12. Para el problema de los microinterruptores, hallar las pro-
babilidades de consumo de equipos nuevos para los casos
¿Cuáles serían los valores del tiempo óptimo de remplazo siguientes:
y el costo total anual?
16.7. La empresa Ilumitodo ha hecho una prueba sobre la du- a) Un remplazo en cinco meses.
ración en servicio de focos de 60 watts y para 100 unida- b) Un remplazo en 10 meses.
des que se han puesto a funcionar, y obtuvo la siguiente c) Un remplazo en 15 meses.
información (tabla 16.17). d) Dos remplazos en cinco meses.
e) Dos remplazos en 10 meses.
f) Dos remplazos en 15 meses.
Tabla 16.17 g) Tres remplazos en cinco meses.
h) Tres remplazos en 10 meses.
Tiempo, semanas 0 1 2 3 4 5 6 7 8 9 10 i) Tres remplazos en 15 meses.
Focos en servicio 100 98 92 82 69 53 33 18 10 4 0
16.13. Para el caso de los focos, determinar la sumatoria de las
probabilidades de hacer cero, uno, dos y tres remplazos
¿Cuáles serán los valores de las funciones de superviven- en un lapso de siete semanas.
cia y duración y el de las probabilidades de avería para 16.14. Para los microinterruptores del problema 16.9, determi-
estos lapsos de tiempo? nar la sumatoria de probabilidades de hacer cero, uno,
16.8. Para el caso de los focos del problema anterior, calcular: dos y tres remplazos en un lapso de 10 meses.
16.15. Para el problema de los focos, hallar:
a) El tiempo promedio de aparición de la avería y su des-
viación estándar. a) El consumo promedio de equipos para un lapso de sie-
b) Lo mismo del inciso anterior si se introduce un tiempo te semanas.
límite de funcionamiento de ocho semanas. b) El consumo promedio en un tiempo de 10 semanas.
c) La probabilidad de consumo en siete semanas, cuan-
16.9. Fábrica de Aceros Saposa utiliza en su maquinaria micro- do ha habido un uso previo de los focos de cinco se-
interruptores del tipo BWR, por lo que ha decidido hacer manas.
un estudio sobre la duración de estas piezas y ha encon- d) La probabilidad de consumo en 10 semanas, si ya hubo
trado lo siguiente (tabla 16.18): uso de los focos durante 10 semanas.
16.16. Para el caso de los microinterruptores, hallar los siguien-

Tabla 16.18 tes consumos promedio de equipos:
empo,
meses 1 2 3 4 5 6 7 8 9 10 1 12 13 14 15
a) Para un lapso de cinco meses.
b) Para 10 meses.
Piezas en
c) Para 15 meses.
200 192 174 150 120 87 57 42 32 24 17 11 6 3 1 0
servicio
d) La probabilidad de consumo de piezas en 10 meses,
cuando han sido antes usadas durante cinco meses.
e) La probabilidad de consumo para 15 meses, si ya se
Determinar para estos mismos tiempos los valores de las usaron por cinco meses.
funciones de supervivencia y duración de las piezas, así
como las probabilidades de avería.
16.10. Hallar para el problema anterior: 16.17. La Compañía Distribuidora Nacional de Abarrotes dispo-
ne a nivel nacional de una infraestructura de distribución
a) El tiempo promedio de aparición de la avería y su des- para hacer llegar sus productos a la clientela. Cuenta ini-
viación estándar. cialmente con 300 camiones, los que desea mantener en
este mismo número durante todo el tiempo. La función de
b) Lo mismo, cuando se fija un tiempo límite de funciona-
miento para las piezas de 10 meses. supervivencia de los camiones se ha obtenido experimen-
talmente (tabla 16.19).
16.11. Para el caso de los focos del problema 16.7, calcular las
probabilidades de consumo de equipos nuevos para los Tabla 16.19
casos siguientes:
'Tiempo, años 0 1 2 6 7 8 9 - 1
a) Un remplazo en siete semanas.
Función de
b) Un remplazo en 10 semanas. supervivencia 1 0.92 0.80 0.64 0.48 0.30 0.18 0.12 0.07 0.03 0
c) Dos remplazos en siete semanas.
250 CAP. 16. MODELOS DE REMPLAZO
Calcular: b) El tiempo promedio de aparición de la avería y su de

viación estándar.
a) Para cada año, la tasa de aprovisionamiento y el núme- c) La tasa de mantenimiento de los moldes.
ro total de equipos remplazados.
b) El tiempo promedio de aparición de avería y la desvia- 16.19. Para la Compañía Distribuidora Nacional de Abarrotes
ción estándar. obtener cuándo deberá hacer el remplazo de sus camio-
c) La tasa de mantenimiento para los equipos. nes en grupo que minimice el costo anual respectivo y el
monto de éste, si el costo de cada camión individual es de
16.18. Cromados de Lujo hace cromado de accesorios de auto- $ 240 000 y en grupo de $ 150000.
móviles, para lo cual utiliia moldes de cromado, de los que 16.20. Para Cromados de Lujo el costo individual de cada mol-
dispone en un principio de 1.50 y sus funciones de super- de es de $ 2400, y si compra en grupo obtiene un precio de
vivencia y de utilización para diferentes tiempos son (ta- $ 1500 por cada uno, ¿cuándo deberá hacerse el remplazo
bla 16.20): de los moldes en grupo y cuál será el costo anual corres-
pondiente?
Tabla 16.20
-T—
Tiempo, ariOs 0 1 2 3 4 5 6 BIBLIOGRAFÍA
Función de 0.84 0.56 0.31 0.13 0.05 0
supervivencia Ackoff, R. L. y M. W. Sasieni, Fundamentos de investigación de
operaciones, Limusa, México, 1979.
Función de utilización 150 120 100 100 100 100 100 Kaufmann, A., Métodos y modelos de la investigación de operado-
nes, 9a. reimp., CECSA, 1970.
Obtener:
a) La tasa de aprovisionamiento y el número de moldes
remplazados en cada tiempo.
Imulgedo
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
versátiles que facilitan en buena medida estas tareas (Da-

vis y McKeown, 1986).
Plantear el
modelo
ETAPAS DE LA SIMULACIÓN Análisis de

Validar el resultados y
Toda simulación consta de una serie de etapas que de- modelo conclusiones
ben seguirse para llevarla a buen término. Los diferentes
autores sobre la materia están de acuerdo en un procedi- SI
miento, que con sus variantes lógicas pudiera ser el de la fi-

gura 17.1, donde el proceso de simulación se inicia definien- No
¿Se ha validado?
Sí Fase ¿Terminó la
experimentación?
do el problema, paso que consiste en establecer con claridad experimental
los objetivos que se pretenden alcanzar con la corrida, así

como en identificar aquella información que será necesaria No
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.
Solución: para este caso, la ecuación 17.1 será:

donde se observa que cuando la serie genera el número 9600 se
llega a un ciclo de cuatro números diferentes, los cuales se repeti- = + 3)(Módulo 1024)
rán indefinidamente. Esto da una clara idea de las desventajas del
presente método. Si se usa la semilla del ejemplo anterior, X0 = 0864, al aplicar
En la simulación de casos, los números que deben generarse esta última ecuación se tendrá:
deben ser fracciones entre el cero y la unidad, lo que no represen-
ta problema alguno, ya que lo que se hace es manejar la misma X1 = {(5)(864) +3}(Módulo 1024)
cantidad de decimales como dígitos tenga el número aleatorio; por X1 = (4323)(Módulo 1024)
ejemplo, si el valor aleatorio que se genera es el 0753, éste se to-
mará como 0.0753 para la corrida de simulación. Entonces, al dividir 4323 entre 1024 da como resultado
4.2216797, por tanto, 0.2216797 multiplicado por 1024, da el si-
guiente número aleatorio, que es:
Método congruencial
X1 = (0.2216797)(1024) =227
Este método es mejor que el del cuadrado medio y para
el cálculo de un número aleatorio cualquiera se basa en la Para el siguiente número aleatorio se tiene:
siguiente fórmula general (Hillier y Lieberman, 1991):
X2 = {(5)(227) +3}(Módulo 1024)
X, (aX,_ + b) (Módulo Al) (17.1) X2 = (1138)(Módulo 1024)
donde: Cuyo cociente es 1.111328125, por lo que el siguiente va-

lor será:
X, = i-ésimo número aleatorio.
a, b, M = Constantes. X2 = (0.111328125)(1024)= 114
= Número aleatorio inmediato anterior a X. Si se continúa con el mismo procedimiento se generan los
20 valores que se muestran en la tabla 17.3.
En esta ecuación el paréntesis correspondiente al mó-
dulo M significa que el valor del otro paréntesis (aX,_ i + b)
se dividirá entre My se tomará la parte fraccionaria del co- Tabla 17.3. Serie de 20 números aleatorios obtenidos
ciente, que multiplicada por el valor del módulo, dará el con el método congruencial.
valor de X,. 864 007 666 777
Por su parte, las constantes a, b y Mse definen de varias
227 038 261 816
formas, según el método congruencial del que se trate. Así,
255
114 193 284 1011 el caso de la demanda de mercancías en un problema de

573 968 399 962
inventarios, o bien el tiempo en el caso de las líneas de es-
pera y en la administración de proyectos mediante el mé-
820 747 974 717 todo PERT, sólo por citar unos cuantos ejemplos.
Para generar valores de esas variables aleatorias se uti-
Si esta serie se continuara se pueden generar un total de 1024 liza una técnica que data de los años de la Segunda Guerra
diferentes números antes de que ocurran repeticiones, situación Mundial, en un inicio empleada por Von Neumann, deno-
que muestra claramente las ventajas del método congruencia' so- minada método de Montecarlo, la cual se apoya en un ge-
bre el del cuadrado medio. nerador de números aleatorios, convirtiendo éstos por me-
dio de una transformación simple en valores de la variable
De hecho, cuando se manejan valores de ay b que sean aleatoria.
los indicados en la tabla 17.4, y que el módulo sea una po- Esta transformación suele hacerse de tres formas dis-
tencia entera de 2, como pueden ser 4, 8, 16, 32, 64, 128, tintas: gráfica, tabular y de transformación matemática, las
256,..., etc., se generará la misma cantidad de números cuales se analizarán enseguida.
aleatorios que el valor del módulo antes de que sucedan re-
peticiones, esto sucede sin importar el valor de la semilla
que se seleccione.
Enfoque gráfico
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.
Ejemplo 17.3. Se cuenta con una estadística de ventas, cuyas

MÉTODO DE MONTECARLO probabilidades individuales se presentan en la tabla 17.5; cons-
truir la gráfica de la probabilidad acumulada vs. las ventas y ob-
En los casos de simulación se manejan variables alea- tener el valor de éstas para el número aleatorio 0.5000.
torias cuya distribución de probabilidad es conocida, tal es
256
Tabla 17.5. Valores de demandas y probabilidades Enfoque tabular
para las tortas El Tigre.
Probabilidad Probabilidad El enfoque tabular es muy similar al gráfico, con la dife-
Demanda individual acumulada Intervalo rencia de que en este enfoque no es necesario elaborar la
860 0.02 0.02 0.0000-0.0200
gráfica de la probabilidad acumulada vs. la variable aleato-
ria, sólo se construye la tabla respectiva, como se hizo en el
900 0.06 0.08 0.0201-0.0800 ejemplo anterior, obteniendo el valor de la variable alea-
930 0.08 0.16 0.0801-0.1600 toria por medio del siguiente procedimiento (Davis y Mc-
960 0.10 0.26 0.1601-0.2600 Keown, 1986):
1000 0.16 0.42 0.2601-0.4200
1. Se produce un número aleatorio mediante el gene-
1020, 0.24 0.66 0.4201-0.6600 rador respectivo, el cual se maneja como fracción
105 0.14 0.80 0.6601-0.8000 entre O y la unidad, con el número de dígitos que
1080 0.10 0.90 0.8001-0.9000
contenga.
2. Se analiza en qué intervalo de probabilidad acumu-
1100 0.06 0.96 0.9001-0.9600 lada se halla el número aleatorio.
1130 0.04 1.00 0.9601-1.0000 3. El valor de la variable aleatoria que corresponda al
intervalo localizado en el paso anterior será el nú-
Solución: para cada volumen de ventas se lista en la tabla 17.5
mero buscado.
su probabilidad individual, la probabilidad acumulada, que será
la suma de las probabilidades individuales hasta ese nivel de ven- Por esta metodología es fácil darse cuenta que en el
tas, yen la última columna se presentan los intervalos para los que caso del ejemplo anterior, para el número aleatorio 0.5000,
aplican las ventas correspondientes. éste se sitúa en el intervalo de probabilidad acumulada que
Aquí se han manejado cuatro cifras decimales para diferenciar va desde 0.4201 hasta 0.6600, que corresponde a un volu-
los intervalos en los que aplica cada valor de las ventas. Si estos da- men de ventas de 1020, por tanto éste será el valor buscado
tos se grafican, se obtiene la línea que se muestra en la figura 17.2. de la variable aleatoria.
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.
Función de probabilidad uniforme. Para esta distri-

En la figura se ha indicado con líneas punteadas el procedi- bución de probabilidad, su función viene dada por la si-
miento de Montecarlo para el número aleatorio 0.5000, con este
valor se entra en la gráfica por el eje vertical, desplazándose para- guiente expresión (Davis y McKeown, 1986):
lelamente al eje horizontal hasta el escalón respectivo, a partir
del cual se da luego el movimiento hacia abajo paralelamente al f (x) = O para 0.5..x.0
eje de las ordenadas, hasta alcanzar el eje de las abscisas, donde (17.3)
se lee el valor correspondiente del volumen de ventas, que es 1
f (x) = para U- 5.V
1020, el que corresponde a este número aleatorio. V - U
MÉTODO DE MONTECARLO 257
donde: Esta ecuación resulta muy útil para la generación de va-
lores de variables aleatorias que siguen una distribución de
f(x) = Función de probabilidad de la variable x. probabilidad exponencial negativa, al igual que la de Pois-
U = Límite inferior de la distribución de probabili- son, ya que ambas distribuciones son duales, por ello es muy
dad. empleada en la simulación de líneas de espera para generar
V = Límite superior de la distribución de probabili- valores de los tiempos entre las llegadas de los clientes y los
dad. tiempos de servicio, como se verá más adelante en uno de los
casos que se presentarán en este capítulo.
Por su parte, la función de probabilidad acumulada F(x) Función de probabilidad normal. Para hacer la trans-
será la integral de esta función de probabilidad, es decir: formación matemática de la función de probabilidad nor-
mal, una de las formas más aceptadas es mediante la apli-
F(x) = uf' f (x) dx (17.4) cación del teorema de límite central, del cual no se presen-
tará el desarrollo matemático, sólo se dará la fórmula a la
Entonces, al sustituir f(x) dada por la ecuación 17.3 en que se llega (Fishman, 1978):
esta última expresión y efectuar la integración entre los lí-
mites señalados, se obtiene:
X=
6 1, n a
(17.12)
F(x)= x —U (17.5) 2I n
V—U n
12 12
Ahora esta ecuación se iguala al número aleatorio gene-
rado, que se denota como r, y al despejar de ella x, se tendrá: donde:
x= U+ r(V— (17.6) X = Valor generado de la variable aleatoria.

= i-ésimo número aleatorio.
Que es la ecuación de transformación buscada que per- n= Total requerido de números aleatorios.
mitirá convertir cualquier número aleatorio r en un valor de a= Desviación estándar de los n números aleatorios.
la variable aleatoria x. x= Media de los n números aleatorios.
Función de probabilidad exponencial negativa. Esta
función de probabilidad, como se vio en el capítulo 13, se de- Esta ecuación da muy buenos resultados aun para peque-
fine mediante la siguiente expresión: ños valores de n, aunque presenta algunos errores en los ex-
tremos de la distribución normal. Es usual definir n entre 5 y
f(x) = µ Exp(-11x) para O x (17.7) 10. Cuando se toma n = 12, la ecuación anterior se reduce a:
donde pt. es la media de la distribución. 12
Por su parte, la probabilidad acumulada F(x) será: X=En —6 (17.13)
i=1
F(x)= fox f (x) dx (17.8) Para la cual su media x es 0, y su desviación estándar a, 1.

Esta expresión es muy simple ya que se toman 12 nú-
Que al integrarse da: meros aleatorios entre O y 1, y a su sumatoria se le restan seis
unidades, dando el valor buscado de la variable aleatoria.
F(x) = 1 — Exp(—µx) (17.9) Aun cuando requiere 12 números aleatorios para obtener
Si se iguala esta expresión con el número aleatorio ge- sólo una estimación de la variable aleatoria, en realidad no
nerado ry luego se despeja x, se obtendrá: representa problema alguno cuando la simulación se hace
con computadora.
1 Por su parte, este valor de x generado no es directa-
x =-- ln(1—r) (17.10) mente el valor de la variable aleatoria, ya que ésta se obtie-
11 ne mediante la siguiente transformación:
Como la variable aleatoria es simétrica, es posible rem-
plazar en esta fórmula (1 — r) por r, para obtener: Z = + 1:),X (17.14)
donde:
1 ln r
x = --
Z = Valor de la variable aleatoria generado para la
simulación.
Que es la ecuación de transformación (Hilliery Lieber- X = Valor de la variable aleatoria generado mediante
man, 1991). la ecuación 17.13.
xm = Media de la variable aleatoria que se va a simular. Noveno valor de x = 1028.6

D, = Desviación estándar de la variable aleatoria que Décimo valor de x = 1024.2
se va a simular.
Para estos valores obtenidos mediante la transformación, su
Ejemplo 17.4. Para los datos del ejemplo anterior, generar media es de 1024.7 y su desviación estándar es 50.05; las diferen-
10 valores mediante la ecuación 17.13. cias con respecto a los datos reales se deben al hecho de ser pocos
los valores que se han generado.
Solución: lo primero será generar 10 valores de x, cada uno de
los cuales requerirá 12 números aleatorios, que se tomarán de la
tabla respectiva del apéndice. Entonces, si se toman los 12 prime- CASOS DE SIMULACIÓN
ros números aleatorios de la primera columna, éstos serán:
Enseguida se presentarán cinco ejemplos de casos de
M.4764, 0.8416, 0.9434, 0.3420, 0.6827, 0.8521, simulación que se resolverán en forma manual con el fin de
0.1129, 0.5806, 0.9285, 0.6955, 0.5937 y 0.8044 ilustrar su planteamiento y solución.
Estos casos tratan sobre algunos temas de la investiga-
Cuy asumatoria es 7.8538, por tanto x se estima con la ecua- ción operativa, como líneas de espera, teoría de decisiones
ción 17.13, siendo igual a 1.8538.
Enseguida se toman los siguientes números aleatorios de la
y modelos de inventarios. En realidad, cualquier problema
segunda columna de la tabla mencionada, los cuales son: que contenga variables probabilísticas puede ser manejado
como simulación.
0.6279, 0.8234, 0.5273, 0.1820, 0.6383, 0.1471,
Ejemplo 17.5. Caso de un vendedor domiciliario. Un vende-
0.3208, 0.8224, 0.6331, 0.5482, 0.3445 y 0.4611
dor de artículos de cocina maneja tres diferentes mercancías, las
Cuya sumatoria es 6.0761, resultando x igual a 0.0761. cuales vende según sus registros con las frecuencias que se seña-
Si se procede de manera similar con las otras columnas de lan en la tabla 17.6, en la que también se presentan las ganancias
la tabla de números aleatorios, se generan los siguientes valo- que le dan al vendedor por cada artículo.
res para x:
Tercer valor de x = -0.5789 Tabla 17.6. Registros de ventas del vendedor domiciliario.
Cuarto valor de x = -0.3860 Probabilidad Ganancia I
Quinto valor de x = -0.9888 Artículo de venta $/artículo
Sexto valor de x = -0.0865 Juego de cubiertos 0.45
Séptimo valor de x = 1.4192 Batería de cocina 0.35
Octavo valor de x = 0.2136
Vajilla 0.20
Noveno valor de x = 0.2619
Décimo valor de x = 0.1890
El vendedor dispone de la siguiente información: cuando toca
Con estos 10 valores de x y por medio de la fórmula 17.14 se a la puerta, le abren en 45 % de las veces. De las ocasiones en que le
obtienen los valores respectivos de las ventas, para los cuales su abren, 30 % lo hacen hombres y 70 % mujeres. Cuando es un hom-
media y desviación estándar calculadas con los datos de la tabla bre quien sale a la puerta, el vendedor realiza una venta en 20%
del ejemplo son: de los casos, y cuando sale una mujer lo logra en 40 % de las veces.
Simular 25 visitas del vendedor.
x,n = 1012.60
Ds = 61.215 Solución: en este caso hay varias etapas que se irán simulando
bajo el enfoque tabular de la metodología de Montecarlo, los cua-
Por tanto, para el primer valor de x, se tendrá: les sucederán en el orden siguiente:
Z= 1012.60 + (61.215)(1.8538) = 1126.1 1.El vendedor llama a la puerta. Se generará un número alea-
Para el segundo valor se tiene: torio de la columna 9 de la tabla del apéndice; si el valor está en-
tre O y 4500, sí le abrirán la puerta, en caso que el número sea
Z= 1012.60 + (61.215)(0.0761) = 1017.3 entre 4501 y 9999, entonces no le abrirán. Si abrieron la puerta
se va al paso siguiente; en caso contrario, la visita actual ha ter-
Procediendo de igual manera se obtienen los siguientes valores: minado y se repetirá este paso para la visita siguiente.
2. Como se ha llegado a este paso debido a que han abierto la
Tercer valor de x = 977.2 puerta, ahora se simulará quién lo hizo, por ello se tomará un nú-
Cuarto valor de x = 989.0 mero aleatorio de la columna 10 de la tabla mencionada, que si
Quinto valor de x = 952.1 se halla entre O y 3000, indicará que un hombre ha salido a la puer-
ta, en caso de que el valor aleatorio sea entre 3001 y 9999, habrá
Sexto valor de x = 1007.3 sido una mujer.
Séptimo valor de x = 1099.5 3. Ahora se verá si se logra la venta. Si un hombre fue quien
Octavo valor de x = 1025.7 abrió la puerta, se obtendrá un número aleatorio, tomándolo aho-
CA505 DE SIMULACIÓN 259
ra de la columna 5 de la tabla; si su valor está entre O y 2000, la tomará el primer número aleatorio de la novena columna de la ta-
venta se habrá obtenido, en caso de que el número haya sido en- bla del apéndice, que es 6049, por lo que la puerta no se abrirá
tre 2001 y 9999, entonces no se habrá logrado. Por su parte, si fue y la primera visita ha terminado. Entonces se repite este paso para
una mujer quien salió a la puerta, se toma el número aleatorio de la segunda visita, volviendo a leer otro valor aleatorio de la mis-
la misma columna de la tabla, y si su valor se halla entre O y 4000, ma columna, que es el 8767, por lo que la puerta tampoco se abri-
significará que la venta se ha logrado, en caso de que el número se rá en esta ocasión, y tomando el número aleatorio siguiente para
halle entre 4001 y 9999, la venta no se habrá logrado. Si la venta la tercera visita, el 2006, en este caso la puerta sí será abierta, de
se ha obtenido, se va al paso siguiente, en caso contrario, se simu- aquí se pasa entonces a la segunda etapa, según la cual se tomará
lará la siguiente visita desde el primer paso. un número aleatorio de la décima columna de la tabla, que resulta
4. Dado que se llegó aquí porque la venta se ha efectuado, se ser el 7488, por lo que quien abrió la puerta ha sido una mujer.
hará una última simulación para saber qué artículo es el que se ha Luego, de acuerdo con el tercer paso, se toma un valor aleatorio
vendido, por tanto se tomará otro número aleatorio de la tabla, de la quinta columna de la tabla, leyendo en ella el número 1634,
el cual será ahora de la sexta columna: si su valor se halla entre que corresponde a una respuesta positiva a la proposición de ven-
O y 4500, se habrá vendido un juego de cubiertos; si el número ta del vendedor. Por último y conforme al cuarto paso del proce-
está entre 4501 y 8000, será una batería de cocina, y si el valor dimiento indicado, se lee un número aleatorio de la columna 6
aleatorio se halla entre 8001 y 9999, el artículo vendido será de la tabla, el 2396, que corresponde a que el artículo vendido sea
una vajilla. un juego de cubiertos, que dará al vendedor una ganancia de $350.
Si se repite este procedimiento, se obtendrán los resultados
Se procederá ahora a realizar lo antes señalado para la pri- que se presentan en la tabla 17.7, a los cuales el lector puede dar
mera visita domiciliaria del vendedor: conforme al primer paso, se seguimiento con facilidad.
111
Tabla 17.7. Resultados del ejemplo 17.5.

¿Qué
Núm. Núm. ¿Abren Núm. Núm. Núm. artículo
de aleatorio la aleatorio ¿Quién aleatorio ¿Hubo aleatorio se Ganancia,
visita columna 9 puerta? columna 10 abrió? columna 5 venta? columna 6 vende?
1 6049 No
2 8767 No
----
3 2006 Sí 7488 Mujer 1634 Sí 2396 Cub. 350
4 5730 No
5 0495 Sí 2934 Hombre 7344 No
6 3101 Sí 7914 Mujer 2809 Sí 5582 Bat. 500
7 4610 No ---
8 4470 Sí 1305 Hombre 0746 Sí 7556 Bat. 500
9 8980 No
10 9966 No
11 5169 No
12 3276 Sí 5501 Mujer 3049 Sí 7468 Bat. j 500
13 7886 No
14 8456 No ____
15 3884 Sí 7983 Mujer 6203 No ----
16 1254 Sí 5684 Mujer 2923 Sí 0858 Cub. 350
17 3691 Sí 1598 Hombre 6696 No
18 3666 Sí 6963 Mujer 4031 No
19 9208 No
---
20 3189 Sí 6852 Mujer 2875 Sí 4840 Bat. 500
21 1403 Sí 3131 Mujer 3496 Sí 0382 Cub. 350
22 3751 Sí 4537 Mujer 8306 No
23 6926 No
24 1609 Sí 3739 Mujer 4229 No
25 5649 No --- _ ---- —-
Total 13 síy 3 hom. y 7 síy 6 3 cub. 3050
12 no 10 muj. no y 4 bat.
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,
Tabla 17.9. Resultados del juego del ejemplo 17.6.
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
t---. 4 4 .-/-) Crl R in Cc) CV CO

l0 Cc)
CV CV "4 ,—. Cc) 0 LO CO Cr, O> N ,.-. co
1 N. ex5 ,-, 1 1 1 c-,i 4 ce, 1 1 a; 1 cz; c-,i n 1 1 ,--, 1 .-/-) 1 1 O
o o ,-, (-.4 cq en en 4 4 4 in
in o o
(515
o
Tabla 17. 10. Simulación de la línea de espera del minisúper de Rioverde.
4 N- 't c"-) O M c•-) CO

"-1 C, N N CO M Q1 0 CO C3'1 M co
•LI
• I cc> 1 1 1 r-) N•7r■ 1 I c,-; I c:7; 0 N 1 I .-r> 1 1 1 Ó I in I
o o o rq N M M lf) O
P1 R N: IR R: R cc CO
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
í2-I w fa. 1—>
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
.-. .-. ,--,

P. o P. C) o P4 /z cn H > c.) H'-) ..,C >< ›.., XI N .:., C,...) ›, ‘-' Li
— > Ncd.. al
cd cd
a., ,, MI.
MI ccl cl ci.) ni C../ (1.) op
ct ce
. . o", . o.° ctl
c.o G-J Í) C, 0.0 '' u.,., CE ol) on -. °1-' cl, c-'nn
''' Oí) O/) C.J) (1.) 01) —I 1) a
. Ti, -,-,; . 7, . -,,71 . . -7,1 7 c
(2 , c2 la (1)" .) v CL cv cc c., cd ._] cl.) -cij CU
- ±',,-) V) 71. c/D' ' „)
7 (1.)
-'-'1 z z
ce z
,-J & Ci) :1 Ci) ZI /)
C ,--1 7-1 V) co ^'
,--J Z :.
1 z z z
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)
tr) ,r) cc) o co co kr) f)

CO CC CZ-■ 4 5 co 4 5 co O
C) ,r) I 1--Z ,.(:) 1 1 -4.■ 1 4 1 1 1 r-) 1
, c-q in CO e-1 c‘i u-)
CQ co á) 5:5 co cc co Ce. 5 5 5 5 O Cr, 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
kr) Cl •Tr kr) CO N O)

O co ‘-r) cc O)
GO I O C7) C.,) Q <-0 1 "1" I I O)
O)
CC CO O O •
O O © O O O
1 1 (/) UD H > 1 N N PP C_)
cn t"--- t---.. N O I...0 kr)

O M CO Cr5 Ir) t---. tr) LO Cr, O
CC
ri cn") 4 I •rt; Iri CO o 1 4 I CC; O O
4, 4 4, kr) c‘l tr)
co 5 5 cr, 5
O O
c;c5 co Cr. O
co (.0
00 N. co LC)
Le-) O
1 I •I N N •
' C5 r-i
,. ,-. Cr, ,1-, C,1 CO 1,1 O Cr, CD O CO

CO N CM en CO co 00 CS) O
LO i en i 1---. 1 CT. tr) co 1 LO 0 CO I N 1
0. 1 L--- ,-. cp CO Crl CO t.r)
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
--,
o .0 cr, co LO cr, CO CT LO CV Cr.

e‘l LO co Cr)
LO "TM crq
co O LO 1 CO 1 LO crt.
C,7
p1
H
M r- M 00 M CO 00 co• •
O O O O C:$ CS 0 O
1
Z 0 C/D I H > 1 M
, •-■
1
C7 x
O ln 'cr. O N- N en h cn e`,1 ‹..0 00 v) 7. ' TI"' LO r-- en O) ce)

ir) 1"-- Lp c:5-, ir? o "Cr O) O CV CV LO hkr) CO 1
N od "t LO r-Z ir) LO LO O) ‘r) O) M c7) oc■ 00 O O -2
O o en Cr) ce) ce> r-) •• ••
Ne:-? en en en en 7t.
CS c±i o o •t1 11,1 e, 1—i
CS c±5 d'.5 r.
e, e, .S e, e, 1.1 e, 1.1 T, • •■-1

CASOS DE SIMULACIÓN 265
Siendo entonces el número promedio de clientes en la línea punto de renovación de pedidos. Sus últimas estadísticas de ven-
de espera: tas de estufas se indican en la tabla 17.12.
(0)(136.86)+(1)(94.86)+(2)(34.62)+
(3)(13 .99)+(4)(1.4)+(5)(0.32) Tabla 17.12
= 0.756 clientes
282.05 Demanda, Frecuencia de Rango de prob.
estufas/semana ventas acumulada
Por su parte, el tiempo promedio que pasa un cliente en la
línea de espera es el valor de la sumatoria de los tiempos de cada 12 0.05 0.0001-0.0500
uno de ellos, que pueden leerse de la penúltima columna de la ta- 13 0.07 0.0501-0.1200
bla, dividido entre el número de clientes, lo que dará:
14 0.09 0.1201-0.2100
301.05 15 0.17 0.2101-0.3800
=6.02 min
50 16 0.30 0.3801-0.6800
El número promedio de clientes en servicio se obtiene de ma- 17 0.14 0.6801-0.8200
nera similar al de clientes en espera, es decir, sumando los tiem- 18 0.11 0.8201-0.9300
pos de cero y un cliente en servicio, que son 54.10 y 227.95 min,
respectivamente, y promediándolos, para obtener: 19 0.07 0.9301-1.0000
(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-
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.
Tabla 17.14. Resultados de la corrida para un punto de renovación del

pedido de 48 estufas.
Inventario Inventario Costo de 1
Tiempo de Costo por
Tiempo, Número Demada, final, promedio, conservación, Costo de Número entrega, faltantes,
semanas aleatorio estufas estufas estufas pedido, $ aleatorio semanas $
o 90
1 0.4446 16 74 82 1640
2 0.6427 16 58 66 1320
3 0.5902 16 42 5o 1000 6000 0.1834
4 0.0318 12 30 36 720
5 0.5901 16 14 22 440
6 0.3044 15 89 96.5 1930
7 0.1699 14 75 82 1640
8 0.5783 16 59 67 1340
9 0.8764 18 41 50 1000 6000 0.1084 2
10 0.2161 15 26 33.5 670
11 0.3694 15 11 18.5 370
12 0.6072 16 85 93 1860
13 0.8224 18 67 76 1520
267
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.
Tabla 17.16. Tabla de probabilidades

de las demandas de tortas. Tabla 17.17. Simulación de las ventas de tortas.
Demanda Probabilidades Cantidad Ganancia

Rango de probabilidades
de tortas individuales de tortas Número esperada, 1
para cada demanda
Día preparadas aleatorio Demanda $
510 0.0167 0.0001-0.0167
550 0.0892 530 3 010
520 0.0667 0.0168-0.0833 2 530 0.1652 530 3 074
530 0.1000 0.0834-0.1833 3 530 0.2963 540 3 054
540 0.1667 0.1834-0.3500 4 540 0.2913 540 3 132
550 0.3000 0.3501-0.6500 5 540 0.3181 1 540 3 132
269
6 540 0.9348 580 3 052 Monto de

Tipo de gastos,
7 580 0.5459 550 3 094
Escenario Probabilidad clima millones $/año
8 550 0.7695 560 3 170 8.2
Malo 0.18 Adverso
9 560 0.7712 560 3 248 Favorable 5.5
10 560 0.8136 570 3 228 Moderado bajo 0.32 Adverso 6.0
11 570 0.9659 580 3 286 Favorable 4.3
12 580 0.2526 540 3 004 Moderado alto 0.31 Adverso 4.6
13 540 0.6988 560 3 092 Favorable 3.5
14 560 0.1781 530 2 978 Bueno 0.19 Adverso 3.9
15 530 0.7652 560 3 014 Favorable 3.4
16 560 0.8559 570 3 228
17 570 0.2204 540 3 036 Las probabilidades de que el clima sea adverso o favorable,
18 540 0.4339 550 3 112 conforme a lo sucedido en los últimos 40 años, son de 46 y 54 %, res-
pectivamente.
19 550 0.6299 550 3 190 Simule la operación de los próximos 20 años y obtenga los re-
20 550 0.3397 540 3 100 sultados financieros esperados.
21 540 0.1194 530 3 042 Solución: en este problema hay algunas variables que deben
22 530 0.7070 560 3 014 simularse para llegar al estado de resultados, en primer lugar la
580 3 208 producción de limón, la cual se obtiene con la ecuación siguiente
23 560 0.9662
conforme a la distribución uniforme de probabilidad:
24 580 0.4168 550 3 094
25 550 0.7786 560 3 170 Producción = 450 + 200 r
26 560 0.6289 550 3 158 Donde r es el número aleatorio escogido y expresado como
27 550 0.7768 560 3 170 fracción de la unidad.
La siguiente variable que hay que simular es el precio, el cual
28 560 0.2043 540 3 068 puede obtenerse con la tabla 17.18:
29 540 0.2723 540 3 132
30 540 0.2791 540 3 132 Tabla 17.18. Rango de números aleatorios para el precio.
Total - 16 530 93 422 Rango de números
Precio Frecuencia Probabilidad aleatorios
12.00 1 0.05 0001 - 0500
Por su parte, si este caso se soluciona con alguno de los méto-
dos vistos en el capítulo 10 de este texto, con las condiciones de 13.00 2 0.10 0501 - 1500
este problema la mejor decisión es preparar 550 tortas, con lo que 14.00 4 0.20 1501- 3500
la ganancia esperada sería de $3119.67 diarios. 15.00 10 0.50 3501- 8500
Esto da una clara idea del grado de aproximación entre los
resultados analíticos y los de la corrida de la simulación. 16.00 2 0.10 8501 - 9500
17.00 1 0.05 9501• 0000
Ejemplo 17.10. Un productor mexicano de limón agrio ex-
porta su producto a Estados Unidos y su volumen de producción
ha seguido los últimos años una distribución uniforme entre 450 y El ingreso será el producto del precio y la cantidad producida.
650 ton anuales. Por su parte, el precio ha fluctuado los últimos 20 Debe simularse la variable del gasto del año, para lo cual de-
años en la forma siguiente: ben obtenerse dos variables: el escenario económico y el clima, ya
que depende de ambas.
El escenario económico se obtendrá con un número aleatorio,
que si se ubica en el rango del 0001 al 1800, corresponderá a un
Precio, $/kg 12.00 13.00 14.00 15.00 16.00 17.00
escenario malo; si se localiza entre 1801 y 5000, será moderado
Frecuencias 1 2 4 10 2 1 bajo; si está entre 5001 y 8100, será moderado alto; y si se ubica
entre 8101 y 0000, será un buen escenario.
Para el clima la situación es la siguiente: si el número aleato-
En cuanto a los gastos, como algunos son por adquisición de rio se sitúa entre 0001 y 4600, será un clima adverso, pero si está
materias primas importadas, dependen de los escenarios que se entre 4601 y 0000, será favorable.
presenten en la economía mundial, así como también del clima. Los resultados de las variables simuladas en las 20 corridas se
Esta información se sintetiza en la tabla siguiente: sintetizan en la tabla 17.19:
270 1
Tabla 17.19. Resultados de la simulación.
Núm. aleatorio Núm. aleatorio Núm. aleatorio Núm. aleatorio
Año de producción Producción de precio Precio del escenario Escenario del clima Clima
1 7984 609.68 4446 15.0 1634 Malo 0892 Adverso
2 8579 621.58 6427 15.0 7344 Moderado alto 1652 Adverso
3 2486 499.72 5902 15.0 2809 Moderado bajo 2963 Adverso
4 0788 465.76 0318 12.0 0746 Malo 2913 Adverso
6 8645 622.90 3044 14.0 6203 Moderado alto 9348 Favorable
7 0032 450.64 1699 14.0 2923 Moderado bajo 5459 Favorable
8 6599 581.98 5783 15.0 6696 Moderado Alto 7695 Favorable
10 ' 9769 645.38 2161 14.0 2875 Moderado bajo 8136 Favorable
12 8550 621.00 6072 15.0 8306 Bueno 2526 Adverso
14 8610 622.20 1455 13.0 9751 Bueno 1781 Adverso
15 1830 486.60 1443 13.0 8950 Bueno 7652 Favorable
17 5145 552.90 6251 15.0 7295 Moderado alto 2204 Adverso
19 4324 536.48 5595 15.0 5435 Moderado alto 6299 Favorable
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
Tabla 17.20. Resultados financieros de los 20 años.

Ingreso anual, Gasto anual, Resultado financiero,
Año Producción Precio miles $ Escenario Clima miles $ miles $
609.68 15.0 9145.20 Malo Adverso 8200.00 945.20
2 621.58 15.0 9323.70 Moderado alto Adverso 4600.00 4723.70
3 499.72 15.0 7495.80 Moderado bajo Adverso 6000.00 1495.8
---
4 465.76 12.0 5589.12 Malo Adverso 8200.00 -2610.88

6 622.90 14.0 8720.60 Moderado alto Favorable 3500.00 5220.60
7 450.64 14.0 6308.96 Moderado bajo Favorable 4300.00 2008.96
12 621.00 15.0 9315.00 Bueno Adverso 3900.00 5415.00
14 622.20 13.0 8088.60 Bueno Adverso 3900.00 4188.60
15 486.60 13.0 6325.80 Bueno Favorable 3400.00 2925.80
271

17 552.90 15.0 8293.50 Moderado alto Adverso 4600.00 3693.50
Promedio 567.408 14.35 8170.639 4855.00 3315 .639
Valores 550.0 14.65 8057.500 4771.136 3286.364
teóricos
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
¿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.
17.16. La Arrendadora de Autos América cobra $ 300 diarios por

Tabla 17.28 la renta de cualquiera de sus vehículos, su costo anual
Clientes por mantenimiento es de $ 14600, mientras que cada au-
diarios 4 5 6 7 8 9 10 11 Total tomóvil que tiene ocioso le ocasiona un costo de $ 40 dia-
rios y por cada automóvil que le solicitan y no tiene dis-
Probabilidad 0.10 0.12 0.18 0.26 0.14 0.10 0.06 0.04 1.00
ponible estima que su costo es de $ 75. De estadísticas
274 CAP. 17 . SIMULACIÓN
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:
a) El punto de renovación del pedido (PRP) es de 10 y la

Tabla 17.30 cantidad de pedido (Q) es de 10.
Núm. autos b) Si PRP= lOy Q=15.
diarios 0 1 2 3 4 5 6 Total c) PRP= lOy Q = 20.
d) PRP = 15 y Q = 15.
Probabilidad 0.10 0.12 0.18 0.24 0.16 0.12 0.08 1.00
17.19. Para el caso anterior obtener los valores de PRP y Q que
minimicen el costo total anual y su monto.
Por otra parte, los días que se renta un automóvil, cada vez 17.20. La Constructora de la Zona Media desea minimizar su
que esto sucede, han sido los de la tabla 17.31: costo por concepto de manejo del inventario de grava,
cuya demanda ha tenido la distribución de probabilidad
según la tabla 17.34.
Tabla 17.31
Días de 1 2 3 4 5 Total
renta Tabla 17.34
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
¿Cuál será el número óptimo de automóviles que debe

rentar para maximizar la ganancia anual y cuál será su Por su parte la distribución respectiva para los tiempos
monto? de entrega ha sido (tabla 17.35):
17.17. En el problema anterior, cuáles serían las respuestas si:
a) La renta diaria fuera $ 250, el costo de tener un auto- Tabla 17.35

móvil ocioso de $ 70 diarios, el costo de no tener un au-
tomóvil disponible cuando se solicita de $ 100 y el cos- Tiempo entrega, semanas 1 2 3 Tota l
to anual de mantenimiento de $ 20 000.
b) La renta fuera de $ 200 diarios, el costo de un automó- Probabilidad 0.40 0.40 0.20 1.00
vil ocioso de $ 85, el costo de un automóvil faltante
de $ 120 y el costo de mantenimiento de $ 23 500.
El costo de conservación es de $ 8.50 semanales por cada
17.18. La refaccionaria Geyasa está buscando optimizar su cos- tonelada, el de colocar cada pedido es de $ 100 y el de fal-
to del inventario de juegos de bujías, para los cuales la tantes de $ 24 por tonelada. ¿Qué punto de renovación de
demanda tiene la siguiente distribución de probabilidad pedidos y cantidad deberá manejar con el fin de minimi-
(tabla 17.32): zar el costo total anual y cual será su monto?
17.21. Si los costos del problema anterior son ahora de $5 sema-
nales por tonelada por concepto de conservación, $30 por
Tabla 17.32 faltantes y $ 150 por colocación de cada pedido, ¿cuáles
Demanda serán ahora las respuestas a las mismas preguntas?
17.22. Simular la línea de espera tipo M/M/1 del Banco Local
semanal 1 2 3 4 5 6 7 Total
Rioverdense del problema propuesto 13.6 y comparar los
Probabilidad 0.12 0.16 0.21 0.16 0.14 0.12 0.09 1.00 resultados obtenidos con los valores analíticos. Úsese una di
corrida con 2000 clientes.
17.23. Simular y comparar con los resultados analíticos para
Por su parte los tiempos de entrega de su proveedor han el caso del banco para un sistema del tipo M/M/S con
sido los de la tabla 17.33. los tres servidores, como se planteó el problema propues-
to 13.7.
17.24. Para el caso de Tortillas Hamasa del problema propuesto
Tabla 17.33 13.8, simular con 2000 clientes y comparar con los valores
Tiempo entrega, analíticos.
semanas 1 2 3 4 Total 17.25. Para el caso del ejemplo resuelto 13.8 de la peluquería con
el sistema M/D/1, simular el sistema y compare con los
Probabilidad 0.10 0.30 0.40 0.20 1.00 resultados analíticos utilizando 6000 clientes.
17.26. Fundidora Metalsa cuenta con seis hornos de fundición,
que tienen una vida útil que sigue una distribución nor-
El costo para conservar cada juego en el inventario es de mal de probabilidad con media de dos años y desviación
$ 25 semanales, cada faltante le ocasiona un costo de opor- estándar de un mes y medio. Si el costo de cada horno es
tunidad de $350 y colocar cada pedido le cuesta $ 125. de $ 150 000 y cada remplazo individual le cuesta a la em-
275
presa por mano de obra y tiempos perdidos un total de Le atienden Le compran
$ 8500, mientras que si cambia los seis hornos al mismo Visita Porcentajes
tiempo el costo total es de $ 30000, ¿qué le convendrá
más: efectuar los remplazos en forma individual, o hacer- Domicilios 35 40 45
lo en grupo? Utilizar un lapso de tiempo para el análisis Escuelas 20 80 65
de 10 años. Profesionistas 45 65 75
17.27. Para el caso anterior:
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
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
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.
Se dice que hay consistencia en los resultados obtenidos si

La importancia relativa de cada factor que influye en la deci- CR es menor o igual a 0.1.
sión de jubilación de los trabajadores próximos al retiro es la que El índice aleatorio, IA, depende del tamaño de la matriz
se señala en la tabla 18.8: (número de renglones y/o columnas), y su valor puede obtenerse
de la tabla 18.9:
Tabla 18.8. Valor de cada factor.
Lugar de
Tabla 18.9. Valores del índice aleatorio.
Valor relativo
Factor importancia relativa Tamaño de índice
Salud 23.8 2 la matriz aleatorio IA
Situación económica 11.3 3 1 0
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
A B Tabla 18.10. Evaluaciones de cada factor por cada evaluador.

3 5 3 1/3 7 0.238 1.540 Evaluador
1/3 1 3 1 1/5 5 0.113 0.703 Factor Sumatoria
3 4 l 5
1/5 1/3 1 1/3 1/7 3 x 0.054 0.329 1 222
C= Salud 5 6 J 4
1/3 1 3 1 1/5 5 0.113 0.703
Situación 6 4 i 19
3 5 7 5 1 9 0.453 2.936 económica
1/7 1/5 1/3 1/5 1/9 1 0.029 0.177
Personal 2 3 3 1 6 15
Sistema de 3 4 4 2 16
Se obtiene el vector D, dividiendo C entre el elemento res-
retiro
pectivo del vector B:
Laboral 6 5 5 26
1.540 0.703 0.329 0.703 2.936 0.177 País 1 1 2 1 7
D_[
0.238 0.113 0.054 0.113 0.453 0.029
=[6.47 6.22 6.09 6.22 6.48 6.10]
Conforme a lo señalado en la técnica TGN, el factor más im-
portante ha sido el laboral, pues es el que ha obtenido la mayor
Finalmente, 21,má), es el promedio de los elementos del vector puntuación, 26 puntos, aunque de los cinco evaluadores sólo uno
D, 6.263, y con ello se obtiene el índice de consistencia: lo ha colocado como el más importante. Sin embargo, los cuatro
evaluadores restantes lo sitúan como el segundo factor más impor-
/C = N _ 6 263-6 = 0.0526 tante, es por ello que ha resultado con la puntuación máxima. Lue-
N -1 6-1
—1 go, por orden de importancia, le siguen el estado de salud, la situa-
ción económica del empleado, su sistema de retiro, su situación
De la tabla 18.9, el índice aleatorio para un tamaño de matriz personal y, al final, ha quedado la situación del país. Este resulta-
de 6 es 1.24, y la razón de consistencia resulta: do es muy parecido al obtenido con el AHP del ejemplo anterior.
/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
Precio de reventa I Costo de S —2 +1 —1 —1

Disponbldaerfcs refacciones
Comodidad Precio de S S +1 — 1 S
Gusto (aspectos estéticos) combustible
Seguridad Precio de +1 +1 —1 —1
reventa
La matriz de Pugh lleva estos ocho atributos o criterios como I Disponibilidad —1 —3
renglones, y las cinco marcas serán las columnas. En este caso de refacciones
debe elegirse una marca base o testigo, que se ha decidido que sea Comodidad —1
la americana, con esto la matriz queda en la forma siguiente:
I Gusto S +1 —1 —1 +1
Tabla 18.14. Matriz de Pugh inicial, con la marca testigo. Seguridad S —1 +1 —1 —1
Marca
Americana Europea Japonesa Francesa Italiana Sumatoria de las 3 +5 —11 —4
'Criterio —
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:
Tabla 18.16. Aplicación del AHP para los

criterios de la compra del auto.
Costo
Precio de Precio de Precio Disponi-
de refac- combus- de bilidad de
Atributo compra ciones tibie reventa refacciones Comodidad Gusto Seguridad I
Precio de 1 5 7 9 3 5 3 5
compra
1
Costo de 1/5 1 3 1/3 1/3
refacciones
Precio de 1 /7 1/3 1 1/5 1/3 1/5 1/3
combustible
282
Tabla 18.16. (Contnuación.)
Costo
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
Al convertirse en fracciones se tienen los siguientes resul-

tados:
Tabla 18.17. Fracciones de cada atributo.
Costo
Atributo compra ciones tible reventa refacciones Comodidad Gusto Seguridad
Precio de 0.397 0.344 0.256 0.214 0.473 0.344 0.473 0.344

compra
Costo de 0.079 0.069 0.110 0.119 0.053 0.069 0.053 0.069
refacciones
Precio de 0.057 0.023 0.036 0.071 0.031 0.023 0.031 0.023
combustible
Precio de 0.044 0.014 0.012 0.024 0.022 0.014 0.022 0.014
reventa
Disponibilidad 0.132 0.206 0.183 0.167 0.158 0.206 0.158 0.206
de refacciones
Comodidad 0.079 0.069 0.110 0.119 0.053 0.069 0.052 0.069
Gusto 0.132 0.206 0.183 0.167 0.158 0.206 0.158 0.206
Seguridad 0.080 0.069 0.110 0.119 0.052 0.069 0.053 0.069
Sumatoria 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
BIBLIOGRAFÍA 283
Finalmente se obtiene la ponderación de cada atributo me- Para ilustrar este cálculo se presenta el de la marca europea:
diante el promedio de los elementos de cada renglón, con lo cual
las ponderaciones son las que se sintetizan en la tabla 18.18: Evaluación = 0.355(-1) + 0.077(-2) + 0.037(0) + 0.021(+1)
+ 0.177(-1) + 0.078(0) + 0.177(+1) + 0.078(-1)
Tabla 18.18. Ponderación de cada atributo. =-0.355 — 0.154+0+0.021 —0.177+ 0+0.177 —0.078
= —0.566
Atributo Ponderación
Precio de compra 0.355 Los resultados son los mismos en cuanto al lugar de preferen-
Costo de refacciones 0.077
cia que ocupa cada marca, aunque ahora han sido cuantificados
de otra manera.
Precio de combustible 0.037 Hacer la priorización con la matriz de Pugh original es equi-
Precio de reventa 0.021 valente a darle el mismo peso ponderado a cada factor.
En este capítulo no se plantean problemas propuestos, debi-
Disponibilidad de refacciones 0.177
do a que su solución queda a juicio de quien efectúa las evaluacio-
Comodidad 0.078 nes, sólo se incluyen ejemplos ilustrativos de las aplicaciones de
Gusto 0.177 las técnicas y metodologías presentadas.
Seguridad 0.078
Sumatoria 1.000 BIBLIOGRAFÍA
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.
Tabla 18.19. Matriz de Pugh final.
Ponderación del Marca

Criterio
atributo Americana Europea Japonesa Francesa Italiana
Precio de compra 0.355 O —1 +2 —2 —2

Costo de refacciones 0.077 O —2 +1 —1 —1
Combustible 0.037 O O +1 —1 0
Reventa 0.021 O +1 +1 —1 —1
Disponibilidad de 0.177 O —1 O —3 0
refacciones
Comodidad 0.078 O O 0 —1 0
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:
Siendo las variables no negativas. a) La misma que la original.

2.17. Se definen 18 variables, que son lo que se va a enviar de b) Xi = 2, X2= O, X3=10, Z=38
cada banco a cada cliente en toneladas, c) =6.5, X2= O, X3= 7, Z= 47
Min Z = 500XIA + 650X13 + 800X1c + 650X2A + 750X2s + 4.14. La solución original es la misma que la del problema 7.1,
650X2c + 600X3A + 550X3B + 700X3c + 720X4A + 900X4B + propuesto mientras que para los incisos es:
750X4c + 800X5A + 1000X5B + 900X5c + 830X6A + 85043+
800X6c
Sujeto a: a) X i = O, X2= 7, X3=7, Z=35
X1A+X2A-FX3A+X4A+X5A±X6A= 10 000
b) Xi = O, X2= 8, X3 = 6, Z=50
43 -1- X2B+ X3B X4B X5B X6B = 9000 c) =3.5, X2= O, X3=7, Z=49
Xlc + X2c X3 X4c + X5c X6c = 8500
XiA +XIB+Xic 53100 4.15. a) X1 =4,X2 =0,X3 =7,Z=37
X2A X2B X2c 5.4300 b) X 1 =6,X2 =0, X3 = 2, Z=30
X3A+ X3B X3 3500 4.16. X1 =0,X2 =0,X3 =6,X4 =8,Z=46
X4A X4B X4c 5 6300 4.17. XI = 4, X2= O, X3=6, Z=34
X5A +X5B X5 5 7000 4.18. XI, X2, X4y X5= 1 X3 = Oy Z=2050
X6A + X6B + X6c 5.5100 4.19. Xi = 4916, X2= 1917 y X3= 1500 con Z= 1 814 130
4.20. X1 =250, X2 = 1000, X3 = 750, X4 = 4266.67, X5 = 1333.33,
Siendo las variables no negativas. X6= O y X7 = 2400, con Z= 1 913 750
CAPÍTULO 3 CAPÍTULO 5
3.1. A = 4, B= 2, Z=22 5.1. X1 =0,X2 =2,Z=6

3.2. A=6.5,B=5,Z=79 5.2. X1 =2,X2 =1,Z=17
3.3. X=6, Y= 8, Z= 114 5.3. La misma solución que el problema 6.1 propuesto.
290 RESPUESTAS A LOS PROBLEMAS RESUELTOS
5.4. = 2, X2 = 2, Z= 22 se satisface con producir 850 artículos en turnos normales

5.5. La misma solución que el problema 6.1 propuesto. y 170 en turnos extra del mismo mes; por último, la de-
5.6. = O, X2= 3, Z= 3 manda de febrero se cumple con la producción de los 680
5.7. XI = 1, X2 =2, Z= 10 artículos en turnos normales del mismo mes, con un costo
5.8. = O, X2 = 4, Z= 4 total del programa de producción de $174180.
5.9. Xi =O, X2 = 2, Z=6 6.18. Se debe asignar al primer atleta para la prueba 1, al se-
5.10. La misma solución que el problema 6.1 propuesto. gundo atleta para la prueba 5, al tercer atleta para la prue-
5.11. = 2, X2 = 2, Z= 16 ba 4, al quinto atleta para la prueba 2 y al octavo atleta
5.12. XI =3, X2 =O, X3 = 1,Z= 14 para la prueba 3; por su parte, los atletas cuarto, sexto y
5.13. XI = 1,X2 =2,X3 =0,Z=3 séptimo quedarán sin asignación, el tiempo total de los
5.14. X1 =0,X2 =3,X3 =0,Z=15 atletas será de 745 min.
6.19. Se debe asignar a José Martínez para el trabajo 1, a Luis
González para el trabajo 2 y a Francisco Ruiz para el tra-
CAPÍTULO 6 bajo 3, quedando sin asignar a ningún trabajo Juan Pérez,
con esto la utilidad total será de $6500.
6.1. a) Xw A = 440, XwB = 60, XyB = 230, Xyc = 70, Xzc = 200, 6.20. Se debe asignar al primer trabajador para la tarea 4, al se-
km> =150, costo = 31410. gundo trabajador para la tarea 3, al tercer trabajador para
b) XwA = 440, XwD = 60, XyG = 270, XyD = 30, XzB = 290, la tarea 2 y al cuarto trabajador para la tarea 1, mientras
XzD = 60, costo =31 740. que los trabajadores quinto y sexto quedan sin asignar,
c) XwA = 90, XwB = 260, XwD = 150, XyB = 30, Xyc = 270, con ello el costo total de la asignación es de $4770.
XzA = 350, costo = 30 610. 6.21. XAN =650, XAG = 1800, XBm = 1450, XmG = 750, XDp = 400,
d) XwA = 90, XwB = 290, XwD = 120, Xyc = 270, XyD = 30, XOR = 850, costo = $1 690 500/mes.
XzA =350, costo =30 580. 6.22. XAD = 1800, XBD = 1650, XCE = 1300, XDF = 1450,
e) Igual al inciso d. XDG = 1 1 00, XDH = 100, XEH = 300, XEI = 300,
6.2. XwA = 210, XwB = 290, Xyc = 270, XyD = 30, XzA = 230, costo = $ 145 750/mes.
XzD =120, costo = 30 580. 6.23. XmA = 2300, Xmc = 3700, XmD = 2000, XNA = 3000,
6.3. Igual a los incisos d y e del problema 6.1 propuesto. XNc = 3400, XND = 2600, XoA = 2200, X05 = 7800,
6.4. X12 =350, X13 = 65 O, X21 = 700, X34 = 6 00, costo= 24350, es costo = $ 227 600.
una solución degenerada.
6.5. Igual al problema 6.4 propuesto.
6.6. X12 = 5000, X13 = 2500, X21 = 1500, X22 = 3000, X31 = 4000, CAPÍTULO 7
X41 =3500, X24 = 1000, costo = 545 000.
6.7. Igual al problema 6.6 propuesto. 7.1. Se debe asignar un trabajador al distrito I, dos al distrito
6.8. Igual al problema 6.6 propuesto. II, ninguno al III y tres trabajadores al IV, para obtener
6.9. XAA = 300, XA2 = 400, XA3 = 1800, XB2 = 2200, XD = 1800, 14 100 votos a favor.
XE1 = 1500, 41 =1300, XG1 = 100, XG4 = 1100,
7.2. Se deben asignar seis lotes a México y uno a Monterrey,
costo = 4 617 500. para obtener una utilidad de $420 000.
6.10. Igual al problema 6.9 propuesto.
7.3. Se deben asignar los tres ayudantes al caso II, para lograr
6.11. XA1 = 2500, Xg = 2000, XB3 = 200, XD2 = 1800, XE3 = 400, una probabilidad conjunta de fracaso de 0.075.
XE4 = 1 100, XF1 = 500, XF2 = 800, XG3 = 1200, 7.4. La ruta de costo mínimo es A-B-E-F-I-J, con un costo de
costo = 5 117 000. $ 48 000.
6.12. XII =500, X12 = 2000, X21 = 2000, X23 = 1500, 7.5. La peor ruta es la A-C-D-F-H-J, con un costo de $62 000.
costo = 230 000, es solución degenerada. 7.6. Hay dos opciones empatadas: asignar los tres ayudantes
6.13. X11 = 2500, X22 = 500, X23 = 1500, X32 = 1500, al caso III, y asignar un ayudante a cada caso, obteniéndo-
costo = 260500, es solución degenerada. se una probabilidad conjunta de fracaso de 0.096.
6.14. X11 =3600, X22 = 1800, X33 = 1700, X41 = 1 00, X42 = 800, X43 7.7. Se debe asignar un asesor a cada departamento para obte-
= 700, costo = 227 400. ner una utilidad incremental de $200 000.
6.15. X11 = 3200, X13 = 3000, X22 = 1000, X24 = 2800, X31 =3500, 7.8. Se debe asignar un atleta a la prueba de salto de altura,
X42 = 3000, costo = 424 100. dos a la de 10 km y el otro al salto de longitud, para lograr
6.16. La demanda de mayo la satisface con 1580 prendas fabri- una probabilidad conjunta de éxito de 0.1972.
cadas en turnos normales y 230 en turnos extra, la de- 7.9. a) Debe elegir la opción de salir de B.
manda de junio, con 1580 prendas en turnos normales y b) Aunque le dan $3000 menos saliendo de A, la me-
70 en turnos extra, y la de julio, con 1570 prendas en tur- jor ruta le cuesta $ 5000 menos que la mejor salien-
nos normales, con un costo total de $ 369 060. do de A.
6.17. La demanda de noviembre se cumple con los 350 artículos c) La ruta BFIK, con un costo de $55 000.
del inventario inicial y producir 650 en turnos normales del 7.10. a) Debe asignar un lote en México, dos en Monterrey,
mismo mes; la demanda de diciembre, con 200 artículos dos en Guadalajara y uno en Ciudad Juárez.
producidos en turnos normales de noviembre, 850 artícu- b) La ganancia esperada es de $ 1 206 500.
los de turnos normales de diciembre y 150 artículos produ-
cidos en turnos extra de diciembre; la demanda de enero
291
CAPÍTULO 8 Actividades
8.1. El gráfico de Gantt es: A

B
Actividades
D
A E
F
G
D H
G 2 4 6 8 10 12 14 16
H Tiempo, semanas
8.5. La red es:
(9, 9) (11, 11)

2 4 6 8 10 12 14 16 18 20 22
GO
Tiempo, días Ima==.41
B ' 3.5
8.2. La red es:

F 1.5 H 1.5
(10, 10) (16, 16) (17, 17)

GO HO (0, 0) (2, 2) (5, 5) (7.5, 9) (12, 12)
4
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
b) La red es: 8.10. La red del proyecto es:
(18, 18) (21, 21)

GO
5 A
E
\04
AO B6 F6 H6
1 2 4
(O, O) (4, 4) ° Q" (12, 12) (13, 19) (23, 23)

C D
(7, 7)
La ruta crítica es C-G-J-I-M-P, con un tiempo de 37.17

c) La ruta crítica es A-C-D-E-G-I, con un tiempo de 23 días, la desviación estándar es de 2.598 días y las probabi-
horas. lidades buscadas son:
Los tiempos más próximos y más lejanos de los even-
tos aparecen en el diagrama entre paréntesis, las hol-
guras de las actividades aparecen junto a éstas y las
Días Z Probabilidad, %
holguras de los eventos son 0, a excepción del evento
6, que es 6. 32 —1.99 2.33
8.7. 82.94 %. 36 —0.45 32.64
8.8. 86.50 %.
8.9. La red del proyecto es: 40 1.09 86.21
8.11. La red del proyecto es:
DN
O E H K
Y la relación tiempo costo es: -
De las tres rutas, sus tiempos son 30, 30 y 32 días, la ruta

crítica es la tercera, C-F-I-L-M con 32 días.
La relación tiempo-costo es:
Tiempo, días Costo, M$
19 95.10
Acción de disminución Tiempo, días Costo, M$
17 97.60
Red inicial 32 147.70
16 103.35
Disminuir F un día 31 149.30
15 111.20
Disminuir C un día 30 150.95
Disminuir C, A y E un día 29 155.60
Disminuir J, K y L dos días 27 166.10
CAPÍTULO 9 293
8.12. La red del proyecto es: 9.2. La red de recorrido máximo es:
21
E
18
A
16 24
D
17
F L 21
La relación tiempo-costo con las acciones de disminu-

ción es: Costo total = 117
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
Disminuir C, Ay E un día 29 155.60

Disminuir J, K y L dos días 27 166.10 11
8.13. Las probabilidades son: C
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.
CAPÍTULO 9 9.4. La ruta más corta es M-Q, con un tiempo de 23 min.

9.5. La ruta más corta es A-B-F, con una distancia de 30 km.
9.1. La red de recorrido mínimo es: 9.6. La ruta más corta es 1-3-6-9, con un costo o distancia
de 34.
9.7. Es posible enviar de A hasta G un máximo de Seis unida-
C E des.
14 9.8. Es posible enviar un máximo de seis unidades desde M
hasta R.
13
9.9. Es posible enviar un flujo de 11 unidades de A a J.
11 9.10. Es posible enviar un flujo de 11 unidades de J hasta A.
B
16
10 16
Costo total = 80
9.11. La red del proyecto es: b) 1926.50 $/día.

c) 1978.80 $/día.
10.18. a) 293 galones.
b) 2593.24 $/día.
11 c) 2644.10 $/día.
10.19. a) Invertir en mercado de dinero para un capital de
8 $90 500.
9 b) $ 97 500.
7 10.20. a) Helados.
b) 35 277 $/mes.
5
9 8
CAPÍTULO 11
15
10 11.1. a) 1552 cajas.
b) 10.17 pedidos.
c) 35.9 días.
d) Costo = 10 173.34 $/año.
11.2. a) 711 tapices.
Costo total = 93 b) 2.54 pedidos.
c) 143.7 días.
d) Costo =14 218.08 $/año.
9.12. Existen varias rutas con los mismos valores como las más 11.3. a) 1201 m.
cortas: AEF, ABF, ACDF y ADF, todas con un recorrido b) 3.0 pedidos.
de 39 km. c) 121.7 días.
d) Costo = 297 031.30 $/año.
11.4. a) 3001 jabones.
CAPÍTULO 10 b) 2.4 pedidos.
c) 152 días.
10.1. a) 300. d) Costo= 28 821.15 $/año.
b) 340. 11.5. a) 521 e.
c) 320. b) 242 e.
10.2. a) 100. c) 279 e.
b) 130. d) Costo= 521.14 Vaño.
c) 120. 11.6. a) 395 bolsas.
10.3. DI , rentar a Agrol; ganancia esperada = $72 000. b) 2.29 pedidos.
10.4. D1, rentar; ganancia esperada = $ 212 000. c) 160 días.
10.5. a) Helados d) Costo= 535.31 $/año.
b) 515 $/día. 11.7. PRP= 730 loderas, B= 104 loderas.
c) 935 $/día. 11.8. a) PRP= 24 unidades.
10.6. a) 290 galones. b) B= 2 unidades.
b) 2574.60 $/día. c) Costo = 2714.29 $/año.
c) 2621.14 $/día. 11.9. a) PRP= 26 unidades.
10.7. a) 370 e. b) B= 4 unidades.
b) 1285.23 $/día. c) Costo = 2000.00 $/año.
c) 1299.68 $/día. 11.10. B=3 unidades.
10.8. Vender en $50 000. 11.11. PRP= 134 unidades, B= 24 unidades.
10.9. a) 3500 kg. 11.12. PRP= 742 unidades, B= 24 unidades.
b) $ 120 800. 11.13. Chocolate fino: Q = 6360, N = 3.53, t = 103 y costo =
c) $ 138 000. 7060.07 $/año.
10.10. El Banco Bueno, ganancia esperada =$ 20 437.50. Chocolate normal: Q= 13 765, N= 3.19, t =115 y costo =
10.11. Comprar dólares. 6371.65 $/año.
10.12. 42 costales para una ganancia de $ 289.17. 11.14. a) 3166 u/corrida.
10.13. 150E para una ganancia de $69.11. b) 11.03 corridas/año.
10.14. 140 e para una ganancia de $39.67. c) 33 días.
10.15. 65 000 botellas para una ganancia de $32 783.33. d) Costo= 22 497.82 $/año.
10.16. a) 75 comidas, ganancia = $228.06. 11.15. Tipo A: mochilas, cintas y libretas; tipo B: sacapuntas, la-
b) 70 comidas, ganancia de $ 227.22. piceros y cartulinas; tipo C: los restantes.
c) Las ventas no siguen la distribución normal de proba- 11.16. a) 101 bicicletas.
bilidad, por esto es más confiable el análisis marginal. b) 7.72 pedidos.
10.17. a) 330 hamburguesas. c) 47.3 días.
CAPITULO 14
11.17. 79 artículos. 13.2. a) Alas 8:51.

11.18. Q=61 refrigeradores y PRP= 12 refrigeradores. b) A las 9:47.
11.19. Q=31 tonyPRP= 5 ton. 13.3. a) 1:24 horas.
11.20. Q = 61 refrigeradores y PRP = 10 refrigeradores. b) 2:06 horas.
11.21. Q =31 ton y PRP= 4.5 ton. c) En espera 1.958 y en la oficina 3.25.
13.4. a) 0.833.
b) 11 con el que está en ese momento.
CAPÍTULO 12 c) 8 con el que está en ese momento.
13.5. a) 2.90.
b) Seis clientes con el que llega en ese momento.
12.1. Primer juego sí tiene, el -2 del primer renglón y tercera
13.6. a) 5 para el primero (incluyendo al que llega en ese mo-
columna; el segundo juego no tiene, y el tercer juego sí tie-
mento) y O para el segundo.
ne, el -3 del segundo renglón y segunda columna.
b) 15 por el primero y 14 por el segundo.
12.2. Primer juego sí tiene; el O del primer renglón y segunda
13.7. a) 32 min.
columna; el segundo juego no tiene, y el tercer juego sí tie-
b) 7.111.
ne, el 3 del primer renglón y segunda columna.
c) 38.63 %.
*12.3. Valor del juego = 4.857; estrategias: p 1 = 4/7, p3 = 3/7, c1 =
13.8. a) 10.766 min.
6/7, c4 = 1/7, las restantes son cero.
b) 7.1776.
*12.4. Valor del juego = -0.6; estrategias: p 1 = 0.3, p3 = 0 .7, C2 =
c) 6.55 %.
0.2, c4 = 0.8, las restantes son cero.
13.9. a) En espera 2.519y en el negocio 3.286.
*12.5. Valor del juego = O; estrategias: p i =1/6, p2 = O, p3 = 5/6, ci
b) En espera 5.038 min y en el negocio 6.571 min.
=2/3,c2 =1/3.
c) En espera 16.74 % yen el negocio 21.83 %.
*12.6. Valor del juego =1.2; estrategias: Pi = 0, p2 = 0.7, p 3 = 0.3,
13.10. a) 1.922.
c1 = 0.2, c2 = 0.8y c3 = O.
b) 9.61 min.
* 12.7. Valor del juego = 20; estrategias: p 1 = 0.6, P2 = 0.4, p 3 = 0,
c) 1.02 %.
= 0.5, c2 = 0.1 y c3 = 0.4.
13.11. a) En espera 1.6 y en el negocio 2.4.
*12.8. Valor del juego = 8.696; estrategias: p 1 = 0.1304,
b) En espera 24 min y en el negocio 36 min.
P2 = 0.6087,1)3 = 0.2609, p4 = 0, c1 = 0.0978, c2 = 0.0544 y 13.12. a) 2.3 clientes en la oficina y 1.6 en espera, y 71.8 min en
c3 = 0.8478. la oficina y 50.1 min en espera.
*12.9. Valor del juego = 2.5; estrategias: Pi = 0.5, p 2 = 0.5,193 = 0,
b) 4.2 clientes en la oficina y 1.4 en espera, y 32.7 min en
= 0.625 y c2 = 0.375.
la oficina y 10.9 min en espera.
P2 = 0.1654, p3 = 0.2269, p4 = 0.3962, c1 = 0.1722,
c2 = 0.3744, c3 = 0.3607 y c4 = 0.0927.
P2 = 0.4340, p3 = 0.4487, p4 = 0, p5 = 0, c 1 = 0, c2 = 0.0557,
13.15. 4 mecánicos, con un costo total de 3143.20 $/día.
c3 = 0.3695 y c4 = 0.5748.
13.16. 4 mecánicos, con un costo total de 1920.00 $/día, la dife-
*12.12. Valor del juego = 1.1667; estrategias: p 1 = 0.3333, p2 = 0.5,
rencia en costo se debe a que con una sola fila de espera
/33= 0.1667, = 0.04, c2 = 0, c3 = 0.5533 y c4= 0.4067. hay muchos camiones en el sistema, que es el valor de L.
*12.13. Valor del juego =1.41; estrategias: p 1 = 0.4320, p2 = 0.3768,
13.17. Cuatro montacargas, con un costo total de $16333.33.
P3 = 0.1121,p4 = 0.0791, ci =0.2512, c2 = 0.3579, 13.18. a) A las 9:08.
c3 = 0.2690 y c4 = 0.1219.
b) A las 10:14.
*12.14. Valor del juego = -0.4; estrategias: p 1 = 0.6, P2 = 0.4, p3 = 0,
c) Se atienden 43 estudiantes, con tiempo promedio de
= 0, C2 = 0.2, C3 =Oy c4 = 0.8. espera de 6.35 min, incluyendo al que entra a revisión
12.15. Valor del juego = 2.406, estrategias: a i = 0.497, a2 = 0.449,
justo a las 11:00.
a3 = 0.054, b1 = 0.094, b2 = 0.394 y b3 = 0.512.
13.19. a) Clientes en espera 3.59, y en el negocio 4.4. Tiempos
12.16. Valor del juego = 2.31, estrategias a i = 0.477, a2 = 0.431,
promedio de espera, 64.5 min, y en el negocio79.2 min.
a3 = 0.052, 1) 1 = 0, b2 = 0.405 y b3 = 0.595.
b) Clientes en espera 3.63, y en el negocio 6.07. Tiempos
12.17. Valor del juego = 2.425, estrategias a i = 0.412, a2 = 0.424,
promedio de espera, 21.7 min, y en el negocio 36.4 min.
a3 = 0, = 0.164, bi = 0.313, b2 = 0.207, b3 = O y
b4 = 0.480.
12.18. Valor del juego = 1.888, estrategias a 1 = 0.174, a2 = 0.492,
a3 = 0.33, a4 = 0.004, b1 = 0.341, b2 = 0.33, b3 = 0.241 y CAPÍTULO 14
b4 =0.088.
E B R M
0.10 0.20 0.30 0.40
CAPÍTULO 13
14.1. a) P= 0.17 0.23 0.32 0.28
13.1. a) 10:50 horas. 0.25 0.25 0.25 0.25
b) 12:05 horas. 0.33 0.38 0.29 0
c) 1.456 pacientes.
b) $25 000 c) Todas llegarán a inservibles.

c) Cosecha excelente = 21.52 %, buena = 26.41 %, regu- d) De buena a inservible = 23.28 temp. y de reparación a
lar =28.85 % y mala = 23.22 %. inservibles = 16.59 temp.
d) De mala a excelente = 3.86 años, de regular a excelente
= 4.09 años y de buena a excelente = 4.40 años. R
e) R= 21.55 1.72
II III IV
0.20 0.43 0.20 0.17 [ 14.44
B 2.155
14.1. a) p= 0.07 0.25 0.43 0.25
OH
S T M
0 0.03 0.52 0.45
0.92 0 00.080
O 0 0.18 0.82
0.20 0.40 0.28 0.12 0
14.5. a) P=
0.06 0.20 0.23 0.32 0.19
b) Para los dos años siguientes las probabilidades de que
0 0.15 0.32 0.26 0.27
gé halle en cada nivel son:
O 0 0 0 1
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,
V 1/5 2/5 3/5 4/5 LL

0.10 0.75 0.15 0 0 0 d) De observados a sanos = 4.39 periodos; de hospitaliza-
0 0.65 0.30 0.05 0 0 dos a sanos = 4.11 periodos; de terapia a 4 años = 4.02
periodos.
14.3. a) P= 0 0.35 0.50 0.10 0.05 0
e) De sanos a muertos = 35.96 periodos; de observados a
0 0.10 0.55 0.20 0.10 0.05 muertos = 23.46 periodos; de hospitalizados a muer-
O 0 0.35 0.30 0.20 0.15 tos = 15.52 periodos, y de terapia a muertos = 12.82
O 0 0.10 0.25 0.30 0.35 periodos.
■
N S CV I
b) Q1 = (O, 0.35, 0.50, 0.10, 0.05, O) 0.49
0.51 0 0
Q2 = (0,0.4125, 0.4275, 0.1025, 0.045, 0.0125).
14.6. a) P= 0.03 0.69 0.28 0
c) En el estado estable: e, = 0, ev5 = 0.4331, e215 = 0.4045,
e3/5 = 0.0999, e415 = 0.0445 y en = 0.0180.
0.18 0.21 0.35 0.26
d) Nunca estará la presa vacía. \ 0 O O 1
e) Para ir de vacía a llena = 98.35 años, de 1/5 a llena =
97.55 años, de 2/5 a llena = 95.68 años, de 3/5 a llena =
88.78 años y de 4/5 a llena = 76.4 años. b) Q1 = (0.49, 0.51, 0, 0)
Q2 = (0.2554, 0.6018, 0.1428, 0)
Q3= (0.1689, 0.5755, 0.2185, 0.0371).
B R I
c) De clientes con saldo a incobrables = 14.66 periodos,
0.90 0.08 0.02 y de cartera vencida a incobrables = 10.88 periodos.
14.4. a) P=
0.67 0 0.33
O 0 1 B Mn My R
0.78 0.15 0.07 0
14.7. a) P = 0.65 0.18 0.17 0
b) Después del primer año: buenas = 90 %, en reparación
= 8 %, inservibles =2 %. 0.38 0.40 0.07 0.15
Después del segundo año: buenas = 86.36 %, en repa- O 0 0 1
ración = 7.2 %, inservibles = 6.44 %.
297
.----.9
b) En un mes habrá 29 buenos, seis en reparación menor CAPÍTULO 15

y tres en mayor.
En dos meses habrá 28 buenos, siete en reparación 15.1. a) 46.9 ton.
menor y tres en mayor. b) 45.74 ton.
En tres meses serán 27 buenos, siete en reparación c) 46.42 ton.
menor, tres en mayor y uno para remplazo. 15.2. a) 45.33 ton.
b) 46.08 ton.
■ c) 46.5 ton.
B Mn My
15.3. a) 499.
55.86 13.47 6.67 b) 514.
c) R=
53.81 14.31 6.67 c) 502.
45.97 11.66 6.67 15.4. a) 519.
b) 510.
15.5. Para el año siguiente desglosado por meses el pronóstico
d) De buenos a remplazo = 76.0 meses; de reparación de ventas es:
menor a remplazo = 74.79 meses, y de reparación ma-
yor a remplazo = 64.29 meses.
14.8. a) La matriz de transición es: Mes Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sept. Oct. Nov. Dic.
P CF E GF Venta 1570 1723 ' 2400;2817 3133 3000 2867 2833 2557 2493 2093 1797
/ 0.752 0.080 0.078 0.090 \

0.073 0.811 0.067 0.049 Para un total anual de 29 283 cajas.
P=
0.061 0.066 0.806 0.067 15.6. El pronóstico es:
0.116 0.120 0.107 0.657
Periodo Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total anual

b) Ql = (0.2413, 0.2439, 0.2887, 0.2261) Q2 = (0.2431, 2230 10383
Venta, i 1525 3137 3491
0.2633, 0.2920, 0.2016).
c) En estado estable, ep = 0.248, ecF = 0.261, e E = 0.297 y
eGF = 0.194.
14.9. a) La matriz de transición es: 15.7. Para los próximos cinco años el pronóstico es:
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:
b) La matriz fundamental es:

Año Tipo M Tipo N
1.074 1.040 1.009 0.983 \
(
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
c) La matriz de proporciones es: 15.10. a) 5.87.

b) 3.42.
/ 0.899 0.101 \ c) 8.42 millones.
0.938 0.062 15.11. a) 2.12%.
b) 3.19%.
0.962 0.038 15.12. a) 696.
0.982 0.018 b) 1209 acciones.
298
CAPÍTULO 16 16.12. Las probabilidades son:
16.1. Rápidas, con un costo de $29611.61 anuales. a) 0.5049.

16.2. Rápidas, con un costo de $ 29688.76 anuales. b) 0.4221.
16.3. Pesonic, con un costo de $ 939.82 anuales. c) 0.1590.
16.4. Pesonic, con un costo de $ 948.62 anuales. d) 0.0581.
16.5. Al final del año 8, con un costo de $ 9477.95 anuales. e) 0.3965.
16.6. Al final del año 8, con un costo de $ 9986.57 anuales. f) 0.3963.
16.7. Para los diferentes tiempos se tiene: g) 0.0020.
h) 0.0882.
i) 0.3285.
Semana 10
16.13. La sumatoria es 1.0000.
Factor de
16.14. La sumatoria es 0.9918.
superviv. 1.00 0.98 0.9210.82 0.69 0.53 0.33 0.18 0.10 0.04 0
16.15. a) 0.9371 focos.
:Factor de b) 1.4593 focos.
duración 0 0.02 0.06E 0.10 0.13 0.16 0.20 0.15 0.08 0.06 0.04 c) Probabilidad = 0.5409.
Prob. de d) Probabilidad = 0.1479.
avería 0.02 0.061 0.109 0.159 0.232',0.377 0.455 0.444 0.600( 1.0 16.16. a) 0.6271 piezas.
b) 1.5129 piezas.
c) 2.4188 piezas.
16.8. a) Tiempo = 5.59; desviación estándar = 2.13 semanas d) probabilidad = 0.2858.
b) Tiempo= 4.65; desviación estándar = 2.30 semanas
e) probabilidad = 0.0482.
16.9. Para los distintos tiempos se tiene: 16.17. a) Para cada periodo se tiene:
Tiempo, Función de Función de Probabilidad Tiempo, años 1 2 3 4 5 6 7 8 9 10

meses supervivencia duración de avería
Tasa de
0 1.000 0 O aprovisionamiento 24 37.9 53.9 60.7 75.2 68.3 60.5 65.5 68.3 69.9
1 0.960 0.040 0.0400 Núm. de equipos
2 0.870 0.090 0.0938 remplazados 24 61.9 115.8 176.5 251.7 320.0 380.5 446.0 514.3 584.2
3 0.750 0.120 0.1379

4 0.600 0.150 0.2000 b) Tiempo = 4.54 y desviación estándar = 2.27 años.
c) Tasa de mantenimiento =66.1 equipos.
5 0.435 0.165 0.2750
16.18. a) Para cada lapso de tiempo se tiene:
6 0.285 0.150 0.3448
7 0.210 0.075 0.2632
Tiempo, arios 1 2 3 4 5 6
8 0.160 0.050 0.2381
Tasa de aprovis. -6.0 21.0 39.2 37.7 33.2 36.5
9 0.120 0.040 0.2500
Núm. de equipos
10 0.085 0.035 0.2917 remplazados -6.0 15.0 54.2 91.9 125.1 161.6
11 0.055 0.030 0.3529
12 0.030 0.025 0.4545 b) Tiempo = 2.89 y desviación estándar = 1.36 años.
13 0.015 0.015 0.5000 c) Tasa de mantenimiento = 51.9 equipos.
14 0.005 0.010 0.6667
16.19. Al final del quinto año, con un costo de $ 17 473 920 anua-
15 0 0.005 1.0000 les.
16.20. Al final del tercer año, con un costo de $ 87 032 anuales.
16.10. a) Tiempo = 5.58, desviación estándar = 2.96 meses
b) Tiempo = 4.54, desviación estándar = 2.53 meses
16.11. Las probabilidades son: CAPÍTULO 17
a) 0.7072. 17.1. 6702 4201 1684 4506 0569
b) 0.5859.
c) 0.1085. 9168 6484 8358 3040 3237
d) 0.3707. 0522 0422 8561 2416 4781
e) 0.0043.
f) 0.0416. 2724 1780 2907 8370 8579
CAPÍTULO 17 299
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.
292 120 268 224 500

363 303 307 375 507 Peso, Probabilidad Probabilidad Probabilidad Probabilidad
kg inciso a inciso b inciso c real
486 346 014 002
113 149 18 0.074 0.085 0.0894 0.10
389 233 141
19 0.152 0.159 0.1590 0.16
Habrá repetición en el 514o. valor. 20 0.516 0.495 0.4862 0.48
17.6. La tabla es: 0.185 0.1886 0.18
21 0.186
22 0.072 0.076 0.0768 0.08
Volumen de Probabilidad Rango de
acumulada probabilidad Total 1.000 1.000 1.0000 1.00
ventas, M$ 1 Frecuencia Probabilidad
10 2 0.0833 0.0833 0-0.0833
12 3 0.1250 0.2083 0.0834-0.2083 17.13. a) 50 %.
4 0.1667 0.3750 0.2084-0.3750 b) 48 %.
14
c) 49.2 %.
16 6 0.2500 0.6250 0.3751-0.6250 d) 49.2 %.
18 5 0.2083 j 0.8333 0.6251-0.8333 17.14. a) Gana 172.66 $/día.
3 0.1250 0.9583 0.8334-0.9583 b) Gana 155 $/día.
20
c) Gana 160.22 $/día.
22 1 0.0417 1.0000 0.9584-1.0000 d) Gana 157.32 $/día.
Total 24 1.0000 17.15. a) La opción 1, perdiendo 138 dólares.
b) La 1, perdiendo 108.
c) La 1, perdiendo 270.
El número 0.6500 corresponde a una venta de $ 18 000. d) La 2, ganando 30 dólares.
17.7. a) x=16667.67 ya=3145. 17.16. 12 autos para ganar $ 735 385.
b) De los datos reales son x= 15 833.33 y a =3158. 17.17. a) 11 autos ganando $484 450.
17.8. Los números son: b) 10 autos ganando $284 290.
17.18. a) $32675.
b) $24 587 .50.
131.627 69.123 c) $27 275.
157.042 91.704 d) $20 950.
17.19. Q = 15 y PRPde 18 a 21, con un costo de $19650.
118.549 156.912
17.20. Q = 27 y PRP de 17 en adelante, con un costo de
73.660 132.303 $10481.75.
132.979 121.266 17.21. Q = 32 y PRP de 33 en adelante, con un costo de $ 9375.
17.22. Los resultados son:
17.9. Los valores son:

Parámetro Sol. analítica , Simulación
0.1013 0.1487 Tiempo en el sistema 36 33.97

0.0553 0.2216 Tiempo en espera 32 30.02
0.0659 0.0685 Núm. de clientes en el sistema 8 7.71
0.4310 0.0165 Núm. de clientes en espera 7.11 6.82
0.0659 0.1915 0.4346 0.4541
Probabilidad en el sistema
Probabilidad en espera 0.3863 0.4021
Su media es 0.1366, mientras que la teórica es 0.125.
17.23. Los resultados son: 17.25. Los resultados son:
Parámetro Sol. analítica Simulación Parámetro Sol. analítica Simulación

Tiempo en el sistema 14.77 13.76 Tiempo en el sistema 36 36.51
Tiempo en espera 10.77 9.81
Tiempo en espera 24 24.51
Núm. de clientes en el sistema 9.84 9.36
Núm. de clientes en el sistema 2.4 2.48
Núm. de clientes en espera 7.18 6.68
0.1183 Núm. de clientes en espera 1.6 1.67
Probabilidad en el sistema 0.0981
17.26. Conviene remplazar en forma individual, ya que el cos-
to sería de $ 4 279 500, mientras que en grupo sería
17.24. Los resultados son: $ 5 580 000.
17.27. a) Aunque el costo de remplazo en grupo fuese 0, es me-
jor remplazar en forma individual.
Parámetro Sol. analítica Simulación b) En forma individual.
Tiempo en el sistema 6.571 6.108 17.28. De las 15 visitas, tres fueron a domicilios, dos a escuelas
y 10 a profesionistas. Le atendieron 13 veces y le compra-
Tiempo en espera 5.038 4.588 ron en 10 ocasiones, para una venta de siete artículos A,
Núm. de clientes en el sistema 3.286 3.139 seis B, uno de C y seis de D, y un monto de $ 7100.
Núm. de clientes en espera 2.519 2.358
Probabilidad en el sistema 0.2183 0.2033
c 'nom6stico
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
Administración de proyectos, 110 líneas de espera de, 203-205 pos, 238

y modelos de redes, 140 varianza del, 128 probabilidad
Algoritmo, definición, 13 Criterio(s) de decisión de Hurwicz, de Laplace y de avería, 238
Análisis de Wald, 146 de consumo de equipos
de Bayes, 147-148 nuevos, 241-242
de escenarios, 223 Decisiones usados, 242-244
de Markov, 209-221 teoría de, 143-155 remplazo óptimo de equipos en grupo, 247-248
caso base, 210 análisis marginal, 151-152 tasa de mantenimiento, 246-247
condiciones caso base, 143-144 terminología, 234-235
del estado estable, 214-215 ganancias esperadas con la información per- consumo, 235
del sistema para periodos posteriores, 212- fecta, 148 edad de equipo, 235
214 modelo función
matriz de probabilidades de transición, 210- de decisión de criterios ingenuos, 146-147 de mortalidad, 235
212 de distribución de probabilidad de supervivencia, 235
obtención y aplicaciones de matriz fundamen- continua, 149-151 de utilización de equipos, 235
tal, 215-217 discreta, 147-148 grado de desgaste, 235
terminología, 209-210 terminología, 144-145 límite de funcionamiento, 235
cadena cíclica, 210 árboles de decisión, 144 política
estado, 209 decisión alternativa, 144 de mantenimiento, 235
absorbente, 209 estados de la naturaleza, 144 de remplazo, 235
estable, 209 matriz de pagos, 144 probabilidad de avería, 235
probabilidad de transición, 209 resultado de una decisión, 144 tasa
tiempos de transición, 209-210 utilidad, 148-149 de aprovisionamiento, 235
de un estado a otro, 217-219 toma de, 12-14 de mantenimiento, 235
y simulación, 251 y simulación, 251 valor de rescate, 235
de redes, 133-142 y teoría de juegos, 179 tiempo
de sensibilidad, 49 Desviación estándar, áreas bajo la curva normal de límite de funcionamiento, 240
marginal, 151-152 probabilidad para, 285 óptimo de remplazo, 237-238
Árbol Diagramas de flujo y simulación, 252-253 promedio de aparición de avería, 238-240
de decisión, 144 Dilema del prisionero, 179 Escenarios, análisis de, 223
de expansión, 134 Distribución Esquina noroeste, método de la, 67-68
Asignación, método de, 64 de probabilidad Estrategias, 180
de Poisson, 194 Evento, 133
Cadenas de Markov, 209 exponencial negativa, 194-195 holgura de un, 114
Cantidad económica de pedido, 157-159 método de, 65
con faltantes, 157,161-163 Dualidad, 47-49 Flujo
Condición de no degeneración, 75 de costo mínimo, 140
Costo(s), 157 Ecuaciones de Chapman-Kolmogorov, 212 de efectivo y simulación, 251
control de, 128-129 Eficiencia, 11 máximo, método de, 133, 138-140
de agotamientos, 157-158 Empalmes, 138 Función objetivo, 16
de conservación, 157 Enfoques sistémico y holista, 110 cambios en contribuciones de variables en, 51-
de las mercancías, 157 Equipos, modelos de remplazo y mantenimiento 52
de los pedidos, 157 de, 234-250 coeficientes de la, 15
de sistema de lineas de espera, 195 aprovisionamiento de equipos, 244-246 definición, 15
índice de desempeño del, 128 con desgaste
menor, método del, 67, 69-70 aleatorio, 237-238 Ganancias esperadas
mínimo determinístico, 235-237 con la información perfecta, 148
flujos de, 140 curvas de supervivencia y mortalidad de equi- método de las, 147
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
uniforme, 256-257 por metas, método de, 11 diagramas de flujo, 252-253

gráfico, 255-256 Pronósticos, modelos de, 222-233 en estudio de sistemas de líneas de espera, 251
tabular, 256 causales, 229-231 etapas, 252
Movimiento browniano, 209 clasificación, 222 generación de números aleatorios, 253-255
de tendencia, 227-229 modelo de, 252
Nodos, 133 estacionales, 226-227 y análisis de Markov, 251
Números método gráfico, 223 y flujo de efectivo, 251
aleatorios, 286-287 series de tiempo, 223-226 y juegos de negocios, 251
generación de, 253-255 de nivel constante, 224-226 y modelos
método método de inventarios, 251
congruencial, 253-255 de los promedios, 224-225 de inversión, 251
del cuadrado medio, 253-254 del suavizamiento exponencial, 225-226 y toma de decisiones, 251
seudoaleatorios, 253 del último valor, 224 Sistema
subjetivos, 223 ABC de clasificación de inventarios, 157, 173-
Priorización, técnicas de, 276-283 Proyecto(s) 174
Problema(s) aceptación social del, 110 de lineas de espera, 192-208
de árbol de mínima expansión, 134 administración de, 110 costo de, 195
de asignación, 90-91,133 y modelos de redes, 140 y simulación, 251
de programáción aplicación, 112 de notación de Kendall, 193-194
de la producción, 90-91 área de énfasis, 112 de unilínea, 192
lineal, 15-22 construcción de red del, 112-114 definición, 14
método gráfico, 23-29 control de costos de un, 128-129 Soluciones factibles, propiedades de las, 30-31
de recorrido mínimo, 134 cumplimiento de normativa ambiental, 110 Suma no nula, juego de, 180
de redes, 140 definición, 110
de transporte, 133 estimación del tiempo de las actividades del, Técnicas de priorización, 276-283
de trasbordo, 90, 133 112 matriz de Pugh, 276, 280-283
definición, 13 factibilidad económica y técnica del, 110 método de multivoto, 276, 279-280
dual, 47-49 gestión de, 110 proceso analitico de jerarquización de Saaty
interpretación económica del, 49 legitimidad política del, 110 (AHP), 276-279
planteamiento de, 15-22 notación, 112 técnica de grupos nominales, 276, 279
método de transporte, 65-67 relación entre tiempo y costo, 119-125 Teoría(s)
primario, 47 Punto de colas, 192
resolución de, 12-13 de equilibrio de Nash, 180 de decisiones, 143-155
con Lindo, 45-47 de silla de montar, 181-182 análisis marginal, 151-152
de programación lineal, 30 caso base, 143-144
etapas, 13 Red(es) ganancias esperadas con la información perfec-
método de transporte análisis de, 133-142 ta, 148
casos especiales, 90-94 conexa, 134 modelo(s)
asignación, 90-91 del proyecto, construcción de la, 112-114 de decisión de criterios ingenuos, 146-147
húngaro, 91-94 dirigida, 134 de distribución de probabilidad
programación de la producción, 90-91 modelos de, 133 continua, 149-151
trasbordo, 90 y administración de proyectos, 140 discreta, 147-148
restricciones adicionales, 87-90 y modelo PERT/CPM, 140 terminología, 144-145
variantes, 79-87 no dirigidas, 134, 138 árboles de decisión, 144
casos de degeneración, 79, 84-86 nodos de, 133 decisión alternativa, 144
maximización, 79, 82-84 de demanda o destino, 134, 136 estados de la naturaleza, 144
oferta diferente de demanda, 79-82 de trasbordo, 134 matriz de pagos, 144
rutas prohibidas, 79, 86-87 problemas de, 140 resultado de una decisión, 144
variables del, 15 ramas de, 133 utilidad, 148-149
Procedimiento matricial iterativo, 30 capacidad o flujo de, 134 de juegos, 179-191
Productividad, 11 terminología de, 133-134 Tiempo
Programación trayectoria de, 134 de transición, 209-210
dinámica, 98-109 Regresión lineal múltiple, 229 estimación de, en PERT/CPM, 118-119
características y metodología, 98-99 Restricciones más próximo y tiempo más lejano, 114
terminología, 99-107 adicionales, casos de, en método de transporte, mínimo, 136
entera, 57-64 87-90 y costo, relación entre, para proyectos, 119-125
caso base, 57 constantes de, cambios en, 50-51 Toma de decisiones, 12-14
método definición, 15-16 Transporte, método de, 65
de bifurcación y acotación, 57, 59-62 ecuaciones de, 44 caso base, 67
de corte de Gomory, 57, 62-63 cambios en coeficientes de variables en, 52-53 método de, planteamiento de problema, 65-67
de enumeración completa, 57, 59 no explícitas, 15-16 Trasbordo
de redondeo de la solución óptima de progra- Russell, método de, 67, 73-75 método de, 65
mación lineal, 57-58 Ruta(s) problemas de, 90
gráfico, 57-58 critica, 111-112 Trayectoria, 134
lineal determinación de, 114-118
método más corta, método de la, 133,136-137 Utilidad, 148-149
de redondeo de la solución óptima, 57-58 prohibidas, 79, 86-87
gráfico, 23-29 Valor devengado, 128
símplex, 11, 30-56 Series de tiempo, modelos de, 223-226 Variable(s)
planteamiento de problemas, 15-22 Simulación, 251-275 básica de salida, no hay, 44
solución de juegos por, 187-189 casos de, 258-272 definición, 15
matemática, método de, 11 definición y características, 251-252
INVESTIGACIÓN
DE OPERACIONES
Juan Manuel Izar Landeta
Los diferentes modelos y métodos que forman parte de la materia

investigación de operaciones, son expuestos en esta obra mediante un
lenguaje sencillo y claros apoyos gráficos. En cada capítulo se hace
el planteamiento del problema y se desarrolla el método o modelo de
resolución de referencia. Además, se incluyen problemas resueltos con
el fin de ilustrar al estudiante de administración acerca de las áreas de
aplicación de la investigación de operaciones. Al concluir cada
capítulo se proponen series de problemas por resolver cuyas
soluciones se encuentran en el apéndice del libro.
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

Investigación de Operaciones

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Investigación de Operaciones

Загружено:

Авторское право:

Доступные форматы

IN VESTIGACIÓN DE :-

Juan Man el Izar Landeta trillas 11

Toma de decisiones a través de

Izar Landeta, Juan Manuel

1. Investigación operativo. 2. Habilidad ejecutiva. 1. t.

D- 658.4037'1697i LC- ND30.23'19.5 4689

Cap. 1. Introducción a la investigación de operaciones 11

Cap. 2. Programación lineal. Planteamiento de problemas 15

Cap. 3. Programación lineal. Método gráfico 23

Cap. 4. Programación lineal. Método símplex 30

Cap. 5. Programación entera 57

Cap. 6. Método de transporte 65

Variantes en los problemas de transporte, 79. Casos de restricciones adicionales, 87.

Cap. 7. Programación dinámica 98

Cap. 8. Administración de proyectos 110

Cap. 9. Análisis de redes 133

Cap. 10. Teoría de decisiones 143

Cap. 11. Modelos de inventarios 156

Cap. 12. Teoría de juegos 179

Cap. 13. Modelos de lineas de espera 192

Cap. 14. Análisis de Markov 209

Cap. 15. Modelos de pronósticos 222

Cap. 16. Modelos de remplazo y mantenimiento de equipos 234

Cap. 17. Simulación 251

Cap. 18. Técnicas de priorización 276

Respuestas a los problemas resueltos 288

Índice onomástico 301

En esta ocasión quiero externar mi agradecimiento a mi institución, así como a varias

Ejemplo 2.2. Una fábrica de calzado dispone de 45 unidades

6X1 + 5X2 < 45 12X1 +1 0X2 + 8X3 11

Concepto A c PROBLEMAS PROPUESTOS

Demanda, unidades 5000 3000 1500

4 2 3 Natilla 60 120 25.0

En este caso la función objetivo es la utilidad marginal que

Entonces los puntos son P1 (A = 0, B= 20) y P2 (A = 10, B= 0) Z= 6.4 = 0.5A + 0.4(0)

B= 5/0.4 = 12.5 Z= 0.5A + 0.4B

Si se resta la ecuación 2 de la 1, se obtiene:

Con este valor de A, se sustituye en la ecuación 2 para obtener:

Punto O (A = 0, B=0) Min Z= 10A + 9B

B Si a la ecuación 1 se le resta dos veces la ecuación 2, se tendrá:

Y si se sustituye este valor en la ecuación 1, dará:

Por tanto, el punto PQ está situado en (A = 8/3, B= 14/3), esto

A+B= 1 Para el punto Qi (A = O, B = 1.0):

Al quitar los paréntesis, dará:

0 0.2 0.4 0.6 0.8

La Z mayor es esta última; por tanto, la solución es: 1.2

Max Z= 80A+ 75B

Ahora se toman dos puntos de cada ecuación para trazarla rec-

Los puntos serán Pi (A = O, B 1.3) y P2 (A = 0.65, B= 0). Sujeta a las restricciones:

Sus puntos serán R 1 (A = 0, B= 1)y R2 (A = 1, B= 0). 2A+B?. 18

3.3. Minimizar: Sujeta a las restricciones:

X+ 17 10 Con Cy D enteras y no negativas.

Con X, Y enteras y no negativas. Sujeta a las restricciones:

El tonto no ue el mismo árbol ETAPAS DEL MÉTODO SÍMPLEX

Ejemplo 4.1. Caso de maximización. Resolver el problema Siendo H1 la variable de holgura.

Paso 1. Convertir las desigualdades de las restricciones en 2X1 + 3X2 - H2 + F2 = 2.4 (3 )

-3 -4 0 1 O O b) Determinar el renglón clave, para esto se obtienen los co-

Aquí existe un empate entre el primero y segundo renglones

10 12 0 0 Cuya aproximación es:

Para la parte numérica del renglón índice, a ésta se le suma 10 X1 0.6 1 0 0 1

Aquí el lector puede percatarse que la parte Mdel renglón ín- 1 —1

Al tercer renglón se le suma también el renglón clave:

Esta opción ya es la óptima, al no haber números negativos Sujeto a:

Min Z= 8X1 + 7X2 + 9X3 + °Hl + OH2 + MF1 + MF2