Documente Academic
Documente Profesional
Documente Cultură
NDICE PAG.
II.1Definicin.. 10
1
I.7 II.4 Tcnicas y disciplinas afines con la Investigacin de Operaciones. 11
INGENIERA DE SISTEMAS
NDICE PAG.
2
CAPTULO IV. PROBLEMAS DE TRANSPORTE. 41
V.1 Introduccin. 82
INGENIERA DE SISTEMAS
NDICE PAG.
V.3 Notacin en la Teora de Lneas de Espera... 85
3
V.9 Lnea Simple, con llegadas y servicios no constantes distribuidas
respectivamente con Distribucin de Poisson y Exponencial Negativa 111
INGENIERA DE SISTEMAS
NDICE PAG.
4
I.30 VII.4 rboles de Decisin.....................................................................................
149
5
1 DEFINICIN DE INGENIERA DE SISTEMAS.
SISTEMA. Es el conjunto de factores interrelacionados entre s y armnicamente
conjugados.
d) Dar solucin al sistema para satisfacer las necesidades identificadas, de tal manera
que pueda ser operado y mantenido eficazmente.
I.33
INFORMACION
Necesidades, Recursos,
Ambiente y Restricciones
PERIODO DE
PLANEACION
6
RECURSOS DE PLANEACION
FORMULACION DEL CONCEPTO E
IDENTIFICACION DEL SISTEMA
Requerimientos del Sistema
RECURSOS DE INGENIERIA
ETAPA DE DISEO
Modelo PERIODO DE
ADQUISICION
Sistema
OPERACIN Y MANTENIMIENTO
MODIFICACION Y RETIRO
DEL SISTEMA
Nuevos Requerimientos
RETROALIMENTACION
7
I.34 TEORA DE OPTIMIZACIN, TEORA DE LOS PROCESOS
ESTOCSTICOS, TEORA ESTADSTICA DE DECISIN.
I.36 Esta teora habla del aspecto de la solucin de problemas inherentes a los
sistemas mediante resultados ptimos, es decir, la optimizacin trata de obtener solucin
a los problemas de un sistema ( ingeniera, economa, poltica, social, etc. ), alcanzando
las metas especificadas de la mejor forma posible.
Esta se define simplemente como una coleccin de variables aleatorias con ndice
Xt , en donde el ndice t recorre un conjunto dado T. A menudo T se toma como el
conjunto de los enteros no negativos y Xt representa una caracterstica mensurable de
inters en el instante t. Por ejemplo, el proceso estocstico X1, X2, X3,..., puede
representar la coleccin de niveles semanarios o mensuales de inventario de un producto
dado, o bien, puede representar la coleccin de demandas semanales o mensuales de
ese producto.
Quin toma las decisiones, debe elegir una accin a de un conjunto A de acciones
posibles. Al tomar una accin, quien toma las decisiones debe darse cuenta de sus
consecuencias, la cual, por lo comn ser una funcin del estado de la naturaleza
que es una representacin de la situacin del mundo real al cual se aplicar la accin.
8
Generalmente, los estados de la naturaleza son una enumeracin dentro del modelo
segn algn conjunto ndice de representaciones alternativas posibles del fenmeno fsico
que se est estudiando. Con bastante frecuencia los estados de la naturaleza se
caracterizan por un parmetro de una familia de distribuciones de probabilidad.
Para que un sistema sea til debe satisfacer una necesidad durante todo un periodo de
tiempo. Por esta razn el sistema debe analizarse desde un punto de vista dinmico. El
ciclo bsico de un sistema comienza con la identificacin de una necesidad y termina
cuando se hace obsoleto. Las fases o etapas generales del ciclo de vida de un sistema se
puede considerar en tres periodos:
9
b) LA TENDENCIA A RESOLVER PROBLEMAS DE GRAN ESCALA. La Ciencia de los
Sistemas, tiende a la solucin de los problemas que constan de muchas componentes
frecuentemente difciles de identificar y altamente interconectados.
OPOSICIN A LA CIENCIA DE LOS SISTEMAS.
La Ciencia de los Sistemas, no siempre tiene como meta obtener la solucin ptima sino
encontrar un balance entre una buena solucin y el costo de obtenerla.
10
CAPTULO II. INVESTIGACIN DE OPERACIONES.
II.1 DEFINICIN.
INVESTIGACIN DE OPERACIONES.
La relacin que existe entre estos dos conceptos es que, para la solucin de problemas
propios de un sistema, tanto la Investigacin de Operaciones como la Ingeniera de
Sistemas, utilizan la Metodologa Cientfica a travs de modelos; primero para representar
al problema real que se quiere resolver en un sistema y segundo para resolverlo. Otros
puntos de relacin entre ambas, es que buscan por igual las relaciones ptimas que mejor
operen en un sistema, dando un objetivo especfico; de igual forma los resultados que se
obtienen con la solucin de problemas, pueden ser medidos o cuantificados mediante
valores exactos o aproximados de las componentes controlables del sistema para que
pueda comportarse de la mejor manera, de acuerdo con ciertos criterios establecidos. El
clculo de estos valores se realiza mediante los modelos matemticos que toman la forma
de ecuaciones.
DETERMINISTICOS.
Son aquellos en los que cada alternativa del problema ( hay ms de dos ) tiene una y
solo una solucin. Como hay varias alternativas, hay varias soluciones, cada una con
una diferente eficiencia y/o efectividad asociada a los objetivos del sistema; por lo
tanto existe el problema de decisin.
CON RIESGO.
11
Son aquellos en que cada alternativa del problema ( hay mas de dos ), tiene varias
soluciones. Cada solucin puede ocurrir con una cierta probabilidad. La distribucin de
estas probabilidades se conoce o se puede estimar.
BAJO INCERTIDUMBRE.
Son aquellos en que cada alternativa del problema ( hay mas de dos ), tiene varias
soluciones. Sin embargo, se ignora con que probabilidad o distribucin probalstica
ocurrirn estas soluciones.
Programacin de inventarios.
Programacin de asignacin.
Programacin de reemplazo.
Programacin de competencia.
Programacin de bsqueda.
Simulacin de sistemas.
Seleccin de proyectos.
Inventarios.
12
La Investigacin de Operaciones ha alcanzado hoy en da un grado de avance tal que
tiene una relacin muy estrecha con muchas tcnicas y disciplinas afines con ella, esto
porque la mayora de los problemas, si es que no todos, de los sistemas y de la vida real
en si, son multidisciplinarios. Por lo tanto, el anlisis y solucin de estos problemas
requiere de grupos compuestos de diferentes especialistas. Estos grupos
interdisciplinarios requieren necesariamente de una cierta coordinacin y comunicacin
que se logra mediante un lenguaje comn.
Dentro de estos grupos de tcnicas y disciplinas se pueden mencionar: la Estadstica, el
Anlisis de Sistemas, el Anlisis de Decisiones, la Astronoma, la Ingeniera ( en todas
sus reas ), la Economa, la Qumica, etc.
a) Estudio de la Organizacin.
b) Interpretacin de la Organizacin.
13
c) Deben existir, por lo menos, un par de soluciones, una de las cuales debe tener
mayor aceptacin que la otra en el individuo. En caso contrario, no existe el
problema. Esta referencia est asociada a un cierto objetivo dentro del marco de
referencia en donde se encuentra el individuo del sistema.
MODELOS ICNICOS.
Estos modelos, son imgenes a escala del sistema cuyo problema se quiere resolver.
Por ejemplo: las maquetas.
MODELOS ANALGICOS.
MODELOS SIMBLICOS.
14
Son conceptualizaciones abstractas del problema real a base del uso de letras
nmeros, variables y ecuaciones. Este tipo de modelos son fciles de manipular y se
pueden hacer con ellos un gran nmero de experimentos.
De las tres clases de modelos, los simblicos son los ms econmicos de construir y
operar.
Los modelos siempre deben ser menos complejos que el sistema real. Los sistemas que
son muy complejos pueden representarse por una serie de submodelos, que unidos
representaran al modelo del sistema original.
Existen mtodos de solucin de tipo ITERATIVO que son aquellos que se aproximan a la
solucin, o bien, dan la solucin exacta, en base a una serie de repeticiones de la misma
regla analtica sobre los resultados de una repeticin anterior.
Los modelos no deben utilizarse confiando solo en la intuicin de la persona o grupo que
los disee. Es necesario probar la validez del modelo, observando si es que los
resultados del mismo predicen o no con cierta aproximacin o exactitud, los efectos
relativos generados por las diferentes alternativas disponibles.
15
b) Una vez que se cerciore la validez del diseo de sistemas que se efectu, hay que
corroborar las expresiones matemticas que representan a los objetivos del grupo de
toma de decisiones de la organizacin y de las diferentes restricciones que
representan las interacciones de importancia.
c) Una vez que se cerciore de la validez del modelo ( representacin matemtica de las
interacciones y objetivos del mismo ), hay que corroborar que las tcnicas que
resuelven a este se aplican de manera correcta, y que los resultados del mismo se
analizan e interpretan tambin de manera correcta.
d) Por ltimo, hay que cerciorarse que la manera como se comunican los resultados al
grupo de toma de decisiones sea utilizando un lenguaje que ellos entiendan.
Si todos estos pasos se ejecutan de una manera recurrente, cada vez que se obtienen
resultados del modelo y se le presentan al grupo de toma de decisiones, se empieza a
ejercer un procedimiento sistemtico de control que depura y ajusta al mismo con la
realidad.
16
CAPTULO III. PROGRAMACIN LINEAL.
Sea el sistema:
1). 2 X1 + 3 X2 = 10
2). 5 X1 + 4 X2 = 8
1). 2 X1 + 3 X2 * = 10
2). 5 X1 + 4 X2 = 8
17
1). 2 X1 + 3 X2 * = 10
3 3 3
2). 5 X1 + 4 X2 = 8
1). 4 2 X1 + 3 X2 * = 10
3 3 3
2). 5 X 1 + 4 X2 = 8
Quedando:
1). 8 X1 + 4 X2 * = 40
3 3
2). 5 X 1 + 4 X2 = 8
1). 8 X1 + 12 X2 * = 40
3 3
2). -5 X1 - 4 X2 = -8
Quedando:
A). -7 X1 + 0 X2 * = 16
3 3
-7 X1 = 16
3 3
16
X1 = 3
-7
3
18
X1 = -48
21
X1 = - 2.29
f). Al obtener el valor de X 1, puede aplicarse al mismo mtodo utilizado para encontrar el
valor de X2; o bien sustituir esta variable en cualquiera de las ecuaciones del sistema y
de esta forma hallar el valor de la variable faltante.
4 X2 = 8 + 11.45 4 X 2 = 19.45
X2 = = 19.45 X2 = 4.86
4
X1 = - 2.29 X2 = 4.86
a11 X1 + a12 X2 = b1
a21 X1 + a22 X2 = b2
X1 X2 b
a11* a12 b1
19
a21 a22 b2
1 a12 b1
a11 a11
a11* ( pivote ).
Ejemplo. Usando las ecuaciones del ejemplo anterior, se tiene:
2 X1 + 3 X2 = 10
5 X 1 + 4 X2 = 8
X1 X2 b
2* 3 10 2
I
5 4 8
2/2 3/2 10/2 b
II
5 4 8 A
1 1.50 5
III
0 - 3.5 - 17 - 3.5
1 1.50 5 B
IV
0 1 4.86
1 0 - 2.29
V
0 1 4.86
Ejemplo :
Sea el sistema: 2 X 1 + 3 X 2 - X3 = 5
20
X1 + X 2 + X3 = 8
3X1 + X2 + 2X3 = 10
X1 X2 X3 b
2* 3 -1 5 2=A
I 1 1 1 8
3 1 2 10
1 1.50 - 0.50 2.50 A
II 0 - 0.50* 1.50 5.50 B - 0.50 = E
0 - 3.50 3.50 2.50 C
1 0 4 19 D
III 0 1 -3 - 11 E
0 0 -7 - 36 F -7=I
1 0 0 - 1.57 G
IV 0 1 0 4.43 H
0 0 1 5.14 I
21
Para calcular F: (- 0.50) 1.50 x 1.50 = 4; 3.50 1.50 x ( -3.50) = -7
- 0.50 - 0.50
Sea el sistema:
a11 X1 + a12 X2 + ... + a1n Xn = b1
se dir que tiene soluciones bsicas si todos los resultados son diferentes de cero. En
caso contrario se dir que es degenerada.
n n!
=
m m! ( n m )!
n 4!
= esto implica que el nmero de soluciones bsicas es:
22
m 2! ( 4 2 )!
n
=6
m
X1 X 1 X1 X 2 X2 X 3
X 2 X3 X4 X3 X4 X4
V.b. X4 b
X1 X2 X3
- 2* 3 3 4 20
- 3 2 4 2 16
X1 1 1.50 1.50 2 10
- 0 - 2.50* - 0.50 -4 - 14
X1 1 0 1.20* - 0.40 1.60
X2 0 1 0.20 1.60 5.60
X3 0.83 0 1 - 0.33 1.33
X2 - 0.17 1 0 1.67* 5.33
X3 0.80 0.20* 1 0 2.38
X4 - 0.10 0.60 0 1 3.19
X2 4* 1 5 0 11.90
X4 - 2.50 0 -3 1 - 3.95
X1 1 0.25 1.25 0 2.98
X4 0 0.63 0.13* 1 3.50
X1 1 - 5.81 0 - 9.61 -30.67
X3 0 4.85 1 7.69 26.92
SOLUCIONES BASICAS
23
X1 = 1.60 X2 = 5.33 X3 = 2.38 X2 = 11.90 X1 = 2.98 X1 = -30.67
X2 = 5.60 X3 = 1.33 X4 = 3.19 X4 = - 3.95 X4 = 3.50 X3 = 26.92
Cualquier sucesin: X1, X2, , Xn, que satisfaga al sistema anterior ser una solucin. En
particular, las soluciones que cumplen con X j > 0 reciben el nombre de soluciones
factibles, donde j = 1, ..., n.
Xj > 0
Las soluciones bsicas que se obtienen del nuevo sistema ya modificado y cumplen con
Xj > 0 reciben el nombre de soluciones bsicas factibles.
24
Del ejemplo anterior, de las seis soluciones bsicas, solamente dos no son soluciones
bsicas factibles.
Por otra parte, si bien se pueden obtener de inmediato las soluciones bsicas factibles a
partir de las bsicas, esto implica el clculo de todas las soluciones bsicas y
posteriormente hacer la seleccin.
V.b. X4 b
X1 X2 X3
6.67 - 2 3 3 4 20
4 - 3 2 4* 2 16
3.20 - - 0.25 1.50 0 2.50* 8
8 X3 0.75 0.50 1 0.50 4
- X4 - 0.10 0.60 0 1 3.20
3 X3 0.80* 0.20 1 0 2.40
5.56 X4 0 0.63* 0.13 1 3.50
12 X1 1 0.25 1.25 0 3
26.48 X2 0 1 0.21 1.59 5.56
25
1.34 X1 1 0 1.20* - 0.40 1.61
X2 - 0.17 1 0 1.66 5.28
X3 0.83 0 1 - 0.33 1.34
- X 1 + X2 < 1
X1 + 2X2 < 11
3 X1 + X2 < 18
Xj > 0
De donde, cambiando las inecuaciones por Igualdades, al incluir las variables de holgura
se tiene:
- X 1 + X2 + X3 = 1
X1 + 2X2 + X4 = 11
3 X1 + X2 + X5 = 18
Xj > 0
V.b. X4
X1 X2 X3 X5 b
1 X3 -1 1* 1 0 0 1
5.50 X4 1 2 0 1 0 11
18 X5 3 1 0 0 1 18
- X2 -1 1 1 0 0 1
3 X4 3* 0 -2 1 0 9
26
4.25 X5 4 0 -1 0 1 17
12.12 X2 0 1 0.33 0.33 0 4
- X1 1 0 - 0.67 0.33 0 3
2.98 X5 0 0 1.68* -1.32 1 5
Continuacin.
En razn a que ninguno de los cocientes que se efectan es elegible, por dar alguna
combinacin que ya se tuvo con anterioridad o bien por permitir que alguna variable tome
valores negativos, el procedimiento de iteracin se concluye, obtenindose as las
Las variables que no entran a la base en cada una de las soluciones obtenidas se
consideran que son igual a cero.
27
todas las alternativas factibles. El adjetivo Lineal significa que se requiere que todas las
funciones matemticas en este modelo sean funciones lineales.
m am1 am 2 amn bm
/UNIDAD c1 c2 cn
NIVEL X1 X2 Xn
28
En particular, este modelo es para seleccionar los valores para X 1 , X2 , , Xn a fin de:
SOLUCIN FACTIBLE. Es una solucin para la que se satisfacen todas las restricciones.
29
restricciones del problema, para de esta manera poder limitar el intervalo de valores
permisibles de las restricciones.
El trazo de cada una de las ecuaciones matemticas dar como resultado una rea
delimitada por ellas que engloba todas las soluciones que puede tener un problema pero
que no satisfagan las restricciones del problema en su totalidad. Esta rea se conoce con
el nombre de REGIN DE FACTIBILIDAD y dentro de ella se encuentran todas las
soluciones bsicas factibles. As mismo, dentro de esta misma rea existe una solucin
que s cumple con todas las restricciones existentes y en forma simultnea localizada
generalmente en el contorno de esta regin, llamada tambin CONJUNTO CONVEXO
pudiendo ser la solucin ptima de todo el conjunto de soluciones. Este punto o solucin
ptima se encuentra en la parte ms alejada del eje o punto de interseccin ( cero ) entre
las dos variables.
No obstante, esa es la nica utilidad que tienen los mtodos grficos, o sea el de ilustrar
de manera ms sencilla los conceptos introductorios de la Programacin Lineal. Es
posible, aunque francamente no recomendable, resolver problemas con tres
variables de decisin. Sin embargo, de cuatro variables en adelante no hay manera
de resolver problemas de programacin lineal por mtodos grficos.
III.6 MTODO SIMPLEX.
Las variables que se hacen igual a cero se llaman VARIABLES NO BSICAS, y las otras
son las VARIABLES BSICAS. La solucin resultante se conoce como SOLUCIN
BSICA. Si todas las variables bsicas son no negativas, es una SOLUCIN BSICA
FACTIBLE.
30
2. REGLA DE DETENCIN. La solucin bsica factible presente es ptima si y solo si
todo coeficiente en la ecuacin a maximizar es no negativo
( > 0 ).
3. PASO ITERATIVO.
Para eliminar la nueva variable bsica de las otras ecuaciones, todos los renglones
(incluyendo el de la ecuacin a maximizar), excepto el rengln pivote, se cambian para el
nuevo cuadro usando la frmula siguiente:
Nuevo Rengln = Rengln Anterior ( Coeficiente de la Columna Pivote x Nuevo Rengln Pivote )
31
CASO I. Si el sistema es cuadrado ( n = m ), usar:
b
X1 Xn
V.b.
X1 Xn b
n n!
=
m m! ( n m )!
CASO III. Se trata del Caso II, pero solo interesan las soluciones bsicas factibles, usar:
V.b. b
X1 Xn
Xi > 0
EJEMPLO. PROBLEMA.
Un fabricante de palillos, produce dos clases de palillos, redondos (R) y planos (P). Las
principales instalaciones de fabricacin, tambin son dos: el departamento de corte y el
departamento de empaque. El primero puede procesar 300 cajas de palillos redondos y
600 cajas de palillos planos por cada hora, el segundo puede procesar 600 cajas de
palillos redondos y 300 cajas de palillos planos, tambin por hora. Si las ganancias son de
$1.50 por cada caja de palillos redondos y $ 1.00 por cada caja de palillos planos
determinar:
32
b) El planteamiento algebraico de las restricciones.
Solucin:
a) Funcin Objetivo:
Departamento de Corte:
R
+
P < 1
300 600
Departamento de empaque:
R + P < 1
600 300
Departamento de Corte:
2R + P < 600
Departamento de empaque:
R + 2P < 600
33
c) Utilidades para el nivel ptimo de fabricacin, por el Mtodo Simplex, a partir del
siguiente sistema:
2R + P < 600
R + 2P < 600
Xi > 0
- 1.50 R - 1.00 P = 0
2R + P + S = 600
R + 2P + T = 600
Xi > 0
V.b. b
R P S T
- Z - 1.50 - 1.00 0 0 0
300 S 2* 1 1 0 600
600 T 1 2 0 1 600
- Z 0 - 0.25 0.75 0 450
600 R 1 0.50 0.50 0 300
200 T 0 1.50* - 0.50 1 300
- Z 0 0 0.67 0.17 500
R 1 0 0.67 - 0.34 200
P 0 1 - 0.33 0.67 200
34
Nota: Las columnas y renglones remarcados con negrillas, son las columnas y
renglones pivote, respectivamente.
Solucin:
Conforme al anlisis realizado, se requiere producir 200 cajas de cada uno de los tipos de
palillos que se fabrican, para obtener una ganancia de $ 500.00, es decir:
Z = 500
R = 200
P = 200
Del sistema de inecuaciones, que se toman en este nico caso como si fueran
igualdades, se despeja una de las variables en cada una de las expresiones, para as
poder encontrar los puntos que representan a cada una de las lneas, por lo que:
1) - 1.50 R - 1.00 P = 0
2) 2R + P < 600
3) R + 2P < 600
35
600 0
400 100
200 200
0 300
De las coordenadas obtenidas en los cuadros anteriores, se determinan las rectas que
representan a cada una de las expresiones del sistema y con las cuales se conforma el
rea de factibilidad, denominado tambin conjunto convexo.
PALILLOS PLANOS ( P )
700
600
500 ECUACION 2
400
300
200
100 ECUACION 3
0
100 200 300 400 500 600 700
PALILLOS REDONDOS ( R )
36
COORDENADAS
PUNTOS
R P
1 100 250
2 150 225
3 200 200
4 275 50
5 300 0
Z = 1.50 R + 1.00 P
Ejemplo: Encontrar la solucin ptima del siguiente sistema, aplicando los Mtodos
Analtico y Grfico.
1 ) Max. Z = 2 X1 + 3 X2
Sujeta a:
2) - X1 + X2 < 1
37
3) X1 + 2X2 < 11
4) 3X1 + X2 < 18
Xj > 0
- 2X1 - 3X2 = 0
Sujeta a:
- X1 + X2 + X 3 = 1
X1 + 2X2 + X4 = 11
3X1 + X2 + X5 = 18
Xj > 0
SOLUCION ANALITICA
V.b. b
X1 X2 X3 X4 X5
- Z -2 -3 0 0 0 0
1 X3 -1 1* 1 0 0 1
5.50 X4 1 2 0 1 0 11
18 X5 3 1 0 0 1 18
- Z -5 0 3 0 0 3
- X2 -1 1 1 0 0 1
3 X4 3* 0 -2 1 0 9
38
4.25 X5 4 0 -1 0 1 17
- Z 0 0 - 0.35 1.65 0 18
12.12 X2 0 1 0.33 0.33 0 4
- X1 1 0 - 0.67 0.33 0 3
2.98 X5 0 0 1.68* - 1.32 1 5
Z 0 0 0 1.37 0.21 19.04
X2 0 1 0 0.59 - 0.20 3.02
X1 1 0 0 - 0.21 0.40 5
X3 0 0 1 - 0.79 0.60 2.98
Del sistema de inecuaciones, que se toman como si fueran igualdades, se despeja una de
las variables en cada una de las expresiones, para as poder encontrar los puntos que
representan a cada una de las lneas, por lo que:
1 ) Max. Z = 2 X1 + 3 X2
2) - X1 + X2 < 1
3) X1 + 2X2 < 11
4) 3X1 + X2 < 18
X1 = - 3 X2 X 2 = 1 + X1
2
X1 X2
0 1
1 2
2 3
3 4
X1 X2
39
0 0
- 1.50 1
-3 2
- 4.50 3
X1 = 11 - 2 X2 X2 = 18 - 3X1
X1 X2
11 0
9 1
7 2
5 3
X1 X2
0 18
1 15
2 12
3 9
De las coordenadas obtenidas en los cuadros anteriores, se determinan las rectas que
representan a cada una de las expresiones del sistema y con las cuales se conforma el
rea de factibilidad, denominado tambin conjunto convexo.
40
X2
18
16
ECUACION 4
14
12
10
6
ECUACION 2
4
ECUACION 3
2
41
X1
0 2 4 6 8 10 12
COORDENADAS
PUNTOS
X1 X2
1 1 2
2 2 3
3 3 4
4 5 3
5 5.75 0.50
6 4 0
1 ) Max. Z = 2 X1 + 3 X2
42
Como puede observarse el valor ptimo de la ecuacin a maximizar es el que se localiza
en el punto 4, con Z = 19, para valores de X1 = 5 y X2 = 3.
Sujeta a:
X1 + 2X2 - X3 - X4 > 8
Xj > 0
X1 + 2X2 - X3 - X4 - X6 = 8
Xj > 0
V.b. X6 X7
X1 X2 X3 X4 X5 b
- Z -2 -3 -2 -1 0 0 0 0
12 X5 2 1 3 2 -1 0 0 12
4 X6 1 2* -1 -1 0 -1 0 8
43
- X7 3 -2 1 3 0 0 -1 16
- Z - 0.50 0 - 3.50 - 2.50 0 - 1.50 0 12
2.29 X5 1.50 0 3.50* 2.50 -1 0.50 0 8
- X2 0.50 1 - 0.50 - 0.50 0 - 0.50 0 4
X7 5 0 0 2 0 -1 -1 24
- Z 1.01 0 0 - 0.02 - 1.02 - 1.01 0 20.02
5.33 X3 0.43 0 1 0.71 - 0.29 0.14* 0 2.29
- X2 0.72 1 0 - 0.15 - 0.15 - 0.43 0 5.15
- X7 3.57 0 0 2 0 -1 -1 24
- Z 4.11 0 7.21 5.10 - 3.11 0 0 25.40
- X6 3.07 0 7.14 5.07 - 2.07 1 0 5.33
- X2 2.04 1 3.07 2.03 - 1.04 0 0 7.44
90.65 X7 6.64 0 7.14 7.07 0.29* 0 -1 26.29
- Z 75.33 0 83.77 80.92 0 0 - 10.73 307.320
- X6 50.47 0 58.10 55.54 0 1 - 7.14 192.98
- X2 26.21 1 28.67 27.38 0 0 - 3.59 101.72
90.65 X5 22.90 0 24.62 24.38 1 0 - 3.45 90.65
44
Los problemas de transporte, desde este enfoque constituyen un problema de
programacin lineal y en consecuencia, puesto que se necesita optimizar, se requerir
una solucin bsica factible, para que de ser necesario, posteriormente al utilizar un
cierto criterio de optimizacin se cambie de base mejorando la solucin hasta alcanzar el
ptimo.
METODOS:
b) COLUMNA MNIMA.
c) RENGLN MNIMO.
d) ALGORITMO DE RUSSEL.
n
Min Z = cij Xij
ij
Sujeta a:
n
1) Xij = ai para ai > 0, i = 1, 2, 3, ..., n
j=1
m
2) Xij = bi para bi > 0, i = 1, 2, 3, ..., n
i=1
Donde:
45
cij = Costo de transportar una unidad del origen i al destino j.
Xij = Cantidad de producto transportado del origen i al destino j.
ai = Disponibilidad en el origen i.
bi = Lo que se requiere en el destino j.
m n m
a) Xij = ai
i=1 j=1 i=1
m n n
b) Xij = bi
i=1 j=1 j=1
m n
ai = bi
i=1 j=1
En este tipo de problemas es conveniente anotar todos los valores en la tabla llamada
CUADRO SIMPLEX DE TRANSPORTE ( que se muestra en la siguiente pgina ).
46
D1 D2 Dj Dn ai
C11 C12 C1j C1n a1
O1
x11 x12 xij x1n
C21 C22 C2j C2n a2
O2
x21 x22 X2j x2n
bj b1 b2 bj bn ai = bj
De no ser as, se agregar una columna o rengln, como destino u origen final en el
Cuadro Simplex, respectivamente segn se requiera, considerando que el costo de
transporte, en cada destino u origen en toda la columna o rengln agregado, sea igual a
cero.
Si la ai > bj, entonces se agregar una columna, donde el valor de bj ser igual a la
diferencia que se tenga de la ai y de bj.
47
Si a1 b1 se hace a1 = a1 - b1, se obtiene b1 y se pasa a la celda ( 2, 1 ) determinndose X 21
igual al mnimo de ( a2, b1 ).
Ejemplo:
Una ciudad cuenta con seis terminales de autobuses de donde deben salir determinado
nmero de ellos para cubrir la ruta que tienen asignada. Existen cuatro lugares donde se
guardan los camiones y diariamente deben ir de ah a su terminal.
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
2 4 3 2 1 5 20
O2
5 3 4 1 3 2 40
O3
1 5 3 4 2 4 10
O4
bj 15 25 5 10 20 25
48
Se requiere determinar que cantidad se debe mandar de cada estacionamiento a cada
terminal, de manera que el costo total sea mnimo. Lo que se pregunta es qu cantidad
se debe mandar de cada estacionamiento a cada terminal de manera que el costo total
sea mnimo?
SOLUCIN :
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
15 15
2 4 3 2 1 5 20
O2
10 5 5
5 3 4 1 3 2 40
O3
5 20 15
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
REALIZACIN DE CLCULOS
49
X34 = min. ( a3, b4 ) = min. ( 40, 5 ) = 5 a3 = a3 - b4 = 40 5 = 35
X11 = 15; X12 = 15; X22 = 10; X23 = 5; X24 = 5; X34 = 5; X35 = 20; X36 = 15; X46 = 10.
Ejemplo:
D1 D2 D3 D4 D5 ai
9 2 4 1 8
O1 25
7 3 6 4 3
O2 15
8 6 5 2 1
O3 20
50
bj 10 5 20 15 10
Se requiere determinar un plan de transporte, de tal manera que el costo total de llevar las
60,000 toneladas sea mnimo.
SOLUCIN :
D1 D2 D3 D4 D5 ai
9 2 4 1 8
O1 25
10 5 10
7 3 6 4 3
O2 15
10 5
8 6 5 2 1
O3 20
10 10
bj 10 5 20 15 10 60
51
De los clculos anteriores se desprende que la solucin al problema de transporte del
ejemplo resuelto es:
X11 = 10; X12 = 5; X13 = 10; X23 = 10; X24 = 5; X34 = 10; X35 = 10.
( 9 X 10 ) + ( 2 X 5 ) + ( 4 X 10 ) + ( 6 X 10 ) + ( 4 X 5 ) + ( 2 X 10 ) + ( 1 X 10 ),
Se inicia buscando la celda que tiene el costo mnimo en la columna 1. Suponga que es la
( r, 1 ), por lo que se calcula Xr1 = min. (ar, b1), si b1 ar, se pasa a la columna siguiente
( en este caso a la columna 2 ), haciendo a r = ar - b1. Si no es as se elimina la fila r, esto
es, no podr seleccionarse ninguna celda de esa fila posteriormente, y se pasa en la
misma columna 1 a la celda que tenga el costo mnimo, haciendo b 1 = b1 - ar. Suponga
que ( s, 1) es esa celda, entonces se calcula X s1 = min ( as, b1 ) repitindose el proceso
hasta que se satisface el requerimiento del destino 1.
Ejemplo:
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
2 4 3 2 1 5 20
O2
5 3 4 1 3 2 40
O3
1 5 3 4 2 4 10
52
O4
bj 15 25 5 10 20 25
Debido a que a2 b1, se calcula el nuevo valor de a2, como se tiene en el rengln anterior
y en virtud de que ya se satisfizo la demanda del destino 1 ( D 1 ), se pasa a la columna 2,
buscndose el costo ms bajo, localizado en la celda ( 1, 2 ) determinndose luego:
53
Ya que b1 a4, se elimina la fila 2 y se calcula el nuevo valor de b 1, como se muestra en el
rengln anterior y se busca en esa misma columna el costo ms bajo, siendo ste el de la
celda ( 3, 5 ), ya que la celda ( 4, 5 ) no puede ser elegida por haber sido eliminada con
anterioridad, por lo que se calcula:
Se considera, en este caso, que b 6 a3, por lo que se elimina la fila 3 y se calcula el nuevo
valor de b6, como se muestra en el rengln anterior y se busca en esa misma columna el
costo ms bajo, siendo ste el de la celda ( 1, 6 ), ya que las celdas ( 2, 6 ) y
( 4, 6 ) no pueden ser elegidas por haber sido eliminadas con anteriormente, por lo que se
calcula:
SOLUCIN :
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
25 5 0
2 4 3 2 1 5 20
O2
ELI MI NA DA
5 15
5 3 4 1 3 2 40
O3
ELI MINA DA
10 5 25
54
1 5 3 4 2 4 10
O4
E LI MI NA DA
10
bj 15 25 5 10 20 25 100
X12 = 25; X13 = 5; X16 = 0; X21 = 5; X25 = 15; X34 = 10; X35 = 5; X36 = 25; X41 = 10.
Este mtodo es semejante al anterior, con la nica diferencia que en lugar de satisfacer
los requerimientos en los destinos y eliminar filas, se destinan totalmente las
disponibilidades de los orgenes para pasar de una fila a otra, eliminndose columnas.
El proceso se inicia buscando en la fila 1 la celda de menor costo, suponga que esta sea
la ( 1, r ), por lo que se calcula X 1r que es igual al mnimo de ( a 1, br). Si a1 br se pasa al
rengln 2, haciendo b r = br - a1. Si a1 br se elimina la columna 4 y se busca la celda con
el siguiente costo ms bajo en la fila 1, haciendo a 1 = a1 - br suponga que esta sea la
celda ( 1, s ), entonces se procede a calcular X 15 que es igual al mnimo de ( a1, bs )
siguindose el procedimiento en esta forma hasta destinar completamente la
disponibilidad del origen 1. Y as sucesivamente de manera que se llegue a destinar la
disponibilidad del origen m.
Ejemplo:
55
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
2 4 3 2 1 5 20
O2
5 3 4 1 3 2 40
O3
1 5 3 4 2 4 10
O4
bj 15 25 5 10 20 25
Se considera en este caso b3 a1, por lo que se calcula el nuevo valor de b3, como se
tiene en el rengln anterior y en virtud de que el origen 1 ( O 1 ) ya entreg la totalidad de
sus disponibilidades, se pasa a la fila 2, buscndose el costo ms bajo, localizado en la
celda ( 2, 5 ), determinndose luego:
En este caso, nuevamente se toma a b 5 a2, por lo que se calcula el nuevo valor de b 5
como se tiene en el rengln anterior y en virtud de que el origen 2 ( O 2 ) ya entreg la
56
totalidad de sus disponibilidades, se pasa a la fila 3, buscndose el costo ms bajo
localizado en la celda ( 3, 4 ), determinndose luego:
Como b1 a3, se calcula el nuevo valor de b1, como se tiene en el rengln anterior y en
virtud de que el origen 3 ( O 3 ) ya entreg la totalidad de sus disponibilidades, se pasa a
la fila 4, buscndose el costo ms bajo, localizado en la celda ( 4, 1 ), esto debido a que
ninguna de las celdas restantes pueden ser elegidas por haberse eliminado
anteriormente, por lo que se determina:
57
Con el paso anterior se concluye el anlisis y se termina con las iteraciones, quedando la
tabla Simples de transporte de la siguiente manera:
SOLUCIN :
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
ELI ELIMI ELI
25 5
2 4 3 2 1 5 20
O2
ELI ELIMI MI MI
20
5 3 4 1 3 2 40
O3
5 MI 0
10 0 25
1 5 3 4 2 4 10
O4
NADA NADA NADA NADA NADA
10
bj 15 25 5 10 20 25 100
X12 = 25; X13 = 5; X25 = 20; X31 = 5; X33 = 0; X34 = 10; X35 = 0; X36 =25; X41 = 10.
58
mismo nmero de filas y columnas del Cuadro Simplex de Transporte original, ms una
fila y columna al final de cada caso. En este cuadro slo se anotarn en el mismo orden
las disponibilidades de los orgenes y las demandas de los destinos existentes, en la fila y
columna correspondientes. Para formar el Cuadro de Estimadores se hace mediante el
procedimiento que se va desarrollando con el siguiente:
Ejemplo:
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1
2 4 3 2 1 5 20
O2
5 3 4 1 3 2 40
O3
1 5 3 4 2 4 10
O4
bj 15 25 5 10 20 25
En el Cuadro Simplex de Transporte original, se busca fila por fila y columna a columna
el costo ms alto de todos los que se tienen en las celdas de cada fila y cada columna
colocndose dichos valores respectivamente en la fila y columna agregadas, estos
valores se conocern como ESTIMADORES EXTERNOS , tal como se muestra en la
Tabla 1.
TABLA 1
D1 D2 D3 D4 D5 D6 ai E.E.
O1 30 5
59
O2 20 5
O3 40 5
O4 10 5
bj 15 25 5 10 20 25 100
E.E 5 5 4 5 4 5
TABLA 2
D1 D2 D3 D4 D5 D6 ai E.E.
O1 7 9 7 5 5 7 30 5
O2 8 5 6 8 8 5 20 5
O3 5 6 5 9* 6 7 40 5
O4 9 5 6 6 7 6 10 5
bj 15 25 5 10 20 25 100
E.E. 5 5 4 5 4 5
Los valores encerrados dentro del cuadro resaltado con lnea ms gruesa son los
Estimadores Internos.
60
X34 = min. ( a3, b4 ) = min. ( 40, 10 ) = 10 a3 = a3 - b4 = 40 10 = 30
Ahora se busca en esta misma columna el menor estimador ( si existen varios con la
misma cantidad, se elige uno y slo uno ) que se encuentre en ella. Este estimador
indicar la fila en la cual se le restar una unidad a todos los estimadores internos
restantes e incluso al estimador externo que se localice en dicha fila. En este caso, ese
estimador se localiza en la celda ( 1, 4 ), quedando el nuevo cuadro como se muestra en
la Tabla 3.
TABLA 3
D1 D2 D3 D4 D5 D6 ai E.E.
O1 6 8 6 4 6 30 4
O2 8 5 6 8 5 20 5
O3 5 6 5 6 7 30 5
O4 9* 5 6 7 6 10 5
bj 15 25 5 20 25 90
E.E. 5 5 4 4 5
El proceso se contina hasta que la suma de las disponibilidades en los orgenes y las
demandas en los destinos existentes sea igual a cero ( ai = bj = 0 ), encontrndose de
esta manera la solucin y el costo al problema de transporte.
61
PROCEDIMIENTO DE ANLISIS Y SOLUCIN
TABLA 4
D1 D2 D3 D4 D5 D6 ai E.E.
O1 6 7 6 4 6 30 4
O2 8* 4 6 8 5 20 5
O3 5 5 5 6 7 30 5
O4
bj 5 25 5 20 25 80
E.E. 5 4 4 4 5
TABLA 5
D1 D2 D3 D4 D5 D6 ai E.E.
62
O1 7 6 4 6 30 4
O2 4 6 8* 5 15 5
O3 4 4 5 6 30 4
O4
bj 25 5 20 25 75
E.E. 4 4 4 5
TABLA 6
D1 D2 D3 D4 D5 D6 ai E.E.
O1 6 6 4 6 30 4
O2
O3 3 4 5 6* 30 4
O4
bj 25 5 5 25 60
E.E. 3 4 4 5
63
se coloca el valor de 25 en el Cuadro Simplex original y se obtiene el nuevo cuadro de
estimadores, mostrado en la Tabla 7:
TABLA 7
D1 D2 D3 D4 D5 D6 ai E.E.
O1 6 6* 4 30 4
O2
O3 2 3 4 5 3
O4
bj 25 5 5 35
E.E. 3 4 4
TABLA 8
D1 D2 D3 D4 D5 D6 ai E.E.
O1 6* 4 25 4
O2
O3 1 3 5 2
O4
bj 25 5 30
E.E. 3 4
64
En la tabla 8 se busca el estimador interno mayor, en este caso el de la celda ( 1,2 ) y se
calcula:
TABLA 9
D1 D2 D3 D4 D5 D6 ai E.E.
O1 4* 0 4
O2
O3 2 5 1
O4
bj 5 5
E.E. 4
TABLA 10
D1 D2 D3 D4 D5 D6 ai E.E.
O1
O2
O3 1* 5 1
65
O4
bj 5 5
E.E. 3
TABLA 11
D1 D2 D3 D4 D5 D6 ai E.E.
O1
O2
O3 0 0
O4
bj 0
E.E.
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
25 5
2 4 3 2 1 5 20
O2 5
15
66
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
X12 = 25; X13 = 5; X15 = 0; X21 = 5; X25 = 15; X34 = 10; X35 = 5; X36 = 25; X41 = 10.
67
en la misma columna. Otro requisito adicional es que cada celda ( exceptuando la ltima )
debe aparecer nicamente una vez en los conjuntos ordenados.
RAMA DIRIGIDA.
Una rama dirigida es un segmento que une un par ordenado de celdas, las cuales estn o
en el mismo rengln o en la misma columna.
CIRCUITO DIRIGIDO.
Una trayectoria dirigida simple es una trayectoria dirigida que no tiene ms de dos celdas
en cualquier rengln o columna.
Ejemplo:
1. Se hacen circuitos para todas las celdas en blanco usando los costos unitarios.
2. Este circuito es la sumatoria de dichos costos alterados. Es decir, los signos de cada
costo son alternados: +, -, +, -, +, -, ..., etc.
3. Todos los circuitos deben dar un total < 0. Si alguno es mayor que cero, la solucin
puede manifestarse en dicho circuito para producir un ptimo.
68
Por medio del Algoritmo de Russell se determin la siguiente solucin bsica factible.
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
25 5
2 4 3 2 1 5 20
O2 5
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
Para comprobar si esta solucin es ptima o no se deben calcular las Z ij cij por medio de
los circuitos dirigidos simples formados por la celda ( i, j ) y las celdas bsicas.
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2
25 5
2 4 3 2 1 5 20
O2 5
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
69
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3
25 5
2 4 3 2 1 5 20
O2 5
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
70
Z22 - c22 = c12 - c15 + c25 - c22 = 1 - 4 + 1 - 4 = -6
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
71
Z24 - c24 = c25 - c35 + c34 - c24 = 1 - 3 + 1 - 2 = -3
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
72
Z31 - c31 = c21 - c25 + c35 - c31 = 2 - 1 + 3 - 5 = -1
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
73
Z33 - c33 = c13 - c15 + c35 - c33 = 2 - 4 + 3 - 4 = - 3
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
-8
10
bj 15 25 5 10 20 25 100
74
Z43 - c43 = c41 - c21 + c25 - c15 + c13 - c43 = 1 - 2 + 1 - 4 + 2 - 3 = - 5
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
-8 -5
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
-8 -5 -6
10
bj 15 25 5 10 20 25 100
75
Z45 - c45 = c41 - c21 + c25 - c45 =1-2+1-2=-2
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
-8 -5 -6 -2
10
bj 15 25 5 10 20 25 100
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
-8 -5 -6 -2 -5
10
bj 15 25 5 10 20 25 100
76
Despus de todo el anlisis anterior, el Cuadro Simplex de Transporte queda finalmente
de la siguiente manera:
D1 D2 D3 D4 D5 D6 ai
3 1 2 5 4 3 30
O1 0
2 -3 0
25 5
2 4 3 2 1 5 20
O2 5 -6 -5 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -3 -3
10 25
1 5 3 4 2 4 10
O4
-8 -5 -6 -2 -5
10
bj 15 25 5 10 20 25 100
Ya que Z11 c11 > 0, quiere decir que la solucin encontrada ( de la que se parti para el
anlisis ) no es ptima, por lo que se puede mejorar la solucin haciendo que X 11 entre a
+ - +
la base a travs del circuito que est formado por las celdas ( 1,5 ) , ( 2,5 ) , ( 2, 1 ) (
-
1, 1 ) .
Para escoger cual celda debe entrar a la base, se toma aquella que en la secuencia de
anlisis sea positiva y que tenga el menor volumen transportado ( mnimo de los
positivos ), en este caso se trata de la celda Xqr:
Teniendo la variable que entra y la que sale de la base, se calcula la nueva tabla
utilizando el siguiente Teorema:
77
Si el valor de una variable no bsica, X st, se permite que aumente, permitiendo que las
otras variables que no estn en la base sean igualadas a cero, el valor de cualquier
variable bsica Xij cambiar de Xij a:
De manera que:
Xst = XBqr
XBAB = XBAB - XBqr ( XBAB est en el circuito formado por ( s, t ) y las celdas de la base; el
coeficiente de cB AB es positivo ).
XBAB = XBAB + XBqr ( XBAB est en el circuito mencionado y el coeficiente de cB AB es
negativo ).
Revisando el circuito:
X11 = X15 = 0
78
Z14 - c14 = c34 - c35 + c25 - c21 + c11 - c14 = 1 3 + 1 2 + 3 - 5 = -5
D1 D2 D3 D4 D5 D6 ai
79
3 1 2 5 4 3 30
O1
0 -5 -2 -2
25 5
2 4 3 2 1 5 20
O2 5 -4 -2 -3 -5
15
5 3 4 1 3 2 40
O3 5
-1 -1 -1
10 25
1 5 3 4 2 4 10
O4
-6 -5 -6 -2 -5
10
bj 15 25 5 10 20 25 100
Ya que todas las Zij - cij < 0, se habr obtenido la solucin ptima, siendo esta:
X11 = 0; X14 = 25; X13 = 5; X21 = 5; X25 = 15; X34 = 10; X35 = 5; X36 = 25; X41 = 10,
( 3 X 0 ) + ( 1X 25 ) + ( 2 X 5 ) + ( 2 X 5 ) + ( 1X 15 ) + ( 1X 10 ) + ( 3 X 5 ) + ( 2 X 25 )
+ ( 1X 10 ) = $ 145 U.M.
NOTAS:
Se parte de una solucin bsica factible inicial que se coloca en las tablas ya utilizadas.
Esto se consigue obteniendo el circuito dirigido simple formado por esa celda y las
bsicas. Este circuito dirigido simple es nico.
80
Ya que se trata del Simplex y de un problema de minimizacin, cuando todas
las Zij - cij sean negativas o cero se tiene un ptimo. Si no es as, entrar a la base la
variable Xst cuya diferencia:
Se tiene un costo cij. Asociado con el cesionario i ( i = 1, 2, 3, ..., n ) que lleva a cabo la
asignacin j ( j = 1, 2, 3, ..., n ), de modo que el objetivo es determinar en qu forma
deben realizarse todas las asignaciones para minimizar los costos totales.
m n
Min Z = m cij Xij
i=1 j=1
Sujeta a:
n
Min Z = Xij = 1 i = 1, 2, ...., m
j=1
m
Min Z = Xij = 1 j = 1, 2, ...., n
i=1
81
i = 1, 2, ...., m
Xij > 0
j = 1, 2, ...., n
Este tipo de problemas son de carcter lineal, con una estructura de transporte, slo que
la oferta en cada origen es de valor uno y la demanda en cada destino es tambin de
valor uno. Sera muy ineficiente resolver este tipo de problemas por medio del Mtodo
Simplex o por medio del Mtodo de Transporte. Debido a la estructura propia de los
problemas de asignacin, existen mtodos de solucin llamados algoritmos de
asignacin que son ms eficientes que el simplex o que el de transporte.
Una condicin necesaria y suficiente para que este tipo de problemas tenga una solucin,
es que estn balanceados, es decir que la oferta total sea igual a la demanda total. En
otras palabras, si hay m orgenes y n destinos, se requiere que m y n sean iguales. A un
problema de asignacin desbalanceado, se le balancea del mismo modo que a un
problema de transporte.
82
i
Ejemplo:
83
El Gobierno del Estado va a construir 3 proyectos, A, B, C Y 4 compaas constructoras
estn compitiendo por los proyectos. La siguiente matriz resume la cotizacin de cada
compaa por proyecto, en millones de pesos.
PROYECTO
A B C
COMPAIA
1 5 13 19
2 13 10 15
3 11 15 27
4 15 9 6
PROCEDIMIENTO DE ANLISIS:
PROYECTO
A B C D
COMPAIA
1 5 13 19 0
2 13 10 15 0
3 11 15 27 0
4 15 9 6 0
84
Paso 1. Construyendo primero ceros en cada columna
PROYECTO
A B C D
COMPAIA
1 0 4 13 0
2 8 1 9 0
3 6 6 21 0
4 10 0 0 0
PROYECTO
A B C D
COMPAIA
1 0 4 13 0
2 8 1 9 0
3 6 6 21 0
4 10 0 0 0
85
Paso 3.
X
PROYECTO
A B C D
COMPAIA
1 0 4 13 0
X 2 8 1 9 0
X 3 6 6 21 0
4 10 0 0 0
Paso 3.e. Se tachan con una raya vertical la columna marcada y con rayas horizontales
las filas no marcadas, obtenindose la condicin de que O ( M ) = D ( M ) la cual
se presenta grficamente a continuacin.
X
PROYECTO
A B C D
COMPAIA
1 0 4 13 0
X 2 8 1 9 0
X 3 6 6 21 0
4 10 0 0 0
Paso 3.f. El nmero no cubierto ms pequeo es 1, por lo que la nueva matriz es:
86
PROYECTO
A B C D
COMPAIA
1 0 4 13 1
2 7 0 8 0
3 5 5 20 0
4 10 0 0 1
A la compaa 3 no se le contrata.
87
CAPTULO V. LNEAS DE ESPERA.
V.1 INTRODUCCIN.
En todo sistema existen dos grandes clases de costos, el social referente al tiempo de
espera de un servicio y el asociado al consumo de recursos que requiere ese servicio.
Adems, estos costos tienen una correlacin inversa: cuando uno aumenta el otro
disminuye y viceversa.
La teora de Lneas de Espera es un intento matemtico que tiene entre sus objetivos, el
contestar lo siguiente: Hasta que punto conviene ampliar la capacidad de un negocio o
actividad, para contrarrestar los tiempos de espera y las prdidas asociadas?
88
c) El nmero de cajas que deben operar en un banco o tienda de autoservicio, en funcin
de la hora y el da de la semana.
Si el tiempo que se utiliza para servir a un cliente es mayor al que transcurre entre la
llegada consecutiva de 2 clientes, se formarn lneas de espera. En cambio, si el servicio
es ms rpido que la llegada de clientes, no se formaran colas o lneas de espera.
b) Determinar los niveles adecuados de ciertos parmetros del sistema que balancean el
costo social de la espera con el costo asociado al consumo de recursos.
Una Lnea de Espera est constituida por un cliente que requiere de un servicio
( proporcionado por un servidor ) en un determinado periodo. Los clientes entran
aleatoriamente al sistema y forman una o varias colas o lneas de espera para ser
atendidos. Si el servidor est ocupado, de acuerdo a ciertas reglas preestablecidas
conocidas como disciplina del servicio, ste se proporciona a los elementos de la cola. El
89
cliente ser atendido en un periodo determinado, llamada TIEMPO DE SERVICIO
abandonando el cliente el sistema al terminar dicho tiempo. Los clientes que se forman en
una cola lo hacen en una rea de espera.
a) El nmero de clientes que pueden esperar en la cola; los cuales pueden ser finitos
o infinitos. En la realidad slo existen los primeros, pero matemticamente se facilitan
los clculos si se supone lo segundo.
b) La fuente que genera la poblacin de clientes. Esta fuente puede tener una
produccin finita o infinita ( no confundir con la poblacin esperada, ya que tambin
puede ser finita o infinita ).
c) A la manera como esperan los clientes, en una cola o en varias, con o sin opcin a
cambiarse de cola.
f) La disciplina de la cola. Se puede utilizar una poltica en la cual el primero que llega
a la cola es el primero al que se le proporciona servicio; existen polticas de prelacin o
prioridad, como es el caso de los servicios mdicos de emergencia, en donde las
caractersticas del cliente indican en que orden se le proporciona el servicio.
La disciplina puede ser tambin: ultimo que entra, primero que sale o bien aleatoria.
i) La estabilidad del sistema, que puede ser estable o transitoria. Aqu se cubre slo la
condicin estable, y especficamente aquellos casos donde en un periodo determinado
slo puede ocurrir una entrada al sistema ( nacimiento ) y una salida del mismo
( muerte ). De ah que matemticamente a estos procesos estables se les conozca
como procesos de nacimiento y muerte.
90
TIPOS DE SISTEMAS.
91
: Nmero promedio de servicios por unidad de tiempo.
s
S : Factor de utilizacin de un sistema con servidores mltiples.
1
: Tiempo promedio que transcurre entre dos llegadas consecutivas de clientes.
1
: Tiempo promedio de servicio para atender a un cliente.
TS: Esperanza del valor del tiempo de espera para que se proporcione servicio a la
ltima llegada de la cola.
TW: Esperanza del tiempo de espera para que la ltima llegada de la cola abandone
el sistema una vez que se le haya proporcionado el servicio.
92
Cs: Nmero esperado de clientes que no requieren de un servicio en el momento
de llegar al sistema ( esto es slo para el caso de poblacin finita ).
P z t t
Po t
m
Pm(t ) (1 )
m
W
1
1 2 1 1
93
L w 1 Po t ,
2
L 1
2
L
Bs 1 Po t 1
,
donde Bs es el nmero esperado de gentes a las que se les proporciona servicio en una
unidad de tiempo. Si al tamao esperado de la cola L, se le divide por el producto del
nmero promedio de servicios por unidad de tiempo y por Bs se obtiene Ts, es decir:
L L 2
Ts
Bs 1 Po t 1 1
P (W Z ) z 1
94
P(Tw h) 1 h , h 0
EJEMPLO:
Una gasolinera que tiene 6 bombas, 4 para gasolina Magna, 1 para gasolina Premium y
otra para Diesel, desea que se estudie el funcionamiento y utilizacin de la bomba Diesel,
en donde las llegadas de autobuses que cargan este combustible muestran una
distribucin aproximada a la de Poisson, con un promedio de 5 autobuses por hora;
mientras que los servicios muestran una distribucin exponencial negativa, con un
promedio de 7 autobuses por hora.
Slo se puede dar servicio en esa bomba a un autobs a la vez, sirvindose en el orden
de su llegada.
Encuentre todos los parmetros que describen cuantitativamente a esta bomba diesel,
para que posteriormente se pueda tomar una decisin, acerca de instalar otras bombas
diesel en ese lugar.
DATOS:
= 5 autobuses / hora
= 7 autobuses / hora
5
0.714 1
por lo que: 7 ,
de aqu se aplican las frmulas anteriores para determinar los parmetros buscados:
75 2
Po t 0.2857
7 7
Po(t ) 28.57%
2 52 25
L 1.786
7 7 5 14 autobuses
L 2 autobuses.
95
El nmero esperado de autobuses en el sistema ( cargando diesel y
haciendo cola ) es:
5 5
W 2 .5
75 2 autobuses.
W 3 autobuses
5 5
Ts 0.357
7 7 5 14 de hora.
El tiempo promedio para salir del sistema ( cargar diesel y abandonar el sistema )
es:
1 1
Tw Ts 0.357 0.357 0.143
7
Tw = 0.50 de hora
Tw = 30 minutos.
m
Pm t Po t
,
7
Pm t 7.43%
96
P ( w z ) ( z 1) ,
La probabilidad de que la espera en la cola sea mayor a 40 minutos (0.667 de hora) es:
P (Ts g ) 1 g
P (Tw h) 1 h
P (Tw h) 4.96%
CONCLUSIN.
Se supone un sistema con una sola cola, a la cual pueden llegar un nmero infinito de
clientes en espera de recibir un mismo servicio por parte de S ( S >1 ) servidores en
paralelo. La poltica del sistema es que se sirve a los clientes en el orden de su llegada; el
servicio lo proporciona el primer servidor que se haya desocupado. Al principio, todos los
97
servidores estn desocupados y se irn ocupando en forma progresiva ( primero el
servidor 1, despus el 2 y as sucesivamente ), en la medida en que vayan llegando los
clientes.
El nmero promedio de llegadas por unidad de tiempo es y se supone que tiene una
distribucin de Poisson.
El nmero promedio de servicios de cada servidor por unidad de tiempo se denota por y
se supone que tiene una distribucin exponencial negativa.
1
s 1
1
m
1
s
s
Po t
m 0 m! s! s
L m S Pm t
m s 1
L Po t
S 1! S 2
W L
L
Ts
98
1
Tw Ts
m m 1
Pm t Po t ... 1
s
m
s m 1
* Pm t Po t
m
m!
, para m S
* * Pm t Pomt s
m
S! S , para m > S
PTs h 1 PTs 0 s 1 h ,
donde:
s 1
PTs 0 Pn t
n 0
y
1 z s 1
PTw Z 1 Po(t ) z
S! 1 S 1
EJEMPLO:
En un cruce fronterizo entre Mxico y Estados Unidos, existen dos lneas de trfico, una
en direccin a Mxico y la otra en sentido contrario. La lnea de trfico que se dirige a
Mxico se reparte hacia 5 garitas de inspeccin migratoria y aduanera.
99
Las llegadas de automviles tienen una distribucin de Poisson con igual a 15 vehculos
por hora, mientras que el nmero de servicios tiene una distribucin exponencial negativa
con igual a 8 servicios por hora.
No existe prioridad de trato, por lo que las garitas proporcionan servicio en la medida que
se desocupan, atendindose al primer automvil de la cola, despus al segundo y as
sucesivamente.
DATOS:
= 15 automviles / hora
= 8 automviles / hora
S = 5 garitas de inspeccin
1
Primero se comprueba que el parmetro S por lo que:
15 15
s 0.375 1
5 8 40
15
01.875
Por otro lado se tiene que: 8 , por lo que:
1
4
1
m
1
5
5
Po t
m 0 m! 5! 5
1
1 1 1 1 1 1 5 5 8
Po t 1.875 1.875 1.875 1.875 1.875 1.875
0 1 2 3 4
0! 1! 2! 3! 4! 5! 5 8 15
Este resultado implica que existe un poco ms de 15% de probabilidades de que, al llegar
un automvil cualquiera a la garita internacional, en el tiempo t, las cinco estaciones de
servicio se encuentren vacas y no exista ningn automvil esperando este servicio.
100
Por lo tanto, no se forma una cola hasta que m 6 , como se verifica en la Tabla No.1
calculada con las expresiones:
m
Po(t )
* Pm t
m! , para m S
m
Po(t )
* *Pm t
S! S m 5 , para m >S
1
0.1525 15
P1 t 0.2859 28.59%
1! 8
0.1525
P5 t 55
1.875 5 0.0295 2.95%
5!5
TABLA No.1
15 81.875
s 5
15
W L 0.0283 1.9033 2
8 automviles
101
L 0.0283
Ts 0.00189
15 de hora,
1 1
Tw Ts 0.00189 0.12689
8 de hora,
CONCLUSIN.
El sistema est siendo subutilizado, es decir, el costo por prestar el servicio es muy
superior al costo del tiempo de espera de los clientes; por lo que tendr que buscarse el
balance entre ellos.
EJEMPLO:
DATOS:
= 15 automviles / hora.
= 8 automviles / hora.
S = 2 garitas de inspeccin.
s 1
Se prueba que el parmetro s ,
15 15
s 0.9375 1
por lo que: 2 8 16
15
1.875
Por otro lado se tiene: 8 ,
por lo que:
102
1
1
1
m
1
2
2
Po t
m 0 m! 2! 2
1
1 1 1 2 2 8
Po t 1.875 1.875 1.875
0 1
0! 1! 2! 2 8 15
Po t 1 1.875 1.757816
1
No se forma una cola hasta que m 2 , tal como se aprecia en la siguiente tabla:
1
* Pm t 1.875 m 0.03226
m! , para m 2
1
* *Pm t m2
1.875 m 0.03226
2!2 , para m>2
15 81.875
s 2
L Po(t ) 0.03226 13.61
S 1! S 2 2 1! 2 8 15 2
L 14 automviles
103
W L 13.61 1.875 W 15.49
automviles
L 13.61
Ts Ts 0.9073
15 de hora,
1 1
Tw Ts 0.9073 Tw 1.0323
8 de hora,
CONCLUSIN.
As, por un lado, la medida de reducir de 5 a 2 garitas podran ahorrarle al Pas el salario y
el mantenimiento de 3 garitas, por el otro provocara perdidas en turismo, ya que en
promedio, cada automvil que cruce por ese puerto fronterizo, esperar ms de una hora
por trmites.
Suponiendo que una poblacin finita de m elementos ( 0 < m < ) requiera servicios de un
sistema similar al tratado en el punto V.4. anterior, por lo que se genera de manera
anloga las expresiones que representan a este tipo de sistema.
Pn t Pn t
n 1
m! m
; Po t
Po t m n ! n 0 Po t
104
Una vez conocida Po( t ) se calculan L, W, Ts y Tw con las frmulas:
L m 1 Po t
W L 1 Po t
L
Ts
1 Po t
1
Tw Ts
Es obvio que conocida P0( t ), se calcula Pn( t ) de la primera expresin escrita en este
sistema, de la forma siguiente:
n
m!
Pn t Po t
m n !
EJEMPLO:
En una flota area comercial existen 4 aviones, a los cuales se les ha venido observando
en su comportamiento, en especial, las fallas de sus turbinas. Los datos recabados a
travs del tiempo, indican que las fallas de cualquier turbina de cualquier avin son una
variable aleatoria y que el tiempo promedio entre dos fallas consecutivas de cualquier
avin, es de un ao. El tiempo promedio de revisin y compostura de la falla de cualquier
turbina es de 45 das ( un octavo de ao ). Solamente se tiene un equipo humano de
expertos para dar servicio, proporcionndose ste bajo la poltica de primero que entra al
taller, primero que se le sirve. Es de hacer notar que durante el periodo de mantenimiento
los aviones no vuelan. Los dueos de la Empresa Area desean se describa cuantitativa
y cualitativamente al sistema de espera ( servicio de reparacin ), considerando como
unidad de tiempo un ao.
DATOS:
m = 4 aviones.
1
= 1 ao / avin.
105
1
= 1/8 ao / avin.
S = 1 equipo de reparacin
entonces se tiene:
1
1 0.125 1
8
Pn t
De aqu, se aplican los conceptos anteriores y se calcula Po t , para n = 0,1,2,3 y 4
aviones y m = 4; donde n es el nmero de aviones que esperan compostura y m es el
total de la flota area comercial, mediante la utilizacin de las frmulas y clculos que se
realizan en la tabla mostrada a continuacin:
Pn t
n n
m! m!
n m
m n ! Po t m n !
0
4! 1
0 4 1 1.00000 1.00000
4! 8
1
4! 1
1 4 4 0.12500 0.50000
3! 8
2
4! 1
2 4 12 0.01563 0.18756
2! 8
3
4! 1
3 4 24 0.00195 0.04680
1! 8
4
4! 1
4 4 24 0.00024 0.00576
0! 8
4
Pn t
Po(t ) 1.74012
n0
106
Por lo tanto y de acuerdo con la expresin de P 0 (t), se tiene:
Pn t
1
4
Po t 1.74012
1
0.5747
n 0 Po t ,
lo que significa que hay un 57.47% de probabilidades de que no se encuentre ningn
avin en el sistema de compostura de turbinas en el tiempo t.
n
m!
Pn t Po t
m n ! ,
3
4! 1
P3 t 0.5747 24 0.00195 0.5747 0.0269
4 3! 8
Pn t 2.69%
L m 1 Po t
,
por lo que:
1 8
L 4 1 0.5747 4 9 0.4253 0.1723
1 1
L 0.17 aviones
107
W L 1 Po t 0.1723 1 0.5747 0.5976
W 0.60 1 avin
L 0.1723
Ts 0.0506
1 Po t 81 0.5747 de ao,
1 1
Tw Ts 0.0506 0.1756
8 de ao
EJEMPLO:
Suponga que el costo de 1 hora de vuelo de uno de los aviones del ejemplo anterior es de
$10,000.00, cuando est en tierra de $2,000.00 y de $5,000.00 cuando est en
mantenimiento. Considere tambin que estos aviones vuelan, en promedio, 14 horas por
da y por cada mil horas de vuelo se les proporciona mantenimiento
preventivo ( independiente de las composturas de falla de turbina ) que dura en promedio
100 horas. De igual forma, se supone que el sueldo mensual del personal especializado
de reparacin es de $200,000.00 y el costo mensual del equipo de reparacin ( luz
depreciacin, seguros, etc. ) es de $125,000.00.
El costo de la espera para componer las fallas de la turbina de un avin es, por lo tanto la
suma de los siguientes costos:
108
b) El tiempo muerto de la tripulacin, cuando el avin se encuentra en el taller por
compostura de turbinas.
DATOS:
Como la unidad de tiempo es un ao, deben convertirse todos los costos unitarios a
costos por ao.
por lo que, entre 1,000 horas de vuelo, recibe 5.11 mantenimientos preventivos de 100
horas cada uno, dando un total de 511 horas /ao de servicio de mantenimiento.
Si en un ao hay:
lo anterior quiere decir que el avin estar parado en tierra 3,139 horas / ao, en razn de
lo siguiente:
8,760 ( 5,110 + 511 ) = 3,139 horas / ao.
109
De lo anterior, el costo total anual para cada avin ser:
$ 10524,234.80 /avin.
$ 842,880.00.
pero como este valor es el monto total para la tripulacin de los 4 aviones, el costo por
avin sera:
$ 210,720 / avin.
Por lo tanto, el costo del tiempo de reparacin por avin, sin tomar en cuenta refacciones
es:
( 0.1756 - 0.0506 ) X ( 3.9 ) = 0.125 X 3.9 = 0.4875 millones de pesos / avin, es decir:
$ 487,500.00 / avin.
110
De todos los clculos anteriores se deduce que el costo total de tener un avin en el
sistema de compostura es de:
CONCLUSIN.
n
m
Pn t Po t ,
n para 0 n S
n
m!
Pn t Po t
m n ! S! S ( n s ) , para S n m
m
L n S Pn t
n s 1
m
W nPn t
n0
111
W
Ts
W L
1
Tw Ts
CS = m W
ES = W L
W L
s
S
Todas las frmulas anteriores se derivan bajo los supuestos de que S < 1; que la poltica
de la cola es Primero que llega, primero que se le sirve; las llegadas tienen una
distribucin de Poisson y los servicios, exponencial negativa.
EJEMPLO:
Una compaa area cuenta, dentro de su equipo de mantenimiento, con dos grupos
especializados de tcnicos con su respectivo material. La llegada de aviones al taller de
mantenimiento es una variable aleatoria, con distribucin de Poisson, que tiene un valor
medio de 5 aviones por mes. El tiempo promedio de servicio es una variable aleatoria
distribuida exponencialmente, con valor medio de 30 horas. La flota de la compaa es de
8 aviones. Encuentre los parmetros cuantitativos de la cola, si la poltica de servicio es
primero que llega, primero que se atiende.
Asimismo, suponga que los mecnicos trabajan 6 das a la semana, 10 horas por da que
existen 26 das hbiles por mes y que la unidad de tiempo es la hora.
DATOS:
= 5 aviones / mes.
112
1
= 30 horas / avin.
m = 8 aviones.
Como la unidad de tiempo es la hora, deben calcularse los valores de y , de manera que
sean acordes con esta unidad. Por lo tanto:
5 aviones / mes 1 da
0.19231 aviones da 0.0192 aviones hora
26 das / mes 10 horas
1
aviones / hora
30 =0.0333aviones/ hora
0.0192
s 0.2883 1
s 2 0.0333 ,
se satisface la condicin de tener colas controlables, por lo que se calculan los valores de:
Pn t m
n
Po t n
, para 0 n 2 y
Pn t
n
m!
Po t m n !2!2 n 2 , para 2 n 8 ,
Pn t
1
8
Po t
n 0 Po t
113
Utilizando la Tabla 1, mostrada a continuacin:
TABLA 1
Pn t
n
8! 8!
n n! (8-n)! 2 n2
n! 8 n ! 8 n !2!2 n 2 Po t
0 1 40320 1 1.00000 - - 1.00000
1 1 5040 8 0.57658 - - 4.61264
2 2 720 28 0.33244 1 28 9.30832
3 6 120 56 0.19168 2 84 16.10112
4 24 24 70 0.11052 4 210 23.20920
5 120 6 56 0.06372 8 420 26.76240
6 720 2 28 0.03674 16 630 23.14620
7 5040 1 8 0.02118 32 630 13.34340
8 40230 1 1 0.01221 64 315 3.84615
8
Pn t
Po t 121.32943
n 0
Por otro lado, para encontrar la probabilidad Pn t , para todos los valores de n, se obtiene
de multiplicar Pn t / Po t , a travs de la siguiente tabla:
n 0 1 2 3 4 5 6 7 8
Pn(t) 0.0082 0.0380 0.0767 0.1327 0.1912 0.2205 0.1907 0.1100 0.0317
Por lo que:
El largo de la misma:
114
8
L n 2 Pn P3 2 P4 3P5 4 P6 5 P7 6 P8
n 3
8
W nPn oP0 1P1 2 P2 3P3 4 P4 5P5 6 P6 7 P7 8 P8
n 0
W
Ts
W L ,
4.6246
Ts
por lo que: 0.0333 4.6246 2.6796 , Ts 71.40 horas,
1 1
Tw Ts Tw 71.40
, entonces 0.0333 Tw 101.43 horas,
ES = W- L
115
W L 4.6246 2.6796
s s
S , por lo que 2 , s 0.9725
s 97.25%
Las lneas de espera de este tipo, son caractersticas del sector productivo donde las
lneas de ensamble requieren de la ejecucin de actividades que se desarrollan en
serie. En estos procesos, la salida de una de las etapas es insumo de la etapa en serie
que le sigue.
116
donde Wi es el conjunto de clientes que esperan servicio en la estacin i (i = 1, 2, , n)
ms el cliente al que se le est proporcionando el servicio en la etapa i.
n
i
1
i 1 1 i i
Ts = Ts1 + Ts2 + .. + Tsn
Por otro lado, el tiempo total en todo el sistema ( incluyendo los tiempos de servicio de las
n estaciones ) es:
n
1 1
i 1 1 i i
TW = TW1 + TW2 + .. + TWn
EJEMPLO:
117
Datos Presin Muestra Muestra Revisin
Actividad Rayos X
personales arterial de sangre de orina mdica
Tiempo promedio de servicio
3 2 1 2 1 5
en minutos por paciente
i 1 2 3 4 5 6
60 60 60 60 60 60
i 20 30 60 30 60 12
3 2 1 2 1 5
10 10 10 10 10 10
i 0.50 1 0.33 1 0.17 1 0.33 1 0.17 1 0.83 1
i 20 30 60 30 60 20
La probabilidad de que al entrar una persona a la unidad mvil existan dos personas
esperando a ser documentadas, una a ser sometida a rayos X, una que le tomen presin
arterial, nadie en la revisin sangunea, una esperando anlisis de orina y dos en revisin
medica es:
( 1 - 3 ) ( 3 )Z3 ( 1 - 4 ) ( 4 ) Z4 ( 1 - 5 ) ( 5 )Z5 ( 1 - 6 ) ( 6 ) Z6
= 0.0045%
n 6
i 0.50 0.33 0.17 0.33 0.17 0.83
1 i
W = i 1 = 1 0.50 1 0.33 1 0.17 1 0.33 1 0.17 1 0.83
118
W =7.28 personas
n 6
i 1
TS = i 1 1 i i =
n 6
1 1
TW = i 1 1 i i =
1 1 1 1 1 1 1 1 1 1 1 1
1 0.50 20 1 0.33 30 1 0.17 60 1 0.33 30 1 0.17 60 1 0.83 12
Aunque hasta ahora se han considerado los valores de y como constantes, incluso
para sistemas con varios servidores en paralelo, estos valores no pueden permanecer
constante, debido a que en muchas lneas de espera se obliga a los servidores a trabajar
mas rpidamente por la presin que ejercen los que estn formados en las colas, adems
de que las llegadas al sistema son en forma irregular. Para estos casos se convierte en:
n n c 1 , n 1,2,...
119
donde:
EJEMPLO:
Un doctor tarda, en promedio, 24 minutos por paciente, si la sala de espera est vaca y
12 minutos si llegan a haber 5 pacientes ( 6 en el sistema, uno siendo atendido y 5
esperando ). Se requiere estudiar al sistema, suponiendo que los pacientes llegan en
intervalos promedio de 30 minutos, con distribucin de Poisson, considerando que existe
un mdico de guardia ( S = 1 ) y dos mdicos de guardia ( S = 2 ).
DATOS:
S = 1 mdico de guardia.
120
S = 2 mdicos de guardia.
1
30
minutos / paciente.
1
24
1 minutos / paciente.
1 1
12
n 6 minutos / paciente.
Por lo tanto:
5
6 n c 1 5 6 c (2.5) 6c 2 6c
2.5
log .2
c c 0.387 0.40
o sea que log. 2 = c log. 6 log .6
2
0.80 1 para S = 1,
1 2.5
121
y
2
0.40 1 para S = 2,
1 2(2.5)
Con los valores obtenidos y utilizando las frmulas indicadas en la Tabla 1, se obtienen
las cifras que se muestran en la Tabla 2.
TABLA 1
S=1 S=2
P1 P0 (t ) P1 P0 (t )
1
1
S
1
L W 1 P0 t
1
L P0 t
S 1! S 1
2
L L
TS TS
W 1
TW TW TS
1
122
S 1 S 1
P TS 0 1 Pn t P TS 0 1 Pn t
n 0 n 0
TABLA 2
123
CAPTULO VI. RUTA CRTICA.
124
El Mtodo de la Ruta Crtica ( MRC ) es un proceso grfico que puede utilizarse en la
planeacin y programacin de las actividades. En otras palabras el MRC es una grfica
de actividades. En esta grfica cada actividad est representada por una flecha, la cual
tiene un principio ( origen ) y un final ( extremo ). El origen de una flecha indica el inicio de
una actividad y su extremo significa la terminacin de esa actividad.
Con estas definiciones, las flechas pueden usarse para expresar relaciones entre
actividades. Cada actividad de un proceso est relacionada con las restantes de una o
ms de las maneras siguientes:
La forma de representar estas relaciones por medio de flechas, se muestra en las figuras
siguientes, en donde las letras maysculas representan actividades:
A B C
Figura 1
D
Figura 2
A B
E F
Figura 3
125
ninguna forma. Por ejemplo, en la Figura 3, B debe seguir de A y E debe preceder a F. Sin
embargo, A y B no estn relacionadas con E y F.
a) A precede a B
b) E precede a F
c) B debe seguir a A y E
A B
E F
Figura 4
Un proyecto completo que consiste de muchas actividades, mismo que deber graficarse
tambin con muchas flechas, una para cada actividad; a esta grfica se le conoce como
DIAGRAMA DE FLECHAS.
Para obtener un diagrama de flechas primero se definen todas las actividades que
requiere un proyecto. Para cada actividad se coloca una flecha, cuya ubicacin en el
diagrama se determina contestando a las siguientes preguntas:
a) Cul actividad debe preceder a la analizada o cules actividades deben preceder a la
analizada?
126
Una de las caractersticas del MRC es que trata con la planeacin y programacin de un
proyecto como dos operaciones distintas y separadas, eliminando la confusin y la
incertidumbre que resulta cuando las dos se conducen simultneamente.
V.2 PLANEACIN.
Ejemplo:
127
b) Se analiza la actividad correspondiente a cada una de las columnas y se determina
que actividades deben precederle inmediatamente antes de poder iniciar la
actividad en cuestin. Para esto se recorre la columna, examinando los renglones de
la tabla y colocando una X en los casilleros de los renglones que corresponden a las
actividades que deben ejecutarse inmediatamente antes.
TABLA DE SECUENCIAS
LIMPIAR A
LIMPIAR B
LIMPIAR C
LAVAR A
LAVAR B
LAVAR C
ACTIVIDADES
LAVAR A X X
LIMPIAR A X
LAVAR B X X
LIMPIAR B X
LAVAR C X
LIMPIAR C
Limpiar A Limpiar B
Lavar A Limpiar C
Lavar B Lavar C
128
Para evitar la dificultad de consignar el nombre de cada actividad sobre su flecha
respectiva, se le puede asignar a cada actividad, para su identificacin, un nmero al
origen de su flecha y otro a su extremo. Por ejemplo:
Limpiar A 1 2 1 -2 = Limpiar A
Como se puede observar, es comn colocar estos nmeros en crculos situados en los
extremos de las flechas, los cuales se denominan como nudos o eventos y la
numeracin debe cumplir con las siguientes condiciones:
a) El nmero del evento correspondiente al origen de la flecha debe ser menor que el
nmero del nudo correspondiente a su extremo.
4
12 Lavar A
23 Lavar B
24 Limpiar A
35 Lavar C 1 2 5 6
45 Limpiar B
56 Limpiar C
V.3 PROGRAMACIN.
Cada una de las actividades de un proyecto tarda un cierto tiempo para ejecutarse
y para programarlo se necesitan conocer los clculos de tiempo correspondiente a
cada actividad.
La duracin de cada actividad deber ser estimada por alguien que conozca los
mtodos posibles de ejecucin de la actividad de acuerdo con los recursos
humanos, equipo, procesos, etc. De esta manera cada flecha del diagrama tiene
asociada una duracin. La duracin de la flecha ( i, j ) es el tiempo requerido para
ejecutar la actividad ( i, j ) representada por esa flecha.
Ejemplo:
129
4
6 12
A
1 M 9
5 8 5 8
2
B 7
6 9
4
7
0 10
3
78
5
ACTIVIDAD DURACIN
NOMBRE NMERO UNIDAD DE TIEMPO
M 1-2 5
B 1-3 4
A 1-4 6
2-5 8
3-6 7
3-7 5
4-5 12
5-8 9
MUDA 6-7 0
6-8 7
7-9 10
8-9 8
En dicha tabla cada actividad ocupa un rengln y es identificada por su nombre en la
primera columna, y por los nmeros de los nudos del origen y extremo de cada una de las
actividades ( flechas ) en la segunda columna; en la tercera columna se encuentran
registradas las duraciones estimadas para cada actividad.
130
Los objetivos que se persiguen en este problema son:
PROCEDIMIENTO.
Se inicia con la determinacin y dibujo del Diagrama de Flechas, en el que se incluyen los
nudos respectivos, los cuales representan eventos o puntos en el tiempo, establecindose
un sistema de referencia asignando el valor cero al punto en el tiempo representado por
el primer nudo del diagrama. Si, por ejemplo, se expresa la duracin en das, esto
significa que el proyecto empieza al terminar el da cero. El final del da cero tambin
representa el inicio del da uno.
a1. El nmero del nudo correspondiente al origen de la flecha debe ser menor que el que
est en su extremo.
a2. Ningn nmero, dentro de los nudos, en todo el diagrama deber repetirse.
TOP 18
5
9
TPT 27
8
131
Para encontrar el TOP de todos los nudos de un diagrama de flechas, primero se asigna
un TOP igual a cero al nudo donde inicia el diagrama ( generalmente el nudo 1 ). El TOP
para cada uno de los nudos restantes, es el mximo de los TPT de todas las actividades
que terminan en ese nudo. Entonces, se escribir, adyacente a cada nudo, su TOP
subrayado con el smbolo: .
6
4
0 6 12
27
1 5 9
5 8
5 8 18 8
2
11 7 35
4 6 9
4
7 0 10
3 5
4 78
11
4 12
6
4 6
3 5
132
5
7 TOL
Si el TOP y el TOL de un nudo son iguales, quiere decir que el tiempo ms lejano de
ocurrencia de dicho nudo es tambin su tiempo ms prximo de ocurrencia. De acuerdo
con esto, la Ruta Crtica puede definirse de la siguiente manera: La Ruta Crtica es
una cadena continua de actividades conectadas por nudos, cuyo TOP es igual a su
TOL. Esta cadena se inicia en el primer nudo y termina en el ltimo.
HL.- Es la HOLGURA LIBRE de una actividad. Est dada por la diferencia entre su TPT
y el TOP del nudo en que termina dicha actividad. Por ejemplo, para la actividad 6
8, el TPT = 18 y TOP = 27, por lo tanto: HL = TOP TPT, entonces:
HL = 27 18 HL = 9 das.
La Holgura Libre de una actividad es el tiempo en que dicha actividad puede ser
alargada o retrasada sin afectar el TOP de ningn nudo del diagrama, y por ende la
duracin del proyecto.
6 6
133
4
0 0 6 12
18 27 27
1 5 10 9
5 8
5 8 18 8
2
11 7 35
4 6 9
4 20 35
7 0 10
3 5
13 78
11 25
1 2 3 4 5 6 7 8 9
ACTIVIDAD MS PRXIMO MS LEJANO HOLGURA
DURACIN
NOMBRE NUM INICIO TERMINA INICIO TERMINA TOTAL LIBRE
M 12 5 0 5 5 10 5 0
B 13 4 0 4 9 13 9 0
A 14 6 0 6 0 6 0 0
25 8 5 13 10 18 5 5
36 7 4 11 13 20 9 0
37 5 4 9 20 25 16 2
45 12 6 18 6 18 0 0
58 9 18 27 18 27 0 0
MUDA 67 0 11 11 25 25 14 0
68 7 11 18 20 27 9 9
79 10 11 21 25 35 14 14
89 8 27 35 27 35 0 0
COLUMNAS:
Las columnas 1, 2, y 3, son los datos de entrada. En la columna 4 se registran los TOP .
En la columna 5 se calculan los TPT, que son la suma de la columna 3 ms la columna 4.
Los TLI se incluyen en la columna 6, que se calculan con los TOL menos la columna 3.
En la columna 7 se tienen los TOL. La Holgura Total ( HT ) se calcula con los valores de
la columna 7 menos la columna 5 y se indican en la columna 8. Por ltimo, en la columna
9 se establecen las Holguras Libres ( HL ), que se determinan con la resta de los TOP de
inicio de la actividad o actividades siguientes menos el TPT de la actividad o actividades
que se estn analizando.En forma resumida se tiene:
134
COLUMNAS ( DATOS ) COLUMNAS COLUMNAS
1 Nombre de la actividad 4 TOP 7 TOL
2 Nmero de la actividad 5 TPT 8 HT
3 Duracin de la actividad 6 TLI 9 HL
ACTIVIDADES
14
45
58
89
12 HT
1-3 HT
25 HT
36 HT
37 HT
68 HT
7 9 HT
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34
DURACION
Los tiempos que se consignan en la Tabla de Datos y Clculos, pueden representarse
grficamente en forma de DIAGRAMA DE BARRAS, conocida tambin como
DIAGRAMA DE GANTT ( figura anterior ), que permite determinar la distribucin temporal
de los recursos necesarios para realizar el proyecto. Para ello se supone que todas las
actividades se inician lo ms prximamente y cada actividad se representa mediante una
barra recta cuya longitud es, a cierta escala, la duracin efectiva de la actividad. En este
diagrama se muestran adems, en forma explicita la Holgura Total de cada actividad.
Ejemplo:
135
Con los datos de la siguiente tabla, realizar todos los clculos que se requieren para su
llenado completo, encontrar la Ruta Crtica y graficar el Diagrama de Gantt.
DIAGRAMA DE FLECHAS
12 12
3
7 9 28 33
5 5
1 2 8 5 6
0 0 5 5 28 33
6 8
4
20 20
DIAGRAMA DE GANTT
ACTIVIDADES
12
23
34
136
45
56
24 HT
35 HT
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34
DURACION
COMPRESION.
Si la duracin del proyecto aumenta, tambin puede ocurrir que el costo aumente.
Tambin cuando el control del proyecto es deficiente pueden aumentarse los costos
considerablemente por efecto de recursos que no se utilizan de una manera adecuada.
Cuando una actividad se ejecuta en un tiempo normal, se dice que esta actividad tuvo una
duracin normal. En cambio, cuando la duracin de una actividad se acorta hasta su
duracin lmite se dice que dicha actividad tiene una duracin de premura.
La duracin de premura se obtiene de igual forma que la duracin normal, o sea, volumen
entre rendimiento, pero con la utilizacin de un mayor nmero de recursos que, aunque
aumentan la produccin, el rendimiento de cada mquina o el del personal disminuye, por
lo que aumenta el costo.
CAPTULO VII. ELEMENTOS DE LA TEORA ESTADSTICA DE LAS
DECISIONES ( ANLISIS DE DECISIONES ).
VII.1 INTRODUCCIN.
137
El proceso de decisin puede realizarse haciendo uso de los principios de la metodologa
cientfica o la improvisacin.
c) Establecer una serie de hiptesis, que pueden ser aceptadas o refutadas mediante el
uso de modelos que se han diseado explcitamente para tal fin.
e) Verificar que los resultados de los modelos sean universalmente aplicables al problema
en cuestin, cuando ste se encuentre bajo las mismas circunstancias, en periodos de
tiempo distintos.
4) Un entorno dado por los posibles estados que guarda la naturaleza, en relacin a los
objetivos de los decisores, sobre los cuales stos no ejercen ningn control.
b) Riesgo o Estocsticos.
c) Conflicto.
d) Completa Insertidumbre.
138
Los criterios que prevalecen en el proceso de decisin son generalmente:
CASO DETERMISTICO.
CASO ESTOCSTICO.
CASO CONFLITIVO.
Se minimizan las mximas prdidas, que equivale a maximizar las mnimas ganancias del
ponente.
139
Cuando la funcin f( aj, k ), para toda aj A y k , tiene dimensiones monetarias y de utilidad
y cuando impera en el grupo de decisores uno solo u objetivos mltiples podrn
resolverse problemas de decisiones, mediante el uso de la TEORA DE DECISIN
ESTADSTICA O TEORA BAYESIANA DE DECISIN.
Se supone que el grupo decisor tiene un solo objetivo cualquiera y que la funcin
f( aj, k ) est dada sin dimensiones monetarias.
CRITERIO MINIMX.
El grupo decisor tiene que escoger una alternativa aj A dado un estado de la naturaleza k
. Debido a que se desconoce cual ser el estado k, el decisor opta por utilizar un
CRITERIO MINIMX, es decir, para una k dada elegir aquella aj A que genere el
mximo f( aj, k ). Sea esta accin la a*ik ( el subndice j indica la fila y el k la columna de la
matriz f( aj, k ) ). Entonces, el Criterio Minimx consiste en relacionar el mnimo de todas
las a*ik identificada con anterioridad, en otras palabras, el grupo decisor elegir:
Mn. a*ik
k
El grupo decisor desea minimizar los mximos riesgos que puedes afrontar o bien su
equivalente: maximizar los mximos beneficios que se puede derivar.
Ejemplo:
Una compaa petrolera ha realizado estudios geolgicos en una zona en la que se cree
que podra encontrarse el energtico. Estos estudios, muestran que los posibles estados
de la naturaleza ( entornos ) relativos a los objetivos de la compaa son cuatro; ante tales
posibilidades, la compaa puede instrumentar en la regin una sola o una combinacin
de las tres alternativas o cursos de accin que puede elegir. Los posibles resultados de
140
cualquier accin y la funcin que las liga con el entorno, al igual que los dos puntos
anteriores se observan en la Tabla 1:
TABLA 1
Entorno k 1 2 3 4
Existen yacimientos
Existen yacimientos
del orden de un Solo Regin
del orden de 200,000
milln de barriles existe gas seca
barriles diarios
Accin aj diarios
No hacer Prdida
a1 Prdida de 500 Prdida de 100 0
nada de 50
Explorar y Ganancia Perdida
a2 Ganancia de 500 Ganancia de 100
explotar de 50 de 900
Realizar
Estudios Prdida Prdida
a3 Prdida de 30 Prdida de 30
ms de 30 de 30
completos
f( aj, k )
TABLA 2
Entorno k Probabilidad
1 Un milln de barriles diarios 0.55
2 200 mil barriles diarios 0.30
3 Slo existe gas 0.10
4 Regin Seca 0.05
P( k ) = P = k
141
j = 1, 2, 3
B) Con yacimientos del orden de 200 mil barriles diarios de crudo ( 2 ), la compaa
petrolera elegir la accin a*22 = a2 ( explorar y explotar ), ya que a esta accin se
asocia al siguiente mximo:
D) Si la regin est seca ( 4 ), se elegir la accin a*14 = a1 ( no hacer nada ), ya que est
accin se asocia al siguiente mximo.
El Criterio de Bayes supone que los estados que presenta la naturaleza son variables
aleatorias que pueden o no tener una distribucin de probabilidad conocida o estimada.
142
Si esta distribucin se conoce o se le puede estimar por datos histricos, entonces se
llama distribucin a priori. Todas las distribuciones a priori son subjetivas, ya que se
estiman en funcin a la experiencia o intuicin de los individuos que forman el grupo
decisor.
P = 1 = P ( 1 ) = 0.55
P = 2 = P ( 2 ) = 0.30
P = 3 = P ( 3 ) = 0.10
P = 4 = P ( 4 ) = 0.05
Mn E f( aj, k )
K
CRITERIO DE BAYES.
Ejemplo:
Con los datos de las Tablas 1 y 2, se tienen los siguientes valores esperados:
143
E f( a1, k ) = - 500 ( 0.55 ) 100 ( 0.30 ) 50 ( 0.10 ) 0 ( 0.05 ) =
Sea x una variable aleatoria que denota la informacin disponible de una muestra
aleatoria travs de la experimentacin. El decisor debe seleccionar una serie de reglas
conocidas como polticas o estrategias, que le orienten sobre el uso que deba darle a la
informacin derivada de un experimento, con el fin de apoyar su toma decisiones.
Sea g(y) una funcin que se define como a = g(y), si x = y; es decir, se selecciona la
accin a, si la variable aleatoria x toma el valor y. El decisor seleccionar, dentro de todas
las acciones aj A generadas por esta funcin, aquella que satisfaga cierto criterio de
optimalidad ( el que sea ). Como y es una variable aleatoria, la funcin g(y) tambin lo es
por lo tanto, se requiere de valores esperados.
144
Complementariamente se requiere de otra funcin que ligue al posible estado de la
naturaleza con la accin seleccionada aj A, que a su vez se deriva del valor de la variable
aleatoria x. Esta funcin, conocida como funcin de riesgo, se define como:
R ( g(y), k ) = E f( g(y), k ) - C,
Ejemplo:
b). Ondas ssmicas que denotan una estructura geolgica un poco mas abierta, situacin
algo menos favorable ( Categora II ).
c). Ondas ssmicas que denotan una estructura abierta ( Categora III ).
d). Ondas ssmicas que denotan que no existe una estructura geolgica en el sitio de
inters ( Categora IV ).
TABLA DE FRECUENCIAS
1 2 3 4
145
Estados de la
Naturaleza
Regiones con Regiones con
Regiones
produccin de produccin de Regiones Total de
con Gas
1 milln de 200 mil barriles Secas estudios
Clasificacin
nicamente
barriles diarios diarios
Ssmica
I 20 40 100 10
II 8 20 25 20
III 2 5 5 30
IV 0 5 20 190
Total 30 70 150 250 500
P x = y = k = Qx = k ( y )
Suponiendo que la poltica o estrategia o regla de decisin ( arbitraria ) es la siguiente:
a 1, si x = IV
g(x)= a 2, si x=I x = II
a 3, si x = III
146
La funcin de riesgo derivada del uso de la poltica arbitraria anterior, g(x), calculada a
partir de:
R ( g(x), k ) = E f ( g(x), k ) - C,
es igual a:
147
El uso de funcin de riesgo debe complementarse con las probabilidades que se puedan
derivar a partir de las distribuciones a priori y la informacin derivada de la
experimentacin.
B g(y) = R ( g(y), k ) P( k )
k
B g(y) =
R ( g(y), Z ) P( Z ) d
Z
Para el ejemplo en cuestin, dada una poltica arbitraria g(x), su riesgo ponderado
esperado B g(y) es:
B g(y) = R ( g(y), k ) P( k )
k
B g(y) = 353.02 ( 0.55 ) 35.43 ( 0.30 ) 77.94 ( 0.10 ) 223.60 ( 0.05 )
El principio de bayes seleccionara aquella funcin g(y) que minimiza el riesgo B g(y) .
De a = g(y) si x=y se desprende que, al seleccionar g(y), se escoge, al mismo tiempo, la
accin a.
La dificultad consiste en encontrar una metodologa que genere solo el subgrupo de
funciones g(y) donde se encuentre la ptima, sin necesidad de una bsqueda exhaustiva
de todas estas funciones.
148
a) Si no existe experimentacin ( datos adicionales ), se selecciona aquella accin que
minimiza la prdida maximiza la ganancia esperada, calculndose sta con la
distribucin a priori de los estados de la naturaleza.
Si se denota por:
hx = y ( k ) = P = k x = y
Qx = k ( y ) P( k )
hx = y ( k ) =
Qx = k ( y ) P( k )
toda k
donde:
Qx = k (y)=Px=y =k
y
149
Ejemplo:
Para x = I
hx = I ( 1 ) = 0.6045
hx = I ( 2 ) = 0.2823
hx = I ( 3 ) = 0.1099
hx = I ( 4 ) = 0.0033
Para x = II
150
0.267 ( 0.55 ) 0.1469
hx = II ( 1 ) = =
0.267 ( 0.55 ) + 0.287 ( 0.30 ) + 0.167 ( 0.10 ) + 0.08 ( 0.05 ) 0.2537
hx = II ( 1 ) = 0.5790
hx = II ( 2 ) = 0.3394
hx = II ( 3 ) = 0.0658
hx = II ( 4 ) = 0.0158
Para x = III
hx = III ( 1 ) = 0.5426
151
hx = III ( 2 ) = 0.3184
hx = III ( 3 ) = 0.0493
hx = III ( 4 ) = 0.0897
Para x = IV
hx = IV ( 1 ) = 0.0000
hx = IV ( 2 ) = 0.2934
hx = IV ( 3 ) = 0.1832
152
0.760 ( 0.05 ) 0.0380
hx = IV ( 4 ) = =
0.000 ( 0.55 ) + 0.071 ( 0.30 ) + 0.133 ( 0.10 ) + 0.76 ( 0.05 ) 0.0726
hx = IV ( 4 ) = 0.5234
f (aj, k ) hx = y ( k ), si k es discreta.
toda k
Opt. E f( aj, k ) =
f (a , Z ) h = ( Z ) dz, si k es continua.
aj A j x y
TABLA 5
k
1 2 3 4
Clasificacin de
y
experimentos
I 0.6045 0.2823 0.1099 0.0033
II 0.5790 0.3394 0.0658 0.0158
III 0.5426 0.3184 0.0493 0.0897
IV 0.0000 0.2934 0.1832 0.5234
hx = y ( k ) = P = k x = y .
153
fx = k ( y ) P( k )
hx = y ( Z ) =
f = Z( y ) P( Z ) dz
x
Ejemplo:
154
E f( a3, ) = - 30 ( 0.6045 ) 30 ( 0.2823 ) 30 ( 0.1099 ) -
30 ( 0.0033 ) 112 = - $ 142.00 millones mensuales.
2. Si por el contrario, el experimento resulta del Tipo II, la accin a elegir ser de nuevo la
a2 ( explorar y explotar ), ya que minimiza el riesgo, como se muestra a continuacin:
3. Para un experimento Tipo III, se elige nuevamente a 2 ( explorar y explotar ), tal como se
observa en los siguientes clculos.
155
E f( a3, ) = - 30 ( 0.0000 ) 30 ( 0.2934 ) 30 ( 0.0493 ) -
30 ( 0.5234 ) 112 = - $ 142.00 millones mensuales.
E ( I ) = Opt. f ( aj, k ) P ( k ),
k aj
C = Opt. E f ( aj, k ) - E ( I )
Ejemplo:
Cul ser la valor superior del costo de experimentacin que la Compaa Petrolera
estara dispuesta a pagar, para obtener informacin perfecta?
156
TABLA 6
Si: = k Mx. f ( aj, k ) aj P ( k )
1 + 500* a2 0.55
2 + 100 a2 0.30
3 + 50 a2 0.10
4 0 a1 0.05
*En millones de pesos
Entonces:
E ( I ) = 500 ( 0.55 ) + 100 ( 0.30 ) +50 ( 0.10 ) + 0 ( 0.05 ) = $ 310 millones mensuales.
Por lo que, la Compaa Petrolera, no debera pagar mas de 45 millones de pesos por
obtener informacin perfecta a travs de la experimentacin y as construir sus
distribuciones a posterior para la utilizacin del Criterio Bayesiano de decisin. Como los
experimentos le estn costando a la compaa C = $ 112 millones y C C, se le
recomendara abandonar las experimentos y decidir en base a la distribucin a priori.
TABLA 7
Distribucin marginal
Resultado del Mx. E [ f ( aj, k ) ] Qx = k(y) P(k)
Experimento x aj A
toda k
I 221.01* 0.6069
II 200.51 0.2537
III 112.88 0.0669
IV - 142.00 0.0726
*En millones de pesos mensuales
157
x aj A toda k
B g(x) = R ( g(x), k ) P( k ) =
toda k
Por lo tanto, utilizar el Criterio de Bayes sin experimentacin en relacin a una poltica
arbitraria, como la g(x), genera un ahorro de 265 - 164.56 = $ 100.44 millones
mensuales.
Por medio de este mtodo grfico, se expresan en orden cronolgico las acciones
disponibles al decisor y los eventos aleatorios asociados a los estados de la naturaleza.
Las primeras se representan en el rbol por un cuadrado; los segundos por un crculo.
a) Diseo.
b) Solucin.
158
El Diseo se hace cronolgicamente de izquierda a derecha; la Solucin en sentido
contrario.
Para resolver el rbol de decisin se utiliza en cada una de las ramas asociadas al estado
de la naturaleza ( 1, 2, 3, 4 ) el valor de la funcin de consecuencias f ( aj, k )
correspondiente. Para la parte sin experimentacin, se utilizan las distribuciones a priori P
( k ), que generan los valores esperados. En cambio, para la parte con experimentacin
se utilizan las distribuciones a posteriori, hx = y ( k ), para calcular los valores esperados.
Los valores obtenidos de la experimentacin afectados por la distribucin marginal
Qx = k ( y ) P ( k )
toda k
generan el valor final esperado. Por ltimo, el valor esperado final para la decisin, con
sin experimentacin, es el mximo de los valores de los dos casos mencionados, pero
deduciendo el costo de la experimentacin, si se elige esta accin. Se utiliza el operador
mximo para ganancias y mnimo para prdidas.
159
El resultado ptimo apunta a la decisin de explorar y explotar, sin el auxilio de la
experimentacin.
c) La Distribucin a Posteriori: hx = y ( k ).
d) La Distribucin Marginal: Qx = k ( y ) P( k ).
toda k
160
B g(x) = E f ( aj, ) Qx = k(y) P(k)
k k
La utilidad del mtodo grfico del rbol de decisin es mas pedaggica e ilustrativa que
prctica: si los conjuntos A, y X tienen mas de 5 elementos cada uno, la grfica se
convierte en un verdadero laberinto, que requiere de espacios muy grandes para su
diseo y solucin.
Para definir el concepto de utilidad debe introducirse la nocin de lotera de una etapa y
de n etapas ( n > 1 ).
Una lotera de una etapa es un experimento aleatorio que tiene un conjunto de eventos o
resultados E = { e1, e2, ,em }, cada evento ej ( j = 1, , m ) con probabilidad de
ocurrencia pj, tal que:
m
j 1
pj = 1 0 pj 1, j = 1, , m.
Una lotera de dos etapas es un experimento aleatorio doble. El primer experimento tiene
un posible conjunto de eventos o resultados E = { 1, 2, k }, cada uno con probabilidad
de ocurrencia: qi ( i = 1, ..., k ),
k
qi 1
tal que: i 1 0 qi 1, i=1, , k.
Si el resultado del primer experimento es i, con probabilidad qi, el jugador tiene acceso al
segundo experimento aleatorio, constituido por una lotera de una sola etapa, L i, tal que:
161
Li = { ( e1, pi1 ), ( e2, pi2 ), ..., ( em, pim ) , i = 1, ..., k,
m
p it 1
t 1 , i = 1, ..., k 0 pit 1, t = 1, , m; I = 1, , k.
L
La lotera de dos etapas se puede entonces denotar por ,
L = { ( q1, L1 ), ( q2, L2 ), ., ( qk, Lk ) },
ms explcitamente:
L= { q1 ( e1, p11 ), ..., ( em, p1m ) , q2 ( e2, p21 ), ..., ( em, p2m ) , ., qk ( e1, pk1 ), ..., ( em,
pkm ) }.
En resumen, una lotera doble puede expresarse en trminos de una lotera simple donde
los eventos son loteras simples.
Anlogamente, se puede definir una lotera de tres etapas como una lotera de una sola
etapa, donde los premios o castigos son loteras de dos etapas. En general, una lotera de
n etapas ( n 1), es una lotera de una etapa, donde los premios o castigos son loteras de
( n 1 ) etapas.
Para cada decisor existir una funcin de utilidad diferente. Es ms, un mismo decisor
podr cambiar su funcin de utilidad en el tiempo ( cambia sus valores, preferencias
forma de pensar, etc. ). Por lo tanto, la funcin de utilidad de un decisor no es nica.
Obviamente = f ( ej ) define una variable aleatoria , que ser la utilidad de la lotera ( o del
experimento aleatorio ).
Se establecern las seis axiomas que definen a un decisor racional antes de establecer la
construccin de una funcin de entidad.
162
Dados los eventos cualquiera ei, ej E = { e1, e2, ,em }, i j, solo persiste una de las
siguientes situaciones mutuamente excluyentes:
ei ej , e j ei ei ej
Axioma 3. Continuidad.
Para cualquier evento ej E, diferente de e1 ( el de mayor preferencia ), y em ( el de menor
preferencia ), el decisor racional es indiferente a que ocurra ej con certeza o jugar una
lotera en donde existen solo premios, e1 y em.
b) Certeza de ganar $ 0.
Axioma 4.
Considere la lotera de una etapa: L = { ( e1, p1 ), ..., ( em, pm ) ,
y la de dos etapas: L = { ( L1, p1 ), ., ( Lm, pm ) },
Axioma 5.
Dadas las loteras cualesquiera, n y k etapas respectivamente ( n 1, k 1 ), denotadas L y
L*, entonces prevalece uno y solo uno de los siguientes tres estados mutuamente
excluyentes
163
L L* , L* L L L*
Adems prevalece la propiedad de transitividad entre loteras, es decir, si L L* y L* L
entonces L L.
Axioma 6.
Consider dos loteras La y Lb que contienen cada una dos premios ( o castigos ), e1 y em.
Sea pa la probabilidad asociada a e1 en la lotera La y pb la probabilidad de e1 en Lb.
Entonces:
Ejemplo.
TABLA 8
Contrato A Contrato B
Ganancia Ganancia
Probabilidad Probabilidad
en pesos en pesos
164
$ 10,000.00 0.10 $ 30,000.00 0.20
La situacin anterior puede verse como una lotera de una sola etapa.
Se incluye el evento - $ 0.00 de utilidad por si se decide no aceptar ninguno de los dos
contratos. Se identifica el evento $50,000.00 por e1 ( ms favorable ) y el - $ 20,000.00
por e7 ( menos favorable ). Sea por lo tanto ( e1 ) = 1 y ( e7 ) = 0. Para construir el resto
de la funcin de utilidad, se emplea la lotera de una etapa:
L = { ( e1, ), ( e7, 1 - ) }
Para cualquier evento ej E, diferente a e1 y a e7, se le pregunta al decisor para que valor
de en L ( 0 1 ), sera indiferente entre aceptar ej con certeza o jugar la lotera L. Los
valores de proporcionados, formarn su funcin de entidad.
UTILIDAD
1.00
0.95
0.90
0.80
0.70
0.60
0.50
0.40
165
0.30
0.20
0.10
-40 30 20 10 0 10 20 30 40 50 60 GANANCIAS EN
MILES DE PESOS
Como se trata de una decisor racional, eligir aquella accin que maximiza su utilidad
esperada, por lo que seleccionar el Contrato B.
Si hubiera utilizado un criterio puramente monetario, el valor esperado de las ganancias
descontadas seria:
Por lo que el decisor seleccionara el Contrato A, ya que este maximiza el valor esperado
correspondiente.
45
UTILIDAD
166
0 EVENTO
CARACTERSTICAS DE UN DECISOR
FUNCIONES DE UTILIDAD
(x) RESTRICCIONES CARACTERSTICAS
log ( x + b ) Aversin al Riesgo
(x+b)c 0 < c <1 Aversin al Riesgo
( x + b )- c c>0 Aversin al Riesgo
x + c log ( x + b ) c>0 Aversin al Riesgo
- e- ax - be- cx a, b, c > 0 Aversin al Riesgo
e- ax + bx a, b > 0 Aversin al Riesgo
e- cx c>0 Propensin al Riesgo
EJEMPLO:
Considere un empresario que tiene problemas para reinvertir el capital ganado durante
sus n aos de trabajo en su empresa. Tiene tres alternativas a escoger, que sus asesores
en inversiones han denominado I, R y D. Los posibles estados de la naturaleza en
relacin a las inversiones de este personaje pueden ser tres: Inflacin, Recesin y
Depresin.
f ( aj , k )
167
Inversin
Inflacin Recesin Depresin
( ak )
*
I 100 50 - 50
R 50 100 - 20
D 0 50 80
*Millones de pesos
D [ I ] = $ 45.83 millones.
D [ R ] = $ 34.29 millones.
D [ D ] = $ 29.34 millones.
168
Utilizando la metodologa ya conocida, se construye la funcin de utilidad del
inversionista. Suponiendo que la funcin de utilidad es:
1.00
0.90
0.80
0.70
0.60
0.50
0.40
0.30
0.20
0.10
-100 80 60 - 40 20 0 20 40 60 80 100
MILLONES DE PESOS
169
E [ U ( D ) ] = 0.60 ( 0.40 ) + 0.30 ( 0.60 ) + 0.10 ( 0.80 ) = 0.50
y dado que un decisor racional debe seleccionar aquella alternativa que genera la
mxima utilidad esperada, el empresario escoger de nuevo la inversin I.
Los asesores en inversiones, a travs del cmulo de informacin, han establecido las
siguientes probabilidades condicionales:
Por ejemplo:
P( Inflacin ) P( S2 | Inflacin )
P( Inflacin | S2 ) =
P( Inflacin ) P( S2 | Inflacin ) + P( Recesin ) P( S2 | Recesin ) + P( Depresin ) P( S2 | Depresin )
170
por lo que haciendo las operaciones correspondieses se tiene:
P( Inflacin | S1 ) = 0.2500
P( Recesin | S1 ) = 0.5000
P( Depresin | S1 ) = 0.2500
P( Inflacin | S2 ) = 0.7059
P( Recesin | S2 ) = 0.2353
171
0.10 ( 0.30 ) 0.03
P( Depresin | S2 ) = =
0.60 ( 0.60 ) + 0.30 ( 0.40 ) + 0.10 ( 0.30 ) 0.51
P( Depresin | S2 ) = 0.0588
P( Inflacin | S3 ) = 0.6000
P( Recesin | S3 ) = 0.3000
P( Depresin | S3 ) = 0.1000
172
E [ ( j ) | Sk ] = P( Inflacin | Sk ) ( j | Inflacin ) + P( Recesin | Sk ) ( j | Recesin )
+ P( Depresin | Sk ) ( j | Depresin )
Donde 0.24, 0.51 y 0.20, son las distribuciones marginales que se obtienen al calcular las
distribuciones a posteriori y 0.730, 0.859 y 0.800, son las utilidades esperadas mximas
dado un pronstico determinado.
173
El Proceso Bayesiano de decisin es el mismo, trtese de una funcin de consecuencias
f ( aj, k ), dada en unidades monetarias o de utilidad para el decisor. En el segundo caso
sede construir la funcin de utilidad.
BIBLIOGRAFA
174
Hillier / Lieberman
Limusa
Investigacin de Operaciones
U. N. A. M.
Programacin Lineal
Saul I. Gass
C. E. C. S. A.
175