MODELOS DE INVENTARIO

Los modelos de inventarios son métodos que ayudan a reducir o minimizar los
niveles de inventario requeridos en la producción.

Existen varios métodos que nos ayudan a conseguir dicho objetivo, a

continuación se mencionan algunos de ellos

LA CLASIFICACIÓN ABC

Es un método para agrupar artículos en 3 clases respecto al valor total

monetario, con el fin de identificar aquellos artículos que tienen el mayor impacto
sobre los costos de inventarios.

Resuelve, ¿Cuál artículo de un gran número de artículos diferentes necesita

comprobarse más estrechamente?

En la realidad, es común pedir cientos y miles de artículos diferentes, como por

ejemplo: Medicinas para una farmacia, útiles para una universidad, etc.

En tales casos, el seguimiento de miles de artículos puede requerir con

frecuencia recursos excesivos de tiempo y trabajo.

La clasificación ABC es adecuado en tales situaciones ya que permite identificar

cuáles de los diversos artículos son los más importantes; según los costos
involucrados.

Categorías:

1) Artículos Clase A.- Representan la mayor proporción del valor total global
monetario. Necesita un inventario minucioso y cuidadoso.

2) Artículos Clase B.- Son la mayoría de los artículos; cuyo valor total monetario
resulta pequeño comparado con los de la clase A. El inventario de estos
artículos, no necesita mayor cuidado; su variación no tiene mayor efecto en los
costos totales.

3) Artículos Clase C.- No son tan importantes como los de la clase A, pero son
más significativos que los de la clase B.
MODELO ¨JUST IN TIME¨ (JIT)

El objetivo, en este caso es reducir o eliminar en gran medida el inventario

requerido en un proceso de producción.

Es un sistema en el que se dispone de los inventarios sólo en los momentos en

que se necesitan. Condiciones:

1) El proceso de producción es repetitivo. Se produce un mismo producto una y

otra vez. No hay fluctuaciones significativas en la demanda(es estable)

2) Se puede controlar la escasez de insumos para la producción, con

continuidad en el trabajo. Ello es debido al diseño de la producción; permite tener
siempre disponible el requerimiento necesario.

3) El proveedor cumple a tiempo en la entrega

4) Se aplica una administración con calidad total, tal que las partes que llegan de
los proveedores y que salen de una estación de trabajo a otra funcionan según
lo especificado.

La demanda del producto final terminado jala las demandas de las demás partes.
En contraste, cuando las partes individuales se conforman como inventarios de
trabajo en proceso, esos inventarios activan la producción y el paso posterior y
se dice que empujan el proceso de producción.
DIAGRAMA DE GANTT

Qué es el diagrama de GANTT y para qué sirve.

El diagrama de Gantt es una herramienta que permite modelar la planificación

de las tareas necesarias para la realización de un proyecto. Esta herramienta fue
inventada por Henry L. Gantt en 1917.

Debido a la relativa facilidad de lectura de los diagramas de Gantt, esta

herramienta es utilizada por casi todos los directores de proyecto en diversos
sectores. El diagrama de Gantt permite al director de proyecto realizar una
representación gráfica del progreso de la misión. También es un buen medio de
comunicación entre las diversas personas involucradas en el proyecto.

Este tipo de modelo es particularmente fácil de implementar con una simple hoja
de cálculo, aunque existen herramientas especializadas, la más conocida es
Microsoft Project. También hay programas similares y gratuitos.

Cómo crear un diagrama de GANTT.

En un diagrama de Gantt, cada tarea es representada por una línea, mientras

que las columnas representan los días, semanas o meses del programa,
dependiendo de la duración del proyecto.

El tiempo estimado para cada tarea se muestra a través de una barra horizontal
cuyo extremo izquierdo determina la fecha de inicio prevista y el extremo derecho
determina la fecha de finalización estimada.

Las tareas se pueden colocar en cadenas secuenciales o se pueden realizar

simultáneamente:
Si las tareas son secuenciales, las prioridades se pueden confeccionar utilizando
una flecha que desciende de las tareas más importantes hacia las tareas menos
importantes.

La tarea menos importante no puede llevarse a cabo hasta que no se haya

completado la tarea más importante:

A medida que progresa una tarea, se completa proporcionalmente la barra que

la representa hasta llegar al grado de finalización.
Así, es posible obtener una visión general del progreso del proyecto rastreando
una línea vertical a través de las tareas en el nivel de la fecha actual.

Las tareas ya finalizadas se colocan a la izquierda de esta línea; las tareas que
aún no se han iniciado se colocan a la derecha, mientras que las tareas que se
están llevando a cabo atraviesan la línea.

Si la línea está cubierta en la parte izquierda, la tarea está

demorada. Idealmente, un diagrama como este no debe incluir más de 15 o 20
tareas para que pueda caber en una sola hoja con formato A4. Si el número de
tareas es mayor, es posible crear diagramas adicionales en los que se detallan
las planificaciones de las tareas principales.
TECNICAS DE REVISION Y EVALUACION DE PROYECTOS

El método PERT (Project Evaluation and Review Techniques), es un algoritmo

basado en la teoría de redes diseñado para facilitar la planificación de proyectos. El
resultado final de la aplicación de este algoritmo será un cronograma para el proyecto,
en el cual se podrá conocer la duración total del mismo, y la clasificación de las
actividades según su criticidad.

El algoritmo PERT se desarrolla mediante intervalos probabilísticos, considerando

tiempos optimistas, probables y pesimistas, lo cual lo diferencia del método CPM que
supone tiempos determinísticos

conceptos básicos para diagramar actividades con redes

Regla 1: Cada actividad se debe representar sí y sólo sí, por un ramal o arco.

Regla 2: Cada actividad debe estar identificada por dos nodos distintos. En el
caso de existir actividades concurrentes (que inicien al mismo tiempo, o que el
inicio de una actividad dependa de la finalización de 2 o más actividades distintas)
se debe recurrir a actividades ficticias (representadas por arcos punteados que
no consumen ni tiempo ni recursos) para satisfacer esta regla.

Por ejemplo, la actividad C para su inicio requiere que finalicen A y B. Las

actividades A y B inician al mismo tiempo.
FASES PARA LA PLANIFICACIÓN DE UN PROYECTO CON PERT

La primera fase corresponde a identificar todas las actividades que intervienen

en el proyecto, sus interrelaciones, sucesiones, reglas de precedencia. Con la
inclusión de cada actividad al proyecto se debe cuestionar respecto a que
actividades preceden a esta, y a cuales siguen inmediatamente esta finalice.
Además, deberán relacionarse los tiempos estimados para el desarrollo de cada
actividad.

A diferencia del método CPM, el método PERT asume tres estimaciones de

tiempo por cada actividad, estas estimaciones son:

Tiempo optimista (a): Duración que ocurre cuando el desarrollo de la actividad

transcurre de forma perfecta. En la práctica suele acudirse al tiempo récord de
desarrollo de una actividad, es decir, el mínimo tiempo en que una actividad de
esas características haya sido ejecutada.
Tiempo más probable (m): Duración que ocurre cuando el desarrollo de la
actividad transcurre de forma normal. En la práctica suele tomarse como
el tiempo más frecuente de ejecución de una actividad de iguales características.
Tiempo pesimista (b): Duración que ocurre cuando el desarrollo de la actividad
transcurre de forma deficiente, o cuando se materializan los riesgos de ejecución
de la actividad.
PASO 2: ESTIMAR EL TIEMPO ESTIMADO
(DURACIÓN PROMEDIO) Y LA VARIANZA
Para efectos de determinar la ruta crítica del proyecto se acude al tiempo de
duración promedio, también conocido cómo tiempo estimado. Este tiempo es
determinado a partir de las estimaciones como:

El cálculo del tiempo estimado deberá hacerse entonces para cada actividad. Por
ejemplo para la actividad A:

Además de calcular el tiempo estimado, deberá calcularse la varianza de cada

actividad. El cálculo de esta medida de dispersión se utiliza para determinar la
incertidumbre de que se termine el proyecto de acuerdo al programa. Para
efectos del algoritmo PERT, el cálculo de la varianza se hará a partir de sus
estimaciones tal cómo se muestra a continuación:

El cálculo de la varianza deberá hacerse entonces para cada actividad. Por

ejemplo para la actividad A:

Para las actividades del tabulado mencionado en el Paso 1, los tiempos estimados
y varianzas serían las siguientes:
PASO 3: DIAGRAMA DE RED
Con base en la información obtenida en la fase anterior y haciendo uso de los
conceptos básicos para diagramar una red, obtendremos el gráfico del proyecto
(los tiempos relacionados con cada actividad en el gráfico corresponden a los
tiempos estimados):

PASO 4: CALCULAR LA RED

Para el cálculo de la red se consideran 3 indicadores, T1, T2 y H. Estos indicadores
se calculan en cada evento o nodo (entiéndase nodo entonces como un punto en
el cual se completan actividades y se inician las subsiguientes.

T1: Tiempo más temprano de realización de un evento. Para calcular este

indicador deberá recorrerse la red de izquierda a derecha y considerando lo
siguiente:

 T1 del primer nodo es igual a 0.

 T1 del nodo n = T1 del nodo n-1 (nodo anterior) + duración de la actividad
(tiempo estimado) que finaliza en el nodo n.
  Si en un nodo finaliza más de una actividad, se toma el tiempo de la actividad
con mayor valor.

En este caso para el cálculo del T1 en el nodo 8, en el que concurre la finalización

de 2 actividades, deberá considerarse el mayor de los T1 resultantes:

T1 (nodo 6) + G = 13 + 6 = 19
T1 (nodo 7) + H = 8 + 4 = 12

Así entonces, el T1 del nodo 8 será igual a 19 (el mayor valor).

T2: Tiempo más tardío de realización del evento. Para calcular este indicador
deberá recorrerse la red de derecha a izquierda y considerando lo siguiente:

 T2 del primer nodo (de derecha a izquierda) es igual al T1 de este.

 T2 del nodo n = T2 del nodo n-1 (nodo anterior, de derecha a izquierda) -
duración de la actividad que se inicia (tiempo estimado).
 Si en un nodo finaliza más de una actividad, se toma el tiempo de la actividad
con menor valor.
En este caso para el cálculo del T2 del nodo 1, en el que concurren el inicio de
2 actividades deberá entonces considerarse lo siguiente:

T2 nodo 2 - B = 6 - 6 = 0
T2 nodo 3 - C = 9 - 2 = 7

Así entonces, el T2 del nodo 1 será 0, es decir el menor valor.

H: Tiempo de holgura, es decir la diferencia entre T2 y T1. Esta holgura, dada
en unidades de tiempo corresponde al valor en el que la ocurrencia de un evento
puede tardarse. Los eventos en los cuales la holgura sea igual a 0 corresponden
a la ruta crítica, es decir que la ocurrencia de estos eventos no puede tardarse
una sola unidad de tiempo respecto al cronograma establecido, dado que en el
caso en que se tardara retrasaría la finalización del proyecto.
Las actividades críticas por definición constituyen la ruta más larga que abarca el
proyecto, es decir que la sumatoria de las actividades de una ruta crítica
determinará la duración estimada del proyecto. Puede darse el caso en el que se
encuentren más de una ruta crítica.
Ruta crítica:

Esta ruta se encuentra compuesta por las actividades A, C, E, G, I, J. La duración

del proyecto sería de 22 semanas.
PASO 4: CÁLCULO DE LA VARIANZA,
DESVIACIÓN ESTÁNDAR Y PROBABILIDADES
La varianza y la desviación estándar para la culminación del proyecto se
relacionan con las actividades que comprenden la ruta crítica. Así entonces, para
calcular la varianza basta con sumar las varianzas de las actividades A, C, E, G, I
y J:

La desviación estándar corresponde a la raíz cuadrada de la varianza del

proyecto, es decir:

Con la información que acabamos de obtener podemos efectuar cálculos

probabilísticos de terminación del proyecto. Por ejemplo, sí se nos pide hallar la
probabilidad de que el proyecto se culmine antes de 26 semanas, procederíamos
de la siguiente forma y siguiendo la teoría de distribución normal:
Buscando este valor en una tabla de distribución normal encontramos que
equivale a 0,9612, es decir que la probabilidad de culminar el proyecto en 26
semanas o menos es del 96,12%.
PASO 4: ESTABLECER EL CRONOGRAMA

Para establecer un cronograma deberán considerarse varios factores, el más

importante de ellos es la relación de precedencia, y el siguiente corresponde a
escalonar las actividades que componen la ruta crítica de tal manera que se
complete el proyecto dentro de la duración estimada.

TEORIA DE COLAS O LINEA DE

ESPERA
INTRODUCCIÓN

Las "colas" son un aspecto de la vida moderna que nos encontramos continuamente en
nuestras actividades diarias. En el contador de un supermercado, accediendo al Metro,
en los Bancos, etc., el fenómeno de las colas surge cuando unos recursos compartidos
necesitan ser accedidos para dar servicio a un elevado número de trabajos o clientes.
El estudio de las colas es importante porque proporciona tanto una base teórica del tipo
de servicio que podemos esperar de un determinado recurso, como la forma en la cual
dicho recurso puede ser diseñado para proporcionar un determinado grado de servicio
a sus clientes.
Debido a lo comentado anteriormente, se plantea como algo muy útil el desarrollo de
una herramienta que sea capaz de dar una respuesta sobre las características que tiene
un determinado modelo de colas.

La teoría de colas incluye el estudio matemático de las colas o líneas de espera y provee
un gran número de modelos matemáticos para describirlas.

Definiciones iniciales
La teoría de colas es el estudio matemático del comportamiento de líneas de espera.
Esta se presenta, cuando los "clientes" llegan a un "lugar" demandando un servicio a un
"servidor", el cual tiene una cierta capacidad de atención. Si el servidor no está
disponible inmediatamente y el cliente decide esperar, entonces se forma la línea de
espera.
Una cola es una línea de espera y la teoría de colas es una colección de modelos
matemáticos que describen sistemas de línea de espera particulares o sistemas de
colas. Los modelos sirven para encontrar un buen compromiso entre costes del sistema
y los tiempos promedio de la línea de espera para un sistema dado.
Los sistemas de colas son modelos de sistemas que proporcionan servicio. Como
modelo, pueden representar cualquier sistema en donde los trabajos o clientes llegan
buscando un servicio de algún tipo y salen después de que dicho servicio haya sido
atendido. Podemos modelar los sistemas de este tipo tanto como colas sencillas o como
un sistema de colas interconectadas formando una red de colas. En la siguiente figura
podemos ver un ejemplo de modelo de colas sencillo. Este modelo puede usarse para
representar una situación típica en la cual los clientes llegan, esperan si los servidores
están ocupados, son servidos por un servidor disponible y se marchan cuando se
obtiene el servicio requerido.
El problema es determinar qué capacidad o tasa de servicio proporciona el balance
correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo, es decir, no se
sabe con exactitud en que momento llegarán los clientes. También el tiempo de servicio
no tiene un horario fijo.

Introducción a la Teoría de Colas

En muchas ocasiones en la vida real, un fenómeno muy común es la formación de colas
o líneas de espera. Esto suele ocurrir cuando la demanda real de un servicio es superior
a la capacidad que existe para dar dicho servicio. Ejemplos reales de esa situación son:
los cruces de dos vías de circulación, los semáforos, el peaje de una autopista, los
cajeros automáticos, la atención a clientes en un establecimiento comercial, la avería de
electrodomésticos u otro tipo de aparatos que deben ser reparados por un servicio
técnico, etc.
Todavía más frecuentes, si cabe, son las situaciones de espera en el contexto de la
informática, las telecomunicaciones y, en general, las nuevas tecnologías. Así, por
ejemplo, los procesos enviados a un servidor para ejecución forman colas de espera
mientras no son atendidos, la información solicitada, a través de Internet, a un servidor
Web puede recibirse con demora debido a congestión en la red o en el servidor
propiamente dicho, podemos recibir la señal de líneas ocupadas si la central de la que
depende nuestro teléfono móvil está colapsada en ese momento, etc.
Origen:
El origen de la Teoría de Colas está en el esfuerzo de Agner Kraup Erlang (Dinamarca,
1878 - 1929) en 1909 para analizar la congestión de tráfico telefónico con el objetivo de
cumplir la demanda incierta de servicios en el sistema telefónico de Copenhague. Sus
investigaciones acabaron en una nueva teoría denominada teoría de colas o de líneas
de espera. Esta teoría es ahora una herramienta de valor en negocios debido a que un
gran número de problemas pueden caracterizarse, como problemas de congestión
llegada-salida.
Modelo de formación de colas.
En los problemas de formación de cola, a menudo se habla de clientes, tales como
personas que esperan la desocupación de líneas telefónicas, la espera de máquinas
para ser reparadas y los aviones que esperan aterrizar y estaciones de servicios, tales
como mesas en un restaurante, operarios en un taller de reparación, pistas en un
aeropuerto, etc. Los problemas de formación de colas a menudo contienen una
velocidad variable de llegada de clientes que requieren cierto tipo de servicio, y una
velocidad variable de prestación del servicio en la estación de servicio.
Cuando se habla de líneas de espera, se refieren a las creadas por clientes o por las
estaciones de servicio. Los clientes pueden esperar en cola simplemente por que los
medios existentes son inadecuados para satisfacer la demanda de servicio; en este
caso, la cola tiende a ser explosiva, es decir, a ser cada vez mas larga a medida que
transcurre el tiempo. Las estaciones de servicio pueden estar esperando por que los
medios existentes son excesivos en relación con la demanda de los clientes; en este
caso, las estaciones de servicio podrían permanecer ociosas la mayor parte del tiempo.
Los clientes puede que esperen temporalmente, aunque las instalaciones de servicio
sean adecuadas, por que los clientes llegados anteriormente están siendo atendidos.
Las estaciones de servicio pueden encontrar temporal cuando, aunque las instalaciones
sean adecuadas a largo plazo, haya una escasez ocasional de demanda debido a un
hecho temporal. Estos dos últimos casos tipifican una situación equilibrada que tiende
constantemente hacia el equilibrio, o una situación estable.
En la teoría de la formación de colas, generalmente se llama sistema a un grupo de
unidades físicas, integradas de tal modo que pueden operar al unísono con una serie
de operaciones organizadas. La teoría de la formación de colas busca una solución al
problema de la espera prediciendo primero el comportamiento del sistema. Pero una
solución al problema de la espera consiste en no solo en minimizar el tiempo que los
clientes pasan en el sistema, sino también en minimizar los costos totales de aquellos
que solicitan el servicio y de quienes lo prestan.
La teoría de colas incluye el estudio matemático de las colas o líneas de espera y provee
un gran número de modelos matemáticos para describirlas.
Para ver el gráfico seleccione la opción "Descargar" del menú superior
Se debe lograr un balance económico entre el costo del servicio y el costo asociado a
la espera por ese servicio
La teoría de colas en sí no resuelve este problema, sólo proporciona información para
la toma de decisiones

Objetivos de la Teoría de Colas

Los objetivos de la teoría de colas consisten en:
 Identificar el nivel óptimo de capacidad del sistema que minimiza el coste global
del mismo.
 Evaluar el impacto que las posibles alternativas de modificación de la capacidad
del sistema tendrían en el coste total del mismo.
 Establecer un balance equilibrado ("óptimo") entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
 Hay que prestar atención al tiempo de permanencia en el sistema o en la cola:
la "paciencia" de los clientes depende del tipo de servicio específico considerado y eso
puede hacer que un cliente "abandone" el sistema.
Elementos existentes en un modelo de colas

Fuente de entrada o población potencial: Es un conjunto de individuos (no

necesariamente seres vivos) que pueden llegar a solicitar el servicio en cuestión.
Podemos considerarla finita o infinita. Aunque el caso de infinitud no es realista, sí
permite (por extraño que parezca) resolver de forma más sencilla muchas situaciones
en las que, en realidad, la población es finita pero muy grande. Dicha suposición de
infinitud no resulta restrictiva cuando, aún siendo finita la población potencial, su número
de elementos es tan grande que el número de individuos que ya están solicitando el
citado servicio prácticamente no afecta a la frecuencia con la que la población potencial
genera nuevas peticiones de servicio.
Cliente: Es todo individuo de la población potencial que solicita servicio. Suponiendo
que los tiempos de llegada de clientes consecutivos son 0<t1<t2<..., será importante
conocer el patrón de probabilidad según el cual la fuente de entrada genera clientes. Lo
más habitual es tomar como referencia los tiempos entre las llegadas de dos clientes
consecutivos: consecutivos: clientes consecutivos: T{k} = tk - tk-1, fijando su distribución
de probabilidad. Normalmente, cuando la población potencial es infinita se supone que
la distribución de probabilidad de los Tk (que será la llamada distribución de los tiempos
entre llegadas) no depende del número de clientes que estén en espera de completar
su servicio, mientras que en el caso de que la fuente de entrada sea finita, la distribución
de los Tk variará según el número de clientes en proceso de ser atendidos.
Capacidad de la cola: Es el máximo número de clientes que pueden estar haciendo
cola (antes de comenzar a ser servidos). De nuevo, puede suponerse finita o infinita. Lo
más sencillo, a efectos de simplicidad en los cálculos, es suponerla infinita. Aunque es
obvio que en la mayor parte de los casos reales la capacidad de la cola es finita, no es
una gran restricción el suponerla infinita si es extremadamente improbable que no
puedan entrar clientes a la cola por haberse llegado a ese número límite en la misma.
Disciplina de la cola: Es el modo en el que los clientes son seleccionados para ser
servidos. Las disciplinas más habituales son:
La disciplina FIFO (first in first out), también llamada FCFS (first come first served):
según la cual se atiende primero al cliente que antes haya llegado.
La disciplina LIFO (last in first out), también conocida como LCFS (last come first served)
o pila: que consiste en atender primero al cliente que ha llegado el último.
La RSS (random selection of service), o SIRO (service in random order), que selecciona
a los clientes de forma aleatoria.
Mecanismo de servicio: Es el procedimiento por el cual se da servicio a los clientes
que lo solicitan. Para determinar totalmente el mecanismo de servicio debemos conocer
el número de servidores de dicho mecanismo (si dicho número fuese aleatorio, la
distribución de probabilidad del mismo) y la distribución de probabilidad del tiempo que
le lleva a cada servidor dar un servicio. En caso de que los servidores tengan distinta
destreza para dar el servicio, se debe especificar la distribución del tiempo de servicio
para cada uno.
Para ver el gráfico seleccione la opción "Descargar" del menú superior
La cola, propiamente dicha, es el conjunto de clientes que hacen espera, es decir los
clientes que ya han solicitado el servicio pero que aún no han pasado al mecanismo de
servicio.
El sistema de la cola: es el conjunto formado por la cola y el mecanismo de servicio,
junto con la disciplina de la cola, que es lo que nos indica el criterio de qué cliente de la
cola elegir para pasar al mecanismo de servicio. Estos elementos pueden verse más
claramente en la siguiente figura:
Para ver el gráfico seleccione la opción "Descargar" del menú superior
Un modelo de sistema de colas debe especificar la distribución de probabilidad de los
tiempos de servicio para cada servidor.

DEMOSTRACION

Pn : Probabilidad de que haya exactamente n clientes en el sistema

• L: Número esperado de clientes en el sistema.
• Lq : Longitud esperada de la cola (excluye los clientes que están en servicio).
• W : Tiempo de espera en el sistema para cada cliente
• W : E(W )
• W q: Tiempo de espera en la cola para cada cliente.
• Wq: E (Wq )

El tiempo de estancia de un cliente en el sistema se relaciona con el tiempo de espera

de un
cliente en la cola,

El número de clientes que por término medio se están atendiendo en cualquier momento
es:
En un sistema de un único servidor:

La probabilidad de que un sistema de un único servidor esté vacío es p0=1-ρ

La probabilidad de que un servidor (de un sistema de c servidores en paralelo) esté
ocupado en
el estado estable es:

El tiempo de estancia del cliente (i+1) en la cola es:

donde S(i) es el tiempo de servicio del cliente i, y T(i) es el tiempo que transcurre desde
la
llegada del cliente y hasta la llegada del cliente (i+1)
DISTRIBUCIÓN DE LAS LLEGADAS
La distribución del proceso de las llegadas para una línea de espera involucra
determinar la distribución de probabilidades del numero de llegadas en un periodo dado
Las llegadas ocurren de manera aleatoria e independientes
Distribución de probabilidad poisson da una buena descripción del patrón de llegada

Para X=0,1,2,3…
X= Número de llegadas en el periodo
λ= Promedio o número medio de llegadas por periodo
e= 2,71828

DISTRIBUCIÓN DE LOS TIEMPOS DE SERVICIO

El tiempo de servicio es aquel que pasa un cliente en la instalación de servicio una vez
que este se ha iniciado
Los tiempos de servicio son rara vez constantes
Los tiempos de servicio siguen una distribución de probabilidad exponencial
La probabilidad de que el tiempo de servicio sea menor o igual a un tiempo de duración
t es:

µ= Promedio o número medio de unidades que pueden atenderse por periodo

FORMULAS para desarrollar las características de operación en estado estable de una

línea de espera de un solo canal, aplicables solo cuando µ>λ

 Factor de utilización

1. Probabilidad de que no existan unidades en el sistema

2. Número promedio de unidades en la línea de espera

3. Número promedio de unidades en el sistema

4. Tiempo promedio que utiliza la unidad en la línea de

espera

5. Tiempo promedio que una unidad ocupa en el sistema

 6. Probabilidad de que una unidad que llega tiene que esperar

servicio

7. Probabilidad de que el sistema este n unidades

(M/M/K) MODELO DE LINEA DE ESPERA DE MÚLTIPLES CANALES CON

LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIAL.

 La línea de espera tenga dos o mas canales

 Las llegadas siguen una distribución de probabilidad poisson
 El tiempo de servicio de cada canal sigue una distribución de probabilidad
exponencial
 La tasa media de servicio µ es la misma para cada uno de los canales
 Las llegadas esperan en una sola línea de espera y entonces pasan al primer
canal abierto para su servicio
 La disciplina de la cola es PEPS(Primero en entrar, primero en salir)

FORMULAS, solo aplicables cuando: Kµ>λ

λ= Tasa media de llegadas del sistema
µ= Tasa media de servicio de cada canal
K= Número de canales

1. Probabilidad de que no exista unidades en el

sistema
2. Número promedio de unidades en la línea de

espera

3. Número promedio de unidades en el sistema

 4. Tiempo promedio que ocupa una unidad en la línea de

espera
5. Tiempo promedio que una unidad ocupa en todo el

sistema
6. Probabilidad que existan n unidades en el sistema

λ= Tasa de llegada
1/λ= Tiempo promedio entre llegadas
µ= Tasa de servicio
1/µ= Tiempo promedio de servicio

Método de Transporte

El problema general del transporte se refiere a la distribución de mercancía

desde cualquier conjunto de centro de suministro, denominados orígenes
(fuentes), hasta cualquier conjunto de centros de recepción, llamados destinos,
de tal forma que se minimicen los costos totales de distribución. Cada origen
tiene que distribuir ciertas unidades a los destinos y cada destino tiene cierta
demanda de unidades que deben recibir de los orígenes.

Representación de una red de transporte

Como se puede observar cualquier modelo de transporte se compone de

unidades de un bien a distribuir, m orígenes, n destinos, recursos en el origen,
demandas en los destinos y costos de distribución por unidad. Adicionalmente,
se tienen varios supuestos:

Supuesto de requerimientos: cada origen tiene un suministro fijo de unidades

que se deben distribuir por completo entre los destinos.

Supuesto de costo: el costo de distribuir unidades de un origen a un destino

cualquiera es directamente proporcional al número de unidades distribuidas.

Propiedad de soluciones factibles: un problema de transporte tiene soluciones

factible si y sólo si la sumatoria de recursos en lo m orígenes es igual a la
sumatoria de demandas en los destinos.

Propiedad de soluciones enteras: En los casos en los que tanto los recursos
como las demandas toman un valor entero, todas las variables básicas
(asignaciones), de cualquiera de las soluciones básicas factibles (inclusive la
solución optima), asumen también valores enteros.

Debido a la particularidad del modelo de transporte la forma tabular Símplex adquiere

una estructura que facilita el proceso de asignación a las variables básicas, tal se
muestra a continuación:
En los renglones se ubican los orígenes indicando en la columna de la derecha
los recursos (oferta disponible). En las columnas se ubican los distintos destinos
indicando en el último renglón los totales demandados. En el pequeño recuadro
ubicado en la margen superior derecha se indica el costo de distribuir una unidad
desde el origen hasta ese destino y en la parte inferior de cada recuadro se
registran las asignaciones Xi para cada variable. En los casos donde la sumatoria
de los recursos y las demanda no sean las mismas, se agrega un origen o destino
ficticio con la cantidad que permita cumplir la propiedad de soluciones factibles.

Después de planteado el modelo de transporte, el siguiente paso es obtener una

solución básica factible, la cual se puede obtener a partir de cualquiera de los 3
criterios siguientes:

Regla de la esquina noroeste.

Método de la ruta preferente.

Método de aproximación de Vogel

Antes de explicar el procedimiento para cada uno de estos criterios de asignación

para encontrar la solución inicial BF, se debe conocer el número de variables
básicas, el cual se determina con la expresión: m + n - 1. En el modelo anterior
3 + 2 - 1 = 4 variables básicas.

Regla de la esquina noroeste: la primera elección X11, es decir, se inicia la

asignación por la esquina noroeste de tabla. Luego se desplaza a la columna de
la derecha si todavía quedan recursos en ese origen. De lo contrario se mueve
al reglo debajo hasta realizar todas las asignaciones.

Método de la ruta preferente: se fundamenta en la asignación a partir del costo

mínimo de distribuir una unidad. Primero se identifica este costo se realiza la
asignación de recursos máxima posible y luego se identifica el siguiente costo
menor realizando el mismo procedimiento hasta realizar todas las asignaciones.

Método de asignación de Vogel: para cada reglón y columna, se calcula su

diferencia, que se define como la diferencia aritmética entre el costo unitario más
pequeño y el costo menor que le sigue en ese renglón o columna. En el renglón
o columna con la mayor diferencia, se le asigna al menor costo unitario. Los
empates se pueden romper de manera arbitraria.

De estos 3 modelos para encontrar la solución inicial BF, el método de Vogel ha

sido el más utilizado. Considerando que este criterio toma en cuenta los costos
de distribución de forma más eficaz, ya que la diferencia representa el mínimo
costo adicional que se incurre por no hacer una asignación en la celda que tiene
el menor costo ya sea columna o renglón.

Posterior a esta asignación inicial se requiere un procedimiento que permita las

siguientes iteraciones y se obtenga la solución óptima.

el modelo de asignación es un tipo especial de problema de

programación lineal en el que los asignados son recursos que se
destinan a la realización de tareas. Por ejemplo, los asignados pueden
ser empleados a quienes se tiene que dar trabajo. La asignación de
personas a trabajos es una aplicación común del problema de
asignación. Sin embargo, los asignados no tienen que ser personas.
También pueden ser máquinas, vehículos o plantas, o incluso
periodos a los que se asignan tareas.

“La mejor persona para el puesto” es una buena descripción del modelo de
asignación.
El objetivo del modelo es determinar la asignación óptima (de costo
mínimo) de trabajadores a puestos.

El modelo general de asignación con n trabajadores y n puestos se

representa en la tabla siguiente:

Para que se ajuste a la definición de un problema de asignación, es

necesario que este tipo de aplicaciones se formule de manera tal que
se cumplan los siguientes supuestos:

1. El número de asignados es igual al número de tareas. (Este número se

denota por n.)

2. A cada asignado se le asigna sólo una tarea.

3. Cada tarea debe realizarla sólo un asignado.

4. Existe un costo cij asociado con el asignado i (i 5 1, 2, . . . , n) que realiza

la tarea j ( j 1, 2, . . . , n).

5. El objetivo es determinar cómo deben hacerse las n asignaciones para

minimizar los costos totales.
Se puede resolver el modelo de asignación en forma directa como
modelo normal de transporte. Sin embargo, el hecho de que todas las
ofertas y las demandas son iguales a 1, condujo al desarrollo de un
algoritmo sencillo de solución llamado método húngaro.

MÉTODO HÚNGARO

El método Húngaro es un método de optimización de problemas de

asignación, conocido como tal gracias a que los primeros aportes al
método clásico definitivo fueron de Dénes König y Jenő Egerváry dos
matemáticos húngaros. El algoritmo tal como se detallará a
continuación está diseñado para la resolución de problemas
de minimización únicamente.
Es importante resaltar que el método húngaro trabaja en una matriz de
costos n*m (en este caso conocida como matriz m*m, dado que el
número de filas es igual al número de columnas n = m).

Para resolver problemas de asignación, aplicando el método Húngaro,

se requiere seguir los siguientes algoritmos o pasos:

Paso 1

En la matriz original de costo, identificar el mínimo de cada renglón y

restarlo de todos los elementos del renglón.

Paso 2
En la matriz que resulte del paso 1, identificar el mínimo de cada
columna, y restarlo de todos los elementos de la columna.

 Paso 2.1
Si no se puede asegurar una asignación factible (con todos los elementos
cero) con los pasos 1 y 2,

a). Trazar la cantidad mínima de líneas horizontales y verticales en la

última matriz reducida que cubran todos los elementos cero.
b). Seleccionar el elemento mínimo no cubierto, restarlo de todo elemento
no cubierto y a continuación sumarlo a todo elemento en la intersección de
dos líneas.
c). Si no se puede encontrar una asignación factible entre los elementos
cero que resulten, repetir el paso 2.1. En caso contrario, seguir en el paso 3
para determinar la asignación óptima.

Paso 3

Identificar la solución óptima como la asignación factible asociada con

los elementos cero de la matriz obtenida en el paso 2.
 EJEMPLO #1

Un equipo de 3 mecánicos debe ser asignado para la realización de 3

tareas, donde cada mecánico debe hacer una tarea. Se requiere
encontrar la asignación de costo mínimo para lo cual se dispone de los
costos asociados a que el mecánico i realice la tarea j.

SOLUCIÓN

PASO 1: En la matriz original de costo, identificar el mínimo de cada

renglón y restarlo de todos los elementos del renglón.

PASO 2: En la matriz que resulte del paso 1, identificar el mínimo de

cada columna, y restarlo de todos los elementos de la columna.

PASO 3: Identificar la solución óptima como la asignación factible

asociada con los elementos cero de la matriz obtenida en el paso 2.
Las celdas con valor cero y color cafés son la solución óptima. En
consecuencia el mecánico 1 realiza la tarea 2, el mecánico 2 asuma la
tarea 1 y el mecánico 3 la tarea 3. Cada mecánico realiza
exactamente una tarea y el costo total de dicha asignación (valor
óptimo) es de Q9+Q10+Q8=Q27.

EJEMPLO #2

JoShop debe asignar 4 tareas a 4 trabajadores. El costo de realizar un

trabajo es función de los conocimientos de los trabajadores. La
siguiente tabla resume el costo de las asignaciones. El trabajador 1
no puede hacer el trabajo 3, y el trabajador 3 no puede hacer el
trabajo 4. Determine la asignación óptima con el método húngaro.

SOLUCIÓN

PASO 1: En la matriz original de costo, identificar el mínimo de cada

renglón y restarlo de todos los elementos del renglón.
PASO 2: En la matriz que resulte del paso 1, identificar el mínimo
de cada columna, y restarlo de todos los elementos de la columna.

PASO 2.1: Si no se puede asegurar una asignación factible (con todos

los elementos cero) con los pasos 1 y 2

 A). Trazar la cantidad mínima de líneas horizontales y verticales en la

última matriz reducida que cubran todos los elementos cero.

 B). Seleccionar el elemento mínimo no cubierto (color amarillo), restarlo

de todo elemento no cubierto y a continuación sumarlo a todo elemento en
la intersección de dos líneas.

 C). Si no se puede encontrar una asignación factible entre los elementos

cero que resulten, repetir el paso 2.1. En caso contrario, seguir en el paso 3
para determinar la asignación óptima.
PASO 3: Identificar la solución óptima como la asignación factible
asociada con los elementos cero de la matriz obtenida en el paso 2.

Las celdas con valor cero y color verde son la solución óptima. En
consecuencia el trabajador 1 realizará el trabajo 4, el trabajador 2
asuma el trabajo 3, el trabajador 3 realizará el trabajo 2 y el trabajador
4 el trabajo 1. Cada trabajador realizará exactamente un trabajo y el
costo total de dicha asignación (valor óptimo) es
de Q20+Q20+Q30+70=Q140.

Teoría de Juegos
Conceptualización

La teoría de los juegos es una rama de la matemática con aplicaciones a la economía,

sociología, biología y psicología, que analiza las interacciones entre individuos que toman
decisiones en una marco de incentivos formalizados (juegos). En un juego, varios agentes
buscan maximizar su utilidad eligiendo determinados cursos de acción. La utilidad final
obtenida por cada individuo depende de los cursos de acción escogidos por el resto de los
individuos.
La teoría de juegos es una herramienta que ayuda a analizar problemas de optimización
interactiva. La teoría de juegos tiene muchas aplicaciones en las ciencias sociales. La mayoría
de las situaciones estudiadas por la teoría de juegos implican conflictos de intereses,
estrategias y trampas. De particular interés son las situaciones en las que se puede obtener un
resultado mejor cuando los agentes cooperan entre sí, que cuando los agentes intentan
maximizar sólo su utilidad.

La teoría de juegos fue ideada en primer lugar por John von Neumann. Luego, John Nash, A.W.
Tucker y otros hicieron grandes contribuciones a la teoría de juegos.

JUEGO

Se denomina juego a la situación interactiva especificada por el conjunto de participantes, los

posibles cursos de acción que puede seguir cada participante, y el conjunto de utilidades.

ESTRATEGIA

Cuando un jugador tiene en cuenta las reacciones de otros jugadores para realizar su elección,
se dice que el jugador tiene una estrategia. Una estrategia es un plan de acciones completo
que se lleva a cabo cuando se juega el juego. Se explicita antes de que comience el juego, y
prescribe cada decisión que los agentes deben tomar durante el transcurso del juego, dada la
información disponible para el agente. La estrategia puede incluir movimientos aleatorios.

RESULTADOS DE LOS JUEGOS

El resultado de un juego es una cierta asignación de utilidades finales. Se denomina resultado
de equilibrio si ningún jugador puede mejorar su utilidad unilateralmente dado que los otros
jugadores se mantienen en sus estrategias. Un equilibrio estratégico es aquel que se obtiene
cuando, dado que cada jugador se mantiene en su estrategia, ningún jugador puede mejorar su
utilidad cambiando de estrategia. Alternativamente, un perfil de estrategias conforma un
equilibrio si las estrategias conforman la mejor respuesta a las otras.

FORMA NORMAL VS FORMA EXTENSIVA DE LOS JUEGOS

En juegos de forma normal, los jugadores mueven simultáneamente. Si el conjunto de
estrategias es discreto y finito, el juego puede ser representado por una matriz NxM (ver abajo).
Un juego en forma extensiva especifica el orden completo de movimientos a través de la
dirección del juego, generalmente en un árbol de juego.

JUEGOS NxM
Una forma de juegos de dos jugadores, en la cual un jugador tiene N acciones posibles y el otro
tiene M acciones posibles. En un juego así, los pares de utilidades o pagos pueden ser
representados en una matriz y el juego es fácilmente analizable. Los juegos NxM dan una idea
de cómo puede verse la estructura de un juego mas complejo.

ESTRATEGIA DOMINANTE
Una estrategia dominante es aquella elección que realiza el jugador independientemente de lo
que haga el otro. En el juego representado en la matriz de arriba, la estrategia dominante para
A es elegir “abajo”, mientras que la estrategia dominante para B es elegir “izquierda”. Estas
estrategias dominantes dan como resultado el equilibrio de estrategias dominantes del juego.
Si cada jugador tiene una estrategia dominante se puede predecir el resultado del juego.
Tomado de: www.econlink.com.ar/.../teoriadejuegos.shtml

Juegos de suma cero

Denominaremos a uno jugador fila y al otro jugador columna. El primero ha de elegir una de
m estrategias y el jugador columna una de n estrategias. Se supondrá que si el primero elige i
y el segundo j habrá una ganancia de aij para el primero y una pérdida de aij para el segundo.
Esto se conoce como juego de suma cero. Se podría decir que en un juego de suma cero con
dos jugadores lo que gana uno proviene del otro sin posibilidad de cooperación entre ellos.
Cuando uno gana el otro pierde la misma cantidad. Todo esto puede representarse mediante
una matriz de ganancias del jugador fila:

Se dice que el juego tiene punto silla y a este número se le llama valor (v) del juego para
el jugador fila. Una forma sencilla de determinar este punto es buscar un n´umero de la
matriz que sea el menor en su fila y el mayor en su columna.

EJEMPLO

Supongamos que los dos grandes productores de agendas electrónicas se proponen

sacar al mercado un modelo nuevo con teléfono móvil incorporado. Pueden establecer

un convenio con cuatro de las compañías telefónicas y uno de los dos productores podría

desarrollar una compañía telefónica propia. La matriz de ganancias sería:

Vemos que en −5 hay un punto silla y corresponde a la elección de Entfone por parte de la
compañía CASIE y de Windtel por parte de la compañía PAM. Este es un punto de equilibrio
en el que ninguno de los jugadores puede beneficiarse con un cambio unilateral de estrategia.
En este caso el equilibrio se logra asumiendo CASIE una pérdida de 5 como mal menor y PAM
una ganancia segura de 5.

Juegos de suma cero para dos jugadores con

estrategias aleatorizadas

Se analizarán ahora aquellos juegos que no tienen punto silla, que de hecho son mucho más
frecuentes en la práctica. Para ello supongamos que dos personas van a jugar a pares o impares
solamente con la posibilidad de sacar uno o dos dedos cada uno. Si la suma de ambos es par el
jugador A pagará un euro al jugador B. En caso contrario será B el que pague a A. Por tanto la
matriz de beneficios se puede expresar de la forma siguiente:

No hay punto silla. Eso significa que para cualquier decisión de estrategias hay un jugador que
puede beneficiarse cambiando de estrategia unilateralmente. Si por ejemplo los dos sacan dos
dedos el resultado sería par y ganaría B. Pero al cambiar A de estrategia pasaría a ganar A y
por tanto a perder B.

Se determinarán ahora estrategias óptimas y el valor de este juego. Para ello se amplía
el conjunto de estrategias posibles. Hasta ahora se ha supuesto que cada vez que un
jugador participa en un juego utilizará la misma estrategia. Ahora se permitirá que un
jugador opte por una estrategia concreta en una proporción determinada de casos, que
llamaremos probabilidad. Este tipo de estrategias se denominan estrategias aleatorizadas o
mixturas. En general podríamos representar una estrategia aleatorizada de A de la forma (x1,
x2) y una de B de la forma (y1, y2). Esto quiere decir que si el jugador A utiliza la estrategia
(x1, x2) sacará un dedo en el 100x1 % de las veces que juegue y dos en el resto (100x2 %). Por
supuesto ha de verificarse que

SOLUCIÓN GRÁFICA

En el ejemplo anterior la ganancia esperada de A cuando B escoge 1 ser´a:

y en el caso de que B elija 2 la ganancia esperada de A ser´a:

En la Figura 1 se representan gr´aficamente ambas ganancias esperadas. Por tanto,

suponiendo que el jugador B conoce la decisi´on de A, (x1, 1 − x1), la ganancia esperada de
A vendrá determinada por la linea gruesa. De este modo el punto de corte ofrece a
A garantías de una ganancia media mínima de cero. Este punto proporciona la mejor estrategia
para A, (1/2, 1/2). El caso de B es totalmente sim´etrico produciendo ahora la Figura
sgte. Ambas gráficas representan las ganancias medias de A. Por ese motivo B buscará
minimizar la ganancia esperada de A, que conociendo de antemano la estrategia de B vendrá
representada por la línea gruesa en la Figura 2. Se puede decir por tanto que en este juego
el techo o nivel superior del jugador A coincide con el suelo o nivel inferior de B. Esto es
algo general, de modo que siempre el suelo del jugador fila coincide con el techo del
jugador columna. El valor común de ambos se denomina valor del juego para el jugador fila.
Así, cualquier estrategia del jugador fila que garantice una ganancia esperada al menos igual
al valor es una estrategia óptima para este jugador. Del mismo modo cualquier estrategia
del jugador columna que garantice una pérdida esperada a lo sumo igual al valor es una
estrategia óptima para el jugador columna. En el ejemplo el valor es cero y (1/2, 1/2) será
una estrategia óptima para ambos. Además es única.
Supongamos que el jugador A escoge la estrategia (1/3, 2/3). Entonces escogiendo B dos

dedos garantiza que la ganancia media de A es negativa y por tanto su ganancia esperada

es positiva. Sería una estrategia óptima para B, pero no para A.

Selección de la estrategia de A

Selección de la estrategia de B
En caso de que existan más de dos estrategias por jugador, será necesario el uso de la
programación lineal.

Tomado de: www.uclm.es/profesorado/jesuslopezfidalgo/juegos.pdf

Reducción de estrategias

En ciertos casos existirán ciertas estrategias que son dominantes sobre otras, ésto hará
posible que se puedan reducir en la medida de lo posible, para así reducir el juego con sólo
las estrategias que no sean dominantes sobre las demás.

Para tener una idea más clara de éste concepto, se muestra el siguiente ejemplo
de reducción de estrategias:
Programacion Dinamica

La programación dinámica.

Concepto

Frecuentemente para resolver un problema complejo se tiende a dividir este en

subproblemas, más pequeños, resolver estos últimos (recurriendo posiblemente
a nuevas subdivisiones) y combinar las soluciones obtenidas para calcular la
solución del problema inicial. Puede ocurrir que la división natural del problema
conduzca a un gran número de subejemplares idénticos. Si se resuelve cada uno
de ellos sin tener en cuenta las posibles repeticiones, resulta un algoritmo
ineficiente; en cambio si se resuelve cada ejemplar distinto una sola vez y se
conserva el resultado, el algoritmo obtenido es mucho mejor.

Esta es la idea de la programación dinámica: no calcular dos veces lo mismo y

utilizar normalmente una tabla de resultados que se va rellenando a medida que
se resuelven los subejemplares.
La programación dinámica es un método ascendente. Se resuelven primero los
subejemplares más pequeños y por tanto más simples. Combinando las
soluciones se obtienen las soluciones de ejemplares sucesivamente más
grandes hasta llegar al ejemplar original.

Ejemplo:

Consideremos el cálculo de números combinatorios. El algoritmo sería:

funcion C(n, k)

si k=0 o k=n entonces devolver 1

si no devolver C(n-1, k-1) + C(n-1, k)

Ocurre que muchos valores C(i, j), con i<n y j<k se calculan y recalculan varias
veces.

Un fenómeno similar ocurre con el algoritmo de Fibonacci.

La programación dinámica se emplea a menudo para resolver problemas de

optimización que satisfacen el principio de optimalidad: en una secuencia óptima
de decisiones toda subsecuencia ha de ser también óptima.

Ejemplo: Si el camino más corto de Madrid a Barcelona pasa por Zaragoza, la

parte del camino de Madrid a Zaragoza ha de ser necesariamente el camino
mínimo entre estas dos ciudades.

Podemos aplicar esta técnica en:

Camino mínimo en un grafo orientado

Arboles de búsqueda óptimos

· La programación dinámica es un enfoque general para la solución de

problemas en los que es necesario tomar decisiones en etapas sucesivas. Las
decisiones tomadas en una etapa condicionan la evolución futura del sistema,
afectando a las situaciones en las que el sistema se encontrará en el futuro
(denominadas estados), y a las decisiones que se plantearán en el futuro.
· Conviene resaltar que a diferencia de la programación lineal, el modelado
de problemas de programación dinámica no sigue una forma estándar. Así, para
cada problema será necesario especificar cada uno de los componentes que
caracterizan un problema de programación dinámica.

· El procedimiento general de resolución de estas situaciones se divide en

el análisis recursivo de cada una de las etapas del problema, en orden inverso,
es decir comenzando por la última y pasando en cada iteración a la etapa
antecesora. El análisis de la primera etapa finaliza con la obtención del óptimo
del problema.

MODELOS DE PROGRAMACIÓN DINÁMICA

Existen tres modelos diferentes manejados por WINQSB.

* Problema de la diligencia (Stagecoach Problem)

* Problema de la mochila (Snapsack Problem)

* programación de producción e inventarios (Production and Inventory

Scheduling)

Es una técnica que parte del principio de no calcular dos veces la misma
información, por lo tanto se utilizan estructuras de almacenamiento como
vectores, tablas, arreglos, archivos, con el fin de almacenarlos resultados
parciales, que contribuyan a la solución final.

Este algoritmo evita calcular dos veces la misma información, manteniendo una
tabla de resultados conocidos, la cual se va llenando a medida que seresuelven
los subcasos. Es una técnica ascendente que normalmente, empieza por los
subcasosmás pequeños y más sencillos.Combinando sus soluciones,
obtenemoslas respuestas para los subcasos cada vez mayores, hasta que
llegamosa la solucióndel caso original.

La programación dinámica se aplica no solo por razones de eficiencia, sino

porque permite resolver de manera eficiente problemas que no se pueden
resolver por otras metodologías.

El mayor número de aplicaciones se encuentra en problemas que requieren

optimización, ya que se pueden hallar múltiples soluciones y así evaluarlas para
hallar la óptima.

JAN

16

CALSIFICACIÓN DE LOS MÉTODOS DE PRONÓSTICO

CLASIFICACION DE LOS METODOS DE PRONOSTICOS

Existen muchos métodos de pronósticos , es necesario comprender su

clasificación. las categorías posibles son :

1.- Serie de tiempo o casuales

2.- A corto, mediano o largo plazos

3.- Cuantitativos o cualitativos

Estas categorías no son mutuamente excluyentes.

1. SERIE DE TIEMPO O CASUALES

Los métodos de análisis de serie de tiempo utilizan sólo datos históricos del
pasado para la variable que se pronostica, al generar proyecciones al futuro .
Suponen de manera implícita que ha sucedido en el pasado proporciona
información de lo que va ha suceder en el futuro.

Los métodos casuales consideran los factores que influyen o están

relacionados con que se esta pronosticando ; puede no haber una relación
causa-efecto directa y es típico que exista una relación lógica entre las variables
que se usan para generar el pronóstico y el pronóstico que resulta.

2.-A CORTO, MEDIANO O LARGO PLAZOS

Los métodos de pronósticos a corto plazo tienen un horizonte de tiempo de

un día a un mes hacia el futuro. La mayor utilidad de estos pronósticos esta al
manejar las operaciones diarias de una organización .

Métodos de pronostico a mediano plazo se hagan proyecciones de un mes

a un año hacia el futuro; estos son importantes como ayuda al administrador en
decisiones sobre que recursos se necesitan y como pueden usarse de manera
eficaz.

Los métodos de pronóstico a largo plazo tienen un horizonte de mas de un

año. Estos pronósticos influyen en decisiones como que nuevos productos
deben introducirse , instalaciones de producción que se deben construir y
financiamiento. Los pronósticos a largo plazo quizá son los más importantes ,
ya que ayudan al administrador a proporcionar una guía directriz para la
organización; pero al igual son los mas difíciles de obtener pues mientras mas
largo sea el horizonte de tiempo mayor es la incertidumbre que existe sobre el
futuro.

3.-METODOS CUANTITATIVOS Y CUALITATIVOS

Métodos cuantitativos emplean modelos matemáticos que requieren datos

para las variables independientes con objeto de generar un pronóstico.

Métodos cualitativos se usa para situaciones a largo plazo , altamente

inciertas el las cuales el empleo de un modelo matemático no parece apropiado.