Libro Investigacion Operaciones Saenz

S
MC
Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. 1

MC S
INTRODUCCION A LA INVESTIGACIN DE OPERACIONES
Y SU APLICACIN EN LA TOMA DE DECISIONES GERENCIALES
3a. edicin, junio de 2006.

2a. edicin, julio de 2004
1a. edicin, febrero de 2003.
Impreso en Guatemala. Ediciones Mayte
Derechos de autor reservados
De conformidad con la ley se prohbe la reproduccin parcial o total de esta obra

en cualquier tipo de soporte, sea ste mecnico, fotocopiado, electrnico, digitalizado
o de cualquier tecnologa, ni su transmisin o traduccin, sin la respectiva autorizacin
por escrito del titular de los derechos.
GUATEMALA, C.A.
2 Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

MC S NDICE
PREFACIO vii
CAPITULO I 1
INVESTIGACIN DE OPERACIONES 1
_ Concepto 1
_ Origen y antecedentes 2
_ Aplicaciones 3
_ Introduccin a la toma de decisiones 4
_ Proceso general para la toma de decisiones 4
_ Abstraccin y Simplificacin 5
_ Tcnicas para la construccin de modelos 5
_ Clasificacin de modelos 7
_ Construccin de modelos 8
_ Variables de decisin. 9
_ Variables exgenas. 9
_ Polticas y restricciones. 10
_ Medidas de rendimiento. 10
_ Variables intermedias. 10
CAPITULO II 11
PROGRAMACION LINEAL 11
_ Concepto 11
_ Formulacin de modelos 11
_ Mtodo de solucin grfica 24
_ Mtodo Simplex 33
_ Tcnica "M" 41
_ Soluciones Especiales del Mtodo Smplex 45
_ Problemas Sugeridos del Captulo 47
Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. i

MC S
CAPITULO III 55
MODELO DEL PROBLEMA DE TRANSPORTE 55
_ Concepto 55
_ Balanceo del modelo de transporte 55
_ Pasos bsicos de la tcnica de transporte 56
_ Mtodos de solucin para obtener una solucin factible bsica de inicio 57
_ Mtodos de optimizacin 57
_ Representacin utilizada para el desarrollo de la tcnica de transporte 57
_ Consideraciones importantes 58
_ Mtodo de Esquina Nor-Oeste 59
_ Mtodo de Costo Mnimo 64
_ Mtodo de Aproximacin de Vogel 69
_ Mtodo de Banquillo o de Stepping Stone (optimizacin) 76
CAPITULO IV 91
ASIGNACIN DE RECURSOS 91
_ Concepto 91
_ Representacin General del Modelo de Asignacin 91
_ Consideraciones para el procedimiento de solucin 92
_ Mtodos de Solucin 92
_ Mtodo cuando existe solucin factible ptima inicial 92
_ Mtodo cuando no existe solucin factible ptima inicial 94
_ Mtodo cuando no existe solucin factible ptima inicial y la matriz no es
cuadrada 98
_ Maximizacin de recursos 100
CAPITULO V 111
ANLISIS DE REDES POR EL MTODO DEL CAMINO CRTICO 111
ii Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

MC S
_ Concepto 111
_ Proyecto 111
_ Fases de un proyecto 112
_ Tcnicas utilizadas para planificar, programar y controlar proyectos 112
_ Diagrama de Barras o de Gantt 113
_ Orgenes y aplicaciones del mtodo del camino crtico 114
_ Mtodo de la Ruta Crtica CPM- 115
_ Elementos del CPM: 115
_ Tcnica de Evaluacin y Revisin de Programas PERT- 131
_ Eleccin entre PERT y CPM 139
_ Diferencias entre PERT y CPM 139
_ Otras Tcnicas utilizadas para la Planificacin, Programacin y Control de
Proyectos 140
_ MAN Scheduling (Manpower Alocation Procedure) 140
_ Distribucin de Recursos y Programacin de Proyectos Mltiples (Resource
Allocation and Multi-Project Scheduling) RAMPS- 141
_ Project Reliability Index System Maturity PRISM- 141
_ Analysis Bar Charting ABC- 141
_ Scheduling Program for Allocation Resources SPAR- 141
_ Resource Planning & Scheduling Method RPSM- 142
_ Ejemplo Ilustrativo para el clculo de Holguras de un proyecto: 142
CAPITULO VI 161
PROCESOS ESTOCSTICOS 161
CADENAS DE MARKOV 165
_ Cadenas de Markov para ms de dos estados posibles: 175

_ Programacin Dinmica: 179
_ Problemas Sugeridos del Captulo: 184
CAPITULO VII 189
INVENTARIOS 189
Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. iii
MC S
_ Concepto 189
_ Modelo generalizado de inventario: 189
_ Tipos de demanda en los inventarios: 193
_ MODELOS DETERMINSTICOS DE INVENTARIOS: 193
_ Modelo 1: Tamao Econmico del Lote (EOQ): 193
_ Modelo 2: EOQ para lotes de produccin (entregas graduales): 199
_ Modelo 3: EOQ con descuentos por cantidad: 206
_ MODELOS DE INVENTARIOS CON DEMANDA INCIERTA Y CON REORDEN: 213
_ Modelo 1: Modelo de Costo de Escasez: 214

_ Modelo 2: Modelo de Nivel de Servicio: 225
CAPITULO VIII 233
TEORIA DE COLAS 233
_ Concepto 233
_ Estructura bsica de los modelos de colas 233
_ Consideraciones generales para un estudio de colas 234
_ Modelo 1: Sistemas de colas con un servidor 235
_ Modelo 2: Sistemas de colas con varios servidores 240
_ Modelo 3: Sistemas de colas finitos con un servidor 244
_ Modelo 4: Sistemas de colas de capacidad finita y varios servidores 248
_ Modelo 5: Sistemas de colas de capacidad finita con tiempos dependiendo
del estado (tasas variables) 253
CAPITULO IX 233
SIMULACIN 267
_ Concepto 267
_ Formulacin e implantacin de un modelo de simulacin 270
_ Generacin de nmeros aleatorios 271
_ Principales aplicaciones 273
_ Proceso General de Simulacin 274
_ Mtodo Montecarlo 275
_ Mtodo Grfico de Montecarlo 276
iv Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

MC S
CASOS DE APLICACIN 287
RESPUESTAS A LOS PROBLEMAS SUGERIDOS 297
APNDICES 301
BIBLIOGRAFIA 309
Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. v

MC S
vi Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

MCS
PREFACIO
La aplicacin de la Investigacin de Operaciones en las organizaciones

implica llevar a cabo un proceso cuidadoso de observacin, identificacin de
problemas, construccin de modelos matemticos (que representen stos
ltimos), validacin de los modelos, anlisis de los resultados e implementacin
de las soluciones alcanzadas. En muchos casos los modelos garantizan una
solucin ptima, es decir, la mejor solucin de acuerdo a las condiciones
existentes o actuales de una situacin en particular. Sin embargo, dicho
proceso de observacin construccin de modelos validacin
implementacin solucin ptima, requiere del estudio y aplicacin de un
enfoque de sistemas organizacional.
La Investigacin de Operaciones es un conjunto de herramientas

matemticas, estadsticas y de ciencias fsicas, econmicas, informticas y
administrativas; que se integran en modelos o representaciones de problemas
empresariales en bsqueda de soluciones ptimas, funcionales y/o
satisfactorias que garantizan resultados orientados a la optimizacin y/o mejor
aprovechamiento de los recursos.
Muchas empresas alrededor del mundo han obtenido ahorros

significativos en sus costos de operacin mediante la aplicacin de distintas
herramientas de IO (Investigacin de Operaciones).
Toda persona a cargo de tomar decisiones dentro de las organizaciones

ya sea privadas o pblicas, tiene la responsabilidad de planificar y hacer uso
Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. vii
MC S
racional de los recursos limitados. La IO brinda al administrador de recursos la
metodologa de solucin necesaria para dar respuesta a las necesidades
bsicas del mejor aprovechamiento de los recursos.
El contenido del presente libro est enfocado hacia el desarrollo de los

principales temas de la Investigacin de Operaciones, presentndolos de una
manera prctica y haciendo nfasis en el procedimiento de solucin y
aplicacin de cada una de las herramientas y tcnicas presentadas.
En esta 3a. edicin se han realizado cambios, ampliaciones y revisiones

muy importantes que han permitido la actualizacin satisfactoria de los temas.
La obra desarrolla los conceptos y orgenes de la IO, formulacin de modelos,
mtodos de optimizacin de recursos como la programacin lineal, modelos
de transporte y de asignacin de recursos, planificacin y programacin de
proyectos CPM-Costo, CPM-PERT; cadenas de Markov y la programacin
dinmica; teora de inventarios para demanda determinista y probabilstica;
teora de las lneas de espera en la prestacin de servicios internos y/o
externos; y procesos de simulacin.
As mismo, se presentan nuevos tipos de problemas modelo, sugeridos

para su desarrollo y anlisis por parte del estudiante; amplindose de esta
forma, el material de estudio y repaso, incluyndose las respuestas de cada
uno al final del libro, con el fin de motivar en el estudiante su nivel de
comprensin y autoconfianza en la solucin de problemas.
Por otra parte, se incluye una serie de casos integrados, aplicados a

problemas reales que requieren el uso de las principales herramientas
desarrolladas en el libro y que fortalecern en el estudiante su visin sobre la
viii Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.
MC S
importancia y aplicacin de la Investigacin de Operaciones y del enfoque
de sistemas en las empresas de nuestro medio.
Se sugiere al estudiante reforzar temas complementarios tales como los

conceptos y usos generales de matrices, desarrollo algebraico de ecuaciones
e inecuaciones, conceptos generales de probabilidad y principales
distribuciones estadsticas, etc.
De igual manera se le exhorta al estudiante a practicar constantemente

los ejercicios sugeridos y a buscar nuevo material a desarrollar de otras fuentes
bibliogrficas, pues la nica manera de ampliar su entendimiento sobre los
temas presentados y otros ms complejos de la Investigacin de Operaciones,
es a travs de su estudio detenido y prolongado.
Ingenieros:
Jorge Morales Dvila
Rodolfo Senz
Ral Crdenas
Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. ix

MC S
x Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

MC S
C
CAAPPIITTUULLO
O II
IIN
NVVEESSTTIIG
GAAC
CII
NND
DEE O
OPPEERRA
ACCIIO
ONNEESS
-C
- Coonncceeppttoo
a Investigacin de Operaciones comprende el estudio y aplicacin de
mtodos matemticos y analticos de las ciencias fsicas y de conocimientos

cientficos utilizados para resolver problemas que se presentan en las reas de
administracin, de produccin, de finanzas y otras, dentro de las empresas.
Es la aplicacin del mtodo cientfico por un grupo multidisciplinario de

personas a un problema, apoyados con el enfoque de sistemas.
El proceso de aplicacin implica la recopilacin de datos y el anlisis

correspondiente de las operaciones de la empresa.
El objetivo primordial de la Investigacin de Operaciones, consiste en la

utilizacin ms efectiva de los recursos limitados, proporcionando a los
administradores una base cuantitativa para la toma de decisiones.
Para su correcta aplicacin, se requiere tener conocimientos y habilidades

diversas con un enfoque de trabajo en equipo. Es indispensable la aplicacin y
desarrollo de habilidades matemticas, estadsticas, econmicas, administrativas,
informticas, de ingeniera, etc.

MC S La mayora de aplicaciones y estudios de la Investigacin de Operaciones,
requiere el uso de una computadora debido a la complejidad de los modelos
matemticos que representan una situacin en particular, al volumen de los datos
que deben operarse y a las mismas necesidades de cmputo que deben realizarse.
-O
- Orriiggeenn yy aanntteecceeddeenntteess
A principios de la Segunda Guerra Mundial, surgieron los primeros enfoques para

la toma de decisiones con bases matemticas, a los cuales se les dio el nombre de
"Investigacin de Operaciones"; desplazando las decisiones basadas en intuiciones
que fueron aplicadas durante mucho tiempo.
Fue durante la Segunda Guerra Mundial que la Administracin Militar de Gran

Bretaa realiz las primeras aplicaciones de este nuevo concepto en la toma de
decisiones; siendo las principales las siguientes:
Estudios de la forma de utilizar el radar

Efectividad de nuevos tipos de bombas
Utilizacin efectiva de equipo electrnico
Invencin de nuevos modelos de vuelo
Planeacin de minas en el mar.
Finalizada la guerra, los investigadores de operaciones que formaron parte de los

equipos interdisciplinarios, se integraron a las universidades, la industria, entidades de
gobierno y firmas consultoras; transmitiendo sus conocimientos en bsqueda de
nuevas aplicaciones hasta convertirse en lo que hoy conocemos. En 1947, en los
Estados Unidos, George Dantzig desarroll el mtodo simplex para el problema de
programacin lineal.

MCS
-A
Applliiccaacciioonneess
En la actualidad, las principales aplicaciones de la Investigacin de

Operaciones, se encuentran en la toma de decisiones empresariales en reas de
produccin y manufactura; direccin de actividades y operaciones administrativas;
compras de materias primas y materiales en general; ventas, distribucin y marketing;
finanzas y contabilidad. Especficamente, en actividades como las siguientes:
Minimizacin de tiempos de operacin

Optimizacin de la capacidad de produccin de una planta
Programacin de proyectos para la utilizacin ptima de los recursos
disponibles
Estudio y anlisis de la demanda de servicios
Optimizacin de tiempos y costos de brindar un servicio
Planificacin de cantidades de materiales a comprar.
Localizacin de centros de distribucin, almacenes o sucursales, para
hacer mnimos los costos de fletes.
Maximizacin de utilidades de diversos procesos, planes de accin o
decisiones.
Las principales caractersticas de la Investigacin de Operaciones a tomar en

cuenta para su aplicacin, son las siguientes:
a. Para la solucin de un problema, se considera la aplicacin del enfoque de

sistemas.
b. Es interdisciplinaria, aplicando tcnicas de ciencias como la biologa, la fsica,
la qumica, las matemticas y la economa.
c. Su enfoque principal est orientado hacia la toma de decisiones.
d. Es indispensable la construccin de un modelo del sistema que le permita
desarrollar la experimentacin del mismo.

MC S
e. El uso de computadoras es generalizado y stas representan la herramienta
fundamental de la Investigacin de Operaciones.
- IInnttrroodduucccciinn aa llaa ttoom

maa ddee ddeecciissiioonneess
La toma de decisiones consiste en un proceso por medio del cual, los gerentes y
personas encargadas de decidir, se enfrentan a un problema en particular y, luego
del anlisis correspondiente, definen un curso de accin que brinde la mejor solucin,
entre un conjunto de alternativas posibles.
Sin embargo, dadas las caractersticas que rodean al proceso de toma de

decisiones, no es posible asegurar en un cien por ciento las consecuencias de la
decisin elegida, ni asegurar que sta producir los mejores resultados.
Las principales caractersticas que rodean el proceso de la toma de decisiones,

son las siguientes:
Existe incertidumbre
Existe riesgo.
maa ddee ddeecciissiioonneess

- PPrroocceessoo ggeenneerraall ppaarraa llaa ttoom
Cada problema especfico, exige un curso de accin propio para su solucin,

dependiendo su complejidad, caractersticas y recursos disponibles; sin embargo, es
posible generalizar las siguientes actividades aplicables a todos los tipos de
situaciones de toma de decisiones con el propsito de simplificar el camino hacia la
solucin.
1. Identificacin del problema

MC S
2. Identificacin de los criterios de decisin
3. Desarrollo de alternativas
4. Desarrollar el modelo matemtico de acuerdo a las necesidades
5. Anlisis de alternativas
6. Seleccin de una alternativa de acuerdo a la evaluacin realizada a cada
una, identificando la que optimiza o produce la mejor solucin al criterio
identificado en la segunda actividad.
7. Implantacin de la alternativa
8. Evaluacin de la eficacia de la decisin
-A mpplliiffiiccaacciinn
Abbssttrraacccciinn yy SSiim
Es el proceso de omitir algunos de los atributos del problema para facilitar el

tomar una decisin. Durante este proceso, la persona a cargo de decidir, determina
cules son los factores ms importantes para el problema en particular en bsqueda
de la mejor solucin y con el propsito de mejorar la toma de decisiones.
La aplicacin de este proceso es indispensable para resolver cualquier

problema del mundo real, debido a que stos tienden a contener un grado
considerable de complejidad y, por lo tanto, una cantidad infinita de factores propios
a cada uno de ellos que dificultan el proceso de decisin al considerarlos todos,
imposibilitando la decisin final, debido a la incontable cantidad de factores y la
ilimitada cadena de causas, efectos e interacciones que se generan.
- TTccnniiccaass ppaarraa llaa ccoonnssttrruucccciinn ddee m

mooddeellooss
Previo a comentar las principales tcnicas para la construccin de modelos, es

necesario definir el concepto de un "modelo".

MC S Un modelo es una representacin simplificada de un problema real que
resalta el comportamiento bsico del mismo a travs de variables que se relacionan
de manera sencilla, eliminando en gran parte, la complejidad del problema inicial.
Una vez finalizado el proceso de abstraccin y simplificacin, habindose

seleccionado los factores decisivos y variables importantes de la situacin real, stos
se combinan de manera lgica para construir un modelo del problema real.
La tcnica apropiada para definir y relacionar las variables seleccionadas para

el funcionamiento de un modelo en particular, depende principalmente de la
naturaleza representada en forma cuantitativa o cualitativa de estas variables.
Cuando a las variables que intervienen en el modelo, puede asignrsele una

representacin cuantitativa, entonces resulta conveniente aplicar un modelo con
base matemtica debido a la eficacia de estos modelos para relacionar variables y
obtener conclusiones lgicas.
En muchas situaciones empresariales, las variables que intervienen, son de

naturaleza cualitativa, sin que sea posible su expresin en trminos cuantitativos. Por
lo tanto, en el proceso de toma de decisiones, no deben excluirse los factores
cualitativos asumiendo que stos no son importantes. Lo ms conveniente es
encontrar un equilibrio adecuado entre ambos tipos de factores; analizando el
problema a travs de un modelo cuantitativo para los aspectos cuantificables de la
situacin y combinndolo con un modelo intuitivo que considere las variables
cualitativas.
El propsito principal consiste en disear un modelo sencillo que pronostique los

resultados con precisin razonable y que sea consistente con la realidad.

MCS
-C
Cllaassiiffiiccaacciinn ddee m
mooddeellooss
La modelacin de problemas puede clasificarse de distintas formas. Suele

resultar ms prctico, clasificarlos de acuerdo a su aplicacin en el campo de la
Investigacin de Operaciones, y de acuerdo a su grado de complejidad.
A) Clasificacin de acuerdo a su aplicacin:
Modelos esquemticos: Se refieren a los modelos que muestran

una relacin pictrica entre las variables; es decir que la utilizacin
de mapas y diagramas resultan muy prctica para mostrar dicha
relacin. En todo mapa o diagrama, deben explicarse claramente
todos los letreros, smbolos y escalas utilizadas.
Modelos iconogrficos: Consiste en la reproduccin fsica a escala

de objetos o procesos.
Modelos matemticos: Son los que muestran la relacin entre

variables a travs de smbolos y ecuaciones matemticas.
Modelos de optimizacin: Son modelos que garantizan encontrar

la mejor solucin para una meta en particular. Para el efecto,
aplican algoritmos que identifican los pasos a seguir para dicho fin.
Modelos heursticos: Son estrategias que utilizan la aplicacin de

ciertas reglas, normas, procesos o procedimientos de decisin
definidos previamente, para poder resolver un problema. Este tipo
de modelos no busca alcanzar la mejor solucin, sino ms bien, su
propsito consiste en encontrar rpidamente una solucin
satisfactoria. Son tiles y aplicables generalmente, cuando no es
posible aplicar algoritmos de optimizacin.

MC S
B) Clasificacin de acuerdo a su complejidad:
Se clasifican en modelos sencillos, complejos y dinmicos.
Sencillos: Se identifican cuando existe una cantidad reducida de

factores o variables y pocas alternativas. Pueden subdividirse en
modelos "ciertos" cuando se supone que se conocen todos los
factores principales; o bien, en "inciertos" cuando se desconocen
algunos factores. En este ltimo caso, deben aplicarse los rboles
de decisin para encontrar la solucin.
Complejos: Se aplican cuando existe un gran nmero de factores

o de variables importantes, as como variedad de alternativas. Las
principales tcnicas aplicables para resolver este tipo de modelos
son, la "programacin lineal" y la "simulacin" para casos inciertos.
Dinmicos: Son modelos de decisin que comprenden un tipo de

complejidad especial. Aplican una secuencia de decisiones
relacionadas que se presentan en varios periodos. Los modelos de
inventarios, modelos de programacin CPM-PERT, modelos de
colas y procesos de Markov, son aplicaciones de problemas
dinmicos.
-C
- Coonnssttrruucccciinn ddee m
mooddeellooss
La construccin de modelos se refiere a la creacin de representaciones

matemticas de los problemas de administracin, con el propsito de encontrar
respuestas y cursos de accin a seguir.

MCS Un modelo suele eliminar los elementos extraos para proporcionar mayor
importancia a los factores de mayor peso y relevancia en la situacin.
Dentro de un modelo existen ciertas variables que se expresan generalmente en

forma matemtica y su utilizacin sirve para resaltar los diferentes resultados que
podran obtenerse dentro de distintas alternativas posibles.
La identificacin de las variables y factores que afectan el modelo, constituye el

primer paso para la construccin de un modelo. El gerente debe seleccionar las
variables ms importantes, clasificndolas de la siguiente manera:
- Variables de decisin.
Son aquellas variables que se encuentran bajo el control del decisor y

representan alternativas para el director. Dentro de un modelo matemtico,
representan las incgnitas del modelo.
Ejemplos: Precio de venta, cantidad de produccin, cantidad de inversin,
etc.
- Variables exgenas.
Son las variables que tienen importancia para el problema de decisin, pero
que sin embargo, se encuentra bajo el control de factores totalmente ajenos
al decisor. Ejemplos: Condiciones econmicas, la competencia, precio de
materias primas, reaccin de la demanda, etc.

MCS
- Polticas y restricciones.
Representan toda restriccin o limitacin existente dentro del contexto de una

situacin. Una decisin gerencial puede verse afectada por polticas internas
de la empresa, limitaciones legales, limitaciones fsicas, etc. Ejemplos:
Capacidad de produccin de una planta, poltica interna de compras,
polticas de calidad, etc.
- Medidas de rendimiento.
Las medidas de rendimiento son las expresiones cuantitativas de las metas u

objetivos que los gerentes tratan de alcanzar al tomar una decisin. Ejemplos:
Utilidades, cuota de mercado, tasa interna de retorno, etc.
- Variables intermedias.
Son las variables que se utilizan para relacionar las variables de decisin y las
exgenas, con las medidas de rendimiento. Generalmente son variables
contables relativas a los factores de costo o ingresos.
Ejemplos: Ingresos, Gastos operativos, Costo de materias primas, Costo de
mano de obra, Cantidad de horas de trabajo requeridas, Gastos de Venta,
Gastos Fijos, etc.

MC S
C
CAAPPIITTUULLO
O IIII
PPRRO
OGGRRA
AMMA
ACCIIO
ONN LLIIN
NEEA
ALL
-C
Coonncceeppttoo
rogramacin Lineal es una tcnica matemtica de optimizacin en donde
las relaciones entre variables son lineales y donde hay un solo objetivo o medida de
rendimiento.
Esta tcnica brinda la ventaja de que determina la mejor decisin (ptima), sin
importar la cantidad de variables y relaciones existentes.
En trminos generales, sta consiste en la planificacin de actividades que

incluye la aplicacin de modelos matemticos con funciones lineales, con el
propsito de obtener un resultado ptimo.
Los principales mtodos de programacin lineal, son: el mtodo grfico, el

mtodo simplex y el mtodo de transporte o distribucin. Cada uno de los cuales
tiene un tipo de aplicacin especfico.
- FFoorrm
- muullaacciinn ddee m
mooddeellooss
La formulacin de modelos consiste en el proceso de definir las variables,

ecuaciones e inecuaciones que en trminos generales representan un problema
empresarial.

MCS Durante este proceso deben seleccionarse los elementos importantes del
problema y definir la forma en que stos se relacionan entre s. Ms que un
procedimiento, consiste en un arte debido a que en el caso de problemas reales, la
tarea resulta difcil y requiere de pruebas, experiencia y juicio comn.
Sin embargo, algunos consejos para la formulacin de modelos, son los

siguientes:
1. Defina claramente el objetivo que pretende alcanzar, identificando

nicamente un objetivo. Generalmente estar relacionado con "aumentar
beneficios" o "reducir costos".
2. Defina claramente las variables de decisin. Es importante que incluya

dentro de su lista de variables, las especificaciones de unidades de medida
para cada una de ellas.
3. Elabore una lista de los factores restrictivos que afectan su objetivo y sus
probables decisiones. Algunos tipos de restricciones son los siguientes:
Restricciones de capacidad que se deben a la cantidad de

equipo, de tiempo, de espacio o de mano de obra disponible.
Restricciones de mercado, identificados como lmites de la
cantidad de producto que puede venderse o usarse.
Restricciones de disponibilidad ocasionados por la escasez de
materias primas, fuerza de trabajo, financiamiento u otros recursos.
Restricciones de calidad o de mezcla que limitan la mezcla de
ingredientes y que por lo general definen la calidad de los
productos resultantes.
Restricciones de tecnologa de produccin o de equilibrio de
materiales que definen la salida de un proceso como una funcin
de las entradas, muchas veces con una prdida por desperdicios.

MCS
4. Defina las restricciones con base a las variables de decisin y a los factores
restrictivos establecidos. Al finalizar este paso, usted tendr un conjunto de
restricciones.
5. Defina su funcin objetivo como una ecuacin y revise que sta, as como
sus restricciones y variables de decisin estn planteadas nicamente en
trminos de costos o beneficios que varen con las decisiones, es decir, que
debe excluir los costos fijos de la funcin objetivo.
A continuacin, se presentan algunos ejemplos de formulacin de modelos en

programacin lineal. En esta seccin se presenta nicamente la formulacin del
modelo para cada ejemplo, con el fin de mostrar diversidad de casos e iniciar la
habilidad del estudiante en la construccin de modelos. Ms adelante se presentar
la solucin concreta para cada uno de estos mismos ejemplos mediante mtodos
especficos de solucin.
Ejemplo No. 1: (Decisiones de produccin)
Cierta compaa utiliza dos distintas mquinas para fabricar dos productos diferentes
identificados como A y B. La fabricacin del producto A, requiere utilizar la mquina
"X" media hora y la mquina "Y" una hora. Mientras que el producto B, utiliza cada
mquina dos horas. Por especificaciones tcnicas, la mquina "X" no debe operar
ms de ocho horas al da y la mquina "Y", no debe operar ms de doce horas
diarias. Las ganancias unitarias de los productos A y B son de Q.20.00 y Q.50.00,
respectivamente. La empresa puede vender todas las unidades que puede fabricar
de los dos productos y su objetivo consiste en maximizar su ganancia diaria.

S
MC
Formulacin:
1. Objetivo:
Maximizar la ganancia diaria.
2. Variables de decisin:
La cantidad de unidades de los productos A y B que deben
producirse dentro de los lmites de capacidad.
Por lo tanto,
X1 = Nmero de unidades del producto A que se fabricarn

diariamente.
X2 = Nmero de unidades del producto B que se fabricarn

diariamente.
3. Factores restrictivos:
Horas disponibles al da en mquinas "X" y "Y".
4. Restricciones:
La primera restriccin se refiere a la disponibilidad de tiempo en la
primera mquina, la cual puede expresarse de la siguiente manera:
0.5X1 + 2X2 8
Cada unidad de A, utiliza media hora de esta mquina, y cada unidad

de B utiliza dos horas esta misma mquina. Por lo tanto, el total de horas
utilizadas en la mquina "X", se expresa mediante la suma total de tiempos
utilizados por ambos productos y debe ser igual o menor al total de horas
disponibles en el da, que para este caso, corresponde a ocho horas.

S
MC
La segunda restriccin se refiere a la disponibilidad de tiempo en la

segunda mquina, la cual puede expresarse de la siguiente manera:
1X1 + 2X2 12
Cada unidad de A, utiliza una hora de esta mquina, y cada unidad de

B utiliza dos horas esta misma mquina. Por lo tanto, el total de horas utilizadas
en la mquina "Y", se expresa mediante la suma total de tiempos utilizados por
ambos productos y debe ser igual o menor al total de horas disponibles en el
da, que para este caso, corresponde a doce horas.
A todo conjunto de restricciones en programacin lineal, se le debe

especificar la restriccin de no negatividad de las variables de decisin; es
decir, que la empresa slo puede producir cantidades positivas o cero. Para
este caso, esta restriccin debe plantearse as:
X1, X2 0
5. Funcin Objetivo:
La funcin objetivo vista como una ecuacin lineal, en trminos de su
ganancia diaria, queda as:
Xo = 20X1 + 50X2
Esta ecuacin establece que la ganancia total de la compaa se

forma con el total de ganancia que genera el producto A (al multiplicar su
ganancia unitaria por el total de unidades a fabricar "X1") ms el total de
ganancia que genera el producto B (al multiplicar su ganancia unitaria por el
total de unidades a fabricar de "X2").

MCS La formulacin final del problema, queda de la siguiente manera:
Maximizar:
Xo = 20X1 + 50X2
Sujeta a: 0.5X1 + 2X2 8

1X1 + 2X2 12
X1, X2 0
Este problema, resulta sencillo y no requiere de programacin lineal para

resolverlo. Sin embargo, en la prctica suelen presentarse problemas que implican
docenas de productos y variedad de restricciones que no pueden resolverse en
forma intuitiva y en donde la programacin lineal, ha resultado una herramienta
sumamente eficaz.
Ejemplo No. 2: (Decisiones sobre mezclas y produccin).
Una compaa productora de nueces vende dos mezclas diferentes en poca

navidea. La primera mezcla est destinada a un mercado de clientes de clase
media, la cual contiene un 80% de cacahuates y un 20% de nueces. La segunda
mezcla est elaborada para un selecto grupo de clientes quienes pagarn ms por
una mezcla que contiene 50% de cacahuates y 50% de nueces. Semanalmente la
compaa adquiere 1800 kilos de cacahuates y 1200 kilos de nueces. Las ganancias
unitarias son de Q.10.00 por cada kilo de la mezcla barata y de Q.15.00 por cada kilo
de mezcla ms cara. Cuntos kilos de cada mezcla deber de producir la
compaa, si desea maximizar su utilidad?.
Formulacin:
1. Objetivo:

S
MC
Maximizar la utilidad semanal.
La cantidad de kilos de las mezclas I y II que deben producirse
dentro de los lmites de capacidad.
Por lo tanto,
X1 = Cantidad de kilos de la mezcla I que se producirn

semanalmente.
X2 = Cantidad de kilos de la mezcla II que se producirn

semanalmente.
Cantidad de kilos de cacahuates y nueces suministrados
semanalmente.
4. Restricciones:
La primera restriccin se refiere a la disponibilidad de cacahuates
suministrados semanalmente, utilizados en la elaboracin de mezclas I y II:
0.80X1 + 0.50X2 1800
Cada kilo de la mezcla I utiliza 80% de cacahuates y cada kilo de la

mezcla II, utiliza 50% de cacahuates. Por lo tanto, el total de kilos de
cacahuate utilizados en la produccin semanal de las mezclas I y II, se expresa
mediante la suma total de kilos utilizados en cada mezcla y debe ser igual o
menor al total de kilos disponibles en una semana, que para este caso,
corresponde a 1800 kilos.

MCS La segunda restriccin se refiere a la disponibilidad de nueces suministrados
semanalmente, la cual puede expresarse de la siguiente manera:
0.20X1 + 0.50X2 1200
Cada kilo de la mezcla I utiliza 20% de nueces y cada kilo de la mezcla

II, utiliza 50% de nueces. Por lo tanto, el total de kilos de nueces utilizados en la
produccin semanal de las mezclas I y II, se expresa mediante la suma total de
kilos utilizados en cada mezcla y debe ser igual o menor al total de kilos
disponibles en una semana, que para este caso, corresponde a 1200 kilos.
La restriccin de no negatividad:
X1, X2 0
5. Funcin Objetivo:
La funcin objetivo vista como una ecuacin lineal, en trminos de su
ganancia diaria, queda as:
Xo = 10X1 + 15X2
Esta ecuacin establece que la ganancia total de la compaa se

forma con el total de ganancia que genera la mezcla I (al multiplicar su
ganancia unitaria por el total de kilos a producir de "X1") ms el total de
ganancia que genera la mezcla II (al multiplicar su ganancia unitaria por el total
de kilos a producir de "X2").
La formulacin final del problema, queda de la siguiente manera:
Maximizar: Xo = 10X1 + 15X2

MCS
Sujeta a: 0.80X1 + 0.50X2 1800
0.20X1 + 0.50X2 1200
X1, X2 0
Ejemplo No. 3: (Decisiones sobre comercializacin y ventas).
Una compaa desea anunciar su producto mediante el uso de estaciones de radio y

televisin nacional. Sin embargo, cuenta con un presupuesto mximo para
publicidad mensual de Q.1,000.00. De acuerdo a los estudios realizados, cada minuto
de anuncio en la radio cuesta Q.5.00, mientras que cada minuto de publicidad en
televisin cuesta Q.100.00. La compaa desea utilizar la radio cuando menos dos
veces ms que la televisin debido a que considera que cubrir ms su mercado
meta a travs de este medio. La experiencia pasada muestra que cada minuto de
publicidad por televisin generar en trminos generales, veinticinco veces ms
ventas que cada minuto de publicidad por la radio. Si la compaa desea maximizar
sus ventas, determine la asignacin de tiempo ptima para anuncios por radio y
televisin.
Formulacin:
1. Objetivo:
Maximizar las ventas mensuales.
La cantidad de tiempo en minutos que sern utilizados para
publicidad en estaciones de radio y televisin.
Por lo tanto,

S
MC
X1 = Cantidad de minutos de publicidad al mes en estaciones de radio.
X2 = Cantidad de minutos de publicidad al mes en estaciones de

televisin.
a. Cantidad de presupuesto mensual disponible para publicidad.
b. Proporcin de uso de la radio con respecto a la televisin.
4. Restricciones:
La primera restriccin se refiere a la disponibilidad de presupuesto
mensual para publicidad:
5X1 + 100X2 1000
Cada minuto de publicidad en la radio cuesta Q.5.00 y cada minuto de

publicidad en la televisin cuesta Q.100.00. Por lo tanto, el costo total de
publicidad mensual, se expresa mediante la suma total del costo de
publicidad en la radio ms el costo total de publicidad en la televisin y debe
ser igual o menor al total de presupuesto disponible al mes, correspondiente a
Q.1000.00.
La segunda restriccin se refiere a la proporcin de uso de la radio con

respecto a la televisin, la cual puede expresarse de la siguiente manera:
1X1 2X2
Esta desigualdad expresa el deseo de la compaa de utilizar la radio

(X1) por lo menos dos veces ms que la televisin (X2).

MCS Al transponer trminos, la restriccin puede expresarse de igual forma, de la
siguiente manera:
1X1 - 2X2 0
X1, X2 0
5. Funcin Objetivo:
La funcin objetivo vista como una ecuacin lineal, en trminos de la
venta mensual, queda as:
Xo = 1X1 + 25X2
Esta ecuacin establece que cada minuto de publicidad por televisin

genera veinticinco veces ms de ventas que cada minuto de publicidad por la
radio.
La formulacin final del problema, queda de la siguiente manera:
Maximizar:
Xo = 1X1 + 25X2
Sujeta a: 5X1 + 100X2 1000

1X1 - 2X2 0
X1, X2 0

MCS
Ejemplo No. 4: (Decisiones sobre planeacin diettica).
La dietista de una prestigiosa clnica de reduccin de peso, debe encontrar la

combinacin ms barata de dos productos alimenticios A y B que contienen al
menos 0.5 miligramos de tiamina y al menos 600 caloras. Los estudios indican que
cada onza de A contiene 0.12 miligramos de tiamina y 100 caloras; mientras que
cada onza de B contiene 0.08 miligramos de tiamina y 150 caloras. Si el costo de
cada alimento es de Q.10.00 por onza, cuntas onzas de cada alimento debern
combinarse de tal manera que se cumplan los requerimientos dietticos y el costo de
alimentacin sea mnimo?.
Formulacin:
1. Objetivo:
Minimizar el costo de alimentacin por paciente.
La cantidad de onzas de cada producto alimenticio A y B que
debern combinarse.
Por lo tanto,
X1 = Cantidad de onzas del producto A.
X2 = Cantidad de onzas del producto B.
Requerimientos mnimos de tiamina y caloras.
4. Restricciones:
La primera restriccin se refiere al requerimiento mnimo de tiamina que
deber cubrir la combinacin de productos:

S
MC
0.12X1 + 0.08X2 0.50
Cada onza del producto A contiene 0.12 miligramos de tiamina y cada

onza del producto B contiene 0.08 miligramos de tiamina. Por lo tanto, la suma
total de tiamina de ambos productos debe ser igual o mayor al requerimiento
diettico mnimo de tiamina que corresponde a 0.50.
La segunda restriccin se refiere al requerimiento mnimo de caloras

que deber cubrir la combinacin de productos:
100X1 + 150X2 600
Cada onza del producto A contiene 100 caloras y cada onza del
producto B contiene 150 caloras. Por lo tanto, la suma total de caloras de
ambos productos debe ser igual o mayor al requerimiento diettico mnimo de
caloras que corresponde a 600.
X1, X2 0
5. Funcin Objetivo:
La funcin objetivo vista como una ecuacin lineal, en trminos del costo
de alimentacin, queda as:
Xo = 10X1 + 10X2
Esta ecuacin establece que cada onza del producto A y B tiene un

costo de Q.10.00.

MC S La formulacin final del problema, queda de la siguiente manera:
Minimizar:
Xo = 10X1 + 10X2
Sujeta a: 0.12X1 + 0.08X2 0.5

100X1 + 150X2 600
X1, X2 0
-M
Mttooddoo ddee ssoolluucciinn ggrrffiiccaa
La aplicacin de este mtodo tiene como propsito demostrar los conceptos

bsicos para el desarrollo de la tcnica algebraica para programas lineales con ms
de dos variables. Es un mtodo que se utiliza para la solucin de programas lineales
con dos variables y bajo ningn punto de vista pretende ser un mtodo de aplicacin
prctica; nicamente de introduccin y comprobacin de los conceptos bsicos en
lo que se basan otros mtodos y programas.
El mtodo se basa en la idea de graficar el espacio de soluciones factible que

se define como el espacio encerrado por las restricciones existentes. La solucin
ptima es el punto del espacio de soluciones que maximiza (o minimiza) el valor de la
funcin objetivo. Est demostrado que el ptimo es el punto extremo factible que
proporciona el mejor valor de la funcin objetivo.
Es importante resaltar que la bsqueda del ptimo se reduce a considerar

nicamente un nmero finito de puntos factibles que son los puntos esquina del
espacio de solucin, conocidos como puntos extremos factibles.
Para ilustrar el funcionamiento del mtodo, en casos de maximizacin, se

presenta a continuacin, la solucin del ejemplo nmero uno de la seccin de
formulacin de modelos.

MCS
Cierta compaa utiliza dos distintas mquinas para fabricar dos productos diferentes
identificados como A y B. La fabricacin del producto A, requiere utilizar la mquina
"X" media hora y la mquina "Y" una hora. Mientras que el producto B, utiliza cada
mquina dos horas. Por especificaciones tcnicas, la mquina "X" no debe operar
ms de ocho horas al da y la mquina "Y", no debe operar ms de doce horas
diarias. Las ganancias unitarias de los productos A y B son de Q.20.00 y Q.50.00,
respectivamente. La empresa puede vender todas las unidades que puede fabricar
de los dos productos y su objetivo consiste en maximizar su ganancia diaria.
Formulacin:
Maximizar:
Xo = 20X1 + 50X2
Sujeta a: 0.5X1 + 2X2 8

1X1 + 2X2 12
X1, X2 0
Solucin:
Siga cuidadosamente los siguientes pasos:
1. Encuentre los puntos donde cada restriccin corta ambos ejes del plano
cartesiano en su primer cuadrante (nmeros positivos). Para el efecto, encuentre
el valor de una variable de decisin cuando la otra variable asume un valor de
cero y viceversa. El procedimiento queda de la siguiente manera para cada
restriccin:
1.1. 0.5X1 + 2X2 8
a. Encuentre el valor de X1, cuando X2 = 0:

S
MC
Sustituyendo valores:
0.5 X1 + 2*(0) = 8
0.5 X1 = 8
X1 = 8 / 0.5
X1 = 16
Coordenadas del primer punto de la primera restriccin: (16, 0)
b. Encuentre el valor de X2, cuando X1 = 0:

0.5*(0) + 2X2 = 8
2 X2 = 8
X2 = 8 / 2
X2 = 4
Coordenadas del segundo punto de la primera restriccin: (0, 4)
1.2. 1X1 + 2X2 12

1 X1 + 2*(0) = 12
1 X1 = 12
X1 = 12 / 1
X1 = 12

1*(0) + 2X2 = 12
2 X2 = 12
X2 = 12 / 2
X2 = 6

MCS
2. Elabore la grfica de las restricciones.

Sea X1 = al eje de las "x" o abcisas y sea X2 = al eje de las "y" u ordenadas.
La grfica, es la siguiente:
Area que satisface nicamente

la restriccin 2.
POLGONO FACTIBLE DE
SOLUCIONES (REA QUE Area que satisface nicamente
SATISFACE AMBAS la restriccin 1.
RESTRICCIONES)
3. Encuentre el valor de los puntos donde hay interseccin de dos o ms

restricciones.
El punto de interseccin de las dos restricciones, tiene coordenadas

(8,2).
4. Identifique el espacio factible de soluciones (aquella rea que satisface todas las
restricciones del modelo) y sus puntos extremos.

MCS
Este est encerrado por los puntos de coordenadas: (0,0); (0,4); (8,2) y
(12,0).
5. Vale los puntos extremos en la funcin objetivo.
Xo = 20X1 + 50X2
(0,0): 20*(0) + 50*(0) = 0

(0,4): 20*(0) + 50*(4) = 200
(8,2): 20*(8) + 50*(2) = 260
(12,0): 20*(12) + 50*(0) = 240
6. Determine cul de los puntos optimiza su funcin objetivo.
El punto de coordenadas (8,2) es el que optimiza el criterio de

maximizacin de la funcin objetivo.
7. Concluya su resultado.
La compaa debe fabricar diariamente 8 unidades del producto A y 2

unidades del producto B para maximizar su ganancia en Q.260.00 al da.
Para ilustrar el funcionamiento del mtodo, en casos de minimizacin, se

presenta a continuacin, la solucin del ejemplo nmero cuatro de la seccin de
formulacin de modelos.

MCS
Ejemplo No. 2: (Decisiones sobre planeacin diettica).
La dietista de una prestigiosa clnica de reduccin de peso, debe encontrar la

combinacin ms barata de dos productos alimenticios A y B que contienen al
menos 0.5 miligramos de tiamina y al menos 600 caloras. Los estudios indican que
cada onza de A contiene 0.12 miligramos de tiamina y 100 caloras; mientras que
cada onza de B contiene 0.08 miligramos de tiamina y 150 caloras. Si el costo de
cada alimento es de Q.10.00 por onza, cuntas onzas de cada alimento debern
combinarse de tal manera que se cumplan los requerimientos dietticos y el costo de
alimentacin sea mnimo?.
Formulacin:
Minimizar:
Xo = 10X1 + 10X2
Sujeta a: 0.12X1 + 0.08X2 0.5

100X1 + 150X2 600
X1, X2 0
Solucin:
1. Encuentre los puntos donde cada restriccin corta ambos ejes del plano
cartesiano en su primer cuadrante (nmeros positivos). Para el efecto,
encuentre el valor de una variable de decisin cuando la otra variable
asume un valor de cero y viceversa. El procedimiento queda de la siguiente
manera para cada restriccin:
1.1 0.12X1 + 0.08X2 0.5

S
MC

0.12 X1 + 0.08*(0) = 0.5
0.12 X1 = 0.5
X1 = 0.5 / 0.12
X1 = 4.1667
Coordenadas del primer punto de la primera restriccin: (4.17, 0)

0.12*(0) + 0.08X2 = 0.5
0.08 X2 = 0.5
X2 = 0.5 / 0.08
X2 = 6.25
Coordenadas del segundo punto de la primera restriccin: (0, 6.25)
1.2 100X1 + 150X2 600

100 X1 + 150*(0) = 600
100 X1 = 600
X1 = 600 / 100
X1 = 6


S
MC
100*(0) + 150X2 = 600
150 X2 = 600
X2 = 600 / 150
X2 = 4
2. Elabore la grfica de las restricciones.

Sea X1 = al eje de las "x" o abcisas y sea X2 = al eje de las "y" u ordenadas.
La grfica, es la siguiente:
Area que satisface nicamente ESPACIO FACTIBLE DE

la restriccin 2. SOLUCIONES (REA QUE
SATISFACE AMBAS
RESTRICCIONES)
3. Encuentre el valor de los puntos donde hay interseccin de dos o ms

restricciones.
Area que satisface nicamente

la restriccin 1.
El punto de interseccin de las dos restricciones, tiene coordenadas
(2.7,2.2).
4. Identifique el espacio factible de soluciones (Aquella rea que satisface

todas las restricciones del modelo) y sus puntos extremos.

S
MC
Este est delimitado por los puntos de coordenadas: (0, 6.25); (2.7,2.2) y (6,0).
5. Vale los puntos extremos en la funcin objetivo.
Xo = 10X1 + 10X2
(0, 6.25): 10*(0) + 10*(6.25) = 62.5

(2.7, 2.2): 10*(2.7) + 10*(2.2) = 49
(6, 0): 10*(6) + 10*(0) = 60
6. Determine cul de los puntos optimiza su funcin objetivo.
El punto de coordenadas (2.7,2.2) es el que optimiza el criterio de

minimizacin de la funcin objetivo.
7. Concluya su resultado.
La dietista de la clnica debe combinar 2.7 onzas del producto alimenticio

A y 2.2 onzas del producto alimenticio B para cumplir con los requerimientos
mnimos de dieta en tiamina y caloras a un costo mnimo de Q.49.00 por
alimento combinado.

MC S
-M
Mttooddoo SSiim
mpplleexx
Es un algoritmo iterativo que converge a la solucin ptima en un nmero finito

de iteraciones y que est diseado para evitar ineficiencias tales como resolver una
combinacin de "m" ecuaciones y "n" incgnitas donde se origina un gran nmero de
ecuaciones simultneas a resolver y en ocasiones con muchas de sus soluciones de
tipo infactible o no existentes. Dentro del procedimiento de solucin, la funcin
objetivo juega un papel pasivo en el clculo, utilizndose nicamente despus de
que todas las soluciones bsicas factibles han sido determinadas (puntos extremos).
Fue desarrollado alrededor de 1947 en los Estados Unidos por George Dantzig.
Para comprender el funcionamiento del mtodo, es necesario introducir y aclarar
nuevos conceptos relacionados, los cuales son los siguientes.
a. Variables de Holgura.
Una variable de holgura es aquella que se introduce en las restricciones

identificadas en la formulacin del modelo con el propsito de convertir
las desigualdades de la restriccin, en igualdades o ecuaciones para el
correcto funcionamiento del mtodo.
Suelen simbolizarse como "Sn" donde "n" corresponde al nmero de

variable de holgura.
Es importante saber que si la restriccin que est transformando en una

igualdad es de tipo "", entonces es indispensable sumar una variable
de holgura "Sn" para compensar el valor que haga falta, en caso que el
lado izquierdo de la operacin resulte "menor" que el lado derecho y,
de esta manera, asegurar que se convertir en una igualdad.

S
MC
De manera similar, si la restriccin es de tipo "", entonces es

indispensable restar una variable de holgura "Sn" para rebajar el valor
excedente, en caso que el lado izquierdo de la operacin resulte
"mayor" que el lado derecho y, de esta manera, asegurar que se
convertir en una igualdad.
b. Condicin de Optimidad del Mtodo Simplex

El mtodo simplex asegura a travs de cada iteracin que realiza, que
nunca encontrar una solucin inferior al punto de solucin actual. Esta
propiedad es conocida como condicin de optimidad.
Relacionada a esta condicin se encuentra asociado el criterio de la

variable de entrada que consiste en elegir en maximizacin a la variable
que tiene el mayor coeficiente negativo de la ecuacin "Xo" (funcin
objetivo). En minimizacin el criterio a elegir es el ms positivo. Un
empate entre variables se rompe arbitrariamente. De acuerdo a esta
condicin, se llega al ptimo cuando todos los coeficientes del lado
izquierdo de la ecuacin "Xo" son no negativos en maximizacin o bien,
no positivos en minimizacin.
c. Condicin de Factibilidad del Mtodo Simplex

El funcionamiento del mtodo asegura que partiendo de una solucin
bsica factible, nicamente se encontrarn durante el clculo,
soluciones bsicas factibles. Esta propiedad es conocida como
condicin de factibilidad.

MCS
Relacionada a esta condicin se encuentra asociado el criterio de la
variable de salida que consiste en elegir la variable correspondiente al
cociente ms pequeo positivo de los valores actuales de solucin entre
los coeficientes positivos de las restricciones de la variable que entra. Un
empate se rompe arbitrariamente. El criterio para seleccionar la variable
de salida es el mismo independientemente si el objetivo es de tipo
maximizacin o minimizacin.
Para ilustrar el funcionamiento del mtodo, tomaremos como caso modelo el

ejemplo nmero uno de la seccin de formulacin de modelos. Es importante que el
estudiante compare los resultados de este mtodo con la solucin grfica.
Recuerde que el mtodo grfico no es un mtodo prctico en situaciones

complejas como suele ser la mayora de casos de la vida real. El hecho de que los
resultados sean los mismos en ambos mtodos no significa que la solucin grfica sea
mejor que el mtodo simplex. En todo caso, este ltimo mtodo es capaz de resolver
cualquier problema con cualquier cantidad de variables y restricciones.

Vase el enunciado del ejemplo nmero uno de la seccin de formulacin de
modelos y mtodo de solucin grfica.
Formulacin:
Maximizar:
Xo = 20X1 + 50X2
Sujeta a: 0.5X1 + 2X2 8

1X1 + 2X2 12
X1, X2 0

MCS
Solucin:
1. Convierta la funcin objetivo en su forma estndar, igualndola a cero.

Xo - 20X1 - 50X2 = 0
2. Convierta las desigualdades de las restricciones, en igualdades, introduciendo

variables de holgura "Sn".
0.5X1 + 2X2 + S1 = 8
1X1 + 2X2 + S2 = 12
X1, X2, S1, S2 0
3. Prepare el tablero de inicio para el desarrollo del mtodo, con los datos obtenidos
de los dos pasos anteriores.
Tablero Inicial Mtodo Simplex

ELEMENTO
PIVOTE V. E.
Xo X1 X2 S1 S2 Solucin
Xo 1 -20 -50 0 0 0
V. S. S1 0 0.5 2 1 0 8
S2 0 1 2 0 1 12
Note que para construir el tablero, se elabora una columna para cada variable de
decisin y cada variable de holgura, as como para la funcin objetivo y una
columna solucin. Para elaborar las filas, se inicia siempre con una fila para la
funcin objetivo y tantas filas como variables de holgura existan.
Para registrar los datos iniciales dentro del tablero, debe trasladar los valores
numricos (considerando su signo) que anteceden a cada variable de la funcin
objetivo identificada en el paso uno, hacia la primera fila del tablero.
Posteriormente, debe trasladar los valores numricos que anteceden a cada

MCS
variable de la primera restriccin, hacia la segunda fila y, finalmente, los valores
correspondientes a la segunda restriccin, hacia la tercera fila del tablero.
4. Aplique los criterios de variables de entrada y salida y realice tantas iteraciones

como sea necesario, hasta alcanzar la solucin ptima.
En el tablero inicial debe seleccionar la variable de entrada identificndola como

la variable ms negativa (en caso de aplicar criterio de maximizacin) de la
funcin objetivo (Xo). Para este ejemplo, es la variable X2 la variable que tiene el
valor ms negativo, por lo que sta se seleccion como la variable de entrada
(V.E.).
Para identificar la variable de salida (V.S.), debe realizar la divisin entre los valores
de la columna solucin entre los valores positivos de la columna donde se
encuentra la variable de entrada y donde encuentre el cociente menor positivo,
corresponder a la variable ubicada en dicha fila, salir del ciclo de iteraciones.
Para este ejemplo, si usted divide los valores (8 2 = 4) de la fila S1 y (12 2 = 6) de
la fila S2, entonces se concluye que ser la variable S1 la que saldr del ciclo de
iteraciones.
El elemento que se encuentra en la interseccin de la columna donde est la

variable de entrada con la fila donde est la variable de salida, es conocido como
elemento pivote porque es alrededor de ste, que girarn todos los dems clculos
de cada iteracin.
Para realizar los clculos para la primera iteracin, debe construir una tabla
similar al tablero inicial, con los mismos encabezados de las columnas que no variarn
en ningn caso y con la diferencia que en las filas debe sustituir el trmino de la
variable de salida, por el trmino de la variable de entrada y luego, para registrar los
valores numricos, debe seguir los siguientes pasos:

MC
1.
S Como primer punto debe convertir el elemento pivote en valor uno (1), para el
efecto, divida cada elemento de la fila donde se encuentra la variable de
salida dentro del valor del elemento pivote y coloque los resultados en el nuevo
tablero.
2. Es indispensable convertir en elementos "cero" todo valor que se encuentre
arriba del elemento pivote y debajo de ste. Para lograrlo, multiplique cada
elemento de la fila donde est el elemento pivote ya convertido en valor uno
(1), por el nmero que desea volver "cero" con signo cambiado y a este
resultado, smele cada valor de la fila donde se encuentra el valor que desea
convertir en "cero" del tablero anterior y coloque los resultados en cada casilla
del nuevo tablero.
3. Identifique nueva variable de entrada, salida y elemento pivote y repita tantas
iteraciones como sea necesario hasta encontrar la optimizacin buscada. El
criterio de paro en la realizacin de ciclos o iteraciones se identifica cuando ya
no existen valores negativos en la funcin objetivo.
Los resultados de la primera iteracin, se presentan a continuacin:
Iteracin 1
ELEMENTO
PIVOTE V. E.
Xo 1 -7.5 0 25 0 200 (X2*50)+Xo
X2 0 0.25 1 0.5 0 4 (S1 2)
V. S. S2 0 0.5 0 -1 1 4 (X2 * -2)+ S2
El paso descrito en el numeral 1 anterior, se resume mediante la expresin (S1

2) en el nuevo tablero de la iteracin 1. Note que la punta de flecha de la operacin
no seala ninguna celda en particular, sino ms bien indica, desde afuera, que dicha
operacin debe aplicarse para toda casilla de la fila "X2".

MCS
El paso descrito en el numeral 2, lo identificamos de manera resumida
mediante la expresin (X2*50)+Xo, la cual debe aplicarse para toda casilla de la fila
Xo del nuevo tablero y mediante la expresin (X2*-2)+S2 que debe aplicarse para
toda casilla de la fila S2. Es importante que verifique que la regla aplicable siempre es
la misma, "multiplicar cada elemento de la fila donde est el elemento pivote
convertido en valor uno, por el valor que se desea cambiar a cero con signo
cambiado y sumar cada valor de la fila donde est el elemento que se desea
convertir en elemento cero".
El paso descrito en el numeral 3, indica que debe seleccionarse ahora una

nueva variable de entrada. Al evaluar toda la fila de elementos de la funcin
objetivo, concluimos que el valor ms negativo le corresponde a la variable "X1". La
nueva variable de salida la identificamos como S2 luego de dividir los valores de la
columna solucin entre los valores positivos donde est la nueva variable de entrada.
Al operar (4 0.25 = 16) y (4 0.5 = 8), encontramos la nueva variable de salida en el
cociente menor positivo.
Ahora identificamos el nuevo elemento pivote y construimos un nuevo tablero

para registrar los valores de la segunda iteracin.
Iteracin 2
Xo 1 0 0 10 15 260 (X1*7.5)+Xo
X2 0 0 1 1 -0.5 2 (X1 * -0.25)+X2
X1 0 1 0 -2 2 8 (S2 0.5)
Note que en el nuevo tablero, la variable de entrada sustituy la posicin de la

variable de salida y el procedimiento de convertir el elemento pivote en valor uno y
los elementos arriba y debajo de ste en valores cero, se aplica nuevamente

MC S
mediante la regla que se resume en las operaciones expresadas a un costado del
tablero, para identificar la forma en que se obtienen los valores finales.
Luego de obtener este nuevo tablero, puede observarse que se ha llegado al

criterio de paro de ciclos o iteraciones debido a que ya no es posible seleccionar una
variable de entrada porque ya no existen valores negativos en la funcin objetivo.
Por lo tanto, los resultados finales indican que la funcin objetivo se maximiza
con valor de 260, al producir 8 unidades del producto X1 y 2 unidades del producto
X2 .
Compare estos resultados con los obtenidos en el ejemplo uno del mtodo
grfico y concluya de acuerdo al enunciado original del problema.
Recomendacin al estudiante:
Resuelva el ejemplo nmero dos del mtodo grfico, por el mtodo
simplex. En dicho problema, el objetivo es minimizar costos, por lo que debe
considerar que la variable de entrada le corresponder al valor ms positivo
de la funcin objetivo y la variable de salida no sufre ningn cambio en su
criterio. Adems recuerde que a las restricciones de tipo debe restarles las
variables de holgura "Sn" y considerar su signo dentro del tablero inicial del
mtodo simplex.
Qu conclusiones obtiene de este mtodo para problemas con

objetivos relacionados con la minimizacin?.

MCS
- TTccnniiccaa ""M
M""
Tcnica matemtica diseada para resolver principalmente problemas de

minimizacin, corrigiendo ineficiencias que presenta el mtodo simplex en ciertos
problemas con tal objetivo.
Al igual que el mtodo simplex, es un algoritmo iterativo que converge a la

solucin ptima en un nmero finito de iteraciones.
Para comprender el funcionamiento del mtodo, es necesario introducir y

aclarar un nuevo concepto:
a. Variables Artificiales.
Son variables que se agregan a las restricciones y funcin objetivo de un
modelo nicamente como un artificio matemtico para funcionalidad
de la tcnica.
Suelen simbolizarse con "Rn" donde "n" corresponde al nmero de

variable artificial.
Es importante saber que si la restriccin que est transformando en una

igualdad es de tipo "", entonces es indispensable sumar nicamente una variable de
holgura "Sn". Si la restriccin es de tipo "", entonces es indispensable restar una
variable de holgura "Sn" y sumar una variable artificial "Rn" a la misma restriccin.
Finalmente, en el caso de tener restricciones de tipo "=", entonces debe sumar
nicamente una variable artificial "Rn". En el caso especfico y exclusivo de la funcin
objetivo que es una igualdad, debe sumar variables artificiales de tipo "MRn".
El valor "M" consiste en una penalizacin "muy grande" asignada

principalmente a las variables de la funcin objetivo para asegurar la funcionalidad
del mtodo.

MCS Para ilustrar la tcnica, considere el siguiente ejemplo:
Ejemplo No. 1:
Formulacin:
Minimizar:
Xo = 0.05X1 + 0.03X2
Sujeta a: 2X1 + 1X2 40

1X1 + 1X2 30
X1, X2 0
Solucin:
1. Agregue variables de holgura y variables artificiales en las restricciones.
2X1 + 1X2 - S1 + R1 = 40
1X1 + 1X2 - S2 + R2 = 30
X1, X2, S1, S2, R1, R2 0
2. Agregue en la funcin objetivo igual nmero de variables artificiales como las hay
en las restricciones.
Xo = 0.05X1 + 0.03X2 + MR1 + MR2
3. Iguale a "cero" la funcin objetivo. (Identifique esta ecuacin con el numeral I).
Xo - 0.05X1 - 0.03X2 - MR1 - MR2 = 0
I
4. Multiplique las restricciones por el valor "M" y sume los resultados. (Identifique esta
ecuacin con el numeral II).
2X1 + 1X2 - S1 + R1 = 40 *M
1X1 + 1X2 - S2 + R2 = 30 *M

MCS
X1 X2 S1 S2 R1 R2 Solucin
2M M -M 0 M 0 40M
+
M M 0 -M 0 M 30M
3M 2M -M -M M M 70M II
5. Encuentre una nueva funcin objetivo, sumando la ecuacin identificada en el

paso 3 con la ecuacin identificada en el paso 4 (I + II).
X1 X2 S1 S2 R1 R2 Solucin
- 0.05 - 0.03 0 0 -M -M 0
+
3M 2M -M -M M M 70M
-0.05 + 3M -0.03 + 2M -M -M 0 0 70M
6. Proceda a resolver el modelo con los mismos pasos del mtodo simplex, utilizando
la nueva funcin objetivo encontrada en el paso 5 y las restricciones establecidas
en el paso 1. Es importante aclarar que ahora deber agregar tantas columnas
como necesite en su tablero, para identificar las variables artificiales y, adems,
considere que en las filas iniciar siempre identificando la funcin objetivo y luego
nicamente las variables artificiales.
Tablero Inicial
PIVOTE V. E.
Xo X1 X2 S1 S2 R1 R2 Sol.
Xo 1 -0.05+3M -0.03+2M -M -M 0 0 70M
V. S. R1 0 2 1 -1 0 1 0 40
R2 0 1 1 0 -1 0 1 30

MCS Para seleccionar la variable de entrada, por tratarse de minimizacin, sta
deber corresponder al valor ms positivo de la funcin objetivo. Sustituya
arbitrariamente un valor "muy grande positivo" como valor "M" de manera constante
y coincidir en que el valor ms positivo le corresponde a "X1".
Proceda al igual que en el mtodo simplex, a convertir el elemento pivote en

valor uno y a convertir los elementos arriba y debajo de l, en valores cero.
Iteracin 1
PIVO
TE
V. E.
Xo 1 0 -0.005+0.5M -0.025+0.5M -M 0.025-1.5M 0 1+10M [X1*(0.05-3M)]+Xo
X1 0 1 0.5 -0.5 0 0.5 0 20 (R1 2)
V. S. R2 0 0 0.5 0.5 -1 -0.5 1 10 [X1*(-1)]+R2
En el tablero anterior vuelve a buscar el valor ms positivo de la funcin

objetivo y repite el procedimiento.
Iteracin 2
Xo 1 0 0 - 0.02 - 0.01 0.02 - M 0.01 - M 1.10 [X2*(0.005-0.5M)]+Xo
X1 0 1 0 -1 1 1 -1 10 [X2 *(-0.5)]+X1
X2 0 0 1 1 -2 -1 2 20 (R1 2)
Observe que ya no existen valores positivos dentro de la funcin objetivo ni

valores "M" en la solucin, por lo tanto ya se ha llegado al criterio de paro del mtodo
y a la respuesta ptima.

MC S
- SSoolluucciioonneess EEssppeecciiaalleess ddeell M
Mttooddoo SSm
mpplleexx
En muchas ocasiones se presentan casos especiales en el desarrollo del

mtodo smplex, a los cuales debe drseles una solucin adecuada mediante
un tratamiento e interpretacin especial.
Dentro de las soluciones especiales del mtodo smplex, tenemos:

q Soluciones degeneradas
q Soluciones no acotadas
q Soluciones ptimas alternativas
q Soluciones factibles no existentes.
a. Soluciones degeneradas
La degeneracin de una solucin se presenta cuando en una
iteracin, una o ms variables bsicas toman el valor de cero.
Cuando una variable llega a este punto, no existe certeza sobre si
el valor de la funcin objetivo mejorar o entrar en un ciclaje sin
alcanzar nunca la solucin ptima.
En el mtodo de solucin grfica, la degeneracin puede

identificarse cuando ms restricciones de las necesarias
determinan un punto extremo.
b. Soluciones no acotadas
Este caso se presenta cuando el espacio factible de soluciones
est no acotado o delimitado, de manera que el valor de la
funcin objetivo puede aumentarse indefinidamente, sin afectar
la factibilidad del problema.

MC
c.
S Soluciones ptimas alternativas
Una solucin alternativa se presenta cuando la funcin objetivo
posee el mismo valor ptimo en ms de una solucin. Es decir,
que puede presentarse el caso que para un problema en
particular exista un nmero finito o infinito de soluciones, donde
cada una proporcionar el mismo resultado o valor a la funcin
objetivo.
Generalmente una solucin alternativa se identifica cuando en la

fila de la funcin objetivo se observa una o ms variables a nivel
cero, las cuales podran ser candidatas elegibles para convertirse
en variable de entrada y dar inicio a un ciclo de iteraciones. El
hecho de estar a nivel cero, significa que puede iniciarse una
nueva iteracin sin que necesariamente se aumente o disminuya
el resultado de la funcin objetivo, mantenindose constante el
valor de la solucin.
Todas las soluciones alternativas cumplirn con las restricciones

del problema, por lo que todas sern soluciones ptimas
igualmente vlidas.
d. Soluciones no existentes
Este caso se presenta cuando ningn punto satisface las
restricciones de un problema. Grficamente, una solucin no
existente se visualiza cuando no es posible identificar puntos
extremos de solucin debido a que no se cumplen todas las
restricciones del problema. Quizs se satisface una o ms
restricciones, pero no todas; por lo que se dice que no existe
solucin al problema en particular.

MC
-
S
- PPrroobblleem
maass SSuuggeerriiddooss ddeell C
Caappttuulloo
A continuacin encontrar una serie de problemas caso que se le sugiere

estudiar y analizar detenidamente. Formule la construccin del modelo para cada
uno y resuelva aplicando los mtodos aprendidos en el desarrollo de este captulo.
Compare resultados y concluya de una manera profesional.
1. Una empresa dedicada a la venta de dos productos manufactureros, necesita

saber cuntas unidades de cada producto debe producir para el prximo mes si
el propsito consiste en maximizar los beneficios de los mismos. Los detalles de
produccin son los siguientes: Para producir una unidad del producto A, se
necesitan dos horas de mquina y tres horas de mano de obra. Cada unidad del
producto B necesita tres horas de tiempo de mquina y dos horas de tiempo de
mano de obra. El tiempo semanal disponible de mquina es de 250 horas,
mientras que de mano de obra se dispone de 180 horas semanales. Si la ganancia
que se obtiene por cada producto A, es de Q.35.00 y por cada producto B, de
Q.30.00; determine la utilidad mxima.
2. Una empresa dedicada a la venta de muebles de uso comercial, introdujo

recientemente al mercado dos tipos de muebles, el tipo I es un mueble para
computadora y el tipo II es un mueble para televisin. El gerente general le solicita
al administrador del taller, le presente un informe sobre cuntos muebles de estos
dos tipos se deben producir para el prximo mes si se desea obtener el beneficio
mximo de los mismos. Los detalles de produccin son los siguientes: Para producir
un mueble para computadora se necesitan dos horas de mquina y una hora de
mano de obra. Cada mueble para televisin necesita seis horas de mquina y
cuatro horas de mano de obra. Por razones tcnicas, la mquina tiene un tiempo
mximo disponible de doce horas y la mano de obra, siete horas. La ganancia
que se obtiene por cada mueble de computadora es de Q.150.00 y por cada
mueble de televisin es de Q.275.00.

MCS
3. Cierto fabricante produce sillas y mesas para las que requiere la utilizacin de
dos secciones de produccin, la seccin de montaje y la de pintura. La
produccin de una silla requiere una hora de trabajo en la seccin de montaje y
de dos horas en la de pintura. Por su parte, la fabricacin de una mesa precisa de
tres horas en la seccin de montaje y de una hora en la de pintura. La seccin de
montaje slo puede estar nueve horas diarias en funcionamiento, mientras que la
de pintura slo ocho horas. El beneficio produciendo mesas es el doble que el de
sillas. Cul ha de ser la produccin diaria de mesas y sillas para que el beneficio
sea mximo?.
4. Una industria papelera fabrica dos tipos de cuadernos universitarios. El tipo 3010
posee ciertas caractersticas especiales en el diseo de su portada y se vende a
Q.1.25 cada unidad. El tipo 2020 no tiene ningn diseo especial y se vende a
Q.0.90 cada cuaderno. Los costos en materiales por unidad para stos cuadernos
son de 50 cts. y 45 cts. respectivamente. Estos cuadernos estn constituidos por
tres tipos de materiales: materiales para hojas, para pastas y resorte. El cuaderno
tipo 3010 utiliza 8 onzas de material para las hojas, 4 onzas de material para la
pasta y 1 onza de material para resorte; mientras que el tipo 2020 utiliza 10 onzas, 6
onzas y 1 onza respectivamente. Cada mes la compaa recibe un suministro por
parte de sus proveedores de 10 toneladas de material para hojas, 8 toneladas de
material para pasta y una tonelada de material para resorte. Qu cantidad de
cada tipo de cuaderno deben producirse a fin de obtener la mxima utilidad?.
(Considere que 1 Ton = 2000 Lbs.).
5. Una empresa fabricante ingres al negocio produciendo una calculadora de 12

funciones, la FC-12; que se vende a $6.00. Luego agreg una versin mejorada de
18 funciones, la FC-18 que se vende a $9.00. Los costos unitarios de produccin
son, para la FC-12 de $2.00 y para la FC-18 de $3.00. La empresa puede fabricar
cualquier combinacin de calculadoras siempre y cuando no exceda su
capacidad disponible. El tiempo de montaje para cada calculadora FC-12 es de

MCS
0.20 horas y para la FC-18 es de 0.70 horas; disponiendo de 8,000 horas de trabajo
en el mes. El departamento de mercadeo ha establecido que la empresa puede
vender hasta 12,000 calculadoras en el mes sin importar la combinacin en la
cantidad de cada estilo de calculadora, pues ambas tienen aceptacin en el
mercado. Determine la cantidad de calculadoras de cada estilo que deben
producirse a fin de maximizar la utilidad.
6. Una compaa manufacturera de productos ensamblados, desea evaluar sus

productos lderes en juguetera para nios de uno a siete aos, los cuales son
motocicletas y automviles. Cada producto de stos requiere un tiempo de
manufacturacin especfico en cada uno de los siguientes departamentos:
Moldeado, Pintura y Empaque. La disponibilidad de tiempo de trabajo diario en
cada departamento, se sabe que corresponde a 300 minutos en el
departamento de moldeado; 400 minutos en pintura y 400 minutos en empaque.
Cada motocicleta requiere 1 minuto de tiempo de moldeado, 2 minutos de
pintura y 1 minuto de empaque. Cada automvil requiere 2 minutos de tiempo de
moldeado, 1 minuto de pintura y 2 minutos de empaque. La compaa desea
saber cul es la cantidad de juguetes consistentes en motocicletas y automviles
que debe producir, a fin de maximizar su ganancia; para ello, ha determinado
que tanto motocicletas como autos, contribuyen con Q.1.00 a la utilidad unitaria.
7. En una granja de crianza de cerdos y conejos, se dispone de un espacio para

almacenamiento de concentrado hasta para 2,300 kilogramos. Si cada cerdo
necesita 30 kilogramos de concentrado al mes y cada conejo 18 kilogramos; y se
sabe que las horas de cuidados requeridos para un cerdo son 30 y para un conejo
son 60, disponiendo de 3,500 horas presupuestadas al mes; Determine la cantidad
de animales que deben criarse si la venta de cada uno representa un beneficio
de Q.525.00 por cabeza de cerdo y Q.375.00 por cabeza de conejo, de tal
manera de maximizar la utilidad.

MCS
8. Una planta productora de aparatos elctricos tiene cuatro mquinas que son
utilizadas para fabricar televisores a color y videograbadoras, los requerimientos
de tiempos de manufacturacin de cada unidad, de cada aparato, en horas son
los siguientes: Para cada televisor, 0.5 horas en mquina 1; 0.5 horas en mquina
2; 1 hora en mquina 3; y 1 hora en mquina 4. Para cada videograbadora se
requiere: 1 hora en mquina 1; 0.5 horas en mquina 2; 1 hora en mquina 3; y 1.5
horas en mquina 4. El nmero de horas disponible mensualmente por mquina es
de 150; 200; 250 y 300 horas, respectivamente. El objetivo consiste en disear un
plan de produccin mensual de televisores y videograbadoras, a fin de maximizar
la ganancia; para lo cual se ha determinado que las utilidades unitarias son de
Q.25.00 para cada televisor y Q.20.00 para cada videograbadora.
9. Una conocida industria de calzado, lanza dos nuevos estilos en zapatos de

seguridad industrial. El estilo R-metlico y el estilo R-seguridad. Se conoce que el
estilo metlico aporta a las utilidades de la empresa Q.55.00 por unidad y que el
estilo seguridad aporta Q.45.00 por unidad. El proceso general de la elaboracin
de los dos estilos conlleva tres fases dentro de la empresa; el departamento de
troquelado, el de cosido y el de empaque. El estilo metlico requiere 0.30 horas
en el primer departamento, 0.80 horas en el segundo y 0.50 horas en el tercero. El
estilo seguridad requiere 0.30 horas, 0.75 horas y 0.30 horas de produccin en
cada departamento, respectivamente. Las horas disponibles al mes son de 750
horas en troquelado, 1800 horas en cosido y 900 horas en empaque. Determine el
volumen de produccin ptimo de cada producto a fin de maximizar la utilidad
total.
10. Un granjero tiene 100 acres en los cuales desea sembrar dos cultivos. La
recoleccin de cada acre del primer cultivo demanda de 5 horas hombre y cada
acre del segundo cultivo 20 horas hombre. El granjero puede confiar en un total
de 1,350 horas hombre destinadas a la recoleccin de los dos cultivos. Si la utilidad
es de $100 por acre en el caso del primer cultivo y de $300 por acre para el

MCS
segundo, determine la porcin del terreno deber plantarse con cada cultivo a fin
de maximizar la utilidad.
11. Una industria maquiladora dedicada a la confeccin de prendas de vestir para

dama, se enfrenta al problema de maximizar la cantidad de docenas que puede
producir de dos prendas lderes en el mercado en funcin de su capacidad
disponible. Las dos prendas son el Panty estilo 3000 y el Baby Doll, estilo 2025.
En ambos casos, se utilizan para su confeccin las mquinas Zig-Zag y Overlock.
Se tiene determinado el total de horas estndar a utilizar por cada docena
producida, para cada mquina y estilo de la siguiente manera:
Estilo Prenda Zig-Zag Overlock

3000 0.185 hrs/doc 0.238 hrs/doc
2025 0.404 hrs/doc 1.84 hrs/doc
La jornada laboral es de 8 horas diarias y se cuenta con tres mquinas de

overlock y tres mquinas de zig-zag para la confeccin de prendas, las cuales
funcionan simultneamente cada da para producir las cantidades necesarias.
12. Una compaa se dedica a producir dos tipos de estilo de zapatos. Cada tipo de
zapato del tipo A requiere el doble de tiempo en mano de obra que del tipo B. Si
la produccin total de zapatos es slo del segundo tipo, la empresa puede
producir un total de 600 pares al da. En el mercado se limitan las ventas diarias de
zapatos del tipo A y B, a 400 pares y 150 pares respectivamente. Si los beneficios
por cada par, para el tipo A son de Q.50.00 y de Q.45.00 para el tipo B, determine
el nmero de pares de zapatos que debe producirse de cada tipo a fin de
maximizar la utilidad.
13. Recientemente el departamento de mercadotecnia de una empresa productora

de artculos para el hogar, determin que los dos principales productos de la
empresa, por el volumen de ventas que normalmente generan, estaban
decreciendo en sus aportes de beneficios financieros. Por lo tanto, se estableci

MCS
que el volumen de ventas del producto I es cuando menos el 60% de las ventas
totales de los dos productos. Ambos productos utilizan la misma materia prima,
cuya disponibilidad diaria est limitada a 100 libras. Ambos productos I y II utilizan
esta materia prima a razn de 2 lbs./unidad y 4 lbs./unidad, respectivamente. El
precio de venta de los dos productos es de Q.20.00 y Q.40.00 por unidad. Qu
cantidad de cada producto debe promocionar y vender el departamento de
mercadeo y ventas para maximizar la utilidad?
14. Una compaa productora vende tres tipos de nueces diferentes en el mercado
durante la poca navidea. La marca regular contiene 80% de cacahuates y 20%
de nueces. La marca superior contiene 50% de cacahuates, 30% de nueces y 20%
de pistaches y la marca de lujo contiene 30% de cacahuates, 30% de nueces y
40% de pistaches. La empresa tiene asegurados suministros por 4300 libras de
cacahuates, 2500 libras de nueces y 2200 libras de pistaches, semanalmente. Si la
utilidad es de 10 centavos por libra de cada mezcla, cuntas libras de cada
marca deberan venderse con objeto de maximizar la utilidad total?
15. Un agricultor de un rea rural, se dedica a la crianza de cerdos que consumen

una mezcla de comida especial todos los das. El alimento puede prepararse con
maz y harina de soya de acuerdo a la siguiente descripcin: Cada libra de maz
contiene: 0.01 lb. De calcio, 0.9 lb. De protena y 0.2 lb. De fibra. Cada libra de
harina de soya contiene: 0.02 lb. De calcio, 0.6 lb. De protena y 0.6 lb. De fibra. El
costo por cada libra de maz es de $0.20 y por cada libra de harina de soya es de
$ 0.60. Los requisitos diarios de alimentacin de cada cerdo son: Al menos 1% de
calcio; Al menos 60% de protena y mximo 40% de fibra. Determine la mezcla de
alimentos por cada cerdo con el mnimo costo diario.
16. Una compaa dedicada a la purificacin de minerales cuenta con dos minas "Y"
y "Z" para su extraccin. Cada tonelada de mineral de la primera mina produce
50 libras de cobre, 4 libras de cinc y una libra de molibdeno. Cada tonelada de
mineral procedente de "Z" produce 15 libras de cobre, 8 de cinc y 3 libras de

MCS
molibdeno. La compaa debe producir al menos 87,500 libras de cobre; 16,000 de
cinc y 5,000 de molibdeno, semanalmente. Si tiene un costo de Q.50.00 por
tonelada obtener mineral de "Y" y Q.60.00 por tonelada extraerlo de la mina "Z",
cunto mineral deber obtenerse de cada mina con objeto de cumplir los
requerimientos de produccin a un costo mnimo?
17. El filete de lomo tiene un costo de $12 por kilo y cada kilo contiene 83 caloras y 6
gramos de protenas. El pollo rostizado tiene un costo de $9 por kilo y cada kilo
contiene 65 caloras y 2 gramos de protenas. Con la informacin anterior, se
desea realizar una planeacin diettica para una persona que debe consumir al
menos 2,900 caloras y 190 gramos de protenas. Determine la cantidad de filete
de lomo y de pollo que debe consumir esta persona para cumplir con los
requerimientos de dieta a un costo mnimo.
18. Una persona est considerando reemplazar en su dieta parte de la carne por
brcoli. Una onza de carne contiene en promedio 6 gramos de protena y 4
miligramos de vitaminas; mientras que una onza de brcoli contiene 1/2 gramo de
protena y 3 miligramos de vitaminas. Si requiere que su consumo diario de
protena y vitaminas que obtiene de la carne y del brcoli combinados debe ser
al menos 75 gramos de protena y 220 miligramos de vitamina; determine la
cantidad de carne y brcoli que debe consumir esta persona para cumplir con
los requerimientos de dieta a un costo mnimo, si la onza de carne cuesta $14 y la
onza de brcoli cuesta $8.

S
MC

MC S C
CAAPPIITTUULLO
O IIIIII
M
MOOD
DEELLO
ODDEELL PPRRO
OBBLLEEM
MAAD
DEE TTRRA
ANNSSPPO
ORRTTEE
-C
- Coonncceeppttoo
n tipo de problema especial de programacin lineal, es el llamado
problema de transporte. Recibe este nombre debido a que muchas de sus

aplicaciones involucran determinar la manera ptima de transportar bienes.
Sin embargo, algunas de sus aplicaciones importantes, tal es el caso de la
programacin de la produccin, de hecho, no tienen nada que ver con el
transporte.
Este tipo de problema empez a estudiarse alrededor de 1939 por L.V.

Kantorovich, quien resalt las propiedades matemticas que permiten una
aplicacin simplificada dentro de la industria.
El problema de transporte se refiere a la distribucin de cualquier bien

desde cualquier grupo de centros de abastecimiento, llamados "orgenes",
hacia cualquier grupo de centros de recepcin, llamados "destinos"; de tal
manera que se minimicen los costos totales de distribucin.
- BBaallaanncceeoo ddeell m
mooddeelloo ddee ttrraannssppoorrttee
Significa que la oferta en todos los orgenes debe igualar la demanda de todos
los destinos. En problemas reales esta restriccin no siempre se cumple, en la mayora
de los casos la oferta disponible puede ser menor que la demanda o puede
excederla. En este caso se dice que el modelo "no est balanceado".

MC S
Sin embargo, para poder desarrollar el modelo eficazmente, se impone la
restriccin de balanceo nicamente porque es fundamental al desarrollar la tcnica,
de tal manera que cualquier problema real puede balancearse "artificialmente"
convirtindolo a un problema con igual oferta y demanda.
Si la demanda excede a la oferta, se aumenta un origen ficticio y si existe

exceso de oferta, se utiliza un destino ficticio para absorber la cantidad excedente.
Los costos de transporte por unidad desde el origen ficticio a todos los destinos, son
cero, ya que esto es equivalente a no transportar desde el origen ficticio. En forma
semejante, los costos de transporte por unidad desde todas las fuentes a todos los
destinos ficticios son cero. Fsicamente las cantidades enviadas desde un origen
ficticio pueden interpretarse como escasez de la demanda, mientras que los
asignados a un destino ficticio pueden interpretarse como capacidades no utilizadas
en el origen.
- PPaassooss bbssiiccooss ddee llaa ttccnniiccaa ddee ttrraannssppoorrttee
Para encontrar una solucin ptima en costos de distribucin, es importante

aplicar los siguientes pasos generalizados.
1. Determine una solucin factible bsica de inicio.

2. Determine una variable que entra de las variables no bsicas. Si todas, de
tales variables satisfacen la condicin de optimidad, entonces pare; de lo
contrario, vaya al paso 3.
3. Determine una variable que sale (usando la condicin de factibilidad) de
entre las variables de la solucin bsica real, entonces encuentre la nueva
solucin bsica. Regrese al paso 2.

MC
-M
S
Mttooddooss ddee ssoolluucciinn ppaarraa oobbtteenneerr uunnaa ssoolluucciinn ffaaccttiibbllee bbssiiccaa ddee iinniicciioo
1. Mtodo de la esquina nor-oeste.

2. Mtodo de costo mnimo.
3. Mtodo de aproximacin de Vogel (MAV).
-M
- Mttooddooss ddee ooppttiim
miizzaacciinn
1. Mtodo de Banquillo (Stepping Stone Multiplicadores de Lagrange)

2. Solucin Numrica de Houthakker
3. Mtodo de Wagener
4. Primal Dual para el Transporte
5. Primal de Balinski y Gmory
- RReepprreesseennttaacciinn uuttiilliizzaaddaa ppaarraa eell ddeessaarrrroollloo ddee llaa ttccnniiccaa ddee ttrraannssppoorrttee
Destino "j"
Origen "i" 1 2 3 OFERTA
C11 C12 C13
1 X11 X12 X13 a1
C21 C22 C23
2 X21 X22 X23 a2
DEMANDA b1 b2 b3

MCS
-C
Coonnssiiddeerraacciioonneess iim
mppoorrttaanntteess
1. La cantidad de variables que conforman la solucin bsica de inicio, est

determinada por la frmula: "n" (orgenes) + "m" (destinos) - 1. Compruebe en
su tablero final que el nmero de variables coincida con lo que determina la
frmula.
2. Las variables que conforman la solucin bsica de inicio en el tablero final,
son conocidas como "variables bsicas". Las restantes casillas (en blanco),
representan variables "no bsicas".
3. Cuando una columna y una fila se satisfacen simultneamente en la
cantidad ofertada y demandada, la variable siguiente que debe agregarse
a la solucin bsica, necesariamente estar en un nivel cero (0).
Estudiaremos ahora un ejemplo para explicar el funcionamiento de los tres

mtodos para encontrar una solucin bsica de inicio. La distribucin sugerida para
el transporte, por cada uno de ellos representa nicamente una solucin de inicio
que debe optimizarse mediante otro mtodo complementario (banquillo) para
asegurar que los costos de distribucin sern mnimos.
Ejemplo Ilustrativo
Una compaa desea minimizar sus costos de distribucin de productos. Cuenta con
tres fbricas y cinco distribuidores. La produccin semanal de las fbricas es de 20, 25
y 30 unidades, respectivamente. Los requerimientos de los distribuidores corresponden
a 10, 12, 14, 16 y 18 unidades semanales, respectivamente. Los costos de enviar una
unidad entre cada fbrica y los distribuidores, se presentan a continuacin.
Distribuidores
Fbrica A B C D E
1 42 32 33 39 36
2 34 36 37 32 37
3 38 31 40 35 35
Se determinar la solucin aplicando cada uno de los mtodos de transporte.

MC
-M
-
S
Mttooddoo ddee EEssqquuiinnaa N
Noorr--O
Oeessttee
Se basa en el principio de asignar la cantidad mxima permitida por la oferta y

la demanda, a la variable que est ubicada en la esquina noroeste de la tabla.
En toda tabla, inicialmente la variable ubicada en la esquina nor oeste, es la

variable X11.
Antes de resolver cualquier problema de transporte, se debe verificar si el

modelo est balanceado. Para el ejemplo en anlisis, sume las cantidades ofertadas
(por las fbricas) y las cantidades demandadas (por los distribuidores).
El total de unidades ofertadas es de 75; mientras que el total de unidades

demandadas es de 70. Como la suma no es igual, se dice que el modelo "no est
balanceado". Para que el mtodo sea aplicable, se debe agregar una "columna
ficticia" con una demanda "artificial" de 5 unidades y de esta manera, balancear el
modelo. Adems, los costos asociados a dicho distribuidor "artificial", son costos con
valor cero. La matriz que se trabajar deber tener entonces 6 columnas
identificadas de la A hasta la E, para poder desarrollar la metodologa de solucin.
Para comprender la metodologa para realizar los registros de valores dentro de

la matriz, repasemos paso a paso la secuencia. Se sugiere que el estudiante prepare
una matriz sin valores en sus casillas y aplique los pasos indicados para comparar sus
resultados con la tabla presentada.
1. Inicialmente usted tiene la matriz sin ningn valor dentro de sus casillas. Proceda a
identificar la esquina nor-oeste de la tabla. Concluir que le corresponde a la
variable X11. Evale la oferta disponible (20 unidades) y la demanda (10
unidades) en dicha casilla. Asigne lo mximo permitido. En este caso 10 unidades
y actualice sus saldos de unidades en la oferta (10 unidades) y demanda
(ninguna unidad). Proceda a "eliminar" la columna 1 (debido a que ya no hay

MC S
demanda que cubrir en esta columna) con una lnea vertical y asgnele un
correlativo nmero uno para guardar orden en la secuencia.
Distribuidores
Fbri A B C D E F OFERTA
1
ca
1 42 32 33 39 36 0 20 10
10
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

3 38 31 40 35 35 0 30
(X31) (X32) (X33) (X34) (X35) (X36)

De- 10 12 14 16 18 5 75
man 75
---
da
2. Haga de cuenta que la columna 1, que ya se "elimin", ya no forma parte de la

matriz. Determine nuevamente la nueva esquina nor-oeste de la tabla. Le
corresponde a la variable X12. Evale oferta y demanda y asigne lo mximo
permitido. En este caso puede asignar 10 unidades- Actualice saldos disponibles.
Elimine la fila 1 debido a que ya no hay disponibilidad de oferta en esta fila. Lleve
el correlativo de las eliminaciones de filas y columnas (nmero 2).

MC S
Distribuidores
1
ca
1 42 32 33 39 36 0 20 10 ---
10 10 2
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

3 38 31 40 35 35 0 30
(X31) (X32) (X33) (X34) (X35) (X36)

De- 10 12 14 16 18 5 75
man 75
--- 2
da
3. El procedimiento es repetitivo. La nueva esquina nor-oeste es donde est la

variable X 22. Asigne lo mximo permitido (2 unidades). Actualice saldos. Elimine la
columna o fila donde ya no exista disponibilidad y encuentre nueva esquina nor-
oeste.

MC S
Distribuidores
1 3
ca
1 42 32 33 39 36 0 20 10 ---
10 10 2
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 23
2
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30
(X31) (X32) (X33) (X34) (X35) (X36)

De- 10 12 14 16 18 5 75
man 75
--- 2
da
---
4. Contine el mismo procedimiento, identificando y asignando la mayor cantidad

posible en la esquina nor oeste de la tabla. Por ahora toca asignar en la casilla
X23 , luego eliminando las filas o columnas (slo una a la vez) que hayan quedado
a nivel cero y as sucesivamente hasta finalizar el llenado de la tabla. Al final,
verifique que tanto oferta como demanda quedan sin ningn valor y que ha
quedado nicamente una fila sin "eliminar". La tabla completa deber quedarle
as:

MC S
Distribuidores
1 3 4 6 7 8
ca
1 42 32 33 39 36 0 20 10 ---
10 10 2
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 23 9 ---
5
2 14 9
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 23 5 ---
7 18 5
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
--- 2 --- 7 --- ---
da
--- ---
Es importante tener presente que slo se efecta una eliminacin a la vez. No es

permitido realizar una doble eliminacin simultnea. Por lo tanto, el procedimiento
termina cuando exactamente ha quedado una fila o una columna sin eliminar. Para
este ejemplo, pudo haberse eliminado al final la fila 3 y dejar libre la columna F. El
resultado sera el mismo. Lo importante es que al final queda exactamente una fila o
columna sin tachar.
El costo total de transporte asociado se determina por la sumatoria de la

multiplicacin de la cantidad de unidades asignadas en cada casilla, por su costo
unitario correspondiente. Para este mtodo, el costo de transporte asociado se
determina as:
(10*42) + (10*32) + (2*36) + (14*37) +(9*32) + (7*35) + (18*35) + (5*0) = Q.2,493.00

MCS
-M
Mttooddoo ddee C
Coossttoo M
Mnniim
moo
Se basa en el principio de asignar la cantidad mxima permitida por la oferta y

la demanda, a la variable que tenga el costo unitario ms pequeo en la tabla
completa. Un empate se rompe arbitrariamente.
Recuerde de preparar su matriz sin valores asignados en sus casillas y aplique el

procedimiento indicado de manera comparativa con la tabla presentada.

la matriz, repasemos paso a paso la secuencia.
1. Inicialmente usted tiene la matriz sin ningn valor dentro de sus casillas.
Proceda a identificar la casilla con el costo ms pequeo de toda la tabla.
Concluir que tiene tres casillas con costo "cero"; por lo tanto usted rompe
arbitrariamente el empate y empieza a asignar en cualquiera de las tres
casillas. En este ejemplo, se decidi empezar por la casilla con variable X36.
Al igual que en el mtodo anterior, evale la oferta y demanda disponible
en dicha casilla. Asigne lo mximo permitido. Actualice sus saldos de
unidades. Proceda a "eliminar" la columna 6 (debido a que ya no hay
demanda que cubrir en esta columna) con una lnea vertical y asgnele un
correlativo nmero uno para guardar orden en la secuencia.

MC S
Distribuidores
1
ca
1 42 32 33 39 36 0 20
(X11) (X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

3 38 31 40 35 35 0 30 25
5
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
---
da
2. Haga de cuenta que la columna 6, que ya se "elimin", ya no forma parte de

la matriz. Determine nuevamente la casilla con el costo unitario ms
pequeo. Le corresponde a la variable X32. Evale oferta y demanda y
asigne lo mximo permitido. Actualice saldos disponibles. Elimine la columna
2 debido a que ya no hay demanda que cubrir en esta columna. Lleve el
correlativo de las eliminaciones de filas y columnas (nmero 2).

MC S
Distribuidores
2 1
ca
1 42 32 33 39 36 0 20
(X11) (X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

3 38 31 40 35 35 0 30 25 13
12 5
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
--- ---
da
3. El procedimiento es repetitivo. La nueva casilla con el costo ms pequeo es

donde est la variable X24. Asigne lo mximo permitido. Actualice saldos.
Elimine la columna o fila donde ya no exista disponibilidad y encuentre la
nueva casilla con el costo ms pequeo.

MC S
Distribuidores
2 3 1
ca
1 42 32 33 39 36 0 20
(X11) (X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25 9
16
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 25 13
12 5
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
--- --- ---
da
4. Contine el mismo procedimiento, identificando y asignando la mayor

cantidad posible en la casilla libre (no tachada) con el costo ms pequeo
de toda la tabla. Tenga presente que no se sigue ningn orden en particular,
simplemente se asigna en la casilla libre con el costo ms bajo. Cualquier
empate lo rompe arbitrariamente. Por ahora toca asignar en la casilla X13 ,
luego elimine las filas o columnas (slo una a la vez) que hayan quedado a
nivel cero y as sucesivamente hasta finalizar el llenado de la tabla. Al final,
verifique que tanto oferta como demanda quedan sin ningn valor y que ha
quedado nicamente una fila sin "eliminar". La tabla completa deber
quedarle as:.

MC S
Distribuidores
2 7 1
8 4 3
ca
1 42 32 33 39 5 36 0 20 6 1 ---
1 14
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 9 ---
5
9 16
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 25 13 ---
6
12 13 5
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
1 --- --- --- 5 ---
da
--- ---
5. Al final, verifique que tanto oferta como demanda, quedan sin ningn valor y
que ha quedado nicamente una fila o columna sin "eliminar".

unitario correspondiente.
Para este mtodo, el costo de transporte asociado se determina as:
(1*42) + (14*33) + (5*36) + (9*34) +(16*32) + (12*31) + (13*35) + (5*0) = Q.2,329.00

MCS
- Mtodo de Aproximacin de Vogel
Es un mtodo que generalmente proporciona una mejor solucin de inicio que

los dos mtodos anteriores.
La solucin mediante este mtodo es la siguiente. Prepare su matriz y siga los

pasos indicados para comparar sus resultados con la solucin presentada.

la matriz, repasemos paso a paso la secuencia.
1. Determine un conjunto de penalizaciones, calculando la diferencia entre los

dos valores de costo ms pequeos de cada fila y de cada columna. Para
la fila uno, los dos costos menores son "0" y "32", siendo la diferencia entre
ambos de 32. Para la columna uno, los dos costos menores son "34" y "38",
siendo la diferencia entre ambos de 4. Contine calculando diferencias y
registre las penalizaciones correspondientes al primer juego de
penalizaciones para filas y columnas.
2. Identifique la penalizacin mayor del primer juego de resultados,
comparando tanto valores de filas como de columnas. El valor mayor del
primer juego, le corresponde a la penalizacin 32 de la segunda fila.
3. Identifique la variable con el costo unitario ms pequeo dentro de la fila o
columna con la penalizacin mayor. Para este ejemplo, dentro de la fila 2, el
costo menor, es de "0". Ahora asigne lo mximo permitido por la oferta y la
demanda, en esta casilla con el costo menor.
4. Actualice saldos en oferta y demanda y proceda a "eliminar" la fila o
columna que quede satisfecha. En el ejemplo, la columna 6 queda
eliminada debido a que ya no hay demanda que cubrir. Se numera la lnea
que tacha la columna para guardar el orden de la correlatividad en la
asignacin de valores. La tabla, luego de los pasos indicados, queda as:

MC S
Distribuidores
PENALIZA-
CIONES
1
ca DE FILAS
1 42 32 33 39 36 0 20 32
(X11) (X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25 20 32
5
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 31
(X31) (X32) (X33) (X34) (X35) (X36)

De- 10 12 14 16 18 5 75
man 75
---
da
4 1 4 3 1 0 1er. JUEGO
PENALIZACIONES COLUMNAS
5. Determine nuevo conjunto de penalizaciones para cada fila y para cada

columna haciendo de cuenta que la columna 6 ya no forma parte de la
matriz. Verifique sus resultados con las penalizaciones indicadas del 2.
Juego. La matriz, luego del 2o. Juego de Penalizaciones, queda as:

MC S
Distribuidores
PENALIZA-
CIONES
2 1
ca DE FILAS
1 42 32 33 39 36 0 20 32 1
(X11) (X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25 20 32 2
5
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 18 31 4
12
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
--- ---
da
4 1 4 3 1 0 1er. JUEGO
4 1 4 3 1 --- 2o. JUEGO

PENALIZACIONES COLUMNAS
En este ejemplo, al momento de decidir esta segunda asignacin de un valor, se

presenta la problemtica que se tienen tres penalizaciones con valor 4 (la tercera fila,
la primera y tercera columnas). Dnde asignar?. Se debe tomar en cuenta que todo
empate se rompe arbitrariamente. De esta manera, se decidi asignar en la casilla
con el costo ms bajo de la fila tres y por esta razn est sombreada dicha
penalizacin y no las otras.
6. Repita los pasos del 2 al 5 de manera cclica por cada asignacin que vaya
a realizar hasta que ya no le sea posible calcular ms juegos de
penalizaciones o ya no existan valores por asignar. Luego de la 6a.
penalizacin y asignacin, ya no le ser posible, calcular ms juegos de
penalizaciones, por lo que la matriz, le quedar as:

MC S
Distribuidores
Fbri A B 3 C 6
D E F OFERTA
4 2 1
ca
1 42 32 33 39 36 0 20 6
14
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 20 10 ---
10 10 5
5
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 18 12
12 6
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
--- --- --- 6 ---
da
---
RESUMEN DE LOS CLCULOS DE PENALIZACIONES:
Clculo de Penalizaciones de filas:

1er Juego 2o Juego 3er Juego 4o Juego 5o Juego 6o Juego
32 1 3 3 3 3
32 2 2 2 5 -----
31 4 0 0 0 0

MCS
Clculo de Penalizaciones de columnas:
1er. juego 4 1 4 3 1 0
2. Juego 4 1 4 3 1 -----
3er.Juego 4 ----- 4 3 1 -----
4. Juego 4 ----- ----- 3 1 -----
5. Juego ----- ----- ----- 3 1 -----
6. Juego ----- ----- ----- 4 1
7. En este momento, luego del 6o. juego de penalizaciones, ya no pueden

calcularse ms juegos, debido a que la columna E, es la nica columna libre
y sus costos no pueden compararse contra los costos de otra columna para
determinar las diferencias que conceptualizan las penalizaciones. Por lo
tanto, cuando ya no sea posible calcular juegos de penalizaciones o ya no
sea posible determinar una penalizacin mayor por falta otros valores para
su comparacin, entonces detenga el procedimiento y luego contine sus
asignaciones de valores a sus variables, mediante el mtodo del costo
mnimo. En ese momento, slo hay dos casillas libres correspondientes a las
variables X15 y X35, de las cuales, la que tiene el costo ms pequeo, es la
ltima mencionada, lo que significa que a esta casilla asignaremos la mayor
cantidad posible y, finalmente, completaremos la matriz, asignando en la
casilla X15. La matriz final, queda as:

MC S
Distribuidores
Fbri A B 3 C 6
D E F OFERTA
4 2 8 1
ca
1 42 32 33 39 36 0 20 6 ---
14 6
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 20 10 ---
10 10 5
5
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30 18 12 ---
12 6 12 7
(X31) (X32) (X33) (X34) (X35) (X36)
De- 10 12 14 16 18 5 75
man 75
--- --- --- 6 6 ---
da
--- ---
Durante el desarrollo del mtodo, tenga presente siempre las siguientes
consideraciones:
Consideraciones importantes del mtodo:

Para el clculo de penalizaciones considere que no se utiliza
ninguna fila o columna "eliminada" (tachada), ni tampoco
ninguna fila o columna con oferta o demanda igual a cero.
Todo empate en el valor de penalizaciones, se rompe
arbitrariamente.

unitario correspondiente.
Para este mtodo, el costo de transporte asociado se determina as:

MCS
(14*33) + (6*36) + (10*34) + (10*32) +(5*0) + (12*31) + (6*35) + (12*35) = Q.2,340.00
Comentarios sobre los mtodos para encontrar una solucin bsica de inicio:
Luego del desarrollo prctico del mismo ejercicio con los tres mtodos
conocidos para encontrar una solucin bsica de inicio, puede concluirse que para
este ejemplo, la distribucin de transporte sugerida por el mtodo de costo mnimo,
es la mejor hasta el momento, debido a que es la que presenta un menor costo de
transporte asociado.
Sin embargo, esta distribucin no es ms que una sugerencia, no significa, ni

garantiza que el costo de transporte sea el ptimo. Recuerde que slo son mtodos
para encontrar una solucin inicial, luego usted deber seleccionar la distribucin
que presente el menor costo y a sta, aplicarle el mtodo de optimizacin conocido
como "banquillo" para optimizar sus costos de transporte.
Los tres mtodos para una solucin de inicio se desarrollan porque no se sabe
con certeza cul de los tres presentar una mejor distribucin inicial, aunque
generalmente, el mtodo de esquina nor-oeste est ms alejado de la optimizacin y
el mtodo de Vogel est ms prximo. Para nuestro ejemplo, result ser el mtodo de
costo mnimo el que est ms prximo de la optimizacin, por lo que tomaremos la
distribucin sugerida por este mtodo para desarrollar el mtodo de banquillo.
Es importante saber que se puede optimizar mediante el mtodo de banquillo

cualquier distribucin sugerida por cualquiera de los tres mtodos para una solucin
de inicio. La diferencia est en que el mtodo de optimizacin funciona de manera
anloga o similar al mtodo simplex, con iteraciones y variables de entrada y salida;
por lo que una distribucin de transporte ms cercana al costo ptimo, requerir de
un menor nmero de iteraciones que una distribucin con un costo mayor o ms

MC S
alejado de la optimizacin. El resultado ptimo siempre ser el mismo
independientemente de la distribucin (de cualquier mtodo) que se tome para
optimizar, la nica variacin consiste en la cantidad de trabajo que deber realizarse
para uno u otro caso.
-M
Mttooddoo ddee BBaannqquuiillloo oo ddee SStteeppppiinngg SSttoonnee ((ooppttiim
miizzaacciinn))
Es un mtodo que se utiliza para verificar si la solucin actual puede mejorarse

mediante la prctica de examinar las variables no bsicas actuales (aquellas que no
tienen ningn valor asignado en la matriz de transporte), en busca de mejoras
potenciales en el valor de la funcin objetivo.
El mtodo fue desarrollado originalmente por los matemticos Charnes y

Cooper y posteriormente fue modificado y simplificado por Dantzig.
Para cada variable no bsica, se identifica un circuito cerrado que comienza y

termina en la variable no bsica designada. Sus puntos extremos deben ser variables
bsicas, exceptundose su inicia y final.
Consideraremos ahora, la distribucin sugerida por el mtodo de aproximacin

de vogel del ejemplo en anlisis, para explicar el funcionamiento del mtodo de
optimizacin.
Lo ms acertado es tomar la distribucin con el costo menor porque sta

requerir menos iteraciones que las otras, sin embargo, se decidi, para efectos
didcticos tomar la distribucin de costo intermedio. Se sugiere al estudiante,
optimizar las distribuciones sugeridas por el mtodo de esquina nor-oeste y costo
mnimo para que verifique que el resultado de la optimizacin es el mismo y la nica
diferencia la encontrar en la cantidad de iteraciones a realizar en la optimizacin.

S
MC
Distribuidores
Fbri 1 2 3 4 5 6 OFER
ca TA
42 32 33 39 36 0
1 14 6 20
(X11) (X12) (X13) (X14) (X15) (X16)
34 36 37 32 37 0
2 10 10 5 25
(X21) (X22) (X23) (X24) (X25) (X26)
38 31 40 35 35 0
3 12 6 12 30
(X31) (X32) (X33) (X34) (X35) (X36)
Demanda
10 12 14 16 18 5
Los pasos a seguir son los siguientes.
1. Determine los circuitos cerrados para cada variable no bsica, es decir, para
aquellas variables ubicadas en las casillas que no tienen ningn valor asignado
dentro de la matriz.
Las variables no bsicas de la distribucin anterior son:

X11, X12, X14, X16, X22, X23, X25, X31, X33, X36.
Para determinar los circuitos asociados, debe tener en cuenta que el circuito
dar inicio con la variable no bsica y luego sta deber conectarse en forma
horizontal y vertical estrictamente con variables bsicas (puntos intermedios),
formando generalmente cuadrados o rectngulos, hasta finalizar el circuito en la
misma variable no bsica inicial. Debe evitar siempre conexiones diagonales.

S
MC
Para cada circuito deber determinarse la cantidad de aumento o disminucin
en costo neto por unidad transportada. Para determinar este valor, debe
considerar que la variable inicial del circuito tiene un costo positivo, la siguiente
variable del circuito tendr valor negativo, la siguiente tendr costo positivo, la
siguiente negativo y as sucesivamente.
Los circuitos asociados para cada variable no bsica, as como su valor de

costo en aumento o disminucin para cada uno, se detalla a continuacin.
Variable Circuito Asociado Aumento o Disminucin

No en Costo
Bsica
X11 X11 X15 X35 X34 X24 X21 X11 42-36+35-35+32-34 = +4
X12 X12 X32 X35 X15 X12 32-31+35-36 = 0
X14 X14 X15 X35 X34 X14 39-36+35-35 = +3
V.E.
X16 X16 X15 X35 X34 X24 X26 X16 0-36+35-35+32-0 = - 4
X22 X22 X32 X34 X24 X22 36-31+35-32 = +8
X23 X23 X13 X15 X35 X34 X24 X23 37-33+36-35+35-32 = +8
X25 X25 X24 X34 X35 X25 37-32+35-35 = +5
X31 X31 X34 X24 X21 X31 38-35+32-34 = +1
X33 X33 X35 X15 X13 X33 40-35+36-33 = +8
X36 X36 X34 X24 X26 X36 0-35+32-0 = -3
2. Identifique la variable de entrada del circuito. Esta se determina mediante el

valor ms negativo de los resultados de la columna "aumento o disminucin en
costo". Se escoge el valor ms negativo debido a que representa la mayor
disminucin neta en costo por unidad. Para el ejemplo, la variable de entrada es
la variable X16.

MCS
3. Represente grficamente el circuito asociado a la variable de entrada. Recuerde
que la variable que inicia el circuito empieza con signo positivo, la siguiente
variable tendr signo negativo e irn alternndose los signos de manera
continua. El circuito asociado a la variable X16, es el siguiente:
Distribuidores
Fbri OFER
1 2 3 4 5 6
Ca TA
42 32 33 39 36 0
1 14 - 6 + 20
(X11) (X12) (X13) (X14) (X15) (X16)
34 36 37 32 37 0
+ -
2 10 10 5 25
(X21) (X22) (X23) (X24) (X25) (X26) V.S.
38 31 40 35 35 0
- +
3 12 6 12 30
(X31) (X32) (X33) (X34) (X35) (X36)
Demanda
10 12 14 16 18 5
4. Determine la variable de salida del circuito. Para el efecto, elija entre las variables
con signo negativo del circuito, aquella que tiene el valor ms pequeo
cuantitativamente, debido a que esta variable ser la primera que llegue al valor
"cero" y cualquier disminucin adicional, causar su negatividad (como la
condicin de factibilidad en el mtodo simplex, donde la variable que sale est
asociada con la relacin mnima). Para nuestro ejemplo, las variables del circuito
con signo negativo son: X15, X34 y X26. De estas variables, la que tiene un menor
valor, es la variable X26, por lo tanto, sta es la variable de salida. En este caso
tambin se aplica el criterio de que cualquier empate, se rompe arbitrariamente.

MCS
5. Analice si el objetivo de minimizar el costo, puede mejorarse, aumentando el
valor actual de la variable no bsica asociada. El nmero de unidades que se
aumente a la variable no bsica asociada (X16), debe ajustarse a los elementos
del circuito, a fin de mantener la factibilidad de la solucin, disminuyendo y
aumentando el mismo nmero de unidades a cada elemento siguiente
dependiendo del signo asignado a la variable. Este cambio mantendr
satisfechas las restricciones de oferta y demanda. La nueva solucin de
distribucin de transporte se presenta en la siguiente matriz:
Distribuidores
Fbri 1 2 3 4 5 6 OFER
ca TA
42 32 33 39 36 0
1 14 1 5 20
(X11) (X12) (X13) (X14) (X15) (X16)
34 36 37 32 37 0
2 10 15 25
(X21) (X22) (X23) (X24) (X25) (X26)
38 31 40 35 35 0
3 12 1 17 30
(X31) (X32) (X33) (X34) (X35) (X36)
Demanda
10 12 14 16 18 5
Es importante notar que la variable no bsica que inicia el circuito X16,

aumenta 5 unidades y las dems variables bsicas del circuito asociado, disminuyen
o aumentan tambin 5 unidades dependiendo su signo "-" o "+". Adems, note que la
variable X26 ya no forma parte de la matriz debido a que sta se identific como la
variable de salida.
6. Repita los mismos pasos del 1 al 5 cuantas veces sea necesario (iteraciones),
hasta que obtenga slo valores positivos en la columna de "aumento o
disminucin en costo".

MCS
Luego de aplicar nuevamente el paso 1, se determina lo siguiente:
Variable Circuito Asociado Aumento o Disminucin

No en Costo
Bsica
X11 X11 X15 X35 X34 X24 X21 X11 42-36+35-35+32-34 = +4
X12 X12 X32 X35 X15 X12 32-31+35-36 = 0
X14 X14 X15 X35 X34 X14 39-36+35-35 = +3
X22 X22 X32 X34 X24 X22 36-31+35-32 = +8
X23 X23 X13 X15 X35 X34 X24 X23 37-33+36-35+35-32 = +8
X25 X25 X24 X34 X35 X25 37-32+35-35 = +5
X26 X26 X24 X34 X35 X15 X16 X26 0-32+35-35+36-0 = +4
X31 X31 X34 X24 X21 X31 38-35+32-34 = +1
X33 X33 X35 X15 X13 X33 40-35+36-33 = +8
X36 X36 X35 X15 X16 X36 0-35+36-0 = +1
Como todos los valores anteriores, son positivos, se deduce que un aumento en
el valor de cualquier variable no bsica sobre su valor actual, aumentar los costos
netos totales; por lo que la solucin obtenida en el paso 5, representa la distribucin
ptima de transporte.
Tenga siempre claro que el criterio de paro lo identifica cuando se tengan slo
aumentos en los costos netos, es decir, slo valores positivos para las variables no
bsicas.
El costo total ptimo de transporte asociado se determina as:
(14*33) + (1*36) + (5*0) + (10*34) +(15*32) + (12*31) + (1*35) + (17*35) = Q.2,320.00

MC S
- PPrroobblleem
Caappttuulloo

estudiar y analizar detenidamente. Para cada caso utilice los tres mtodos para
encontrar una solucin bsica de inicio, analice resultados y optimice la distribucin
que ms le convenga mediante el mtodo de banquillo.
1. Una compaa desea minimizar sus costos de distribucin de productos. Cuenta

con tres fbricas y seis distribuidores. La produccin semanal de las fbricas es de
25, 45 y 15 unidades, respectivamente. Los requerimientos de los distribuidores
corresponden a 5, 10, 15, 10, 25 y 20 unidades semanales, respectivamente. Los
costos de enviar una unidad entre cada fbrica y los distribuidores, se presentan
a continuacin.
Distribuidores
Fbrica X Y Z P Q R
1 50 38 28 34 42 26
2 35 33 35 28 30 40
3 45 30 50 36 25 10
2. Una compaa desea saber qu poltica de distribucin minimizar sus costos

totales. Cuenta con tres fbricas para la produccin y cuatro clientes potenciales
a quienes debe cumplir sus demandas. Cada fbrica produce diariamente 550,
300 y 260 unidades, respectivamente. Las necesidades de sus clientes son de 240,
300, 200 y 160 unidades. Los costos de enviar una unidad entre cada fbrica y
clientes se resume a continuacin.

MC S Clientes
Fbrica 1 2 3 4 Oferta
A 8 3 4 5 550
B 7 6 5 2 300
C 2 4 3 3 260
Demanda 250 300 200 160
3. Una compaa cuenta con tres centros productores y cuatro clientes hacia
donde debe despacharles mercadera diariamente. La produccin diaria es de
16, 8 y 12 unidades por cada centro productor, respectivamente. La demanda
de los clientes es de 10, 8, 12 y 6 unidades. Los costos de enviar una unidad entre
cada centro productor y cada cliente, son los siguientes.
Clientes
Centro 1 2 3 4 Oferta
1 8 9 5 3 16
2 4 12 10 6 8
3 13 16 11 5 12
Demanda 10 8 12 6
4. Una fbrica productora de artculos desechables se encuentra con el problema

de determinar la mejor combinacin de produccin de su producto para
distribuirlo hacia tres clientes potenciales. Para produccin, cuenta con tres
plantas A, B y C, habiendo determinado por datos histricos que sus costos de
envo por unidad, desde cada planta hacia cada cliente, son los siguientes:
Clientes
Planta 1 2 3
A 3 4 2
B 2 1 4
C 2 4 8

MC S
Semanalmente, se debe despachar la demanda siguiente: 30,000 unidades al
cliente 1; 40,000 unidades al cliente 2 y 25,000 unidades al cliente 3. Si la
capacidad de produccin de cada planta, se conoce que es de 20,000
unidades para la planta A; 30,000 unidades para la B y 40,000 unidades para la C;
determine el plan de transporte semanal que minimice el costo.
5. Una compaa desea saber qu poltica de distribucin minimizar sus costos

totales. Cuenta con tres fbricas para la produccin y cuatro clientes potenciales
a quienes debe cumplir sus demandas. Cada fbrica produce diariamente 500,
900 y 700 unidades, respectivamente. Las necesidades de sus clientes son de 400,
600, 400 y 700 unidades. Los costos de enviar una unidad entre cada fbrica y
clientes se resume a continuacin.
Clientes
Fbrica 1 2 3 4 Oferta
A 8 12 9 1 500
B 10 7 8 4 900
C 15 6 3 9 700
Demanda 400 600 400 700
6. Tres fbricas envan su producto a cinco distribuidores. Las disponibilidades, los

requerimientos y costos unitarios de transporte, se resumen la siguiente tabla.
Distribuidores
Fabrica 1 2 3 4 5 Disponibilidades
1 20 19 14 21 16 40
2 15 20 13 19 16 60
3 18 15 18 20 15 70
Requerimientos 30 40 50 40 60

MC
7.
S Se envan automviles en camin desde tres centros de distribucin hacia cinco
distribuidores menores. El costo de envo est basado en la distancia recorrida
entre las fuentes y destinos. El costo es independiente de si el camin hace el
recorrido con una carga parcial o completa. La tabla que sigue hace un
resumen de las distancias a recorrer entre los centros de distribucin y
distribuidores y tambin las cifras mensuales de oferta y demanda calculadas en
nmero de automviles.
Distribuidores
Centros de 1 2 3 4 5 Oferta
Distribucin
1 100 150 200 140 35 400
2 50 70 60 65 80 200
3 40 90 100 150 130 150
Demanda 100 200 150 160 140
8. Una fbrica produce pequeos motores elctricos para 4 fabricantes de

instrumentos. La capacidad mensual corresponde a 800 unidades para la planta
A; 600 unidades para la planta B y 700 unidades para la planta C. Los pedidos
que se deben satisfacer consisten en 300 motores para el cliente 1, 500 motores
para el 2; 400 para el 3 y 600 motores para el cliente 4. El costo de
abastecimiento vara entre una planta y otra, resumindose los costos de
transporte por unidad a continuacin.
Clientes
Planta 1 2 3 4
A 3 2 5 7
B 6 4 8 3
C 9 1 5 4

MCS
9. Una cadena de cinco almacenes ubicados en diferentes partes del pas,
requiere cierta mercanca para cada uno de sus almacenes. Las empresas
abastecedoras han informado que disponen de la mercanca solicitada pero en
tres diferentes fbricas. La escasez del producto hace que la cadena de
almacenes deba transportar la mercanca. En base a los costos del transporte por
unidad, a los requerimientos de los almacenes y a la disponibilidad de las fbricas
que se muestra en el siguiente cuadro, determine el costo ptimo de transporte.
Almacenes
Fabrica 1 2 3 4 5 Disponibilidades
1 10 20 40 30 50 1000
2 20 30 50 40 10 1000
3 30 40 10 50 20 1500
10. Una cadena de restaurantes cuenta actualmente con tres sucursales en el pas. El
problema al que se enfrenta consiste en que debe transportar desde tres distintos
puntos que representan centros de distribucin, hacia cada restaurante,
materiales para su funcionamiento. El costo de transporte vara de acuerdo al
siguiente cuadro resumen.
Restaurante No.
Centro 1 2 3 Oferta
1 0.95 0.30 0.40 35,000
2 0.60 0.35 0.60 80,000
3 0.40 0.50 0.40 140,000
Demanda 35,000 70,000 130,000
11. Una compaa posee cinco centros de venta de productos que estn ubicados
en diferentes partes del pas, a los cuales les abastece de mercadera a travs de
diferentes medios de transporte, movilizados desde tres plantas de produccin.
Con base a los costos del transporte por unidad, a los requerimientos de los

MCS
centros de venta y a la capacidad de las plantas productoras que se muestra en el
siguiente cuadro, determine el costo ptimo de transporte.
Centros de Venta
Fabrica 1 2 3 4 5 Capacidades
1 11 20 19 11 16 800
2 14 13 11 15 17 1000
3 16 12 18 14 19 600
12. Una industria de gas propano posee 4 almacenadoras de gas ubicadas en

Puerto Barrios, Puerto Quetzal, San Miguel Petapa y Champerico; desde las cuales
debe trasladar su producto hacia las plantas de envase ubicadas en Retalhuleu,
Cobn, Chimaltenango, San Marcos y Chiquimula. La capacidad mensual de las
almacenadoras es de 175,000 lbs; 175,000 lbs; 125,000 lbs y 100,000 lbs;
respectivamente. Las plantas de envase requieren mensualmente: 80,000 lbs;
170,000 lbs; 75,000 lbs; 95,000 lbs y 155,000 lbs; respectivamente. Los costos de
trasladado por cada mil libras desde un destino a otros, se resumen a
continuacin.
Plantas de Envase
Almacena 1 2 3 4 5
dora
1 125 65 90 125 78
2 80 150 85 120 98
3 85 140 80 70 80
4 90 120 95 80 80
13. La empresa de pisos Pisos El Aguila, S.A. dedicada a la fabricacin y distribucin

de losa, pretende reducir sus costos de distribucin, por lo que le solicita realizar el
estudio y anlisis de distribucin, as como su costo asociado correspondiente.

MCS
Destino No.
Fbrica A B C Disponib.
1 30 170 90 1,400
2 400 310 300 1,600
3 0 0 1000 1,800
Demanda 1,600 1,600 1,600
14. La empresa Hierros, S.A. dedicada a la fabricacin y distribucin de varillas de

hierro, pretende reducir sus costos de distribucin, por lo que le solicita realizar el
estudio y anlisis de distribucin, as como su costo asociado correspondiente.
Destino No.
1 50 70 90 50
2 40 110 30 80
3 0 20 100 50
Demanda 60 60 60
15. Una empresa productora de cemento, posee cinco plantas de produccin,

desde las cuales debe transportar su producto hacia tres importantes
distribuidores de materiales de construccin. La informacin sobre costos de
distribucin, es la siguiente.

MCS
Distribuidores
1 75 110 130 40
2 25 50 75 30
3 25 150 175 15
4 200 50 225 20
5 20 10 5 10
Demanda 40 40 35
16. Una empresa productora de cemento, posee cinco plantas de produccin,

desde las cuales debe transportar su producto hacia tres importantes
distribuidores de materiales de construccin. La informacin sobre costos de
distribucin, es la siguiente.
Distribuidores
1 60 55 70 10
2 30 35 40 25
3 110 65 112 10
4 75 100 85 45
5 90 95 55 35
Demanda 15 75 35

S
MC

MC S
C
CAAPPIITTUULLO
O IIV
V
A
ASSIIG
GNNA
ACCII
NND
DEE RREEC
CUURRSSO
OSS
-C
- Coonncceeppttoo
onsiste en asignar al mnimo costo los requerimientos necesarios para
cumplir con una necesidad, encontrando la solucin ptima por medio de una matriz
de "n" columnas por "m" filas, donde "n" debe ser igual a "m".
La formulacin de este problema puede considerarse como un caso especial

del modelo de transporte. Aqu los trabajos representan "orgenes" y las mquinas
representan "destinos". La oferta disponible en cada fuente es igual a 1. De igual
manera, la demanda requerida en cada destino es igual a 1.
Antes de que el modelo pueda resolverse es necesario balancear primero el

problema, aadiendo trabajos ficticios o mquinas ficticias, dependiendo de, si m<n
o m>n. Por consiguiente, deber ajustar el modelo de tal forma que m = n sin prdida
de generalidad.
El principal objetivo consiste en asignar los trabajos a las mquinas (un trabajo
por mquina), con el costo mnimo total.
- RReepprreesseennttaacciinn G
Geenneerraall ddeell M
Mooddeelloo ddee A
Assiiggnnaacciinn
MAQUINA (Destinos)
1 2 ... n
1 C11 C11 ... C11
TRABAJO 2 C11 C11 ... C11
(Origen) ...
m C11 C11 ... C11

MC S
-C
Coonnssiiddeerraacciioonneess ppaarraa eell pprroocceeddiim
miieennttoo ddee ssoolluucciinn
1. El conjunto de soluciones factibles = n = m.

2. La solucin del modelo permanece igual si una constante se agrega o se resta
a cualquier rengln o columna de la matriz de costo.
3. El propsito es crear una nueva matriz con cantidades "cero", los cuales
constituyen una solucin factible.
4. Los elementos "cero" se crean restando el elemento ms pequeo en cada
rengln o columna, de los dems elementos del mismo rengln o columna
correspondiente.
5. Si un trabajo no puede asignarse a cierta mquina, el costo correspondiente
se considera con un valor "M", es decir, un costo muy alto.
-M
- Mttooddooss ddee SSoolluucciinn
1. Mtodo cuando existe solucin factible ptima inicial.

2. Mtodo cuando no existe solucin factible ptima inicial.
3. Mtodo cuando no existe solucin factible ptima inicial y la matriz no es
cuadrada.
- maa iinniicciiaall
Mttooddoo ccuuaannddoo eexxiissttee ssoolluucciinn ffaaccttiibbllee ppttiim
- M
Ejemplo 1
Deben efectuarse cuatro reparaciones a cuatro distintas mquinas. El objetivo es
determinar la asignacin de estas reparaciones al mecnico que nos cobre ms
barato, segn la matriz de costos siguiente.

MC S
MECANICOS
A B C D
1 0.16 0.14 0.15 0.18
Mquina a 2 0.12 0.13 0.16 0.14
Reparar 3 0.14 0.13 0.11 0.12
4 0.16 0.18 0.15 0.17
Solucin:
1. Reste el menor valor de cada fila, de cada elemento de esa misma fila. El menor
valor de cada rengln se simboliza como "pm" Para nuestra matriz, el valor ms
pequeo de la fila 1 = 0.14 (p1); para la fila 2 = 0.12 (p2); para la fila 3 = 0.11 (p3) y
para la fila 4 = 0.15 (p4). Presente sus resultados en una nueva matriz de costos.
A B C D
1 0.02 0 0.01 0.04
2 0 0.01 0.04 0.02
3 0.03 0.02 0 0.01
4 0.01 0.03 0 0.02
2. Reste el menor valor de cada columna, de cada elemento de esa misma

columna. El menor valor de cada columna se simboliza como "qn". Para la matriz
anterior, el valor ms pequeo de las primeras tres columnas "q1", "q2" y "q3"
corresponde al valor cero. Para la columna 4, el menor valor "q4" es igual a 0.01.
Los resultados se presentan en la siguiente matriz.
A B C D
1 0.02 0 0.01 0.03
2 0 0.01 0.04 0.01
3 0.03 0.02 0 0
4 0.01 0.03 0 0.01
3. Como los elementos "cero" representan una solucin factible, se busca asociar
estos elementos con la asignacin de cada mquina a cada mecnico, siendo
sta, la solucin ptima de asignacin que se visualiza mediante el sombreado
de los valores "cero" en la tabla anterior y de la cual se concluye lo siguiente:

MC S
Se debe asignar la mquina 1 al mecnico B, a un costo de Q.0.14
Se debe asignar la mquina 2 al mecnico A, a un costo de Q.0.12
Se debe asignar la mquina 3 al mecnico D, a un costo de Q.0.12
Se debe asignar la mquina 4 al mecnico C, a un costo de Q.0.15
COSTO TOTAL : Q.0.53
Los costos presentados anteriormente se obtienen de la tabla inicial de costos,

tomando nicamente los valores ubicados en la misma posicin que indican los
valores "cero" en la ltima matriz.
Puede verificar que el costo total de asignacin tambin lo puede encontrar

mediante la suma de los elementos p1 + p2 + p3 +... + pm + q1 +q2 + q3 +... + qn.
-M maa iinniicciiaall
Mttooddoo ccuuaannddoo nnoo eexxiissttee ssoolluucciinn ffaaccttiibbllee ppttiim
No siempre es posible obtener una asignacin factible como en el ejemplo

anterior; para estos casos, debe considerarse un conjunto de pasos adicionales.
Ejemplo 1
Deben efectuarse cuatro reparaciones a cuatro distintas mquinas. El objetivo es
determinar la asignacin de estas reparaciones al mecnico que nos cobre ms
barato, segn la matriz de costos siguiente.
MECNICOS
A B C D
1 2 6 8 5
Mquina a 2 11 9 12 11
Reparar 3 6 7 13 9
4 10 9 10 7
Solucin:

MC S
1. Reste el menor valor de cada fila, de cada elemento de esa misma fila. El valor
ms pequeo de la fila 1 = 2 (p1); para la fila 2 = 9 (p2); para la fila 3 = 6 (p3) y para
la fila 4 = 7 (p4). Presente sus resultados en una nueva matriz de costos.
A B C D
1 0 4 6 3
2 2 0 3 2
3 0 1 7 3
4 3 2 3 0

columna. Para la matriz anterior, el valor ms pequeo de las columnas 1, 2 y 4
representados por "q 1", "q 2" y "q 4", es "cero". Para la columna 3, el menor valor "q3"
es igual a 3. Los resultados se presentan en la siguiente matriz.
A B C D
1 0 4 3 3
2 2 0 0 2
3 0 1 4 3
4 3 2 0 0
Para este caso no es posible realizar una asignacin factible a los elementos cero
debido a que las mquinas 1 y 3 tienen nicamente como opcin de asignacin
al mecnico A y la forma correcta de asignar indica que debe ser slo "una
mquina por mecnico". De tal forma que ahora debemos continuar con los
pasos adicionales.
3. Trace un nmero mnimo de lneas a travs de algunos de los renglones y

columnas, de tal manera que todos los ceros sean tachados. La matriz queda as:
A B C D
1 0 4 3 3
2 2 0 0 2
3 0 1 4 3
4 3 2 0 0

MC
4.
S Identifique y seleccione el elemento ms pequeo que no est tachado en la
tabla. Observe bien que en la tabla anterior el elemento menor que no est
tachado es el nmero 1.
5. Reste el elemento identificado en el paso anterior, a todo elemento "no tachado"

de la tabla; y smelo a todo elemento ubicado en la interseccin de dos lneas.
Los dems elementos que s estn tachados pero que no estn ubicados en la
interseccin de dos lneas permanecen con su mismo valor. Los resultados son los
siguientes.
A B C D
1 0 3 2 2
2 3 0 0 2
3 0 0 3 2
4 4 2 0 0
La conclusin se resume as:

Se debe asignar la mquina 1 al mecnico A, a un costo de Q. 2.00
Se debe asignar la mquina 3 al mecnico B, a un costo de Q. 7.00
Se debe asignar la mquina 4 al mecnico D, a un costo de Q. 7.00
COSTO TOTAL : Q. 28.00
6. Si la solucin ptima no se obtuviera en el paso anterior, entonces el

procedimiento de tachar lneas debe repetirse hasta que se logre una asignacin
factible.
Ejemplo 2
Considere el problema de asignar cuatro operadores a cuatro mquinas. Los costos
de asignacin se presentan en tabla siguiente. Tenga en cuenta que el operador 1
no sabe utilizar la mquina 4 y el operador 4 no puede utilizar la mquina 1.
Encuentre la asignacin ptima.

MC S
MAQUINA
1 2 3 4
1 65 65 62 M
Operador 2 67 64 62 63
3 69 63 65 67
4 M 62 66 67
Solucin:
1. Al restar el menor valor de cada fila se obtiene la siguiente matriz.
1 2 3 4
1 3 3 0 (M-62)
2 5 2 0 1
3 6 0 2 4
4 (M-62) 0 4 5
2. Al restar el menor valor de cada columna se obtiene la siguiente matriz.
1 2 3 4
1 0 3 0 (M-63)
2 2 2 0 0
3 3 0 2 3
4 (M-65) 0 4 4
3. Luego de trazar lneas para tachar los elementos cero, obtenemos lo siguiente:
1 2 3 4
1 0 5 0 (M-63)
2 2 4 0 0
3 1 0 0 1
4 (M-67) 0 2 2

Se debe asignar el operador 1 a la mquina 1, a un costo de Q.65.00
COSTO TOTAL : Q. 255.00

MC
-M
SMttooddoo ccuuaannddoo nnoo eexxiissttee ssoolluucciinn ffaaccttiibbllee ppttiim
maa iinniicciiaall yy llaa m
maattrriizz nnoo eess
ccuuaaddrraaddaa
Antes de resolver un problema recuerde que debe ajustar sus orgenes y

destinos de tal manera que m = n en todos los casos.
Ejemplo 1
Deben efectuarse cinco reparaciones a cinco distintas mquinas. Para ello, se
cuenta con seis mecnicos. El objetivo es determinar la asignacin de estas
reparaciones al mecnico que nos cobre ms barato, segn la matriz de costos
siguiente.
MECANICO
A B C D E F
1 16 14 19 26 22 12
2 14 22 29 19 20 16
MAQUINA 3 15 14 7 12 9 13
4 10 18 12 17 17 16
5 12 16 15 11 17 14
Solucin:
1. Como en este caso m < n, entonces debe balancearse el problema agregando
una mquina ficticia.
A B C D E F
1 16 14 19 26 22 12
2 14 22 29 19 20 16
3 15 14 7 12 9 13
4 10 18 12 17 17 16
5 12 16 15 11 17 14
6 0 0 0 0 0 0

MC
2.
S Al restar el elemento menor de cada fila, obtenemos la siguiente matriz.
A B C D E F
1 4 2 7 14 10 0
2 0 8 15 5 6 2
3 8 7 0 5 2 6
4 0 8 2 7 7 6
5 1 5 4 0 6 3
6 0 0 0 0 0 0
3. El elemento menor de cada columna es "cero" en todos los casos, por lo tanto, la
matriz permanece igual. Luego de realizar el procedimiento de trazar lneas para
tachar todos los ceros, se obtienen los siguientes resultados.
A B C D E F
1 6 2 7 14 10 0
2 0 6 13 3 4 0
3 10 7 0 5 2 6
4 0 6 0 5 5 4
5 3 5 4 0 6 3
6 2 0 0 0 0 0
4. Como no se obtuvo una solucin factible en el paso anterior, se repite el

procedimiento de trazar lneas para tachar ceros y se obtiene la matriz que se
detalla a continuacin.

MC S
A B C D E F
1 6 0 7 12 8 0
2 0 4 13 1 2 0
3 10 5 0 3 0 6
4 0 4 0 3 3 4
5 5 5 6 0 6 5
6 4 0 2 0 0 2

Se debe asignar la mquina 1 al mecnico F, a un costo de Q.12.00
Se debe asignar la mquina 2 al mecnico A, a un costo de Q.14.00
Se debe asignar la mquina 3 al mecnico E, a un costo de Q.09.00
Se debe asignar la mquina 5 al mecnico D, a un costo de Q.11.00
COSTO TOTAL : Q.58.00
Al mecnico B no debe asignrsele ninguna reparacin debido a que la

reparacin 6 es ficticia.
-M miizzaacciinn ddee rreeccuurrssooss

Maaxxiim
No siempre el objetivo de una matriz de asignacin corresponder al criterio

de minimizacin de costos o tiempo. Existe diversidad de aplicaciones en donde el
objetivo de la matriz es la maximizacin de los recursos, tales como, ingresos
generados, calificaciones obtenidas, capacidad de trabajo, etc.
En este ltimo caso, los pasos generales aplicables en cada uno de los
mtodos o situaciones descritas con anterioridad, son aplicables de la misma forma
para maximizar la matriz, con excepcin del primer paso que cambia de criterio,
quedando as:
MCS
Ejemplo 1
Considere el Ejemplo 1 de la Seccin Mtodo cuando no existe solucin ptima
inicial, del cual obtenemos los siguientes datos.
REGIN
A B C D
1 2 6 8 5
Vendedor 2 11 9 12 11
3 6 7 13 9
4 10 9 10 7
Piense ahora que no estamos hablando de costos de reparacin de mquinas, sino

ms bien, de ingresos generados por ventas, por cuatro personas (vendedores),
segn la regin que se les ha asignado con anterioridad. El objetivo consistir ahora
en asignar cada uno de los vendedores, en la regin ms conveniente, a fin de
maximizar los ingresos por ventas.
Solucin:
1. Reste el elemento de mayor valor de cada fila, de cada elemento de esa misma
fila. El valor ms alto de la fila 1 = 8 (p1); para la fila 2 = 12 (p2); para la fila 3 = 13
(p3) y para la fila 4 = 10 (p4). Presente sus resultados en valores absolutos en una
nueva matriz de costos.
A B C D
1 6 2 0 3
2 1 3 0 1
3 7 6 0 4
4 0 1 0 3

columna. Para la matriz anterior, el valor ms pequeo de la columnas 1 (q1) = 0;
columna 2 (q2) = 1; columnas 3 (q3) = 0; y columna 4 (q4) = 1. Los resultados se
presentan en la siguiente matriz.
MCS
A B C D
1 6 1 0 2
2 1 2 0 0
3 7 5 0 3
4 0 0 0 2
Para este caso no es posible realizar una asignacin factible a los elementos cero
debido a que los vendedores 1 y 3 tienen nicamente como opcin de
asignacin, la regin C. De tal forma que ahora debemos continuar con los pasos
adicionales.
3. Trace un nmero mnimo de lneas a travs de algunos de los renglones y

columnas, de tal manera que todos los ceros sean tachados. La matriz queda as:
A B C D
1 5 1 0 2
2 1 2 0 0
3 7 4 0 3
4 0 0 0 2
4. Identifique y seleccione el elemento ms pequeo que no est tachado en la

tabla. Observe bien que en la tabla anterior el elemento menor que no est
tachado es el nmero 1.
5. Reste el elemento identificado en el paso anterior, a todo elemento "no tachado"

de la tabla; y smelo a todo elemento ubicado en la interseccin de dos lneas.
Los dems elementos que s estn tachados pero que no estn ubicados en la
interseccin de dos lneas permanecen con su mismo valor. Los resultados son los
siguientes.
A B C D
1 4 0 0 2
2 0 1 0 0
3 6 3 0 3
4 0 0 1 3
MC S La conclusin se resume as:
Se debe asignar el vendedor 1 a la regin B: Q. 6.00

Se debe asignar el vendedor 2 a la regin D: Q. 11.00
Se debe asignar el vendedor 3 a la regin C: Q. 13.00
Se debe asignar el vendedor 4 a la regin A: Q. 10.00
INGRESO TOTAL ESPERADO : Q. 40.00
Si la solucin ptima no se obtuviera en el paso anterior, entonces el procedimiento

de tachar lneas debe repetirse hasta que se logre una asignacin factible.
- PPrroobblleem Caappttuulloo

estudiar y analizar detenidamente. Resulvalos mediante el modelo de asignacin
para lo cual deber desarrollar el mtodo que sea aplicable segn las necesidades
que se le presenten.
1. En el rea de produccin de una empresa, se han presentado una serie de

desperfectos en cuatro mquinas. El rea de mantenimiento industrial de la
misma empresa, cuenta con cuatro mecnicos que consumen tiempos distintos
para la reparacin de cada mquina. Determine la asignacin ms
recomendable de conformidad a la siguiente tabla.
MECNICOS
A B C D
1 400 500 700 500
MAQUINA 2 450 400 300 400
3 500 700 800 700
4 300 700 400 700
MC
2.
S Una fbrica adquiri cuatro mquinas. Existen cuatro lugares diferentes
donde se pueden asignar. Algunos de los lugares son ms deseables que otros.
El objetivo consiste en asignar las nuevas mquinas a los lugares disponibles
para minimizar los costos estimados por unidad de tiempo. Los costos se dan
en la tabla siguiente.
LUGAR
L1 L2 L3 L4
1 13 10 15 20
MAQUINA 2 30 18 17 15
3 9 7 3 22
4 8 31 32 34
3. En el rea de produccin de una empresa, se han presentado una serie de

desperfectos en cinco mquinas. Esta empresa cuenta con cinco talleres para la
reparacin de las mquinas. Determine la asignacin ms recomendable de
conformidad a la siguiente tabla de costos.
TALLERES
A B C D E
1 7 5 6 4 5
MAQUINA 2 3 4 5 4.5 4
3 8 7 7 5 7
4 4 7 9 3 7
5 9 7 9 8 4
4. Una empresa industrial necesita elaborar cuatro piezas maquinadas en torno,

para lo cual cuenta con cuatro talleres. El objetivo es determinar la asignacin
ptima de las piezas a los talleres para que resulte un costo mnimo. La tabla de
costos se presenta a continuacin.
MC S
TALLER
A B C D
1 16 14 15 18
PIEZA 2 12 13 16 14
3 14 13 11 12
4 16 18 15 17
5. Determine el costo mnimo de asignacin de la siguiente matriz.
X Y Z
A 2 3 6
B 2 1 5
C 4 6 12
6. Determine el costo mnimo de asignacin de la siguiente matriz.
A B C D
1 10 9 7 9
2 9 9 7 8
3 8 10 8 9
4 7 8 8 6
7. Una fbrica de zapatos deportivos elabora cinco modelos diferentes de tenis:

Running; Walking; Football; Gym; y Confort. Para cumplir con los pedidos de sus
diferentes clientes cuenta con cinco empleados: Juan, Mario, Pedro, Mara y
Juana. Los tiempos (en horas) que cada uno de ellos se tarda en elaborar cada
modelo, se detalla a continuacin.
MC S
MODELO
Running Walking Football Gym Confort
Juan 4.5 6.5 3 3.5 3.5
EMPLEADO Mario 5 6 3.5 6.5 4
Pedro 5.5 5 3.5 8 4.5
Mara 4 5.5 3 7 4
Juana 6 4.5 4 6 3
8. Resuelva el problema 7, considerando la tabla de datos como unidades

producidas por cada empleado. Cul es la asignacin ms adecuada?.
9. Una compaa necesita asignar cuatro trabajadores en cuatro mquinas.

Determine la asignacin ptima para que los costos sean mnimos.
MAQUINAS
1 2 3 4
1 25 18 19 9
TRABAJADOR 2 40 12 14 5
3 15 22 32 17
4 10 28 17 35
10. Se utilizarn cuatro camiones de carga para transportar bienes hacia cuatro
distintos lugares en el interior de la Repblica. Se puede utilizar cualquier camin
para hacer cualquiera de los cuatro viajes. Sin embargo, dadas algunas
diferencias entre los camiones y las cargas, el costo total de transporte de bienes
para las distintas combinaciones de camiones y lugares de destino, vara mucho.
Estos costos se muestran en la siguiente tabla.
MCS
DESTINO
1 2 3 4
1 3 5 6 4
CAMION 2 5 6 4 5
3 4 7 5 6
4 3 6 5 4
11. Cierta empresa industrial posee cuatro mquinas nuevas para lo cual contrat a
cuatro operadores para el manejo de las mismas. La empresa desea saber qu
mquina debe asignar a cada operador de manera que el costo sea mnimo.
MAQUINAS
1 2 3 4
1 1 4 6 3
OPERADOR 2 9 7 10 9
3 4 5 11 7
4 8 7 8 5
12. El gerente administrativo de una granja avcola desea ampliar su mercado y para
ello ha planeado cinco nuevas rutas hacia distintas regiones, para lo cual ha
adquirido cinco vehculos. Segn estudios realizados con anterioridad se ha
determinado el costo que representara para la empresa el desplazamiento de
cada vehculo a cada regin. Los datos, a continuacin.
REGIN
1 2 3 4 5
1 25 17 25 14 36
VEHCULO 2 15 10 18 24 40
3 16 20 8 13 26
4 35 27 35 24 33
5 30 25 33 39 35
MCS
13. Resuelva el problema 12, considerando la tabla de datos como volumen de
ventas generados por cada vendedor. Cul es la asignacin ms adecuada?.
14. Una empresa cuenta con cinco candidatos para realizar cuatro tareas
especficas y temporales muy importantes. De acuerdo a las caractersticas de los
candidatos y otras circunstancias relacionadas, se determin que los costos de
ejecucin de cada tarea vara para cada candidato. Adems, todos los
candidatos resultan muy eficientes, por lo que resulta difcil determinar cul de
ellos no ser tomado en cuenta. Los costos se resumen a continuacin.
TAREA
1 2 3 4
1 3,770 4,340 3,330 2,920
CANDIDATO 2 3,290 3,310 2,850 2,640
3 3,380 4,220 3,890 2,960
4 3,700 3,470 3,040 2,850
5 3,540 4,180 3,360 3,110
15. Una industria qumica elabora seis tipos de componentes diferentes, los cuales
son aceptados indistintamente por seis fbricas que los requieren. La ganancia
obtenida depende no slo del compuesto que se produce, sino tambin de la
fbrica que lo requiere. La ganancia en quetzales se indica en la siguiente tabla.
FBRICA
1 2 3 4 5 6
A 0 250 300 100 0 170
COMPUESTO B 250 0 160 0 270 150
C 300 160 0 230 0 140
D 100 0 230 0 220 0
E 0 270 0 220 0 100
F 170 150 140 0 100 0
MCS
16. Resuelva el problema 11, pero ahora considerando que el operador 1 no sabe
operar la mquina 1 y el operador 4, no sabe operar la mquina 4. Cul es la
asignacin ms adecuada?.
17. Resuelva el problema 9, pero ahora considerando que el operador 2 no sabe

operar la mquina 2 y el operador 3, no sabe operar la mquina 1. Cul es la
asignacin ms adecuada?.
S
MC
MC S C
CAAPPIITTUULLO
OVV
A
ANN
LLIISSIISS D
DEE RREED
DEESS PPO
ORR EELL M
MTTO
ODDO
ODDEELL C
CAAM
MIIN
NOOC
CRRTTIIC
COO
-C
Coonncceeppttoo
l mtodo de la Ruta Crtica conocido como CPM por sus iniciales en ingls
Critical Path Method, es muy utilizado eficazmente para planificar, programar y

controlar proyectos. Se basa en la determinacin de un programa de tiempo
relacionando los costos y recursos requeridos.
El CPM es por naturaleza un mtodo determinstico, es decir, que su propsito

consiste en encontrar valores de tiempo concretos y concisos, partiendo de tiempos
estimados con un alto grado de certeza o confianza. Para su desarrollo es
indispensable determinar un circuito o diagrama de actividades y una trayectoria o
camino llamado crtico.
Antes de entrar de lleno al desarrollo del mtodo CPM, es indispensable

conocer algunos conceptos complementarios; desde la definicin de lo que es un
proyecto, las fases que conlleva, hasta las diversas tcnicas o mtodos aplicables
que se tratan a continuacin.
- PPrrooyyeeccttoo
Es todo proceso de conversin que se debe seguir para obtener un

producto. En otras palabras, es un conjunto de actividades relacionadas entre s con
una secuencia lgica.
MC S Para la ejecucin de todo proyecto, deben realizarse ciertas actividades
que al ejecutarse en un orden determinado, se llega al fin deseado, organizando
para el efecto, los recursos, el tiempo, material, etc. Se dice que una actividad es
todo trabajo que requiere tiempo y recursos para su terminacin.
-
- FFaasseess ddee uunn pprrooyyeeccttoo
1. Planificacin: Consiste en decidir por anticipado, qu es lo que se va a

hacer (establecer metas deseadas, desarrollar planes de accin para el
logro de metas). Esta fase se inicia descomponiendo el proyecto en
actividades distintas y construyendo una red o diagrama de flechas o
actividades.
2. Programacin: Consiste en la asignacin de los tiempos de ejecucin a las

actividades que forman un proyecto (horarios y erogaciones para cada
actividad). Muestra los tiempos de inicio y terminacin para cada
actividad, as como la relacin con otras actividades del proyecto. Es la
enmarcacin del proyecto dentro del tiempo.
3. Control: Consiste en la verificacin de lo planeado contra lo realizado,

introduciendo algn correctivo si se demandara (evaluacin y toma de
decisiones).
- TTccnniiccaass uuttiilliizzaaddaass ppaarraa ppllaanniiffiiccaarr,, pprrooggrraam

maarr yy ccoonnttrroollaarr pprrooyyeeccttooss
Las principales tcnicas aplicables son: El diagrama de barras o de Gantt; el

CPM y el PERT. Cada uno de ellos tiene distintas caractersticas y aplicaciones en
ciertas situaciones en particular.
MC
-
S D
Diiaaggrraam
maa ddee BBaarrrraass oo ddee G
Gaanntttt
Es muy utilizado principalmente en trabajos de ingeniera y de la industria.

Generalmente, este diagrama se elabora antes del inicio de cualquier proyecto. Los
pasos generales para su elaboracin son:
1) Determinar actividades generales en las que se divide el proyecto;

2) Estimar la duracin de cada actividad;
3) Establecer un orden de ejecucin de actividades;
4) Representar cada actividad por medio de una barra recta cuya
longitud es la duracin de la actividad.
Las ventajas que ofrece el diagrama, se dan cuando se utiliza como grfico de
control, siendo las principales las siguientes.
1. Muestra el tiempo de retraso de cualquier actividad y la causa de ello.

2. Muestra el estado actual del programa y su comparacin con el propuesto.
3. Se conoce fcilmente el tiempo total que trabaja cada departamento o mquina.
Las principales desventajas del diagrama se presentan cuando se quiere utilizar

para programar, estas desventajas son:
1. Es de mucha dificultad determinar la relacin existente entre las actividades del

proyecto.
2. Es difcil comprimir o compactar un programa para mejorar tiempos o costos.
3. No muestra actividades claves que fijarn la duracin de un proyecto.
MCS
-O
Orrggeenneess yy aapplliiccaacciioonneess ddeell m
mttooddoo ddeell ccaam
miinnoo ccrrttiiccoo
Los orgenes del mtodo del camino crtico se encuentran en el

desarrollo del mtodo PERT (Program Evaluation and Review Technique)
alrededor del ao de 1957 y en el desarrollo del mtodo CPM (Critical Path
Method), tambin desarrollado alrededor de 1957 en bsqueda del control y
la optimizacin de los costos de operacin.
Ambos mtodos aportaron los elementos administrativos necesarios para

formar el mtodo del camino crtico actual, utilizando el control de los tiempos de
ejecucin y los costos de operacin, con el fin de ejecutar el proyecto en el menor
tiempo y al menor costo posible.
Debido a la flexibilidad del mtodo del camino crtico y a su adaptabilidad a

cualquier proyecto grande o pequeo, el cambio de accin de ste, es muy amplio.
Sin embargo, se obtienen mejores resultados cuando se aplica a proyectos que
tienen las siguientes caractersticas:
q Que el proyecto sea nico, no repetitivo, en algunas partes o en su totalidad.

q Cuando el proyecto debe ejecutarse en un tiempo mnimo, es decir, en un
tiempo crtico.
q Cuando se busca que el costo de operacin sea el ms bajo dentro de un
tiempo disponible.
Las principales aplicaciones del mtodo se encuentran en la actualidad en las

siguientes actividades y reas:
q Construccin de presas
q Apertura de caminos
q Pavimentacin
q Construccin de casas y edificios
MC
q
S Reparacin de barcos
q Investigacin de mercados
q Movimientos de colonizacin
q Estudios econmicos regionales
q Auditoras
q Distribucin de tiempos de salas de operaciones
q Ampliaciones de fbrica
q Planeacin de itinerarios para cobranzas
q Planes de venta
q Censos de poblacin, etc.
Crrttiiccaa C
Mttooddoo ddee llaa RRuuttaa C
-M M--
CPPM
Como se mencion con anterioridad, el CPM (Critical Path Method) o Mtodo

de la Ruta Crtica, es un mtodo eficaz y muy utilizado para planificar, programar y
controlar proyectos. Fue propuesto por los tcnicos de la Compaa Du Pont, J.M.
Kelly & M.R. Walker entre 1957 y 1959, buscando una mejor forma de planificar y
programar, aplicndolo a plantas qumicas. Debido a los resultados obtenidos, a
partir de esa fecha, se ha generalizado en todo el mundo.
El mtodo define una ruta crtica (la ruta ms larga en tiempo de un proyecto),
la cual es la base para su desarrollo. Adems, se consideran sus tiempos como
deterministas, es decir que son predecibles con un alto grado de exactitud.
- Elementos del CPM:
1. Listado de tareas (actividades)

2. Red de Actividades o Diagrama de flechas: Estructura bsica que
representa de manera grfica, lgica y secuencial, el desarrollo de las
MCS
actividades que componen el proyecto, interrelacionando las mismas y
permitiendo el anlisis del plan para la toma de decisiones.
3. Anlisis de COSTOS para la reduccin de la duracin del proyecto,

considerando tiempos de compresin posibles por actividad y el costo
incremental (pendiente de costo) por da de reduccin al aplicar un
programa urgente.
- Elementos de la Red de Actividades o diagrama de flechas:
Se llama red a la representacin grfica de las actividades que muestran sus

eventos, secuencias, interrelaciones y el camino crtico.
No solamente se llama camino crtico al mtodo, sino tambin a la serie de

actividades contadas desde la iniciacin del proyecto hasta su terminacin, que no
tienen flexibilidad en su tiempo de ejecucin, por lo que cualquier retraso que sufriera
alguna de las actividades de la serie, provocara un retraso en todo el proyecto.
Desde otro punto de vista, camino crtico es la serie de actividades que indica
la duracin total del proyecto.
1. Evento: Se define como el inicio o terminacin de una actividad.

No consume tiempo ni recursos. A los eventos se les
conoce tambin con el nombre de Nodos.
2. Actividad:
2.1 Real: Consume tiempo y recursos. Es una parte del proyecto

que se desarrolla entre dos eventos sucesivos. Posee
MCS
direccin. La longitud no representa ninguna magnitud.
2.2 Ficticia: Se utiliza cuando existe la necesidad de indicar una

dependencia entre actividades. No consume
tiempo ni recursos.
El diagrama de flechas est constituido por un nmero de caminos o

cadenas de eventos y actividades consecutivas necesarias para desarrollar
completamente el proyecto.
Para establecer un diagrama de flechas se debe localizar cada

actividad en la estructura del proyecto determinado
- Condiciones para la correcta elaboracin:
1. Cada actividad est representada por una flecha y a cada flecha

corresponde una sola y nica actividad (entre dos eventos, slo puede
haber una actividad).
2. Todas las actividades que terminan en un mismo punto, deben preceder a

aquellas que empiezan en ese punto. (A y B preceden a C).
A
C
3. Todas las actividades que empiezan en un punto deben estar precedidas

por todas aquellas que terminan en ese punto.
S
MC
4. El diagrama no puede tener ningn circuito cerrado, es decir que cuando una
actividad es ejecutada, ya no se puede volver a ella.
NO
5. Una actividad no puede iniciarse hasta que aquella o aquellas que la

preceden en forma inmediata, no sean realizadas.
6. Deben prevenirse las redundancias que provienen de la mala aplicacin

del concepto de dependencia.
7. Debe evitarse que dos actividades que parten de un mismo evento lleguen
a finalizar en el mismo evento siguiente. Esto produce confusin de tiempo
y de continuidad. Para el efecto, debe abrirse el evento inicial o el evento
final en dos eventos y unirlos con una actividad ficticia.
C
C
A A
Ficticia
B
INCORRECTO B
CORRECTO
8. Deben evitarse los eventos sueltos al inicio o al finalizar la red. Todos los
eventos deben estar relacionados con el evento inicial o con el evento
final.
MCS
- Ejemplos de diagramas:
1. Actividades simultneas:
2. Para realizar C y D, se necesita realizar antes A y B.
A C
B D
3. Para realizar la actividad C, es indispensable realizar las actividades A y B,

pero para realizar D, slo es necesario la actividad B.
B D
A C
- Numeracin de Eventos:
Los eventos deben numerarse en secuencia lgica de izquierda a derecha y
de arriba hacia abajo.
- Determinacin de la duracin de las actividades:

1) Por registros referentes a la duracin de actividades iguales.
2) Por estimaciones del programador, sobre todo en actividades que no se
han realizado antes. Trabajos de investigacin, programas de desarrollo,
etc.
3) Por experiencia del programador en la ejecucin de proyectos iguales o
similares.
MCS
- Tiempos considerados en CPM:
a) Tiempo de terminacin ms temprano: Es el tiempo ms temprano posible

en que pueden terminarse todas las actividades que llegan a un evento
determinado. En otras palabras, puede decirse que representa el tiempo
en el que ocurrir el inicio de una actividad si las actividades que la
preceden comienzan lo ms pronto posible. Se analizan todas las flechas
que convergen a un evento y se elige el mayor valor.
b) Tiempo de terminacin ms tardo: Es la fecha extrema o la ltima fecha

aceptable en que un evento puede ser realizado sin atrasar el proyecto.
Este tiempo representa el ltimo momento en el que puede ocurrir una
actividad sin retrasar la terminacin del proyecto. Se calcula de modo
inverso al empleado anteriormente; es decir, que se recorre el diagrama
de derecha a izquierda, restando acumulativamente la duracin al evento
final y colocando el menor valor.
- Holguras:
Las actividades que no son del camino crtico, cuentan con mayor tiempo
para su terminacin. Sus tiempos de inicio y terminacin pueden ser alterados hasta
cierto lmite, sin afectar la duracin del proyecto. A estos tiempos se les conoce como
Holguras o tiempos flotantes.
Generalmente los tiempos de holgura sirven como mrgenes de seguridad,

equilibrio en las necesidades de la mano de obra y permiten cierto atraso en la
aplicacin de recursos.
La Holgura Total de una actividad est definida por la siguiente frmula:

HT = Lj (Ei + D).
MC S De donde;
Lj = Tiempo de terminacin ms tardo del evento final de la actividad.
Ei = Tiempo de terminacin ms temprano del evento inicial.
D = Duracin de la actividad.
- Definicin del Camino Crtico:

Es la ruta ms larga del diagrama en trminos de tiempo. Es la cadena de
actividades cuya realizacin consume ms tiempo. A las actividades de este camino
se les llama actividades crticas y el retraso de cualquiera de ellas provoca el retraso
equivalente de todo el proyecto. Un diagrama puede tener ms de un camino
crtico.
- Consideraciones de costo en el CPM:

La relacin tpica entre la duracin y el costo directo asociado para cada una
de las actividades, se muestra en la siguiente grfica.
C
A
CL
CN B
TL TN T
MCS
La ejecucin de esta actividad en un tiempo normal (TN), tiene un costo
normal (CN). Si se desea disminuir el tiempo en que se realiza la actividad, ste puede
disminuirse hasta cierto lmite (TL) y el costo asociado aumenta tambin hasta llegar
un lmite (CL). Despus del punto A, el costo aumenta sin que el tiempo disminuya
ms. A la derecha del punto B, el costo y el tiempo aumentan proporcionalmente.
El costo que significa acelerar la actividad por unidad de tiempo es conocido

matemticamente como la pendiente de la curva y sta se calcula mediante la
relacin entre la diferencia de costos con la diferencia de tiempos. En otras palabras,
Pendiente = CL - CN
TL - TN
No se debe dejar de considerar los costos indirectos asociados en todo

proyecto, tales como los gastos de supervisin, administracin, arrendamiento de
locales y equipos utilizados, energa y otros similares; los cuales se relacionan de
manera directamente proporcional con el transcurrir del tiempo. A mayor tiempo de
ejecucin, mayores sern los costos indirectos. El efecto de costos directos e
indirectos se puede visualizar en la siguiente grfica de costos totales.
MCS
C COSTOS
TOTALES
CL COSTOS
INDIRECTOS
Co
COSTOS
DIRECTOS
CN
TL To TN T
En la grfica anterior, To y Co, representa el tiempo y costo ptimo del

programa.
MCS
- Ejemplo Ilustrativo CPM-Costo
Un contratista le solicita a usted como administrador de una empresa, la ejecucin

de un proyecto en particular. Las actividades y estimacin de recursos se resumen en
la siguiente tabla. Las cifras estn en quetzales por actividad y la duracin en das.
Actividad Precedencia COSTO COSTO DURACIN DURACIN

NORMAL LIMITE NORMAL LIMITE
A ----- 100 350 8 5
B A 200 400 6 3
C B 80 175 6 4
D B 150 300 7 4
E C 75 325 7 3
F D 120 450 2 1
G C 125 250 4 2
H E, F 190 320 4 1
I G, H 95 170 5 4
Los costos indirectos del proyecto se estiman en Q.75.00 diarios.

El contrato especifica que el proyecto debe ser concluido en 23 das. Su funcin
como planificador de este proyecto es cumplir con las especificaciones de tiempo
del proyecto e indicar el costo total asociado.
Solucin:
En la tabla anterior, se presenta la duracin normal a un costo normal para cada
actividad. Sin embargo, tambin se tiene cuantificado un tiempo lmite de reduccin
de cada actividad y el costo que representara su reduccin (costo lmite). Por
ejemplo, la actividad A que normalmente durara 8 das a un costo de Q.100.00;
puede reducirse hasta un lmite de 5 das al invertir ms recursos y por lo tanto, el
costo se incrementara a Q.350.00. De manera similar la persona analista del proyecto
MC S
debe cuantificar el costo lmite y tiempo lmite para cada actividad. Estos datos de
reduccin representan la planificacin de un programa urgente en el proyecto.
Luego de comprender los datos presentados, siga cuidadosamente los siguientes

pasos:
1. Construya su red de actividades o diagrama de flechas respetando las

precedencias de actividades y calculando a la vez, los tiempos de terminacin
ms temprano y ms tardo para cada actividad; con el propsito de visualizar
las holguras disponibles en el proyecto.
31
20
31 36
20
G I 36
0 8 14 4 7 8
0 8 14 C E
H
A B 6
1 2 3
27
F
D 5 27
21
25
El tiempo de terminacin ms temprano es el que se presenta en la parte superior

de los cuadros, mientras que el tiempo de terminacin ms tardo de cada
actividad, se presenta en la parte inferior de los cuadros.
2. Tome como base el cuadro inicial del proyecto y proceda a calcular el tiempo
mximo de compresin o reduccin permitido (Tc); el costo incremental (CI) por
actividad y el costo incremental por unidad de tiempo (pendiente de costo). El
Tc se determina mediante la diferencia entre la duracin normal con la duracin
lmite. El costo incremental es el resultado de la diferencia entre el costo lmite y el
costo normal. El costo incremental por unidad de tiempo (pendiente de costo) es
MC S
el resultado de dividir el dato del costo incremental entre el dato del tiempo de
compresin. Los resultados se presentan en la siguiente tabla.
Actividad Precedencia CN CL DN DL Tc CI CI/ dia

A - 100 350 8 5 3 250 83.3
B A 200 400 6 3 3 200 66.7
C B 80 175 6 4 2 95 47.5
D B 150 300 7 4 3 150 50
E C 75 325 7 3 4 250 62.5
F D 120 450 2 1 1 330 330
G C 125 250 4 2 2 125 62.5
H E,F 190 320 4 1 3 130 43.3
I G,H 95 170 5 4 1 75 75
COSTO
DIRECTO TOTAL 1,135
3. Prepare ahora una tabla en donde relacione el conjunto de actividades que

integran su proyecto con los distintos caminos, rutas o cadenas que stas forman
en el diagrama de flechas para recorrerlo desde su inicio hasta el fin y determine
el tiempo de duracin en el recorrido de cada ruta o camino.
DURACIN NORMAL 8 6 6 7 7 2 4 4 5
Ruta A B C D E F G H I Tiempo
1 X X X X X 29
Ruta Crtica 2 X X X X X X 36
3 X X X X X X 32
Para construir la tabla anterior, debe verificar en su red de actividades,

cuntas rutas o caminos existen para recorrer el diagrama desde su evento inicial
hasta su evento final. Una ruta est integrada por la cadena A-B-C-G-I y la
sumatoria de las duraciones normales de estas actividades da como resultado 29
das. Una segunda ruta est compuesta por la cadena de actividades A-B-C-E-H-I
y la sumatoria de sus duraciones normales da como resultado 36. Finalmente la
ltima ruta para recorrer el diagrama, est compuesto por la cadena A-B-D-F-H-I
y el tiempo total suma 32 das. En el cuadro de arriba, para cada ruta se marca
MC S
con una "X" cada actividad que la integra y se totaliza la duracin de la cadena de
actividades.
La ruta crtica es aquella ms larga en duracin, por lo tanto, la ruta crtica del
proyecto es la ruta 2 y sus actividades que la integran se dice que son
actividades crticas, sin holgura de tiempo, lo cual significa que cualquier retraso
en alguna de estas actividades, causar el retraso en la ejecucin de todo el
proyecto. La duracin de la ruta crtica, define la duracin normal del proyecto,
en este caso, 36 das.
Las actividades crticas se marcan en el cuadro del paso 2, porque ser a partir
de ellas, que se realizar la compresin o reduccin de la duracin del proyecto.
4. Ahora deber empezar a comprimir la duracin de su proyecto. Para lograrlo,

debe comprimir las actividades crticas del mismo. Al igual que si usted retrasa la
ejecucin de una actividad crtica, retrasar la duracin de todo el proyecto; de
igual forma, si usted logra reducir la duracin de estas actividades crticas, lograr
reducir la duracin del proyecto.
Del conjunto de actividades crticas, debe empezar a comprimir aquella que

presente el menor costo incremental por unidad de tiempo (pendiente de costo
ms pequea) y continuar as sucesivamente. Usted puede reducir su proyecto
hasta un punto mnimo, el cual est definido por la compresin total de todas las
actividades crticas, o bien, por la imposibilidad de mantener un equilibrio en
duracin con otras rutas o caminos. La duracin ptima del proyecto la
encontrar en algn punto intermedio, inicial o final de las compresiones y podr
identificarlo porque los costos totales en este punto sern los menores.
Debe analizar simultneamente la compresin que realice con el efecto en

costos directos que causa dicha reduccin, para lo cual deber trabajar dos
cuadros de manera simultnea, uno para las compresiones de tiempo en las
S
MC
distintas rutas del diagrama, y otro para calcular los costos directos que se originan
de la compresin. Los resultados del ejemplo, a continuacin.
8 6 6 7 7 2 4 4 5
Ruta A B C D E F G H I Tiempo
1 X X X X X 29 29 27 27 27 27 24 23 20
2 X X X X X X 36 33 31 29 29 27 24 23 20
3 X X X X X X 32 29 29 29 27 27 24 23 20
H C E D E B I A
COSTO
Compresin DIRECTO
36 1,135.00
(3*43.3) = 129.90 33 1,264.90 H
(2*47.5) = 95 31 1,359.90 C
(2*62.5) = 125 29 1,484.90 E
(2*50) + (2*62.5) = 225 27 1,709.90 D,E
(3*66.7) = 200.10 24 1,910.00 B
(1*75) = 75 23 1,985.00 I
(3*83.3) = 249.90 20 2,234.90 A
De las actividades crticas, la de menor costo incremental diario (pendiente de

costo), es la "H". Esta actividad tiene un tiempo de compresin permitido de 3
das, por lo que se procede a reducir en tres das, la duracin de las cadenas de
actividades en donde aparezca la actividad H. Para el ejemplo, son las rutas 2 y 3
las que se reducen en 3 das, porque es parte de ellas esta actividad. La ruta 1
permanece con su duracin inicial de 29 das.
Si la ruta crtica se ha reducido en 3 das, quiere decir que la duracin del

proyecto ahora ser de 33 das, pero esta reduccin representa un aumento en
los costos directos. Para determinar este aumento, se multiplican los tres das
reducidos por el costo incremental diario para la actividad H. El resultado de
Q.129.90 debe sumrsele al costo directo anterior de Q.1,135.00 para obtener el
costo directo actual para los 33 das. Esta suma totaliza Q.1,264.90.
S
MC
La siguiente actividad crtica con menor costo incremental, es la actividad C. El
procedimiento de reduccin es el mismo que se aplic para la actividad H.
La actividad E, es la siguiente actividad de menor pendiente de costo. Note que

tiene un tiempo de compresin permitido de 4 das, sin embargo, si se reducen los
4 de un solo paso, la ruta 3 tendra una duracin mayor y sta pasara a ser la
nueva ruta crtica y la duracin del proyecto estara definida por esta ltima
duracin y no por la "aparente reduccin" obtenida en la ruta 2. Por lo tanto, nos
vemos obligados a reducir slo 2 das de los 4 permitidos de la actividad E, para
mantener un equilibrio de rutas crticas entre los caminos 2 y 3. En este momento
la duracin del proyecto es de 29 das.
De la ruta 3 deben seleccionarse sus actividades que la integran y verificar cul

de ellas no ha sido comprimida y cul tiene el menor costo incremental y que a
su vez no forme parte de la ruta crtica original. Se determina que en este caso es
la actividad D la que cumple tales requisitos. Del tiempo de compresin permitido
por esta actividad se toman 2 das para reducir esta ruta 3 y poder mantener el
equilibrio en duracin con la ruta 2 luego que sta sea comprimida en los 2 das
pendientes de la actividad crtica E. Seguidamente, realice la reduccin de los 2
das pendientes de la actividad crtica E y luego registre el incremento de costos
directos por las compresiones realizadas. En este momento la duracin del
proyecto es de 27 das y para obtener este tiempo, fue necesario reducir dos das
de la actividad D y dos das de la actividad E. La incidencia en el costo directo
debe reflejarse mediante el producto de los dos das de D por su pendiente de
costo, ms el producto de los dos das de E por su pendiente de costo.
Las siguientes actividades que deben comprimirse son las actividades B, I y A.

Para cada una de ellas se aplica el procedimiento de compresin y registro de
costos directos, de igual manera como se realiz para las actividades H y C,
respetando el orden B, I, A; debido a la priorizacin del costo incremental menor
de cada actividad.
MC S
El resultado de reducir el proyecto hasta 20 das, se determina en los costos directos,
haciendo el clculo de reducir todas las actividades crticas del proyecto y dos
das de la actividad D para la ruta 3 que fue indispensable para mantener un
equilibrio entre rutas y no caer en el error de concluir sobre una aparente
duracin del proyecto que no es real.
En muchos casos, no es posible realizar la compresin de todas las actividades

crticas debido a que sera imposible mantener la paridad o equilibrio entre
duracin de rutas o caminos; razn por la cual resulta de suma importancia la
correcta priorizacin del orden de compresin a travs de las pendientes de
costo.
5. Como ltimo paso, debe analizar sus costos indirectos del proyecto, los cuales
tienen relacin directa con la duracin del mismo. Para este ejemplo, los costos
indirectos son de Q.75.00 por da; por lo que deber multiplicar este dato por
cada duracin probable del proyecto obtenida en la tabla anterior y sumar el
resultado al costo directo de cada opcin. Los resultados se presentan a
continuacin.
CI
Tiempo CD (Q. 75/DIA) CT
36 1,135.00 2,700 3,835.00
33 1,264.90 2,475 3,739.90
31 1,359.90 2,325 3,684.90
29 1,484.90 2,175 3,659.90
27 1,709.90 2,025 3,734.90
24 1,910.00 1,800 3,710.00
23 1,985.00 1,725 3,710.00
20 2,234.90 1,500 3,734.90
De los anteriores resultados puede concluirse lo siguiente:
La duracin normal del proyecto es de 36 das a un costo total de

Q.3,835.00.
MC

S La duracin mnima en que puede realizarse el proyecto en las
condiciones actuales de inversin de recursos, es de 20 das a un costo de
Q.3,734.90.
La duracin ptima del proyecto es de 29 das a un costo total de
Q.3,659.90.
Si la entrega del proyecto se realiza exactamente en el da 23 que fue
pactado en el contrato, el costo total del mismo sera de Q.3,710.00.
- TTccnniiccaa ddee EEvvaalluuaacciinn yy RReevviissiinn ddee PPrrooggrraam

- maass PPEERRTT--
La Tcnica de evaluacin y control de programas conocida comnmente

como PERT por sus siglas en ingls Program Evaluation and Review Technique, fue
desarrollada en 1958 por la Marina de los Estados Unidos de Norte Amrica para un
proyecto de nombre Polaris, relacionado con la construccin de una serie de
submarinos nucleares, con la intervencin de 250 empresas y alrededor de 3,000
contratistas. Con el desarrollo del PERT, el proyecto termin dos aos antes de lo
planificado y se optimizaron los recursos estimados inicialmente. Actualmente se
utiliza en todo el programa espacial.
El objetivo del mtodo PERT consiste en ayudar en la planeacin y el control.

Algunas veces el objetivo primario consiste en determinar la probabilidad de cumplir
con fechas de entrega especficas. Tambin identifica las actividades que tienen
mayor probabilidad de convertirse en cuellos de botella y por lo tanto, seala los
puntos en los cuales debe hacerse un mayor esfuerzo para no tener retrasos.
Asimismo, se tiene como objetivo la evaluacin de los efectos por cambios realizados
al programa.
Al igual que el CPM, tambin emplea una red del proyecto para visualizar
grficamente las interrelaciones entre sus elementos. Para la determinacin de sus
MCS
tiempos, se consideran condiciones de probabilidad de ocurrencia, estableciendo
tres tipos de tiempos, el tiempo optimista, el tiempo ms probable de ocurrencia y el
tiempo pesimista; los cuales estn sujetos a condiciones aleatorias.
El tiempo optimista (to) representa un tiempo calculado para la pronta

finalizacin de una actividad bajo ciertas condiciones favorables. Se dice que existe
una probabilidad muy remota de finalizar la actividad en un tiempo menor al tiempo
optimista, pudiendo suceder rara vez bajo condiciones extremadamente favorables.
El tiempo pesimista (tp) por el contrario, representa un tiempo calculado para

la finalizacin extrema o lmite de una actividad, considerando ciertas condiciones
desfavorables e imprevistas. Se dice que existe una probabilidad muy remota de
finalizar la actividad en un tiempo mayor al tiempo pesimista, pudiendo suceder rara
vez bajo condiciones extremadamente desfavorables.
El tiempo ms probable de ocurrencia (tm) es aquel tiempo en el que se

supone debe finalizar una actividad. Se dice que es el tiempo de duracin ms
probable debido a que representa la moda estadstica de la distribucin de los
tiempos de duracin de las actividades.
A partir de los tres tiempos descritos anteriormente, es posible calcular

mediante frmula, el tiempo esperado (te) de una actividad, el cual representa un
promedio ponderado de duracin de la actividad y que se estima con una
probabilidad de 50-50 de ser rebasado o de no ser alcanzado.
El PERT, bsicamente es un mtodo estadstico que define probabilidades de

cumplir con una actividad o con el mismo proyecto en un tiempo especfico. Este
tipo de probabilidades se calculan empleando la variacin de tiempos esperados y
las tablas que definen a una distribucin normal.
MCS En muchas ocasiones, el tiempo estimado para cada una de las actividades,
se calcula a base de experiencia o datos anteriores; sin embargo, algunas veces es
muy difcil determinar este tiempo de ejecucin por diversos motivos, y debido a esto,
se calcula un tiempo medio o esperado para cada actividad a travs de
probabilidades. El mtodo PERT es muy til principalmente en proyectos donde
existen actividades nuevas donde no se dispone de experiencia.
FORMULAS UTILIZADAS:
Previo a la presentacin de frmulas, es necesario definir la siguiente simbologa:
a. te = Tiempo esperado.
b. = Desviacin estndar por actividad.
c. Ve = Varianza esperada por actividad.
d. e = Desviacin esperada en la duracin del proyecto.
e. Z = Cantidad de desviaciones estndar con respecto a la media
aritmtica en una distribucin de probabilidad normal.
f. ts = Tiempo solicitado para la finalizacin del proyecto.
Las frmulas son las siguientes:
a) Te = to + 4 tm + tp .
6
b) = tp - to .
6
c) Ve = 2
d) e = Ve de Ruta Crtica
e) Z = ts - te ruta crtica .
e
MC S
Ejemplo Ilustrativo PERT
Un contratista le solicita a usted como administrador de una empresa, la ejecucin
de un proyecto en particular. Las actividades y estimacin de recursos de tiempo (en
das) se resumen en la siguiente tabla.
Actividad Precedencia to tm tp
A ----- 15 20 25
B ----- 20 25 30
C ----- 10 15 20
D A 5 10 15
E B 15 20 25
F C 20 25 30
G E 5 10 15
H E 20 25 30
I E 15 20 25
J D,G 5 10 15
K J, H 10 15 20
L F, H, I 20 25 30
M L 15 20 25
Su funcin como planificador del proyecto es determinar la duracin esperada de

finalizacin. Asimismo, determine: a) la probabilidad de finalizar el proyecto si le
proporcionan 5 das adicionales a la duracin esperada; b) cul es el tiempo en el
que se puede realizar el proyecto con una probabilidad del 85%?.
Solucin:
1. Para cada actividad del proyecto, calcule los valores del Tiempo esperado (Te),
Desviacin Estndar () y Varianza Esperada (Ve), de conformidad con las
frmulas correspondientes.
MC S q Te = to + 4 tm + tp .
6
q = tp - to .
6
q Ve = 2
De donde se obtiene la siguiente tabla de resultados:

Actividad Preceden to tm tp Te Ve
cia
A ----- 15 20 25 20 1.667 2.777
B ----- 20 25 30 25 1.667 2.777
C ----- 10 15 20 15 1.667 2.777
D A 5 10 15 10 1.667 2.777
E B 15 20 25 20 1.667 2.777
F C 20 25 30 25 1.667 2.777
G E 5 10 15 10 1.667 2.777
H E 20 25 30 25 1.667 2.777
I E 15 20 25 20 1.667 2.777
J D,G 5 10 15 10 1.667 2.777
K J, H 10 15 20 15 1.667 2.777
L F, H, I 20 25 30 25 1.667 2.777
M L 15 20 25 20 1.667 2.777
2. Construya su red de actividades o diagrama de flechas respetando las

precedencias de actividades y calculando a la vez, los tiempos de terminacin
ms temprano y ms tardo para cada actividad; con el propsito de visualizar
las holguras disponibles en el proyecto. Como duracin de cada actividad,
considere los tiempos esperados (Te) calculados en el paso anterior.
MCS
20 55
50 60
D J
2 6
0 A 25 70
G
0 25 70
B E H 115
1 3 5 7 K
10 115
45
I Fi1 M
C 45
4 8 9
F L
15 70 95
45 70 95
3. Prepare ahora una tabla en donde relacione el conjunto de actividades que

integran su proyecto con los distintos caminos, rutas o cadenas que stas forman
en el diagrama de flechas para recorrerlo desde su inicio hasta el fin y determine
el tiempo de duracin en el recorrido de cada ruta o camino.
Te 20 25 15 10 20 25 10 25 20 10 15 25 20
Ruta A B C D E F G H I J K L M Tiempo
1 X X X X 55
2 X X X X X 85
3 X X X X X 80
4 X X X X X X 110
5 X X X X 85
R.C. 6 X X X X X 115
7 X X X X X 110
8 X X X X 85
La ruta crtica es aquella ms larga en duracin, por lo tanto, la ruta crtica del
proyecto es la ruta 6. Para el presente caso, la duracin esperada del proyecto
es de 115 das.
S
MC
Las actividades crticas se marcan en el cuadro del paso 1, porque ser a partir
de ellas, que se realizar el clculo de desviaciones estndar y dems
probabilidades.
4. Para dar respuesta a las interrogantes planteadas en los incisos del problema,
realice lo siguiente:
4.1 Clculo de la desviacin estndar esperada del proyecto:
e = Ve de Ruta Crtica
e = 2.777 + 2.777 + 2.777 + 2.777 + 2.777
e = 3.72
4.2 Clculo del valor Z para una distribucin normal:
Z= ts - te ruta crtica .
e
Como se le indica en el inciso a) del planteamiento del problema, que

determine la probabilidad de finalizar el proyecto si le conceden 5 das
adicionales, entonces se debe interpretar que se cuenta con 5 das ms a los
115 das de duracin estimados segn la ruta crtica, para la terminacin del
proyecto. Por lo tanto, el valor del tiempo solicitado (ts) es de 120 das.
Sustituyendo valores, se tiene:

Z= 120 - 115 .
3.72
Z = 1.34
4.3 Con el valor de Z encontrado, se procede a buscar el valor de

probabilidad correspondiente, en una tabla de distribucin normal de
probabilidad (Apndice B):
S
MC
Para un valor Z = 1.34, se obtiene de la tabla de distribucin normal, un

valor de probabilidad = 0.90988; es decir, aproximadamente el 91% de
probabilidad.
Se concluye para el inciso a) que se tiene una probabilidad del 91% para
finalizar el proyecto dentro de 120 das solicitados.
4.4 Para el inciso b) se desea determinar el tiempo que debe solicitarse para
tener una probabilidad del 85% de finalizar el proyecto a tiempo. Por lo
tanto, realice su anlisis a partir de la siguiente frmula de Z :
Z= ts - te ruta crtica .
e
Despejando el valor de ts que representa el tiempo que deber solicitarse

para cumplir con la entrega del proyecto con un nivel de probabilidad
definido, se tiene:
Ts = (Z* e ) + te ruta crtica
Previo a sustituir valores en la expresin anterior, es necesario encontrar el

valor Z para una probabilidad del 85%. Para el efecto, consulte su tabla de
distribucin normal de probabilidad y busque dentro de todo el conjunto
de probabilidades, aquel valor igual o ms prximo mayor de la
probabilidad deseada. Para el presente caso, se obtiene de la tabla
indicada (Apndice B), un valor Z = 1.04, en donde se tiene un valor =
0.85083.
Con el valor de Z encontrado (1.04), sustituya valores:
Ts = (1.04* 3.72 ) + 115
MC S Ts = 118.87 119 das.
Se concluye para el inciso b) que el proyecto puede finalizarse en 119 das
con una probabilidad del 85%. Debern solicitarse 4 das adicionales para
terminar el proyecto con un 85% de probabilidad.
- EElleecccciinn eennttrree PPEERRTT yy C

- CPPM
M
La aplicacin del enfoque PERT o el mtodo CPM-Costo depende

fundamentalmente del tipo de proyecto y de los objetivos gerenciales. El PERT es en
particular apropiado cuando se maneja mucha incertidumbre al predecir los tiempos
de las actividades y cuando es importante controlar de una manera efectiva la
programacin del proyecto; por ejemplo, la mayor parte de los proyectos de
investigacin y desarrollo caen dentro de esta categora. Por otro lado, el CPM
resulta muy apropiado cuando se pueden predecir bien los tiempos de las
actividades y cuando estos tiempos se pueden ajustar con facilidad, al igual que
cuando es importante planear una combinacin apropiada entre el tiempo y el
costo del proyecto. Este ltimo tipo lo representan muchos proyectos de construccin
y mantenimiento.
-D
- CPPM
Diiffeerreenncciiaass eennttrree PPEERRTT yy C M
La diferencia entre PERT y CPM es la manera en que se realizan los estimados

de tiempo. El PERT supone que el tiempo para realizar cada una de las actividades es
una variable aleatoria descrita por una distribucin de probabilidad. El CPM por otra
parte, infiere que los tiempos de las actividades se conocen en forma determinstica y
se puede variar cambiando el nivel de recursos utilizados.
En la actualidad, las diferencias entre las versiones de PERT y CPM no son tan
marcadas como se describe en la teora original de los mtodos. Muchas versiones
de PERT permiten emplear una sola estimacin (la ms probable) para cada
MC S
actividad y omiten as la investigacin probabilstica. Una versin llamada
PERT/Costo considera tambin combinaciones de tiempo y costo en forma parecida
al CPM.
-O
- Ottrraass TTccnniiccaass uuttiilliizzaaddaass ppaarraa llaa PPllaanniiffiiccaacciinn,, PPrrooggrraam
maacciinn yy C
Coonnttrrooll ddee
PPrrooyyeeccttooss
En la actualidad existe diversidad de tcnicas y mtodos para la

programacin y control de proyectos. En su mayora, son tcnicas derivadas y
basadas en la metodologa del mtodo de la ruta crtica y tcnica PERT.
Entre las principales tcnicas utilizadas, tenemos: Manpower Alocation

Procedure Scheduling (MAN Scheduling); Resource Allocation and Multi-Project
Scheduling (RAMPS); Project Reliability Index System Maturity (PRISM); Anlisis Bar
Charting (ABC); Scheduling Program for Allocation Resources (SPAR); Resource
Planning & Scheduling Method (RPSM); Least Cost Estimating & Scheduling (LESS);
Tcnica para la Revisin y Evaluacin de Planes (TREP); Milestone Control Path
Procedure (CPPM); etc.
La herramienta de software ms popular para la administracin de proyectos

es el MS-Project.
-M
- MA
ANN SScchheedduulliinngg ((M Allooccaattiioonn PPrroocceedduurree))
weerr A
Maannppoow
Es un mtodo asociado con el PERT que procura la optimizacin en la

distribucin de mano de obra y otros recursos. Es aplicable cuando los recursos son
limitados, procurando la reduccin del tiempo y de recursos humanos, materiales y
financieros. La concentracin de los recursos se hace a lo largo de la ruta crtica.
MC
-D
-
S Diissttrriibbuucciinn ddee RReeccuurrssooss yy PPrrooggrraammaacciinn ddee PPrrooyyeeccttooss M
Mllttiipplleess ((RReessoouurrccee
A ll oc a t i on a n d M u l ti -P ro je
A location and Multi-Project Scheduling) RAMPS- c t S c h e d u l in g ) R A MP S -
Es un tcnica desarrollada por Du Pont junto con la oficina estadounidense de

asesoramientos CEIR Inc. Es aplicable cuando se desea la mejor utilizacin de
recursos limitados para varios proyectos desarrollados simultneamente.
- PPrroojjeecctt RReelliiaabbiilliittyy IInnddeexx SSyysstteem

- mMMaattuurriittyy PPRRIISSM
M--
Es un mtodo derivado del PERT, aplicable y eficaz para la evaluacin y el

control. Desarrolla un procedimiento para evaluar, medir y estabilizar un programa de
seguridad. Mejora el control de la comunicacin y documentacin tcnica.
-A
- Chhaarrttiinngg A
Annaallyyssiiss BBaarr C C--
ABBC
Fue desarrollado en 1969 por John Mulvaney con el objetivo de idear un

mtodo de planificacin de proyectos de fcil aprendizaje y utilizacin. Su estructura
se basa en el anlisis del mtodo de la ruta crtica CPM-. Es un mtodo aplicable en
la Administracin de Empresas, Ingeniera Industrial y proyectos de comercializacin
de productos alimenticios.
- m ffoorr A
- SScchheedduulliinngg PPrrooggrraam ARR--
Alllooccaattiioonn RReessoouurrcceess SSPPA
Mtodo desarrollado por J.D. West alrededor de 1963 con el propsito de

nivelar o equilibrar las cargas de trabajo en un proyecto; es decir que su aplicacin
principal radica cuando se desea un equilibrio en la carga de trabajo en proyectos
mltiples y simultneos.
MC
-
S
- RReessoouurrccee PPllaannnniinngg &
& SScchheedduulliinngg M
Meetthhoodd RRPPSSM
M--
Es un mtodo capaz de administrar hasta 1,600 actividades o ms de manera

simultnea. Para el efecto, se apoya en un paquete computarizado introducido por
la IBM. Las fases principales del RPSM consisten en: 1) clculo del tiempo de la ruta
crtica; 2) ciclo no limitado del RPSM o compilacin de recursos; y 3) Asignacin y
distribucin de recursos disponibles en funcin del tiempo. Con la aplicacin del
RPSM es posible reducir de manera considerable las horas de trabajo extraordinario y
la optimizacin de recursos.
- Hoollgguurraass ddee uunn pprrooyyeeccttoo::

mpplloo IIlluussttrraattiivvoo ppaarraa eell ccllccuulloo ddee H
- EEjjeem
Considere el siguiente proyecto:
NORMAL MNIMO
Actividad Precedencia
Duracin Costo (Q) Duracin Costo (Q)
A 4 400 2 500 ----
B 10 300 8 450 ----
C 5 800 4 1000 ----
D 4 100 3 250 A, B
E 6 200 5 250 C
F 8 700 6 950 C
G 4 200 3 320 D, B
H 3 180 2 225 E, F
I 2 1200 1 1800 H
SE LE PIDE: a) Elaborar diagrama de flechas, indicando la ruta crtica; b) Tiempos de

terminacin ms tempranos y ms tardos por actividad; c) Duracin normal del
proyecto; d) Clculo de holguras: Total, Libre e Independiente; para cada actividad;
e) Diagrama de Gantt; f) Cllculo de pendientes de costo por actividad; g) Actividad
susceptible de compresin; h) Red de actividades comprimida y nueva ruta crtica.
MCS
SOLUCIN:
Diagrama de flechas:
E2 = 10
E5 = 14
L2 = 10
L5 = 14
D 4
2 5
4 A 4
Fi2
E1 = 0 Fi1 G
L1 = 0 E7 = 13
B 10 L7 = 13
1 3 E9 = 18
7 8 9 L9 = 18
H I
E3 = 10 6 3
2
L3 = 10 E E8 = 16
C Fi3 L8 = 16
5
4 6
F 8
E4 = 5 E6 = 13
L4 = 5 L6 = 13
Ocurrencias ms tempranas:
o E1 = 0 (siempre inicia en 0)
o E2 = Elegir la sumatoria mayor, entre: (E1 + duracin de actividad A = 0+ 4
= 4); o bien, (E3 + duracin de actividad ficticia 1 = 10+ 0 = 10). Por lo
tanto, E2 = 10.
o E3 = E1 + duracin de actividad B = 0+ 10 = 10
o E4 = E1 + duracin de actividad C = 0+ 5 = 5
o E5 = Elegir la sumatoria mayor, entre: (E2 + duracin de actividad D = 10+
4 = 14); o bien, (E3 + duracin de actividad ficticia 2 = 10+ 0 = 10). Por lo
tanto, E5 = 14.
o E6 = E4 + duracin de actividad F = 5+ 8 = 13
o E7 = Elegir la sumatoria mayor, entre: (E4 + duracin de actividad E = 5+ 6
tanto, E7 = 13.
o E8 = E7 + duracin de actividad H = 13+ 3 = 16
o E9 = Elegir la sumatoria mayor, entre: (E5 + duracin de actividad G = 14+
4 = 18); o bien, (E8 + duracin de actividad I = 16+ 2 = 18). Por lo tanto, E9
= 18.
Ocurrencias ms tardas:
o L9 = 18 (siempre inicia con el mismo tiempo de ocurrencia ms

temprano del ltimo evento)
MC S
o L8 = L9 - duracin de actividad I = 18 - 2 = 16
o L7 = L8 - duracin de actividad H = 16 - 3 = 13
o L6 = L7 - duracin de actividad ficticia 3 = 13 - 0 = 13
o L5 = L9 - duracin de actividad G = 18 4 = 14.
o L4 = Elegir la resta menor, entre: (L7 - duracin de actividad E = 13 - 6 = 7);
o bien, (L6 - duracin de actividad F = 13 - 8 = 5). Por lo tanto, L4 = 5.
o L3 = Elegir la resta menor, entre: (L5 - duracin de actividad ficticia 2 = 14
- 0 = 14); o bien, (L2 - duracin de actividad ficticia 1 = 10 - 0 = 10). Por lo
tanto, L3 = 10.
o L2 = L5 - duracin de actividad D = 14 - 4 = 10
o L1 = Elegir la resta menor, entre: (L2 - duracin de actividad A = 10 - 4 =
6); o bien, (L3 - duracin de actividad B = 10 10 = 0); o bien, (L4 -
duracin de actividad C = 5 - 5 = 0). Por lo tanto, L1 = 0.
q Ruta Crtica:
RutaCadena de Tiempo
Actividades (das) *
1 A-DG 12
2 B Fi1 - D - G 18
3 B - Fi2 - G 14
4 C-E-H-I 16
5 C - F - Fi3 - H - I 18
* Se determina mediante la sumatoria de la duracin normal de cada actividad que
integra la ruta.
Se concluye:
o La duracin del proyecto, es de 18 das.

o Existen dos rutas crticas para su ejecucin. La primera, compuesta por
las actividades B Fi1 - D - G (Ruta 2); y la segunda, por las actividades
C - F - Fi3 - H I (Ruta 5).
Se proceder ahora, a realizar el clculo de holguras por actividad, elaborando

previamente, presentando los resultados en la siguiente tabla resmen y el deslgose
de clculos, debajo de la misma.
S
MC
- Tabla de Holguras:
OCURRENCIAS HOLGURAS
Dura- Einicial + Indepe

Actividad Inicio Fin cin Einicial Linicial Efinal Lfinal Duracin Total Libre ndiente
A 1 2 4 0 0 10 10 4 6 6 6
B 1 3 10 0 0 10 10 10 0 0 0
C 1 4 5 0 0 5 5 5 0 0 0
D 2 5 4 10 10 14 14 14 0 0 0
E 4 7 6 5 5 13 13 11 2 2 2
F 4 6 8 5 5 13 13 13 0 0 0
G 5 9 4 14 14 18 18 18 0 0 0
H 7 8 3 13 13 16 16 16 0 0 0
I 8 9 2 16 16 18 18 18 0 0 0
Fi1 3 2 0 10 10 10 10 10 0 0 0
Fi2 3 5 0 10 10 14 14 10 4 4 4
Fi3 6 7 0 13 13 13 13 13 0 0 0
- Holgura Total:
Se calcula para cada actividad, mediante la frmula:
HT = Levento final - (Eevento inicial + duracin de la actividad)
o HTA = L2 - (E1 + dA) = 10 - (0 + 4) = 6

o HTB = L3 - (E1 + dB) = 10 - (0 + 10) = 0
o HTC = L4 - (E1 + dC) = 5 - (0 + 5) = 0
o HTD = L5 - (E2 + dD) = 14 - (10 + 4) = 0
o HTE = L7 - (E4 + dE) = 13 - (5 + 6) = 2
o HTF = L6 - (E4+ dF) = 13 - (5 + 8) = 0
o HTG = L9 - (E5 + dG) = 18 - (14 + 4) = 0
o HTH = L8 - (E7 + dH) = 16 - (13 + 3) = 0
o HTI = L9 - (E8 + dI) = 18 - (16 + 2) = 0
o HTfi1 = L2 - (E3 + dfi1) = 10 - (10 + 0) = 0
o HTfi2 = L5 - (E3 + dfi2) = 14 - (10 + 0) = 4
o HTfi3 = L7 - (E6 + dfi3) = 13 - (13 + 0) = 0
S
MC
- Holgura Libre:
HL = Eevento final - (Eevento inicial + duracin de la actividad)
o HTA = L2 - (E1 + dA) = 10 - (0 + 4) = 6

o HTB = L3 - (E1 + dB) = 10 - (0 + 10) = 0
o HTC = L4 - (E1 + dC) = 5 - (0 + 5) = 0
o HTD = L5 - (E2 + dD) = 14 - (10 + 4) = 0
o HTE = L7 - (E4 + dE) = 13 - (5 + 6) = 2
o HTF = L6 - (E4+ dF) = 13 - (5 + 8) = 0
o HTG = L9 - (E5 + dG) = 18 - (14 + 4) = 0
o HTH = L8 - (E7 + dH) = 16 - (13 + 3) = 0
o HTI = L9 - (E8 + dI) = 18 - (16 + 2) = 0
o HTfi1 = L2 - (E3 + dfi1) = 10 - (10 + 0) = 0
o HTfi2 = L5 - (E3 + dfi2) = 14 - (10 + 0) = 4
o HTfi3 = L7 - (E6 + dfi3) = 13 - (13 + 0) = 0
- Holgura Independiente:
HI = Eevento final - (Levento inicial + duracin de la actividad)
o HTA = L2 - (E1 + dA) = 10 - (0 + 4) = 6

o HTB = L3 - (E1 + dB) = 10 - (0 + 10) = 0
o HTC = L4 - (E1 + dC) = 5 - (0 + 5) = 0
o HTD = L5 - (E2 + dD) = 14 - (10 + 4) = 0
o HTE = L7 - (E4 + dE) = 13 - (5 + 6) = 2
o HTF = L6 - (E4+ dF) = 13 - (5 + 8) = 0
o HTG = L9 - (E5 + dG) = 18 - (14 + 4) = 0
o HTH = L8 - (E7 + dH) = 16 - (13 + 3) = 0
o HTI = L9 - (E8 + dI) = 18 - (16 + 2) = 0
o HTfi1 = L2 - (E3 + dfi1) = 10 - (10 + 0) = 0
o HTfi2 = L5 - (E3 + dfi2) = 14 - (10 + 0) = 4
o HTfi3 = L7 - (E6 + dfi3) = 13 - (13 + 0) = 0
MC S
- Diagrama de GANTT:
HOLGURAS
Independie
Actividad Duracin Total Libre nte 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
B 10 0 0 0
D 4 0 0 0
G 4 0 0 0
C 5 0 0 0
F 8 0 0 0
H 3 0 0 0
I 2 0 0 0
A 4 6 6 6
E 6 2 2 2
ACTIVIDAD CRTICA Ruta Crtica 1:

ACTIVIDAD CRTICA Ruta Crtica 2:
ACTIVIDAD NO CRTICA:
HOLGURA TOTAL:
- Determinacin de la Pendiente:
Activ Duracin Costo Duracin Costo (Costo (Duracin Pendien-

idad Normal Normal Mnima Mnimo Mnimo Normal te
Costo Duracin
Normal) Mnima)
A 4 400 2 500 100 2 50
B 10 300 8 450 150 2 75
C 5 800 4 1000 200 1 200
D 4 100 3 250 150 1 150
E 6 200 5 250 50 1 50
F 8 700 6 950 250 2 125
G 4 200 3 320 120 1 120
H 3 180 2 225 45 1 45
I 2 1200 1 1800 600 1 600
Se concluye:
o Que la actividad susceptible de ser reducida, es la actividad H, debido a que

sta es la actividad crtica con menor pendiente.
o La actividad H puede ser reducida a la duracin mnima de 2 das.
S
MC
- Diagrama de flechas reducido: considerando H = 2:
E2 = 10 E5 = 14
L2 = 10 L5 = 14
D 4
2 5
4 A 4
Fi2
E1 = 0 Fi1 G
L1 = 0 E7 = 13
B 10 L7 = 14
1 3 E9 = 18
7 8 9 L9 = 18
H I
E3 = 10 6 2 2
L3 = 10 E E8 = 15
C Fi3 L8 = 16
5
4 6
F 8
E4 = 5 E6 = 13
L4 = 6 L6 = 14
- Ocurrencias ms tempranas de la red reducida:
o E1 = 0 (siempre inicia en 0)
o E2 = Elegir la sumatoria mayor, entre: (E1 + duracin de actividad A = 0+ 4
tanto, E2 = 10.
o E3 = E1 + duracin de actividad B = 0+ 10 = 10
o E4 = E1 + duracin de actividad C = 0+ 5 = 5
o E5 = Elegir la sumatoria mayor, entre: (E2 + duracin de actividad D = 10+
4 = 14); o bien, (E3 + duracin de actividad ficticia 2 = 10+ 0 = 10). Por lo
tanto, E5 = 14.
o E6 = E4 + duracin de actividad F = 5+ 8 = 13
o E7 = Elegir la sumatoria mayor, entre: (E4 + duracin de actividad E = 5+ 6
tanto, E7 = 13.
o E8 = E7 + duracin de actividad H = 13+ 2 = 15
o E9 = Elegir la sumatoria mayor, entre: (E5 + duracin de actividad G = 14+
4 = 18); o bien, (E8 + duracin de actividad I = 15+ 2 = 17). Por lo tanto, E9
= 18.
MCS
- Ocurrencias ms tardas de la red reducida:
o L9 = 18 (siempre inicia con el mismo tiempo de ocurrencia ms

temprano del ltimo evento)
o L8 = L9 - duracin de actividad I = 18 - 2 = 16
o L7 = L8 - duracin de actividad H = 16 - 2 = 14
o L6 = L7 - duracin de actividad ficticia 3 = 14 - 0 = 14
o L5 = L9 - duracin de actividad G = 18 4 = 14.
o L4 = Elegir la resta menor, entre: (L7 - duracin de actividad E = 14 - 6 = 8);
o bien, (L6 - duracin de actividad F = 14 - 8 = 6). Por lo tanto, L4 = 6.
o L3 = Elegir la resta menor, entre: (L5 - duracin de actividad ficticia 2 = 14
- 0 = 14); o bien, (L2 - duracin de actividad ficticia 1 = 10 - 0 = 10). Por lo
tanto, L3 = 10.
o L2 = L5 - duracin de actividad D = 14 - 4 = 10
o L1 = Elegir la resta menor, entre: (L2 - duracin de actividad A = 10 - 4 =
6); o bien, (L3 - duracin de actividad B = 10 10 = 0); o bien, (L4 -
duracin de actividad C = 6 - 5 = 1). Por lo tanto, L1 = 0.
- Ruta Crtica de la red reducida:
Ruta Cadena de Tiempo

Actividades (das) *
1 A-DG 12
2 B Fi1 - D - G 18
3 B - Fi2 - G 14
4 C-E-H-I 15
5 C - F - Fi3 - H - I 17
* Se determina mediante la sumatoria de la duracin normal de cada actividad que
integra la ruta.
Se concluye:
o La duracin del proyecto, es de 18 das.

o La ruta crtica est compuesta por las actividades B Fi1 - D - G (Ruta 2)
MC S
- PPrroobblleem
Caappttuulloo

estudiar y analizar detenidamente. Resulvalos mediante la tcnica CPM Costo y
presente las conclusiones correspondientes.
1. Un contratista solicita la ejecucin de un proyecto en particular. Las actividades y

estimacin de recursos se resumen en la siguiente tabla. Las cifras estn en
quetzales por actividad y la duracin en semanas.
A --- 100 350 8 5
B A 200 400 6 3
C B 80 175 4 3
D A 150 300 7 4
E D 75 325 5 2
F A 120 450 10 6
G F 125 250 4 2
H C, G 190 320 4 1
I F 95 170 9 5
J E 160 390 7 3
K I, J 140 200 6 5
L H,K 150 250 7 5
Los costos indirectos del proyecto se estiman en Q.75.00 por semana.

quetzales por actividad y la duracin en das.
MC S
A ----- 100 500 6 2
B ----- 300 700 5 4
C A 500 800 7 7
D B 150 650 2 2
E C 200 350 6 1
F C 80 250 9 8
G D, E 90 125 3 3
H F 90 160 9 9

A --- 100 350 8 5
B A 200 400 6 3
C B 80 175 4 3
D A 150 300 9 6
E D 75 325 7 4
F B 120 450 6 2
G A 125 250 4 2
H F, G 190 320 4 1
I E, H 95 170 5 4
J C, I 160 390 7 3
MC
4.
S Considere el siguiente proyecto Las cifras estn en quetzales por actividad y la
duracin en das.
A ----- 100 500 6 2
B ----- 300 700 5 4
C ----- 500 800 7 7
D A 150 650 2 2
E D 200 350 6 1
F B 80 250 9 8
G F 90 125 3 3
H C 120 135 3 2
I H 140 165 7 5
J E,G,I 90 160 9 9
5. Considere el siguiente proyecto Las cifras estn en quetzales por actividad y la

duracin en semanas.
A ----- 100 200 8 6
B ----- 150 350 4 2
C A 50 90 2 1
D A 100 400 10 5
E B 100 200 5 1
F C,E 80 100 3 1
Los costos indirectos del proyecto se estiman en Q.50.00 semanales.
MC
6.
S Un contratista solicita la ejecucin de un proyecto en particular. Las actividades
y estimacin de recursos se resumen en la siguiente tabla. Las cifras estn en
A ----- 200 300 4 2
B ----- 100 100 2 2
C A 150 150 3 3
D B 100 150 5 3
E C 300 550 4 2
F C 150 200 2 1
G D, E 100 100 3 3
H F 400 650 4 2

Actividad Precedencia CN CL DN DL
A ----- 180 210 31 20
B ----- 320 420 28 14
C A 620 720 36 18
D B 410 490 52 32
E B 260 480 32 24
F B 210 340 16 6
G F, D 180 220 18 4
H E,G 900 1110 20 8
I E,G 430 560 34 18
J C,H 200 410 16 4
MC
8.
S Considere el siguiente proyecto. Las cifras estn en quetzales por actividad y la
duracin en das.
A ----- 100 150 28 26
B ----- 200 300 20 18
C B 400 600 4 3
D A 100 300 24 22
E A 200 400 8 6
F C, D 300 350 12 10
G E 400 600 20 16
H E 500 500 10 8
I F, G 400 400 4 3
J F, G, H 300 350 30 28
K I, J 600 650 10 8

Actividad Precedencia COSTO COSTO LIMITE DURACIN DURACIN
NORMAL NORMAL LIMITE
A ----- 100 350 8 5

B A 200 400 6 3
C B 80 175 4 3
D A 150 300 7 4
E C 75 325 5 2
F D,E 120 450 6 2
G F 125 250 4 2
H F 190 320 4 1
I G,H 95 170 5 4
MCS


A ----- 100 350 8 5
B ----- 200 400 6 3
C B 80 175 4 3
D A 150 300 7 4
E A 75 325 5 2
F C,D 120 450 6 2
G E 125 250 4 2
H E 190 320 4 1
I F,G 95 170 5 4
J F,G,H 160 390 7 3
K I,J 140 200 6 5

MCS
A ----- 5 8 15
B ----- 3 6 12
C ----- 3 4 8
D A 6 9 14
E B 4 7 20
F C 2 6 13
G C 2 4 10
H D, E 1 4 12
I F 4 5 9
J G 3 7 20
Determine: a) Probabilidad de finalizar el proyecto en 25 das; b) La probabilidad de
finalizar el proyecto si le conceden 7 das adicionales; c) La cantidad de das
adicionales que debern solicitarse si se desea contar con un 90% de probabilidad
de finalizarlo a tiempo.

A ----- 28 32 36
B ----- 22 28 32
C A 26 36 46
D B 14 16 18
E B 32 32 32
F B 40 52 74
G D 12 16 24
H E, G 16 20 26
I E, G 26 34 42
J C, F, H 12 16 30
MCS
Determine: a) Probabilidad de finalizar el proyecto en 100 das; b) La probabilidad
de finalizar el proyecto si le conceden 10 das adicionales; c) La cantidad de das
adicionales que debern solicitarse si se desea contar con un 85% de probabilidad
de finalizarlo a tiempo.

A ----- 15 20 30
B ----- 20 25 40
C ----- 10 15 25
D ---- 5 10 18
E A 10 20 28
F B 15 20 30
G C 20 25 40
H D 5 10 18
I E,F,G,H 5 15 24
J G,H 15 20 36
Determine: a) Probabilidad de finalizar el proyecto al trmino de 60 das; b) La
probabilidad de finalizar el proyecto si le conceden 3 das adicionales; c) La cantidad
de das adicionales que debern solicitarse si se desea contar con un 95% de
probabilidad de finalizarlo a tiempo.

MCS
A ----- 20 31 45
B ----- 14 28 38
C A 18 36 43
D B 32 52 100
E B 24 32 63
F B 6 16 28
G F, D 4 18 40
H E, G 8 20 36
I E, G 18 34 42
J C, H 4 16 24
probabilidad de finalizar el proyecto si le conceden 12 das adicionales; c) La
cantidad de das adicionales que debern solicitarse si se desea contar con un 90%
de probabilidad de finalizarlo a tiempo.

MCS
A ----- 26 28 39
B ----- 18 20 34
C B 3 4 10
D A 22 24 33
E A 6 8 14
F C, D 10 12 20
G E 16 20 32
H E 8 10 25
I F, G 3 4 10
J F, G, H 28 30 45
K I, J 8 10 22
probabilidad de finalizar el proyecto si le conceden 15 das adicionales; c) La
cantidad de das adicionales que debern solicitarse si se desea contar con un 80%
de probabilidad de finalizarlo a tiempo.
S
MC
MCS C
CAAPPIITTUULLO
OVVII
PPRRO
OCCEESSO
OSS EESSTTO
OCC
SSTTIIC
COOSS
stos se definen como los procesos dependientes de leyes causales y
probabilsticas , por lo que estn sometidos al azar y son objeto de anlisis estadstico.
Este tipo de procesos sirven para poder entender la correlacin, la cual se entiende
estadsticamente como la relacin entre varios datos, por ejemplo la estatura de los
padres con los hijos.
Se dice que un proceso estocstico es aquel en el que se representan todos y

cada uno de los pasos necesarios para realizar una actividad, adems de las formas
o maneras en que cada uno de los pasos puede ser llevado a cabo y sus respectivas
probabilidades, dicho de otra manera, cualquier proceso en el que se involucren
probabilidades es un proceso estocstico.
En sntesis, es todo proceso que evoluciona en el tiempo de una manera

probabilstica. Dicho proceso se presenta como un modelo de probabilidad con un
conjunto de variables aleatorias ( Xt ), en donde t representa una caracterstica
medible en el tiempo.
Un proceso estocstico depende de un valor aleatorio y del tiempo como se

puede observar en la siguiente figura.
MCS
Figura 1. Proceso Estocstico
Figura. Proceso estocstico
Si sumamos estos valores en un instante determinado por ejemplo en t1, nos

genera una variable aleatoria x (,t1) ==> x ( t1 ). As podemos observar que pueden
generarse por ejemplo para dos instantes t1 y t2 , quedando las siguientes funciones
de densidad de probabilidad.
Figura 2. Funciones de Densidad de Probabilidad en t1 y t2
MC S Si estas variables aleatorias tienen iguales valores, en un mismo instante y su
esperanza y varianza son iguales generan Procesos Estacionarios.
En un proceso estacionario, las probabilidades de transicin entre estados son

constantes e iguales todo el tiempo. Un estado estacionario se caracteriza por la
probabilidad de hallarse en este estado despus de un nmero de transiciones que
tiende a un valor constante cualquiera que sea la distribucin inicial de probabilidad
definida sobre los estados.
Si un proceso posee probabilidad lmite o de estado estacionario, para todo

estado posible, recibe el nombre de proceso ergdico. Un proceso ergdico es aquel
en el cual los promedios estadsticos son iguales a los temporales. Tambin se dice
que un estado ergdico es aqul estado recurrente positivo que no es peridico.
Aplicaciones de procesos estocsticos:

1. Modelos de inventarios
2. Niveles de inventario semanales de un producto
3. Demanda semanal de un producto
4. Anlisis probabilstico de producto defectuoso
5. Anlisis de fallas en maquinaria
6. Cadenas de Markov
7. Lneas de espera
Ejemplo Ilustrativo:
1. En un lote de autos usados, el 25% son de la marca Ford, el 45% son Chevrolet y el
30% son Chrysler, de los cuales, 2 de cada 8 autos Ford son estndar, 1 de cada
10 autos Chevrolet son estndar y 2 de cada 10 autos Chrysler son tambin
estndar, un cliente compra un auto de este lote, a. cul es la probabilidad de
que el auto seleccionado por el cliente sea estndar?, b. cul es la
probabilidad de que haya seleccionado un auto Chevrolet estndar?, c. cul
es la probabilidad de que el auto seleccionado sea Ford o Chrysler automtico?
MC S
Solucin:
a. Haciendo uso de un diagrama de rbol como se muestra, se facilita hacer el

clculo de probabilidades
S 2/8
F
25% A 6/8
S 1/10
45% CH
A 9/10
30% S 2/10
Chr
A 8/10
P(seleccionar un auto estndar) =
p(seleccionar un Chevrolet o Chrysler o Ford estndar) =
p(ChS) + p(ChrS) + p(FS)
= p(Ch)p(S|Ch) + p(Chr)p(S|Chr) + p(F)p(S|F)
= 0.45*1/10 + 0.30*2/10 + 0.25*2/8
= 0.045 + 0.06 + 0.0625
= 0.1675
b. p(seleccionar un Chevrolet estndar) = 0.45*1/10 = 0.045
c. p(seleccionar un Ford o Chrysler automtico) = p(FA) + p(ChrA)
= p(F)p(A|F) + p(Chr)p(A|Chr)
= 0.25*6/8 + 0.30*8/10
= 0.1875 + 0.24 = 0.4275
MCS
C
CAAD
DEEN
NAASS D
DEE M
MAARRKKO
OVV
onsisten en un tipo especial de proceso estocstico que tienen la
particularidad de que las probabilidades que describen la forma en que el proceso

evoluciona dependen nicamente del estado actual del proceso, de manera que
stas son independientes de los eventos ocurridos en el pasado.
Muchas situaciones empresariales se pueden formular mediante modelos que

describan estados separados de un sistema de manera que este sistema puede estar
en un slo estado cada vez y el cambio entre estados es probabilstico.
Las cadenas de Markov consisten en procesos modelizados que describen

estados independientes de un sistema a travs del uso de las probabilidades, el
lgebra de vectores y matrices. Mediante su aplicacin se determina el estado del
proceso despus de un tiempo finito o infinito.
Su precursor fue el matemtico y lingista Andrei Andreyevich Markov, nacido

en Ryazan, Rusia, el 14 de junio de 1,856. Estudi y se doctor en la Universidad de
San Petersburgo, donde comenz su labor docente en 1886. En sus inicios laborales,
focaliz su trabajo en el anlisis y la teora del nmero, fracciones continuas, lmite de
integrales, teora de aproximacin y la serie de convergencias. Despus del ao 1900,
Markov comienza a aplicar el mtodo de fracciones continuas, iniciado por su
profesor Pafnuty Chebyshev, a la teora de las probabilidades. A su vez, estudia las
secuencias de las variables mutuamente dependientes, esperando con ello
establecer, de manera general, las leyes limitantes de las probabilidades. Prob el
teorema del lmite central bajo supuestos bastante generales.
Markov es recordado, particularmente, por su estudio de las cadenas

secuenciales (Cadenas de Markov), que consisten en un conjunto de variables al
MCS
azar en las cuales la variable futura es determinada por la preexistente pero
independiente de la manera en que sta se gener de sus precursores. Este trabajo
lanz la teora de los procesos estocsticos.
En 1923, Norbert Wiener se convirti en el primero que trat rigurosamente el

proceso continuo de Markov. La fundacin de una teora general fue proporcionada
durante los aos 30 por Andrei Kolmogorov. Markov tambin estuvo interesado en la
poesa e hizo estudios de los distintos estilos poticos. Kolmogorov tena intereses
similares.
Su obra tuvo continuidad en su hijo, de igual nombre que l, Andrei Markov

(1903-1979). Falleci en San Petersburgo, el 20 de julio de 1922.
En las organizaciones de hoy en da, intervienen factores que no se pueden

pronosticar con precisin dentro de los sistemas, por lo que para el estudio de stos,
es conveniente medir la incertidumbre a travs del uso de la probabilidad.
El estudio de sistemas donde est presente la incertidumbre ha dado lugar a

los modelos estocsticos que tratan de explicar el funcionamiento de estos sistemas
usando probabilidad.
Como ya se explic con anterioridad, un proceso estocstico se define

sencillamente como un conjunto de variables aleatorias { X1 }, donde el subndice t
toma valores de un conjunto T dado. Con frecuencia T, se toma como el conjunto de
enteros no negativos y X, representa una caracterstica de inters medible en el
tiempo t.
En puntos especficos del tiempo t, el sistema se encuentra exactamente en

una, de un nmero finito de estados mutuamente excluyentes. Los periodos en el
tiempo pueden encontrarse a intervalos iguales o su esparcimiento puede depender
MCS
del comportamiento general del sistema en el que se encuentra sumergido el
proceso estocstico.
Aunque los estados pueden constituir una caracterizacin tanto cualitativa

como cuantitativa del sistema, no hay prdida de generalidad con las
identificaciones numricas 0, 1, . . , M, As la representacin matemtica del sistema
fsico es la de un proceso estocstico {Xi}, en donde las variables aleatorias se
observan en t = 0, 1, 2,. . ., y en donde cada variable aleatoria puede tomar el valor
de cualquiera de los M + 1 enteros 0, 1, .. , M. Estos enteros son una caracterizacin
de los M + 1 estados del proceso.
En una cadena de Markov, se define:
Pij = { tn =j tn-1=i}
La probabilidad de transicin de un paso de ir del estado i en tn-1 al estado
j en tn y el conjunto de probabilidades que se generan por los cambios de estado,
son estacionarias a travs del tiempo. Las probabilidades de transicin del estado Ei
al estado Ej se arreglan de manera ms conveniente en forma matricial como sigue:
p00 p01 p02 ....

P=
p10 p11 p12 ....
p20 p21 p22 ....
p30 p31 p32 ....
. . .
. . .
. . .
La matriz P se llama transicin homognea o matriz estocstica porque
todas las probabilidades pij son fijas e independientes en el tiempo. Las
probabilidades pij deben satisfacer las condiciones
pij = 1, para toda i j
pij 0, para toda i y j
MCS Una matriz de transicin P junto con las probabilidades iniciales asociadas
con los estados Ej definen completamente una cadena de Markov.
Un proceso estocstico es una cadena de Markov si cumple con la propiedad

markoviana que establece que la probabilidad condicional de cualquier evento
futuro dado cualquier evento pasado y el estado actual, es independiente del
evento pasado y slo depende del estado actual del proceso. Las probabilidades
condicionales son las probabilidades de transicin.
Generalmente, se analizan las cadenas de Markov que cumplen con las

siguientes propiedades: a) Poseen un nmero finito de estados; b) Las probabilidades
de transicin son estacionarias (implica que las probabilidades no cambian con el
tiempo).
Frmulas generales para las probabilidades de estado estacionario de un proceso de

Markov de dos estados.
P1 = p21 .
P12 + p21
P2 = p12 .
P12 + p21
MCS
Ejemplo Ilustrativo No. 1: (Cadenas de Markov para dos estados posibles)
Cierta compaa desea emprender una gran campaa publicitaria para que los
consumidores prueben su marca de caf. A partir de los datos obtenidos en la
investigacin de mercado, la empresa pudo estimar las probabilidades actuales de
que los consumidores cambien de la marca que produce la compaa, X a otra
marca Y, luego de una semana, as: 0.8 de probabilidad de continuar en la marca
X y 0.2 de cambiar de marca de X a Y. Asimismo, existe una probabilidad de 0.2 de
que los consumidores cambian de la marca Y a la X y 0.8 de que continen en la
marca Y. Los investigadores de mercado han estimado las probabilidades
correspondientes que existirn despus de una semana de realizada la campaa
publicitaria, as: Existe 0.8 de probabilidad de que se contine consumiendo la marca
X y 0.2 de que los consumidores cambian de marca de X a Y. Mientras que existe 0.3
de probabilidad de que los consumidores cambien de marca de Y a X y 0.7 de que
continen en la marca Y. Si la campaa publicitaria tiene un costo de 12 millones de
dlares anuales y si hay 50 millones de compradores de caf en el mercado y si el
beneficio promedio anual por cliente, antes de pagar impuestos, es de dos dlares,
entonces determine si la compaa debe o no debe realizar la campaa publicitaria.
Solucin:
I) Anlisis de la situacin previa a la campaa publicitaria:
1. Estados del proceso: El consumidor prefiere el producto X
Estado 1: Se compra la marca X
Estado 2: Se compra la marca Y
2. Matrz de probabilidad de transicin:
P = ( pij )
P= p11 p12 = 0.8 0.2

p21 p22 0.2 0.8
MCS
3. Vector de probabilidad de estado inicial:
El consumidor prefiere el producto X
Vpe(0) = ( 1, 0 )
4. Clculo de vectores de probabilidad de estados "n+1":

FRMULAS:
Vpe(n+1) = Vpe(n) * P
Vpe(n+1) = ( p(E1), p(E2) ) * p11 p12

p21 p22
* Vector de estado inicial:

Vpe(0) = ( 1, 0 )
* Vector de probabilidad de estado, luego de 1 semana:

Vpe(1) = ( 1, 0 ) * 0.8 0.2
0.2 0.8
Vpe(1) = ( (1 * 0.8) + (0 * 0.2) , (1 * 0.2) + (0 * 0.8) )
Vpe(1) = ( 0.80 , 0.20 )
Anlisis: Al terminar la primera semana, el 80% contina en el estado 1 y el 20%

se cambia al estado 2.
* Vector de probabilidad de estado, luego de 2 semanas:
MCS Vpe(2) = (0.8 , 0.2) * 0.8 0.2
0.2 0.8
Vpe(1) = ( (0.8 * 0.8)+ (0.2 * 0.2) , (0.8 * 0.2) + (0.2 * 0.8) )
Vpe(1) = ( 0.68 , 0.32 )
Anlisis: Al terminar la segunda semana, el 68% contina en el estado 1 y el

32% se cambia al estado 2.
Se contina el clculo de vectores para las siguientes semanas y se consolidan los

resultados en la siguiente tabla resumen:
Resultados para 20 semanas:
n p(E1) p(E2)
0 1 0
1 0.80000 0.20000
2 0.68000 0.32000
3 0.60800 0.39200
4 0.56480 0.43520
5 0.53888 0.46112
6 0.52333 0.47667
7 0.51400 0.48600
8 0.50840 0.49160
9 0.50504 0.49496
10 0.50302 0.49698
11 0.50181 0.49819
12 0.50109 0.49891
13 0.50065 0.49935
14 0.50039 0.49961
15 0.50024 0.49976
16 0.50014 0.49986
17 0.50008 0.49992
18 0.50005 0.49995
19 0.50003 0.49997
20 0.50002 0.49998
Anlisis: Si la compaa NO REALIZA LA CAMPAA PUBLICITARIA, los valores de

probabilidades tienden a estabilizarse en aproximadamente 50.00 % para ambos
estados posibles; es decir que en esta proporcin el mercado continuar
consumiendo ambas marcas de caf X e Y, a lo largo del tiempo.
MCS
II) Anlisis de la situacin posterior a la campaa publicitaria:
1. Estados del proceso: El consumidor prefiere el producto X
Estado 1: Se compra la marca X
Estado 2: Se compra la marca Y
P = ( pij )
P= p11 p12 = 0.8 0.2

p21 p22 0.3 0.7

El consumidor prefiere el producto X
Vpe(0) = ( 1, 0 )

FRMULAS:
Vpe(n+1) = ( p(E1), p(E2) ) * p11 p12

p21 p22

Vpe(0) = ( 1, 0 )
MCS Vpe(1) = ( 1, 0 ) * 0.8 0.2
0.3 0.7
Vpe(1) = ( (1 * 0.8) + (0 * 0.3) , (1 * 0.2) + (0 * 0.7) )
Vpe(1) = ( 0.80 , 0.20 )
Anlisis: Al terminar la primera semana, el 80% contina en el estado 1 y el 20%

se cambia al estado 2.
* Vector de probabilidad de estado, luego de 2 semanas:
Vpe(2) = (0.8 , 0.2) * 0.8 0.2

0.3 0.7
Vpe(1) = ( (0.8 * 0.8)+ (0.2 * 0.3) , (0.8 * 0.2) + (0.2 * 0.7) )
Vpe(1) = ( 0.70 , 0.30 )
Anlisis: Al terminar la segunda semana, el 70% contina en el estado 1 y el

30% se cambia al estado 2.
Se contina el clculo de vectores para las siguientes semanas y se consolidan los

resultados en la siguiente tabla resumen:
MCS
Resultados para 20 semanas:
n p(E1) p(E2)
0 1 0
1 0.80000 0.20000
2 0.70000 0.30000
3 0.65000 0.35000
4 0.62500 0.37500
5 0.61250 0.38750
6 0.60625 0.39375
7 0.60313 0.39688
8 0.60156 0.39844
9 0.60078 0.39922
10 0.60039 0.39961
11 0.60020 0.39980
12 0.60010 0.39990
13 0.60005 0.39995
14 0.60002 0.39998
15 0.60001 0.39999
16 0.60001 0.39999
17 0.60000 0.40000
18 0.60000 0.40000
19 0.60000 0.40000
20 0.60000 0.40000
Anlisis: Si la compaa S REALIZA LA CAMPAA PUBLICITARIA, los valores de

probabilidades tienden a estabilizarse en aproximadamente un 60.00 % para el
consumo de la marca X y en un 40% de consumo para de la marca Y a lo largo del
tiempo.
La empresa en estudio espera estabilizar su mercado en un 50,00% el consumo de su

marca de caf si no lleva a cabo el proyecto publicitario y en un 60,00% si se realiza
el proyecto.
Para determinar la conveniencia de llevar a cabo la campaa publicitaria, se

proceder a estimar y comparar los beneficios netos obtenidos por el crecimiento del
mercado luego de la realizacin del proyecto publicitario, contra el costo de dicho
proyecto. Si los beneficios obtenidos por el crecimiento del mercado son mayores al
costo de la campaa, entonces se concluye que s es conveniente su ejecucin.
MC S
Por lo tanto:
Clculo del Beneficio anual de la alternativa de crecimiento:
Beneficio anual = Crecimiento del mercado * beneficio por cliente
Crecimiento del mercado

= Tamao del mercado * (PE1 con campaa - PE1 sin campaa)
Crecimiento del mercado = 50,000,000.00 * ( 60.00 - 50.00)

= 5,000,000.00 de consumidores.
Beneficio anual = 5,000,000.00 * 2.00
Beneficio anual = 10,000,000.00
Conclusin: Como el beneficio anual ($10,000,000.00) es menor que el costo de la

inversin ($12,000,000.00), entonces no se recomienda realizar la campaa
publicitaria.
-C
- Caaddeennaass ddee M mss ddee ddooss eessttaaddooss ppoossiibblleess::
Maarrkkoovv ppaarraa m
Pueden presentarse casos en los cuales, los estados de transicin de un

proceso no se limiten nicamente a dos opciones (comprar marca X o comprar
marca Y), es decir que existan ms alternativas posibles. En estos casos, la
metodologa de solucin de las cadenas de markov sin importar la cantidad de
estados, consiste en plantear un sistema de n ecuaciones con n incgnitas
(segn la cantidad de estados identificados) y resolver algebricamente para
obtener la solucin.
MCS
Ejemplo Ilustrativo No. 2: (Cadenas de Markov para ms de dos estados posibles)
Una compaa ha tabulado las siguientes probabilidades diarias de cambio:
De \ A Estado 1 Estado 2 Estado 3

Estado 1 0.5 0.3 0.2
Estado 2 0.3 0.5 0.2
Estado 3 0.6 0.35 0.05
Calcule las probabilidades de estado estacionario y concluya.
Solucin:
1. Estados del proceso: 1
Estado 1: 1
Estado 2: 2
Estado 3: 3

P = ( pij )
P= p11 p12 p13 = 0.5 0.3 0.2

p21 p22 p23 0.3 0.5 0.2
p31 p32 p33 0.6 0.35 0.05

Vpe(0) = ( 1, 0, 0)
FRMULAS:
MCS
Vpe(n+1) = ( p(E1), p(E2), p(E3) ) * p11 p12 p13
p21 p22 p23
p31 p32 p33

Vpe(0) = ( 1, 0, 0)
Vpe(1) = ( 1, 0, 0) * 0.5 0.3 0.2

0.3 0.5 0.2
0.6 0.35 0.05
Desarrollando:
P1 = 0.5 P1 + 0.3 P2 + 0.6 P3 (1)
P2 = 0.3 P1 + 0.5 P2 + 0.35 P3 (2)
P3 = 0.2 P1 + 0.2 P2 + 0.05 P3 (3)
Por definicin, se tiene:

P3 = 1 - P1 - P2 (4)
Sustituyendo ecuacin (4) en (1) y (2), se obtiene:
P1 = 0.5 P1 + 0.3 P2 + 0.6 (1 - P1 - P2)

P2 = 0.3 P1 + 0.5 P2 + 0.35 (1- P1 - P2 )
Al desarrollar y agrupar trminos, se obtiene:

1.10 P1 + 0.30 P2 = 0.60 (5)
0.05 P1 + 0.85 P2 = 0.35 (6)
Resolviendo el sistema de ecuaciones simultneas:
MCS
1.10 P1 + 0.30 P2 = 0.60 * -0.05
0.05 P1 + 0.85 P2 = 0.35 * 1.10
-0.06 P1 + -0.02 P2 = -0.03 +

0.06 P1 + 0.94 P2 = 0.39
0.00 P1 + 0.92 P2 = 0.36
P2 = 0.3859
Sustituyendo P2 en (5):
1.10 P1 + 0.30 P2 = 0.60

1.10 P1 + ( 0.30 * 0.3859) = 0.60
1.10 P1 + 0.12 = 0.60
1.10 P1 = 0.48
P1 = 0.4402
Sustituyendo P1 y P2 en (4):
P3 = 1 - P1 - P2
P3 = 1.00 0.4402 0.3859
P3 = 0.1739
Conclusin: La empresa en estudio espera estabilizar la transicin de estados a lo

largo del tiempo, as: estado 1 en un 44,02%, estado 2, en un 38,59% y estado 3, en un
17,39%.
MC
-
S
- PPrrooggrraam
maacciinn D
Diinnm
miiccaa::
En algunos problemas de decisin puede existir una secuencia de decisiones

relacionadas. La programacin dinmica es una tcnica matemtica diseada para
resolver estos problemas. El mtodo de solucin consiste en dividir el problema total
en varios subproblemas y resolver cada uno de manera que se obtenga la solucin
ptima global.
Es posible usar la tcnica de programacin dinmica para optimizar el

comportamiento a corto plazo de un proceso de Markov con decisiones.
La empresa Campaas Promocionales, S.A., planifica sustituir todo su equipo de
digitalizacin en un trmino de 3 aos (N= 3). Se desea calcular el ingreso esperado
ptimo y se tienen dos polticas de accin: k=1 no hacer reparaciones ni
mantenimiento independiente del estado del equipo y k = 2 hacer reparaciones y
mantenimiento, independiente del estado del equipo. Los estados son: 1: bueno, 2:
regular y 3: malo. Las matrices de transicin de probabilidad y de ingreso para las dos
polticas son: P1, R1, P2, R2.
POLTICA 1
Probabilidades de Transicin Matriz de Rendimientos
B R M B R M
B 0.1 0.6 0.3 B 15 10 3
R 0 0.3 0.7 R 0 7 2
M 0 0 1 M 0 0 -1
MCS
POLTICA 2
Probabilidades de Transicin Matriz de Rendimientos
B R M B R M
B 0.4 0.5 0.1 B 8 7 -1
R 0.2 0.6 0.2 R 6 5 0
M 0.1 0.4 0.5 M 7 4 -2
Solucin:
1. Estados del proceso:
Estado 1: Bueno
Estado 2: Regular
Estado 3: Malo
2. Matrices de probabilidad de transicin y de ingreso para las dos polticas:

Poltica 1: No realizar reparaciones ni mantenimiento independiente del estado del
equipo
P1 = ( pij )
B R M B R M B R M B R M
1 1 1 1 0.1 0.6 0.3 1 1 1 1 15 10 3
P = p 11 p 12 p 13 R = r 11 r 12 r 13 =
p121 p122 p123 r121 r122
0 0.3 0.7 1 0 7 2
= r 23
p131 p132 p133 0 0 1 r131 r132 r133 0 0 -1
Poltica 2: Hacer reparaciones y mantenimiento independiente del estado del equipo

P2 = ( pij )
B R M B R M B R M B R M
P2 =
2 2 2 0.4 0.5 0.1 2 2 2 2 8 7 -1
p 11 p 12 p 13 R = r 11 r 12 r 13 =
p221 p222 p223 = 0.2 0.6 0.2 r221 r222 r223 6 5 0
p231 p232 p233 0.1 0.4 0.5 r231 r232 r233 7 4 -2
MCS 3. Desarrollo de la funcin de ingreso ptimo esperado:
fN ( i ) = max vki m
k , vki = Pkij Rkij
j=1
m
fn( i ) = max vki + Pkij n+1( j ) para n = 1, 2, ..., N-1
k j=1
3.1 Para cada poltica de accin "K", se calcula:

m
vki = Pkij Rkij
j=1
Por lo tanto: Los ingresos esperados por transicin de estados para K=1 y K=2
son:
Para K = 1:
i = 1: v11 = (0.1 * 15) + (0.6 * 10) + (0 * 3) = 8.4
i = 2: v12 = ( 0 * 0) + (0.3 * 7) + (1 * 2) = 3.5
i = 3: v13 = ( 0 * 0) + (0 * 0) + (1 * -1) = -1
Para K = 2:
i = 1: v21 = (0.4 * 8) + (0.5 * 7) + (0 * -1) = 6.6
i = 2: v22 = (0.2 * 6) + (0.6 * 5) + (0 * 0) = 4.2
i = 3: v23 = (0.1 * 7) + (0.4 * 4) + (1 * -2) = 1.3
3.2 Se calcula la funcin de rendimiento ptimo:
fN( i ) =max vki vlida para N = 3

k
N= 3 K=1 K=2 fN( i ) = max vki

1 2 k
i vi vi k mximo
1 8.4 6.6 8.4 "j" K=1
2 3.5 4.2 4.2 "j" K=2
3 -1 1.3 1.3 "j" K=2
MC S
3.3 Se calcula la funcin de rendimiento ptimo: Vlida para todo N = N-1 hasta
N = 1.
m
fn( i ) = max vki + Pkij n+1( j ) para n = 1, 2, ..., N-1
k j=1 Vlida para toda N - 1
Desarrollo de la funcin para N= 2 y los tres estados posibles de transicin:

Para i = 1 y vki, y N = 2 tenemos:
K = 1: 8.4 + [ (0.1 * 8.4) + (0.6 * 4.2) + (0.3 * 1.3) ] = 12.15
K = 2: 6.6 + [ (0.4 * 8.4) + (0.5 * 4.2) + (0.1 * 1.3) ] = 12.19
k
Para i = 2 y v i, y N = 2 tenemos:
K = 1: 3.5 + [ (0 * 8.4) + (0.3 * 4.2) + (0.7 * 1.3) ] = 5.67
K = 2: 4.2 + [ (0.2 * 8.4) + (0.6 * 4.2) + (0.2 * 1.3) ] = 8.66
k
K = 1: -1 + [ (0 * 8.4) + (0 * 4.2) + (1 * 1.3) ] = 0.3
K = 2: 1.3 + [ (0.1 * 8.4) + (0.4 * 4.2) + (0.5 * 1.3) ] = 4.47
m
N= 2 K=1 K=2 fn( i ) = max vk i + Pkij n+1( j )
v1i
2
i vi k j=1 K mximo
1 12.15 12.19 12.19 "j" K=2
2 5.67 8.66 8.66 "j" K=2
3 0.3 4.47 4.47 "j" K=2
Desarrollo de la funcin para N= 1 y los tres estados posibles de transicin:

k
K = 1: 8.4 + [ (0.1 * 12.19) + (0.6 * 8.66) + (0.3 * 4.47) ] = 16.156
K = 2: 6.6 + [ (0.4 * 12.19) + (0.5 * 8.66) + (0.1 * 4.47) ] = 16.253

K = 1: 3.5 + [ (0 * 12.19) + (0.3 * 8.66) + (0.7 * 4.47) ] = 9.227
K = 2: 4.2 + [ (0.2 * 12.19) + (0.6 * 8.66) + (0.2 * 4.47) ] = 12.728

K = 1: -1 + [ (0 * 12.19) + (0 * 8.66) + (1 * 4.47) ] = 3.47
K = 2: 1.3 + [ (0.1 * 12.19) + (0.4 * 8.66) + (0.5 * 4.47) ] = 8.218
m
N= 1 K=1 K=2 fn( i ) = max vk i + Pkij n+1( j )
1 2
i vi vi k j=1
k mximo
1 16,156 16,253 16,253 "j" K=2
2 9,227 12,728 12,728 "j" K=2
3 3,47 8,218 8,218 "j" K=2
MCS
CONCLUSIN: Para el problema de 3 aos con dos polticas de accin, se concluye
que si el equipo al trmino del primer ao est en estado 1: Bueno, la poltica de
accin: Hacer reparaciones y mantenimiento independiente del estado (Poltica 2),
es la recomendable y el ingreso ptimo esperado en ese caso es de 16.25 unidades
monetarias. Si el equipo al final del ao 1 est en estado 2: Regular, se recomienda la
poltica de accin: Hacer reparaciones y mantenimiento independiente del estado
(Poltica 2), y el ingreso ptimo esperado al final del periodo en ese caso sera de:
12.73 u.m. Si la maquinaria al final del ao 1 est en estado 3: Malo, se recomienda la
poltica de accin: Hacer reparaciones y mantenimiento independiente del estado
(Poltica 2), y el ingreso ptimo esperado al final del periodo en este caso sera de:
8.22 unidades monetarias.
NOTA:
La frmula de funcin de ingreso ptimo se aplica en forma regresiva debido a
que se calcula el ingreso ptimo esperado al final de un periodo N, en caso se parta
de un estado inicial 1, en el periodo N = 1.
MC
-
S
- PPrroobblleem
Caappttuulloo::
1. La Gerencia de Mantenimiento Industrial de una fbrica, ha tabulado el

comportamiento de una mquina B que produce piezas componentes. Esta
puede estar ajustada o desajustada. Si est ajustada, la probabilidad de que
est ajustada al da siguiente es de 0.8 y la probabilidad de que no lo est es de
0.2. Si la mquina est desajustada, la probabilidad de que est ajustada el da
siguiente es 0.5 y la probabilidad de que no lo est es de 0.5 debido a que la
mquina tiene un mecanismo de ajuste automtico que no est funcionando
correctamente. Si el estado 1 representa la situacin que la mquina est
ajustada y el estado 2 representa el caso que no lo est, calcule las
probabilidades de estado para 10 das y concluya.
2. Cierta compaa desea emprender una gran campaa publicitaria para que los
consumidores prueben su marca de bebida sabor cola. A partir de los datos
obtenidos en la investigacin de mercado, la empresa pudo estimar las
probabilidades actuales de que los consumidores cambien de la marca que
produce la compaa: Ko-La a otra marca Z, as: 0.75 de probabilidad de
continuar en la marca Ko-La y 0.25 de cambiar de marca, de Ko-La a Z.
Asimismo, existe una probabilidad de 0.25 de que los consumidores cambien de
la marca Z a la Ko-La y 0.75 de que continen en la marca Z. Los
investigadores de mercado han estimado las probabilidades correspondientes
que existirn despus de realizar la campaa publicitaria, as: Existe 0.95 de
probabilidad de que se contine consumiendo la marca Ko-La y 0.05 de que
los consumidores cambian de marca de Ko-La a Z. Mientras que existe un 0.3
de probabilidad de que los consumidores cambien de marca de Z a Ko-La y
0.7 de que continen en la marca Z. Si la campaa publicitaria tiene un costo
de $850,000.00 anuales y si hay 600,000 compradores en el mercado y si el
beneficio promedio anual por cliente, es de $6, entonces determine si la
compaa debe o no debe realizar la campaa publicitaria.
MC
3.
S Una compaa ha tabulado las siguientes probabilidades diarias de cambio:
Estado 1 0.20 0.60 0.20
Estado 2 0.10 0.50 0.40

Estado 3 0.05 0.30 0.65
4. Una compaa ha tabulado las siguientes probabilidades diarias de cambio:

De \ A Estado 1 Estado 2 Estado 3 Estado 4 Estado 5
Estado 1 0.45 0.10 0.25 0.15 0.05
Estado 2 0.50 0.20 0.15 0.10 0.05
Estado 3 0.15 0.25 0.10 0.45 0.05
Estado 4 0.25 0.15 0.10 0.45 0.05
Estado 5 0.35 0.20 0.15 0.10 0.20
Calcule las probabilidades de estado estacionario y concluya
5. Resuelva el ejemplo ilustrativo de Programacin Dinmica resuelto en este

captulo del libro para cadenas de Markov, utilizando un N = 5 aos. Concluya.
6. La empresa Cocoa, S.A., produce tabletas de chocolate para bebida caliente,

de marca ABC. En el mercado existe otro producto con caractersticas similares
de marca XYZ. El problema consiste en determinar cul es la probabilidad de
que el cliente que ha comprado la marca ABC, en la siguiente semana vuelva
a comprar la misma marca y cul es la probabilidad de que el cliente siga
comprando el chocolate ABC en lo sucesivo. Los datos son importantes para el
gerente de produccin por lo que solicita al departamento de Mercadeo que
realice una investigacin en las principales ciudades donde se venden ambos
productos y para que sea bastante confiable se recogieron datos de varias
semanas sucesivas. Al revisar todos los datos, se llega ala conclusin que el 55%
de los que compraron la marca ABC, continuarn comprando la misma marca,
mientras que el 10% se cambiar a la marca XYZ. Tambin se determin que el
65% de los que compraron marca XYZ seguir comprando esa misma marca, y
MC S
el 20% se cambiar a la marca ABC. Con estos datos construya la matriz de
probabilidades de transicin, calcule las probabilidades de estado y concluya.
7. Un agricultor cuidadoso atiende una porcin de tierra durante cada ao para

cuidado de sus cultivos. Regularmente realiza pruebas qumicas para revisar la
condicin del terreno. Dependiendo de los resultados de las pruebas puede
clasificar la productividad (condicin) del terreno como Buena, Regular o
Deficiente. Al tabular sus datos, llega a establecer las siguientes probabilidades
de transicin:

Estado 1 0.2 0.5 0.3
Estado 2 0 0.5 0.5
Estado 3 0 0 1
Comnmente el agricultor puede decidir fertilizar el terreno para mejorar la

condicin del mismo o bien, no hacerlo. En este ltimo caso sus probabilidades
de transicin se mantienen como en la tabla anterior, pero si lo hace, se
producir la siguiente matriz de transicin:

Estado 1 0.3 0.6 0.1
Estado 2 0.1 0.6 0.3
Estado 3 0.05 0.4 0.55
Como se tienen las opciones de fertilizar o no fertilizar el terreno, se espera que la

ganancia que generan los cultivos vare segn la decisin que se tome de
acuerdo a la siguiente informacin:
MC S
Matriz de Rendimientos de Cambio por la
aplicacin de la Poltica 1
Estado 1 7 6 3
Estado 2 0 5 1
Estado 3 0 0 -1
Matriz de Rendimientos de Cambio por la

aplicacin de la Poltica 2
Estado 1 6 5 -1
Estado 2 7 4 0
Estado 3 6 3 -2
Resuelva el problema con el objetivo de optimizar el ingreso esperado al trmino

de 3 aos aplicando el modelo de programacin dinmica con cadenas de
Markov. Presente sus conclusiones respectivas.
8. Una compaa ha tabulado las siguientes probabilidades diarias de cambio:

Estado 1 0.50 0.30 0.20
Estado 2 0.20 0.40 0.40

Estado 3 0.10 0.20 0.70
9. El departamento de Control de Calidad de una fbrica de productos de

consumo masivo, tiene la responsabilidad de informar a la brevedad a la
Gerencia de Produccin sobre la proporcin de rechazos de lotes de produccin
por contener producto defectuoso que se espera detectar durante las prximas
semanas y que corresponde a un producto nuevo. Por carecer de informacin
MCS
histrica, se implementa un plan piloto de muestreo por inspeccin en dos puntos
crticos del proceso. De la tabulacin de datos obtenidos durante una semana,
se determina que la probabilidad de aceptar un lote por bueno en la primera
inspeccin y que contine en este estado luego de la segunda inspeccin es de
0.95; mientras que la probabilidad de rechazarlo por defectuoso en la segunda
inspeccin es de 0.05. Asimismo, se estableci que existe una probabilidad de
0.45 de que un lote que es rechazado en la primera inspeccin, contine en este
estado por no ser posible su solucin inmediata; mientras que existe una
probabilidad de 0.55 de aceptar el lote en la segunda inspeccin luego de
algunos ajustes menores. SE LE PIDE: calcular las probabilidades de estado
estacionario para 6 semanas y concluya tomando en cuenta que la Gerencia de
Produccin no desea ms de un 7% de lotes defectuosos.
10. Resuelva el problema propuesto nmero 7 de este captulo, utilizando la

metodologa de programacin dinmica para cadenas de Markov, un N = 5
aos. Concluya.
MC S C
CAAPPIITTUULLO
OVVIIII
IIN
NVVEEN
NTTA
ARRIIO
OSS
-C
- Coonncceeppttoo
n problema de inventario existe cuando es necesario guardar bienes fsicos
o mercancas con el propsito de satisfacer la demanda sobre un horizonte de

tiempo especificado (finito o infinito).
Cada empresa debe almacenar bienes para asegurar un trabajo uniforme y

eficiente en sus operaciones. Las decisiones sobre cundo hacer pedidos y en qu
cantidad, son tpicas de cada problema de inventario.
Un sobrealmacenamiento requerira un capital invertido superior por unidad de

tiempo pero menos ocurrencias frecuentes de escasez y de colocacin de pedidos.
Un subalmacenamiento, por otra parte, disminuira el capital invertido por unidad de
tiempo pero aumentara la frecuencia de los pedidos as como el tiempo de estar sin
mercanca. Los dos extremos son costosos.
Las decisiones considerando la cantidad ordenada y el tiempo en el cual se

ordena pueden, por consiguiente, estar basadas sobre la minimizacin de una
funcin de costo apropiada, la cual balancea los costos totales resultantes de
sobrealmacenamiento y subalmacenamiento.
-M
- Mooddeelloo ggeenneerraalliizzaaddoo ddee iinnvveennttaarriioo::
El objetivo final de cualquier modelo de inventario es el de dar respuesta a dos

preguntas:
MCS
1. Qu cantidad de artculos deben pedirse?
2. Cundo deben pedirse?
La respuesta a la primera pregunta se expresa en trminos de lo que llamamos

cantidad de pedido. Esta representa la cantidad ptima que debe ordenarse
cada vez que se haga un pedido y puede variar con el tiempo dependiendo de la
situacin que se considere.
La respuesta a la segunda interrogante depende del tipo de sistema de

inventarios. Si el sistema requiere revisin peridica en intervalos de tiempo iguales
(por ejemplo cada semana o cada mes), el tiempo para adquirir un nuevo pedido
suele coincidir con el inicio de cada intervalo de tiempo. Por otra parte, si el sistema
es del tipo de revisin continua, el nivel de inventario en el cual debe colocarse un
nuevo pedido suele especificar un punto para un nuevo pedido.
Por tanto, podemos expresar las solucin del problema general de inventarios
de la manera siguiente:
1. Caso de Revisin Peridica: Recepcin de un nuevo pedido de la cantidad

especfica por la cantidad del pedido en intervalos de tiempo iguales.
2. Caso de Revisin Continua: Cuando el nivel de inventario llega al punto para

un nuevo pedido se coloca un nuevo pedido.
La cantidad del pedido y el punto para un nuevo pedido suelen determinarse

normalmente minimizando el costo de inventario total que se puede expresar como
una funcin de estas dos variables.
El costo total de un modelo de inventarios general est compuesto de la

siguiente manera:
MCS
COSTO TOTAL = COSTO DE + COSTO DE + COSTO DE + COSTO DE
DE INVENTARIO COMPRA PEDIDO ALMACENAJE ESCASEZ
El costo de compra se vuelve un factor importante cuando el precio de una

unidad de mercanca se hace dependiente del tamao del pedido. Esta situacin se
expresa normalmente en trminos de un descuento de cantidad o una reduccin del
precio, donde el precio unitario del artculo disminuye con el incremento de la
cantidad ordenada.
El costo de pedido representa el gasto fijo en que se incurre cuando se hace

un pedido. Por lo tanto, para satisfacer la demanda en un periodo realizando
pedidos frecuentes de cantidades menores, dar origen a un costo fijo mayor
durante el periodo completo que si se satisfaciera la demanda haciendo pedidos
mayores y menos frecuentes.
El costo de almacenamiento representa los costos por el resguardo fsico de los

bienes en bodega, por ejemplo, el inters sobre el capital invertido, el manejo, la
depreciacin, el mantenimiento, etc. Normalmente este costo aumenta con el nivel
de inventario.
Por ltimo, el costo de escasez es una penalizacin en la que se incurre

cuando se termina la existencia de un producto que se necesita. Por lo general
incluye costos que se acreditan a la prdida de la benevolencia del cliente y
tambin a la prdida potencial del ingreso.
MC S
Grfica de Costos de Inventarios
Costo total por
ao
Costo Total
Costo ptimo
Costo de
Almacenamiento
Costo de Costo de
Penalizacin Pedido
Costo de
Compra
Nivel de
Nivel ptimo inventario
En la grfica anterior, se ilustra la variacin de los principales tipos de costo

para un modelo general de inventario, en funcin del nivel de existencias.
El nivel de inventario ptimo corresponde al costo total mnimo de las cuatro

componentes. Sin embargo, en muchos casos, un modelo de inventarios no necesita
incluir los cuatro tipos de costo, ya sea porque algunos de los costos son
insignificantes o porque harn que la funcin de costo total sea demasiado compleja
para el anlisis matemtico. En la prctica, se puede suprimir una componente de
costo slo si su efecto en el modelo de costo total es insignificante.
MC S
- TTiippooss ddee ddeem
- maannddaa eenn llooss iinnvveennttaarriiooss::
Los tipos de demanda normalmente identifican un modelo de inventarios,

segn su comportamiento.
Una demanda determinista puede ser esttica en el sentido de que la tasa de

consumo permanece constante durante el transcurso del tiempo, o puede ser
dinmica cuando la demanda se conoce con certeza pero vara de un periodo al
siguiente.
La demanda probabilstica tiene dos clasificaciones anlogas; el caso

estacionario en el cual la funcin de densidad de probabilidad de la demanda se
mantiene sin cambio con el tiempo; y el caso no estacionario, donde la funcin de
densidad de probabilidad vara con el tiempo.
-M
- OD
MO DEELLO DEETTEERRM
OSS D CO
NSSTTIIC
MIIN OSS D NV
DEE IIN NTTA
VEEN OSS::
ARRIIO
-M
- maaoo EEccoonnm
Mooddeelloo 11:: TTaam OQ
miiccoo ddeell LLoottee ((EEO Q))::
Caractersticas:
q Modelo de cantidad fija de reorden

q La demanda es constante
q El abastecimiento es instantneo
q El tiempo de entrega es constante
q Los costos son constantes.
MCS
Comportamiento grfico:
R R
0 t Tiempo
De donde:
Q = Tamao del inventario (lote o pedido)

t = Tiempo de entrega
T = Periodo de agotamiento del inventario
R = Nivel de reorden
Frmulas utilizadas:
1. Cantidad ptima:
Q= 2 D Co .
Ch
2. Periodo de agotamiento:
T= Q/D
3. # de rdenes:
MCS # de rdenes = D / Q
4. Nivel de reorden:
R = t *D
5. Costo total del periodo:
Costo total = Costo total de pedidos + Costo total de almacenamiento
Costo total = Co D . + Ch Q .
Q 2
6. El Nivel promedio de inventario = (Inventario mximo + Inventario mnimo ) / 2
= (Q + 0) /2
=Q/2
Deduccin de la frmula de la cantidad econmica de pedido:

La cantidad ptima de pedido se encuentra al obtener la derivada del costo total
respecto a Q y hacerla igual a cero y a continuacin resolver en funcin de Q.
1. La frmula del costo total es:

CT = Co D . + Ch Q .
Q 2
2. La derivada del costo total respecto a Q es:
d(CT) / d(Q) = Ch/2 + ( - D Co / Q2 )
3. Igualando la derivada de CT a cero y resolviendo en funcin de Q:
Ch/2 + ( -D Co / Q2 ) = 0
MCS - D Co / Q2 = - Ch / 2
Q2 = 2 D Co .
Ch
4. La cantidad ptima (EOQ), es por lo tanto:
Q= 2 D Co .
Ch
Ejemplo Ilustrativo Modelo 1 EOQ Demanda constante-:
La compaa Resortes Industriales, S.A. almacena miles de resortes para maquinaria

industrial. El gerente general de la empresa, se pregunta cunto dinero podra
ahorrarse todos los aos si se utilizara EOQ en lugar de las reglas prcticas actuales de
la empresa. Le da instrucciones al analista de inventarios para que realice un anlisis
sobre el resorte R-Q13 para determinar si es posible cuantificar ahorros significativos
usando el EOQ. De la informacin contable, se tienen las siguientes estimaciones: La
demanda anual es D= 16,800 resortes por ao; la cantidad de compra actual que se
mantiene fija por poltica contable es de Q = 100 resortes por pedido; el costo de
almacenaje es: Ch = $0.60 por resorte al ao; y el costo de pedir se estima en: Co =
$3.50 por pedido.
Solucin:
1. Demanda anual:
D= 16,800.00 resortes
2. Costo de pedido unitario:

Co = 3.5 $ /pedido
MCS
3. Costo de almacenamiento unitario:
Ch = 0.6 $/resorte-ao
4. Tiempo de entrega:
t = 1 semana
t = 7 das
5. EOQ:
EOQ = 2 D Co .
Ch
Q= 2 * 16,800.00 * 3.5
0.6
Q= 442.72 resortes
Aproximando a valores enteros:

Q= 443.00 resortes
6. Ciclo de inventario:
T= Q/D
T = 443.00 / 16,800.00
T = 0.02637 aos = T= 9.62 das
7. # de rdenes:
# ordenes = D/Q
# ordenes = 16,800.00 / 443.00
# ordenes = 37.92 rdenes al ao

# ordenes = 38.00 rdenes
MCS
R= t*D
R = 7 das/ao * 16,800.00 repuestos * 1 ao /365 das
R = 322.19 repuestos

R = 323.00 repuestos
9. Costo total anual de administracin del inventario (con aplicacin de EOQ):
CT = Co * (D / Q) + Ch * (Q / 2)
CT = [ 3.50 * (16.800.00 / 443.00) ] + [ 0.6 * (443.00 / 2) ]
CT = 265.63 $/ao
10. Anlisis de costos:

Ahorros = Costo total actual - Costo total EOQ
Con aplicacin de la poltica de compra actual:

CT actual = Co * (D / Q) + Ch * (Q / 2)
CT = [ 3.50 * (16.800.00 / 100.00) ] + [ 0.6 * (100.00 / 2) ]
CT actual= 618.00 $/ao
Ahorros = 618.00 - 265.63

Ahorros = 352.37 $/ao
11. Conclusin:
Debido a que existen ahorros anuales que aplicados a todos los artculos de
inventario, resultaran significativos, entonces, se concluye que S es conveniente
la aplicacin de EOQ.
MC S
12. Grfica:
Q = 443
R
R = 323
0 Tiempo
t = 7 das
T = 9.62 das
-M
- OQ
Mooddeelloo 22:: EEO Q ppaarraa llootteess ddee pprroodduucccciinn ((eennttrreeggaass ggrraadduuaalleess))::
Este modelo es til para la determinacin del tamao de los pedidos, si se

produce un material en una etapa de la produccin, se almacena en inventario y
despus se enva a la siguiente etapa de produccin o se embarca a los clientes.
Se genera la produccin y fluye al inventario a una tasa (p) superior a la tasa

de uso de demanda (d) a la que est saliendo el material del inventario, por lo que
este modelo es muy adecuado para planear el tamao de los lotes de produccin
para manufacturar los productos dentro de la misma empresa.
Este modelo tiene slo una pequea modificacin con relacin con el Modelo
I, se supone que los pedidos se liberan o producen a una tasa uniforme, y no todo de
una vez.
Caractersticas:
q Es posible estimar la demanda anual, el costo de almacenar y el costo de

pedir de un material.
MC
q
S No se utiliza existencia de seguridad.
q Los materiales se suministran a una tasa uniforme (p) y se utilizan a una tasa
uniforme (d), y cuando el siguiente pedido llega los materiales se utilizaron
totalmente.
q No son importantes los costos de faltantes de inventario ni de los clientes, as
como otros costos diferentes al de almacenar y de pedir.
q No existen descuentos por cantidad.
q La tasa de suministro (p) es superior a la tasa de uso (d)
Frmulas utilizadas:
1. Cantidad ptima:
Q= ( 2 D Co / Ch ) [ p / (p d) ] .

Costo total = Costo total de pedidos + Costo total de almacenamiento
Costo total = Co D . + Ch [ ( p d ) / p] * Q .
Q 2
3. El Nivel promedio de inventario = (Inventario mximo + Inventario mnimo ) / 2
Inventario mximo = Tasa de acumulacin de inventarios * Periodo de entrega

Inv. Mx. = ( p d ) ( Q/p )
El Nivel promedio de inventario = [ ( p d ) ( Q/p ) + 0 ] / 2
El Nivel promedio de inventario = ( Q / 2 ) * [ ( p d ) /p ]
MCS
3. Ciclo de inventario:
T = inv. Mx. / D
R=t*D
5. # de rdenes:
# ord. = D / inv. Mx.
6. Tiempo de entrega:
t=Q/p
7. Tasa de uso de demanda:

d = D / das efectivos al ao *
* Slo los das efectivos laborales debido a que el consumo del artculo depende del
funcionamiento de la planta de produccin.
Deduccin de la frmula de la cantidad econmica de pedido:
1. La frmula del costo total es:

Costo total = Co D . + Ch [ ( p d ) / p] * Q .
Q 2
2. La derivada del costo total respecto a Q es:

d(CT) / d(Q) = [( p d ) / 2p] Ch + ( - D Co / Q2 )
3. Igualando la derivada de CT a cero y resolviendo en funcin de Q:

[( p d ) / 2p] Ch + ( - D Co / Q2 ) = 0
Q2 = ( 2 D Co / Ch ) [ p / (p d) ]
MCS
4. La cantidad ptima (EOQ), es por lo tanto:
Q= ( 2 D Co / Ch ) [ p / (p d) ] .
Ejemplo ilustrativo Modelo 2 EOQ con entregas graduales-:
La compaa Resortes Industriales, S.A. tiene un rea en produccin destinada a la

fabricacin del resorte RQ13. Si los resortes se produjeran en la empresa en lotes de
produccin, fluiran gradualmente hacia el inventario en el almacn principal para su
uso. El costo de almacenar, de pedir o de preparacin y la demanda anual se
conservaran aproximadamente igual. Dado que los resortes realmente fluyen hacia
el inventario en lugar de recibirse todas a la vez. El gerente general se pregunta de
qu manera ello afectara la cantidad de pedido y el costo anual de
almacenamiento. El analista de inventarios desarrolla las siguientes estimaciones: D=
16,800 resortes al ao, Ch = $0.60 por resorte al ao, Co = $3.50 por pedido y p = 70
resortes diarios. Los das laborables en el ao son 266. Calcule los ahorros de costo
estimados con EOQ si se fabrica en la planta de produccin, comparado contra los
costos totales si se entregan todos los resortes de una sola vez por un proveedor
externo.
Solucin:
1. Demanda anual:

Co = 3.5 $/pedido

Ch = 0.6 $/resorte-ao
MCS
4. Tasa a la que se utilizan las unidades saliendo del inventario:
d= D / das efectivos laborales al ao
d= 16,800.00 / 266
d= 63.16 resortes/da
5. EOQ por lotes:
Q= ( 2 D Co / Ch ) [ p / (p d) ] .
Q= [ (2 * 16,800.00 * 3.5) / (0.60) ] * [ (70) / (70 63.16) ]
Q= 1,416.06 resortes
Aproximando a valores enteros: (Asumiendo un criterio de sobrestimacin):

Q= 1,417.00 resortes
6. EOQ una sla entrega:

EOQ = 2 D Co .
Ch
Q= 2 * 16,800.00 * 3.5
0.6
Q= 442.72 resortes

Q= 443.00 resortes
MCS
7. Costo total anual de administracin del inventario:
CT 1 sla entrega = Co * (D / Q) + Ch * (Q / 2)
CT = [ 3.50 * (16.800.00 / 443.00) ] + [ 0.6 * (443.00 / 2) ]
CT = 265.63 $/ao
CT lotes: Co ( D/Q ) + Ch [ ( p - d ) / p ] * ( Q / 2 )
CT = [ 3.50 * (16,800.00 / 1,417.00) ] + [ [ 0.6 * (70 - 63.16) / (70) ] * (1,417.00 / 2) ]
CT = 83.05 $/ao
10. Anlisis de costos:
Ahorros = Costo total EOQ 1 sla entrega - Costo total EOQ entregas graduales
Ahorros = 265.63 - 83.05
Ahorros = 182.58 $/ao
Clculo de las dems variables del modelo:

11. Ciclo del Inventario:
T = Inv. Mx / D = [ (p d) * (Q/p) ] / D
T = [ ( 70 63.16) * (1,417.00 / 70) ] / 16,800.00
T = 0.008 aos = 3.020 das
12. Periodo de entrega :

t = Q / p = 1,417.00 / 70.00
t = 20.243 dias
R = t * D = ( 20.243 * 16,800.00 ) / 365

R = 932 resortes
MC S
14. No. ordenes:
No = D / inv. Mx. = 16,800.00 / 139

No. rdenes = 120.86 rdenes
Aproximando: 121 rdenes
15. Conclusin:
Debido a que existen ahorros anuales que aplicados a todos los artculos de
inventario, resultaran significativos, entonces, se concluye que S es conveniente la
aplicacin de EOQ para entregas graduales.
16. Grfica:
Q = 1,417.00
Q
Inventario mximo = (p-d) (Q/p)

Inv. Mx = 139.00
R = 932
0 Tiempo
Lt =
(p - d)
6.84
MC
-
S
-MMooddeelloo 33:: EEO
OQQ ccoonn ddeessccuueennttooss ppoorr ccaannttiiddaadd::
Si se piden cantidades mayores, los proveedores pueden ofrecer sus productos

a precios unitarios inferiores. Esto ocurre porque pedidos de cantidad mayor pueden
ser menos costosos de producir y embarcar.
Caractersticas:
q Es posible estimar la demanda anual, el costo de almacenar y el costo de

pedir de un material.
q Se pueden estimar los niveles promedio de inventarios como:
Q/2 si son vlidos los supuestos del Modelo I.
Q/2 [ ( p d ) / p ]. Prevalecen los supuestos del Modelo II.
q No son importantes los costos de faltantes de inventario ni de los clientes, as

como otros costos.
q S existen descuentos por cantidad.
Frmulas utilizadas:
Las frmulas del Modelo I o del Modelo II, son aplicables al Modelo III, dependiendo
cul de los supuestos se adeca mejor a la situacin de los inventarios.
Modelo I: Pedido entregado todo de una vez.
1. Cantidad ptima:
Q= 2 D Co .
Ch
MCS
Costo total = Costo total de pedidos + Costo total de almacenamiento + (D) ac
Costo total = Co D . + Ch Q . + (D)ac

Q 2
Modelo II: Entregas graduales.
1. Cantidad ptima:
Q= ( 2 D Co / Ch ) [ p / (p d) ] .
Costo total = Costo total de pedidos + Costo total de almacenamiento + Costo

Adquisicin.
Costo total = Co D . + Ch [ ( p d ) / p] * Q . + (D)(ac)

Q 2
Metodologa de solucin:
1. Calcular el EOQ, utilizando cada uno de los precios de venta.

2. Determinar cules de los EOQ obtenidos en el paso 1, son factibles, es decir,
identificar si el EOQ calculado est dentro del rango de cantidades para ese
precio.
3. El costo total anual (CT) se calcula para los EOQ factibles y para las
cantidades en donde existen cambios en los precios de venta.
4. La cantidad de pedido que tenga el costo total anual menor, es la cantidad
econmica de pedido.
MCS
Ejemplo ilustrativo Modelo 3 EOQ con entregas graduales-:
Un proveedor de la compaa Resortes Industriales, S.A., ha ofrecido al gerente

general, descuentos por cantidad comprada del resorte RQ13. Los volmenes y
precios ofrecidos, son:
Rango de Costo de adquisicin
cantidades de por vlvula (ac)
pedido
1 399 $4.25
400 699 $3.75
700 + $2,99
El gerente general le pide al analista de inventarios que investigue los nuevos precios
bajo dos supuestos: I) Los pedidos se reciben todos a la vez y II) Las entregas son
graduales. Las estimaciones con que se cuentan son: D= 16,800 resortes al ao, Ch =
15% del costo de adquisicin (ac) por vlvula por ao, Co = $3.50 por pedido y p = 70
resortes diarios. Los das laborables en el ao son 266.
Solucin:
1. Demanda anual:

Co = 3.5 $/pedido

Ch = 0.15 * Costo de adquisicin (ac)
Ch 1 = 0.15 * 4.25 = 0.6375 $/resorte-ao
Ch 2 = 0.15 * 3.75 = 0.5625 $/resorte-ao
Ch 3 = 0.15 * 2.99 = 0.4485 $/resorte-ao
MCS
4. Tasa a la que se utilizan las unidades saliendo del inventario:
d= D / das efectivos laborales al ao
d= 16,800.00 / 266
d= 63.16 resortes/da
Supuesto I:
5. EOQ una sla entrega:
EOQ = 2 D Co .
Ch
- Para ac = 4.25:
EOQ1 = 2 * 16,800.00 * 3.5

0.6375
EOQ1 = 429.50 resortes

- Para ac = 3.75:
EOQ2 = 2 * 16,800.00 * 3.5

0.5625

MCS
- Para ac =2.99:
EOQ3 = 2 * 16,800.00 * 3.5

0.4485

5.1 Anlisis de EOQ's Factibles:
Cantidad Precio EOQ Factible? Cantidad clave por

(ac) analizar
1 - 399 4.25 No Factible
400 - 699 3.75 458.00 458.00 700.00
700 - + 2.99 No Factible
6. Anlisis de Costos para el caso de una sola entrega:
CT = Co * (D / Q) + Ch * (Q / 2) + (D) (ac)
Se aplica la frmula de costo total para una entrega, para las cantidades clave por
analizar. En este caso, corresponde calcular costos para Q = 458 y para Q = 700
debido a que en esta ltima cantidad existe un cambio en el precio unitario.
Recuerde que de conformidad con la metodologa de solucin, se debe calcular el
costo para los EOQs factibles y para aquellas cantidades en donde se dan cambios
de precio unitario.
- CT para Q = 458:
CT = [ 3.50 * (16,800.00 / 458 ) ] + [ 0.5625 * (458.00 / 2) ] + (16,800.00 * 3.75)
CT = 63,257.20 $ /ao
MCS
- CT para Q = 700:
CT = [ 3.50 * (16,800.00 / 700 ) ] + [ 0.4485 * (700.00 / 2) ] + (16,800.00 * 2.99)
CT = 50,472.98 $ /ao
7. CONCLUSIN (Para supuesto I: Una sola Entrega):
Si los pedidos se entregan todos a la vez, deben ordenarse: 700 resortes

en cada reabastecimiento de inventario.
8. EOQ entregas graduales:
Q= ( 2 D Co / Ch ) [ p / (p d) ] .
- Para ac = 4.25:
EOQ1 = [ (2 * 16,800.00 * 3.5) / (0.6375) ] * [ (70) / (70 63.16) ]
EOQ1 = 1,373.78 resortes
EOQ1 = 1,374 resortes
- Para ac = 3.75:
EOQ2 = [ (2 * 16,800.00 * 3.5) / (0.5625) ] * [ (70) / (70 63.16) ]
MCS
- Para ac =2.99:
EOQ3 = [ (2 * 16,800.00 * 3.5) / (0.4485) ] * [ (70) / (70 63.16) ]
8.1 Anlisis de EOQ's Factibles:
Cantidad Precio EOQ Factible? Cantidad clave por

(ac) analizar
1 - 399 4.25 No Factible
400 - 699 3.75 No Factible
700 - + 2.99 1,638 1,638
9. Anlisis de Costos para entregas graduales:

CT lotes: Co ( D/Q ) + Ch [ ( p - d ) / p ] * ( Q / 2 ) + ( D * ac )
- CT para Q =1,638:
CT = [ 3.50 * (16,800.00 / 1,638 ) ] + [ 0.4485 * [ (70 63.16) / 70) ] * (1,638 / 2) ]

+ (16,800.00 * 2.99)
CT = 50,303.80 $ /ao
9. CONCLUSIN (Para supuesto II: Entregas Graduales):
Si los pedidos se entregan en forma gradual, deben ordenarse: 1,638 resortes

en cada lote o pedido.
10. CONCLUSIN FINAL:
Si es posible elegir entre entregas parciales o una sola entrega y desde el

punto de vista del costo total de inventario anual, entonces se recomienda que el
abastecimiento se realice en forma parcial, por la cantidad de 1,638 resortes, debido
a que el costo de inventario en este caso es de: $50,303.80/ao que resulta ms bajo
que la otra opcin.
MC
-
S
-MMO
ODDEELLO
OSS D
DEE IIN
NVVEEN
NTTA
ARRIIO
OSS C
COON
NDDEEM
MAAN
NDDA
A IIN
NCCIIEERRTTA
A YY C
COON
N RREEO
ORRD
DEEN
N::
Existen casos en los cuales la tasa de demanda no tiene un comportamiento

conocido ni constante, por el contrario, se conoce nicamente la distribucin de
probabilidad de la demanda durante el tiempo de entrega. Por lo tanto, en este
caso, al establecer el punto de pedido o de reorden, existe la posibilidad de que el
inventario se agote y se incurra en costos de escasez.
El tipo de demanda a analizar se refiere a un tipo de demanda

independiente que se presenta por lo general con los inventarios de producto
terminado, pero no con las materias primas ni los componentes de manufactura. En
estos casos, la demanda es dependiente debido a que la demanda de un
componente o materia prima depende del programa de produccin. Para esta
situacin de demanda dependiente, se utiliza la tcnica MRP (Planeacin de los
Requerimientos de los Materiales).
Resulta conveniente dividir el inventario en dos tipos:
1. Existencias de ciclo: Corresponden al inventario promedio que debe tenerse

como funcin del tamao de pedido. (Q/2).
2. Existencias de seguridad: Se determinan mediante la diferencia entre el punto

de pedido (R) y la demanda promedio durante el tiempo de entrega del
reabastecimiento.
Cuanto mayores son las existencias de seguridad, menor es la posibilidad de

que se produzcan inexistencias. Sin embargo, es importante analizar la interaccin
entre los diversos costos y las dos variables (punto de pedido y tamao del pedido).
MC
-
S
-MMooddeelloo 11:: M
Mooddeelloo ddee C
Coossttoo ddee EEssccaasseezz::
Al igual que los casos anteriores, el objetivo consiste en minimizar el costo total de
inventario en un periodo determinado. Para este caso se consideran tres tipos de
costo: a) costo de pedido (Co); b) Costo de almacenamiento (Ch); y c) Costo de
escasez (Ku).
Caractersticas:
- El tiempo de reabastecimiento es conocido.
- Costo de escasez unitario e independiente de la duracin de la situacin de
inexistencias.
- La demanda durante el tiempo de entrega tiene una distribucin normal. ( D )
- Las existencias de seguridad (R D), siempre son positivas, debido a que el
punto ptimo de pedido (R) es mayor que la demanda promedio durante el
tiempo de entrega ( D ).
- El inventario siempre contar en promedio con existencias de seguridad.
Comportamiento grfico:
Q Q
Q
Q
R R
Existencias de seguridad
0 t Tiempo
MCS
De donde:
Q = Cantidad de pedido (Existencias de ciclo)

D = Demanda anual promedio
D = Nmero promedio de unidades de demanda durante el tiempo de entrega
D = Desviacin estndar de la demanda durante el tiempo de entrega.
t = Tiempo de entrega
T = Periodo de agotamiento del inventario
R = Nivel de reorden o punto de pedido
Frmulas utilizadas:
1. Cantidad ptima:
Q= 2 D Co .
Ch
Se utiliza la misma frmula de cantidad ptima de pedido que se aplica para

el caso de demanda constante. Esto debido a que no existe ninguna consecuencia
seria en la determinacin de costos anuales si se aplica Q para demanda
probabilstica.
El nico error grave que puede existir al utilizar esta frmula para el caso
probabilstico, se da cuando la cantidad ptima resulta menor que la desviacin
estndar de la demanda durante el tiempo de entrega (D). Para esta situacin se
puede aplicar un mtodo heurstico que consiste en hacer que la cantidad de
pedido sea igual a la D.
MCS
2. Punto ptimo de pedido (Nivel de reorden):
Primero se debe determinar la probabilidad de que la demanda durante el

tiempo de entrega, sea menor o igual que R para una distribucin normal
estandarizada, as:
F(R)= 1 - Ch Q .
Ku D
Luego, se obtiene el punto de pedido ptimo, as:
R= D + Z D
Por definicin, el punto ptimo de pedido es igual a la demanda promedio

durante el tiempo de entrega, ms las existencias de seguridad, por lo tanto, las
existencias de seguridad se determinan por: Z D
La frmula del punto ptimo de pedido se obtiene mediante la aplicacin del

anlisis marginal, iniciando el punto de pedido R con un valor cualquiera, por
ejemplo la demanda promedio durante el tiempo de entrega ( D ). Luego, se hace
la pregunta si vale la pena aumentar otra unidad a R, frente al costo anual esperado
de no agregar la unidad.
El costo anual incremental de aadir una unidad a R es aproximadamente

igual al costo anual de almacenamiento de una unidad en inventario, ya que la
unidad adicional se agregar a las existencias de seguridad y por consiguiente se
mantendr en inventario casi todo el tiempo.
El costo anual incremental esperado de no aadir la unidad a R, ser igual a la

probabilidad de que se demande la unidad adicional o ms, durante el tiempo de
entrega, multiplicada por el costo unitario de escasez (Ku), todo ello multiplicado por
el nmero de ciclos de inventario en el ao (D/Q).
MC S
Costo incremental Demanda de
de no agregar la = Prob la siguiente * Ku (D/Q)
unidad adicional Unidad o ms
Si F( R ), es la probabilidad de que la demanda durante el tiempo de entrega

sea menor o igual que el valor actual de R; entonces: F ( R ) = P (D R).
Y por lo tanto, la probabilidad de que se requiera la siguiente unidad o ms, es

igual a 1 F ( R ).
En el punto ptimo de pedido, los costos de no aadir la siguiente unidad son

iguales a los costos de aadir la siguiente unidad (almacenamiento), como se
muestra en la siguiente figura:
Costos Costo de no aadir la siguiente unidad

Incrementales [ 1 F(R) ] * Ku * (D/Q)
Costo de aadir la siguiente unidad Ch
Ch
R ptimo
MCS Por lo tanto:
Ch = [ 1 F ( R ) ] * Ku * ( D / Q )
Es decir:
[ 1 F (R) ] = ( Ch Q ) / ( Ku D )
Finalmente:
F(R)= 1 - Ch Q .
Ku D
Adicionalmente, tambin se deduce que el punto de pedido ptimo es igual a:
R= D + Z D
Frmula que se obtiene derivada del anlisis de la siguiente figura que muestra
la distribucin normal de la demanda durante el tiempo de entrega:
D R
3. Costo total esperado ptimo:
CT = [ Co + Ku*D * N(Z) ] * ( D/Q ) + [ ( Q/2 ) + ( R - D ) ] * Ch
De donde: N(Z), se refiere a la funcin de prdida unitaria para la distribucin

normal estandarizada (Ver Apndice C), y Z es igual a R convertida en unidades de
deviacin estndar con respecto a la demanda media durante el tiempo de
entrega, as:
Z= R - D .
D
MCS
4. Desviacin estndar de la demanda durante el tiempo de entrega:
D = t 1
El tiempo de entrega del reabastecimiento generalmente es distinto del

periodo normal que se usa para recopilar los datos de la demanda. Es decir que
puede darse el caso que la demanda se estima de manera semanal para poder
cubrir un programa maestro a corto plazo, pero los tiempos de entrega pueden
durar ms de una semana, quizs dos, tres, o ms. Entonces ante esta
discrepancia en la duracin de tiempos, se hace necesario el ajuste de la
desviacin estndar para el tiempo de entrega (D), a partir de las desviaciones
independientes de la demanda.
Tambin es importante saber que: D = tD
Ejemplo Ilustrativo No.1:
1. Si el inventario del resorte RQ13 de Resortes Industriales, S.A., presenta las

caractersticas de una demanda probabilstica y si las estimaciones se mantienen
en: EOQ = 433 unidades; Demanda anual = 16,800 resortes. El costo de
almacenamiento por unidad al ao es de $0.60, el costo de pedir es de $3.50
/pedido y el costo de escasez se estima en $1.00 por unidad faltante. La demanda
promedio durante el tiempo de entrega es 3,360 resortes y la desviacin estndar
estimada durante el tiempo de entrega es de 800. Calcule el punto de pedido
ptimo, existencias de seguridad, costo total de inventario y concluya.
MCS
Solucin:
1. Encontrando la probabilidad de que la demanda durante el tiempo de entrega,

sea menor que el punto de pedido (que no existan faltantes):
F(R)= 1 - Ch Q .
Ku D
F ( R ) = 1 [ ( 0.60 * 433 ) / ( 1 * 16,800 ) ]
F ( R ) = 0.98454
2. De la tabla de distribucin normal (Apndice B), se obtiene: Z = 2.16
3. El punto ptimo de pedido es:
R= D + Z D
R = 3,360 + (2.16) (800) =
R = 5,088 resortes
4. Existencia de seguridad: Z D
ES = (2.16 * 800)
ES = 1,728 resortes
5. Costo total esperado:
CT = [ Co + Ku *D*N(Z) ] * ( D/Q ) + [ ( Q/2 ) + ( R - D ) ] * Ch
Por tabla, se sabe que: Z = 2.16, o bien:
MCS Z= R - D .
D
Por lo tanto: Z = (5,088 3,360) / 800; Z = 2.16
Hallando N(Z):
Por tabla de funcin de prdida para una distribucin normal (Apndice C),
se determina que N(2.16) = 0.005472.
Sustituyendo valores en la frmula:
CT = [ 3.50 + (1*800*0.005472) ] * ( 16,800/433 ) + [ (433/2) + (5,088 3,360)]*0.60
CT = $ 1,472.34 / ao.
Anlisis: Con un punto de pedido de 5,088 resortes, no se presentar escasez de

existencias aproximadamente el 98.45% del tiempo durante el periodo de pedido. La
existencia de seguridad debe ser de 1,728 resortes.
2. Una empresa cuenta con las siguientes estimaciones de inventario: Demanda

anual = 20,000 unidades. El costo de efectuar un pedido es de $5. El costo de
almacenamiento por unidad al ao es de $0.95 y el costo de escasez se estima en
$3 por unidad faltante. La demanda promedio durante el tiempo de entrega es
4,200 unidades y la desviacin estndar estimada durante el tiempo de entrega es
de 1,100. Con los datos anteriores, calcule el punto de pedido ptimo, costo total y
concluya.
Solucin:
MCS
1. Encontrar la cantidad ptima de pedido:
Q= 2 D Co .
Ch
Q= 2 x 20,000 x 5 .
0.95
Q = 459 unidades.
2. Encontrando la probabilidad de que la demanda durante el tiempo de entrega,

sea menor que el punto de pedido (que no existan faltantes):
F(R)= 1 - Ch Q .
Ku D
F ( R ) = 1 [ ( 0.95 * 459 ) / ( 5 * 20,000 ) ]
F ( R ) = 0.99273
2. De la tabla de distribucin normal, se obtiene: Z = 2.44
3. El punto ptimo de pedido es:
R= D + Z D
R = 4,200 + (2.44) (1,100) =
R = 6,884
MCS ES = (2.44 * 1,100)
ES = 2,684
NOTA:
Cuanto mayor sea el costo de escasez y mayor sea la variacin de la demanda
durante el tiempo de entrega, mayor deber ser la existencia de seguridad
(compare valores de ejemplo 2 con ejemplo 1).
Por tabla, se sabe que: Z = 2.44, o bien:
Z= R - D .
D
Por lo tanto: Z = (6,884 4,200) / 1,100; Z = 2.44.
Hallando N(Z):
Por tabla de funcin de prdida para una distribucin normal (Apndice C), se
determina que N(2.44) = 0.002410.
CT = [ 5 + (3*1,100* 0.002410) ] * ( 20,000/459 ) + [ (459/2) + (6,884 - 4,200)]*0.95
CT = $ 3,332.23 /ao
MCS
Anlisis: Con un punto de pedido de 6.884 unidades, no se presentar escasez de
existencias aproximadamente el 99.27% del tiempo durante el periodo de pedido. La
existencia de seguridad debe ser de 2,684 unidades.
3. Si la demanda semanal de un artculo tiene una media de 350 unidades y

desviacin estndar de 21 unidades; y si el tiempo de entrega es de dos semanas,
calcule la media y desviacin estndar de la demanda durante el tiempo de
entrega.
Solucin:
Encontrando la Demanda durante el tiempo de entrega:
D = tD
D = (2 * 350 )
D = 700 Unidades
Encontrando la desviacin estndar durante el tiempo de entrega:

D = t 1
D = 2 (21)
D = 29.70 unidades
MC
-
S
-MMooddeelloo 22:: M
Mooddeelloo ddee N
Niivveell ddee SSeerrvviicciioo::
En muchas ocasiones existe el inters de satisfacer una fraccin especfica de

la demanda, con las existencias disponibles, a un costo mnimo, por lo que el objetivo
consiste en determinar un nivel de servicio deseado.
El nivel de servicio se define como el porcentaje de demanda que se satisface

con las existencias (sin pedidos atrasados).
Para este modelo se aplican las mismas caractersticas y supuestos del modelo
anterior. Adicionalmente, se considera:
Fraccin de pedidos no satisfechos por ciclo = 1 - P
De donde P = Nivel de servicio (fraccin de demanda que se cubre con las

existencias).
Por lo tanto:
1P = D * N(Z) .
Q
De donde se obtiene:
N(Z) = Q (1 P ) .
D
Es importante mencionar que el nivel de servicio a que se refiere este modelo

no es lo mismo que la probabilidad de que no haya faltantes durante el tiempo de
entrega. En otras palabras, se puede tener un nivel de servicio alto del 90% que
indica que la demanda se satisface en esta proporcin a partir de las existencias
disponibles; pero a la vez, puede existir una probabilidad de que no haya faltantes
durante el tiempo de entrega del proveedor con una probabilidad media del 60%.
MCS
Esto es, porque en este ltimo caso, la probabilidad de inexistencias tiene una
relacin directa con el tamao de la cantidad de pedido Q con respecto al tamao
de la desviacin estndar de la demanda durante el tiempo de entrega, mientras
que el nivel de servicio es un concepto independiente del otro concepto.
Son conceptos independientes porque si bien es cierto que si de 10 das que

tarda un proveedor en entregar un pedido, 6 das se cuenta con existencias y 4 se
tienen faltantes (probabilidad de que no haya faltantes del 60%); eso no significa que
obligadamente se tendrn pedidos de clientes durante el periodo de inexistencia.
Puede darse el caso que la mayor cantidad de demanda se presenta durante los
das con cobertura.
1. Se considerar ahora el ejemplo ilustrativo No.1 del Modelo de Costo de Escasez

de demanda probabilstica. Las estimaciones relacionadas con el resorte RQ13
se mantienen en: EOQ = 433 resortes; Demanda anual = 16,800 resortes. El costo de
almacenamiento por unidad al ao es de $0.60; el costo de pedir es de $3.50 /
pedido; el costo de escasez se estima en $1.00 por unidad faltante. La demanda
promedio durante el tiempo de entrega es 3,360 resortes y la desviacin estndar
estimada durante el tiempo de entrega es de 800. Como dato adicional se debe
tomar en cuenta ahora que la gerencia desea satisfacer el 96% de la demanda a
partir de las existencias. Con la informacin proporcionada, calcule el punto de
pedido ptimo, existencias de seguridad, costo total de inventario y concluya.
Solucin:
1. Encontrando el valor de la funcin de prdida de la distribucin normal N (Z):
MCS N(Z) = Q (1 P ) .
D
N(Z) = 433 (1 0.96 ) .

800
N (Z) = 0.02165
2. Por tabla de funcin de prdida para una distribucin normal (Apndice C), se
determina que para N(Z) = 0.02165, el valor de Z = 2.16.
3. Nivel ptimo de Pedido:
R= D + Z D
R = 3,360 + (1.63) (800) =
R = 4,664 resortes
ES = (1.63 * 800)
ES = 1,304 resortes
CT = [ 3.50 + (1*800*0.02165) ] * ( 16,800/433 ) + [ (433/2) + (4,664 3,360)]*0.60
CT = $ 1,720.10 / ao.
MC S
6. Probabilidad de escasez durante el tiempo de entrega:
De la tabla de distribucin normal bajo la curva (apndice B), se obtiene que

para un valor Z = 1.63, la probabilidad: P, F(R) = 0.94845.
Anlisis: Con un punto de pedido de 4,664 resortes, se logra satisfacer

aproximadamente el 96% de la demanda y en un 94.85% del tiempo, no se
presentar escasez de existencias durante el periodo de pedido. La existencia de
seguridad debe ser de 1,304 resortes.
- Caappttuulloo::
- PPrroobblleem
1. La compaa Manufacturas, S.A. almacena miles de artculos dentro de los

cuales destaca el componente C-3000, utilizado para el ensamble en tableros
electrnicos. El gerente general de la empresa, se pregunta cunto dinero podra
ahorrarse todos los aos si la compaa utilizara la poltica de cantidad ptima de
pedido (EOQ), en lugar de las reglas prcticas actuales de la empresa. Por lo
tanto, le da instrucciones al encargado de inventarios para que realice un anlisis
sobre el componente C-3000, con el fin de determinar si es posible identificar
ahorros significativos usando el EOQ. De la informacin contable, se tienen las
siguientes estimaciones: Demanda anual (D) = 18,000 componentes; Cantidad fija
de compra actual (Q) = 100 componentes por pedido; costo de almacenamiento
(Ch) = $1.20 por componente por ao; costo de pedir (Co) = $6 por pedido;
tiempo de entrega (t) = 2 semanas. Determine si es conveniente la aplicacin de
EOQ desde el punto de vista del costo total anual y calcule las dems variables
del modelo.
MCS
2. La compaa Manufacturas, S.A. cuenta con un rea dentro del departamento
de produccin, destinada a la fabricacin del componente C-3000. Si los
componentes se produjeran en la empresa en lotes de produccin, fluiran
gradualmente hacia el inventario en el almacn principal para su uso. El costo de
almacenar, de pedir y la demanda anual se conservaran aproximadamente igual.
Dado que los componentes realmente fluyen hacia el inventario en lugar de
recibirse todos a la vez, el gerente general se pregunta de qu manera ello
afectara la cantidad de pedido y el costo anual de almacenamiento. El analista
de inventarios desarrolla las siguientes estimaciones: D= 18,000 componentes por
ao, Ch = $1.20 por componente por ao, Co = $6 por pedido y p = 80
componentes diarios. Los das efectivos de produccin en el ao para este artculo
son 250. Se le pide, calcular los ahorros de costo estimados con EOQ si se fabrica
en la planta de produccin, comparado contra los costos totales si se entregan
todos los componentes de una sola vez por un proveedor externo. As mismo,
determine el valor de las dems variables del modelo.
3. Un proveedor de la compaa Manufacturas, S.A., ha ofrecido al gerente

general, descuentos por cantidad comprada del componente C-3000. Los
volmenes y precios ofrecidos, son:
cantidades de por componente (ac)
pedido
1 999 $8.00
1,000 1,199 $6.90
2,000 + $5,70
El gerente general le pide al analista de inventarios que investigue los nuevos precios
bajo dos supuestos: I) Los pedidos se reciben todos a la vez, y II) Las entregas son
graduales. Las siguientes son las estimaciones disponibles: D= 18,000 componentes por
ao, Ch = 18% del costo de adquisicin (ac) por componente por ao, Co = $6 por
pedido y p = 80 componentes diarios. Los das efectivos de produccin en el ao son
250. Determine desde el punto de vista del costo total de inventario anual, si es ms
conveniente la opcin de una sola entrega, o bien, la de entregas graduales.
MCS
4. Una empresa que distribuye lubricantes tiene una demanda estable de 125 latas
por semana para un tipo especial de aceite. La tienda paga $2.25 por lata y
estima el costo de conservacin anual en un 40% del valor del inventario. Se lleva 2
semanas en recibir una orden y cuesta $5 procesarla. Calcule la poltica de
inventario para esta empresa (EOQ, T, # rdenes, R, CT). Considere que 1 ao tiene
52 semanas.
5. Resuelva el problema anterior (#4), si adems se le indica que: Ku = $ 1.50/unidad.

La demanda promedio durante el tiempo de entrega es 200 unidades y la
desviacin estndar estimada durante el tiempo de entrega es de 20. La gerencia
desea satisfacer el 98% de la demanda a partir de las existencias. Con los datos
anteriores, haga clculos para: I) Punto de pedido ptimo, existencia de seguridad
y costo total segn el modelo 1 de inventarios con demanda probabilstica
(Modelo de Costo de Escasez); y II) Punto de pedido ptimo; existencia de
seguridad; costo total esperado; probabilidad que no existan faltantes durante el
tiempo de entrega, segn modelo 2 de demanda probabilstica (Modelo de Nivel
de Servicio). Presente sus conclusiones.
6. Una industria papelera vende cada mes 5,000 libras de papel. Cada vez que el
distribuidor realiza la colocacin de un pedido en la bodega de la industria en
estudio, cobra Q.100.00 de flete + Q.30.00/ libra por gastos de colocacin. El costo
anual de almacenamiento de una libra de papel es de Q.325.00. Si el tiempo de
entrega es de 3 semanas, calcule la poltica ptima de inventario para la industria
papelera (EOQ, T, # rdenes, R, CT).
7. Una compaa almacena componentes como repuestos para maquinaria

industrial litogrtfica.. El gerente de produccin de la empresa, se pregunta
cunto dinero podra ahorrarse todos los aos si se utilizara EOQ en lugar de las
reglas prcticas actuales de la empresa. Le da instrucciones al analista de
inventarios para que realice un anlisis sobre el rodillo de entintado para ver si
pudieran resultar ahorros significativos usando el EOQ. De la informacin contable,
MCS
se tienen las siguientes estimaciones: D= 3,333.3333 rodillos al mes, t = 2 semanas; Q
= 300 rodillos por pedido (cantidad de pedido actual definida por costumbre en el
pedido), Ch = $2.00 por rodillo y Co = $25.00 por pedido. Determine el ahorro anual
de costo, concluya y calcule las dems variables del modelo.
8. Considere el problema anterior (No.7), asumiendo que la compaa puede

fabricar el rodillo de entintado. Si los rodillos se produjeran en la empresa en lotes
de produccin, fluiran gradualmente hacia el inventario en el almacn principal
para su uso. El costo de almacenar, de pedir y la demanda anual se conservaran
aproximadamente igual. Dado que los rodillos realmente fluyen hacia el inventario
en lugar de recibirse todos a la vez, el gerente general se pregunta de qu
manera ello afectara la cantidad de pedido y el costo anual de
almacenamiento. El analista de inventarios desarrolla las siguientes estimaciones
adicionales a las encontradas en la solucin del problema 7: p = 190 rodillos
diarios. Los das laborables en el ao son 250. Calcule los ahorros de costo
estimados con EOQ si se fabrica en la planta de produccin, comparado contra
los costos totales si se entregan todos los rodillos de una vez por un proveedor
externo. Adems, calcule el resto de variables del modelo de inventarios
correspondiente.
9. Un proveedor de la compaa Suministros, S.A., ha ofrecido al gerente general,

descuentos por cantidad comprada de la caja especial. Los volmenes y precios
ofrecidos, son:
cantidades de por caja (ac)
pedido
1 599 $21.20
600 999 $17.50
1000 + $16.00
El gerente general le pide al analista de inventarios que investigue los nuevos

precios bajo dos supuestos: I) Los pedidos se reciben todos a la vez , y II) Las
entregas son graduales. Las siguientes, son las estimaciones disponibles: D= 25,000
S
MC
cajas por ao, Ch = 25% del costo de adquisicin (ac) por caja por ao, Co = $6.00
por pedido y p = 200 cajas diarias. Los das laborables en el ao son 265.
10. Una empresa cuenta con la informacin que a continuacin se le presenta: D =

4,160 unidades / ao; Co = $4 / orden; Ch = $0.30 /unidad; EOQ = 334
unidades. Si adicionalmente a los datos obtenidos, se le indica que: Ku =
5$/unidad; la demanda promedio durante el tiempo de entrega es 100
unidades ; la desviacin estndar estimada durante el tiempo de entrega es
de 30 y que la gerencia desea satisfacer el 97% de la demanda a partir de las
existencias. Entonces, se le solicita que haga los siguientes clculos: I) Con el
Modelo de Costo de Escasez: Punto de pedido ptimo, existencia de
seguridad y costo; II) Con el Modelo de Nivel de Servicio: Punto de pedido
ptimo; existencia de seguridad; costo total esperado; probabilidad que no
existan faltantes durante el tiempo de entrega. Presente sus conclusiones.
MC S C
CAAPPIITTUULLO
OVVIIIIII
TTEEO
ORRIIA
ADDEE C
COOLLA
ASS
-C
- Coonncceeppttoo
omprende el estudio matemtico de las colas o lneas de espera, las cuales
se presentan siempre que la demanda actual de un servicio, es mayor que la

capacidad para proporcionarlo. En otras palabras, la Teora de Colas comprende
todos aquellos estudios en donde se acumulan clientes en espera.
El estudio se caracteriza por que los sistemas en anlisis presentan procesos

con llegadas a intervalos aleatorios y en donde hay costos relacionados con la
espera en la cola y costos por la prestacin del servicio; por lo que el objetivo
consiste en minimizar la suma de estos costos asociados.
A travs de su aplicacin, es posible determinar el nmero de usuarios que se

esperan en la cola, el tiempo de espera estimado, el porcentaje de utilizacin de las
instalaciones de servicio y otras variables importantes que ayudarn a decidir sobre el
nmero de personas que prestarn el servicio.
- EEssttrruuccttuurraa bbssiiccaa ddee llooss m

- mooddeellooss ddee ccoollaass
SISTEMA
FUENTE CLIENTE SERVIDO

MECANISMO
DE DE
ENTRADA SERVICIO Ejemplo: Un cajero
COLA ESPERA automtico
Aquel lugar donde se

originan los clientes
MC S
FFUUEEN
NTTEE D
DEE EEN
NTTRRA
ADDA
A:
Representa el origen de los clientes que llegan al sistema.
a. Finita: Cuando el nmero de clientes es identificable desde la fuente. Es decir,

que la fuente de entrada puede medirse e identificarse siempre. Ejemplo:
Un lote de mquinas que necesita mantenimiento.
b. Infinita: Cuando la fuente de entrada no es medible ni identificable.
C
COOLLA
A::
Representa la lnea de espera de clientes en el sistema.
a. Finita: Se presenta cuando se restringe el acceso del cliente al sistema,

generalmente por motivos de capacidad fsica del local o bien por
medidas de seguridad. En este caso se dice que el sistema presenta una
cola "truncada".
b. Infinita: Cuando no se restringe el acceso del cliente al sistema en ningn

momento.
Coonnssiiddeerraacciioonneess ggeenneerraalleess ppaarraa uunn eessttuuddiioo ddee ccoollaass

C
1. Las llegadas son aleatorias y provienen de una distribucin de probabilidad

Poisson.
2. El tiempo de servicio es tambin una variable aleatoria que sigue una
distribucin exponencial.
3. Los tiempos de servicio son independientes entre s e independiente del
proceso de llegada.
4. La disciplina de la cola se basa en el principio "primero en entrar, primero en
salir".
MC S
5. Las tasas de llegada y de servicio no cambian con el tiempo. El proceso ha
estado en funcionamiento el tiempo suficiente para eliminar los efectos de las
condiciones iniciales.
La distribucin Poisson es una distribucin discreta en donde la probabilidad de

que ocurra un evento en un breve periodo, es un nmero muy pequeo, la
probabilidad de que dos o ms de esos eventos tengan lugar en el mismo intervalo es
prcticamente cero, y la probabilidad de que suceda un evento en un periodo, no
depende de dnde est ni de las ocurrencias en cualquier otro intervalo. Esta
distribucin se considera una buena aproximacin para los procesos aleatorios. La
variable aleatoria en la distribucin Poisson es el nmero de llegadas en una unidad
de tiempo.
La distribucin exponencial es una distribucin complementaria a la de Poisson y

tiene como variable aleatoria, el tiempo entre los sucesos.
Un sistema de colas puede tener cualquier combinacin de sus elementos

(llegadas, servicios, nmero de puntos de servicio, comportamiento de la cola, etc.);
por lo tanto, se pretende analizar los principales tipos de modelos o sistemas de colas
que son la base para el estudio de otros.
Los principales modelos se describen a continuacin.
- M
- Mooddeelloo 11:: SSiisstteem
maass ddee ccoollaass ccoonn uunn sseerrvviiddoorr
Adems de las consideraciones generales para un estudio de colas, este

modelo supone que nicamente existe un servidor atendiendo a los clientes o
usuarios, sin ningn tipo de restriccin en el acceso al sistema.
MCS
FFO
ORRM
MUULLA
ASS UUTTIILLIIZZA
ADDA
ASS::
Previo a la presentacin de frmulas, es necesario definir la siguiente simbologa:
a. = Tasa de llegada, con un comportamiento de distribucin

Poisson.
b. = Tasa de servicio, con un comportamiento de distribucin
exponencial.
c. K = Cantidad de servidores que atienden la cola o lnea de espera.
Las frmulas son las siguientes:

1. Longitud promedio del sistema (Ls): Mide el nmero de clientes promedio que
permanecen en el sistema en cualquier momento.
Ls = .
-
2. Longitud promedio de cola (Lq): Mide el nmero de clientes promedio que

permanecen en la cola en cualquier momento.
Lq = 2 .
( - )
3. Tiempo promedio de permanencia en el sistema (Ws): Mide el tiempo

promedio que permanece un cliente dentro del sistema.
Ws = 1 .
-
4. Tiempo promedio de cola (Wq): Mide el tiempo promedio que un cliente

permanece en la lnea de espera.
Wq = .
( - )
MCS
5. Probabilidad de que exista cualquier nmero de clientes "n" dentro del sistema
(Pn): Mide la probabilidad de que exista un nmero "n" especfico de clientes
dentro del sistema en cualquier momento.
Pn = Po * n
6. Probabilidad de que el sistema est desocupado (Po): Mide la probabilidad de

atencin inmediata a un cliente.
Po = 1 -
7. Factor de utilizacin ( ): Mide el porcentaje de tiempo que el servidor

permanece ocupado.
= .
K
8. Probabilidad de que se presenten exactamente "n" pedidos o clientes dentro

de un intervalo especfico de tiempo "t".
Pn = e - ( t) *( t)n
n!
9. Costo total del sistema: Cuantifica la sumatoria de costos totales del sistema
por unidad de tiempo.
COSTO TOTAL = (Ls * Costo Improductivo) + Otros Costos
Las frmulas nmeros 7, 8 y 9 son aplicables para todos los modelos de colas,
es decir, que no son exclusivas para el modelo 1.
MCS
Ejemplo Ilustrativo
A una estacin de autobanco que es atendida por un solo receptor pagador, llega
un promedio de 10 vehculos por hora. El tiempo promedio de servicio para cada
cliente es de 4 minutos con un comportamiento exponencial. Las llegadas obedecen
a una distribucin Poisson. El gerente de operaciones del banco necesita conocer: a)
La probabilidad de que el autobanco est vaco; b) El nmero promedio de clientes
que esperan en la cola su turno; c) El tiempo promedio que un cliente tarda en ser
atendido, incluyendo la espera y el servicio; d) El nmero de clientes por hora que
realmente son atendidos en promedio por el servidor.
Solucin:
Datos que brinda el enunciado:
= 10 clientes / hora.
= 4 minutos / cliente.
1. Estandarice preferentemente sus unidades de medida o dimensionales de las

tasas de llegada y de servicio a clientes por hora. Si usted no estandariza sus
unidades de medida al "mismo lenguaje", los resultados que obtenga de la
aplicacin de frmulas, no sern congruentes ni acordes a la realidad.
4 min 1 cliente * 60 min = 15 clientes

cliente 4 min. 1 hr 1 hr.
Por lo tanto, = 15 clientes / hora.
2. Una vez se tengan estandarizados los datos proporcionados a las mismas

unidades de medida, se procede a dar solucin a los incisos requeridos.
a. Po = 1 - .
Como se desconoce el valor del factor de utilizacin, se procede a
calcular este dato como primer punto.
S
MC
= .
K
= 10 .
(1) (15)
= 2/3
Sustituyendo la frmula inicial:
Po = 1 - 2/3 = 1/3.
Por lo tanto, la probabilidad de que el sistema est desocupado es de

1/3.
b. Lq = 2 .
( - ).
Lq = 102 .
15*(15-10)
Lq = 1.33 clientes
Por lo tanto, se concluye que pueden existir a lo sumo 2 autos en cola.
c. Ws = 1 .
-
Ws = 1 .
15 - 10
Ws = 0.20 horas 12 minutos
Por lo tanto, el tiempo promedio que un cliente tarda en ser atendido

incluyendo el tiempo de espera y del servicio, es de 12 minutos.
MC S
d. Si sabemos que = 15 clientes / hora, debemos entender que este dato
representa la capacidad o rapidez del servidor. En otras palabras, el servidor es
capaz de atender 15 clientes en una hora, si y slo si, el sistema estuviera
ocupado todo el tiempo. Por lo tanto, para determinar el nmero real de
clientes por hora que son atendidos en promedio por el servidor, debemos
multiplicar la tasa de servicio por el factor de utilizacin; quedando de la
siguiente manera:
*
(2/3) * (15) = 10 clientes / hora.
Por lo tanto, el servidor atiende en promedio a 10 clientes / hora.
-M
- maass ddee ccoollaass ccoonn vvaarriiooss sseerrvviiddoorreess
Mooddeelloo 22:: SSiisstteem

modelo supone que existen dos o ms servidores atendiendo a los clientes o usuarios,
sin ningn tipo de restriccin en el acceso al sistema.
FFO MUULLA
ORRM AD
ASS UUTTIILLIIZZA ASS::
DA
Adems de las frmulas 7, 8 y 9 especificadas en el modelo 1, las frmulas
aplicables a este modelo son las siguientes.
1. Probabilidad de que el sistema est desocupado.
Po = 1 .
k-1
1 * (/)n + 1 * (/)k k .
n=0 n! k! k -
MCS
2. Longitud promedio del sistema.
Ls = () (/)K . * (Po) +
(k-1)! (K - )2
3. Longitud promedio de cola.

Lq = Ls - .

4. Tiempo promedio de permanencia en el sistema.

Ws = Ls .

5. Tiempo promedio de cola.

Wq = Lq .

6. Probabilidad de que exista cualquier nmero de clientes "n" dentro del sistema.
(/)n * (Po) (Se utiliza cuando: 0 < n < k)

n!
Pn =
(/)n * (Po) (Se utiliza cuando: k n )
k! k(n-k)
Ejemplo Ilustrativo
Una compaa enva sus camiones al taller de mantenimiento propio de la empresa a
recibir mantenimiento de rutina. Los camiones llegan siguiendo un proceso
poissoniano a un promedio de 3.5 camiones por hora. El tiempo de servicio se
distribuye exponencialmente con una media de 15 minutos. Los administradores de la
flotilla de camiones estiman que el costo de espera de un camin es de Q.10/hora. El
costo de operacin del taller es en promedio de Q.20/camin. Actualmente es un
solo mecnico el que atiende con un salario de Q.15/hora. Sin embargo, la
compaa est considerando la opcin de contratar otro mecnico para que el
servicio de mantenimiento sea ms rpido y los costos totales disminuyan. Si el taller
trabaja en una jornada de 8 horas diarias de manera continua, recomendara usted
la contratacin de otro mecnico desde el punto de vista del costo total diario?.
MCS
Solucin:
= 3.5 camiones / hora.
= 15 minutos / camin.
Costo Improductivo = Q.10/hora.
Costo de operacin = Q.20/camin.
Salario: Q.15/hora.
Jornada de trabajo: 8 horas diarias.
1. Estandarice sus tasas de llegada y de servicio en clientes por hora.
4 min 1 camin * 60 min = 4 camiones

camin 15 min. 1 hr 1 hr.
Por lo tanto, = 4 camiones / hora.
2. Estandarice sus costos en unidades monetarias por hora.
Costo de Operacin = 20 Q. *
camin
Costo de Operacin = 20 Q. * 3.5 camiones

camin hora
Por lo tanto, el costo de operacin = 70 Q./ hora.
3. Una vez se tengan estandarizados los datos proporcionados a las mismas

unidades de medida, se procede a dar solucin a los incisos requeridos.
S
MC
a. Anlisis del sistema con un solo mecnico (Modelo 1, K = 1).
Ls = .
-
Ls = 3.5 .
4 - 3.5
Ls = 7 camiones.

CT = [ (7 * Q.10/hr.) + Q.70/hr. + Q.15/hr.] * 8 horas / da.
CT = Q.1,240.00 / da.
b. Anlisis del sistema con dos mecnicos (Modelo 2, K = 2).
Po = 1 .
1 * 3.5 0 + 1 * 3.5 1 + 1 * 3.5 2 (4)(2) .

0! 4 1! 4 2! 4 (4)(2) - 3.5
Po = 1 . = 0.3913
1.875 + 0.680555
Ls = () (/)K (Po) . +
(k-1)! (K - )2
Ls = (3.5 * 4)*(3.5 / 4)2 * (0.3913) . + 3.5

1! * [ (2)(4) - 3.5) ] 2 4
Ls = 1.08 camiones.

CT = [ (1.08 * Q.10/hr.) + Q.70/hr. + Q.30/hr.] * 8 horas / da.
CT = Q.886.57 / da.
MC S
Por lo tanto, se concluye que desde el punto de vista del costo total diario del
sistema, s se recomienda contratar otro mecnico ms para atender el taller
de mantenimiento.
- M
- Mooddeelloo 33:: SSiisstteem
maass ddee ccoollaass ffiinniittooss ccoonn uunn sseerrvviiddoorr

modelo supone que existe un nico servidor atendiendo a los clientes o usuarios y que
el sistema es finito o de cola truncada.
FFO MUULLA
ORRM AD
ASS UUTTIILLIIZZA ASS::
DA
aplicables a este modelo son las siguientes. Dentro de las frmulas, el smbolo "M"
representa el nmero mximo de clientes que pueden ocupar el sistema.
1. Probabilidad de que el sistema est desocupado.

Po = 1- .
1- (M+1)
Ls = . - (M+1) (M+1)
1- 1 - (M+1)

Lq = Ls ( 1 Po )

Ws = Ls .
MCS
Wq = Lq .
hasta su capacidad mxima "M".
Pn = Po * n (n = 1 ... M)
7. Tasa efectiva de llegadas (): Mide slo a los clientes que entran al sistema y
son atendidos. La diferencia con la tasa de llegada normal, consiste en que
sta mide todas las llegadas, sin importar si entran o no al sistema.
= *(1 - Pn) cuando n = M
8. Prdida de clientes.
= -
Ejemplo Ilustrativo
Un autobanco ubicado a la orilla de una importante calzada dentro de la ciudad,
tiene una sola ventanilla para atender a sus clientes. Los autos llegan a realizar sus
transacciones a una tasa promedio de 10 por hora. El tiempo de servicio promedio es
de 5 minutos por cliente. El banco tiene problemas de espacio fsico en el rea de
atencin ya que nicamente cabe un mximo de 4 automviles incluyendo al que es
atendido. Cualquier otro auto que llegue al autobanco y lo encuentre lleno, debe
retirarse debido a que Ley de Trnsito prohbe la espera sobre la calzada principal. En
base a la informacin anterior, determine: a) El nmero de autos que se encuentran
en promedio esperando realizar su transaccin; b) El tiempo promedio que un cliente
debe esperar en el sistema; c) La cantidad de clientes por hora que no pueden
entrar al autobanco.
MCS
Solucin:
= 10 autos / hora.
= 5 minutos / auto.
M = 4 autos.
1. Estandarice sus tasas de llegada y de servicio en clientes por hora.

5 min 12 autos
auto 1 hr.
Por lo tanto, = 12 autos / hora.
2. Calcule las variables requeridas.

a.
Lq = Ls - (1-Po)
Por lo tanto:
= . = 10 . = 0.8333
K (1)(12)
Ls = . - (M+1) (M+1)
1- 1 - (M+1)
Ls = 0.833 . - (4+1) * (0.833) (4+1)

1 - 0.833 1 - (0.833) (4+1)
Ls = 1.64 autos.
Po = 1- . = 1 - 0.833 . = 0.27866
1-(M+1) (1 - 0.8335)
Finalmente,
Lq = 1.64 - (1 - 0.27866) = 0.9187 autos.
S
MC
Por lo tanto, se concluye que el nmero de autos que se encuentran en cola
esperando realizar su transaccin, es a lo sumo 1 auto como promedio.
b.
Ws = Ls .

De donde,
= *(1 - Pn) cuando n = 4
= *(1 - P4)
Y adems,
P4 = Po * 4 = (0.27866) * (0.8333)4 = 0.13436
Sustituyendo,
= 10*(1 - 0.13436) = 8.66 clientes / hora.
Finalmente,
Ws = 1.64 . = 0.1894 horas = 11.36 minutos.
8.66
Por lo tanto, se concluye que el tiempo promedio que un cliente permanece

dentro del sistema es de 11.36 minutos.
c. Prdida de clientes.
-
10 - 8.67 = 1.33 clientes / hora.
Se concluye que la cantidad promedio de clientes por hora que no pueden entrar
al autobanco por estar lleno es a lo sumo de 2 clientes por hora.
MC
-
S
-MMooddeelloo 44:: SSiisstteem
maass ddee ccoollaass ddee ccaappaacciiddaadd ffiinniittaa yy vvaarriiooss sseerrvviiddoorreess

modelo supone que existen dos o ms servidores atendiendo a los clientes o usuarios
y que el sistema es finito o de cola truncada.
FFO
ORRM
MUULLA
ASS UUTTIILLIIZZA
ADDA
ASS::
aplicables a este modelo son las siguientes.
(/)n * (Po) (Se utiliza cuando: 0 < n < k)

n!
Pn =
(/)n * (Po) (Se utiliza cuando: k n M)
k! k(n-k)
Lq = (Po) (/)k () . * 1 - (M-k) - (M-k) ()(M-k) (1 - )

k! (1 - )2
k-1 k-1
Ls = nPn + Lq + k * 1- Pn
n=0 n=0

Ws = Ls .
MCS
Wq = Lq .
6. Tasa efectiva de llegadas ().
Ejemplo Ilustrativo
Una pequea tienda de conveniencia ubicada en los alrededores de una zona
residencial, utiliza dos cajas para efectuar los cobros a los clientes. En el local caben
a lo sumo seis clientes (incluyendo el servicio) debido a lo limitado del espacio fsico.
A los clientes que llegan cuando el negocio est lleno se les niega la entrada y se les
da por perdidos. Los clientes llegan a la caja siguiendo un proceso poissoniano a una
tasa de 40 clientes por hora. El tiempo de servicio prestado para cobrarle a cada
cliente es de 1.5 minutos. Determine: a) El tiempo total que un cliente permanece en
el sistema; b) La prdida de ingresos por hora por aquellos clientes que no pueden
entrar a la tienda, si la venta promedio es de Q.25/cliente.
Solucin:
= 1.5 minutos / cliente = 40 clientes /hora.
M = 6 clientes.
K = 2 cajas.
Venta Promedio = Q.25/cliente.
1. En todo modelo 4, debe encontrar como primer paso, el conjunto de

probabilidades de estado, desde n = 1 hasta la capacidad mxima "M".
S
MC
Frmula:
Pn = (/)n * (Po) (Se utiliza cuando: 0 < n < k)
n! ( 0 < n < 2)
Sustituyendo:
P1 = (40/40)1 * (Po) = 1Po
1!
Frmula:
Pn = (/)n * (Po) (Se utiliza cuando: k n M)
k! k(n-k) ( 2 n 6)
Sustituyendo:
P2 = (40/40)2 * (Po) = 0.5Po
2! 2(2-2)
P3 = (40/40)3 * (Po) = 0.25Po

2! 2(3-2)
P4 = (40/40)4 * (Po) = 0.125Po

2! 2(4-2)
P5 = (40/40)5 * (Po) = 0.0625Po

2! 2(5-2)
P6 = (40/40)6 * (Po) = 0.03125Po

2! 2(6-2)
Hallando Po:
M
Pn = 1
n=0
Por lo tanto:
Po + P1 + P2 +P3 +P4 +P5 +P6 = 1
Lo que equivale a:
Po + 1P0 + 0.5 P0 + 0.25P0 + 0.125P0 + 0.0625P0 + 0.03125P0 = 1
MCS 2.96875P0 = 1
P0 = 0.3368
Al sustituir el valor de P0 en el conjunto de probabilidades de estado que

quedaron anteriormente indicadas, tenemos:
P1 = 0.3368
P2 = 0.1684
P3 = 0.0842
P4 = 0.0421
P5 = 0.02105
P6 = 0.010525
2. Encontrar el valor de las variables necesarias.

= . = 40 . = 0.50
K (2)(40)
Lq = (Po) (/)k () . * 1 - (M-k) - (M-k) ()(M-k) (1 - )

k! (1 - )2
Lq = (0.3368) (40/40)2 (0.5) . * 1 - 0.5 4 - (4) (0.5)4 (1 - 0.5)

2! (1 - 0.5)2
Lq = 0.27365 clientes.
k-1 k-1
Ls = nPn + Lq + k * 1- Pn
n=0 n=0
1 1
Ls = 0P0 + 1P1 + Lq + k * 1- P0 + P1
n=0 n=0
Ls = (0)(0.3368) + (1)(0.3368) + (0.27365) + 2 * [ 1 - (0.3368+0.3368) ]
MCS Ls = 1.26325 clientes.
= *(1 - Pn) cuando n = 6
= *(1 - P6) = 40*(1 - 0.010525) = 39.579 clientes / hora.
Por lo tanto:
Ws = Ls .
Ws = 1.26325 . = 0.0319 horas = 1.915 minutos.

39.579
Se concluye que el tiempo promedio que un cliente permanece dentro de la

tienda es de 1.915 minutos.
La prdida de clientes est definida por: -

40 - 39.579 = 0.421 clientes / hora.
La prdida de ingresos est definida por:

Venta Promedio * ( - )
Q.25/cliente * 0.421 clientes / hora = Q.10.525 / hora.
Se concluye que la prdida de ingresos por hora por los clientes que no pueden
entrar a la tienda, es de Q.10.525.
MC
-
S
-M Mooddeelloo 55:: SSiisstteem
maass ddee ccoollaass ddee ccaappaacciiddaadd ffiinniittaa ccoonn ttiieem
mppooss
ddeeppeennddiieennddoo ddeell eessttaaddoo ((ttaassaass vvaarriiaabblleess))

modelo supone que pueden existir uno o ms servidores atendiendo a los clientes o
usuarios, que el sistema es finito o de cola truncada y que adems, los tiempos de
servicio y/o de llegada son variables, debido a cansancio, mejoras en el servicio
conforme se llena el sistema y otros factores que influyen en el incremento o
decremento de la eficiencia en la prestacin del servicio.
FFO
ORRM
MUULLA
ASS UUTTIILLIIZZA
ADDA
ASS::
Adems de las frmulas 7, 8 y 9 especificadas en el modelo 1 y de las frmulas
4 y 5 especificadas en el modelo 4; las frmulas aplicables a este modelo son las
siguientes.
Pn = n-1 * Pn-1
K n

M
Lq = ( n K ) * Pn
n=K

M
Ls = nPn
n=0

Ws = Ls .
MCS
Wq = Lq .
6. Tasa efectiva de llegadas ().
6.1 Cuando es constante:
6.2 Cuando es variable:

M
= nPn
n=0
Ejemplo Ilustrativo
Los clientes llegan a un local pequeo donde se venden refacciones, con un proceso
poissoniano a una tasa media de 30 por hora. En el local caben a lo sumo cuatro
clientes, incluyendo el servicio. Siempre que el negocio est lleno, los clientes que
llegan no pueden entrar y se pierde su compra. El propietario de la tienda es el nico
que atiende, y su tiempo de servicio se distribuye exponencialmente. Siempre que
hay un slo cliente en la tienda el propietario es capaz dar servicio en un tiempo
medio de 5 minutos. Sin embargo, l se vuelve ms eficiente conforme el local se va
llenando, ya que reduce su pltica con los clientes y logra disminuir por lo tanto, el
tiempo promedio de servicio en 1 minuto por cada cliente que est formado
esperando servicio. Determine: a) El nmero esperado de personas que estn
simultneamente en el local; b) El tiempo promedio de servicio por parte del
propietario.
Solucin:
1 = 5 minutos / cliente (este tiempo disminuye 1 min. por c/cliente que ingresa al local)
M = 4 clientes.
K=1
MCS
Solucin:
1. Como primer paso, se estandarizarn las unidades de medida de las tasas de
llegada y de servicio, transformndolas a clientes por minuto.
= 30 clientes * 1 hora . = 0.50 clientes / min

hora 60 min
= 5 min / cliente = 1 cliente / 5 minutos = 0.20 clientes / min.
2. Como el nmero mximo de clientes dentro del sistema es de 4 y los tiempos de

servicio disminuyen 1 min. por c/cliente que ingresa al negocio, entonces se trata de
tasas de servicio variables, quedando los tiempos de la siguiente manera:
No. Clientes en el sistema 1 2 3 4

Tiempo de servicio (Min/cl) 5 4 3 2
Tasa de servicio (cl/min) * 0.20 0.25 0.3333 0.50
* La tasa de servicio se calcula mediante la funcin inversa del tiempo de servicio que se ve disminuido 1 min.
por c/cliente. Es decir que debe hacerse la conversin para cada caso, al igual y como se hizo en el paso
anterior para = 5 min/cliente; de la misma forma se pocede para 4, 3 y 2 min.
3. Luego de haber estandarizado las unidades de medida y de tener bien

identificados los tiempos de servicio variables, en todo modelo 5, debe iniciarse la
metodologa de solucin, calculando las probabilidades de estado del sistema,
desde n = 0 hasta n = M. Por lo tanto:
Frmula:
Pn = n-1 * Pn-1
K n
P1 = 0 * P 0 = 0.50 . * Po P1 = 2.50 Po
K 1 (1)*(0.20)
P2 = 1 * P 1 = 0.50 . * (2.50 Po ) P2 = 5 Po
K 2 (1)*(0.50)
MCS
P3 = 2 * P2 = 0.50 . * (5 Po ) P3 = 7.5 Po
K 3 (1)*(0.3333)
P4 = 3 * P 3 = 0.50 . * (7.5 Po ) P4 = 7.5 Po

K 4 (1)*(0.50)
Hallando Po:
M
Pn = 1
n=0
Por lo tanto:
Po + P1 + P2 +P3 +P4 = 1
Lo que equivale a:
Po + 2.5P0 + 5 P0 + 7.5P0 + 7.5P0 = 1
23.5P0 = 1
P0 = 0.0426
Al sustituir el valor de P0 en el conjunto de probabilidades de estado que

quedaron anteriormente indicadas, tenemos:
P1 = 0.1065
P2 = 0.2130
P3 = 0.3195
P4 = 0.3195
4. Encontrar el valor de la longitud del sistema para dar respuesta al inciso a)

M
Ls = nPn
n=0
Desarrollando la frmula, tenemos:
Ls = (0)(Po) + (1)(P1) + (2)(P2) + (3)(P3) + (4)(P4)
Ls = (0)(0.0426) + (1)(0.1065) + (2)(0.2130) + (3)(0.3195) + (4)(0.3195)
MC S
Ls = 2.769 clientes
Se concluye que el nmero promedio de clientes que se encuentran

simultneamente en el local es a lo sumo de 3 clientes.
5. El inciso b) del problema, plantea la interrogante de cunto ser el tiempo

promedio de servicio por parte del propietario. Se interpreta entonces, que debe
buscarse cunto tiempo pasa un cliente exclusivamente siendo atendido por el
propietario. Por lo tanto, si Ws mide el tiempo dentro del sistema y Wq mide el
tiempo en cola, entonces se deduce que la diferencia entre ambos tiempos (Ws
Wq), determina el tiempo especfico de servicio por parte del propietario.
Para resolver el inciso, entonces es necesario calcular antes algunas variables

intermedias, necesarias para determinar los valores de Ws y Wq; tales como: la
tasa efectiva de llegada y la longitud de cola.
Por lo tanto:
Tasa efectiva de llegada: Como es constante, entonces se aplica la frmula 6.1,

as:
= ( 1 Pn) cuando n = M
Sustituyendo el valor de n:
= ( 1 P4) = 0.50 * ( 1 0.3195 )
= 0.34025 clientes / min.
Longitud de cola:
M
Lq = ( n K ) * Pn
n=K
Sustituyendo valores de n y K en la frmula, se obtiene:
MC S
Lq = (1-1)(P1) + (2-1)(P2) + (3-1)(P3) + (4-1)(P4)
n=1
4
Lq = (0)(0.1065) + (1)(0.2130) + (2)(0.3195) + (3)(0.3195)
n=1
Lq = 1.8105 clientes
Sustituyendo los valores obtenidos en las frmulas de Ws y Wq, se obtiene:
Ws = Ls . = 2.769 . = 8.1381 min.

0.34025

Wq = Lq . = 1.8105 . = 5.3211 min.

0.34025

Finalmente:
( Ws Wq ) = (8.1381 5.3211) min
( Ws Wq ) = 2.817 min.
Se concluye que el tiempo promedio que un cliente pasa especficamente siendo

atendido por el propietario del negocio es de 2.817 min.
CA
C OSS EESSPPEEC
ASSO ALLEESS::
CIIA
La mayor parte de frmulas estn planteadas en funcin a sistemas de servicio
estables, es decir, donde < 1. Sin embargo, puede existir el caso de sistemas no
estables cuando las llegadas se presentan con una tasa mayor o igual que lo que el
servidor puede manejar. En este caso, la longitud de cola esperada, aumenta sin
lmite y no se presenta un estado estable. Por lo tanto, cuando = 1 o mayor, y
matemticamente no pueden aplicarse las frmulas desarrolladas, se utilizan, las
siguientes frmulas:
Ls = M/2; Pn = 1 .
( M + 1)
MC S Para todo n = 0 ... M
- PPrroobblleem
- maass SSuuggeerriiddooss ddeell C
Caappttuulloo

estudiar y analizar detenidamente. Resulvalos desarrollando los modelos de sistemas
de colas que sean aplicables para cada uno y presente las conclusiones
correspondientes.
1. Una empresa debe decidir a quin contratar entre dos mecnicos A y B con el
propsito de reparar las mquinas que se descomponen ocasionalmente. La
frecuencia de daos en las mquinas se sabe que obedece a una distribucin
Poisson con una tasa de 1 mquina por hora. La compaa pierde ingresos por
mquina detenida a razn de Q.25/hora. El mecnico a pide Q.20/hora de
salario, mientras que el B pide Q.12/hora. De acuerdo a mediciones efectuadas,
el mecnico a es capaz de reparar las mquinas a una tasa de 1.8 mquinas por
hora; mientras que B repara 1.2 mquinas por hora. Desde el punto de vista del
costo total por hora, a cul de los dos mecnicos recomendara contratar?
2. Se sabe que ciertos camiones llegan a un taller de mantenimiento que es

atendido por dos mecnicos siguiendo un proceso poissoniano a razn de 8 por
hora. La distribucin del tiempo de servicio se aproxima en forma exponencial
con una tasa promedio de 5 minutos. Los administradores de la flotilla de
camiones estiman que el costo promedio de espera de un camin es de Q.10 por
hora. El costo del servicio es en promedio de Q.20 por unidad. Calcule el costo
total diario del sistema si cada da hbil es de 8 horas.
3. El patrn de llegadas de automviles a la fila nica de una ventanilla bancaria

de atencin a automovilistas, es un proceso poissoniano con una tasa media de
uno por minuto. Aparentemente los tiempos de servicio se distribuyen
exponencialmente con una media de 45 segundos. Considerando que cada
auto que llega esperar tanto como sea necesario, Determine: a) El nmero
MC S
promedio de autos que esperan servicio; b) La cantidad de tiempo de espera por
el servicio, que un cliente debera estimar; c) El tiempo medio en el servicio para
un cliente; d) La probabilidad de que exista una lnea de espera.
4. Los trabajadores de una fbrica tienen que llevar su trabajo al departamento de

control de calidad antes de que el producto llegue al final del proceso de
produccin. Hay un gran nmero de empleados y las llegadas son
aproximadamente de 20 por hora, siguiendo un proceso de Poisson. El tiempo
para inspeccionar una pieza sigue una distribucin exponencial con una media
de 4 minutos. Determine el nmero medio de trabajadores en el control de
calidad, si hay: a) 2 inspectores de calidad; b) 3 inspectores de calidad.
5. En cierta oficina de servicios estatales, las llamadas telefnicas son atendidas por
una sola persona operadora, quien tiene capacidad para conservar en espera
nicamente dos llamadas en espera cuando est ocupada con otra. Si las tres
lneas estn ocupadas, quien realiza una llamada recibe una seal de ocupado.
Las llamadas se reciben de acuerdo a un proceso poissoniano, con una tasa
media de 20 por hora. Una vez que se logra contacto con la operadora, la
duracin de una llamada se distribuye exponencialmente, con una duracin
media de 1 minuto. Determine: a) La probabilidad de que una persona que
realiza una llamada, reciba seal de ocupado; b) La probabilidad de que una
persona que llama, permanezca en espera; c) La probabilidad de que una
persona que llama, hable de inmediato con la operadora.
6. Una compaa de transportes enva sus furgones a su taller de mantenimiento

cada cierto tiempo. Las instalaciones del taller estn abiertas las 24 horas del da
y son atendidas por tres cuadrillas de tres hombres cada una. El tiempo que toma
dar el servicio a un furgn se distribuye exponencialmente, con una media de 5
horas. Los furgones llegan a las instalaciones siguiendo un proceso poissoniano
con una tasa media de 12 por da. Sin embargo, los conductores tienen
instrucciones de no entrar a las instalaciones si ya hay ah 5 furgones, en cuyo
MC S
caso regresan a la administracin para recibir instrucciones. Determine: a) El tiempo
total que permanece un furgn en el proceso de mantenimiento; b) El costo total
diario para la compaa si el costo improductivo por hora de estar en las
instalaciones de mantenimiento es de Q.5 por furgn y cada mecnico del taller
gana Q.3 por hora; c) La prdida diaria para la compaa, si el costo d enviar un
tractor a las instalaciones y que regrese sin servicio es de Q.50.00.
7. Cierto restaurante de comida para llevar tiene espacio para un mximo de cinco
clientes. Durante la poca de invierno, sucede que cuando los clientes llegan y el
local est lleno, prcticamente ninguno espera el servicio por la fra temperatura
exterior y se va a otro establecimiento. Los clientes llegan al restaurante de
acuerdo a un proceso poissoniano, con una tasa media de 15 por hora. El
restaurante atiende clientes a una tasa promedio de 15 por hora, con una
distribucin exponencial. El servicio lo brinda nicamente el propietario del
negocio, quien se ocupa de los clientes de acuerdo al orden que llegan.
Determine: a) el nmero promedio de clientes en el restaurante en cualquier
momento dado; b) el tiempo estimado que un cliente deber esperar por el
servicio; c) la tasa esperada a la cual se pierden ingresos debido al espacio
limitado del restaurante, si la cuenta promedio es de Q.10.00 por cliente.
8. Una tienda de dulces tpicos es operada por una sola persona, el propietario. El
patrn de llegadas de clientes durante los sbados se comporta siguiendo una
distribucin de poisson, con una tasa promedio de llegadas de 10 personas por
hora. A los clientes se les atiende siguiendo una distribucin exponencial con un
tiempo promedio de servicio de 4 minutos por cliente. Determine: a) la
probabilidad de que haya una lnea de espera; b) la longitud promedio de la
lnea de espera; c) el tiempo esperado de permanencia en la lnea de espera
por el cliente.
9. La agencia bancaria ubicada dentro de las instalaciones de la Universidad, tiene

regularmente dos receptores-pagadores igualmente eficientes y con capacidad
de atender un promedio de 60 operaciones-cliente por hora. Se tiene estipulado
MCS
que los tiempos de servicio estn distribuidos exponencialmente. Los estudiantes del
campus central llegan a la agencia bancaria siguiendo un proceso poissoniano a
una tasa promedio de 100 por hora. Determine: a) la probabilidad de que existan
ms de tres estudiantes simultneamente en la agencia bancaria; b) la
probabilidad de que uno de los receptores-pagadores este ocioso.
10. Cierta tienda de abarrotes tiene dos cajas de pago para efectuar los cobros a los
clientes. En el local caben a lo sumo seis clientes incluyendo el servicio, debido a
lo limitado del espacio. A los clientes que llegan cuando el negocio est lleno se
les niega la entrada y se les da por perdidos. Los clientes llegan a la caja
siguiendo un proceso poissoniano a una tasa de 40 clientes por hora. El tiempo de
servicio prestado para cobrarle a cada cliente es de 1.5 minutos. Determine: a) El
tiempo total que un cliente permanece en el sistema; b) La tasa de prdida de
ingresos por hora si cada cliente gasta en promedio $25.00.
11. Un mecangrafo copia una carta en un tiempo medio de 8 minutos, el cual est
distribuido exponencialmente. Si el 40% de su tiempo lo dedica el mecangrafo a
realizar otras actividades, determine cuntas cartas diarias se espera que l
escriba.
12. Un aeropuerto puede atender (despegue o aterrizaje) a tres aviones en 2

minutos. Determine cul debe ser el tiempo medio entre llegadas
(aterrizajes/despegues) para asegurar que el tiempo promedio de espera sea de
5 minutos como mximo.
13. Las refacciones de la maquinaria de una lnea de produccin requieren servicio

menor a una tasa de 10 por hora. Se puede comprar dos tipos de equipos para
dar servicio. El tipo A consiste en dos unidades y podra atender 6 refacciones por
hora. El tipo B consiste en una sola unidad con una tasa de 12 por hora. Compare
el tiempo esperado en el sistema y el nmero de refacciones esperado en el
MCS
sistema para ambas alternativas y concluya sobre el equipo ms conveniente a
comprar.
14. En una oficina de arquitectura, un dibujante digitaliza los planos y diseos de tres
arquitectos. Una digitalizacin de un plano requiere en promedio 30 minutos con
un comportamiento exponencial. Un arquitecto produce un plano o diseo
aproximadamente cada 3 horas. Determine: a) El tiempo que debe esperar un
plano o diseo que es trasladado al dibujante para ser comenzado a
digitalizarse; b) El tiempo promedio que tarda un plano especficamente en el
proceso de digitalizacin.
15. Una tienda de artculos de canasta bsica tiene dos cajas para recibir los pagos
por la mercadera. Cuenta con un cajero de tiempo completo para efectuar los
cobros los clientes. En el local caben slo seis clientes debido a lo limitado del
espacio. Los clientes que llegan cuando la tienda est llena no pueden entrar y
se les da por perdidos. Los clientes llegan con un proceso poissoniano a una tasa
de 40 por hora. Cuando nicamente hay un cliente en la caja, el servicio es
prestado solo por el cajero de tiempo completo con un tiempo medio de 1.5
minutos. Sin embargo, otro cajero tiene instrucciones de atender la otra caja
siempre que haya ms de un cliente en el local. Esto reduce en dos segundos el
tiempo de servicio por cada cliente que llega a la tienda. Determine: a) Tiempo
total que un cliente permanece dentro de la tienda; b) La tasa de prdida de
ingresos si cada cliente gasta en promedio $25.00.
16. La llegada de los operarios al almacn de materiales tiene una distribucin

poisson. Los tiempos de servicio estn distribuidos exponencialmente. La
velocidad de las llegadas promedia 45 empleados por hora, mientras que el
dependiente de almacn puede dar servicio a un promedio de 50 operarios por
hora. Si los operarios ganan Q.12.00 por hora y cada dependiente de almacn
gana Q.8/hora; determine el nmero ptimo de dependientes que deben
MCS
colocarse para atender el almacn desde el punto de vista del costo total por
hora.
17. El encarado de mantenimiento industrial en una planta de produccin, atiende

los servicios menores que son requeridos con un comportamiento poissoniano por
las mquinas a una tasa de 2 horas. El tiempo promedio que toma realizar el
servicio es de 10 minutos. La maquinaria est funcionando todo el tiempo a
menos que sea detenida para el mantenimiento indicado. Determine cul es la
proporcin de utilizacin de la maquinaria.
18. Los pacientes llegan a una clnica con una tasa media de 5 por hora, con los
tiempos entre llegadas consecutivas con distribucin poisson. Hay un mdico
especialista que atiende toda la jornada pero slo 4 sillas para espera cuando el
mdico est ocupado. Cualquier otro paciente que llega cuando la clnica est
llena, se le da cita para otro da. El tiempo de servicio se distribuye
exponencialmente con una media que cambia segn el nmero de pacientes,
as:
Nmero de pacientes en la clnica 1 2 3 4 5
Tiempo medio de atencin (Min/paciente) 9 10 10 13 20
Determine: a) el nmero medio de pacientes esperando ser atendidos; b) tiempo
promedio estimado para un paciente esperando ser atendido; c) porcentaje de
tiempo que el mdico especialista permanece ocioso.
19. Una compaa internacional de aviacin tiene cuatro aviones comerciales del
tipo Jumbo 747. Se han tabulado durante aos los fallos ocurridos en las turbinas.
Los datos indican que el tiempo promedio entre fallos consecutivos es de un ao
(365) das. El tiempo medio de revisin y arreglo del fallo es de 45 das. Solamente
se cuenta con un equipo humano de expertos para dar servicio y se proporciona
bajo la poltica de primeo que entra en taller, primero que se repara. Durante el
periodo de mantenimiento, el avin no vuela. Determine: a) Conjunto de
probabilidades de estado del sistema; b) cantidad media de aviones que
MCS
esperan ser reparados; c) tiempo promedio que tarda un avin para entrar
especficamente a revisin y arreglo de fallos.
20. En el cruce fronterizo entre Guatemala (A) y El Salvador (B), la lnea de trfico de
A a B se bifurca en cinco puestos de inspeccin migratoria y aduanera. Las
llegadas de vehculos tienen una distribucin poisson con 15 llegadas por hora,
mientras que el nmero de servicios tiene una distribucin exponencial con 8
servicios por hora. Por poltica gubernamental, no existe prioridad de trato, as
que los puestos migratorios y aduaneros proporcionan servicio a medida que se
desocupan. Determine: a) Probabilidad de que el sistema est vaco; b) cantidad
de vehculos promedio que esperan pasar a un puesto de inspeccin; c)
cantidad de vehculos que se encuentren en promedio en el cruce fronterizo; d)
tiempo promedio de espera por vehculo previo a ser atendido; e) tiempo
promedio que invierte un vehculo en el cruce fronterizo; f) analizar todas las
variables anteriores si se decide suprimir tres puestos fronterizos de inspeccin.
21. La Municipalidad de Guatemala tiene registros que indican que los nacimientos
en la ciudad capital presentan una distribucin poisson a razn de 1 nacimiento
cada 7 minutos. Determine: a) El nmero de nacimientos estimados en la ciudad
al trmino de un ao; b) la probabilidad de emitir 45 actas de nacimiento al final
de un periodo de 3 horas, si de hecho ya fueron emitidas 35 actas durante las
primeras dos horas.
S
MC
MC S
C
CAAPPTTUULLO
O IIX
X
SSIIM
MUULLA
ACCII
NN
-C
- Coonncceeppttoo
roceso matemtico que tiene como objetivo desarrollar un modelo
simulado de una situacin real, originado de un muestreo estadstico y

probabilstico.
En los ltimos aos se han desarrollado tcnicas para probar los resultados de
decisiones empresariales a travs de la simulacin en un ordenador.
Las computadoras tienen la ventaja que pueden manipular grandes

cantidades de datos con rapidez; sin embargo, el procedimiento bsico de una
simulacin es independiente de la manera como se realicen los clculos.
La simulacin juega un papel importante en los estudios de Investigacin de

Operaciones ( IO ). El equipo de IO se dedica a desarrollar un diseo para algn
sistema estocstico. Algunos de estos sistemas estocsticos recuerdan los ejemplos de
cadenas de Markov y lneas de espera. Por todo esto, un modelo de simulacin
sintetiza el sistema mediante los distintos eventos que ocurren dentro de l.
La simulacin implica construir una replica de algn sistema real y usarlo bajo
condiciones de prueba. En Administracin, los modelos matemticos se construyen y
se utilizan para comprobar los resultados de decisiones antes de aplicarlas en la
realidad.
MCS
De forma general cualquier planteamiento de un problema de decisin de
negocios podra llamarse una simulacin, ya que representa o simula algunos
aspectos del problema real.
Los modelos de simulacin enmarcados dentro de este concepto, difieren de

otros modelos matemticos, en tres aspectos:
1. Los modelos de simulacin no suelen estar diseados para encontrar la mejor

solucin o solucin ptima como en la programacin lineal. En este caso se
evalan varias propuestas y se toma la decisin con base en una comparacin de
los resultados.
2. Los modelos de simulacin suelen enfocarse en operaciones detalladas del

sistema, bien sean fsicas o financieras. En el sistema, se estudia la manera como
funciona a travs del tiempo y se incluyen los efectos de los resultados de un
perodo sobre el siguiente.
3. En los modelos de simulacin se incluyen elementos aleatorios o probabilsticos, que

incluyen ejemplos de sistemas de colas, de inventario, y modelos de anlisis de
riesgo, llamados simulacin Monte Carlo.
Cuando es necesario usar simulacin como parte de un estudio de

investigacin de operaciones, es comn que vaya precedida y seguida de los
mismos pasos del diseo al que simular. Entonces, aunque la simulacin tiende a ser
un proceso relativamente caro con frecuencia es el nico enfoque prctico para un
problema.
MCS Ms que describir el comportamiento global de un sistema directamente, el
modelo de simulacin describe la operacin del mismo en trminos de los eventos
individuales de cada uno de los componentes del sistema. Entonces la simulacin
proporciona un medio para dividir el trabajo en componentes ms pequeos que se
pueden formular con mayor facilidad y despus combina estos componentes en su
orden natural.
As la simulacin, en general no es otra cosa que la tcnica de realizar

experimentos de muestreo sobre el modelo del sistema. Los experimentos se llevan a
cabo en el modelo en lugar de hacerlo en el propio sistema real ya que esto ltimo
resultara inconveniente, muy caro y muy tardado. Por lo dems los experimentos
simulados deben considerarse en esencia iguales a los experimentos estadsticos
comunes, por lo que tambin debern tener como fundamento la teora estadstica
formal.
Para ilustrar estas diferencias, consideramos la construccin del modelo de una

fbrica que elabora una serie de productos. Un modelo de programacin lineal
podra desarrollar la mezcla de producto ptima. Un modelo de simulacin ms
detallado podra relacionarse con las cuestiones especficas de cul debe ser la
programacin de la fbrica para lograr la mezcla de productos deseada, tomando
en cuenta los perodos de configuracin de las mquinas, el tiempo de espera antes
del procesamiento y otros detalles que no pueden incluirse en la formulacin de
programacin lineal.
MC
-
S
- FFoorrm
muullaacciinn ee iim
mppllaannttaacciinn ddee uunn m
mooddeelloo ddee ssiim
muullaacciinn
Construccin del modelo.
El primer paso en un estudio de simulacin es elaborar un modelo que

represente el sistema que se va a investigar.
Este paso requiere que la persona analista est ampliamente familiarizada con
las realidades operativas del sistema y con los objetivos de estudio. Dado este
requisito tal vez la persona analista intente reducir el sistema real a un diagrama de
flujo lgico.
El sistema queda entonces dividido en un conjunto de componentes que se

encuentran unidos por un diagrama de flujo maestro, donde los componentes se
pueden dividir en subcomponentes, y as sucesivamente. En ltima instancia, el
sistema se descompone en un conjunto de elementos para los que se pueden
establecer las reglas de operacin.
Despus de especificar los elementos, las reglas y las uniones lgicas, es

necesario que el analista pruebe el modelo en forma exhaustiva, parte por parte.
Tambin pueden probarse las componentes individuales del modelo para verificar
que su desempeo interno sea razonablemente congruente con la realidad.
Cuando no se puede predecir con exactitud el comportamiento de un

elemento dado el estado del sistema, es mejor generar observaciones aleatorias de
las distribuciones de probabilidad, que usar promedios para simular el funcionamiento
de este elemento.
MC S Al construir los bloques de un modelo de simulacin, un paso importante es la
definicin del estado del sistema. El estado debe incluir la informacin relevante
sobre el estado actual del sistema de manera que, al generar la evolucin simulada
a partir de este estado, se obtenga una representacin fiel de su comportamiento
-G
- Geenneerraacciinn ddee nnm
meerrooss aalleeaattoorriiooss
Al poner en prctica un modelo de simulacin se necesitan nmeros aleatorios

para obtener observaciones aleatorias a partir de distribuciones de probabilidad. Un
mtodo para generar estos nmeros consiste en utilizar un dispositivo fsico como un
disco que da vueltas o un aleatorizador electrnico. De esta manera se han
generado varias tablas de nmeros aleatorios, entre las que se cuenta una que
contiene un milln de dgitos aleatorios, publicada por la Rand Corporation.
Al realizar una simulacin en la computadora, los nmeros aleatorios que se

necesitan casi siempre se generan directamente en ella usando un generador de
nmeros aleatorios, esto es un algoritmo que produce sucesiones de nmeros que
siguen una distribucin de probabilidad especificada y que poseen la apariencia de
aleatoria.
Los nmeros aleatorios se pueden dividir en dos categoras principales:
1. Numero aleatorio ENTERO, es una observacin aleatoria de una distribucin

uniforme discreta sobre un rango de valores.
2. Nmero aleatorio UNIFORME, es una observacin aleatoria a partir de una

distribucin uniforme continua en un intervalo a, b.
MC S
- SSiim
- muullaacciinn PPrroobbaabbiillssttiiccaa
En muchas situaciones, la incertidumbre es una parte clave de las operaciones

del sistema, y es importante tomar en cuenta en el modelo esta condicin aleatoria.
Los problemas de lnea de espera pueden analizarse construyendo un modelo

de simulacin de esta clase. Cuando puede resolverse de manera adecuada el
problema con mtodos matemticos, por lo general, es preferible hacerlo de ese
modo. Sin embargo hay muchas situaciones de colas que no pueden resolverse con
facilidad con las matemticas y, por tanto se vuelve a la simulacin.
El uso de la simulacin no est restringido a los procesos de colas. Muchas

fases de operaciones de negocios han sido simuladas con resultados satisfactorios.
- mppuuttaaddoorraass
muullaacciinn yy ccoom
- SSiim
En una aplicacin real, se construira un modelo por computadora para realizar

el anlisis. En la actualidad existen varios paquetes de simulacin disponibles para las
computadoras con capacidad para construir modelos muy complejos, generar
valores al azar a partir de un amplio rango de distribuciones estadsticas acumuladas,
y para generar resmenes de los resultados. Incluso muchos tienen una interfaz
grfica de usuario y animacin, que permite que el usuario observe la simulacin
cuando sta ocurre.
MC S
- PPrriinncciippaalleess aapplliiccaacciioonneess
-
Aunque la simulacin es una herramienta til para el manejo de colas o lneas

de espera, inventarios, anlisis de riesgos y otros problemas, quizs su mayor
contribucin se encuentra en el anlisis de sistemas complejos.
Muchos sistemas del mundo real involucran sistemas integrados por gran
cantidad de componentes que se interrelacionan. El sistema puede ser dinmico y
cambiar con el paso del tiempo y pueden incluir eventos probabilsticos o inciertos. La
simulacin puede ser la nica tcnica par el anlisis cuantitativo de dichos
problemas.
En trminos generales, las aplicaciones destacadas son:
_ Diseo de reactores nucleares

_ Radioterapia contra el cncer.
_ Densidad y flujo de trfico areo, vehicular y otros.
_ Evolucin estelar.
_ Econometra.
_ Pronstico del ndice de la bolsa.
_ Prospecciones en explotaciones petrolferas.
_ Fsica de materiales
_ Ecologa
_ Criptografa., etc.
- TTiippooss ddee ssiim

- muullaacciinn
Modelos continuos: su comportamiento cambia continuamente con el tiempo.
MC S
Modelos discretos: su comportamiento cambia slo en instantes concretos de
tiempo.
Modelo de simulacin esttica: es una representacin de un sistema en un

instante del tiempo determinado.
Simulacin dinmica: es una representacin de un sistema cuando evoluciona

con el tiempo.
Modelo de simulacin determinista: no contiene variables aleatorias.
Modelo de simulacin estocstica: contiene una o ms variables aleatorias.
- muullaacciinn
Geenneerraall ddee SSiim
- PPrroocceessoo G
Enunciado explcito de los objetivos que se persiguen.
Creacin del modelo y reunin de datos.
Disear un programa de ordenador para el modelo.
Verificar el programa
Validar el modelo.
Utilizar el modelo para experimentar y contestar a las preguntas iniciales.
Reunir, procesar y analizar los datos generados como soluciones del modelo y en
trminos de validez y confiabilidad estadstica.
MC
-
S
-MMttooddoo M
Moonntteeccaarrlloo
Es un mtodo probabilstico que sugiere la generacin de nmeros aleatorios

(random) para el anlisis de los datos del modelo simulado. Esto se logra a travs de
la tabulacin de frecuencias de ocurrencia de determinado evento, del clculo de
su probabilidad de ocurrencia y de la probabilidad acumulada de dicho evento.
A partir de la probabilidad acumulada, se deben generar los nmeros

aleatorios mediante tablas estadsticas de nmeros Random, o bien, mediante
programas de software que generan estos valores aleatorios de probabilidad.
Generalmente es ms confiable utilizar un programa debido a que en las tablas
suelen ser muy pocos los nmeros aleatorios y se tiende a dar muy poca diferencia
de resultados.
La generacin de nmeros aleatorios se realiza con el fin de identificar los

rangos de probabilidad donde flucta el comportamiento del evento en estudio.
El mtodo fue llamado as por el principado de Mnaco por ser la capital del
juego de azar, al tomar una ruleta como un generador simple de nmeros aleatorios.
El nombre y el desarrollo sistemtico de los mtodos Montecarlo datan

aproximadamente de 1944 con el desarrollo de la computadora electrnica. Sin
embargo hay varias instancias anteriores a 1944.
El uso real de los mtodos Montecarlo como una herramienta de investigacin

viene del trabajo de la bomba atmica durante la Segunda Guerra Mundial. Este
trabajo involucraba la simulacin directa de problemas probabilsticos de
hidrodinmica concernientes a la difusin de neutrones aleatorios en material de
fusin.
MC S
Algunas variantes del Mtodo Montecarlo se usan para resolver problemas muy
diversos. De todas ellas en el caso de los clculos computacionales relacionados con
sistemas moleculares, los ms importantes son:
1. Mtodo Clsico: aplicacin de distribuciones de probabilidades.
2. Mtodo cuntico: uso de trayectorias aleatorias para calcular funciones de onda

y energas de sistemas cunticos.
3. Mtodo de la integral a lo largo de la trayectoria: clculo de las integrales de la

mecnica Estadstica Cuntica para obtener propiedades termodinmicas y
constantes cinticas.
4. Mtodo Volumtrico: uso de nmeros aleatorios y cuasi aleatorios para generar

volmenes moleculares.
5. Mtodo de simulacin: uso de algoritmos aleatorios para generar las condiciones

iniciales de la simulacin de trayectorias cuasi clsicas para introducir efectos
estocsticos en dinmica molecular.
-M
- Mttooddoo G
Grrffiiccoo ddee M
Moonntteeccaarrlloo
Existen varios mtodos de simulacin. Uno de ellos es el mtodo Grfico de

Montecarlo, el cual se basa en la construccin de un histograma de probabilidades
acumuladas de un evento en particular, para determinar los rangos donde caen los
nmeros aleatorios generados y para inferir sobre el comportamiento patrn que
sugiere el modelo simulado para el evento en estudio.
MCS Sin embargo, es factible omitir la construccin del histograma siempre y
cuando se construyan acertadamente los rangos de probabilidad acumulada en
una tabla diseada adecuadamente.
La Municipalidad de Guatemala cuenta con informacin relacionada con la

recoleccin de basura en la ciudad capital. En la siguiente tabla se presentan las
toneladas de basura que cada da han sido recolectada para un periodo de 100
das. A partir de esta informacin, se debe realizar un proceso de simulacin para 10
das de recoleccin de basura y conclur sobre la cantidad de toneladas de basura
que se esperan recolectar en un da especfico.
Toneladas de Basura Frecuencia de

recolectadas por da ocurrencia
10 6
20 10
30 13
40 22
50 26
60 18
70 5
TOTAL: 100
Solucin:
1. Clculo de probabilidades de ocurrencia y probabilidad acumulada:
MCS
Toneladas Frecuencia de Probabilidad Probabilidad
de Basura ocurrencia acumulada
por da
10 6 0.06 0.06
20 10 0.10 0.16
30 13 0.13 0.29
40 22 0.22 0.51
50 26 0.26 0.77
60 18 0.18 0.95
70 5 0.05 1.00
TOTAL: 100
2. Construccin del histograma de probabilidades acumuladas
Mtodo Grfico Montecarlo

1,2
1
1 0,95
0,77
0,8
0,6 0,51
0,4 0,29
0,16
0,2
0,06
0
Eje "X", Variable de Medicin
10 20 30 40 50 60 70
3. Generar nmeros aleatorios por tabla o por programa. Para este caso, se utilizar la
tabla de Nmeros Aleatorios del Apndice D para llevar a cabo el proceso de
simulacin.
Estos valores son producto del azar y por lo tanto, no existe un orden especfico
que deba seguirse siempre. Es por ello, que con el fin de estandarizar resultados y
para efectos didcticos, se suele utilizar una columna especfica de la tabla, esta
MCS
columna se le indica como dato al estudiante o lector para que utilice los valores
contenidos en sta, como los nmeros aleatorios del proceso.
En la prctica, generalmente no basta un proceso corto como el ejemplo en

estudio, es decir, que 10 das no son suficientes para concluir sobre un
comportamiento esperado. El modelo simulado debe analizarse durante un
tiempo prudencial para ir observando el comportamiento que ms se repite a lo
largo del tiempo para poder concluir y tomar una decisin acertada.
Para este ejemplo se tomarn como nmeros aleatorios los valores de la columna
3 de la tabla del apndice D.
Da No. Aleatorio
1 0.57714
2 0.16955
3 0.67223
4 0.19399
5 0.02150
6 0.11649
7 0.67846
8 0.35595
9 0.84752
10 0.40610
4. Construir Rangos de Nmeros Aleatorios:
Toneladas de Basura Frecuencia de Probabilidad Probabilidad Rango de nmeros

recolectadas por da ocurrencia acumulada aleatorios
10 6 0.06 0.06 0 - 0.06

20 10 0.10 0.16 0.0601 - 0.16
30 13 0.13 0.29 0.1601 - 0.29
40 22 0.22 0.51 0.2901 - 0.51
50 26 0.26 0.77 0.5101 - 0.77
60 18 0.18 0.95 0.7701 - 0.95
70 5 0.05 1.00 0.9501 - 1.00
TOTAL: 50
MCS
Los rangos de nmeros aleatorios no son ms que intervalos de valores de
probabilidad en donde los valores superiores de cada rango son las probabilidades
acumuladas que definen el lmite de cada uno. Los valores inferiores se crean
agregando una fraccin muy pequea al lmite superior del rango anterior. Esto con
el fin de convertir los valores discretos de probabilidad, a valores continuos.
Generalmente se suman valores: 0.001 o 0.0001.
4. Ubicar cada nmero aleatorio obtenido, en el histograma de probabilidades

acumuladas (eje y); o bien, se pueden ubicar dentro de los rangos de nmeros
aleatorios que fueron construidos en el paso anterior. Al ubicar cada nmero, se
obtienen las toneladas de basura esperadas para cada da (eje x), de donde se
obtiene:
Da No. Aleatorio Toneladas

1 0.57714 50
2 0.16955 30
3 0.67223 50
4 0.19399 30
5 0.02150 10
6 0.11649 20
7 0.67846 50
8 0.35595 40
9 0.84752 60
10 0.40610 40
Es importante mencionar que la metodologa de solucin no exige

necesariamente construir el histograma y la tabla con rangos de nmeros aleatorios
de manera simultnea. Para la solucin, puede optarse por resolver nicamente por
histograma (Mtodo Grfico de Montecarlo), o bien, nicamente por rangos de
nmeros aleatorios (Mtodo Montecarlo).
En el presente ejemplo se opt por ilustrar ambos casos dentro del mismo
ejercicio para que pueda observarse que el resultado es exactamente el mismo.
MC S
5. Tabular las frecuencias de ocurrencia de los datos obtenidos:
Toneladas Frecuencia
10 1
20 1
30 2
40 2
50 3
60 1
70 0
6. Concluir a partir de los resultados obtenidos. Donde se encuentre la frecuencia

mayor, corresponde la cantidad esperada de toneladas de basura para un da
especfico.
Conclusin: Para una muestra de 10 das, se espera que en un da especfico, la

Municipalidad de Guatemala, recolecte 50 toneladas de basura.
- Caappttuulloo::
- PPrroobblleem
1. En una fbrica las descomposturas en las mquinas se presentan de acuerdo a la

tabla que se presenta a continuacin. Los resultados fueron obtenidos de un
muestreo de 50 mquinas. El objetivo consiste en simular 10 das de trabajo para
determinar el tiempo esperado entre descomposturas por mquina. Utilice la
columna 9 del apndice D.
Tiempo entre Frecuencia de

descomposturas (min.) ocurrencia
2 8
3 10
4 5
5 7
6 11
7 9
TOTAL: 50
MCS
2. En el siguiente conjunto de datos se expresa la demanda diaria de un artculo
especfico. Este artculo es el principal producto que se vende en un negocio. El
administrador de la tienda lo compra a Q.25.00 c/u y lo vende a Q.40.00/unidad.
Lo que no se vende se puede devolver, obteniendo un reembolso de Q.5.00 por
unidad. El objetivo consiste en simular 12 das de operacin del negocio para
determinar la utilidad esperada al trmino de este periodo, as como la utilidad
promedio diaria proveniente del producto, asumiendo que se puede vender el
90% de la demanda. Utilice la columna 2 de la tabla del apndice D.
Demanda Frecuencia de
diaria ocurrencia
45 5
46 20
47 35
48 50
49 30
50 10
TOTAL: 150
3. El aeropuerto de la ciudad de Flores, Petn, se enfrenta al problema de que el

trfico de aviones tiene una tendencia a duplicarse. En la actualidad, su nica
pista es suficiente para manejar el trfico en forma satisfactoria. Sin embargo, las
autoridades se preguntan si ser necesaria otra pista en el momento que el trfico
areo se duplique. Durante los periodos pico, los tiempos de llegada de los aviones
para despegues y aterrizajes ocurren con las siguientes probabilidades:
Tiempo de llegadas para Probabilidad de

despegues o aterrizajes ocurrencia
(Min)
6 0.5
7 0.25
8 0.1
9 0.1
10 0.025
11 0.025
TOTAL: 1
MCS
Un aterrizaje o un despegue dura en promedio 5 minutos. El aeropuerto no quiere
que existan ms de 4 aviones esperando acceso a la pista. Con base en la
informacin disponible, realice un proceso de simulacin para 1 hora de demanda
pico a partir de las 07:00 AM, suponiendo que la tasa de trfico areo de hecho se
ha duplicado y que al inicio del proceso de simulacin (7:00 AM) comienza el
primer despegue/aterrizaje. Concluya sobre la necesidad de habilitar otra pista.
UTILICE LA COLUMNA 3 DE LA TABLA DE # ALEATORIOS.
4. La Superintendencia de Administracin Tributaria, se enfrenta al problema de que

la afluencia de contribuyentes a una de sus agencias recin inaugurada, tiene una
tendencia creciente. En la actualidad, atiende nicamente una ventanilla a los
usuarios. Sin embargo, el encargado de la agencia desea establecer si ser
necesario habilitar otra ventanilla para la atencin de contribuyentes si durante los
periodos pico, los tiempos de llegada de los usuarios ocurren con las siguientes
probabilidades:
Tiempo de llegadas Probabilidad de

(Min) ocurrencia
3 0.1
3.5 0.2
4 0.3
4.5 0.2
5 0.1
5.5 0.1
TOTAL: 1
El tiempo de servicio (atencin) a un contribuyente dura en promedio 6 minutos. La

poltica de la agencia consiste en que no deben haber ms de 3 contribuyentes
esperando ser atendidos. Con base en la informacin disponible, realice un
proceso de simulacin para 1 hora de demanda pico a partir de las 09:00 AM.,
suponiendo que justo a esta hora comienza a ser atendido el primer contribuyente.
Concluya sobre la necesidad de habilitar otra ventanilla de atencin. UTILICE LA
COLUMNA 4 DE LA TABLA DE # ALEATORIOS.
MCS
5. Los administradores han observado que el tiempo muerto (tiempo de espera) para
que una mquina sea reparada en el rea de produccin ocasiona prdidas a la
empresa. Los ingenieros opinan que es posible reducir significativamente el
problema utilizando un nmero adecuado de personal de mantenimiento. El
salario por hora para el personal de mantenimiento es de $.8.00. El departamento
de produccin considera que se pierden $.30 por hora cuando una mquina no
est operando. Esto incluye las utilidades que se pierden as como el costo del
tiempo muerto de los operadores. La empresa necesita determinar el nmero de
personal necesario para mantenimiento. La informacin recolectada, es la
siguiente:
Tiempo entre descomposturas:
Tiempo Frecuencia de
descomposturas ocurrencia
15 7
16 14
17 15
18 28
19 36
20 27
21 15
22 8
TOTAL: 150
Tiempos de servicio:
Tiempo servicio (Min) Probabilidad

5 15 0.05
15 25 0.25
25 35 0.40
35 45 0.25
45 55 0.05
TOTAL: 1
MC S
Cuando ocurre una descompostura se comienza el servicio de inmediato si est
disponible una persona de mantenimiento. Si no lo est, pasa a una lnea de espera.
Se dar servicio a las mquinas sobre la base que la primera en llegar es la primera
en ser atendida.
Para el proceso de simulacin, la fbrica cuenta con los siguientes nmeros aleatorios
que fueron generados por programa:
Serie de nmeros aleatorios relacionados con las descomposturas:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
.6279 .8234 .5273 .1828 .6383 .1471 .3208 .8224 .6331 .5482 .3445 .4611 .3193 .6273 .4841 .7303 .6203
Serie de nmeros aleatorios relacionados con los servicios (reparaciones):

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
.4446 .6427 .5902 .0318 .5901 .3044 .1699 .5783 .8764 .2161 .3694 .6072 .8224 .1455 .1443 .6255 .4455
Se le pide simular un da de trabajo suponiendo una jornada de 8 horas que empieza

a las 8:00 AM., y que al inicio del da no existen mquinas descompuestas. (No
exceder el proceso de simulacin ms all de las 8 horas de trabajo). Determine la
cantidad de mquinas esperando reparacin al final del da y cuantifique el costo
total diario, si el mantenimiento estuviera a cargo de un slo mecnico.
6. Realice un nuevo proceso de simulacin con los datos proporcionados en el

ejercicio anterior (#5) con la variante que ahora deber asumir que son dos los
mecnicos a cargo del mantenimiento. De igual manera determine la cantidad
de mquinas esperando reparacin al final del da y cuantifique el costo total
diario. Compare resultados con el problema anterior y concluya sobre la
conveniencia de ubicar uno o dos mecnicos en el mantenimiento desde el punto
de vista del costo total diario.
S
MC
MC S
C
CAASSO
OSS D
DEE A
APPLLIIC
CAAC
CII
NN
-C
- CA
ASSO
A O 11:: O
OPPTTIIM
MIIZZA
ACCII
NND
DEELL SSU
UMMIIN
NIISSTTRRO
ODDEE A
AGGUUA
A PPO
OTTA
ABBLLEE
El alcalde de la municipalidad de Santa Catarina Pinula, debe proporcionar al menos 10

millones de galones de agua potable diarios a varias aldeas del municipio. Este es un
compromiso adquirido en campaa previo a las elecciones de la alcalda municipal. Como el
seor alcalde tiene aspiraciones a re-eleccin, tiene un inters muy especial en cumplir sus
principales promesas de campaa. Para el efecto, cuenta con estudios que limitan las
alternativas de brindar el servicio de agua potable nicamente a dos fuentes de
abastecimiento: 1) Se cuenta con un depsito local; y 2) Se puede utilizar el abastecimiento
desde un municipio aledao por medio de unas tuberas que interconectan ambos
municipios. Los mismos estudios demuestran que el rendimiento diario mximo del depsito
local es de 5 millones de galones de agua. Tradicionalmente, el municipio vecino ha brindado
agua potable a Santa Catarina Pinula a travs de un contrato entre municipalidades, el cual
establece un mnimo de 6 millones de galones de agua al da que deben ser bombeados a
travs de las tuberas. Sin embargo, esta municipalidad vecina no tiene capacidad de
abastecer ms de 10 millones de galones diarios debido al ancho del dimetro de las
tuberas. Este es un contrato muy inflexible que no podr modificarse durante los prximos 2
aos. Del anlisis financiero se sabe que el costo del suministro de agua por el depsito local
asciende a Q.3,000.00 por milln de galones; mientras que el costo del suministro a travs de
las tuberas del municipio vecino asciende a Q.5,000.00 por milln de galones.
Los usuarios de la Municipalidad de Santa Catarina Pinula, previo a efectuar los pagos por el
servicio de agua potable, presentan sus quejas por errores en la facturacin o inconformidad
con el servicio. De no existir ninguna queja, se cancela directamente en caja, el servicio de
agua del mes. El alcalde tambin est interesado en minimizar el nmero de quejas por el
servicio a mediano plazo y, en el corto plazo su objetivo consiste en optimizar los costos del
sistema en esta rea de quejas. Para ello se cuenta con estadsticas que demuestran que los
usuarios llegan al rea de quejas por el servicio de agua potable a razn de 45 por hora con
un comportamiento de distribucin poisson. Los tiempos de servicio estn distribuidos
exponencialmente con capacidad de atencin de 50 personas por hora. Cada servidor en
esta rea devenga un salario de Q.12.50 por hora y el costo por atender una queja se estima
en Q.65.00 por hora (que incluye: el ingreso monetario inmediato que se estara generando en
la caja de la municipalidad de no existir problema en el servicio, ms los costos de operacin
en esta rea que podran estar siendo invertidos en una actividad de mayor provecho para la
municipalidad).
Con base en la informacin anterior, Desarrolle y DETERMINE lo siguiente:
q Formule el problema de suministro de agua como un modelo de programacin lineal.

q Resuelva el modelo por el mtodo grfico.
q Resuelva el modelo por Tcnica M.
q Compare resultados obtenidos, comente y concluya
q Indique cul es la combinacin ptima de suministro de galones de agua potable a travs
de las alternativas disponibles que debe realizar el alcalde para cumplir su compromiso.
q Cul es el costo mnimo del suministro diario de agua?
MC S
q Identifique variables de holgura, indique sus valores solucin y concluya sobre stas
q Recomiende cmo podra mejorarse el servicio de suministro de agua en el municipio en
estudio, a largo plazo.
q Determine el nmero ptimo de servidores que debe colocar el alcalde en el rea de
quejas en el corto plazo. (Recuerde el objetivo del alcalde en el corto plazo).
q A cunto asciende el costo total diario del sistema optimizado en el rea de quejas en la
actualidad.
q Cmo puede el alcalde minimizar el nmero de quejas en el largo plazo?
q Conclusiones, Recomendaciones y Comentarios generales del caso.
-C
- CA
ASSO
O 22:: C
CO
C ON
NSSU
ULLTTO
ORREESS D
DEE M
MEERRC
CAAD
DEEO
O,, SS..A
A..
La empresa Consultores de Mercadeo, S.A., se dedica a brindar asesora a diferentes

organizaciones del pas. Recientemente, un cliente importante contrat a dichos consultores
para que le realicen un estudio de investigacin de mercados.
A pesar de que la empresa Consultores de Mercadeo, S.A. tiene experiencia en proyectos de

investigacin de mercados, su gerente de mercadeo y ventas considera que cada proyecto
tiene tiempos de duracin muy variables debido a las distintas caractersticas del producto y
de los recursos disponibles para invertir de parte de cada empresa interesada; por lo que
estableci una estimacin basada en proyectos de naturaleza similar a la empresa que los ha
contratado, la cual determina las actividades principales del proyecto de investigacin de
mercado y sus duraciones probables por actividad, siendo las siguientes:
ID ACTIVIDAD To Tn Tp Precedencia
AFormulacin del problema 0.5 1 2 ----
B
Formulacin de objetivos e Hiptesis 0.5 1 2 A
CDefinicin del mtodo de recopilacin de 2 3 5 B
datos y diseo de cuestionarios, encuestas
y dems herramientas
D Investigacin Preliminar 3 4 11 A
E Trabajo de Campo 4 5 10 C
F Tabulacin, Interpretacin y Anlisis 1 2 3 D,E
G Conclusiones Preliminares 1 2 9 F
H Estudios complementarios y Anlisis de 1 4 7 F
Sensibilidad
I Elaboracin del informe final 2 3 4 G,H
To = Tiempo optimista; Tn = Tiempo normal; Tp = Tiempo pesimista. Tiempos en semanas.
La empresa contratante le ha indicado a Consultores de Mercadeo S.A. que el informe final

del estudio de investigacin de mercados lo necesita a ms tardar al trmino de 18 semanas
a partir de su fecha de inicio.
MCS
Como parte del estudio complementario, los consultores deben sugerir una estrategia de
publicidad para el lanzamiento del producto. Para el efecto, se sabe que del producto se
derivarn dos tipos de marcas que tienen como meta influir en su adquisicin como mnimo
en el 60% de las familias con ingresos medios y en el 35% de las familias con ingresos altos.
Consultores, S.A. tiene estudios anteriores que la publicidad escrita y la publicidad por TV
resultan ms eficaces para este tipo de productos. Asimismo, los estudios indican que la
publicidad por TV llega al 4% de las familias de ingresos altos y al 3% de las familias de ingresos
medios por cada comercial; y que la publicidad por medios escritos llega al 3% de las familias
de ingresos altos y al 8% de las familias de ingresos medios por cada anuncio escrito. Por lo
tanto, la estrategia que sea sugerida debe cumplir con las metas de cobertura deseada y
garantizar que los costos de inversin sean los menores posibles. De acuerdo a los promedios
del mercado, la publicidad por TV tiene un costo de Q.1,800.00 por comercial y la publicidad
por medios escritos tiene un costo de Q.300.00 por anuncio.
Adicionalmente, el gerente de mercadeo desea complementar la estrategia de publicidad

por TV y medios escritos, con una actividad de ventas de campo; por lo que se comprometi
a presentarle una oferta del servicio a su cliente contratante. Por lo tanto, el gerente necesita
determinar la forma en que debe asignar a 4 vendedores en 4 distritos potenciales, de tal
forma que el xito en las ventas alcanzadas sea mximo. Para el efecto, cuenta con
informacin basada en el conocimiento de los vendedores, conocimiento del producto,
clientes potenciales y experiencia de los vendedores; de tal forma que las ponderaciones de
xito en ventas alcanzadas por distrito, en escala de 1 a 10 para cada vendedor, son las
siguientes:
VENDEDOR NORTE ESTE SUR OESTE

PEDRO 10 9 7 9
JOSE 9 9 7 8
JUAN 8 10 8 9
ANTONIO 7 8 8 6
Con la informacin anterior, determine:
1. Red de actividades
2. Ruta Crtica
3. La Probabilidad de que la empresa Consultores de Mercadeo, S.A. pueda entregar el
estudio de mercado al trmino de 18 semanas.
4. La duracin ms aconsejable para la entrega del estudio de mercado.
5. La cantidad de comerciales por TV y de anuncios por medios escritos que debe sugerir
la empresa Consultores de Mercadeo, S.A. a su cliente contratante, para garantizarle
la cobertura de metas en el mercado y la inversin mnima de costo.
6. La asignacin que debe realizar el gerente de Consultores de Mercadeo, S.A., para la
actividad de ventas de campo de tal manera que optimice dichas ventas.
7. Conclusiones y Recomendaciones.
MC
-
S
-CCA
ASSO
O 33::: IIN
NDDU
USSTTRRIIA
ASS D
DEE PPA
APPEELL,, SS..A
A..
La empresa Industrias de Papel, S.A., se dedica a la fabricacin de diferentes productos y

tipos de papel, as como a la importacin de algunos productos especiales relacionados con
la industria. Para la produccin cuenta con varias plantas ubicadas en distintas zonas
geogrficas del pas. Recientemente, un socio mayoritario, decidi adquirir una pequea
corporacin conformada por tres empresas dedicadas a la industria de la impresin y las artes
grficas, las cuales por motivos de la competencia lder, decidieron su venta. Sin embargo,
otro grupo de socios, piensa que no es conveniente el negocio de la adquisicin de estas
empresas, debido a que consideran que se desencadenara una serie de problemas
administrativos y financieros, si se adquieren dichas empresas. Adems, este grupo de socios
afirma que la empresa Industrias de Papel no necesita cambiar o ampliar su actividad
econmica principal.
Todos los socios de industrias de Papel, son reconocidos empresarios en el medio y han
confiado en su experiencia acumulada durante muchos aos el proceso de toma de
decisiones. Sin embargo, en este caso, estn en desacuerdo y por lo tanto han convocado a
una reunin con un grupo selecto de empleados, el cual lo encabeza usted como gerente
general y profesional en el rea de la Administracin de Empresas.
Durante la reunin, le exponen el caso y le proporcionan la informacin referente a las

capacidades de las plantas de fabricacin de papel, as como de los requerimientos
mensuales de materia prima (papel) que necesitan los tres empresas que se pretenden
adquirir, siendo stos: 70,000 libras para la empresa 1; 90,000 libras para la empresa 2 y 60,000
libras para la empresa 3. De su experiencia en la empresa, usted puede determinar que las
plantas de papel ms cercanas a estas empresas para que funcionen como abastecedoras
de materias primas, son las que identifica como A, B y C, las cuales tienen capacidad mensual
de 80,000 libras de papel; 60,000 libras y 110,000 libras; respectivamente. Asimismo, puede
determinar con alto grado de certeza, que los costos de traslado del papel podra variar
segn las distancias a recorrer y los recursos disponibles en cada planta, pero que estara de
acuerdo a la siguiente informacin:
De la planta A, el costo de traslado por cada 100 libras hacia la empresa 1, asciende a $1.00;
Hacia la empresa 2, $4.00
De la planta B, el costo de traslado por cada 100 libras hacia la empresa 1, asciende a $2.00;
De la planta C, el costo de traslado por cada 100 libras hacia la empresa 1, asciende a $1.00;
Para la prxima reunin, usted deber exponer su opinin sobre la conveniencia o

inconveniencia de la adquisicin de las empresas; la cual se basar en la informacin
preliminar que le han brindado. Tambin se le ha solicitado que proponga candidatos para la
gerencia de produccin de las tres empresas en mencin, pero usted tiene el problema que
cuenta con cuatro posibles candidatos que han rendido con buenos resultados en funcin a
costos bajos de produccin y contribucin significativa a la utilidad de la empresa; por lo que
MC S
se le dificulta decidir a quin dejar fuera si le interesa asegurar que se obtendrn los
mximos beneficios.
Para el efecto, se ha tabulado la contribucin a la utilidad esperada (en miles) por cada
candidato, segn la empresa en donde podra desempear sus funciones, de acuerdo a
registros histricos del desempeo de los mismos en regiones cercanas:
EMPRESAS
1 2 3
Candidato 1 400 400 375
Candidato 2 325 525 400
Candidato 3 450 575 425
Candidato 4 225 450 500
Con toda la informacin proporcionada, se le pide que realice:

1. La distribucin ptima de traslados de materia prima.
2. El costo ptimo (mnimo) mensual de traslados.
3. La mejor asignacin de candidatos a gerencia de produccin de las empresas
4. La contribucin mxima a la utilidad.
5. Defina una postura preliminar sobre la conveniencia o inconveniencia de la
adquisicin de las empresas, basndose en toda la informacin brindada y a su buen
juicio administrativo. (Justifique)
6. Indique qu otro tipo de informacin solicitara para realizar un anlisis completo del
caso.
7. Presente las conclusiones y recomendaciones que considere convenientes.
-C
- ASSO
CA
A ON
O 44:: TTEELLFFO M
OSS M
NO V A.. ((PPrrooyyeeccttoo ddee A
VIILLEESS,, SS..A maattiizzaacciinn))
Auuttoom
La compaa en estudio se dedica a la prestacin de servicios de telefona mvil,

residencial y pblica. En la actualidad se encuentra en una fase de crecimiento,
principalmente en el mbito de la telefona mvil celular en donde la demanda de este
servicio crece cada da por las ventajas que ofrece y el mejoramiento continuo en la calidad
del servicio.
El departamento de Logstica de dicha compaa, es el responsable de la distribucin

de los equipos de telefona mvil celular a los centros de atencin al cliente, centros de venta,
distribuidores y centros de atencin personalizada; quienes representan los principales clientes
de este departamento.
Para el cumplimiento de los pedidos de sus clientes, el departamento de logstica

realiza las siguientes actividades:
1. Recibe el pedido y le asigna un nmero de reserva

2. Verifica existencias
3. De no contar con existencias, elabora requisicin a bodega central.
4. De contar con existencias, enva solicitud al encargado de sistemas para que
proceda a programar la cantidad de terminales requeridas.
5. Asigna nmero telefnico.
MC S
6. Maquila y ensambla
7. Empaca.
8. Efecta registros en krdex.
9. Verifica lista de chequeo como parte del control de calidad.
10. Realiza la distribucin y entrega del equipo al cliente.
Sin embargo, se desea mejorar el sistema de registro sobre existencias mediante una
automatizacin que favorezca la fluidez del procedimiento de entregas y despachos a
clientes.
PPLLA
ANNTTEEA
AMMIIEEN
NTTO
ODDEELL PPRRO
OBBLLEEM
MAA
Los datos que se efectan en krdex es una combinacin de registros manuales con
hojas de clculo, pero esta actividad se ha vuelto muy lenta y poco confiable, por lo que se
pretende automatizar el sistema de registros de inventario mediante el diseo de un proyecto
que incluya la instalacin de equipo nuevo para el procesamiento de informacin, diseo de
una aplicacin de software especfica para el manejo de inventario que se convertir en una
bodega virtual, instalaciones de red, capacitacin a los empleados, etc.
Las principales actividades que se tienen establecidas para la implementacin del

proyecto de automatizacin del sistema de registros de inventario de aparatos de telefona
celular, as como el orden en que pueden ejecutarse y los responsables de su ejecucin, son
las siguientes:
ID ACTIVIDAD Precedencia Responsable
A Diagnstico Situacional ---- Analista
B Instalacin sistema operativo A Asistente
C Diseo base de datos B Analista
D Programar aplicacin en Visual Basic B Programador
E Diseo de reportes del programa C Analista
F Pruebas del programa en red y puesta en marcha D Programador
G Capacitacin a usuarios C Analista
H Evaluacin de procesos de usuarios y del sistema E,F Programador
I Estadsticas y cambios correctivos G,H Analista,
Programador
Los responsables de la ejecucin de cada actividad, son asesores de informtica de la

compaa, quienes han venido del extranjero para la implementacin, control y seguimiento
del proyecto. Los salarios de estas personas deben ser cubiertos por el presupuesto del
departamento de logstica en tanto dure su permanencia por la ejecucin de las actividades
asignadas. El monto devengado por cada uno, ha sido pactado de comn acuerdo de
forma mensual con el compromiso del avance y finalizacin del proyecto en el menor tiempo
posible, elaborando reportes semanales de ejecucin. El detalle es el siguiente:
Analista: Q.16,800.00 / mes.

Asistente: Q.9,600.00 / mes.
Programador: Q.12,000.00 / mes.
MCS Adicionalmente al costo del salario de los responsables ejecutores, debe
considerarse que para la ejecucin de la actividad consistente en la instalacin del sistema
operativo, debe invertirse cierta cantidad para la adquisicin del hardware y software
requerido, el cual consiste en lo siguiente:
2 Sistema operativo NT Server 4.0

1 Paquete de desarrollo Visual Basic 6.0
1 Reporteador Seagate Cristal Report 8.0
2 Base de datos SQL Server
2 Aplicacin requerida
2 Equipos de cmputo HP
2 Impresoras HP 8150 de 34 ppm
De un estudio de mercado realizado relacionado con los precios del equipo requerido
para la instalacin del sistema operativo, se concluyen los siguientes datos:
Canti Descripcin Valor Unitario Valor Total Total en Q

dad US$ US$ (*)
2 Sistema Operativo Windows NT Server 4.0 415.00 830.00 6,640.00
1 Paquete de Desarrollo visual Basic 6.0 450.00 450.00 3,600.00
1 Reporteador Seagate Cristal Report 8.0 300.00 300.00 2,400.00
2 Base de Datos SQL Server 7.0 325.00 650.00 5,200.00
2 Aplicacin requerida 5,500.00 11,000.00 88,000.00
2 Computadoras HP Compaq Evo 1,000.00 2,000.00 16,000.00
2 Impresoras HP 8150 de 34 ppm 2,500.00 5,000.00 40,000.00
TOTAL COSTO: 20,230.00 161,840,00
* A un tipo de cambio estimado de Q.8.00 por US$1.00
Durante el desarrollo del proyecto, ser necesario el arrendamiento de un local vecino

para el trabajo de escritorio del equipo de asesores, as como el arrendamiento equipo
especial de informtica que ha sido requerido para poder realizar el trabajo de escritorio y
para la realizacin de pruebas. De acuerdo a una estimacin del gerente de logstica, el
costo de arrendamiento total de ambos requerimientos, ser de Q.2,000.00 por cada da.
De acuerdo a la experiencia de proyectos de automatizacin en otros departamentos

de la compaa, se tiene la siguiente expectativa de tiempos de duracin por actividad:
ID ACTIVIDAD DURACIN (Das)

A Diagnstico Situacional 17
B Instalacin sistema operativo e impresoras 3
C Diseo base de datos 2
D Programar aplicacin en Visual Basic 16
E Diseo de reportes del programa 5.5
F Pruebas del programa en red y puesta en marcha 7.5
G Capacitacin a usuarios 22
H Evaluacin de procesos de usuarios y del sistema 20
I Estadsticas y cambios correctivos 25
MC S
Sin embargo, el gerente del departamento de logstica considera que la duracin
puede resultar muy variable debido a la forma en que se presenten las circunstancias, por lo
que sugiere que los tiempos estimados se consideren como probabilsticos para un tiempo
normal, con las siguientes variaciones probables, como base para la estimacin de un tiempo
esperado:
ID ACTIVIDAD Tiempo Tiempo Tiempo

Optimista Normal Pesimista
A Diagnstico Situacional 15 17 25
B Instalacin sistema operativo e impresoras 2 3 10
C Diseo base de datos 1 2 3
D Programar aplicacin en Visual Basic 10 16 22
E Diseo de reportes del programa 1.5 5.5 6.5
F Pruebas del programa en red y puesta en 2 7.5 10
marcha
G Capacitacin a usuarios 8 22 24
H Evaluacin de procesos de usuarios y del 10 20 30
sistema
I Estadsticas y cambios correctivos 20 25 60
Las expectativas de finalizacin del proyecto por parte de la compaa, es de 75 das

debido a que deben cumplir con la calendarizacin establecida; por lo que se tiene
contemplado contar finalmente con dos analistas, dos asistentes y dos programadores para la
ejecucin de las actividades designadas.
La incidencia esperada en la duracin por actividad para el tiempo esperado, con el

doble de recurso humano, es la siguiente:
ID ACTIVIDAD DURACIN LMITE

A Diagnstico Situacional 12
B Instalacin sistema operativo e impresoras 2
C Diseo base de datos 1
D Programar aplicacin en Visual Basic 10
E Diseo de reportes del programa 3
F Pruebas del programa en red y puesta en marcha 4
G Capacitacin a usuarios 14
H Evaluacin de procesos de usuarios y del sistema 14
I Estadsticas y cambios correctivos 18
Adicionalmente, la compaa tiene la expectativa que mediante la automatizacin

de sus sistemas de control de inventario, se favorecer la rapidez en la atencin a sus clientes,
por lo que considera que para el siguiente trimestre del ao, la demanda en el mercado de
sus dos principales modelos de telfono celular que promocionar por su costo accesible,
tendr un alcance mximo de 700 aparatos mensuales para el primer modelo y de 400
aparatos mensuales para el segundo estilo. El tiempo de manufactura y distribucin que
requiere el primer estilo por unidad es 120 minutos y de 140 minutos para el segundo estilo;
disponiendo de 105,600 minutos al mes para esta actividad.
MCS
La utilidad esperada para el primer estilo es de Q.350.00 por aparato telefnico y de
Q.405.00 por unidad, para el segundo estilo.
El problema consiste en optimizar la duracin del proyecto para que los costos totales
sean los ms bajos para el departamento de logstica y asimismo, en sugerir a la compaa de
telefona, la cantidad de aparatos telefnicos de ambos estilos que debe requerir a bodega
central para el prximo trimestre, con el fin de maximizar sus utilidades. Adicionalmente,
indique cuntos das adicionales debern solicitarse para contar con un 98% de probabilidad
de finalizar el proyecto, e indique cul sera el costo total en este caso. Presente el detalle de
sus clculos realizados, analice, concluya y recomiende los aspectos que considere
necesarios.
S
MC
MC S
RREESSPPUUEESSTTA
ASS A
A LLO
OSS PPRRO
OBBLLEEM
MAASS SSUUG
GEERRIID
DOOSS
- C
CAAPPIITTUULLO
O III
1. X1 = 8; X2 = 78; Xo = Q.2,620.00.
2. X1 = 6; S2 = 1; Xo = Q.900.00.
3. X1 = 3; X2 = 2; Xo = Q.7.00
4. X1 = 32,000; S1 = 4,000; S2 = 8,000; Xo = Q.24,000.00
5. X1 = 800; X2 = 11,200; Xo = Q.70,400.00
6. X1 = 166.66; X2 = 66.66; S3 = 100; Xo = Q.233.33
7. X1 = 59.524; X2 = 28.571; Xo = Q.41,964.286
8. X1 = 250; S1 = 25; S2 = 75; S4 = 50; Xo = Q.6,250.00
9. X1 = 1,000; X2 = 1,333.33; S1 = 50; Xo = Q.115,000.00
10. X1 = 43.333; X2 = 56.667; Xo = Q.21,333.33
11. X1 = 100.84; S1 = 5.34; Xo = Q.100.84
12. X1 = 225; X2 = 150; S2 = 175; Xo = Q.18,000.00
13. X2 = 25; S2 = 60; Xo = Q.1,000.00
14. X1 = 2,000; X2 = 3,000; X3 = 4,000; Xo = Q.900.00
15. X1 = 100; S2 = 30; S3 = 20; Xo = Q.20.00
16. X1 = 1,352.94; X2 = 1,323.53; S3 = 323.53; Xo = Q.147,058.80
17. X1 = 29.241; X2 = 7.277; Xo = Q.416.384
18. X1 = 7.188; X2 = 63.75; Xo = Q.610.625
-C
- CA O IIIII
APPIITTUULLO
1. Xo = 2,260; X12 = 5; X13 = 15; X16 = 5; X21 = 5; X22 = 5; X24 = 10; X25 = 25; X36 = 10.
2. Xo = 2,510; X12 = 300; X13 = 190; X15 = 60; X24 = 160; X25 = 140; X31 = 250; X33 = 10.
3. Xo = 244; X12 = 8; X13 = 8; X21 = 8; X31 = 2; X33 = 4; X34 = 6.
4. Xo = 170,000; X13 = 20,000; X22 = 30,000; X31 = 30,000; X32 = 10,000; X42 = 0; X43 = 5,000.
5. Xo = 10,400; X14 = 500; X21 = 400; X22 = 300; X24 = 200; X32 = 300; X33 = 400.
6. Xo = 2,490; X13 = 20; X15 = 20; X21 = 30; X23 = 30; X32 = 30; X35 = 40; X42 = 10; X44 = 40.
7. Xo = 63,300; X11 = 100; X14 = 160; X15 = 140; X22 = 50; X23 = 150; X31 = 0; X32 = 150.
8. Xo = 5,200; X11 = 300; X13 = 200; X15 = 300; X24 = 600; X25 = 0; X32 = 500; X33 = 200.
9. Xo = 84,000; X12 = 100; X14 = 800; X21 = 100; X22 = 600; X25 = 300; X31 = 900; X33 = 600.
10. Xo = 90,000; X12 = 10,000; X13 = 25,000; X22 = 60,000; X24 = 20,000; X31 = 35,000; X33 =
10,500.
11. Xo = 30,500; X11 = 300; X14 = 500; X21 = 100; X23 = 400; X25 = 500; X32 = 500; X34 = 100.
12. Xo = 43,225; X12 = 170,000; X15 = 5,000; X21 = 80,000; X23 = 75,000; X25 = 20,000; X34 =
95,000; X35 = 30,000; X45 = 100,000.
13. Xo = 52,200; X11 = 1,400; X23 = 1,600; X31 =200; X32 = 1,600.
14. Xo = 6,300; X11 = 40; X12 = 10; X21 =20; X23 = 60; X32 = 50.
15. Xo = 7,000; X11 = 25; X13 = 15; X22 =20; X23 = 10; X31 = 15; X42 = 20; X53 = 10..
16. Xo = 8,125; X12 = 10; X22 = 25; X32 =10; X41 = 15; X42 = 30; X53 = 35.
MC
-
S
-CCA
APPIITTUULLO
O IIV
V
1. Costo = Q.1,800.00
2. Costo = Q.36.00
3. Costo = Q.22.00
4. Costo = Q.53.00
5. Costo = Q.11.00
6. Costo = Q.30.00
7. Tiempo = 19.00 Hrs
8. Produccin = 28 unidades
9. Costo = Q.53.00
10. Costo = Q.17.00
11. Costo = Q.21.00
12. Costo = Q.95.00
13. Ingresos por venta = Q.159.00
14. Costo = Q.12,620.00
15. Ganancia = Q.1,340.00
16. Costo = Q.22.00
17. Costo = Q.55.00
-C
- OV
APPIITTUULLO
CA V
(DN = Duracin Normal; DM = Duracin Mnima; DO = Duracin Optima; CT = Costo

Total).
1. DN = 40 a un CT Q.4,585.00; DM = 26 a un CT Q.4,813.33; DO = 33 a un CT
Q.4,502.50
Q.3,370.00
Q.4,960.00
Q.4,890.00
Q.1,480.00
Q.2,800.00
Q.4,751.30
Q.6,100.00
Q.4,431.67
Q.3,135.00
MC S
11. = 2.8137; a) 77.9362%; b) 99.3543%
12. = 6.6249; a) 56%; b) 93.4415%
13. = 5.4416; a) 21.2922%; b) 70.9067%
14. = 14.6059; a) 26.1418%; b) 79.4277%
15. = 4.9301; a) 38.0469%; b) 99.8822%
- C
CAAPPIITTUULLO
OVVII
1. E1: 0.7143; E2: 0.2857

2. Sin campaa: E1: 0.50; E2: 0.50. Con campaa: E1: 0.8572; E2: 0.1428. Beneficio:
$1,285,920.00
3. E1: 0.0827; E2: 0.4060; E3: 0.5113
4. E1: 0.3419; E2: 0.1508; E3: 0.1593; E4: 0.3394; E5: 0.0026
5. E1: 24.29 u.m.; Poltica 2. E2: 20.721 u.m.; Poltica 2. E3: 16.084 u.m.; Poltica 2.
6. E1: 0.4375; E2: 0.5625
8. E1: 0.2128; E2: 0.2766; E3: 0.5106
9. E1: 0.9170; E2: 0.0830. (Sobrepasa el % tolerado de producto defectuoso)
CA
- C OV
APPIITTUULLO VIII
1. CT con EOQ = $509.12. CT poltica actual = $1,140. EOQ = 425; T = 8.62 das;
#rdenes = 43; R ) 691.
2. CT entregas graduales = $161; CT una sola entrega = $ 509.12. EOQ entregas
graduales = 1,342; EOQ una entrega = 425; T = 2.738 das; t = 16.775 das; R = 828; #
rdenes = 134.
3. CT una sola entrega = $124,929.00; EOQ una entrega = 1,000; CT entregas
graduales = $102,756.60; EOQ entregas graduales = 2,000.
4. EOQ = 269; T = 15.11 das; # rdenes = 25; R = 250; CT = $241.87
5. I) Modelo Costo de Escasez: R = 240; ES = 40 ; CT = $283.99. II) Modelo de Nivel de
Servicio: R = 205; ES = 6; CT = $ 442.09; P, F(R) = 0.6141.
6. EOQ = 11,081 lbs; T = 67.41 das; # rdenes = 6; R = 3,453 lb.s; CT = $3,601,203.97/ao.
7. EOQ = 1,000; CT ptimo = $2,000.00; CT poltica actual = $3,623.33. Ahorro annual =
$1,633.33; T = 9.13; # rdenes = 40; R = 1,535.
8. PARA UNA SOLA ENTREGA: EOQ = 1,000; CT = 2,000.00; PARA ENTREGAS
GRADUALES: EOQ = 2,517; CT = $ 794.72. Ahorro anual = $1,205.28. T = 3.631 das; t =
13.247 das; R = 1,452; # rdenes = 101.
9. Una sola entrega: EOQ = 600; CT = $439,062.50. Entregas Graduales: EOQ = 600
cajas; CT = $438,443.40.
10. I) Modelo de costo de Escasez: R = 178; ES = 78; CT = $126.05. II) Modelo de Nivel
de Servicio: R = 105; ES = 5; CT = 725.18; P, F(R) = 0.5557.
MC S
- C
CAAPPIITTUULLO
OVVIIIII
1. Contrate al mecnico A, a un costo de Q.51.25/hora.

2. CT = Q.1,340.00/da.
3. a) 2.25; b) 2.25; c) 0.75 minutos; d) 0.5625
4. a) 2.4; b) 1.4778.
5. a) 0.025; b) 0.30; c) 0.675.
6. a) 6.016 Hrs.; b) CT = Q.959.52; c) Q.82.15.
7. a) 2.5; b) 8 min.; c) Q.25.00/hora.
8. a) 4/9; b) 4/3; c) 8 min.
9. a)0.5261; b) 0.1667
10. a) 1.92 min; b) $10.525/hr.
11. 36 cartas
12. No deber ser mayor de 0.7555 min/avin
13. A: Ls = 5.4545; Ws = 32.727min. B: Ls = 5; Ws = 30 min.
14. a) 5.58 min; b) 30.02 min.
15. a) 1.8195 min.; b) $7.65/hr.
16. 2 servidores, CT = Q.29.54/hr.
17. 91.67%
18. a) Lq = 1.6182; b) Wq = 24.69 min.; c) Po = 0.2272
19. a) P o =0.8766; P 1 = 0.1080; P 2 = 0.01334; P 3 = 0.001647; P 4 = 0.0002036; b) Lq = 0.0187
aviones; c) Wq = 6.8298 das.
20. a) Po = 0.1526; b) Lq = 0.0283; c) Ls = 1.9033; d) Wq = 0.114 min; e)Ws = 7.614 min; f)
Po = 0.03226; Lq = 13.61; Ls = 15.49; Wq = 54.44min; Ws = 61.80 min.
21. a) 75,080 nacimientos; b) P10 = 0.1117227
CA
- C O IIXX
APPIITTUULLO
1. 6 min.
2. U = Q.6,565.00. U = Q.547.08/da.
3. Aviones en espera al trmino de 1 hora = 5.
4. Usuarios en espera al trmino de 1 hora = 3.
5. Mquinas en cola = 5. CT = $ 595.00/da.
6. Mquinas en cola = 0. CT = $ 225.00/da.
S
MC
A
APPN
NDDIIC
CEESS
APNDICE A: FORMULARIOS UTILIZADOS. A.1) TEORA DE COLAS
MC S
A.2) MODELOS DE INVENTARIOS
EOQ = 2 D Co . Q= [ ( 2 D Co) /(Ch) ] * [ p / (p d) ] .

Ch
CT = [ Co * (D/Q) ) + [ Ch [ ( p d ) / p] *(Q /2) ]

T= Q/D
CT =[Co*(D/Q)) + [Ch[ (pd)/p] *(Q /2) ] + (D*ac)
# de rdenes = D / Q
Inv.Mx. = Tasa acum. de inv. * Periodo entrega
R = t *D = ( p d ) ( Q/p )
Costo total = [ Co * (D/Q) ] + [ Ch * (Q /2) ] Inv. Promedio = ( Q / 2 ) * [ ( p d ) /p ]
CT = [ Co * (D/Q) ] + [ Ch * (Q /2) ] + (D * ac) T = inv mx / D d = D / das efectivos.
# rdenes = D / inv mx R=t*D
t=Q/p
F(R)= 1 - Ch Q . Z= R - D .
Ku D D
R= D + Z D D = t 1
E.S. = Z D D = tD
CT=[Co+(Ku*D *N(Z))] *(D/Q) + [(Q/2) + (R -D ) ]*Ch N(Z) = Q (1 P ) .

D
S
MC
A.3) CADENAS DE MARKOV
p 11 p 12
Vpe(n+1) = ( p(E1), p(E2) ) *
p 21 p 22
max
fN( i ) = vki m
k
, vki = P kij Rkij
j=1
m
max vki + P kij n+1( j ) para n = 1, 2, ..., N-1
fn( i ) = k j=1
P1 = p21 .
P12 + p21
P2 = p12 .
P12 + p21
S
MC
A.4) CPM - PERT
te = to + 4 tn + tp . = Tp - To .
6 6
V= e= V ruta crtica
2
Z= Ts Te ruta crtica .
e
HT = Levento final - (Eevento inicial + duracin de la actividad)

HL = Eevento final - (Eevento inicial + duracin de la actividad)
HI = Eevento final - (Levento inicial + duracin de la actividad)
MCS
APNDICE B: Tabla de Distribucin Normal de Probabilidad
REA BAJO LA CURVA
(rea Sombreada)
Z

Z 00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .50000 .50399 .50798 .51197 .51595 .51994 .52392 .52790 .53188 .53586
.1 .53983 .54380 .54776 .55172 .55567 .55962 .56356 .56749 .57142 .57535
.2 .57926 .58317 .58706 .59095 .59483 .59871 .60257 .60642 .61026 .61409
.3 .61791 .62172 .62552 .62930 .63307 .63683 .64058 .64431 .64803 .65173
.4 .65542 .65910 .66276 .66640 .67003 .67364 .67724 .68082 .68439 .68793
.5 .69146 .69497 .69847 .70194 .70540 .70884 .71226 .71566 .71904 .72240
.6 .72575 .72907 .73237 .73536 .73891 .74215 .74537 .74857 .75175 .75490
.7 .75804 .76115 .76424 .76760 .77035 .77337 .77637 .77935 .78230 .78524
.8 .78814 .79103 .79389 .79673 .79955 .80234 .80511 .80785 .81057 .81327
.9 .81594 .81859 .82121 .82381 .82639 .82894 .83147 .83398 .83646 .83891
1.0 .84134 .84375 .84614 .84849 .85083 .85314 .85543 .85769 .85993 .86214
1.1 .86433 .86650 .86864 .87076 .87286 .87493 .87698 .87900 .88100 .88298
1.2 .88493 .88686 .88877 .89065 .89251 .89435 .89617 .89796 .89973 .90147
1.3 .90320 .90490 .90658 .90824 .90988 .91149 .91309 .91466 .91621 .91774
1.4 .91924 .92073 .92220 .92364 .92507 .92647 .92785 .92922 .93056 .93189
1.5 .93319 .93448 .93574 .93699 .93822 .93943 .94062 .94179 .94295 .94408
1.6 .94520 .94630 .94738 .94845 .94950 .95053 .95154 .95254 .95352 .95449
1.7 .95543 .95637 .95728 .95818 .95907 .95994 .96080 .96164 .96246 .96327
1.8 .96407 .96485 .96562 .96638 .96712 .96784 .96856 .96926 .96995 .97062
1.9 .97128 .97193 .97257 .97320 .97381 .97441 .97500 .97558 .97615 .97670
2.0 .97725 .97784 .97831 .97882 .97932 .97982 .98030 .98077 .98124 .98169
2.1 .98214 .98257 .98300 .98341 .98382 .98422 .98461 .98500 .98537 .98574
2.2 .98610 .98645 .98679 .98713 .98745 .98778 .98809 .98840 .98870 .98899
2.3 .98928 .98956 .98983 .99010 .99036 .99061 .99086 .99111 .99134 .99158
2.4 .99180 .99202 .99224 .99245 .99266 .99286 .99305 .99324 .99343 .99361
2.5 .99379 .99396 .99413 .99430 .99446 .99461 .99477 .99492 .99506 .99520
2.6 .99534 .99547 .99560 .99573 .99585 .99598 .99606 .99621 .99632 .99643
2.7 .99653 .99664 .99674 .99683 .99693 .99702 .99711 .99720 .99728 .99736
2.8 .99744 .99752 .99760 .99767 .99774 .99781 .99788 .99795 .99801 .99807
2.9 .99813 .99819 .99825 .99831 .99836 .99841 .99846 .99851 .99856 .99861
3.0 .99865 .99869 .99874 .99878 .99882 .99886 .99889 .99893 .99896 .99900
3.1 .99903 .99906 .99910 .99913 .99916 .99918 .99921 .99924 .99926 .99929
3.2 .99931 .99934 .99936 .99938 .99940 .99942 .99944 .99946 .99948 .99950
3.3 .99952 .99953 .99955 .99957 .99958 .99960 .99961 .99962 .99964 .99965
3.4 .99966 .99968 .99969 .99970 .99971 .99972 .99973 .99974 .99975 .99976
3.5 .99977 .99978 .99978 .99979 .99980 .99981 .99981 .99982 .99983 .99983
3.6 .99984 .99985 .99985 .99986 .99986 .99987 .99987 .99988 .99988 .99989
3.7 .99989 .99990 .99990 .99990 .99991 .99991 .99992 .99992 .99992 .99992
3.8 .99993 .99993 .99993 .99994 .99994 .99994 .99994 .99995 .99995 .99995
3.9 .99995 .99995 .99996 .99996 .99996 .99996 .99996 .99996 .99997 .99997
FUENTE: GAITHER, Norman & Greg Frazier. Administracin de Produccin y Operaciones 4. Edicin
MC S
APNDICE C:Tabla de la Funcin de Prdida de la Distribucin
Normal Estandarizada
DoZ 00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .3989 .3940 .3890 .3841 .3793 .3744 .3697 .3649 .3602 .3556
.1 .3509 .3464 .3418 .3373 .3328 .3284 .3240 .3197 .3154 .3111
.2 .3069 .3027 .2986 .2944 .2904 .2863 .2824 .2784 .2745 .2706
.3 .2668 .2630 .2592 .2555 .2518 .2481 .2445 .2409 .2374 .2339
.4 .2304 .2270 .2236 .2203 .2169 .2137 .2104 .2072 .2040 .2009
.5 .1978 .1947 .1917 .1887 .1857 .1828 .1799 .1771 .1742 .1714
.6 .1687 .1659 .1633 .1606 .1580 .1554 .1528 .1503 .1478 .1453
.7 .1429 .1405 .1381 .1358 .1334 .1312 .1289 .1267 .1245 .1223
.8 .1202 .1181 .1160 .1140 .1120 .1100 .1080 .1061 .1042 .1023
.9 .1004 .0986 .0968 .09503 .09328 .09156 .08986 .08819 .08654 .08491
1.0 .08332 .08174 .08019 .07866 .07716 .07568 .07422 .07279 .07138 .06999
1.1 .06862 .06727 .06595 .06465 .06336 .06210 .06086 .05964 .05844 .05726
1.2 .05610 .05496 .05384 .05274 .05165 .05059 .04954 .04851 .04750 .04650
1.3 .04553 .04457 .04363 .04270 .04179 .04090 .04002 .03916 .03831 .03748
1.4 .03667 .03587 .03508 .03431 .03356 .03281 .03208 .03137 .03067 .02998
1.5 .02931 .02865 .02800 .02736 .02674 .02612 .02552 .02494 .02436 .02380
1.6 .02324 .02270 .02217 .02165 .02114 .02064 .02015 .01967 .01920 .01874
1.7 .01829 .01785 .01742 .01699 .01658 .01617 .01578 .01539 .01501 .01464
1.8 .01428 .01392 .01357 .01323 .01290 .01257 .01226 .01195 .01164 .01134
1.9 .01105 .01077 .01049 .01022 .009957 .009698 .009445 .009198 .008957 .008721
2.0 .008491 .008266 .008046 .007832 .007623 .007418 .007219 .007024 .006835 .006649
2.1 .006468 .006292 .006120 .005952 .005788 .005628 .005472 .005320 .005172 .005028
2.2 .004887 .004750 .004616 .004486 .004358 .004235 .004114 .003996 .003882 .003770
2.3 .003662 .003556 .003453 .003352 .003255 .003159 .003067 .002977 .002889 .002804
2.4 .002720 .002640 .002561 .002484 .002410 .002337 .002267 .002199 .002132 .002067
2.5 .002005 .001943 .001883 .001826 .001769 .001715 .001662 .001610 .001560 .001511
3.0 3.822 E-4 3.689 E-4 3.560 E-4 3.436 E-4 3.316 E-4 3.199 E-4 3.087 E-4 2.978 E-4 2.873 E-4 2.771 E-4
3.5 5.848 E-5 5.620 E-5 5.400 E-5 5.188 E-5 4.984 E-5 4.788 E-5 4.599 E-5 4.417 E-5 4.242 E-5 4.073 E-5
4.0 7.145 E-6 6.835 E-6 6.538 E-6 6.253 E-6 5.980 E-6 5.718 E-6 5.468 E-6 5.227 E-6 4.997 E-6 4.777 E-6
-D
D - N(D) se define as: N(D) = (-D X) *(X) dX = (X - D) *(X) dX .
Donde * (X) es la funcin de densidad normal estandarizada y D es positivo
FUENTE: BIERMAN Jr, Harold, BONINI, Charles P & asuman, Warren H. Anlisis Cuantitativo para la
Toma de Decisiones. 8. Edicin
S
MC
APNDICE D: Tabla de Nmeros Aleatorios
1 2 3 4 5 6 7 8 9 10
1 .85387 .51571 .57714 .00512 .61319 .69143 .08881 .01400 .55061 .82977
2 .84176 .03311 .16955 .59504 .54499 .32096 .79485 .98031 .99485 .16788
3 .27258 .51746 .67223 .98182 .43166 .54297 .26830 .29842 .78016 .73127
4 .99398 .46950 .19399 .65167 .35082 .30482 .86323 .41061 .21717 .48126
5 .72752 .89364 .02150 .85418 .05420 .84341 .02395 .27655 .59457 .55438
6 .69090 .93551 .11649 .54688 .57061 .77711 .24201 .16895 .64936 .62347
7 .39620 .54988 .67846 .71845 .54000 .26134 .84526 .16619 .82573 .01737
8 .81725 .49831 .35595 .29891 .46812 .57770 .03326 .31316 .75412 .80732
9 .87968 .85157 .84752 .93777 .62772 .78961 .30750 .76089 .23340 .64637
10 .07730 .01861 .40610 .73445 .70321 .26467 .53533 .20787 .46971 .29134
11 .32825 .82100 .67406 .44156 .21531 .67186 .39945 .04189 .79798 .41087
12 .34453 .05330 .40224 .04116 .24597 .93823 .28171 .47701 .76201 .68257
13 .00830 .34235 .40671 .66042 .06341 .54437 .81649 .70494 .01883 .18350
14 .24580 .05258 .37329 .59173 .62660 .72513 .82232 .49794 .36913 .05877
15 .59578 .08535 .77107 .19838 .40651 .01749 .58893 .99115 .05212 .92309
16 .75387 .24990 .12748 .71766 .17471 .15794 .68622 .59161 .14476 .75074
17 .02465 .34977 .48319 .53026 .53691 .80594 .58805 .76961 .62665 .82855
18 .49689 .08342 .81912 .92735 .30042 .47623 .60061 .69427 .21163 .68543
19 .60958 .20236 .79424 .04055 .54955 .73342 .14040 .72431 .99469 .41044
20 .79956 .98409 .79548 .39569 .83974 .43707 .77080 .08645 .20949 .56932
21 .04316 .01206 .08715 .77713 .20572 .13912 .94324 .14656 .11979 .53258
22 .78684 .28546 .06881 .66097 .53530 .42509 .54130 .30878 .77166 .98075
23 .69235 .18535 .61904 .99246 .84050 .15270 .07751 .90410 .96675 .62870
24 .81201 .04314 .92708 .44984 .83121 .33767 .56607 .46371 .20389 .08809
25 .80336 .59638 .44368 .33433 .97794 .10343 .19235 .82633 .17186 .63902
26 .65076 .87960 .92013 .60169 .49176 .50140 .39081 .04638 .96114 .63463
27 .90879 .70970 .50789 .59973 .47771 .94567 .35590 .23462 .33993 .99899
28 .50555 .84355 .97066 .82748 .98298 .14385 .82493 .40182 .20523 .69182
29 .48658 .41921 .86514 .46786 .74097 .62825 .46457 .24428 .09245 .86069
30 .26373 .19166 .88223 .32371 .11570 .62078 .92317 .13378 .05734 .71778
31 .20878 .80883 .26027 .29101 .58382 .17109 .53511 .95536 .21759 .10630
32 .20069 .60582 .55749 .88068 .48589 .01874 .42930 .40310 .34613 .97359
33 .46819 .38577 .20520 .94145 .99405 .47064 .25248 .27289 .41289 .54972
34 .83644 .04459 .73253 .58414 .94180 .09321 .59747 .07379 .56255 .45615
35 .08636 .31363 .56033 .49076 .88908 .51318 .39104 .56556 .23112 .63317
36 .92058 .38678 .12507 .90343 .17213 .24545 .66053 .76412 .29545 .89932
37 .05038 .18443 .87138 .05076 .25660 .23414 .84837 .87132 .84405 .15346
38 .41838 .68590 .93646 .82113 .25498 .33110 .15356 .81070 .84900 .42660
39 .15564 .81618 .99186 .73113 .99344 .13213 .07235 .90064 .89150 .86359
40 .74600 .40206 .15237 .37378 .96862 .78638 .14376 .46607 .55909 .46398
41 .78275 .77017 .60310 .13499 .35268 .47790 .77475 .44345 .14615 .25231
42 .30145 .71205 .10355 .18404 .85354 .22199 .90822 .35204 .47891 .69860
43 .46944 .00097 .39161 .50139 .60458 .44649 .85537 .90017 .18157 .13856
44 .85883 .21272 .89266 .94887 .00291 .70963 .28169 .95130 .27223 .35387
45 .83606 .98192 .82194 .26719 .24499 .28102 .97769 .98769 .30757 .81593
46 .66888 .81818 .52490 .54272 .70549 .69235 .74684 .96412 .65186 .87974
47 .63673 .73966 .34036 .44298 .60652 .05947 .05833 .27914 .57021 .58566
48 .37944 .16094 .39797 .63253 .64103 .32222 .65925 .64693 .34048 .75394
49 .93240 .66855 .29336 .28345 .71398 .45118 .01454 .72128 .09715 .29454
50 .40189 .76776 .70842 .32675 .81647 .75868 .21288 .12849 .94990 .21513
FUENTE: ADAM, Everett E. Jr. & Ronald J. Ebert. Administracin de la Produccin y las Operaciones 4. Edicin.
Rand Corporation, A Million Random Digits with 100,000 Normal Deviates.
S
MC
S
MC
BBIIBBLLIIO
OGGRRA
AFFIIA
A
1. Bierman Jr., Harold, Charles P. Bonini y otros. "Anlisis Cuantitativo para la toma
de decisiones". 8. Ed. Divisin Irwin, Madrid, Espaa:1996. 756 pp.
2. Eppen, G.D. y otros. "Investigacin de Operaciones en la Ciencia
Administrativa". 5. Ed. Prentice Hall Hispanoamericana, S.A., Mxico: 2000. 702
pp.
3. Everett E. Jr., Adam & Ronald J. Ebert. "Administracin de la Produccin y las
Operaciones". 4. Ed. Prentice Hall Hispanoamericana, S.A., Mxico: 1991. 739
pp.
4. Gaither, Norman & Greg Frazier. "Administracin de Produccin y
Operaciones". 8. Ed. International Thomson Editores, S.A. Mxico: 2000. 846 pp.
5. Hillier, Frederick S. & Gerald J. Lieberman. "Investigacin de Operaciones". 7.
Ed. Mc.Graw Hill. Mxico: 2002. 1,223 pp.
6. Jauffred M, Francisco J. y otros. "Mtodos de Optimizacin". Facultad de
Ingeniera de la Universidad Nacional Autnoma de Mxico. Representaciones
y Servicios de Ingeniera, S.A. Mxico: 1987. 720pp.
7. Meredith, Jack R. & Thomas E. Gibbs. "Administracin de Operaciones". 1. Ed.
Limusa. Mxico: 1986. 760 pp.
8. Zaderenko, S.G. "Sistemas de Programacin por el Camino Crtico". Ed. Mitre.
Buenos Aires, Argentina: 1968.
9. Apuntes y resmenes personales de ctedra de los autores (1999-2006).
S
MC
Este libro se termin de imprimir

en el mes de Julio de 2006
en los talleres de
EDICIONES MAYTE
Avenida Bolvar 28-45, Zona 8
2o. Nivel. Telfono: 2471-2005.
Guatemala, C.A.
TIRAJE: 500 ejemplares

Libro Investigacion Operaciones Saenz

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Libro Investigacion Operaciones Saenz

Încărcat de

Drepturi de autor:

Formate disponibile

S

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. 1

3a. edicin, junio de 2006.

Impreso en Guatemala. Ediciones Mayte

Derechos de autor reservados

De conformidad con la ley se prohbe la reproduccin parcial o total de esta obra

2 Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. i

MODELO DEL PROBLEMA DE TRANSPORTE 55

ANLISIS DE REDES POR EL MTODO DEL CAMINO CRTICO 111

ii Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

PROCESOS ESTOCSTICOS 161

CADENAS DE MARKOV 165

_ Cadenas de Markov para ms de dos estados posibles: 175

CAPITULO VII 189

_ Modelo 1: Modelo de Costo de Escasez: 214

CAPITULO VIII 233

TEORIA DE COLAS 233

iv Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

CASOS DE APLICACIN 287

RESPUESTAS A LOS PROBLEMAS SUGERIDOS 297

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. v

vi Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

La aplicacin de la Investigacin de Operaciones en las organizaciones

La Investigacin de Operaciones es un conjunto de herramientas

Muchas empresas alrededor del mundo han obtenido ahorros

Toda persona a cargo de tomar decisiones dentro de las organizaciones

El contenido del presente libro est enfocado hacia el desarrollo de los

En esta 3a. edicin se han realizado cambios, ampliaciones y revisiones

As mismo, se presentan nuevos tipos de problemas modelo, sugeridos

Por otra parte, se incluye una serie de casos integrados, aplicados a

Se sugiere al estudiante reforzar temas complementarios tales como los

De igual manera se le exhorta al estudiante a practicar constantemente

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. ix

x Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

a Investigacin de Operaciones comprende el estudio y aplicacin de

mtodos matemticos y analticos de las ciencias fsicas y de conocimientos

Es la aplicacin del mtodo cientfico por un grupo multidisciplinario de

El proceso de aplicacin implica la recopilacin de datos y el anlisis

El objetivo primordial de la Investigacin de Operaciones, consiste en la

Para su correcta aplicacin, se requiere tener conocimientos y habilidades

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. 1

A principios de la Segunda Guerra Mundial, surgieron los primeros enfoques para

Fue durante la Segunda Guerra Mundial que la Administracin Militar de Gran

Estudios de la forma de utilizar el radar

Finalizada la guerra, los investigadores de operaciones que formaron parte de los

2 Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

En la actualidad, las principales aplicaciones de la Investigacin de

Minimizacin de tiempos de operacin

Las principales caractersticas de la Investigacin de Operaciones a tomar en

a. Para la solucin de un problema, se considera la aplicacin del enfoque de

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. 3

- IInnttrroodduucccciinn aa llaa ttoom

Sin embargo, dadas las caractersticas que rodean al proceso de toma de

Las principales caractersticas que rodean el proceso de la toma de decisiones,

maa ddee ddeecciissiioonneess

Cada problema especfico, exige un curso de accin propio para su solucin,

1. Identificacin del problema

4 Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas.

Es el proceso de omitir algunos de los atributos del problema para facilitar el

La aplicacin de este proceso es indispensable para resolver cualquier

- TTccnniiccaass ppaarraa llaa ccoonnssttrruucccciinn ddee m

Previo a comentar las principales tcnicas para la construccin de modelos, es

Ings. Jorge Morales Dvila, Rodolfo Senz & Ral Crdenas. 5