Documente Academic
Documente Profesional
Documente Cultură
¡Incluye código
de acceso
para descargar
Excel QM
y POM-QM!
-mp Pearson
ACCESO A LOS MÓDULOS ADICIONALES
Para acceder a los Módulos y a los programas Excel QM y POM-QM mencionados en el texto
http://www.biblionline.pearson.com
IMPORTANTE
¡Este código de registro sólo puede usarse una vez y no será reemplazado en caso de daño!
1886
Métodos cuantitativos
para los negocios
DECIMOSEGUNDA EDICIÓN
BARRY RENgA1011.1
Profesor distinguido Charles Harwood de Ciencias de la Administración
Crummer Graduate School of Business, Rollins College
RAlpiLLSTAILI,4g,,,,iáj
Profesor de Ciencias de la Información y la Administración
Florida State University
TRADUCCIÓN
Jesús Elmer Murrieta Murrieta
Maestro en Investigación de Operaciones
Tecnológico de Monterrey—Campus Morelos
REVISIÓN TÉCNICA
María de Guadalupe Arroyo Santisteban
Eduardo López Chávez
Iren Castillo Saldaña
Vinicio Pérez Fonseca
José Cruz Ramos Báez
Academia de Matemáticas
Escuela de Ciencias Económicas y Empresariales (ECEE)
Universidad Panamericana
Pearson
RENDER, BARRY, STAIR, RALPH
HANNA, MICHAEL E., HALE, TREVOR S.
Métodos cuantitativos para los negocios
Decimosegunda edición
PEARSON EDUCACIÓN, México, 2016
ISBN: 978-607-32-3761-1
Área: Matemáticas
Formato: 21.5 x 27.5 cm Páginas: 608
Authorized translation from the English Language edition entitled Quantitative Analysis for Management. 12th
Edition, by Barry Render, Ralph M. Stain Jr., Michael E. Hanna and Trevor S. Hale, published by Pearson
Education, Inc., Copyright@ 2015. All rights reserved.
ISBN 9780133507331
Traducción autorizada de la edición en idioma inglés titulada Quantitative Analysis for Management, 12a edición,
por Barry Rendez; Ralph M. &ah; Jr., Michael E. Hanna y Trevor S. Hale, publicada por Pearson Education, Inc.,
Copyright © 2015. Todos los derechos reservados.
Edición en español
Director General: Sergio Fonseca Garza
Director de Contenidos y Servicios Digitales: Alan David Palau
Gerente de Contenidos y Servicios Editoriales: Jorge Luis fñiguez Caso
Coordinador de Contenidos, Educación Superior: Guillermo Domínguez Chávez
guillermo.dominguez@pearson.com
Especialista en Contenidos de Aprendizaje: Rosa Díaz Sandoval
Especialista en Desarrollo de Contenidos: Bernardino Gutiérrez Hernández
Supervisor de Arte y Diseño: José Hernández Garduño
Reservados todos los derechos. Ni la totalidad ni parte de esta publicación pueden reproducirse, registrarse o
transmitirse, por un sistema de recuperación de información, en ninguna forma ni por ningún medio, sea electró-
nico, mecánico, fotoquímico, magnético o electroóptico, por fotocopia, grabación o cualquier otro, sin permiso
previo por escrito del editor.
El préstamo, alquiler o cualquier otra forma de cesión de uso de este ejemplar requerirá también la autorización
del editor o de sus representantes.
ISBN VERSIÓN IMPRESA: 978-607-32-3761-1 Esta obra se terminó de imprimir en mayo de 2016
ISBN VERSIÓN E-BOOK: 978-607-32-3762-8 en los talleres de Litográfica Ingramex, S.A. de C.V.
Centeno 162-1, Col. Granjas Esmeralda,
Impreso en México. Printed in Mexico. C.P. 09810, México, Ciudad de México.
1 2 3 4 5 6 7 8 9 0 - 19 18 17 16
Pearson
ACERCA DE LOS AUTORES
Barry Render es profesor emérito, distinguido como profesor titular de la cátedra Charles Harwood de
Administración de operaciones en la Crummer Graduate School of Business, del Rollins College, en Wmter
Park, Florida. Obtuvo los grados de licenciatura en Matemáticas y en Física de la Roosevelt University, el
grado de maestría en Investigación de operaciones y el doctorado en Análisis cuantitativo de la University
of Cincinhati. Anteriormente fue profesor en la George Washington University, en la University of New
Orleans, en la Boston University yen la George Mason University, donde ocupó la cátedra de la Fundación
Mason en Ciencias de las Decisiones y fue presidente del Departamento de Ciencias de las Decisiones. El
doctor Render también ha trabajado en la industria aeroespacial para General Electric, McDonnell Douglas
y en la NASA.
El doctor Render es coautor de 10 libros de texto publicados por Pearson, entre ellos Administración
de operaciones (Operations Management) Managerial Decision Modeling with Spreadsheets, Principies
of Operations Management, Service Management, Introduction to Management Science y Cases and
Readings in Management Science. Más de 100 de sus artículos con temas relacionados con la administra-
ción han aparecido en publicaciones como Decision Sciences, Production and Operations Management,
Interfaces, Information and Management, Journal of Management Information Systems, Socio-Economic
Planning Sciences, IIE Solutions y Operations Management Review, entre otras.
El doctor Render ha sido honrado como miembro de la sociedad AACSB y fue nombrado dos veces
Senior Fulbright Scholar. Fue vicepresidente del Instituto de Ciencias de las Decisiones en la Región
Sudeste, y se desempeñó como revisor de software para Decision Line durante seis años, y como editor
de los temas especiales de Administración de operaciones en el New York Times durante cinco años. De
1984 a 1993, el doctor Render fue presidente de Management Service Associates of Virginia, Inc., cuyos
clientes incluyen al FBI, la Marina de Estados Unidos, el Condado de Fairfax, Virginia y C&P Telephone.
Actualmente es editor consultor de la Financial Times Press.
El doctor Render ha impartido cursos de Administración de operaciones en la Rollins College para los
programas de maestría en Administración de Negocios, incluyendo la maestría ejecutiva. Recibió el Premio
Welsh de esa escuela como profesor líder y fue seleccionado por la Roosevelt University para recibir el
Premio St. Claire Drake en 1996 por su destacada labor como académico. En 2005 recibió el premio de
los estudiantes de la maestría en Administración de Negocios en la Rollins College por impartir el mejor
curso y, en 2009, fue nombrado Profesor del Año por los estudiantes de tiempo completo en la maestría en
Administración de Negocios.
Ralph Stair es profesor emérito en la Florida State University. Obtuvo el grado de licenciatura en Ingeniería
química de la Purdue University y el grado de maestro de la Tulane University. Bajo la dirección de Ken
Ramsing y Alan Eliason, recibió el grado de doctor en Administración de operaciones de la University of
Oregon. Ha sido catedrático en la University of Oregon, la University of Washington, la University of New
Orleans y la Florida State University.
En dos ocasiones, ha sido profesor de intercambio en Londres por parte de la Florida State University.
Por muchos años su enseñanza se ha concentrado en las áreas de Sistemas de información, Investigación de
operaciones y Administración de operaciones.
El doctor Stair es miembro de varias organizaciones académicas, entre las que destacan el Decision
Science Instituto e INFORMS; asimismo, participa regularmente en reuniones nacionales en su campo
de especialidad. Ha publicado numerosos artículos y libros, entre ellos Managerial Decision Modeling
with Spreadsheets, Introduction to Management Science, Cases and Readings in Management Science,
Production and Operations Management: A Self-Correction Approach, Fundamentals of Information
Systems, Principies of Information Systems, Introduction to Information Systems, Computers in Today's
iii
iv ACERCA DE LOS AUTORES
World, Principies of Data Processing, Learizing so Live with Computers, Programming in BASIC, Essentials
of BASIC Programming, Essentials of FORTRAN P granzming y Essentials of COBOL Programming.
El doctor Stair divide su tiempo entre Florida y Colorado. Disfruta esquiar, montar en bicicleta, navegar en
kayak y realizar otras actividades al aire libre.
y
CONTENIDO
vi
CONTENIDO Vii
CAPÍTULO 6 Modelos de control de inventarios 187 CAPÍTULO 7 Modelos de programación lineal: métodos
6.1 Introducción 188 gráficos y computacionales 239
6.2 Importancia del control de inventarios 189 7.1 Introducción 240
Función de desacoplamiento 189 7.2 Requisitos de un problema de programación
lineal 240
Almacenamiento de recursos 189
7.3 Formulación de problemas de PL 241
Oferta y demanda irregulares 189
Compañía Flair Furniture 241
Descuentos por cantidad 189
Solución gráfica a un problema de PL 243
Prevención del desabasto y la escasez 189
Representación gráfica de las restricciones 243
6.3 Decisiones de inventario 190
Método de solución de la recta de isoutilidad 247
6.4 Cantidad económica de pedido:
determinación de la cantidad a ordenar 191 Método de solución de los vértices 250
Costos de inventario en la situación de la Holgura y excedente 252
EOQ 192 Resolución del problema de PL de Flair
Determinación de la EOQ 194 Furniture usando QM para Windows,
Excel .2013 y Excel QM 253
Ejemplo de la compañía Sumco Pump 194
Uso de QM para Windows 253
Costo de compra de los artículos en
inventario 195 Uso del comando Solver de Excel para resolver
problemas de PL 254
Análisis de sensibilidad con el modelo de la
EOQ 196 Uso de Excel QM 257
6.5 Punto de reorden: determinación de cuándo 7.6 Resolución de problemas de minimización 259
hacer un pedido 197 Rancho Holiday Meal Turkey 259
6.6 EOQ sin el supuesto de recepción 7.7 Cuatro casos especiales de PL 263
instantánea 198 Solución no factible 263
Costo anual de almacenamiento para el modelo Región no acotada 263
de corrida de la producción 199
Redundancia 264
Costo anual de instalación o costo anual
Soluciones óptimas múltiples 265
de pedido 199
Determinación de la cantidad óptima de Análisis de sensibilidad 266
producción 200 Compañía High Note Sound 267
Ejemplo de Brown Manufacturing 200 Cambios en los coeficientes de la función
Modelos de descuento por cantidad 202 objetivo 268
6.7
QM para Windows y cambios en los coeficientes
Ejemplo de la tienda departamental Brass 204
de la función objetivo 268
6.8 Uso del inventario de seguridad 206
Solver de Excel y cambios en los coeficientes de la
6.9 Modelos de inventario de un solo periodo 211 función objetivo 269
Análisis marginal con distribuciones Cambios en los coeficientes tecnológicos 270
discretas 212
Cambios en los recursos o valores del lado
Ejemplo del Café du Donut 213 derecho 271
Análisis marginal con la distribución normal 214 QM para Windows y los cambios en los valores
Ejemplo del periódico 214 del lado derecho 272
6.10 Análisis ABC 216 Solver de Excel y cambios en los valores del lado
6.11 Demanda dependiente: el caso de la planeación derecho 272
de las necesidades de materiales 216 Resumen 274 Glosario 274
Árbol de estructura de materiales 217 Problemas resueltos 275 Autoevaluación 279
Preguntas para análisis y problemas 280
Plan de necesidades brutas y netas de Estudio de caso: Trabajo en Mexicana Wire 288
material 218 Bibliografía 290
Dos o más productos finales 219
6.12 Control de inventarios justo a tiempo 221 CAPITULO 8 Aplicaciones de programación lineal 291
6.13 Planeación de recursos empresariales 222 8.1 Introducción 292
Resumen 223 Glosario 223 8.2 Aplicaciones al marketing 292
Ecuaciones clave 224 Problemas resueltos 225 Selección de medios de comunicación 292
Autoevaluación 227 Preguntas para análisis y
problemas 228 Estudio de caso: Martin-Pullin Investigación de mercado 293
Bicycle Corporation 235 Bibliografía 236 8.3 Aplicaciones a la manufactura 296
Mezcla de producción 296
Apéndice 6.1: Control de inventarios con QM para
Windows 237 Programación de la producción 297
CONTENIDO ix
Autoevaluación 423 Preguntas para análisis 13.3 imulación de Monte Carlo 472
y problemas 424 Estudio de caso: Construcción jemplo de Harry's Auto Tire 472
del estadio de la Southwestern University 429
Estudio de caso: Centro de Investigación sobre so de QM para Windows en la simulación 477
Planfficación Familiar en Nigeria 430 imulación con hojas de cálculo de Excel 478
Bibliografía 432 13.4 imulación y análisis de inventarios 480
Apéndice 11.1: Gestión de proyectos con QM para erretería Simkin 480
Windows 432 f
Análisis de los costos de inventario de
Simkin 483
CAPÍTULO 12 Modelos de líneas de espera y teoría
13.5 Simulación de un problema de colas 484
de colas 435
Puerto de Nueva Orleans 484
12.1 Introducción 436
Uso de Excel para simular el problema de colas
12.2 Costos de las líneas de espera 436 del puerto de Nueva Orleans 486
Ejemplo de la compañía Three Rivers 13.6 Modelo de simulación para una política
Shipping 437 de mantenimiento 487
12.3 Características de un sistema de colas 438 ¡Compañía Three Hills Power 487
Características de llegada 438 ¡Análisis de costos de la simulación 489
Características de la línea de espera 438 Otros aspectos de la simulación 492
13.7
Características de las instalaciones de Dos tipos distintos de modelos de
servicio 439 simulación 492
Identificación de modelos mediante la notación Verificación y validación 493
Kendall 439
Papel de las computadoras en la simulación 494
12.4 Modelo de colas con un solo canal, llegadas de
Poisson y tiempos de servicio exponenciales Resumen 494 Glosario 494
(M/M/1) 442 Problemas resueltos 495 Autoevaluación 498
Preguntas para análisis y problemas 499
Supuestos del modelo 442 Estudio de caso: Alabama Airlines 504
Ecuaciones de colas 442 Estudio de caso: Corporación Statewide
Caso del taller Arnold's Muffler 443 Development 505 Estudio de caso: FB Badpoore
Mejora del entorno de la cola 447 Aerospace 506 Bibliografía 508
12.5 Modelo de colas con múltiples canales, CAPÍTULO 14 Análisis de Markov 509
llegadas de Poisson y tiempos de servicio
exponenciales (MIMIm) 447 14.1 Introducción 510
Ecuaciones para el modelo de colas con múltiples 14.2 Estados y probabilidades de estado 510
canales 448 Vector de probabilidades de estado para
Revisión del taller Arnold's Muffier 448 el ejemplo de las tres tiendas de
comestibles 511
12.6 Modelo con tiempo de servicio constante
(MIDI1) 450 14.3 Matriz de probabilidades de transición 512
Ecuaciones para el modelo con tiempo de servicio Probabilidades de transición para las tres tiendas
constante 450 de comestibles 513
García-Golding Recycling, Inc. 451 14.4 Predicción de las participaciones de mercado
futuras 513
12.7 Modelo de población finita (M/M/1 con
fuente finita) 452 14.5 Análisis de Markov en operaciones de
, maquinaria 514
Ecuaciones para el modelo de población
finita 452 14.6 Condiciones de equilibrio 515
Ejemplo del Departamento de Comercio 453 14.7 Estados absorbentes y la matriz fundamental:
aplicación a cuentas por cobrar 518
12.8 Algunas relaciones características generales
de funcionamiento 454 Resumen 522 Glosario 523
Ecuaciones clave 523 Problemas resueltos 523
12.9 Modelos de colas más complejos y el uso de la Autoevaluación 527 Preguntas para análisis y
simulación 454 problemas 527 Estudio de caso: Rental!
Resumen 455 Glosario 455 Trucks 532 Bibliografía 533
Ecuaciones clave 456 Problemas resueltos 457 Apéndice 14.1: Análisis de Markov con QM para
Autoevaluación 460 Preguntas para análisis y Windows 533
problemas 461 Estudio de caso: New England
Foundry 465 Estudio de caso: Winter Park Apéndice 14.2: Análisis de Markov con Excel 535
Hotel 467 Bibliografía 467
Apéndice 12.1: Uso de QM para Windows 468 CAPÍTULO 15 Control estadístico de la calidad 537
15.1 Introducción 538
CAPÍTULO 13 Modelos de simulación 469 15.2 Definición de la calidad y la TQM 538
13.1 Introducción 470 15.3 Control estadístico de procesos 539
13.2 Ventajas y desventajas de la simulación 471 Variabilidad en el proceso 539
CONTENIDO xi
M5.4 Encontrar la inversa de una matriz M.5-10 M7.9 Revisión de los procedimientos para resolver
Resumen M5-11 Glosario M5-11
problemas de minimización de PL M7-27
Ecuaciones clave M5-11 Autoevaluación M5-12 M7.10 Casos especiales M7-28
Preguntas para análisis y problemas M5-12 Infactibilidad M7-28
Bibliografía M5-13 Soluciones no acotadas M7-28
Apéndice M5.I: Uso de Excel para cálculos matriciales M5-I3
Degeneración M7-29
Más de una solución óptima M7-30
MÓDULO 6 Optimización basada en el Cálculo M6-1
M7.11 Análisis de sensibilidad con la tabla
M6.1 Introducción M6-2 simplex M7-30
M6.2 Pendiente de una línea recta M6-2 Revisión de la compañía High Note
M6.3 Pendiente de una función no lineal M6-3 Sound M7-30
M6.4 Algunos derivadas comunes M6-5 Cambios en los coeficientes de la función
Segundas derivadas M6-6 objetivo M7-31
M6.5 Máximos y mínimos M6-6 Cambios en los recursos o en los valores del lado
derecho M7-33
M6.6 Aplicaciones M6-8
M7.12 El dual M7-35
Cantidad económica de pedido M6-8
Pasos para formar un dual M7-37
Ingreso total M6-9
Resolución del dual del problema de la compañía
Resumen M6-10 Glosario M6-10 Ecuaciones High Note Sound M7-37
clave M6-10 Problema resuelto M6-11
Autoevaluación M6-11 Preguntas de análisis y M7.13 Algoritmo de Karmarkar M7-39
preguntas M6-12 Bibliografía M6-12 Resumen M7-39 Glosario M7-39 Ecuación
Clave M7-40 Problemas resueltos M7-41
Autoevaluación M7-44 Preguntas para análisis
MÓDULO 7 Programación lineal: el método
y problemas M7-45 Bibliografía M7-53
simplex M7-1
M7.1 Introducción M7-2 MÓDULO 8 Algoritmos de transporte, asignación
M7.2 Cómo establecer la solución simplex y redes M8-1
inicial M7-2
M8.I Introducción M8-2
Conversión de restricciones en ecuaciones M7-3
M8.2 El algoritmo de transporte M8-2
Determinación algebraica de una solución
Desarrollo de una solución inicial: Regla de la
inicial M7-3
esquina noroeste M8-2
La primera tabla Simplex M7-4 Método del cruce del arroyo: Determinación de
M7.3 Procedimientos de solución simplex M7-8 una solución de costo mínimo M8-4
M7.4 La segunda tabla simplex M7-9 M8.3 Situaciones especiales con el algoritmo de
Interpretación de la segunda tabla M7-12 transporte M8-9
Desarrollo de la tercera tabla M7-13 Problemas de transporte desequilibrados M8-9
M7.5
Revisión de los procedimientos para resolver Degeneración en los problemas de
M7.6
problemas de maximización de PL M7-I6 transporte M8-10
Excedente y variables artificiales M7-16 Más de una solución óptima M8-13
M7.7
Problemas de transporte de maximización M8-13
Variables excedentes M7-17
Rutas inaceptables o prohibidas M8-13
Variables artificiales M7-17
Otros métodos de transporte M8-13
Variables excedentes y artificiales en la función
objetivo M7-18 M8.4 El algoritmo de asignación M8-13
M7.8 Resolución de problemas de El método húngaro (Técnica de Flood) M8-14
minimización M7-18 Realización de la asignación final M8-18
Ejemplo de la compañía Muddy River M8.5 Situaciones especiales con el algoritmo de
Chemical M7-18 asignación M8-18
Análisis gráfico M7-19 Problemas de asignación desequilibrados M8-18
Conversión de las restricciones y la función Problemas de asignación de
objetivo M7-20 maximización M8-19
Reglas del método simplex para problemas M8.6 Problema del flujo máximo M8-20
de minimización M7-21 Técnica del flujo máximo M8-20
Primera tabla simplex para el problema de la M8.7 Problema de la ruta más corta M8-23
compañía Muddy River Chemical M7-21
Técnica de la ruta más corta M8-23
Desarrollo de una segunda tabla M7-23
Resumen M8-25 Glosario M8-25 Problemas
Desarrollo de una tercera tabla M7-24 resueltos M8-26 Autoevaluación M8-32
Cuarta tabla para el problema de la compañía Preguntas para análisis y problemas M8-33
Muddy River Chemical M7-26 Casos M8-42 Bibliografía M8-42
INFORMACIÓN GENERAL
Bienvenido a la decimosegunda edición de Métodos cuantitativos para los negocios. Nuestro objetivo es
ofrecer a los estudiantes de licenciatura y posgrado una base genuina para el análisis de negocios, los mé-
todos cuantitativos y las ciencias de la administración. Al hacerlo, agradecemos a los cientos de usuarios
y decenas de colaboradores que nos han brindado consejos invaluables y asesoría pedagógica durante más
de 30 años.
Para ayudar a los estudiantes a entender cómo las técnicas presentadas en este libro se aplican en el
mundo real, en la presente edición se hace un énfasis especial en las aplicaciones y los ejemplos con el uso de
computadoras. Se presentan modelos matemáticos, con todas las premisas necesarias, en forma clara y con
lenguaje sencillo. Después, se aplican los procedimientos de solución correspondientes a problemas de ejem-
plo, junto con instrucciones paso a paso que explican "cómo se hace». Hemos encontrado que este método
de presentación es muy eficaz y los estudiantes agradecen este enfoque. Cuando los cálculos matemáticos
son complejos, los detalles se presentan de manera tal que el profesor puede omitir esas secciones sin inte-
rrumpir el flujo de información. El uso de software de computadora permite que el docente se enfoque en
el problema de administración y dedique menos tiempo a los detalles de los algoritmos. A lo largo del libro
se presentan muchos ejemplos de resultados obtenidos por computadora.
El único requisito matemático previo para este libro es el álgebra. En el texto se incluye un capítulo
sobre probabilidad y otro sobre análisis de regresión, los cuales ofrecen la cobertura introductoria de estos
temas. En todo el libro se emplea notación, terminología y ecuaciones estándar. Se presenta una explicación
cuidadosa de la notación matemática y de las ecuaciones que se utilizan.
CARACTERÍSTICAS ESPECIALES
En ediciones anteriores ha habido muchas característicos de gran aceptación, las cuales se actualizaron y
ampliaron. Entre ellas se encuentran:
Las secciones Modelado en el mundo real muestrañ el enfoque del análisis cuantitativo para cada
técnica estudiada en el libro. Se agregaron cuatro nuevas secciones.
Los recuadros de Procedimiento resumen las técnicas cuantitativas más avanzadas, presentándolas
como una serie de pasos fáciles de entender.
Las notas al margen destacan los temas importantés en el texto.
Los recuadros de Historia narran cuestiones interelantes relacionadas con el desarrollo de las técni-
cas y las personas que las originaron.
Las secciones AC en acción ilustran la forma como las organizaciones reales han utilizado el análisis
cuantitativo para resolver problemas. Se incorporaron varios recuadros inéditos de AC en acción.
Los problemas resueltos, que se incluyen al final de cada capítulo, sirven como ejemplo para que los
estudiantes resuelvan sus propios problemas de tarea.
Las preguntas para análisis, presentadas al final de cada capítulo, ponen a prueba la comprensión del
alumno acerca de los conceptos estudiados y las definiciones presentadas en el capítulo.
Los problemas incluidos en cada capítulo están orientados a las aplicaciones y evalúan la capacidad
del estudiante para resolver problemas similares a los que se presentan en exámenes. Los problemas
se clasifican de acuerdo con su nivel de dificultad: introductorios (una viñeta), moderados (dos viñe-
tas) y difíciles (tres viñetas). Se agregaron más de 40 problemas.
Las autoevaluaciones permiten que los estudiantes pongan a prueba su conocimiento de términos y
conceptos importantes al prepararse para sus exámenes parciales y finales.
Los estudios de caso, al final de cada capítulo, proporcionan interesantes aplicaciones administrati-
vas adicionales.
El glosario, al final de cada capítulo, define los términos más importantes.
Las ecuaciones clave, que se incluyen en la parte final de cada capítulo, listan las ecuaciones que se
presentaron en el texto.
La bibliografía al fanal del capítulo presenta una selección actualizada de los libros y artículos más
avanzados.
El software POM-QM para Windows usa todas las capacidades de Windows para resolver problemas
de análisis cuantitativo.
Se utilizan Excel QM y Excel 2013 para resolver problemas en todo el libro.
Los archivos de datos con hojas de cálculo en Excel y POM-QM para Windows, que contienen to-
dos los ejemplos del libro impreso, están disponibles para que los estudiantes los descarguen desde
el sitio web. Los profesores que utilicen este libro como texto en un curso pueden descargar archivos
adicionales, los cuales contienen soluciones en computadora a los problemas de fin de capítulo más
relevantes.
• Los módulos proporcionan una cobertura adicional de temas sobre análisis cuantitativo.
• El sitio web del libro ofrece, además de los módulos, muchos recursos; entre ellos problemas adicio-
nales, casos y material adicional para casi todos los capítulos.
En esta nueva edición hemos introducido Excel 2013 en todos los capítulos. Se han integrado capturas de
pantalla, donde consideramos pertinente, de manera que los estudiantes puedan aprender fácilmente cómo
utilizar Excel en sus cálculos. El complemento QM de Excel, utilizado con Excel 2013, permite que los
estudiantes con escasa experiencia en el manejo de Excel realicen fácilmente los cálculos necesarios. Esto
también hace que los alumnos mejoren sus habilidades con Excel al ver las fórmulas escritas automática-
mente en Excel QM.
PREFACIO XV
En el sitio web del libro, los estudiantes pueden acceder a los archivos de todos los ejemplos en Excel
2013, QM para Windows y Excel QM utilizados en el texto impreso. Asimismo, los profesores disponen de
archivos con todos los problemas que se encuentran al final de los capítulos y que involucran esas herra-
mientas de software.
El análisis de negocios, uno de los temas más candentes en el mundo empresarial actual, hace un
amplio uso de los modelos presentados en este libro. Se presenta un estudio de las categorías del análisis
de negocios y las técnicas más relevantes de las ciencias de la administración se ubican en sus categorías
correspondientes.
Los modelos de transporte, transbordo, asignación y redes se combinaron en un capítulo que se en-
foca en el modelado con programación lineal. Los algoritmos especializados para estos modelos se com-
binaron en un nuevo módulo online.
Los ejemplos y problemas se actualizaron y en muchos casos se sustituyeron por nuevos. Se inclu-
yen nuevas capturas de pantalla para casi todos los ejemplos del libro. A continuación, se presenta un re-
sumen de los cambios específicos por capítulo.
Capítulo 1 Introducción al análisis cuantitativo. Se añadió una sección sobre el análisis de negocios, se
modificó la autoevaluación y se agregaron dos nuevos problemas.
Capítulo 3 Análisis de decisiones. En una sección nueva se incluye un análisis más exhaustivo de los
problemas de minimización con tablas de pagos. Se amplió la presentación del uso de software con tablas
de pagos; además se agregaron dos nuevos problemas.
Capítulo 4 Modelos de regresión. Se trasladó de un apéndice al cuerpo de este capítulo el uso de dife-
rentes paquetes de software para el análisis de regresión.
Capítulo 6 Modelos de control de inventarios. Se actualizaron los cuatro pasos del proceso de produc-
ción Kanban y su explicación se presenta de forma más clara. Se incluyen dos recuadros de AC en acción,
cuatro problemas inéditos y una nueva sección Modelado en el mundo real.
Capítulo 9 Modelos de transporte, asignación y redes. Este nuevo capítulo presenta todos los modelos
de transporte, asignación y redes que se encontraban dispersos en dos capítulos. Se enfatizó el enfoque en
el modelado, y los algoritmos de propósito específico se trasladaron a un módulo en el sitio web. Asimismo,
se añadió un estudio de caso inédito de Northeastern Airlines.
Capítulo 10 Programación entera, programación por metas y programación no lineal. En este capítulo
los cambios fueron en el uso de Excel 2013 y nuevas capturas de pantalla.
Capítulo 11 Gestión de proyectos. Se agregaron dos nuevos problemas al final del capítulo y tres recua-
dros inéditos de AC en acción.
Capítulo 12 Modelos de líneas de espera y teoría de colas. Se añadieron dos nuevos problemas al final
del capítulo.
Módulos 1 a 8 El único cambio significativo en est módulos es la adición del módulo 8, Algoritmos
de transporte, asignación y redes, el cual incluye algori7 os de propósito especifico para modelos de trans-
porte, asignación y redes.
Para agilizar la lectura del texto dispone de ocho temas en los módulos que se encuentran en el sitio web
de este libro.
1. Proceso analítico de jerarquías
2: Programación dinámica
3. Teoría de decisiones y la distribución normal
4. Teoría de juegos
5. Herramientas matemáticas: determinantes y matrices
6. Optimización basada en cálculo
7. Programación lineal: método símplex
8. Algoritmos de transporte, asignación y redes
SOFTWARE
Excel 2013 A lo largo de todo el libro se presentan instrucciones y capturas de pantalla para utilizar
Excel 2013. Las instrucciones para activar los complementos de Solver y Analysis Toolpack en Excel 2013
se incluyen en un apéndice. El uso de Excel es más frecuente en esta edición que en las anteriores.
Excel QM Este complemento de Excel crea automáticamente hojas de trabajo para resolver problemas.
Lo anterior resulta muy útil para los profesores que eligen utilizar Excel en sus clases pero que tal vez
tengan alumnos con escasa experiencia en su manejo. Los estudiantes aprenden fácilmente al examinar las
fórmulas que se han creado y las entradas que se generan de forma automática para utilizar el complemento
Solver de programación lineal.
POM-QM para Windows Este software, desarrollado por el profesor Howard Weiss, está a disposi-
ción de los estudiantes en el sitio web del libro. Es muy fácil de usar y ha demostrado ser una herramienta
muy apreciada por nuestros usuarios. Existen módulós disponibles para cada tipo principal de problema
que se presenta en el texto.
PREFACIO xvii
Archivos para los ejemplos en Excel, Excel QM y POM-QM para Windows. Los lectores pueden descargar
los archivos (en inglés) que se utilizaron para elaborar los ejemplos de este libro. Esto les ayudará a fami-
liarizarse con el software y a entender cómo introducir los datos y las fórmulas para resolver los ejemplos.
Estudios de caso en Internet Hemos colocado muchos estudios de caso adicionales (en inglés) para
la mayoría de los capítulos.
El sitio web de este libro ofrece magníficos recursos (en inglés) a los profesores que utilicen nuestro texto
en un curso. Solicite su clave de acceso a su representante de Pearson.
• Archivos electrónicos de los datos de Excel y PÓM-QM para Windows de todos los ejemplos rele-
vantes y los problemas de final de capítulo.
TestGen Es un paquete computarizado (que incluye software y banco de exámenes compatibles con pla-
taformas como Blackboard, WebCT y Course Compass) que permite a los profesores personalizar, guardar
y generar exámenes en el salón de clases. Asimismo, pueden editar, agregar y eliminar preguntas del banco
de exámenes; editar gráficas y crear nuevas; analizar los resultados de los exámenes y organizar una base de
datos con esos resultados. Este software ofrece muchas opciones para organizar y mostrar los exámenes, e
incluye funciones de búsqueda y clasificación, lo que hace que los profesores se beneficien con su amplia
flexibilidad y facilidad de uso.
AGRADECIMIENTOS
Agradecemos cordialmente a los usuarios de las ediciones anteriores y a los revisores que aportaron valio-
sas sugerencias e ideas para esta edición. Su opinión es muy útil en nuestros esfuerzos de mejora continua.
El éxito constante de Métodos cuantitativos para los negocios es resultado directo de la retroalimentación
de los profesores y estudiantes, algo que realmente apreciamos.
Los autores están en deuda con muchas personas que han hecho importantes contribuciones a este
proyecto. Damos un agradecimiento especial a los profesores Faizul Huq, F. Bruce Simmons III, Khala
Chand Seal, Victor E. Sower, Michael Ballot, Curtis P. McLaughlin y Zbigniew H. Przanyski por sus contri-
buciones a los excelentes casos que se incluyen en esta edición.
xviii PREFACIO
Agradecemos a Howard Weiss por proporcionar Excel QM y POM-QM para Windows, dos de los
paquetes más destacados en el área de los métodos cuantitativos. También nos gustaría expresar nuestra
gratitud a los revisores que han ayudado a hacer de este libro de texto el más ampliamente utilizado en el
campo del análisis cuantitativo:
Estamos muy agradecidos con todo el personal de Pearson que trabajó arduamente para hacer que este libro
fuera un éxito, especialmente con Donna Battista, editora en jefe; Mary Kate Murray, gerente de proyecto, y
Kathryn Dinovo, gerente general de producción. También damos las gracias a Tracy Duff, nuestra directora
de proyecto en PreMediaGlobal. Expresamos nuestra gratitud para Annie Puciloslci por su incansable tra-
bajo en la revisión del libro de texto. ¡Gracias a todos!
Barry Render
brender@rollins.edu
Ralph Stair
Michael Harma
hanna@uhdedu
Trevor S. Hale
halet@uhd.edu
Análisis de decisiones
OBJETIVOS DE APRENDIZAJE
1. Listar los pasos del proceso de toma de 5. Desarrollar árboles de decisión precisos y útiles.
decisiones. 6. Revisar estimaciones de probabilidad usando el
2. Describir los tipos de entornos en la toma de análisis bayesiano.
decisiones. 7. Utilizar computadoras para resolver problemas
3. Tomar decisiones en condiciones de básicos de toma de decisiones.
incertidumbre. 8. Comprender la importancia y el uso de la teoría
4. Utilizar valores de probabilidad para tomar de la utilidad en la toma de decisiones.
decisiones con riesgo.
Resumen • Glosario • Ecuaciones clave • Problemas resueltos • Autoevaluación • Preguntas para análisis y
problemas • Problemas de tarea en Internet • Estudio de caso: Starting Right Corporation • Estudio de caso: Blake
Electronics • Estudios de caso en Internet • Bibliografía
65
66 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
3.1 Introducción
En gran medida, los éxitos o fracasos que experimen a una persona en la vida dependen de las decisiones
que toma. Quien realizó la gestión del fallido trans ordador espacial Challenger ya no trabaja para la
NASA. La persona que diseñó el Mustang más vend do se convirtió en el presidente de Ford. ¿Por qué y
cómo tomaron sus respectivas decisiones estas perso as? En general, ¿qué está involucrado en la toma de
buenas decisiones? Una decisión puede marcar la di erencia entre una carrera exitosa y otra sin éxito. La
La teoría de decisiones es una teoría de decisiones es un enfoque analítico y sistemático para el estudio de la toma de decisiones. En este
manera analítica y sistemática de capítulo se presentan modelos matemáticos útiles para ayudar a los administradores a tomar las mejores
hacer frente a los problemas. decisiones posibles.
Una buena decisión se basa en la ¿Qué hace la diferencia entre las buenas y las malas decisiones? Una buena decisión es aquella que se
lógica. basa en la lógica, considera todos los datos disponibles y las alternativas posibles, y aplica el enfoque
cuantitativo que se describirá a continuación. De cuando en cuando, una buena decisión se traduce en un
resultado inesperado o desfavorable. Pero si se toma correctamente sigue siendo una buena decisión. Una
mala decisión no se basa en la lógica, no utiliza todq la información disponible, no toma en cuenta todas
las alternativas ni emplea las técnicas cuantitativas ecuadas. Si usted toma una mala decisión, pero por
suerte se produce un resultado favorable, aún así to una mala decisión. Aunque en ocasiones las buenas
decisiones producen malos resultados, a largo plazo, el uso de la teoría de decisiones dará lugar a resulta-
dos exitosos.
Se utilizará el caso de la compañía Thompson Lumber como ejemplo para ilustrar los pasos de la
teoría de decisiones. John Thompson es el fundador y presidente de la compañía Thompson Lumber, una
empresa rentable con sede en Portland, Oregon.
El primer paso es definir el problema. Paso 1. El problema que John Thompson identifica es la posibilidad de ampliar su línea de productos
mediante la fabricación y comercialización de un nuevo producto: cobertizos de almacenamiento para
patio.
El segundo paso de Thompson es generar las alternativas que están a su disposición. En la teoría de
decisiones, una alternativa se define como un curso de acción o una estrategia que el tomador de decisio-
nes puede elegir.
Paso 2. John decide que sus alternativas son construir 1. una nueva planta grande para la fabricación de
El segundo paso es hacer una lista de los cobertizos de almacenamiento, 2. una planta pequeña o 3. ninguna planta en absoluto (es decir, tiene la
las alternativas posibles. opción de no desarrollar la nueva línea de productos).
Uno de los mayores errores que los tomadores de decisiones cometen es dejar de lado algunas alter-
nativas importantes. Aunque una alternativa en part cular parecería inapropiada o de escaso valor, podría
llegar a ser la mejor opción.
El siguiente paso consiste en identificar los re hados posibles de las distintas alternativas. Un error
común es olvidarse de algunos de los resultados po ibles. Los tomadores de decisiones optimistas tienden
a dejar de lado los malos resultados, mientras que 1 s administradores pesimistas podrían soslayar un re-
sultado favorable. Si usted no considera todas las po ibilidades, no logrará tomar una decisión lógica, y los
resultados quizá sean indeseables. Si usted no cree que lo peor puede suceder, tal vez diseñe otro automóvil
Edsel. En teoría de decisiones, los resultados sobre los que el tomador de decisiones tiene poco o ningún
control se llaman estados de la naturaleza.
3.3 TIPOS DE ENTORNOS EN LA TOMA DE DECISIONES 67
TABLA 3.1
~11ESTADO DE LA NATURALEZA
Tabla de decisiones con
valores condicionales 11> MERCADO FAVORABLE MERCADO DESFAVORABLE
para Thompson Lumber kLTERNATI k ($) ($)
Construir una planta grande 200.000 —180,000
Construir una planta pequeña 100,000 —20.000
No hacer nada o 0
Nota: Es importante considerar todas las alternativas, incluso la de "no hacer nada".
El tercer paso es identificar los Paso 3. Thompson determina que sólo hay dos resultados posibles: el mercado de los cobertizos de al-
resultados posibles. macenamiento podría ser favorable, lo cual significa que hay una gran demanda para el producto, o bien,
podría ser desfavorable, lo que significa que existe una baja demanda de los cobertizos.
Una vez que se han identificado las alternativas y los estados de la naturaleza, el siguiente paso con-
siste en expresar el pago resultante de cada combinación posible de alternativas y resultados. En teoría de
decisiones, a tales pagos o ganancias se les llama valores condicionales. Por supuesto, no todas las deci-
siones pueden basarse sólo en el dinero —cualquier medio adecuado para medir el beneficio es aceptable.
El cuarto paso es analizar los pagos. Paso 4. Debido a que Thompson quiere maximizar sus utilidades, puede utilizar la ganancia para evaluar
cada consecuencia.
Durante el cuarto paso, el tomador John Thompson ya ha evaluado los beneficios potenciales asociados con los distintos resultados. Con
de decisiones puede construir un mercado favorable, piensa que una planta grande se traduciría en una ganancia neta de $200,000 para
tablas de decisiones o tablas su firma. Estos $200,000 son un valor condicional, porque para que Thompson reciba el dinero está con-
de pagos. dicionado a construir una planta grande y a tener un buen mercado. El valor condicional si el mercado
no es favorable sería una pérdida neta de $180,000. Una planta pequeña implicaría una ganancia neta de
$100,000 en un mercado favorable; pero se produciría una pérdida neta de $20,000, si el mercado fuera
desfavorable. Por último, no hacer nada resultaría en $0 beneficios, sin que importe la aceptación en el
mercado. La manera más fácil de presentar estos valores es mediante la construcción de una tabla de deci-
siones, a veces llamada tabla de pagos. En la tabla 3.1 se muestra una tabla de decisiones para los valores
condicionales de Thompson. Todas las alternativas se listan del lado izquierdo de la tabla; mientras que
todos los resultados posibles o estados de la naturaleza se indican en la parte superior. El cuerpo de la tabla
contiene los pagos reales.
Los dos últimos pasos sirven para Pasos S y 6. Los dos últimos pasos son seleccionar un modelo de teoría de decisiones y aplicarlo a los
seleccionar y aplicar el modelo de datos para ayudarse a tomar la decisión. La selección del modelo depende del entorno donde se está ope-
teoría de decisiones. rando, así como de la cantidad de riesgo y de la incertidumbre involucrada.
En la toma de decisiones con riesgo, hay vario resultados posibles para cada alternativa, y el toma-
Las probabilidades se conocen. dor de decisiones conoce la. probabilidad de ocurren la de cada resultado. Sabemos, por ejemplo, que al
jugar a las cartas usando un mazo estándar, la proba *dad de elegir un trébol es 0.25. La probabilidad de
obtener un 5 en un dado es 1/6. En la toma de decisi nes con riesgo, el tomador de decisiones por lo ge-
neral intenta maximizar su bienestar esperado. Los odelos de teoría de decisiones para los problemas de
negocios en este entorno suelen emplear dos criterios equivalentes: la maximización del valor monetario
esperado y la minimización de la pérdida de oportunidad esperada.
En el ejemplo de Thompson Lumber, John Thornpson se enfrenta a la toma de decisiones en condi-
ciones de incertidumbre. Si construye una planta nde o bien una pequeña, el beneficio real dependerá
del estado de la naturaleza y no se conocen las prob bilidades. Si se conocieran las probabilidades de un
mercado favorable y de un mercado desfavorable, entorno cambiaría de incertidumbre a riesgo. Para
la tercera alternativa, no hacer nada, el beneficio no depende del estado de la naturaleza y se conoce con
certeza.
Optimista
Maximax es un enfoque optimista. Al utilizar el criterio optimista, se considera el mejor (máximo) pago para cada alternativa y se selec-
ciona la alternativa con el mejor (máximo) de éstos. Por lo tanto, el criterio optimista a veces se llama
el criterio maximax. En la tabla 3.2, se observa que la elección optimista de Thompson es la primera
alternativa, "construir una planta grande". Utilizando este criterio, se puede lograr el mayor de todos los
pagos posibles ($200,000 en este ejemplo); mientras que si se selecciona cualquier otra alternativa, sería
imposible lograr un beneficio tan alto.
Al utilizar el criterio optimista para problemas e minimización donde los menores pagos (por ejem-
plo, el costo) son mejores, se debería observar el ejor pago (mínimo) para cada alternativa y elegir la
alternativa con el mejor (mínimo) de éstos.
TABLA 3.3
ADO DE LA NATURALEZA
Decisión maximin de
Thompson MERCADO MERCADO MÍNIMO EN
FAVORABLE DESFAVORABLE UNA FILA
ALTERNATIVA ($) ($) ($)
Construir una planta grande 200,000 —180,000 —180,000
Construir una planta pequeña 100,000 —20,000 —20,000
No hacer nada O
Maximin
Pesimista
Maximin es un enfoque pesimista. Al utilizar el criterio pesimista, se considera el peor (mínimo) pago para cada alternativa y se selecciona la
alternativa con el mejor (máximo) de éstos. Por lo tanto, el criterio pesimista a veces se denomina criterio
maximin. Este enfoque garantiza que el pago será por lo menos el valor maximin (el mejor de los peores
valores). La elección de cualquier otra alternativa puede hacer que se produzca un pago peor (menor).
En la tabla 3.3 se muestra la elección maximin de Thompson, "no hacer nada". Esta decisión se asocia
con el máximo de los números mínimos dentro de cada fila o alternativa.
Al utilizar el criterio pesimista para problemas de minimización, en los cuales los pagos menores (por
ejemplo, el costo) son mejores, se debería ver el peor (máximo) pago para cada alternativa y elegir la alter-
nativa con el mejor (mínimo) de éstos.
Tanto el criterio maximax como el maximin consideran sólo un pago extremo para cada alternativa,
mientras que todos los demás beneficios se dejan de lado. El siguiente criterio considera ambos extremos.
TABLA 3.4
ESTADO DE LA NATURALEZA CRITERIO
Decisión de Thompson DE REALISMO
con el criterio de MERCADO MERCADO O PROMEDIO
realismo FAVORABLE DESFAVORABLE PONDERADO
ALTERNATIVA ($) ($) = OS) $
Construir una planta grande 200.000 —180,000 (124,000) -«-1
Realismo —I
Construir una planta pequeña 100.000 —20,000 76,000
No hacer nada o o O
70 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
Debido a que en el ejemplo de Thompson Lumber sólo hay dos estados de la naturaleza, existen sola-
mente dos pagos para cada alternativa y ambos se toman en cuenta. Sin embargo, si hay más de dos estados
de la naturaleza, este criterio despreciará todos los pagos, excepto el mejor y el peor. El siguiente criterio
considerará todos los pagos posibles para cada decisión.
Igualmente probable (Laplace)
El criterio igualmente probable Uno de los criterios que utiliza todos los pagos de cada alternativa es el igualmente probable, también
utiliza el resultado promedio. llamado, criterio de decisión de Laplace. Esto implica la determinación del pago promedio para cada alter-
nativa, y la selección de la alternativa con el mejor promedio o el más alto. El enfoque igualmente probable
supone que todas las probabilidades de ocurrencia de los estados de la naturaleza son iguales, por lo que
cada estado de la naturaleza es igualmente probable.
La elección igualmente probable de Thompson Lumber es la segunda alternativa, "construir una
planta pequeña". Esta estrategia, que se muestra en la tabla 3.5, es la que tiene el mayor pago promedio.
Al utilizar el criterio igualmente probable para problemas de minimización, los cálculos son exacta-
mente los mismos, pero la mejor alternativa es la que tiene el pago promedio más bajo.
Arrepentimiento minimax
El criterio de arrepentimiento El siguiente criterio de decisión que se expone aquí se basa en la pérdida de oportunidad o en el arre-
minimax se basa en la pérdida pentimiento. La pérdida de oportunidad se refiere a la diferencia entre la ganancia o el pago óptimo para
de oportunidad. un determinado estado de la naturaleza y el pago real recibido por una decisión particular para ese estado
de la naturaleza. En otras palabras, es la cantidad perdida por no elegir la mejor alternativa en un determi-
nado estado de la naturaleza.
El primer paso es crear la tabla de pérdida de oportunidad mediante la determinación de la pérdida de
oportunidad por no elegir la mejor alternativa para cada estado de la naturaleza. La pérdida de oportunidad
para cualquier estado de la naturaleza, o cualquier columna, se calcula restando cada pago en la columna
de mejor pago en la misma columna. Para un mercado favorable, el mejor pago es de $200,000 como
resultado de la primera alternativa, "construir una planta grande". La pérdida de oportunidad es 0, lo cual
significa que es imposible alcanzar un pago superior en este estado de la naturaleza. Si se elige la segunda
alternativa, se obtendría una ganancia de $100,000 en un mercado favorable, y esto se compara con
el mejor pago de $200,000. Por lo tanto, la pérdida de oportunidad es de 200,000 — 100,000 = 100,000. Del
mismo modo, si se selecciona "no hacer nada", la pérdida de oportunidad sería de 200,000 — O = 200,000.
Para un mercado desfavorable, el mejor pago es $0 como resultado de la tercera alternativa, "no hacer
nada", por lo que ésta tiene O pérdida de oportunidad. Las pérdidas de oportunidad para las otras alterna-
tivas se encuentran restando los beneficios del mejor pago ($0) en este estado de la naturaleza, como se
indica en la tabla 3.6. La tabla de pérdida de oportunidad de Thompson se muestra como la tabla 3.7.
TABLA 3.6
Determinación de las pérdidas de TABLA 3.7
oportunidad para Thompson Lumber Tabla de pérdidas de oportunidad para Thompson Lumber
TABLA 3.8
ESTADO DE LA NATI' R LEZA
Decisión minimax de
Thompson usando la MERCADO MERCADO MÁXIMO
pérdida de oportunidad FAVORABLE DESFAVORABLE EN UNA FILA
ALTERN.VI1VA ($) ($) ($)
Construir una planta grande 180.000 180,000
Construir una planta pequeña 100.0(X) 20,000 000,000)
Minimax --I
No hacer nada 200,000 200,000
donde
= pago para la alternativa en el estado de la naturaleza i
= probabilidad de lograr el pago Xi (es leir, probabilidad del estado de la naturaleza i)
= símbolo de suma
Al expandir esto, se convierte en
VME (alternativa)
= (pago en el primer estado de la naturaleza) x (probabilidad del primer estado de la naturaleza)
+ (pago en el segundo estado de la naturaleza) X (probabilidad del segundo estado de la naturaleza)
+ • • • + (pago en el último estado de la naturaleza) X (probabilidad del último estado de la naturaleza)
El mayor valor esperado (540,000) es resultado de la segunda alternativa, "construir una planta pequeña".
Por lo tanto, Thompson debería continuar con el proyecto e instalar una planta pequeña para la fabricación
de cobertizos de almacenamiento. Los VME para construir la planta grande y no hacer nada son $10,000 y
$0, respectivamente.
Cuando se utiliza el criterio del VME con prob emas de minimización, los cálculos son los mismos,
pero se selecciona la alternativa con el menor VME.
alternativa para cada estado de la naturaleza y multiplicamos su pago por la probabilidad de ocurrencia de
ese estado de la naturaleza.
VEcIP = E(mejor pago en el estado de la naturaleza i)(probabilidad del estado de la naturaleza i) (3-2)
VEcIP
= (mejor pago en el primer estado de la naturaleza) X (probabilidad del primer estado de la naturaleza)
+ (mejor pago en el segundo estado de la naturaleza) X (probabilidad del segundo estado de la naturaleza)
+ • • • + (mejor pago en el último estado de la naturaleza) x (probabilidad del último estado de la naturaleza)
El VEIP es el valor esperado con información perfecta menos el valor esperado sin información perfecta
(es decir, el mejor o máximo VME). Por lo tanto, la VEIP es la mejora en el VME que resulta de tener
información perfecta.
El VEIP es el valor esperado Con referencia a la tabla 3.9, Thompson puede calcular el máximo que pagaría por información, es
con información perfecta decir, el VEIP. Sigue un proceso de tres etapas. En primer lugar, encuentra el mejor pago en cada estado de
menos el VME máximo. la naturaleza. Si la información perfecta indica que el mercado va a ser favorable, se construirá la planta
grande y la utilidad será de $200,000. Si la información perfecta dice, que el mercado será desfavorable, se
seleccionará la alternativa "no hacer nada", y el resultado será 0. Estos valores se muestran en la fila "con
información perfecta" de la tabla 3.10. En segundo lugar, se calcula el valor esperado con información
perfecta. Luego, utilizando este resultado, se calcula el 'VEIP.
El valor esperado con información perfecta es
TABLA 3.10
ESTADO DE LA NATURALEZA
Tabla de decisiones con
información perfecta MERCADO MERCADO
FAVORABLE DESFAVORABLE
ALTERNATIVA ($) ($) VME ($)
Análisis de sensibilidad
En las secciones anteriores, se determinó que la mejor decisión (con probabilidades conocidas) para
Thompson Lumber era construir la planta pequeña, con un valor esperado de $40,000. Esta conclusión
depende de los valores de las consecuencias económicas y de los dos valores de probabilidad para un
El análisis de sensibilidad investiga mercado favorable y uno desfavorable. El análisis de sensibilidad investiga cómo nuestra decisión po-
cómo podría cambiar nuestra dría cambiar dado un cambio en los datos del problema. En esta sección, se investiga el impacto que
decisión con datos de entrada tendría un cambio en los valores de probabilidad sobre la decisión en el caso de Thompson Lumber.
diferentes. Primero definimos la variable siguiente:
P = probabilidad de un mercado favorable
Debido a que sólo hay dos estados de la naturaleza, la probabilidad de un mercado desfavorable debe
ser 1 — P.
Ahora podemos expresar los VME en términos de P, como se muestra en las siguientes ecuaciones.
Además, en la figura 3.1 se presenta una gráfica de los valores del VME.
FIGURA 3.1
Análisis de sensibilidad Valores VME
5300,000
—S200.000
Como se observa en la figura 3.1,1a mejor decisión es no hacer nada, siempre y cuando P esté entre
O y la probabilidad asociada con el punto 1, donde el VME para no hacer nada es igual al VME para la
planta pequeña. Cuando P está entre las probabilidades de los puntos 1 y 2, la mejor decisión es la cons-
trucción de la planta pequeña. El punto 2 es donde el VME para la planta pequeña es igual al VME para
la planta grande. Cuando P es mayor que la probabilidad para el punto 2, la mejor decisión es construir la
planta grande. Por supuesto, esto es lo que se puede esperar a medida que P aumenta. El valor de P en los
puntos 1 y 2 se calcula de la manera siguiente:
RANGO DE
1E,JOR ALTERNATIVA VALORES DE P
No hacer nada Menor que 0.167
Construir una planta pequeña 0.167 — 0.615
Construir una planta grande Mayor que 0.615
¿Qué máquina se debería seleccionar? Para determinar la mejor alternativa, es necesario elegir un
criterio específico. Si el tomador de decisiones es optimista, sólo consideraría el mejor pago (el mínimo)
para cada decisión. Estos se muestran en la tabla 3.13, y el mejor (mínimo) de ellos es 700. Por lo tanto,
seleccionaría la máquina C, lo cual permitiría lograr el mejor costo de $700.
Si el tomador de decisiones es pesimista, sólo consideraría el peor pago (el máximo) para cada de-
cisión. Éstos también se muestran en la tabla 3.13, y el mejor (mínimo) de ellos es 1,150. Por lo tanto,
seleccionaría la máquina A con base en el criterio pesimista. Así garantizaría que el costo no sería superior
a 1,150, independientemente de qué estado de la naturaleza se produjera.
De acuerdo con el criterio de Hurwicz, si se supone que el tomador de decisiones es 70% optimista (el
coeficiente de realismo es 0.7), el promedio ponderado de los mejores y los peores pagos para cada alterna-
tiva se calcularía mediante la fórmula:
Promedio ponderado = 0.7(el mejor pago) + (1 — 0.7)(el peor pago)
Para cada una de las tres máquinas copiadoras, se pueden obtener los siguientes valores.
La decisión sería seleccionar la máquina C con base en este criterio, ya que tiene el costo promedio pon-
derado más bajo.
Para el criterio igualmente probable, se calcula el pago promedio de cada máquina.
Con base en el criterio igualmente probable, se seleccionaría la máquina C porque tiene el menor costo
promedio.
Para aplicar el criterio del VME, es necesario conocer las probabilidades para cada estado de la natu-
raleza. Los registros anteriores indican que 40% de las veces el número de copias realizadas en un mes fue
10,000, mientras que 30% de las veces fue 20,000 y 30% de las veces fue 30,000. Las probabilidades para
los tres estados de la naturaleza serían 0.4, 0.3 y 0.3, respectivamente. Estas probabilidades se pueden usar
para calcular los VME, y los resultados son los mostrados en la tabla 3.14. La máquina C se seleccionaría
porque tiene el VME más bajo. El costo mensual promediaría $970 con esta máquina, mientras que las
otras máquinas promediarían un costo más alto.
TABLA 3.14
10,000 COPIAS 20,000 COPIAS 30,000 COPIAS
Valores monetarios MENSUALES MENSUALES MENSUALES VME
esperados y
valor esperado con Máquina A 950 1,050 1,150 1,040
información perfecta Máquina B 850 1,100 1,350 1,075
para el departamento de Máquina C 700 1,000 1,300 970
Análisis de Negocios
Con información perfecta 700 1,000 1,150 925
Probabilidad 0.4 0.3 0.3
TABLA 3.15
10,000 COPIAS 20.000 COPIAS 30,000 COPIAS
Tabla de pérdida MENSUALES NI ENSI. LES MENSUALES MÁXIMO POE
de oportunidad para
el departamento de Máquina A 250 50 O 250 115
Análisis de Negocios Máquina B 150 100 200 200 150
Máquina C 150 150 45
Probabilidad 0.4 0.3 0.3
Para encontrar el VEIP, se determinan primero los pagos (costos) que se experimentarían con infor-
mación perfecta. El mejor pago en cada estado de la naturaleza es el valor (costo) más bajo en ese estado
de la naturaleza, como se indica en la fila inferior de la tabla 3.14. Estos valores sirven para calcular el
VEcIP. Con estos costos, encontramos
VEcIP = $925
Mejor VME sin información perfecta = $970
VEIP = 970 — 925 = $45
QM para Windows
Para utilizar QM para Windows en la resolución del ejemplo de Thompson Lumber, seleccione Modules —
Decision Theory. Después, introduzca las New-Payoff Tables, y aparecerá una ventana que le permite con-
figurar el problema. Especifique un título, el número de opciones (alternativas), el número de escenarios
78 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
Entrada en QM para
(4. Piciks frnamizel
Introduzca los datos en la tabla ,
-\ r- j .7
PROGRAMA 3.1B
Pantalla de salida en ll o iii› La al Ett el ni 11 si y. 7-. -- 1 °°*4 •I MI Illl AL ''kI QI 110 EdltDati
QM para Windows del Objective Hurwic.. Alpha
er Roías tmeornize) 1 1 7 1
ejemplo de Thompson r Cata (minimiza) "Haga clic en Window
Lumber
-. para ver más información.
(estados de la naturaleza), y si desea maximizar o minimizar. En este ejemplo, hay tres alternativas u
opciones, y dos estados de la naturaleza o escenarios. Después de ingresarlos, haga clic en OK y aparecerá
una ventana (programa 3.1A) que le permite introducir las probabilidades y los pagos. También puede
cambiar los nombres de las alternativas y los estados de la naturaleza, simplemente escribiendo sobre los
nombres predeterminados. Al hacer clic en Solve, aparece la salida del programa 3.1B. Es posible obtener
resultados adicionales como el VEIP y la pérdida de oportunidad, al hacer clic en Window sobre la pantalla
donde se muestra el resultado.
Excel QM
Si desea utilizar Excel QM para el ejemplo de Thompson Lumber, desde la barra de Excel QM en Excel
2013, haga clic en el menú Alphabetical y seleccion Decision Analysis — Decision Tables. Cuando se abra
la ventana para introducir los parámetros del proble a, usted debe ingresar un título, el número de alterna-
tivas, el número de estados de la naturaleza y especi car si desea maximizar o minimizar. Haga clic en OK
y se creará una tabla de pagos vacía. Simplemente troduzca las probabilidades, los pagos y los nombres
de filas y columnas. Los cálculos se realizan auto ticamente y los resultados son como se muestran en
el programa 3.2A. Aunque en Excel QM las fórmu as se desarrollan automáticamente, el programa 3.2b
muestra las fórmulas importantes de este ejemplo. Para ver las fórmulas en Excel, simplemente mantenga
presionada la tecla Control y pulse la tecla del acento grave C) (que normalmente se encuentra encima de
la tecla Tab). Para que la pantalla de la hoja de cálculo en Excel 2013 muestre nuevamente números en vez
de fórmulas, sólo tiene que pulsar esas teclas de nuevo.
3.8 ÁRBOLES DE DECISIÓN 79
PROGRAMA 3.2A .4 A e C O E
Thompson Lumber/'para ver las fórmulas, mantenga pulsada la tecla de control (Chi) y
Resultados en Excel QM 2
3 Decision Tablea pulse la tecla' (acento grave), que generalmente se encuentra
para el ejemplo de 4 ohi, encima de la tecla Tab.
Thompson Lumber 5 value.
6 Dar
7 Profit Favorable Market Unfavorable Market EMV Minimum Maximum
8 Probablny 0.5 0.5
9 Large plant 200000 -100000 10000 -180000 200000
10 Small plant 100000.1 -20000 40000 -20000 100000
11 Do nothing ei 0 O O O 1
PROGRAMA 3.2B E
9 =SUMFROOUCT88513.SC58.139:03)
F
4.0N(39:C9)
G
faitaX031.C9)
10 =SUMPRODUCT(SE3S8 SCS8.810.C10) ,44INE10:C 10) 1~310-C10)
Fórmulas clave en Excel 11 =SULINIODUCT(S8S8.SCS8.811.C11) 4,10,(B11.C11) 14AAX(B11 C11)
QM para el ejemplo de 12 =MAX(E1E11) I —MAX(F9:F11) 1—LIAX(G9:G11)
13
Thompson Lumber 14
15 '-SUMPRODUCT(813$8:SCS8.1315:C15) <-Expected value
16 =812 <-Bes[ expected val
17 -E15-E12 <-Expected value O
18
19
20 Expected Maximum
21
22 1=SUMPRODUCT(S8S8:SCS8.1322:C22) =MAX(822:C22)
23 =SUMPRODUCT(S8S8 SCS8,1323:C23) AAX(823.C23)
24 =SUMPRODUCT(5858:5CS8,824:C24) =MAX(824:C24)
25 41114(E72:E24) .»MIN(F22:F24)
FIGURA 3.2
Un nodo de decisión Un nodo del estado de la naturaleza
Árbol de decisión de
Mercado favorable
Thompson
.‹ 5\2'
Mercado desfavorable
2P'5'
1. Definir el problema.
2. Estructurar o dibujar el árbol de decisión.
3. Asignar probabilidades a los estados de la naturaleza.
4. Estimar los pagos para cada combinación posible de alternativas y estados de la naturaleza.
5. Resolver el problema calculando los VME para cada nodo del estado de la naturaleza, lo cual se
realiza trabajando hacia atrás; es decir, empezando desde la derecha del árbol y trabajando hacia
atrás, hasta los nodos de decisión a la izquierda. Además, en cada nodo de decisión, se selecciona
la alternativa con el mejor VME.
El árbol de decisión final con los pagos y las probabilidades para la situación de la decisión de John
Thompson se ilustra en la figura 3.3. Observe que los pagos se colocan en el lado derecho de cada una
de las ramas del árbol. Las probabilidades se muestran entre paréntesis al lado de cada estado de la natu-
raleza. A partir de los pagos a la derecha de la figura, se calculan los VME para cada nodo del estado de
la naturaleza y se colocan en seguida de sus respectivos nodos. El VME del primer nodo es de $10,000.
Esto representa la rama del nodo de decisión de construir una planta grande. El VME para el nodo 2, la
FIGURA 3.3
VME para el
Árbol de decisión nodo 1 = $10,000 = (0.5)($200,000) + (0.5)( -$180,000)
completo y resuelto para
Pagos
Thompson Lumber 1
Se selecciona la Mercado favorable (0.5)
alternativa con 1 $200,000
el mejor VME
095\ Mercado desfavorable (0.5)
• \1`.2'5)\2\‘2' S180,000
/
‘S
/ GoConstruir Mercado favorable (0.5)
>e una planta $100,000
pequeña
Mer ado desfavorable (0.5)
$20,000
VME para el
(0.5)($100,000) + (0.5)( -$20,000)
nodo 2 = $40,000
$0
3.8 ÁRBOLES DE DECISIÓN 81
construcción de una planta pequeña, es de 540,000. La construcción de ninguna planta o no hacer nada
tiene, por supuesto, un pago de $0. Se debe elegir la rama que sale del nodo de decisión que conduce al
nodo del estado de la naturaleza con el mayor VME. En el caso de Thompson, se debería construir una
planta pequeña.
UNA DECISIÓN MÁS COMPLEJA PARA THOMPSON LUMBER, INFORMACIÓN MUESTRAL Cuando
es necesario tomar decisiones secuenciales, los árboles de decisión son herramientas mucho más pode-
rosas que las tablas de decisiones. Digamos que John Thompson debe tomar dos decisiones, donde la
segunda decisión depende del resultado de la primera. Antes de decidir sobre la construcción de una nueva
planta, John tiene la opción de llevar a cabo su propia encuesta de investigación de mercados, a un costo
de $10,000. La información de su encuesta ayudaría a decidir si debería construir una planta grande, una
planta pequeña o no construir nada. John reconoce que tal encuesta de mercado no le proveerá información
perfecta y, sin embargo, ayudaría un poco.
Es necesario tomar en cuenta El nuevo árbol de decisión de John se representa en la figura 3.4. Revisemos cuidadosamente este
todos los resultados y todas las árbol más complejo. Observe que en su secuencia lógica se incluyen todos los resultados y todas las alter-
alternativas. nativas posibles. Éste es uno de los puntos fuertes de la utilización de árboles de decisión en la toma de de-
cisiones. El usuario está obligado a examinar todos los resultados posibles, incluyendo los desfavorables.
Asimismo, está obligado a tomar decisiones de manera lógica y secuencial.
FIGURA 3.4
Árbol de decisión más grande, con los pagos y las probabilidades de Thompson Lumber
sge
•<j-Ze Ninguna planta
zoc, —S10,000
Ninguna planta
SO
82 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
Al examinar el árbol, se observa que el prime punto de decisión de Thompson es si llevará a cabo
el estudio de mercado por $10,000. Si decide no ha r el estudio (la parte inferior del árbol), puede cons-
truir una planta grande, una planta pequeña o no co struir. Éste es el segundo punto de decisión de John.
El mercado será favorable (0.50 de probabilidades o desfavorable (también 0.50 de probabilidades) si
construye. Los pagos para cada una de las consecuencias posibles se listan a lo largo del lado derecho. De
hecho, la parte inferior del árbol de John es idéntico al árbol de decisión más sencillo que se muestra en la
figura 3.3. ¿Por qué ocurre así?
La parte superior de la figura 3.4 refleja la decisión de realizar el estudio de mercado. El nodo 1 del
estado de la naturaleza tiene dos ramas. Hay una posibilidad de 45% de que los resultados de la encuesta
indiquen un mercado favorable para los cobertizos de almacenamiento. También observamos que hay una
probabilidad de 0.55 de que los resultados de la encuesta sean negativos. La deducción de esta probabili-
dad se estudiará en la siguiente sección.
La mayoría de las probabilidades El resto de las probabilidades que aparecen entre paréntesis en la figura 3.4 son probabilidades con-
son probabilidades condicionales. dicionales o probabilidades posteriores (estas probabilidades también se analizarán en la siguiente sec-
ción). Por ejemplo, 0.78 es la probabilidad de un mercado favorable para los cobertizos dado un resultado
favorable en el estudio de mercado. Desde luego, se esperaría que haya una alta probabilidad de un mer-
cado favorable, dado que la investigación indicó que el mercado era bueno. No olvide, sin embargo, que
existe la posibilidad de que los $10,000 del estudio de mercado de John no resulten en información per-
fecta o incluso confiable. Cualquier estudio de investigación de mercado está sujeto a error. En este caso,
hay una posibilidad de 22% de que el mercado para cobertizos sea desfavorable, dado que los resultados de
la encuesta fueron positivos.
Observamos que hay una posibilidad de 27% de que el mercado de cobertizos sea favorable, dado que
los resultados de la encuesta de John fueron negativos. La probabilidad es mucho más alta, 0.73, de que el
mercado en realidad sea desfavorable dado que la encuesta fue negativa.
El costo de la encuesta debió ser Por último, cuando observamos la columna de pagos en la figura 3.4, vemos que $10,000, el costo del
restado de los pagos originales. estudio de mercado, debió ser restado de cada una de las 10 ramas superiores del árbol. Por consiguiente,
una planta grande con un mercado favorable norm ente generaría una utilidad de $200,000. Pero debido
a que se llevó a cabo el estudio de mercado, esta c a se reduce en $10,000, hasta $190,000. En el caso
desfavorable, la pérdida de $180,000 aumentaría a na pérdida mayor de $190,000. Del mismo modo, la
realización de la encuesta y la opción de no construir ninguna planta ahora implica un pago de —$10,000.
Comenzamos con el cálculo del VME Después de especificar todas las probabilidades y todos los pagos, podemos empezar a calcular el
de cada rama. VME en cada nodo del estado de la naturaleza. Comenzamos en el extremo o lado derecho del árbol de
decisión y trabajamos hacia el origen. Cuando terminemos, se sabrá cuál es la mejor decisión.
1. Si los resultados de la encuesta son favorables,
VME(nodo 2) = VME(planta grande 1 encuesta positiva)
= (0.78)($190,000) + (0.22)(—$190,000) = $106,400
VME(nodo 3) = VME(planta pequeña1encuesta positiva)
= (0.78)($90,000) + (0.22)(—$30,000) = $63,600
Primero se realizan los cálculos del En este caso, el VME de no construir ninguna planta es —$10,000. Por lo tanto, si los resultados de la
VME para resultados favorables en encuesta son favorables, se debería construir una planta grande. Observe que llevamos el valor espe-
la encuesta. rado de esta decisión ($106,400) al nodo de decisión para indicar que, si los resultados de la encuesta
son positivos, nuestro valor esperado será $106,400. Esto se muestra en la figura 3.5.
2. Si los resultados de la encuesta son negativos,
VME (nodo 4) = VME(planta grande1encuesta negativa)
= (0.27)($190,000) + (0.73)(—$190,000) = —$87,400
VME(nodo 5) = VME(planta pequeña I encuesta negativa)
= (0.27)($90,000) (0.73)(—$30,000) = $2,400
En seguida se realizan los De nuevo, el VME de no construir ninguna pl ta es —$10,000. Por consiguiente, dado un resultado
cálculos del VME para resultados negativo de la encuesta, John debe construir a planta pequeña con un valor esperado de $2,400, y
desfavorables en la encuesta. esta cifra se indica en el nodo de decisión.
3. Si continuamos en la parte superior del árbol y nos movemos hacia atrás, es posible calcular el valor
esperado de realizar el estudio de mercado:
VME(nodo 1) = VME( alización de encuesta)
Seguimos trabajando hacia atrás
hasta el origen, mediante el cálculo = (0.45)( 106,400) + (0.55)($2,400)
de los valores del VME. = $47,88 + $1,320 = $49,200
3.8 ÁRBOLES DE DECISIÓN 83
FIGURA 3.5
Árbol de decisión de Thompson que incluye los VME
Ninguna planta
—$10,000
Ninguna planta
—S10,000
/Yo
$10,000 Mercado favorable (0.50)
Pio $200,000
Go_ Mercado desfavorable (0.50)
sto $180,000
S40,000 Mercado favorable (0.50)
Planta $100,000
pequeña Mercado desfavorable(0.50)
$20,000
Ninguna planta
SO
En la figura 3.5, se colocan esos valores esperad s en el árbol de decisión. Observe en el árbol que un
par de lineas transversales / / a través de una rama d decisión indica que se elimina una alternativa espe-
cífica para su consideración posterior. Esto es porqu su VME es inferior al VME de la mejor alternativa.
Es posible que después de haber resuelto varios probl mas de árboles de decisión le resulte más fácil hacer
todos sus cálculos sobre el diagrama de árbol.
VALOR ESPERADO DE INFORMACIÓN MUESTRA Con el estudio de mercado que pretende realizar,
John Thompson sabe que su mejor decisión será co struir una planta grande, si la encuesta es favorable
o una pequeña si los resultados de la encuesta son negativos. Pero John también nota que la realiza-
ción de la investigación de mercado no es gratuita. Le gustaría saber cuál es el valor real de realizar la
encuesta. Una forma de medir el valor de la información de mercado es calcular el valor esperado de
El VEIM mide el valor de la la información muestral (VEIM), que es el aumento del valor esperado que resulta de la información
información muestra'. muestral
El valor esperado con información muestral (VE con IM) se encuentra a partir del árbol de deci-
sión, y el costo de la información muestral está considerado en el árbol puesto que se resta de todos los
pagos antes de calcular el VE con IM. En seguida, el valor esperado sin información muestra! (VE sin
IM) se resta del VE con IM para encontrar el valor de la información muestral.
donde
VEIM = valor esperado de la información muestral
VE con IM = valor esperado con información muestral
VE sin IM = valor esperado sin información muestral
En el caso de John, su VME sería $59,200 si no hubiera restado ya el costo del estudio de $10,000 de
cada pago. (¿Puede verlo de esta manera? Si no es así, agregue $10,000 de nuevo a cada pago, como en el
problema original de Thompson, y recalcule el VME de realizar el estudio de mercado). A partir de la rama
inferior de la figura 3.5, se observa que el VME de no reunir la información muestral es de $40,000. Por
consiguiente,
VEIM = ($49,200 + $10,000) — $40,000 = $59,200 — $40,000 = $19,200
Esto significa que John podría haber pagado hasta $19,200 por un estudio de mercado y aun así salir bene-
ficiado. Dado que cuesta sólo $10,000, en realidad resulta útil llevar a cabo la encuesta.
Por lo tanto, el estudio de mercado sólo es 32% efici nte con respecto a la información perfecta.
Análisis de sensibilidad
Al igual que con las tablas de pago, es posible aplicar análisis de sensibilidad a los árboles de decisión.
El enfoque general es el mismo. Considere el árbol de decisión para el problema de Thompson Lumber
3.9 CÓMO ESTIMAR VALORES DE PROBABILIDAD MEDIANTE EL ANÁLISIS BAYESIANO 85
ampliado, como se indica en la figura 3.5. ¿Qué tan sensible es nuestra decisión (realizar una encuesta de
marketing) a la probabilidad de obtener resultados favorables en la encuesta?
Sea p la probabilidad de obtener resultados favorables en la encuesta. Entonces (1 — p) es la proba-
bilidad de obtener resultados negativos en la encuesta. Dada esta información, es posible desarrollar una
expresión para el VME de realizar la encuesta, que es el nodo 1:
Somos indiferentes cuando el VME de realizar el estudio de mercado, el nodo 1, es igual al VME de
no llevar a cabo la encuesta, que es de $40,000. El punto de indiferencia se puede encontrar al igualar el
VME (nodo 1) a $40,000:
$104,000p + $2,400 = $ 40,000
$104,000p = $ 37,600
$ 37,600
p= = 0.36
$104,000
Siempre que la probabilidad p de obtener resultados favorables en la encuesta sea mayor que 0.36, nues-
tra decisión seguirá siendo la misma. Cuando p sea menor que 0.36, nuestra decisión será no realizar la
encuesta.
También podríamos efectuar un análisis de sensibilidad para otros parámetros del problema. Por
ejemplo, podríamos encontrar qué tan sensible es nuestra decisión ante la probabilidad de un mercado
favorable dado un resultado favorable en la encuesta. En este momento, esa probabilidad es 0.78. Si
dicho valor aumenta, la planta grande se hace más atractiva. En este caso, nuestra decisión no cam-
biaría. ¿Qué pasa cuando esta probabilidad disminuye? El análisis se vuelve más complejo. A medida
que se reduce la probabilidad de un mercado favorable dado un resultado favorable en la encuesta, la
planta pequeña se hace más atractiva. En algún momento, la planta pequeña dará lugar a un VME ma-
yor (dado un resultado favorable en la encuesta) que la planta grande. Sin embargo, esto no concluye
nuestro análisis. A medida que la probabilidad de un mercado favorable dado un resultado favorable en
la encuesta siga disminuyendo, habrá un punto donde no realizar la encuesta, con un VME de $40,000,
será más atractivo que la realización del estudio de mercado. Dejaremos que usted efectúe los cálculos
reales. Es importante señalar que el análisis de sensibilidad debería considerar todas las consecuencias
posibles.
A continuación mostraremos cómo John Thompson rue capaz de obtener estos valores con el teorema de
Bayes. A partir de análisis con especialistas en investigación de mercados de la universidad local, John
sabe que las encuestas especiales como la suya pueden resultar tanto positivas (es decir, que predicen un
mercado favorable) como negativas (es decir, que predicen un mercado desfavorable). Los expertos han
dicho a John que, estadísticamente, de todos los nuevos productos con un mercado favorable (MF), los es-
tudios de mercado fueron positivos y predijeron correctamente el éxito 70% de las veces. El 30% de las ve-
ces las encuestas predijeron erróneamente resultados negativos o un mercado desfavorable (MD). Por otro
lado, cuando en realidad no había un mercado desfavorable para un nuevo producto, 80% de las encuestas
predijeron correctamente los resultados negativos. Las encuestas predijeron erróneamente resultados posi-
tivos el 20% restante de las veces. Estas probabilidades condicionales se resumen en la tabla 3.16 y son un
indicativo de la precisión de la encuesta que John está planeando para su empresa.
Recuerde que, sin ningún tipo de información de encuestas de mercado, las mejores estimaciones de
John de un mercado favorable y desfavorable son
P(MF) = 0.50
P(MD) = 0.50
Éstas se conocen como las probabilidades previas.
Ahora estamos listos para calcular probabilidades revisadas o posteriores de Thompson. Estas proba-
bilidades deseadas son el inverso de las probabilidades de la tabla 3.16. Necesitamos la probabilidad de un
mercado favorable o desfavorable, dado un resultado positivo o negativo del estudio de mercado. La forma
general del teorema de Bayes presentada en el capítulo 2 es
P(BIA)P(A)
"AlB) (3-6)
= P(BIA)P(A) + P(BIA')P(A')
donde
A, B = cualesq?iera dos eventos
A' = compleilnento de A
Consideremos que A representa un mercado favorable y B representa una encuesta positiva. Entonces,
al sustituir los números apropiados en esta ecuaciórIi, obtenemos las probabilidades condicionales, dado
que el estudio de mercado es positivo:
P(encuesta positiva1MF)P(MF)
P(MF I encuesta positiva)
P(encuesta positivalMF)P(MF) + P(encuesta positiva1MD)P(MD)
(0.70)(0.50) 0.35
=
- (0.70)(0.50) + (0.20)(0.50) 0.45 — 078
Observe que el denominador (0.45) en estos cálculos es la probabilidad de una encuesta positiva. Un
método alternativo para realizar estos cálculos es usar una tabla de probabilidad, como la mostrada en la
tabla 3.17.
3.9 CÓMO ESTIMAR VALORES DE PROBABILIDAD MEDIANTE EL ANÁLISIS BAYESIANO 87
TABLA 3.17
Revisiones de probabilidad dada una encuesta positiva
O> PROBABILIDAD
CONDICIONAL
P(EN('I ESTA
PROBABILIDAD POSTERIOR
PISTADO DE
ESTADO DE LA POSITIVA. ESTADO DE PROBABILIDAD PROBABILIDAD LA NATURALEZA!
NATURALEZA LA NATURALEZA) PREVIA CONJUNTA ENCUESTA POSITIVA)
MF 0.70 X 0.50 = 0.35 0.35/0.45 = 0.78
MD 0.20 X 0.50 =- 0.10 0.10/0.45 = 0.22
P(la encuesta resulta positiva) = 0.45 1.00
Observe que el denominador (0.55) en estos cálculos es la probabilidad de una encuesta negativa. Estos
cálculos, dado un estudio negativo, también podrían realizarse en forma tabular, como se indica en la tabla
3.18.
Los cálculos mostrados en las tablas 3.17 y 3.18 se pueden realizar fácilmente en hojas de cálculo
de Excel. Los programas 3.3A y 3.3B muestran el resultado final de este ejemplo, así como sus fórmulas.
Ahora, las probabilidades posteriores dan a John Thompson estimaciones para cada estado de la natu-
Las probabilidades nuevas ofrecen raleza, si los resultados del estudio fueran positivos o negativos. Como usted sabe, la probabilidad previa
información valiosa. de éxito de John, sin un estudio de mercado, solamente era de 0.50. Ahora él está consciente de que la pro-
babilidad de éxito en el mercado de los cobertizos de almacenamiento será de 0.78, si su estudio muestra
resultados positivos. Sus posibilidades de éxito caerían a 27%, si el informe de la encuesta es negativo.
Ésta es información valiosa para la gerencia, como se observó en el análisis del árbol de decisión anterior.
TABLA 3.18
Revisiones de probabilidad dada una encuesta negativa
PROGRAMA 3.3A A
1 Bayes ~oran f9r Thoralpsen Lamber
Resultados de cálculos 2 i1
de Bayes en Excel 2013 3 !Fill In ceta f37, 138, and C
4
5 Probability Revisions Given a Positive Survey
6 State of Natura P(Sur.Pos. 1 state of nature) Prior Prob. Joint Prob. Posterior Probabillty
7 FM 0.7 r, 0.35 0.78
8 UM 0.7 0.5 0.1 0.22
9 P(Sur.pos.). 0.45
10
11 Probability Revisions Given a Negative Survey
17 State of Nature P(Sur.Pos.1state of nature) Prior Prob. Joint Prob. Posterior Probability
13 FM 0.3 0.5 0.15 0.27__
14 UM 0.8 0.5 0.4 0.73
15 P(Sur.neg.). 0.55
PROGRAMA 3.3B 8 E
7 0.1 0.5 =B7•C7 =07/$0$9
Fórmulas usadas para 8 0.7 =1-C7 =118"C8 =D8/$D$9
cálculos de Bayes en 9 P(Sur.pos.)= SUM(D7:D8)
11
Excel 2013 13 =1-B7 =07 =813"C13 =013/50515
14 =1-88 =C8 ,-814•C14 =014/50515
15 P(Sur.neg.). 'Ul1.411973 D1g
para ayudar a determinar las probabilidades condicionales correctas que se requieren para resolver este
tipo de problemas con la teoría de decisiones. Al calcular las probabilidades condicionales, es necesario
tener datos sobre las encuestas y sus precisiones. Si la decisión de construir una planta o tomar otro curso
de acción se hace realidad, podemos determinar la exactitud de nuestras encuestas. Por desgracia, no
siempre podemos obtener datos sobre situaciones en las que la decisión no debió ser construir una planta
o tomar algún curso de acción. Por lo tanto, cuando usamos resultados de una encuesta, en ocasiones
estamos basando nuestras probabilidades sólo en aquellos casos en los cuales la decisión de construir una
planta o tomar algún curso de acción se hace realidad. Esto significa que, en algunas situaciones, la infor-
mación de probabilidades condicionales quizá no sea tan precisa como nos gustaría. Aun así, el cálculo
de probabilidades condicionales ayuda a refinar el proceso de toma de decisiones y, en general, permite
tomar mejores decisiones.
FIGURA 3.6
Su árbol de decisión para $2,000,000
el billete de lotería Aceptar
la oferta
SO
Cara
Rechazar (0.5)
la oferta
Cruz
(0.5)
El valor general del resultado de un resultado específico se denomina utilidad, y las personas racionales toman decisiones que maximizan
una decisión se llama utilidad. su utilidad esperada. Aunque a veces el valor monetario es un buen indicador de la utilidad, hay otras
ocasiones en las cuales no lo es. Esto es particularmente cierto cuando algunos de los valores implican
una ganancia o una pérdida extremadamente grandes. Suponga que usted es el afortunado poseedor de un
billete de lotería. Dentro de cinco minutos podría lanzar al aire una moneda y si sale cruz, usted ganaría
$5 millones; y si sale cara, usted no ganaría nada. Hace apenas un momento una persona acaudalada le
ofreció $2 millones por su billete. Suponga que usted no tiene dudas sobre la validez de la oferta, ya
que la persona le dará un cheque certificado por la cantidad total, y usted estará absolutamente seguro
de que el cheque es válido.
En la figura 3.6 se muestra un árbol de decisión para esta situación. El VME por rechazar la oferta in-
dica que usted debería conservar su billete, pero ¿qué haría? Basta pensar, $2 millones garantizados en vez
de un 50% de posibilidades de no obtener nada. Suponga que usted es lo suficientemente voraz como para
conservar el billete y después pierde. ¿Cómo explicárselo a sus amigos? ¿$2 millones no serían suficientes
para disfrutar durante un tiempo?
La mayoría de las personas elegiría vender el billete por $2 millones. De hecho, la mayor parte de
nosotros probablemente estaríamos dispuestos a conformarnos con mucho menos. ¿Qué tanto menos?
Desde luego, es una cuestión de preferencia individual. Las personas tienen diferentes sentimientos sobre
buscar o evitar riesgos. El uso del VME por sí solo no es siempre una buena manera de tomar este tipo de
decisiones.
El uso de la teoría de la utilidad representa una manera de incorporar sus propias actitudes hacia el
El VME no siempre es el mejor riesgo. En la siguiente sección, se explora primero la forma de medir la utilidad y, luego, cómo se usan las
enfoque. medidas de utilidad para la toma de decisiones.
FIGURA 3.7
(P) Mejor resultado
Apuesta estándar para la Utilidad = 1
evaluación de la utilidad
(1 — p) Peor resultado
Utilidad = O
44.65.00/
Otro resultado
Utilidad = ?
las alternativas 1 y 2, las utilidades esperadas de estas dos alternativas deben ser iguales. Esta relación se
muestra como
Utilidad esperada de la alternativa 2 = utilidad esperada de la alternativa 1
Utilidad de otro resultado = (p)(utilidad del mejor resultado, que es 1)
+ (1 — p)(utilidad del peor resultado, que es O)
Utilidad de otro resultado = (p)(1) + (1 — p)(0) = p (3-7)
Ahora, todo lo que usted debe hacer es determinar el valor de la probabilidad (p) que lo hace indife-
rente entre las alternativas 1 y 2. Al establecer la probabilidad, debería tener en cuenta que la evaluación
Una vez que se han determinado de la utilidad es completamente subjetiva. Es un valor fijado por el tomador de decisiones que no se puede
valores de utilidad, es posible medir en una escala objetiva. Consideremos un ejemplo.
construir una curva de utilidad. Jane Dickson desearía construir una curva de utilidad que revelara su preferencia por el dinero entre $0
y $10,000. Una curva de utilidad es una gráfica que representa el valor de la utilidad comparado con el valor
monetario. Jane puede invertir su dinero en una cuenta de ahorros bancaria, o bien, en un negocio inmobiliario.
Si invierte el dinero en el banco, en 3 años Jane tendría $5,000. Si invierte en el sector inmobiliario, des-
pués de 3 años podría tener nada o $10,000. Sin embargo, Jane es muy conservadora. A menos que haya un
80% de posibilidades de conseguir los $10,000 en el negocio de bienes raíces, Jane preferiría tener su dinero
en el banco, donde está seguro. Lo que Jane ha hecho aquí es valorar su utilidad por $5,000. Cuando hay una
probabilidad de 80% (esto significa que p es 0.8) de conseguir $10,000, Jane es indiferente entre poner su
dinero en bienes raíces o en el banco. Entonces, la utilidad de Jane por $5,000 es igual a 0.8, que es el mismo
valor de p. Esta evaluación de la utilidad se muestra en la figura 3.8.
Los demás valores de utilidad pueden ser evaluados de la misma manera. Por ejemplo, ¿cuál es la
utilidad de Jane por $7,000? ¿Qué valor de p haría que Jane fuera indiferente entre $7,000 y la apuesta que
daría como resultado $10,000 o bien $0? Para Jane, debe haber un 90% de posibilidades de conseguir los
$10,000. De lo contrario, ella preferiría los $7,000 en forma segura. Por lo tanto, su utilidad por $7,000 es
0.90. La utilidad de Jane por $3,000 se determina de la misma forma. Si hubieran 50% de posibilidades de
obtener los $10,000, Jane sería indiferente entre tener $3,000 seguros y tomar una apuesta en la que puede
ganar $10,000 o bien no conseguir nada. Por lo tanto. la utilidad de $3,000 para Jane es 0.5. Desde luego,
FIGURA 3.8
p= 0.80 $10.000
Utilidad de $5,000 U ($10,000) = 1.0
en (1 — p) = 0.20 $0
u (So.00) = o.o
\"‘ste<.1
ces
tac
`-'ir3/kb
$5.000
U ($5,000) = p = 0.80
FIGURA 3.9
U (S10.000) = 1.0
Curva de utilidad para 1.0
Jane Dickson U ($7,000) = 0.90
0.9
U ($5,000) = 0.80
0.8
0.7
0.6
-o
co
U ($3,000) = 0.50
0.5
0.4
0.3
0.2
0.1 U ($0) = O
.
4,7' I I I 1 I I
$0 S1,000 S3,000 $5,000 $7,000 $10,000
Valor monetario
este proceso puede continuar hasta que Jane haya evaluado su utilidad para tantos valores monetarios como
ella desee. Sin embargo, las evaluaciones realizadas son suficientes para tener una idea de los sentimientos
de Jane hacia el riesgo. De hecho, estos puntos se pueden graficar en una curva de utilidad, como se mues-
tra en la figura 3.9. En la figura se muestran los puntos de utilidad evaluados para $3,000, $5,000 y $7,000;
el resto de la curva se infiere a partir de tales puntos.
La curva de utilidad de Jane es típica de alguien averso al riesgo. Una persona con aversión al riesgo
es un tomador de decisiones que recibe menos utilidad o placer de un mayor riesgo, y tiende a evitar situa-
ciones en las cuales podría obtener pérdidas elevadas. A medida que aumentan los valores monetarios en
su curva de utilidad, la utilidad aumenta a un ritmo más lento.
En la figura 3.10 se ilustra que alguien definido como un proclive al riesgo tiene una curva de utilidad
La forma de la curva de utilidad de en forma opuesta. Este tomador de decisiones obtiene más utilidad de un mayor riesgo y un pago potencial
una persona depende de muchos más alto. A medida que se incrementan los valores monetarios en su curva de utilidad, la utilidad aumenta
factores. a un ritmo creciente. Una persona que es indiferente al riesgo tiene una curva de utilidad en forma de línea
recta. La forma de la curva de utilidad de una persona depende de la decisión específica a considerar, los
valores monetarios involucrados en la situación, el marco psicológico de la mente del sujeto y cómo se
siente la persona sobre el futuro. Es posible que usted tenga una curva de utilidad para algunas situaciones
que enfrenta y curvas completamente diferentes en otros escenarios.
FIGURA 3.10
Preferencias de riesgo
Averso
al riesgo
Proclive
al riesgo
Resultado monetario
92 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
FIGURA 3.11
Decisión que enfrenta La tachuela aterriza
Mark Simkin Apunta hacia arriba (0.45)
S10,000
La tachuela aterriza
2,50a.,/
92' Apunta hacia abajo (0.55)
O\c'
55e ,\92'. (lo $10,000
02i, e\-ye
-41/fet_
d fiLO s,
FIGURA 3.12
Curva de utilidad para
Mark Simkin
Resultado monetario
3.10 TEORÍA DE LA UTILIDAD 93
A EN ACCIÓN 1
Un modelo de utilidad con atributos múltiples
ayuda en la eliminación de armas nucleares
Paso 2. Sustituir los valores monetarios por valores de utilidad. Consulte la figura 3.13. A continuación se
muestran las utilidades esperadas para las alternativas 1 y 2:
Por consiguiente, la alternativa 1 es la mejor estrategia con la utilidad como criterio de decisión. Si se hu-
biera utilizado el VME, la alternativa 2 habría sido la mejor estrategia. La curva de utilidad es de alguien
proclive al riesgo y, sin duda, la opción de participar en el juego refleja esta preferencia por el riesgo.
FIGURA 3.13
Uso de utilidades Utilidad
La tachuela aterriza
esperadas para la Apunta hacia arriba (0.45)
toma de decisiones 0.30
La tachuela aterriza
lik< Apunta hacia abajo (0.55)
N 0.05
02' ,e\14°
5>0
9254
No participar en el juego
r 0.15
94 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
Resumen
La teoría de decisiones es un enfoque analítico y sistemático para Los árboles de decisión son otra opción, especialmente para los
el estudio de la toma de decisiones. Por lo general, la toma de de- problemas de decisión más grandes, cuando es necesario tomar una
cisiones implica la ejecución de seis pasos en tres entornos: la toma decisión antes de que sea posible tomar otras decisiones. Por ejemplo,
de decisiones en condiciones de certidumbre, incertidumbre y riesgo. la decisión de tomar una muestra o efectuar estudios de mercado se
En la toma de decisiones con incertidumbre, se construyen tablas toma antes de decidirnos a construir una planta grande, una planta pe-
de decisión para calcular criterios como maximax, maximin, crite- queña o no construir ninguna. En este caso, también podemos calcular
rio de realismo, igualmente probable y arrepentimiento minimax. el valor esperado de la información muestral (VEIM) para determi-
Los métodos como la determinación del valor monetario esperado nar el valor de la investigación de mercado. La eficiencia de la infor-
(VME), el valor esperado de la información perfecta (VEIP), la pér- mación muestral compara el VEIM con el VEIP. El análisis bayesiano
dida de oportunidad esperada (POE) y el análisis de sensibilidad se se utiliza para revisar o actualizar los valores de probabilidad, usando
utilizan en la toma de decisiones con riesgo. tanto las probabilidades previas como otras probabilidades relaciona-
das con la exactitud de la fuente de información.
Glosario
Alternativa Un curso de acción o una estrategia que puede ser ele- Maximax Un criterio optimista para la toma de decisiones. Selec-
gida por un tomador de decisiones. ciona la alternativa con el mayor rendimiento posible.
Apuesta estándar El proceso utilizado para determinar valores de Maximin Un criterio pesimista para la toma de decisiones. Esta al-
utilidad. ternativa maximiza la ganancia mínima. Selecciona la alternativa
Árbol de decisión Una representación gráfica de una situación en con el mejor de los peores pagos posibles.
la que se deben tomar decisiones. Nodo (punto) de decisión En un árbol de decisión, éste es un
Arrepentimiento Pérdida de oportunidad. punto donde se elige la mejor de las alternativas disponibles. Las
Arrepentimiento minimax Un criterio que minimiza la máxima ramas representan las alternativas.
pérdida de oportunidad. Nodo del estado de la naturaleza En un árbol de decisión, un
Averso al riesgo Una persona que evita el riesgo. En la curva de punto donde se calcula el VME. Las ramas que provienen de este
utilidad, a medida que aumenta el valor monetario, la utilidad se nodo representan estados de la naturaleza.
incrementa a un ritmo decreciente. Este tomador de decisiones re- Pérdida de oportunidad Cantidad que se perdería por no elegir
cibe menos utilidad por un mayor riesgo y un mayor rendimiento la mejor alternativa. Para cualquier estado de la naturaleza, es la
potencial. diferencia entre las consecuencias de cualquier alternativa y las de
Coeficiente de realismo (a) Un número entre O y 1. Cuando el la mejor alternativa posible.
coeficiente es cercano a 1, el criterio de decisión es optimista. Probabilidad condicional Una probabilidad posterior.
Cuando el coeficiente es cercano a O, el criterio de decisión es Probabilidad posterior Una probabilidad condicional de un estado
pesimista. de naturaleza que ha sido ajustada con base en información mues-
Criterio de Hurwicz Criterio de realismo. tral. Se encuéntra usando el teorema de Bayes.
Criterio de Laplace Criterio igualmente probable. Probabilidad previa La probabilidad inicial de un estado de la na-
Criterio de realismo Un criterio para la toma de decisiones que turaleza antes de usar información muestral, que se utiliza con el
utiliza un promedio ponderado de los mejores y peores pagos po- teorema de Bayes para obtener una probabilidad posterior.
sibles para cada alternativa. Proclive al riesgo Una persona que busca el riesgo. En la curva
Criterio del promedio ponderado Otro nombre para el criterio de de utilidad, a medida que aumenta el valor monetario, la utilidad
realismo. se incrementa a un ritmo creciente. Este tomador de decisiones
Criterio optimista El criterio maximax. obtiene más placer por un mayor riesgo y un mayor rendimiento
Curva de utilidad Una gráfica o curva que revela la relación entre potencial.
la utilidad y los valores monetarios. Después de construir esta Tabla de decisiones Una tabla de pagos.
curva, sus valores de utilidad se pueden utilizar en el proceso de Tabla de pagos Una tabla que lista las alternativas, los estados de
toma de decisiones. la naturaleza y los pagos en una situación de toma de decisiones.
Decisiones secuenciales Decisiones en las que el resultado de una Teoría de decisiones Un enfoque analítico y sistemático para la
decisión influye sobre las demás. toma de decisiones.
Eficiencia de la información muestral Una medida de qué tan buena Teoría de la uti lidad Una teoría que permite a los tomadores de
es la información muestra]. en relación con la información perfecta. decisiones ir corporar sus preferencias de riesgo y otros factores al
Estado de la naturaleza Un resultado u ocurrencia sobre la que el proceso de t ma de decisiones.
tomador de decisiones tiene poco o ningún control. Toma de decisi mes con certidumbre Un entorno para la toma de
Evaluación de la utilidad El proceso que consiste en determinar decisiones d nde se conocen los resultados o los estados de la
la utilidad de los distintos resultados. Por lo general, esto se hace naturaleza f turos.
con una apuesta estándar entre cualquier resultado seguro, y una Toma de decisiones con incertidumbre Un entorno para la toma de
apuesta entre el peor y el mejor de los resultados. decisiones en el que pueden ocurrir varios resultados o estados de la
Igualmente probable Un criterio de decisión que coloca el mismo naturaleza. Sin embargo, las probabilidades de estos resultados no
peso en todos los estados de la naturaleza. se conocen.
PROBLEMAS RESUELTOS 95
Toma de decisiones con riesgo Un entorno para la toma de deci- Valor esperado de la información muestral (VEIM) El aumento
siones en el cual pueden ocurrir varios resultados o estados de la del VME que resulta de tener información muestral o imperfecta.
naturaleza, como consecuencia de una decisión o una alternativa. Valor esperado de la información perfecta (VEIP) El valor
Se conocen las probabilidades de los resultados o los estados de la promedio o esperado de la información si fuera completamente
naturaleza. exacta. El aumento del VME que resulta de tener información
Utilidad El valor o beneficio general de un resultado en particular. perfecta.
Valor condicional o pago Una consecuencia, normalmente expre- Valor monetario esperado (VME) El valor promedio de una deci-
sada en un valor monetario, que se produce como resultado de una sión si se puede repetir muchas veces. Esto se determina multipli-
alternativa en particular y un estado de la naturaleza. cando los valores monetarios por sus respectivas probabilidades.
Valor esperado con información perfecta (VEcIP) El valor pro- Después, los resultados se suman para obtener el VME.
medio o esperado de una decisión si se dispone del conocimiento
perfecto del futuro.
Ecuaciones clave
(3-3) VEIP = VEcIP — Mejor VME Teorema de Bayes, la probabilidad condicional del evento A
dado que ha ocurrido el evento B.
Una ecuación que calcula el valor esperado de la información
perfecta. (3-7) Utilidad de otro resultado = (p)(1) + (1 — p)(0) = p
(3-4) VEIM = (VE con IM + costo) — (VE sin IM) Una ecuación que determina la utilidad de un resultado
intermedio.
Una ecuación que calcula el valor esperado (VE) de la infor-
mación muestral (IM).
Problemas resueltos
Solución
a. Dado que el entorno de la toma de decisiones es el riesgo (se conocen las probabilidades), resulta apropiado
utilizar el criterio del VME. El problema se puede resolver mediante el desarrollo de una tabla de pagos que
contenga todas las alternativas, los estados de la naturaleza y los valores de probabilidad. También se calcula el
VME para cada alternativa, como se muestra en la siguiente tabla:
ESTADO DE LA NATURALEZA
Como se observa, la mejor decisión es construir la tienda de tamaño mediano. El VME para esta alternativa es
S19,500.
ESTADO DE LA NATURALEZA
El mejor pago en un mercado bueno es de 100,000, por lo que las pérdidas de oportunidad en la primera columna
indican cuán peor es cada pago con respecto a 100,000. El mejor pago en un mercado regular es de 35,000, por lo
que las pérdidas de oportunidad en la segunda columna indican cuán peor es cada pago con respecto a 35,000. El
mejor pago en un mercado malo es 0, por lo que las pérdidas de oportunidad en la tercera columna indican cuán
peor es cada pago con respecto a O.
El criterio de arrepentimiento minimax considera el arrepentimiento máximo para cada decisión, y selecciona
la decisión correspondiente al mínimo de éstos. La decisión sería construir una tienda pequeña porque el arrepen-
timiento máximo para esta alternativa es de 40,000, mientras que el arrepentimiento máximo para cada una de las
otras dos alternativas es mayor, como se muestra en la tabla de pérdida de oportunidad.
La decisión basada en el criterio POE sería construir la tienda de tamaño mediano. Observe que la POE mí-
nima ($18,000) es igual al VEIP calculado en el inciso b. Los cálculos son
MERCADO MERCADO
FAVORABLE DESFAVORABLE
ALTERNATIVA ($) ($)
Estrategia 1 10,000 —8,000
Estrategia 2 8.000 —4,000
Estrategia 3
a. Dado que Cal es proclive al riesgo, debería utilizar el criterio de decisión maximax. Este enfoque selecciona la
fila que tiene el valor más alto o máximo. El valor de $10,000, que es el máximo de la tabla, se encuentra en
la fila 1. Por lo tanto, la decisión de Cal es seleccionar la estrategia 1, que es un enfoque de decisión optimista.
b. Becky debería utilizar el criterio de decisión maximin porque es aversa al riesgo. Se identifica el mínimo o peor
resultado para cada fila o estrategia. Estos resultados son —$8,000 para la estrategia 1, —$4,000 para la estrate-
gia 2 y $0 para la estrategia 3. Se selecciona el máximo de estos valores. Por lo tanto, Becky seleccionaría la
estrategia 3, que refleja un enfoque de decisión pesimista.
c. Si Cal y Becky son indiferentes al riesgo, podrían utilizar el enfoque igualmente probable, el cual selecciona
la alternativa que maximiza los promedios de las filas. El promedio de fila para la estrategia 1 es de $1,000 [es
decir, $1,000 = ($10,000 — $8,000)/2]. El promedio de fila para la estrategia 2 es de $2,000 y el promedio de
fila para la estrategia 3 es de $0. Por lo tanto, si se emplea el enfoque igualmente probable, la decisión es selec-
cionar la estrategia 2, con lo que se maximizan los promedios de fila.
FIGURA 3.14
Árbol de decisión de (0.6) Mercado favorable
S60,000
Mónica, listado 5)\2` ‘°- •1\9, (0.4) Mercado desfavorable
$20,000
de alternativas, PeQJ
estados de la (0.6) Mercado favorable
$90.000
Planta
naturaleza, valores grande (0.4) Mercado desfavorable
de probabilidad y S30,000
resultados financieros
No realizar Ninguna planta
para el problema SO
el estudio
resuelto 3-3
Ninguna planta
—$10,000
Realizar
el estudio
1̀> (0.1) Mercado favorable
S50,000
9, O
°,r5 P~ao~ era (0.9) Mercado desfavorable
S30,000
PeQv
(0.1) Mercado favorable
Piante $80,000
grande (0.9) Mercado desfavorable
S40,000
Ninguna planta
—$10,000
fibra de vidrio para niños, Mónica decidió llevar a cabo un estudio piloto para asegurarse de que el mercado
de los veleros será adecuado. Estima que el estudio piloto le costaría $10,000. Por otro lado, el estudio piloto
puede ser favorable o desfavorable. Mónica estima que la probabilidad de un mercado favorable dado un es-
tudio piloto favorable es 0.8. La probabilidad de un mercado desfavorable dado un resultado desfavorable en
el estudio piloto se estima en 0.9. Mónica siente que hay una posibilidad de 0.65 de que el estudio piloto sea
favorable. Desde luego, Mónica podría pasar por alto el estudio piloto y simplemente tomar la decisión de si
debe construir una planta grande, una pequeña o ninguna instalación en absoluto. Sin hacer ninguna prueba
en un estudio piloto, se estima que la probabilidad de un mercado favorable es 0.6. ¿Qué recomienda usted?
Calcule el VEIM.
Solución
Antes de que Mónica comience a resolver este problema, debería desarrollar un árbol de decisión que muestre to-
das las alternativas, los estados de la naturaleza, los valores de probabilidad y las consecuencias económicas. Este
árbol de decisión se muestra en la figura 3.14.
El VME en cada uno de los nodos numerados se calcula de la siguiente manera:
VME(nodo 2) = 60,000(0.6) + -20,000)0.4 = 28,000
VME(nodo 3) = 90,000(0.6) + - 30,000)0.4 = 42,000
VME (nodo 4) = 50,000(0.8) + - 30,000)0.2 = 34,000
VME(nodo 5) = 80,000(0.8) + -40,000)0.2 = 56,000
VME(nodo 6) = 50,000(0.1) + (-30,000)0.9 = -22,000
VME(nodo 7) = 80,000(0.1) + (-40,000)0.9 = -28,000
VME(nodo 1) = 56,000(0.65) + (-10,000)0.35 = 32,900
4
PROBLEMAS RESUELTOS 99
En cada uno de los nodos cuadrados con letras, las decisiones serían:
Con base en el criterio del VME, Mónica elegiría no llevar a cabo el estudio y, después, optaría por una instalación
grande. El VME de esta decisión es de $42,000. La elección de llevar a cabo el estudio se traduciría en un VME de
tan sólo $32,900. Por lo tanto, el valor esperado de la información muestral es
De esta información podemos calcular tres probabilidades adicionales que necesitamos para resolver el problema:
Ahora podemos colocar estos valores en el teorema de Bayes para calcular la probabilidad deseada:
P(EF x P(IE)
P(IE I EF)
P(EF1IE) x P(IE) + P(EFIIN) x P(IN)
(0.9)(0.4)
(0.9)(0.4) + (0.2)(0.6)
0.360.36
= = 0.75
(0.36 + 0.12) 0.48
100 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
Además de utilizar fórmulas para resolver el problema de J hn, es posible realizar todos los cálculos en forma
tabular:
Como se observa en la tabla, los resultados son los mismos. La probabilidad de que un campo de prácticas tenga
éxito dado un resultado favorable en la investigación es 0.36/0.48, o bien, 0.75.
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Use la clave de respuestas en la parte posterior del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. En la terminología de la teoría de decisiones, un curso de b. describe el grado de optimismo del tomador de decisiones.
acción o una estrategia que puede ser elegido por un tomador c. describe el grado de pesimismo del tomador de decisiones.
de decisiones se llama d. por lo general, es menor que cero.
a. un pago. 7. Lo máximo que una persona debería pagar por la información
b. una alternativa. perfecta es
c. un estado de la naturaleza. a. el VEIP.
d. ninguna de las anteriores. b. el VME máximo menos el VME mínimo.
2. En teoría de decisiones, las probabilidades se asocian con c. la POE máxima.
a. pagos. d. el VME máximo.
b. alternativas. 8. El criterio de la POE mínima siempre dará lugar a la misma
c. estados de la naturaleza. decisión que
d. ninguna de las anteriores. a. el criterio maximax.
3. Si existen probabilidades disponibles para el tomador de b. el criterio de arrepentimiento minimax.
decisiones, entonces el entorno de toma de decisiones implica c. el criteno del VME máximo.
a. certeza. d. el criteno igualmente probable.
b. incertidumbre. 9. Un árbol de decisión es preferible a una tabla de decisiones
c. riesgo. cuando
d. ninguna de las anteriores. a. se debe tomar una serie de decisiones secuenciales.
4. ¿Cuál de los siguientes es un criterio de toma de decisiones que b. existen probabilidades disponibles.
se utilin para la toma de decisiones con riesgo? c. se utiliza el criterio maximax.
a. criterio del valor monetario esperado d. el objetivo es maximizar el arrepentimiento.
b. criterio de Hurwicz (criterio de realismo) 10. El teorema de Bayes se utiliza para revisar probabilidades. Las
c. criterio optimista (maximax) probabilidades nuevas (revisadas) se llaman
d. criterio igualmente probable a. probabi idades previas.
5. La pérdida de oportunidad esperada mínima b. probabi idades muestrales.
a. es igual al pago esperado más alto. c. probabi idades de la encuesta.
b. es mayor que el valor esperado con información perfecta. d. probab' 'dades posteriores.
c. es igual al valor esperado de la información perfecta. 11. En un 1 de decisión, en cada nodo del estado de la
d. se calcula al encontrar la decisión de arrepentimiento naturaleza
minimax. a. se selecciona la alternativa con mayor VME.
6. Al utilizar el criterio de realismo (criterio de Hurwicz), el b. se calcula un VME.
coeficiente de realismo (a) c. se suman todas las probabilidades.
a. es la probabilidad de un estado de la naturaleza bueno. d. se selecciona la rama con mayor probabilidad.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 101
12. El VEIM a. se trabaja hacia atrás (se inicia por la derecha y se avanza
a. se encuentra restando el VME sin información muestra' hacia la izquierda).
del VME con información muestral. b. se trabaja hacia adelante (se inicia por la izquierda y se
b. siempre es igual al valor esperado de la información avanza hacia la derecha).
perfecta. c. comienza en la parte superior del árbol y avanza hacia abajo.
c. es igual al VME con información muestral suponiendo que d. comienza en la parte inferior del árbol y avanza hacia
no hay ningún costo por la información menos el VME sin arriba.
información muestral. 15. En la evaluación de los valores de utilidad,
d. suele ser negativo. a. al peor resultado se le da una utilidad de —1.
13. La eficiencia de la información muestral b. al mejor resultado se le da una utilidad de 0.
a. es el VEIM/(VME máximo sin IM) expresado como un c. al peor resultado se le da una utilidad de 0.
porcentaje. d. al mejor resultado se le da un valor de —1.
b. es el VEIPNEIM expresado como un porcentaje. 16. Si una persona racional selecciona una alternativa que no
c. sería 100% si la información muestral fuera perfecta. maximiza el VME, esperaríamos que esta alternativa
d. se calcula usando sólo el VEIP y el VME máximo. a. minimice el VME.
14. En un árbol de decisión, una vez que se ha dibujado el árbol y b. maximice la utilidad esperada.
se han colocado en él los pagos y las probabilidades, el análisis c. minimice la utilidad esperada.
(cálculo del VME y la selección de la mejor alternativa) d. tenga una utilidad de cero asociada a cada pago posible.
Nota: g significa que el problema puede resolverse con QM para Windows; significa que el problema puede resolverse con Excel QM, y M significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
102 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
pérdida de $200,000. Pero Ken siempre ha sido un toma- 11. 3-22 Alle Young siempre ha estado orgulloso de sus estrategias
dor de decisiones muy optimista. perso ales de inversión y lo ha hecho muy bien en los últi-
(a) ¿A qué tipo de decisión se enfrenta Ken? mos os. Invierte principalmente en el mercado de valores.
Sin embargo, en los últimos meses Allen ha estado muy
(b) ¿Qué criterio de decisión debería utilizar?
(c) ¿Cuál alternativa es la mejor? preocupado por el mercado de valores como una buena
inversión. En algunos casos, hubiera sido mejor que Allen
la • 3-18 Aunque Ken Brown (consulte el problema 3-17) es el tuviera su dinero en un banco que en el mercado. Durante
principal propietario de Brown Oil, su hermano Bob tiene el próximo año, Allen debe decidir si invertir $10,000 en el
el crédito de haber hecho de la compañía un éxito finan- mercado de valores o en un certificado de depósito (CD) a
ciero. Bob es vicepresidente de finanzas y atribuye su una tasa de interés de 9%. Si el mercado es bueno, Allen
éxito a su actitud pesimista acerca de los negocios y la in- cree que podría obtener un rendimiento en su dinero de
dustria petrolera. Dada la información del problema 3-17, 14% Con un mercado regular, espera obtener una renta-
es probable que Bob llegue a una decisión diferente. ¿Qué bilidad de 8%. Si el mercado es malo, lo más probable es
criterio de decisión debería utilizar Bob y qué alternativa que no tenga ningún rendimiento: en otras palabras, el ren-
elegirá? dimiento sería de 0%. Allen estima que la probabilidad de
2 . 3-19 El Lubricante es un caro boletín de la industria petrolera un buen mercado es de 0.4, la probabilidad de un mercado
al que muchos gigantes del sector están suscritos, in- regular es 0.4 y la probabilidad de un mal mercado es 0.2.
cluido Ken Brown (consulte el problema 3-17 para ma- Él desea maximizar su rendimiento promedio a largo plazo.
yores detalles). En la última edición, el boletín afirmaba (a) Desarrolle una tabla de decisiones para este problema.
que la demanda de productos derivados del petróleo sería (b) ¿ Cuál es la mejor decisión?
extremadamente alta. Al parecer, el consumidor estadou-
13: 3-23 En el problema 3-22, usted ayudó a Allen Young a determi-
nidense seguiría utilizando productos derivados del pe-
nar la mejor estrategia de inversión. Ahora, Young está pen-
tróleo, incluso si el precio de estos productos se duplica.
sando en pagar un boletín de noticias del mercado de valores.
De hecho, uno de los artículos del Lubricante establecía
Uno de sus amigos le dijo que este tipo de boletines podían
que las posibilidades de un mercado favorable para los
predecir con mucha exactitud si el mercado sería bueno, re-
productos derivados del petróleo eran de 70%, mientras
gular o malo. Después, sobre la base de estos pronósticos,
que la posibilidad de un mercado desfavorable era sólo de
Allen podría tomar mejores decisiones de inversión.
30%. A Ken le gustaría usar estas probabilidades para
determinar la mejor decisión. (a) Cuánto es lo máximo que Allen estaría dispuesto a
1 agar por un boletín de noticias?
(a) ¿Qué modelo de decisión debería utilizar?
(b) Young ahora cree que un buen mercado dará un rendi-
(b) ¿Cuál es la decisión óptima? miento de sólo 11% en lugar de 14%. ¿Esta información
(c) Ken cree que la cifra de $300,000 para el Sub 100 cambiará la cantidad que Allen estaría dispuesto a pagar
con un mercado favorable es demasiado alto. ¿Cuánto
por el boletín de noticias? Si su respuesta es afirmativa,
menor debería ser esta cifra para que Ken cambie su
determine la mayor cantidad que Allen estaría dispuesto
decisión tomada en el inciso b? a pagar, teniendo en cuenta esta nueva información.
lb: 3-20 Mickey Lawson está considerando invertir algo del dinero 2 ' 3-24 Today's Electronics se especializa en la fabricación de
que heredó. La siguiente tabla de pagos proporciona los componentes electrónicos modernos. También construye
beneficios que se lograrían durante el próximo año para el equipo que produce los componentes. Phyllis Weinber-
cada una de las tres alternativas de inversión que Mickey ger, quien se encarga de asesorar al presidente de Today's
está considerando: Electronics en la fabricación de equipos electrónicos, ha
desarrollado la siguiente tabla en relación con una instala-
ESTADO DE LA NATURALEZA ción propuesta:
DECISIÓN BUENA MALA
GANANCIA ($)
ALTERNATIVA ECONOMÍA ECONOMÍA
3-25 Brilliant Color es un pequeño proveedor de productos criterio optimista? ¿Qué decisión se tomaría empleando
químicos y equipos que son usados por algunas tiendas el criterio pesimista?
fotográficas para procesar película de 35 mm. Uno de los 3-29 Mick Karra es el gerente de MCZ Drilling Products, que
productos que Brilliant Color suministra es el BC-6. John produce una variedad de válvulas especiales para el equi-
Kubick, presidente de Brilliant Color, normalmente alma- pamiento de campos petroleros. La actividad en estos
cena 11, 12 o 13 cajas de BC-6 cada semana. Por cada campos ha provocado que la demanda aumente drástica-
caja que John vende, recibe una ganancia de $35. Al igual mente, y ha tomado la decisión de abrir una nueva planta
que muchos productos químicos fotográficos, el BC-6 de manufactura. Se están considerando tres lugares, y el
tiene una vida útil muy corta, por lo que si una caja no se tamaño de la planta no sería el mismo en cada lugar. Por
vende para el final de la semana, John debe desecharla. lo tanto, en ocasiones podrían necesitarse horas extras de
Dado que cada caja cuesta a John $56, pierde $56 por trabajo. La siguiente tabla muestra el costo mensual to-
cada caja que no vende al final de la semana. Hay una tal (en miles de dólares) para cada posible ubicación, con
probabilidad de 0.45 de vender 11 cajas, una probabilidad cada posibilidad de demanda. Las probabilidades para los
de 035 de vender 12 cajas y una probabilidad de 0.2 de niveles de demanda se han determinado como 20% para la
vender 13 cajas. demanda baja, 30% para la demanda media y 50% para
(a) Construya una tabla de decisiones para este problema. la demanda alta.
Incluya todos los valores y las probabilidades condi-
cionales en la tabla. LA LA LA
(b) ¿Cuál es el curso de acción recomendado? DEMANDA DEMANDA DEMANDA
(c) Si John es capaz de desarrollar BC-6 con un ingre- ES BAJA ES MEDIA ES ALTA
diente que lo estabiliza, de forma que ya no es nece- Ardmore, OK 85 110 150
sario desecharlo, ¿cómo cambiaría esto su curso de 120
Sweetwater, TX 90 100
acción recomendado?
Lake Charles, LA 110 120 130
2 * 3-26 Megley Cheese Company es un pequeño fabricante de
diferentes productos de queso. Uno de los productos es
(a) ¿Qué lugar sería seleccionado con base en el criterio
un queso para untar que se vende a comercios minoristas. optimista?
Jason Megley debe decidir el número de cajas de queso
(b) ¿Qué lugar sería seleccionado con base en el crite-
para untar que debe elaborar cada mes. La probabilidad rio pesimista?
de que la demanda sea de seis cajas es 0.1, de siete cajas
(c) ¿Qué lugar sería seleccionado con base en el criterio
es 0.3, de ocho cajas es 0.5 y de nueve cajas es 0.1. El
de arrepentimiento minimax?
costo de cada caja es de $45 y el precio que Jason pone a
(d) ¿Qué lugar debería seleccionarse para minimizar el
cada caja es de $95. Por desgracia, las cajas que no vende
costo de operación esperado?
al final del mes no tienen ningún valor, debido a su de-
(e) ¿Cuánto vale un pronóstico perfecto de la demanda?
terioro. ¿Cuántas cajas de queso debería fabricar Jason
(f) ¿Qué ubicación minimizará la pérdida de oportunidad
cada mes?
esperada?
Q ; 3-27 Farm Grown, Inc., produce cajas de productos alimenti- (g) ¿Cuál es el valor esperado de la información perfecta
cios perecederos. Cada caja contiene un surtido de vege- en esta situación?
tales y otros productos agrícolas. Cada caja cuesta $5 y Q; 3-30 A pesar de que las estaciones de gasolina independientes
se vende por $15. Si hay algunas cajas que no se venden últimamente han enfrentado tiempos difíciles, Susan So-
al final del día, son vendidas a una gran empresa procesa- lomon ha estado pensando en cómo iniciar su propia es-
dora de alimentos a $3 la caja. La probabilidad de que la tación de servicio independiente. El problema de Susan es
demanda diaria sea de 100 cajas es de 0.3, la probabilidad decidir qué tan grande debería ser su estación. La renta-
de que la demanda diaria sea de 200 cajas es de 0.4 y la bilidad anual dependerá tanto del tamaño de su estación,
probabilidad de que la demanda diaria sea de 300 cajas es como de una serie de factores de marketing relacionados
de 0.3. Grown Farm tiene una política de siempre satisfa- con la industria del petróleo y la demanda de gasolina.
cer las demandas del cliente. Si su propio suministro de Después de un cuidadoso análisis, Susan desarrolló la si-
cajas es inferior a la demanda, compra los vegetales nece- guiente tabla:
sarios a un competidor. El costo estimado de esta opción
es de $16 por caja. TAMAÑO DE MERCADO MERCADO MERCADO
(a) Construya una tabla de decisiones para este pro- LA PRIMERA BUENO REGULAR MALO
blema. ESTACIÓN ($) ($) ($)
(b) ¿Qué curso de acción recomienda usted? Pequeña 50,000 20.000 —10,000
al: 3-28 En el problema 3-27, Farm Grown, Inc. tiene razones para Mediana 80,000 30.000 —20,000
creer que las probabilidades pueden ser poco confiables Grande 100,000 30,000 —40,000
debido a las condiciones cambiantes. Si se ignoran estas
probabilidades, ¿qué decisión se tomaría utilizando el Muy grande 300,000 25,000 —160,000
104 CAPITULO 3 • ANÁLISIS DE DECISIONES
Por ejemplo, si Susan construye una estación pequeña y el Q: 3-33 El jut go de la ruleta es popular en muchos casinos de
mercado es bueno, obtendrá una ganancia de $50,000. todo 1 mundo. En Las Vegas, una rueda de ruleta típica
(a) Desarrolle una tabla de decisiones para este problema. tiene os números del 1 al 36 en diferentes ranuras. La
(b) ¿Cuál es la decisión maximax? mitad de estas ranuras son de color rojo, y la otra mitad
(c) ¿Cuál es la decisión maximin? son d color negro. En Estados Unidos, la rueda de la ru-
(d) ¿Cuál es la decisión con el criterio igualmente pro- leta s ele tener también los números O (cero) y 00 (doble
bable? cero), y ambos están en la rueda en ranuras verdes. Por lo
(e) ¿Cuál es la decisión con el criterio de realismo? Uti- tanto, hay 38 ranuras en la rueda. El crupier hace girar la
lice un valor a de 0.8. rueda y lanza una pequeña bola en dirección opuesta al
(O Desarrolle una tabla de pérdida de oportunidad. giro de la rueda. Mientras la rueda desacelera, la bola cae
(g) ¿Cuál es la decisión de arrepentimiento minimax? en una de las ranuras, que tiene el número y el color ga-
nadores. Una de las apuestas disponibles es simplemente
QE 3-31 Beverly Mills ha decidido alquilar un automóvil híbrido rojo o negro, cuyas probabilidades son de 1 a I. Si el ju-
para ahorrar gastos de gasolina y poner su parte en la con- gador apuesta a rojo o negro, y su color gana, recibe la
servación del medio ambiente. El auto que ha seleccio- cantidad que apostó. Por ejemplo, si el jugador apuesta
nado lo vende sólo un distribuidor en el área local, pero
$5 al rojo y gana, recibe $5 y aún conserva su apues-
ese distribuidor tiene varias opciones de arrendamiento ta original. Por otro lado, si el color ganador es el negro o
para dar cabida a una variedad de patrones de conducción. el verde cuando el jugador apostó rojo, el jugador pierde
Todos los contratos de arrendamiento son por 3 años y no toda su apuesta.
requieren de dinero en el momento de la firma del con-
trato de arrendamiento. La primera opción tiene un costo (a) ¿Cuál es la probabilidad de que un jugador que le
mensual de $330, un permiso de distancia total de 36,000 apuesta al rojo gane su apuesta?
millas (un promedio de 12,000 millas por año), y un costo (b) Si un jugador apuesta $10 al rojo cada vez que inicia
de $0.35 por milla cuando éstas superen las 36,000 millas. un juego, ¿cuál es el valor monetario esperado (ga-
La siguiente tabla resume cada una de las tres opciones de nancia esperada)?
arrendamiento: (c) En Europa, generalmente no hay 00 en la rueda, sólo
el 0. En este tipo de juego, ¿cuál es la probabilidad de
que un jugador que le apuesta al rojo gane la apuesta?
ARRENDAMIENTO COSTO MILLAJE COSTO POR MILLA S' un jugador apuesta $10 al rojo cada vez que ini-
POR 3 AÑOS MENSUAL PERMITIDO EN EXCESO c a un juego (sin 00), ¿cuál es el valor monetario
Opción 1 $330 36,000 $0.35 e perado?
$0.25 (d) ado que el pago esperado (ganancia) en un juego de
Opción 2 $380 45,000
ruleta es negativo, ¿por qué una persona racional par-
Opción 3 $430 54,000 $0.15 ticiparía en el juego?
Q: 3-34 Consulte el problema 3-33 para obtener más información
Beverly ha estimado que, durante los 3 años del contrato sobre el juego de la ruleta. Otra apuesta en un juego de
de arrendamiento, hay una probabilidad de 40% de que ruleta se llama una apuesta "hacia arriba", lo cual signi-
conduzca un promedio de 12,000 millas por año, 30% de fica que el jugador apuesta que el número ganador será el
probabilidad de que recorra un promedio de 15,000 millas número que él eligió. En un juego con O y 00, hay un total
al año y 30% de que conduzca 18,000 millas por año. Al de 38 resultados posibles (los números 1 a 36 más O y 00),
evaluar las opciones de arrendamiento, a Beverly le gusta- y cada uno de ellos tiene la misma probabilidad de ocu-
ría mantener sus costos lo más bajo posible. rrir. El pago en este tipo de apuesta es de 35 a 1, lo cual
(a) Desarrolle una tabla de pagos (costos) para esta significa que el jugador gana 35 y se queda con la apuesta
situación. original. Si un jugador apuesta $10 al número 7 (o cual-
(b) ¿Qué decisión debería tomar Beverly si fuera op- quier otro número individual), ¿cuál es el valor monetario
timista? esperado (ganancia esperada)?
(c) ¿Qué decisión debería tomar Beverly si fuera pe- 2: 3-35 La compañía Technically Techno tiene varias patentes
simista? para una variedad de diferentes dispositivos de memoria
(d) ¿Qué decisión debería tomar Beverly si quisiera mini- flash que se usan en computadoras, teléfonos celulares
mizar su costo (valor monetario) esperado? y varios artículos más. Un competidor ha presentado
(e) Calcule el valor esperado de la información perfecta recientemente un producto basado en tecnología muy
para este problema. parea ida a algo patentado por Technically Tecno el año
Q: 3-32 Consulte la decisión de arrendamiento que enfrenta Be- pas o. En consecuencia, Technically Tecno ha deman-
verly Mills en el problema 3-31. Desarrolle la tabla de dado a la otra empresa por infracción de derechos de
pérdida de oportunidad para esta situación. ¿Qué opción auto . Con base en los hechos del caso, así como en
elegiría con base en el criterio de arrepentimiento mini- el re istro de los abogados involucrados, Technically
max? ¿Qué alternativa daría como resultado la menor pér- Tecno cree que hay una probabilidad de 40% de que le
dida de oportunidad esperada? otorguen $300,000, si la demanda va a los tribunales.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 105
Hay 30% de probabilidad de que le sean otorgados sólo iniciarse sólo si hay una buena probabilidad de obtener
$50,000 si va a tribunales y gana, y hay una probabi- ganancias. Jerry puede abrir una tienda pequeña, una
lidad de 30% de que pierda el caso y no reciba nada. tienda grande o no abrir ninguna tienda. Los beneficios
El costo estimado de los honorarios legales si van a los dependerán del tamaño de la tienda, y de si el mercado
tribunales es de $50,000. Sin embargo, la otra empresa es favorable o desfavorable para sus productos. Debido
ha ofrecido pagar a Technically Techno $75,000 para re- a que habrá un contrato de arrendamiento por 5 años en
solver el conflicto sin acudir a los tribunales. El costo el edificio que Jerry está pensando en usar, quiere ase-
estimado de este trámite legal sólo sería de $10,000. Si gurarse de que tomará la decisión correcta. Jerry tam-
Technically Tecno desea maximizar la ganancia espe- bién está pensando en contratar a su antiguo profesor
rada, ¿debería aceptar la oferta de arreglo fuera de los de marketing para llevar a cabo un estudio de investi-
tribunales? gación de mercados. Si se realiza el estudio, éste podría
• 3-36 Un grupo de profesionales de la medicina está consi- ser favorable (es decir, la predicción de un mercado fa-
derando la construcción de una clínica privada. Si la de- vorable) o desfavorable (es decir, la predicción de un
manda médica es alta (es decir, hay un mercado favorable mercado desfavorable). Elabore un árbol de decisión
para la clínica), los médicos podrían lograr un beneficio para Jerry.
neto de $100,000. Si el mercado no es favorable, podrían 3-39 Jerry Smith (vea el problema 3-38) ha realizado un aná-
perder $40,000. Desde luego, también es posible que no lisis sobre la rentabilidad de la tienda de bicicletas. Si
hagan nada, en cuyo caso no habría ningún costo. En au- Jerry construye la tienda grande, ganará $60,000 si el
sencia de datos del mercado, lo mejor que los médicos mercado es favorable, pero perderá $40,000 si el mer-
pueden suponer es que hay una probabilidad de 50-50 de cado es desfavorable. La tienda pequeña le generará una
que la clínica sea un éxito. Construya un árbol de decisión ganancia de $30,000 en un mercado favorable y una pér-
para ayudar a analizar este problema. ¿Qué deberían ha- dida de $10,000 en un mercado desfavorable. En la ac-
cer los profesionales de la medicina? tualidad, cree que hay una posibilidad de 50-50 de que
Q: 3-37 Los médicos del problema 3-36 han sido abordados por el mercado vaya a ser favorable. Su antiguo profesor
una compañía de investigación de mercados que ofrece de marketing le cobrará $5,000 por la investigación de
realizar un estudio sobre el mercado a un precio de $5,000. mercados. Se estima que hay una probabilidad de 0.6
Los investigadores afirman que su experiencia les permite de que la encuesta sea favorable. Asimismo, hay una pro-
utilizar el teorema de Bayes para hacer las siguientes afir- babilidad de 0.9 de que el mercado sea favorable dado un
maciones probabilisticas: resultado favorable del estudio. Por otro lado, el profesor
de marketing ha advertido a Jerry que sólo hay una pro-
probabilidad de un mercado favorable dado babilidad de 0.12 de un mercado favorable, si los resul-
un estudio favorable = 0.82 tados de la investigación de mercado no son favorables.
probabilidad de un mercado desfavorable dado Jerry está confundido.
un estudio favorable = 0.18 (a) ¿Debería Jerry utilizar la investigación de mercados
probabilidad de un mercado favorable dado (b) Sin embargo, Jerry no está seguro de que la probabi-
un estudio desfavorable = 0.11 lidad de 0.6 de un estudio de investigación de mer-
cados favorable sea correcta. ¿Qué tan sensible es la
probabilidad de un mercado desfavorable dado decisión de Jerry a este valor de probabilidad? ¿Hasta
un estudio desfavorable = 0.89 dónde puede este valor de probabilidad desviarse de
probabilidad de un estudio de investigación 0.6 sin causar que Jerry cambie su decisión?
favorable = 0.55 S¿3 3-40 Bill Holliday no está seguro de lo que debería hacer.
probabilidad de un estudio de investigación Puede construir un cuádruplex (es decir, un edificio con
desfavorable = 0.45 cuatro apartamentos), construir un dúplex, reunir informa-
ción adicional, o simplemente no hacer nada. Si recaba in-
(a) Desarrolle un nuevo árbol de decisión para los profe-
formación adicional, los resultados podrían ser favorables
sionales de la medicina que refleje las opciones que
o desfavorables, pero le costaría $3,000 hacer tal recopi-
ahora se abren con el estudio de mercado.
lación. Bill cree que hay una posibilidad de 50-50 de que
(b) Utilice el enfoque del VME para recomendar una
la información sea favorable. Si el mercado del alquiler es
estrategia.
favorable, Bill ganará $15,000 con el cuádruplex o $5,000
(c) ¿Cuál es el valor esperado de la información mues-
con el dúplex. Bill no tiene los recursos financieros para
tral? ¿Cuánto estarían dispuestos a pagar los médicos
hacer ambas cosas. Con un mercado de alquiler desfa-
por un estudio de mercado?
vorable, sin embargo, Bill podría perder $20,000 con el
(d) Calcule la eficiencia de esta información muestral.
cuádruplex o $10,000 con el dúplex. Sin la recopilación
1' 3-38 Jerry Smith está pensando en abrir una tienda de bi- de información adicional, Bill estima que la probabili-
cicletas en su ciudad natal. A Jerry le encanta montar dad de un mercado de alquiler favorable es 0.7. Un informe
su propia bicicleta en viajes de 50 millas con sus ami- favorable del estudio aumentaría la probabilidad de un
gos, pero cree que cualquier pequeña empresa debería mercado de alquiler favorable a 0.9. Además, un informe
106 CAPITULO 3 • ANÁLISIS DE DECISIONES
desfavorable de la información adicional disminuiría la s r superior o inferior a $10,000. ¿Qué valor de este
probabilidad de un mercado de alquiler favorable a 0.4. r ndimiento causaría que una persona fuera indi-
Por supuesto, Bill podría olvidar todos estos números y no f rente entre el fondo A y el fondo B (es decir, que
hacer nada. ¿Qué aconsejaría usted a Bill? 1 s VME fueran iguales)?
:3-41 Peter Martin va a ayudar a su hermano, que quiere abrir Q E 3-44 Jim ellers está pensando producir un nuevo tipo de ma-
una tienda de alimentos. Peter inicialmente cree que quini la para afeitar eléctrica para hombres. Si el mercado
hay una posibilidad de 50-50 de que la tienda de alimentos fuera favorable, obtendría un rendimiento de $100,000,
de su hermano sea un éxito, y está considerando hacer un pero si el mercado para este nuevo tipo de maquinilla
estudio de investigación de mercados. Con base en datos para afeitar fuera desfavorable, perdería $60,000. Dado
históricos, hay 0.8 de probabilidades de que la investiga- que Ron Bush es un buen amigo de Jim Sellers, Jim está
ción de mercados sea favorable dada una tienda de ali- considerando la posibilidad de contratar a Bush Marketing
mentos con éxito. Por otro lado, hay 0.7 de probabilidades Research para reunir información adicional sobre el mer-
de que la investigación de mercados sea desfavorable dada cado de maquinillas afeitadoras. Ron ha sugerido que Jim
una tienda de alimentos sin éxito. utilice una encuesta, o bien un estudio piloto, para sondear
(a) Si la investigación de mercados-es favorable, ¿cuál es el mercado. La encuesta sería un cuestionario sofisticado
la probabilidad revisada de una tienda de alimentos administrado a un mercado de prueba. Tiene un costo de
exitosa para el hermano de Peter? $5,000. Otra alternativa es realizar un estudio piloto, lo
(b) Si la investigación de mercados no es favorable, ¿cuál cual mplicaría la producción de un número limitado de
es la probabilidad revisada de una tienda de alimentos las nuevas maquinillas para afeitar e intentar venderlas
exitosa para el hermano de Peter? en dós ciudades típicas estadounidenses. El estudio pi-
(c) Si la probabilidad inicial de una tienda de alimentos loto es más preciso, pero también más caro, pues costaría
con éxito es 0.60 (en vez de 0.50), encuentre las pro- $20,000. Ron Bush ha sugerido que sería una buena idea
babilidades en los incisos a y b. que Jim aplicara la encuesta o realizara el estudio piloto,
: 3-42 Mark Martinko ha sido un jugador de ráquetbol de clase A antes de tomar la decisión sobre si se debe producir la
durante los últimos 5 años, y uno de sus objetivos más impor- nueva maquinilla afeitadora. Sin embargo, Jim no está se-
tantes es poseer y operar una instalación de ráquetbol. guro de si el valor de la encuesta o del estudio compensan
Por desgracia, Mark cree que la posibilidad de una instala- su costo.
ción de ráquetbol exitosa es tan sólo de 30%. El abogado Jim estima que la probabilidad de un mercado exi-
de Mark le ha recomendado que use uno de los grupos lo- toso Wn la realización de una encuesta o un estudio piloto
cales de investigación de mercados, para llevar a cabo una es de 0.5. Asimismo, la probabilidad de un resultado de
encuesta en relación con el éxito o fracaso de una instala- encuesta favorable dado un mercado favorable para las
maquinillas para afeitar es 0.7, y la probabilidad de un re-
ción de ráquetbol. Hay 0.8 de probabilidades de que la in-
vestigación sea favorable dada una instalación de ráquetbol sultado favorable en la encuesta dado un mercado sin éxito
para las maquinillas para afeitar es 0.2. Por otro lado, la
exitosa. Además, hay 0.7 de probabilidades de que la in-
vestigación sea desfavorable dada una instalación sin éxito. probabilidad de un estudio piloto desfavorable dado un
mercado desfavorable es 0.9, y la probabilidad de un re-
Calcule las probabilidades revisadas de una instalación de
sultado desfavorable en el estudio piloto dado un mercado
ráquetbol exitosa dada una encuesta favorable y dada una
favorable para las maquinillas es 0.2.
encuesta desfavorable.
QE 3-43 Un asesor financiero ha recomendado dos posibles fondos (a) Dibuje el árbol de decisión para este problema sin los
mutuos de inversión: los fondos A y B. El rendimiento calores de probabilidad.
que se logra mediante cada uno de ellos depende del es- (b) Calcule las probabilidades revisadas que se requieren
tado de la economía: bueno, regular o malo. Se ha cons- para completar la decisión y ponga estos valores en el
truido una tabla de pagos para ilustrar esta situación: árbol de decisión.
(c) ¿Cuál es la mejor decisión para Jim? Utilice el VME
ESTADO DE LA NATURALEZA como el criterio de decisión.
Q: 3-45 Jim Sellers ha sido capaz de estimar su utilidad para dife-
ECONOMÍA ECONOMÍA ECONOMÍA rentes valores. Le gustaría utilizar estos valores de utilidad
INVERSIÓN BUENA REGULAR MALA en la toma de la decisión del problema 3-44:
Fondo A $10,000 $2,000 —$5,000 U(—$80,000) = 0, U(—$65,000) = 0.5, U(—$60,000) = 0.55,
Fondo B $6,000 $4,000 U(— 20,000) = 0.7, U(—$5,000) = 0.8, U($0) = 0.81,
0.5 U($ 0,000) = 0.9, U($95,000) = 0.95 y U($100,000) = 1.
Probabilidad 0.2 0.3
Res elva el problema 3-44 utilizando valores de utilidad.
(a) Construya un árbol de decisión para representar esta ¿Es im averso al riesgo?
situación. : 3-46. Exi ten dos estados de la naturaleza para una situación
(b) Realice los cálculos necesarios para determinar cuál cular: una economía buena y una economía mala. Es
de los dos fondos de inversión es mejor. ¿Cuál debería posil le realizar un estudio económico para obtener más
usted elegir para maximizar el valor esperado? información acerca de cuál de ambos estados ocurrirá real-
(c) Suponga que hay un cuestionamiento sobre el rendi- mente el próximo año. El estudio puede pronosticar una
miento del fondo A en una buena economía. Podría economía buena o una economía mala. En la actualidad
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 107
hay 60% de posibilidades de que la economía vaya a ser U($200,000) = 1.0. Si John maximiza su utilidad espe-
buena y 40% de posibilidades de que vaya a ser mala. En rada, ¿cambia su decisión?
el pasado, cada vez que la economía fue buena, el estudio In 3-50 En los últimos años, los problemas de tránsito vehicular en
económico predijo que sería buena 80% de las veces. (El la ciudad natal de Lynn McKell han empeorado. Ahora,
otro 20% de las veces, la predicción estuvo errada). De Broad Street está congestionada la mitad del tiempo. El
acuerdo con los datos históricos, cada vez que la econo- viaje normal a su trabajo le toma sólo 15 minutos cuando
mía fue mala, el estudio económico predijo que sería mala utiliza Broad Street y no hay congestión. Sin embargo, con
90% de las veces. (El otro 10% de las veces el pronóstico tránsito pesado Lynn necesita 40 minutos para llegar a su tra-
estuvo equivocado). bajo. Si Lynn decide tomar la autopista, tardará 30 minutos,
independientemente de las condiciones del tránsito. La
(a) Use el teorema de Bayes y encuentre lo siguiente:
utilidad de Lynn para el tiempo de viaje es: U(15 minu-
P(economía buena pronóstico de una economía buena) tos) = 0.9, U(30 minutos) = 0.7 y U(40 minutos) = 0.2.
P(economía mala i pronóstico de una economía buena) (a) ¿Qué ruta minimizará el tiempo de viaje esperado
P(economía buena i pronóstico de una economía mala) para Lynn?
P(economía mala pronóstico de una economía mala) (b) ¿Qué ruta maximizará la utilidad de Lynn?
(b) Suponga que la probabilidad inicial (previa) de una (c) Cuando se trata de su tiempo de viaje, ¿es Lynn pro-
economía buena es de 70% (en lugar de 60%), y la clive o aversa al riesgo?
probabilidad de una economía mala es de 30% (en lu- tet i 3-51 Coren Chemical, Inc., desarrolla productos químicos in-
gar de 40%). Encuentre las probabilidades posteriores dustriales que son utilizados por otros fabricantes para
del inciso a con base en estos nuevos valores. elaborar productos químicos fotográficos, conservadores y
Q: 3-47 La compañía Long Island Life Insurance vende una póliza lubricantes. Uno de sus productos, el K-1000, es utilizado
de seguro de vida. Si el titular de la póliza muere duran- por varias compañías fotográficas para hacer un producto
te la vigencia de la póliza, la compañía paga $100,000. químico que se emplea en el proceso de fabricación de
Si la persona no muere, la empresa no paga nada y no películas. Para producir el K-1000 de manera eficiente,
hay un valor adicional a la póliza. La compañía utiliza Coren Chemical utiliza el enfoque de procesamiento por
tablas actuariales para determinar la probabilidad de que lotes, en el cual se produce cierto número de galones al
una persona con ciertas características muera durante el mismo tiempo. Esto reduce los costos de instalación y per-
próximo año. Para un individuo en particular, se deter- mite que Coren Chemical produzca el K-1000 a un precio
mina que existe una posibilidad de 0.001 de que muera en competitivo. Por desgracia, el K-1000 tiene una vida útil
el próximo año, y una posibilidad de 0.999 de que sobre- muy corta de aproximadamente 1 mes.
viva y la compañía no pague nada. El costo de esta póliza Coren Chemical produce el K-1000 en lotes de 500,
es de $200 al año. Con base en el criterio del VME, ¿el 1,000, 1,500 y 2,000 galones. Con base en datos histó-
individuo debería comprar esta póliza de seguro? ¿Cómo ricos, David Coren fue capaz de determinar que la pro-
ayuda la teoría de la utilidad a explicar por qué una per- babilidad de venta de 500 galones de K-1000 es 0.2. Las
sona compraría esta póliza de seguro? probabilidades de venta de 1,000, 1,500 y 2,000 galones
son 0.3, 0.4 y 0.1, respectivamente. La pregunta que en-
Q: 3-48 En el problema 3-37, usted ayudó a los profesionales mé-
frenta David es cuántos galones de K-1000 debe produ-
dicos a analizar su decisión utilizando el valor monetario
cir en el siguiente procesamiento por lotes. El K-1000 se
esperado como el criterio de decisión. Este grupo también
vende a $20 por galón. El costo de fabricación es de $12
ha evaluado su utilidad por el dinero: U(—$45,000) = O,
por galón, y los costos de manejo y almacenaje se estiman
U(—$40,000) = 0.1, U(—$5,000) = 0.7, U($0) = 0.9,
en $1 por galón. En el pasado, David ha asignado gastos
U($95,000) = 0.99 y 4100,000) = 1. Utilice la utilidad
de publicidad al K-1000 a razón de $3 por galón. Si el
esperada como el criterio de decisión y determine la mejor
K-1000 no se vende después del procesamiento por lotes,
decisión para los profesionales de la medicina. ¿Los pro-
el producto químico pierde gran parte de sus propiedades.
fesionales médicos son proclives o aversos al riesgo? Sin embargo, se puede vender a un valor residual de $13
Q: 3-49 En este capítulo se desarrolló un árbol de decisión para por galón. Por otro lado, David ha garantizado a sus pro-
John Thompson (consulte en la figura 3.5 el análisis veedores que siempre habrá un suministro adecuado del
completo del árbol de decisión). Después de terminar el K-1000. Si David se queda sin producto, ha acordado
análisis, John no estaba completamente seguro de ser indi- comprar un producto químico similar a un competidor en
ferente al riesgo. Después de pasar por una serie de apues- $25 por galón. David vende la totalidad de los químicos
tas estándar, John fue capaz de evaluar su utilidad por el en $20 por galón, por lo que la escasez significa una pér-
dinero. Éstas son algunas de sus evaluaciones de utilidad: dida de $5 por comprar el producto químico más caro.
U(—$190,000) = 0, U(—$180,000) = 0.05, (a) Desarrolle un árbol de decisión para este problema.
U(—$30,000) = 0.10, U(—$20,000) = 0.15, (b) ¿Cuál es la mejor solución?
U(—$10,000) = 0.2, U($0) = 0.3, U($90,000) = 0.15, (c) Determine el valor esperado de la información
U($100,000) = 0.6, U($190,000) = 0.95 y perfecta.
108 CAPITULO 3 • ANÁLISIS DE DECISIONES
Qc 3-52 La Jamis Corporation está involucrada en la adminis- Q : 3-53 Mary está considerando la apertura de una nueva tienda de
tración de residuos. Durante los últimos 10 años se ha come tibies en la ciudad, por lo que evalúa tres ubicacio-
convertido en una de las mayores empresas dedicadas a nes: centro de la ciudad, el centro comercial y los subur-
la eliminación de residuos en el medio oeste estadouni- bios. Mary calcula el valor de las tiendas exitosas en estos
dense, atendiendo principalmente a Wisconsin, Illinois lugt de ola siguiente manera: en el centro, $250,000; en
y Michigan. Bob Jamis, presidente de la compañía, está el ce comercial, $300,000; en los suburbios, $400,000.
considerando la posibilidad de establecer una planta de Mary calculó las pérdidas en caso de fracaso como
tratamiento de residuos en Mississippi. A partir de la ex- $100,000 en el centro o el centro comercial, y $200,000 en
periencia pasada, Bob cree que una pequeña planta en el los suburbios. Mary calcula su oportunidad de éxito como
norte de Mississippi produciría una utilidad de $500,000 50% en el centro, 60% en el centro comercial y 75% en los
sin importar el mercado para la instalación. El éxito de suburbios.
una planta de tratamiento de residuos de tamaño me- (a) Construya un árbol de decisión para Mary y selec-
diano dependería del mercado. Con una baja demanda cione su mejor alternativa.
de tratamiento de residuos, Bob espera un rendimiento de (b) Mary ha sido contactada por una firma de investiga-
$200,000. Una demanda mediana produciría un rendi- ción de mercados que le ofrece un estudio de la zona
miento de $700,000 en la estimación de Bob, y una alta para determinar si se necesita otra tienda de comes-
demanda implicaría $800,000 de ganancia. Aunque una tibles. El costo de este estudio es de $30,000. Mary
instalación grande es mucho más arriesgada, la rentabi- cree que hay una probabilidad de 60% de que los
lidad potencial es mucho mayor. Con una alta demanda resultados de la encuesta sean positivos (que mues-
de tratamiento de residuos en Mississippi, la instalación tren la necesidad de otra tienda de comestibles).
grande debería rendir un millón de dólares. Con una ERP = la encuesta resulta positiva, ERN = la en-
demanda mediana, la instalación grande generaría úni- cuesta resulta negativa, EC = éxito en el centro,
camente $400,000 de ganancia. Bob estima que la ins- EM = éxito en el centro comercial, ES = éxito en los
talación grande resultaría en una gran pérdida si hubiera suburbios, EC' = sin éxito en el centro, y así sucesi-
una baja demanda para el tratamiento de residuos; en ese vamente. Para los estudios de esta naturaleza:
caso, estima que perdería aproximadamente $200,000. En P(ERPléxito) = 0.7,
cuanto a las condiciones económicas del norte del estado P(ERN1éxito) = 0.3,
de Mississippi y, usando su experiencia en el campo, Bob P(ERP1sin éxito) = 0.2 y
estima que la probabilidad de una demanda baja para plan- P(ERN1sin éxito) = 0.8.
tas de tratamiento es 0.15, la probabilidad de una demanda Calcule las probabilidades revisadas de tener éxito (y
mediana es de aproximadamente 0.40 y la probabilidad de de no tenerlo) para cada ubicación, dependiendo de
una demanda alta es 0.45. los resultados de la encuesta.
Debido a la gran inversión potencial y a la posibili- (c) ¿Cuánto vale la investigación de mercados para Mary?
dad de una pérdida, Bob ha decidido contratar a un equipo Calcule el VEIM.
de investigación de mercado con base en Jackson, Mis- Qi 3-54. Sue Reynolds tiene que decidir si debería recibir informa-
sissippi, el cual realizará una encuesta para obtener una ción (a un costo de $20,000) para invertir en una tienda
mejor sensación de la probabilidad de una demanda baja, al por menor. Si obtiene la información, hay una proba-
mediana o alta para una planta de tratamiento de resi- bilidad de 0.6 de que la información sea favorable y una
duos. El costo de la encuesta es de $50,000. Para ayudar probabilidad de 0.4 de que no lo sea. Si la información es
a Bob a determinar si procede con la encuesta, la firma favorable, hay 0.9 de probabilidad de que la tienda sea un
de investigación de mercados le ha presentado la siguiente éxito. Si la información no es favorable, la probabilidad
información: de una tienda de éxito sólo es de 0.2. Sin ningún tipo de
P(resultados de la encuesta J resultados información, Sue estima que la probabilidad de una tienda
posibles) de Ocito es 0.6. Una tienda de éxito daría un rendimien-
to 4 $100,000. Si la tienda se construye, pero no tiene
RESULTADOS DE LA ENCUESTA éxito, Sue tendrá una pérdida de $80,000. Desde luego,
siempre podría decidir no construir la tienda al por menor.
RESULTADO RESULTADO RESULTADO RESULTADO
POSIBLE BAJO MEDIO ALTO (a) ¿Qué recomienda usted?
(b) ¿Qué impacto tendría sobre la decisión de Sue una
Demanda baja 0.7 0.2 0.1 probabilidad de 0.7 de obtener información favorable?
Demanda probabilidad de obtener información desfavorable
media 0.4 0.5 0.1 learía de 0.3.
Demanda alta 0.1 0.3 0.6 (c) ue cree que las probabilidades de una tienda al por
enor exitosa y sin éxito dada una información favo-
Como se observa en la tabla, la encuesta podría dar iable podrían ser de 0.8 y 0.2, respectivamente, en lu-
lugar a tres resultados posibles. La encuesta con resultados gar de 0.9 y 0.1. ¿Qué impacto, si lo hay, tendría esto
bajos implica que es probable tener una demanda baja. De n la decisión de Sue y en el mejor VME?
manera similar, la encuesta con resultados medios o altos (d) ue tendría que pagar $20,000 para obtener informa-
significaría una demanda media o alta, respectivamente. ión. ¿Cambiaría su decisión si el costo de la infor-
¿Qué debería hacer Bob? ación aumentara a $30.000?
ESTUDIO DE CASO 109
(e) Con los datos de este problema y la siguiente tabla de (f) Calcule la utilidad esperada dada la siguiente tabla de
utilidad, calcule la utilidad esperada. ¿Es ésta la curva utilidad. ¿Esta tabla representa a alguien proclive o
de una persona proclive o aversa al riesgo? averso al riesgo?
VALOR VALOR
MONETARIO UTILIDAD MONETARIO UTILIDAD
$100,000 1 $100,000
$80,000 0.4 $80,000 0.9
$0 0.2 $0 0.8
—$20,000 0.1 —$20,000 0.6
—$80,000 0.05 —$80,000 0.4
—$100,000 —$100,000 0
Estudio de caso
Starting Right Corporation
Después de ver una película sobre una joven que abandonó una ca- La clave final para conseguir que la joven compañía tuviera un
rrera corporativa exitosa para iniciar su propia empresa de alimentos buen inicio fue recaudar fondos. Se consideraron tres opciones: bonos
para bebé, Julia Day decidió que quería hacer lo mismo. En la pe- corporativos, acciones preferentes y acciones comunes. Julia decidió
lícula, la compañía de alimentos para bebés tuvo mucho éxito. Julia que cada inversión tendría que realizarse en bloques de $30,000. Ade-
sabía, sin embargo, que es mucho más fácil hacer una película sobre más, cada inversor debía tener un ingreso anual de al menos $40,000
una mujer exitosa que inicia su propia compañía que hacerlo real- y un patrimonio neto de $100,000 para ser elegible como inversionista
mente. El producto debería tener la más alta calidad, y Julia tenía que en Starting Right. Los bonos corporativos rendirían 13% anual du-
involucrar a las mejores personas para lanzar la nueva compañía. Julia rante los próximos 5 años. Julia, además, garantizaba que los inver-
renunció a su trabajo y lanzó la nueva compañía: Starting Right. sores en bonos corporativos obtendrían al menos $20,000 de regreso
Julia decidió enfocarse en el extremo superior del mercado de al final de 5 años. Los inversores en acciones preferentes deberían ver
alimentos para bebés mediante la producción de alimentos que no un aumento de su inversión inicial en un factor de 4, con un mercado
contenían conservadores, pero tenían un muy buen sabor. Aunque el bueno, o ver el valor de su inversión sólo a la mitad con un merca-
precio sería ligeramente superior al de los alimentos para bebés exis- do desfavorable. La acción ordinaria tenía el potencial más grande. Se
tentes, Julia creía que los padres estarían dispuestos a pagar más por esperaba que la inversión inicial aumentara en un factor de 8 con un
una comida para bebés de alta calidad. En lugar de poner la comida buen mercado, pero los inversionistas perderían todo si el mercado era
del bebé en frascos, lo cual requeriría conservadores para estabilizar desfavorable. Durante los próximos 5 años, se esperaba que la infla-
el alimento, Julia decidió probar un nuevo enfoque. La comida del ción aumentara en un factor de 4.5% cada año.
bebé se congelaría. Esto permitiría ingredientes naturales, sin conser-
vadores y una nutrición excepcional.
También era importante conseguir buen personal que trabajara Preguntas para análisis
para la nueva empresa. Julia decidió buscar a personas con experien- 1.Sue Pansky, una maestra de escuela primaria jubilada, está con-
cia en finanzas, marketing y producción para que se involucraran en siderando invertir en Starting Right. Ella es muy conservadora y
Starting Right. Con su entusiasmo y carisma, Julia fue capaz de aversa al riesgo. ¿Qué le recomendaría usted?
encontrar tal grupo de personas. Su primer paso fue desarrollar proto- 2. Ray Cahn, quien actualmente es un distribuidor de mercancías,
tipos de la nueva comida para bebés congelada y realizar una pequeña también está considerando una inversión, aunque cree que sólo
prueba piloto del nuevo producto. La prueba piloto recibió críticas hay una probabilidad de 11% de tener éxito. ¿Qué le recomen-
muy favorables. daría usted?
110 CAPÍTULO 3 • ANÁLISIS DE DECISIONES
3. Lila Battle ha decidido invertir en Starting Right. Aunque cree 6. Le han dich a Julia Day que el desarrollo de documentos le-
que Julia tiene una buena oportunidad de éxito, Lila es aversa al gales para c da alternativa de recaudación de fondos es caro. A
riesgo y muy conservadora. ¿Cuál es su consejo para Lila? Julia le gust la ofrecer alternativas tanto para los inversionistas
4. George Yates cree que hay la misma posibilidad de éxito o de aversos al ri sgo como para los proclives al riesgo. ¿Puede Julia
fracaso. ¿Cuál es su recomendación? eliminar una de las alternativas financieras y aun así ofrecer op-
5. Peter Metarko es muy optimista sobre el mercado de la nueva ciones de inversión para ambos tipos de inversionista?
comida para bebé. ¿Cuál es su consejo para Pete?
Estudio de caso
Blake Electronics
En 1979 Steve Blake fundó Blake Electronics en Long Beach, Cali- Figura 3.15 Centro de control
fornia, para la fabricación de resistencias, condensadores, inductores y maestro
otros componentes electrónicos. Durante la guerra de Vietnam, Steve
era un operador de radio, y fue durante este tiempo que se convirtió en
experto en la reparación de radios y otros equipos de comunicación. co
Steve veía su experiencia de 4 años en el ejército con sentimientos 3>
encontrados. Odiaba la vida militar, pero esta experiencia le dio la 0 0 0 0 0 m
confianza y la iniciativa para comenzar su propia firma electrónica.
A través de los años, Steve mantuvo el negocio relativamente sin
cambios. En 1992 las ventas anuales totales fueron de más de $2 mi-
0 0 0 0 0
llones. En 1996 el hijo de Steve, Jim, se unió a la compañía después de
Caja del control maestro
terminar la escuela secundaria y 2 años de cursos de electrónica en la
Long Beach Community College. Jim siempre fue dinámico al practi-
O
car atletismo en la escuela secundaria, y se volvió aún más dinámico
como gerente general de ventas en Blake Electronics. Este dinamismo
molestaba a Steve, que era más conservador. Jim ofrecía suminis-
trar componentes electrónicos a los clientes antes de molestarse en
1.1
—
o O
averiguar si Blake Electronics tenía la habilidad o la capacidad para
producirlos. En varias ocasiones, este comportamiento le causó a la Adaptador Adaptador de Disco para
de enchufe interruptor bombilla
compañía algunos momentos embarazosos cuando Blake Electronics de luz
fue incapaz de producir los componentes electrónicos para empresas a
las que Jim había hecho ofertas.
En 2000 Jim comenzó a perseguir contratos de componentes elec-
trónicos para el gobierno. Para 2002, las ventas anuales totales habían
aumentado a más de $10 millones, y el número de empleados superaba dispositivos electrónicos para uso doméstico. La primera idea del
los 200. Muchos de estos empleados eran especialistas en electrónica equipo de investigación fue el centro de control maestro. Los compo-
y graduados de los programas de ingeniería eléctrica de las principales nentes básicos de este sistema se ilustran en la figura 3.15.
universidades. Pero la tendencia de Jim a involucrar a Blake Electro- El corazón del sistema es la caja del control maestro. Esta unidad,
nics en contratos difíciles también continuó y, en 2007, Blake Elec- que tendría un precio de venta de $250, tiene dos filas de cinco boto-
tronics tenía la reputación con los organismos gubernamentales de ser nes. Cada botón controla una luz o un aparato y se puede configurar
una empresa que no podía cumplir lo que prometía. Casi de la noche a como un interruptor o un reóstato. Cuando se configura como un inte-
la mañana, los contratos con el gobierno se detuvieron, y Blake Elec- rruptor, un ligero toque del dedo sobre un botón enciende o apaga una
tronics se quedó con mano de obra ociosa y equipos de manufactura luz o un aparar . Cuando se establece como un reóstato, un toque del
sin usar. Esta subutilización comenzó a acabar con las ganancias y, en dedo sobre el tón controla la intensidad de la luz. Al dejar el dedo
2009, Blake Electronics se enfrentaba a la posibilidad de sufrir pérdi- sobre el botón ace que la luz pase por un ciclo completo que va desde
das por primera vez en su historia. apagado hasta 1 z brillante y apagado de nuevo.
En 2010 Steve decidió estudiar la posibilidad de fabricar com- Para per itir una máxima flexibilidad, cada caja del control
ponentes electrónicos para uso doméstico. Aunque se trataba de un maestro se ali enta mediante dos baterías de tamaño D, que pueden
mercado totalmente nuevo para Blake Electronics, Steve estaba con- durar hasta un año, dependiendo de su uso. Además, el equipo de
vencido de que ésta era la única manera de evitar que su empresa investigación ha desarrollado tres versiones para la caja del control
comenzara a operar con números rojos. El equipo de investigación maestro: A, B y C. Si una familia quiere controlar más de 10 luces o
de Blake Electronics recibió la encomienda de desarrollar nuevos electrodomésticos, es posible comprar otra caja de control maestro.
ESTUDIO DE CASO 111
El disco para bombilla, que tendría un precio de venta de $2.50, TABLA 3.19 Cifras de éxito para MAI
se controla mediante la caja del control maestro y se utiliza para con-
trolar la intensidad de cualquier luz. Existe un disco diferente para RESULTADOS DE LA ENCWITA
cada posición del botón en tres cajas del control maestro. Al inser-
RESt ITADO FAVORABLE DESFAVORABLE TOTAL
tar el disco para bombilla entre la bombilla y la toma de corriente, el
botón correspondiente en la caja del control maestro puede controlar Empresa
por completo la intensidad de la luz. Si se utiliza un interruptor de luz exitosa 35 20 55
estándar, debe estar encendido en todo momento para que la caja del
Empresa sin
control maestro pueda funcionar. éxito 15 30 45
Una desventaja del uso de un interruptor de luz estándar es que
sólo se puede utilizar la caja del control maestro para controlar esa
luz específica. Para evitar este problema, el equipo de investigación
investigación de mercados. Las principales fortalezas de MAI pare-
desarrolló'un adaptador de interruptor de luz especial, que se vendería
cían ser la atención individual a cada cuenta, su personal experimen-
por $15. Cuando se instala este dispositivo, es posible usar indistin-
tado y el trabajo rápido. Steve estaba particularmente interesado en
tamente la caja del control maestro o el adaptador de interruptor para
una parte de la propuesta, que revelaba el registro de éxitos de MAI
controlar la luz.
en estudios anteriores. Esto se muestra en la tabla 3.19.
Cuando se usa para controlar aparatos distintos a las luces, la
La única propuesta diferente fue de una sucursal de Iverstine and
caja del control maestro debe usarse en conjunto con uno o más adap-
Walker, una de las mayores empresas de investigación de mercados
tadores de salida. Los adaptadores están conectados a una toma de
en el país. El costo de un estudio completo sería de $300,000. Si bien
corriente estándar, y el aparato se enchufa en el adaptador. Cada adap-
la propuesta no contenía el mismo registro de éxitos que MAI, la pro-
tador de salida tiene un interruptor en la parte superior que permite
puesta de Iverstine and Walker contenía información interesante. La
que el aparato se pueda controlar desde la caja de control maestro o
posibilidad de obtener un resultado favorable en la encuesta, dada una
el adaptador de salida. El precio de cada adaptador de salida sería de
$25. empresa exitosa, era de 90%. Por otro lado, la posibilidad de obtener
El equipo de investigación estima que le costaría $500,000 desa- un resultado desfavorable en la encuesta, dada una empresa sin éxito,
rrollar el equipo y los procedimientos necesarios para fabricar la caja era de 80%. Por lo tanto, a Steve le parecía que Iverstine and Walker
sería capaz de predecir el éxito o el fracaso de las cajas del control
del control maestro y sus accesorios. Si tiene éxito, esta empresa po-
maestro con una gran certidumbre.
dría aumentar las ventas en aproximadamente $2 millones. Pero, ¿se-
rán exitosas las cajas del control maestro? Con 60% de posibilidades Steve reflexionó sobre la situación. Por desgracia, los dos equi-
de éxito estimado por el equipo de investigación, Steve tenía serias pos de investigación de mercados proporcionaron diferentes tipos de
información en sus propuestas. Steve llegó a la conclusión de que no
dudas acerca de tratar de comercializar las cajas del control maestro,
habría manera de comparar las dos propuestas a menos que tuviera
a pesar de que le gustaba la idea básica. Debido a sus reservas, Steve
información adicional de Iverstine and Walker. Asimismo, Steve no
decidió enviar solicitudes de propuestas (SP) para realizar una inves-
tigación adicional a 30 empresas de investigación de mercados en el estaba seguro de qué hacer con la información, y si valdría la pena el
sur de California. gasto de contratar a una de las empresas de investigación de mercados.
La primera SP en regresar fue la de una pequeña compañía lla-
mada Marketing Associates, Inc. (MAI), que cobraba $100,000 .por Preguntas para análisis
el estudio. De acuerdo con su propuesta, MAI ha estado en el ne- 1.¿Necesita Steve información adicional de Iverstine and Walker?
gocio durante 3 años y ha llevado a cabo cerca de 100 proyectos de 2. ¿Qué le recomendaría usted?
Bibliografía
Abbas, Ali E. "Invariant Utility Functions and Certain Equivalent Transforma- Patchak, William M. "Software Survey: Decision Analysis". OR/MS Today 39, 5
tions", Decision Analysis 4, 1 (marzo de 2007): 17-31. (octubre de 2012).
Carassus, Laurence y Mikl6s Rásonyi. "Optimal Strategies and Utility-Based Paté-Comell, M. Elisabeth y Robin L. Dillon. "The Respective Roles of Risk and
Prices Converge When Agents' Preferences Do", Marhematics of Operations Decision Analyses in Decision Support", Decision Analysis 3 (diciembre de
Research 32, 1 (febrero de 2007): 102-117. 2006): 220-232.
Congdon, Peter. Bayesian Statistical Modeling. Nueva York: John Wiley & Sons, Pennings, Joost M. E. y Ale Smidts. "The Shape of Utility Functions and Orga-
Inc., 2001. nizational Behavior", Management Science 49, 9 (septiembre de 2003):
Ewing, Paul L, Jr. "Use of Decision Analysis in the Army Base Realignment and 1251-1263.
Closure (BRAC) 2005 Military Value Analysis", Decision Analysis 3 (mano Raiffa, Howard, John W. Pratt y Robert Schlaifer. Introduction to Statistical Deci-
de 2006): 33-49. sion Theory. Boston: MIT Press, 1995.
Hammond, J. S., R. L Kenney y H. Raiffa. "The Hidden Traps in Decision Making", Raiffa, Howard y Robert Schlaifer. Applied Statistical Decision Theory. Nueva
Harvard Business Review (septiembre-octubre de 1998): 47-60. York: John Wiley & Sons, Inc., 2000.
Hurley, William J. "The 2002 Ryder Cup: Was Strange's Decision to Put Tiger Rendez; B. y R. M. Stair. Cases and Readings in Management Science, 2a. ed.
Woods in the Anchor Match a Good One?", Decision Analysis 4,1 (mano Boston: Allyn & Bacon, Inc., 1988.
de 2007): 41-45. Schlaifer, R. Analysis of Decisions Under Uncertainty. Nueva York: McGraw-Hill
Kirkwood, C. W. "An Overview of Methods for Applied Decision Analysis", Book Company, 1969.
Interfaces 22, 6 (noviembre-diciembre de 1992): 28-39. Smith, James E. y Robert L. Winkler. "The Optimizer's Curse: Skepticism and
Kirkwood, C. W. "Approximating Risk Aversion in Decision Analysis Applications", Postdecision Surprise in Decision Analysis", Management Science 52
Decision Analysis 1 (marzo de 2004): 51-67. (marzo de 2006): 311-322.
Luce, R. y H. Raiffa. Games and Decisions. Nueva York: John Wiley & Sons, Inc., Van Binsbergen, hiles H. y Leslie M. Marx. "Exploring Relations Between Decision
1957. Analysis and Game Theory", Decision Analysis 4, 1 (marzo de 2007): 32-40.
Maxwell, Daniel T. "Improving Hard Decisions", ORÍMS Today 33, 6 (diciembre Wallace, Stein W. "Decision Making Under Uncertainty: Is Sensitivity Analysis of
de 2006): 51-61. Any Use?", Operations Research 48, 1 (2000): 20-25.
Modelos de control
de inventarios
OBJETIVOS DE APRENDIZAJE
Resumen • Glosario • Ecuaciones clave • Problemas resueltos • Autoevaluación • Preguntas para análisis y problemas •
Estudio de caso: Martin-Pullin Bicycle Corporation • Estudios de caso en Internet • Bibliografía
Apéndice 6.1: Control de inventarios con QM para Windows
187
188 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
6.1 Introducción
El inventario es uno de los activos más costosos e importantes para muchas empresas, en ocasiones repre-
senta hasta 50% del capital total invertido. Los ad *stradores han reconocido desde hace tiempo que
un buen control del inventario es crucial. Por un lado una empresa puede tratar de reducir los costos me-
diante la reducción de los niveles de inventario disponible. Por otro lado, los clientes pueden estar insatis-
fechos cuando existe escasez de inventarios, llamado desabasto, en forma frecuente. Por consiguiente, las
empresas deben encontrar un equilibrio entre los nive es bajos y altos de inventario. Como es de esperarse,
la minimización de costos es el factor principal en la obtención de este delicado equilibrio.
El inventario es cualquier recurso
El inventario es cualquier recurso almacenado que se utiliza para satisfacer una necesidad actual o
almacenado que se utiliza para futura. Las materias primas, el trabajo en proceso y los productos terminados son ejemplos de inventario.
satisfacer una necesidad actual Los niveles de inventario de productos terminados están en función directa de la demanda. Por ejemplo,
ofutura. cuando se determina la demanda de secadoras de ropa terminarlas, es posible utilizar esta información para
calcular la cantidad de lámina metálica, pintura, motores eléctricos, interruptores y otras materias primas,
así como el trabajo en proceso, que son necesarios p obtener el producto terminado.
Todas las organizaciones tienen algún tipo de s stema para la planeación y el control del inventario.
Un banco tiene métodos para controlar su inventan de efectivo. Un hospital cuenta con métodos para
controlar los suministros de sangre y otros elemento importantes. Los gobiernos estatales y federales, las
escuelas, y prácticamente todas las organizaciones de manufactura y producción, se ocupan de la planea-
ción y el control de inventarios. El estudio de la forma en que las organizaciones controlan su inventario
es equivalente a estudiar cómo alcanzan sus objetivos mediante el suministro de bienes y servicios a sus
clientes. El inventario es el hilo común que une a todas las funciones y los departamentos de la organiza-
ción en su conjunto.
En la figura 6.1 se ilustran los componentes básicos de un sistema de planeación y control de inven-
tarios. La fase de planeación se ocupa principalmente del inventario que debe ser almacenado y la forma
en que se va a adquirir (si se va a fabricar o a comprar). Esta información se utiliza luego en el pronóstico
de la demanda para el inventario y en el control de los niveles de inventario. El ciclo de retroalimentación
en la figura 6.1 presenta una manera de revisar el plan y el pronóstico con base en la experiencia y la
observación.
A través de la planeación del inventario, una organización determina qué bienes y/o servicios se van a
producir. En el caso de los productos físicos, la organización también debe decidir si producirá estos bienes
o los comprará a otro fabricante. Cuando esto se ha determinado, el siguiente paso consiste en pronosticar
la demanda. Como se estudió en el capítulo 5, hay muchas técnicas matemáticas que pueden utilizarse para
pronosticar la demanda de un producto específico. En este capítulo se da énfasis al control de inventarios,
es decir, a la forma de mantener los niveles de inventario adecuados dentro de una organización.
FIGURA 6.1
Planeación y control Planeación
del inventario sobre qué
almacenar y
cómo adquirirlo
Mediciones de
retroalimentación Pronóstico
para revisar de la demanda de
los planes y piezas/productos
pronósticos
Control de
los niveles
de inventario
6.2 IMPORTANCIA DEL CONTROL DE INVENTARIOS 189
Función de desacoplamiento
Una de las principales funciones del inventario es desacoplar los procesos de fabricación dentro de la
organización. Si no se almacenara inventario, podría haber muchos retrasos e ineficiencias. Por ejemplo,
cuando es necesario completar una actividad de fabricación antes de que se inicie una segunda actividad, la
El inventario puede actuar como falta de inventario podría detener todo el proceso. Sin embargo, cuando existe algún inventario almacenado
amortiguador. entre los procesos, éste podría actuar como amortiguador.
Almacenamiento de recursos
Los productos agrícolas y del mar suelen tener estaciones definidas en las que pueden cosecharse o captu-
rarse, pero la demanda de estos productos es algo constante durante el año. En estos y otros casos simila-
res, el inventario se suele utilizar para almacenar los recursos.
En un proceso de fabricación, las materias primas pueden almacenarse como tales, como trabajo
en proceso o como producto terminado. Por lo tanto, si su compañía fabrica cortadoras de césped,
es posible que pueda adquirir neumáticos para cortadora de césped de otro fabricante. Si usted tiene
400 cortadoras de césped terminadas y 300 neumáticos en inventario, en realidad tiene 1,900 neumáti-
cos almacenados en inventario. Trescientos neumáticos están almacenados como tales y 1,600 neumáticos
(1,600 = 4 neumáticos por cortadora de césped X 400 cortadoras de césped) están almacenados en las
Los recursos se pueden almacenar cortadoras de césped terminadas. En el mismo sentido, la mano de obra se puede almacenar en inven-
en el trabajo en proceso. tario. Si usted tiene 500 subensambles y se requieren 50 horas de trabajo para producir cada ensamble,
en realidad tiene 25,000 horas de trabajo almacenadas en el inventario de subensambles. En general,
cualquier recurso, físico o de otro tipo, se puede almacenar en inventario.
1. Cuánto ordenar
2. Cuándo ordenar
El propósito de todos los modelos y las técnicas de inventario es determinar racionalmente cuánto
ordenar y cuándo ordenar. Como es sabido, el inventario cumple muchas funciones importantes dentro de
una organización. Pero a medida que los niveles de inventario suben para realizar esas funciones, el costo
de almacenar y mantener inventarios también aumenta. Por lo tanto, es necesario alcanzar un delicado
Un objetivo principal de todos los
equilibrio al establecer los niveles de inventario. Un objetivo importante en el control de inventarios es
modelos de inventario es minimizar
los costos de inventario. minimizar sus costos totales. Algunos de los costos de inventario más significativos son los siguientes:
Desarrollo de un modelo
Desarrollo de
Investigadores de Portugal desarrollaron un modelo unidireccional de los productos de petróleo y gas desde
un modelo
las refinerías hasta los centros de distribución. El modelo incorpora muchos parámetros distintos, entre ellos el
número de productos, las capacidades de almacenamiento máximas para cada producto, la capacidad de los
ductos, así como la demanda de cada producto.
1
Desarrollo de una solución
Desarrollo de
una solución Se desarrolló un gran programa mixto lineal-entero (vea el capítulo 10 de este libro), como parte del procedi-
miento de solución para optimizar la cadena de suministro.
Pruebas a la solución
Pruebas
a la solución Todos los problemas resueltos por los investigadores portugueses se basaron en datos reales de la Companhia
Logistica Combustiveis, una gran empresa portuguesa dedicada a la distribución de petróleo y gas. Se realiza-
ron pruebas y los resultados fueron comparados con escenarios del mundo real.
Análisis de resultados
Análisis
Los resultados obtenidos a partir del modelo se compararon con la operación real. Los resultados identificaron
de resultados
oportunidades de mejoras significativas en las tasas de flujo y en la reducción de costos de bombeo.
Implementación de resultados
Implementación
Como resultado, las compañías de petróleo y gas pueden mejorar la planeación y la gestión de sus cadenas de
de resultados
suministro, con menos interrupciones y costos generales más bajos.
Fuente: S. Relvas. S.N.B. Magatáo. A.P.F.D. Barbosa-P6voa y E Neves. "Integrated Scheduling and Inventory Management
of an Oil Products Distribution System", Omega 41 (2013): 955-968.
6.4 CANTIDAD ECONÓMICA DE PEDIDO: DETERMINACIÓN DE LA CANTIDAD A ORDENAR 191
En la tabla 6.1, se muestran los factores más comunes asociados con los costos de pedido y los costos
de almacenamiento. Observe que los costos de pedido suelen ser independientes del tamaño de la orden, y
muchos de ellos implican tiempo del personal. Cada vez que se realiza una orden se incurre en un costo de
pedido, sin importar que la orden sea de 1 unidad o de 1,000 unidades. El tiempo para procesar el papeleo,
pagar la factura, etcétera, no depende del número de unidades pedidas.
Por otro lado, el costo de almacenamiento varía a medida que cambia el tamaño de las existencias. Si
se colocan 1,000 unidades en inventario, los impuestos, los seguros, el costo de capital y otros costos por
mantenerlo serán mayores, que si sólo se colocara 1 unidad en inventario. Del mismo modo, si el nivel de
inventario es bajo, hay pocas posibilidades de deterioro y obsolescencia.
El costo de los artículos, o el costo de compra, es lo que se paga por adquirir el inventario. El costo
de desabasto indica la pérdida de ventas y de buena imagen (ventas futuras) que resultan de no contar con
artículos disponibles para los clientes. Esto se analiza más adelante en el capítulo.
Inventario
mínimo
o
Tiempo
Q
Nivel de inventario promedio = 16-1)
Mediante el uso de las siguientes variables, es posible desarrollar expresiones matemáticas para los costos
anuales de pedido y de almacenamiento:
A EN ACCIÓN
Una compañía de moda global modela un sistema
de administración de inventarios
Costo de pedido anual = (Número de pedidos realizados al año) X (Costo de pedido por orden)
Demanda anual
X (Costo de pedido por orden)
Número de unidades en cada pedido
D
= — Co
Costo anual de almacenamiento = (Inventario promedio) X (Costo de almacenamiento por unidad anual)
Cantidad de pedido
X (Costo de almacenamiento por unidad anual)
2
= —
Q Ch
En la figura 6.3, se muestra una gráfica del costo de almacenamiento, el costo de pedido y el total de estos
dos costos. El punto más bajo de la curva de costo total se produce cuando el costo de pedido es igual al
costo de almacenamiento. Por lo tanto, para minimizar los costos totales ante esta situación, la cantidad de
pedido debería ser aquella donde ambos costos son iguales.
FIGURA 6.3
Costo total en función de Costo
la cantidad de pedido Curva de costo total
de pedido y
almacenamiento
Costo
total
mínimo
Curva de costo
de almacenamiento
Curva de costo de pedido
Determinación de la EOQ
La ecuación de la EOQ se obtiene Cuando se cumplen los supuestos de la EOQ, el cost total se minimiza si:
al igualar el costo de pedido con
el costo de almacenamiento. Costo de almacenamiento anual = Costo de pedido anual
— Ch = co
2
Q2 Ch = 2DC„,
Q, 2DC,
Ch
Q= V2Dco
Ch
Con frecuencia, esta cantidad óptima de pedido se denota mediante Q•. Por consiguiente. la cantidad eco-
nómica de pedido está dada por la siguiente fórmula:
2DC,
EOQ =
\1 Ch
Esta fórmula de la EOQ es la base de muchos modelos más avanzados, algunos de los cuales se analizan
más adelante en este capítulo.
2DC,,
EOQ = = (6-4)
Ch
Q„ i2DC,
Ch
2(1,000)(10)
V 0.50
4 ,000
= 200 unidades
El costo de inventario anual total correspondient es la suma de los costos de pedido y los costos de
almacenamiento:
Costo anual total = Costo de pedido + Costo de almacenamiento
6.4 CANTIDAD ECONÓMICA DE PEDIDO: DETERMINACIÓN DE LA CANTIDAD A ORDENAR 195
El costo de inventario anual total En términos de las variables del modelo, el costo total (CT) se expresa ahora como
es igual al costo de pedido más el
costo de almacenamiento para Q
CT = — C, + — Ch (6-5)
el modelo de la EOQ simple. Q 2
D
— C, + Q
CT = Q — Ch
2
1,000 200
(10) + — (0.5)
200
= $50 + $50 = $100
USO DE EXCEL PARA PROBLEMAS BÁSICOS DE INVENTARIO CON EOQ El ejemplo de la compañía
Sumco Pump, y una variedad de problemas de inventario que estudiamos en este capítulo, pueden resol-
verse con facilidad mediante Excel QM. El programa 6.1A muestra los datos de entrada para Sumco y
las fórmulas de Excel necesarias para el modelo de la EOQ. El programa 6.1B contiene la solución a este
ejemplo, incluyendo la cantidad óptima de pedido, el nivel máximo de inventario, el nivel de inventario
promedio y el número de pedidos u órdenes.
PROGRAMA 6.1A A c
Datos de entrada y com• n
2 Introduzca aquí la tasa de demanda, el costo
fórmulas de Excel QM 3
4 de pedido, el costo de almacenamiento y, si
para el ejemplo de la 5 está disponible, el precio unitario.
compañía Sumco Pump 6
7 Data
8 Demand rata. O
9_ dTdenng cost, S EalgrA~~i
10. 19olcing cosí. II
1.1 DM e. P 01.1~~1
13 Results
14, Dlisnal Order.1:1t.~I~rBBI39/13
15 Maximum Inventory X14
16_ ..Werage
/ Inventory =1314/2
17 biombo< ol Orders =138/614
18
19 Hoidrng cost :.tquí se da el costo unitario total.
20 Setup cost
21
22 Unit costs 14311'88
23 Total cosí. T, 4319+8200322
Más adelante en este capítulo, se analiza el caso donde el precio puede afectar la política de pedidos; es decir, cuando se
ofrecen descuentos por cantidad.
196 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
7 Data —
8 Domad tate. D 1000
P—011efino post s 10
10n9 .cosí. 0.5 (fixed arnount)
11 Gral price, P O
12 Inventory: Cost vs Quantity
13 Results
14 Optima' Orear Ouanoty, 0' 200 450
15 Maximum Inventin 200 400
15 ik,urage Inventory 100 350 - setup COSI
1/ Number Orders 5 — 300
e 250
18 I 200 HOldin COSI
19 Holding cosí _ 550.00 o 150
20 Setup cosi _ 550.00 100 - Total CCVII
21 50
22 Unit coses T $0.00 o
25 115 205 295
23 Total cosí. T. i 5100.00
Order fitY (0)
25 Aquí se calcula el costo tota que incluye los
76
costos de almacenamiento y de pedido, así
lomo el precio unitario, si éste se proporcionay
Es útil saber cómo se calcula el nivel de inventario promedio en términos monetarios, cuando se pro-
porciona el precio unitario. Esto puede hacerse de la siguiente manera. Si la variable Q representa la can-
tidad de unidades ordenadas, y se supone un costo unitario de C, podemos determinar el valor monetario
promedio del inventario:
(CQ)
Nivel monetario promedio = (6-6)
2
Esta fórmula es similar a la ecuación 6-1.
Los costos por mantener inventario para muchos negocios e industrias también se expresan frecuen-
temente como un porcentaje anual sobre el costo o precio unitario. Cuando esto es así, se introduce una
1 es el costo anual de mantener nueva variable. Sea / el cargo anual por mantener inventario como porcentaje del precio o el costo unitario.
inventarios como un porcentaje Entonces el costo de almacenar una unidad de inventario para el año, Ch, está dado por Ch =1C, donde C
del costo unitario. es el precio unitario o el costo de un artículo en inventario. En este caso, Q* se expresa como
V2DG
(6-7)
IC
,,
EOQ = V
J2DC
Ch
Debido a la raíz cuadrada en la fórmula, cualquier cambio en las entradas (D, Co, Ch) dará lugar a cambios
relativamente menores en la cantidad óptima de pedido. Por ejemplo, si Co aumentara en un factor de 4,
la EOQ sólo aumentaría en un factor de 2. Conside1e el ejemplo de Sumco que se acaba de presentar. La
EOQ para esta compañía es:
V2(1,000)(10)
EOQ = = 200
0.50
6.5 PUNTO DE REORDEN: DETERMINACIÓN DE CUANDO HACER UN PEDIDO 197
V2(1,000)(40) — 400
EOQ =
0.50
En general, la EOQ cambia por la raíz cuadrada de un cambio en cualquiera de las entradas.
En la figura 6.4, se presentan dos gráficas que muestran el ROP. Uno de ellos tiene un tiempo de entrega
relativamente corto, mientras que el otro tiene uno más grande. Cuando la posición de inventario llega
al ROP, es necesario colocar una nueva orden. Mientras se espera que llegue ese pedido, la demanda se
ROP
Tiempo
Tiempo de entrega = L
ROP <
Nivel de
á
inventario
En pedido
Disponible
Tiempo
Tiempo de entrega = L
ROP >
198 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
satisfará con el inventario actualmente disponible o co el inventario que ya se ha pedido, pero que llegará
cuando el inventario disponible alcance el nivel de cer . Veamos un ejemplo.
ROP = d X L = 40 uni1
ades por día X 3 días
= 120 unidades
Por lo tanto, cuando las existencias de chips en el inventario se reducen a 120, es necesario colocar una
orden. El pedido llegará tres días más tarde, al mismo tiempo que las existencias de la compañía alcanzan
un nivel de 0. Dado que la cantidad de pedido es de 400 unidades, el ROP es simplemente el inventario
disponible. Ésta es la situación que se presenta en la primera gráfica de la figura 6.4.
Suponga que el tiempo de entrega de los chips del computadora para Procomp es de 12 días en vez de
3 días. El punto de reorden sería:
Dado que el nivel máximo de inventario disponible es la cantidad de pedido, 400 unidades, una posición de
inventario de 480 sería:
Por lo tanto, sería necesario colocar una nueva orden cuando el inventario disponible cayera a 80, al tiempo
que habría otro pedido en tránsito. La segunda gráfic de la figura 6.4 ilustra este tipo de situación.
FIGURA 6.5
Nivel de
Control del inventario y inventario 'arte del ciclo del inventario Licitante esta parte del ciclo
el proceso de producción durante el cual se realiza / del inventario. no hay
la producción / producción
Inventario
máximo
Tiempo
t --1
6.6 EOQ SIN EL SUPUESTO DE RECEPCIÓN INSTANTÁNEA 199
La resolución del modelo de corrida La cantidad de producción óptima se puede obtener al igualar los costos de instalación con los
de la producción implica igualar los costos por mantener inventarios para, después, despejar la cantidad de pedido. Comenzaremos por
costos de instalación con los costos el desarrollo de la expresión para los costos de almacenamiento. Sin embargo, deberíamos tener en
de almacenamiento y despejar Q. cuenta que la igualación del costo de instalación con el costo de almacenamiento no siempre garantiza
soluciones óptimas para modelos más complejos que el modelo de corrida de la producción.
(Total producido durante la corrida de la producción) — (Total utilizado durante la corrida de la producción)
= (Tasa de producción diaria)(Número de días de producción)
— (Demanda diaria)(Número de días de producción)
= (PI) — (dt)
Dado que
total producido = Q = pt,
sabemos que
Q
t=—
Q
Nivel máximo de inventario = pt — dt = p — — d —
Q
= Q (1 — —
P P
El nivel máximo de inventario Dado que el inventario promedio es la mitad del máximo, tenemos
en el modelo de producción es
inferior a Q. Q
Inventario promedio = — — —
d) (6-9)
p
Y
2
Q 1 - h =Q s
Ésta es la fórmula para la cantidad Cuando encontramos el valor de Q, obtenemos la cantidad óptima de producción (Q*):
óptima de producción. Observe la
2DC,
similitud con el modelo básico Q" = (6-13)
de la EOQ.
Ch (1 —
Cabe señalar que si la situación no implica producción, sino más bien consiste en la recepción de inventa-
rio en forma gradual durante un periodo de tiempo, la aplicación de este mismo modelo es adecuada, pero
en la fórmula Co sustituye a Cs.
d CC,,
Costoanual de almacenamiento = 1 (1 — —
2 p
D
Costo anual de instalación = — cs
Q
2DC,
Cantidad óptima de producción Q* =
C —
P/
2DC,
1.Q• =
Ch —
/2 x 10,000 x 100
2. Q =
0.5 —
= 2MCIM0 — x/16,000,000
V 0.5( x /4)
= 4,000 unidades
PROGRAMA 6.2A Introduzca la tasa de demanda, el
A
Fórmulas en Excel QM y 'Brown Manufacturing costo de instalación y el costo de
datos de entrada para 2 almacenamiento. Tenga en cuenta que
3 ilaveneocy ~hm Oder Quantity Morid el costo de almacenamiento es una
el problema de Brown 4
cantidad monetaria fija en vez de un
Manufacturing 6 Data porcentaje del precio unitario.
7 Dernand tate, D 10000
8 'Setup cost, S 100
9 Holding cost, H 0.5 Introduzca la tasa de producción
10 Daily produchon rato, p 80 diaria y la tasa de demanda diaria
11 Daily demand rale, d 60
12 Una pece, P
13 /Calcula la cantidad de producción óptima. )
14 Resulta
15 OpOmal productlon quantrty. Q' =SQRT(?81118/89rSQ8T(610/(310.811))/
16 IlAaxlmum Inventan/ .81511.3104311y910
17 :Average Inventory
-(Determina el nivel máximo de inventario)
4316/2
18 tiumber afSetups 437
Calcula el número
19 . promedio de
20 et1olding cost =e1re configuraciones.
21 iSetup cost =818'
221-
23 ;Una coda =612'87 Determina los costos anuales
de almacenamiento y de
25 Total cosi.; .820.82114323 \ instalación.
PROGRAMA 6.2B A E
Soluciones de Excel QM Brown Manufacturing
para el problema de Production Quantity Mode'
Brown Manufacturing 2
6 Data
7 Demand rafe. D 10000
8 Setup cost, S 100
9 Holding cost. H 0.5 tfixed amourt)
10 Daily production tate. p 80
11 Daily dernand cate, d 60 Inventory: Cost vs Quantity
12 Unit price, P
13
1.200.00
11 Results
15 lOptimal production quantity. Q* ........ .... 4000 1,000.00
16 Maximum Inventory 1000 800.00 —Setup cost
17 Average Irrrentow 500 e 600.00
Hoinng cosi
18 :Number of Setups
19 I
2.5
y 400.00 -Total cost
20 Holding cosi 200.00
21 .Setup cost 0.00
22
23 Unit costs § (si
24
25 Total cosi. Tc Production Quantity (Q)
202 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
D Q
Costo total = DC + — C0 + — (6-14)
Q 2
donde
Dado que el costo de almacenamiento por unidad anual se basa en el costo de los artículos, es conveniente
expresarlo como
Ch = IC
donde
/ = costo de almacenamiento como un porcentaje del costo unitario (C)
Para un costo de compra específico (C), dados los supuestos que hemos realizado, colocar el pedido de la
EOQ minimizará los costos totales de inventario. Sin embargo, en la situación de descuento, esta cantidad
quizá no sea suficientemente grande como para obtener un descuento; por ello, también se debe considerar
la orden de esta cantidad mínima para el descuento. En la tabla 6.3, se muestra un programa típico de des-
cuentos por cantidad.
Como se observa en la tabla, el costo normal del artículo es $5. Cuando se piden de 1,000 a 1,999
El objetivo general del modelo
unidades a la vez, el costo por unidad se reduce a $4.80, y cuando la cantidad pedida a la vez es de
de descuentos por cantidad es
minimizar los costos de inventario 2,000 unidades o más, el costo es de $4.75 por unidad. Como siempre, la administración debe decidir
totales, que ahora incluyen los costos cuándo y cuánto ordenar. Pero con descuentos por cantidad, ¿cómo debería el administrador tomar estas
de materiales reales. decisiones?
6.7 MODELOS DE DESCUENTO POR CANTIDAD 203
TABLA 6.3
NÚMERO DE CANTIDAD PARA DESCUENTO COSTO (:()N
Programa de descuentos DESCUENTOS DESCI:ENTO t %) DESCUENTO (S)
por cantidad
1 0 a 999 0 5.00
2 1,000 a 1,999 4 4.80
3 2,000 y más 5 4.75
Al igual que con otros modelos de inventario analizados hasta ahora, el objetivo general será minimi-
zar el costo total. Debido a que el costo unitario del tercer descuento en la tabla 6.3 es el más bajo, usted
podría verse tentado a pedir 2,000 unidades o más para aprovechar el costo inferior del material. Sin em-
bargo, colocar un pedido por esa cantidad con el mayor descuento en el costo podría no minimizar el costo
total del inventario. A medida que aumenta la cantidad de descuento, el costo del material disminuye, pero
los costos de almacenamiento se incrementan porque los pedidos son grandes. Por lo tanto, la principal
disyuntiva al considerar descuentos por cantidad está entre la reducción del costo de material y el aumento
del costo de almacenamiento.
En la figura 6.6, se proporciona una representación gráfica del costo total para esta situación. Observe
que la curva de costo disminuye considerablemente cuando la cantidad de pedido alcanza el mínimo para
cada descuento. Con los costos específicos de este ejemplo, vemos que la EOQ para la segunda categoría
de precio (1,000 s Q 1,999) es inferior a 1,000 unidades. Aunque el costo total para esta EOQ es menor
que el costo total de la EOQ con el costo de la categoría 1, la EOQ no es suficientemente grande como para
obtener este descuento. Por consiguiente, el costo total más bajo posible para este descuento se produce en
la cantidad mínima necesaria para obtener el descuento (Q = 1,000). El proceso para determinar la canti-
dad de costo mínimo en esta situación se resume en el siguiente cuadro.
FIGURA 6.6
Curva de costo total para Costo A Curva de CT para
el modelo de descuento total el descuento 3
S
por cantidad
Curva de CT para
el descuento 1
0 1,000 2,000
Cantidad de pedido
204 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
(2)(5,000)(49)
Se calculan los valores de la EOQ. EOQ2 = = 714 autos por pedido
\/ (0.2)(4.80)
V(2)(5,000)(49)
EOQ3 = = 718 autos por pedido
(0.2)(4.75)
El segundo paso es ajustar las cantidades que estén por debajo del rango de descuento permisible. Como la
Se ajustan los valores de la EOQ. EOQ1 está entre O y 999, no tiene que ser ajustada. La EOQ, está por debajo del rango permisible de 1,000
a 1,999 y, por lo tanto, debe ajustarse a 1,000 unidades. Lo mismo ocurre para la EOQ3: debe ajustarse a
2,000 unidades. Después de este paso, es necesario probar las siguientes cantidades de pedido en la ecua-
ción de costo total:
Q1 = 700
Q2 = 1,000
Q3 = 2,000
El tercer paso es usar la ecuación 6-14 y calcular un costo total para cada una de las cantidades de pedido.
Se calcula el costo total. Esto se logra con la ayuda de la tabla 6.4.
TABLA 6.4 Cálculos del costo total para la tienda departamental Brass
El cuarto paso es seleccionar la cantidad de pedido con el menor costo total. En la tabla 6.4, se ob-
serva que una cantidad de pedido de 1,000 autos de carreras minimiza el costo total. Sin embargo, debería
Se selecciona la Q*. tenerse en cuenta que el costo total por ordenar 2,000 autos es sólo ligeramente mayor que el costo total
por ordenar 1,000. Por lo tanto, si el tercer costo de descuento baja a $4.65, por ejemplo, esta cantidad de
pedido sería la que minimice el costo total de inventario.
USO DE EXCEL QM PARA PROBLEMAS CON DESCUENTOS POR CANTIDAD Como pudo verse en
el análisis anterior, el modelo de descuentos por cantidad es más complejo que los modelos de inventario
estudiados hasta ahora en este capítulo. Por fortuna, podemos usar la computadora para simplificar los
cálculos. En el programa 6.3A, se muestran las fórmulas de Excel y los datos de entrada necesarios en
Excel QM para el problema de la tienda departamental Brass. En el programa 6.3B, se proporciona la solu-
ción al problema, incluyendo las cantidades ajustadas y los costos totales para cada nivel de precio.
PROGRAMA 6.3B A o E
Soluciones en Excel Brass Department Store
2
QM para el problema 3 Inventor" Quantity Descount Model
4
con descuentos por 5 Data
cantidad de la tienda 6 Demand rata. D 5000
7 Setup cost, S 49
departamental Brass 8 Holding cost 51, 20%
O unidades
Tiempo
Desabasto
Inventario
disponible
Inventario de
seguridad. IS
.---- Se evita el desabast,
O unidades
Tiempo
6.8 USO DEL INVENTARIO DE SEGURIDAD 207
El inventario de seguridad está La única pregunta que queda por responder es cómo se determina el tamaño correcto del inventario
incluido en el ROP. de seguridad. Dos factores importantes en esta decisión son el costo de desabasto y el costo de almace-
namiento. Por lo general, el costo de desabasto implica la pérdida de ventas y el daño a la reputación,
lo que resulta en pérdida de ventas futuras. Si el costo de almacenamiento es bajo, mientras que el costo
de desabasto es alto, es recomendable conservar una gran cantidad de inventario de seguridad para evi-
tar desabasto, ya que cuesta muy poco conservarlo; mientras que el desabasto resulta caro. Por otro lado,
si el costo de desabasto es bajo, pero el costo de almacenamiento es alto, sería preferible un inventario de
seguridad menor, ya que un desabasto costaría muy poco, pero el exceso de inventario de seguridad daría
lugar a costos anuales de almacenamiento mucho mayores.
¿Cómo se determina el nivel óptimo del inventario? Si la demanda fluctúa, pero el tiempo de entrega
es constante, y se conocen tanto el costo de desabasto como el costo de almacenamiento unitario, es posi-
ble considerar el uso de una tabla de costo/beneficio. Con sólo un pequeño número de posibles valores de
demanda durante el tiempo de entrega, podría construirse una tabla de costos donde los diferentes niveles
posibles de demanda serían los estados de la naturaleza, y los distintos tamaños del inventario de seguridad
serían las alternativas. Con base en las técnicas descritas en el capítulo 3, podría calcularse el costo espe-
rado para cada nivel del inventario de seguridad, y sería posible encontrar la solución de costo mínimo.
No obstante, un enfoque más general consiste en determinar el nivel de servicio que se desea y, des-
pués, encontrar el nivel del inventario de seguridad que podría lograr esto. Un administrador prudente toma
en cuenta el costo de almacenamiento y el costo de desabasto para ayudar a determinar un nivel de servicio
adecuado. El nivel de servicio indica qué porcentaje del tiempo se cumple con la demanda de los clientes.
En otras palabras, el nivel de servicio es el porcentaje de tiempo que evita los desabastos. Así,
Nivel de servicio = 1 — Probabilidad de un desabasto
o
Probabilidad de un desabasto = 1 — Nivel de servicio
Una vez establecido el nivel de servicio deseado, la cantidad del inventario de seguridad a conservar puede
encontrarse mediante la distribución de probabilidad de la demanda durante el tiempo de entrega.
Por lo tanto, la cantidad de inventario de seguridad es simplemente Zcraz. En el siguiente ejemplo se busca
determinar el nivel adecuado de inventario de seguridad, cuando la demanda durante el tiempo de entrega
se distribuye normalmente y se conocen la media y la desviación estándar.
FIGURA 6.8
Inventario de seguridad
y la distribución normal
5 del área de
la urva normal
IS
N. =350 X =?
= Demanda media = 350
(T = Desviación estándar . 10
X = Demanda media + Inventario de seguridad
IS = Inventario de seguridad = X-1.1 = Z(T
X -µ
=
la ecuación 6-16 para encontrar el inventario de seguridad y el punto de reorden. A lo largo de esta sec-
ción, se supondrá que el tiempo de entrega está en das,
1 aunque el mismo procedimiento se puede aplicar
a semanas, meses o cualquier otro periodo de tiemp . También se supondrá que si la demanda fluctúa, la
distribución de la demanda cada día es idéntica e independiente de la demanda en otros días. Si tanto la de-
manda diaria como el plazo de entrega fluctúan, se supone que éstos son independientes.
Existen tres situaciones a considerar. En cada una de las siguientes fórmulas del ROP, la demanda pro-
medio durante el tiempo de entrega es el primer término y el inventario de seguridad (Ziar) es el segundo
término.
1. La demanda es variable, pero el tiempo de entrnga es constante:
donde
= demanda diaria xromedio
crd = desviación estándar de la demanda diaria
L = tiempo de entrega en días
donde
= tiempo de entrega promedio
crz, = desviación estándar del tiempo de entrega
d = demanda diaria
Observe que la tercera situación es el caso más g neral y los demás casos se pueden obtener de éste. Si
ya sea la demanda o el tiempo de entrega son cons antes, la desviación estándar y la varianza en este caso
sería 0, y el promedio sería simplemente igual a la antidad constante. Por lo tanto, la fórmula del ROP en
la situación 3 se puede simplificar como la fórmula del ROP dada para esa situación.
Con base en el apéndice A, para un nivel de servicio de 97%, Z = 1.88. Puesto que la demanda es
variable, pero el tiempo de entrega es constante, encontramos que
ROP = dL + Z(o-d 1rt) = 15(4) + 1.88(3'1/4) = 15(4) + 1.88(6)
= 60 + 11.28 = 71.28
Así que la demanda promedio durante el tiempo de entrega es de 60, y el inventario de seguridad es 11.28
unidades.
Para el SKU B7319, la demanda diaria es constante en 25 unidades diarias, y el tiempo de entrega se
distribuye normalmente, con una media de 6 días y una desviación estándar de 3. Hinsdale quiere mantener
un nivel de servicio de 98% para este producto en particular. ¿Cuál es el punto de reorden?
A partir del apéndice A, para un nivel de servicio de 98%, Z = 2.05. Como la demanda es constante,
pero el tiempo de entrega es variable, encontramos
ROP = dL + Z(dcrL) = 25(6) + 2.05(25)(3) = 150 + 2.05(75)
= 150 + 153.75 = 303.75
Así que la demanda promedio durante el tiempo de entrega es de 150, y el inventario de seguridad es de
154.03 unidades.
Para el SKU F9004, la demanda diaria se distribuye normalmente, con una media de 20 unidades y
una desviación estándar de 4; y el tiempo de entrega se distribuye normalmente, con una media de 5 días
y una desviación estándar de 2. Hinsdale quiere mantener un nivel de servicio de 94% para este producto
en particular. ¿Cuál es el punto de reorden?
Con base en el apéndice A, para un nivel de servicio de 94%, Z = 1.55. Dado que tanto la demanda
como el tiempo de entrega son variables, encontramos
TABLA 6.5
NIVEL, 1W VALOR DE Z EN LA TABLA INVENTARIO DE
Inventario de seguridad (2101('‹1 DE LA CURVA NORMAL SEGURIDAD (UNIDADES)
para el SKU A3378 con
diferentes niveles de
90 1.28 12.8
servicio 91 1.34 13.4
92 1.41 14.1
93 1.48 14.8
94 1.55 15.5
1.65 165
96 1.75 17.5
97 1.88 18.8
98 2.05 20.5
99 2.33 23.3
99.99 3.72 37.2
210 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
la demanda fluctúa, se agrega el costo de almacenan ento de este inventario de seguridad al costo por
mantener el inventario regular con la finalidad de ob ner el costo total anual de almacenamiento. Si la
demanda durante el tiempo de entrega se distribuye n rmalmente y se utiliza un inventario de seguridad,
el inventario promedio sobre la cantidad de pedido (Q) sigue siendo Q/2, pero el tamaño promedio del in-
ventario de seguridad que se mantiene es simplemente 1 inventario de sepridad (IS) y no la mitad de esa
cantidad. Dado que la demanda durante el tiempo de e trega se distribuye normalmente, habría momentos
en los que el uso de inventarios durante el tiempo de entrega superaría la cantidad esperada y se usaría un
poco del inventario de seguridad. No obstante, es igual de probable que el uso de inventarios durante el
tiempo de entrega fuera menor que la cantidad esperada y la orden llegará aunque algunas existencias re-
gulares se sigan conservando, junto con todo el inventario de seguridad. Por lo tanto, en promedio, la com-
pañía siempre debería tener disponible esta cantidad de inventario de seguridad, con lo cual se aplicaría un
costo de almacenamiento al total. De lo anterior, tenemos
Costo total anual de almacenamiento = Costo de almacenamiento del inventario regular
+ Costo de almacenamiento del inventario de seguridad
Q (6-20)
CTA = — Ch (IS)Ch
donde
CTA = costo total anual de almacenamiento
Q = cantidad de pedido
C1, = costo de almacenamiento por unidad por año
IS = inventario de seguridad
El costo de almacenamiento aumenta En el ejemplo de Hinsdale para el SKU A3378, supongamos que el costo de almacenamiento es de $2 por
a un ritmo creciente a medida que se unidad anual. En la tabla 6.5, se muestra la cantidad de inventario de seguridad necesaria para alcanzar
incrementa el nivel de servicio. diversos niveles de servicio. El costo por mantener el inventario de seguridad serían estas cantidades multi-
plicadas por $2 por unidad. Como se ilustra en la figura 6.9, este costo de almacenamiento aumentaría muy
rápidamente una vez alcanzado el nivel de servicio de 98 por ciento.
USO DE EXCEL QM PARA PROBLEMAS CON INVENTARIO DE SEGURIDAD Si desea utilizar Excel
QM para determinar el inventario de seguridad y el punto de reorden, seleccione Excel QM de la pestaña
Add-1ns y elija Inventory—Reorder Point/Safety Stock (normal distribution). Introduzca un título cuando
FIGURA 6.9
($)
Nivel de servicio contra 80
los costos anuales de
almacenamiento
Costos de almacenamiento de inventario ( $)
70
60
50
40
30
20
90 91 92 93 94 95 96 97 98 99 99.99 (%)
Nivel de servicio (%)
6.9 MODELOS DE INVENTARIO DE UN SOLO PERIODO 211
PROGRAMA 6.4A
Fórmulas y entrada de datos en Excel QM para el problema del inventario de seguridad de Hinsdale
e Data Daga
5 Aya eso demand duma lead the, 3sg Ama*. dad dernand
10 Stand•IddeditiOn019,,, lo Standerd dedatkmof ddy demand.o. 3
5..wae ateel 0.1 ti demand me0 095 Leed une de"
SamvioefraeiEZ of derrundmet) 0.97
11
u Results
Si la demanda diaria y/o el tiempo de entregil •NORMSINV(H12)
duermo 10;4 time • H9-Ittl
se distribuyen normalmente, los datos se Stanclocd deatintion o£ demand ctuting load time. e. •H1ITSORT7_
introducen aquí. Si una o el otro es constante, Salety stook •1415-1117
Weneder Point ..nem vH18.11116
anote cero para la desviación estándar,
21
22 :Mochas: Eithet dally ~ad.
respectivamente. La desviación estándar 1111
a3 de la demanda durante
fData
31 Amas* dally demand 25 el tiempo de entrega
161 Standatd deviation oí dalla demand o Enter 0 II demand b oonstant
se calcula aquí.
11 I Amaste hilad ame Dr.d..vs) e
la IStandud d.uladn, oí 4.d time.ek, 3 Enter O O leed time le enastan.
• Sawoelevelí% el demand met) aso
• Results La desviación estándar de lá
demanda durante el tiempo
de entrega se calcula aquí.
20
ra
22114.241:kallme dalle feawad, wad tame
ase variable Solución al segundo ejemplo
$i Data
Avatage dedy demand
de Hinsdale donde la demanda
Standud de,oancna£ dad d diaria se distribuye normalmente.,
Avneerrleedrne In de
es Sudad devimon ot leed 7~6 «einem
30
tiernita _--(Solución al tercer ejemplo de
Hinsdale en el que la demanda
diaria es constante, pero el
tiempo de entrega se distribuye
aparezca la ventana de entrada y haga clic en OK. El programa 6.4A muestra la pantalla de entrada y las
fórmulas para los tres primeros ejemplos de Hinsdale Company. El programa 6.4B muestra la solución.
Con frecuencia, este tipo de problema se denomina pr lema del voceador o modelo de inventarios de un
solo periodo.
Por ejemplo, un restaurante grande podría ser de almacenar entre 20 y 100 cajas de rosquillas
(donas) para satisfacer una demanda que va de 20 a 00 cajas por día. Aunque esto podría modelarse
utilizando una tabla de pagos (vea el capítulo 3), serí analizar 101 posibles alternativas y estados de la
naturaleza, lo cual sería bastante tedioso. Un enfoque más sencillo para este tipo de decisión es utilizar el
análisis marginal o incremental.
Un enfoque para la toma de decisiones por medio la utilidad marginal y la pérdida marginal se llama
análisis marginal. La utilidad marginal (MP, marginal pmfit) es la utilidad adicional lograda si se alma-
cena y se vende una unidad adicional. La pérdida marginal (ML) es la pérdida que se produce cuando se
surte una unidad adicional, pero no se puede vender.
Cuando hay un número manejable de alternativas y estados de la naturaleza, y sabemos las probabi-
lidades para cada uno de éstos, se puede utilizar el análisis marginal con distribuciones discretas. Cuando
hay un número muy grande de posibles alternativas y estados de la naturaleza y la distribución de proba-
bilidad de los estados de la naturaleza puede describirse con una distribución normal, resulta apropiado el
análisis marginal con la distribución normal.
Con algunas manipulaciones matemáticas básicas, podemos determinar el nivel de P para el que esta
relación se cumple:
P(MP) ML — P(ML)
P(MP) + P(ML) > ML
P(MP + ML) ML
o
ML
P (6-21)
ML + MP
En otras palabras, siempre que la probabilidad de vender una unidad más (P) sea mayor o igual que
ML/(MP + ML), almacenaríamos la unidad adicional.
TABLA 6.6
VENTAS DIARIAS OBABILII) 0) DE QUE
Distribución de - ILLAS) DEMANDA TENGA ESTE NIVEL.
probabilidad
de Café du Donut 4 0.05
5 0.15
6 0.15
7 0.20
8 0.25
9 0.10
10 0.10
Total 1.00
ML
Paso 1. Determinar el valor de ML + para la regla de decisión
MP
ML $4 4
P = = 0.67
ML + MP $4 + $2 6
P 0.67
Entonces, la regla de decisión respecto al inventario es abastecerse de una unidad adicional si P 0.67.
Paso 2. Agregar una nueva columna ala tabla que refleje la probabilidad de que las ventas de rosquillas
estarán en cada nivel o por encima de éste. Lo anterior se muestra en la columna derecha de la tabla 6.7.
Por ejemplo, la probabilidad de que la demanda sea de 4 cajas o más es 1.00(= 0.05 + 0.15 + 0.15 +
0.20 + 0.25 + 0.10 + 0.10). Del mismo modo, la probabilidad de que las ventas sean de 8 cajas o más
es 0.45(= 0.25 + 0.10 + 0.10); es decir, la suma de las probabilidades para ventas de 8, 9 o 10 cajas.
TABLA 6.7
VENTAS DIARIAS PROBABILIDAD (P) PROBABILIDAD (P) DE QUE
Análisis marginal del (CAJAS DE DE QUE LA DEMANDA LA DEMANDA TENGA
Café du Donut ROSQUILLAS) TENGA ESTE NIVEL ESTE NIVEL O UNO MAYOR
Paso 3. Seguir ordenando cajas adicionales, siempr que la probabilidad de venta de al menos una caja
adicional sea mayor que P, la cual es la probabilidad e indiferencia. Si el Café du Donut pide 6 cajas, la
utilidad marginal seguirá siendo mayor que la pérdida arginal, porque
P en 6 cajas = 0.80 > 0.67
ML
1. Determinar el valor de para el problema.
ML + MP
2. Localizar P en la distribución normal (apéndice y encontrar el valor Z asociado.
3. Calcular X* utilizando la relación
X* —
Z=
o-
Sea P = 0.40.
Paso 2. La figura 6.10 muestra la distribución normal. Dado que la tabla normal muestra las áreas
acumuladas bajo la curva entre el lado izquierdo y cualquier punto, debemos buscar 0.60 (= 1.0 — 0.40)
con la finalidad de obtener el valor de Z correspondiente:
Z = 0.25 desviaciones estándar desde la media
Paso 3. En este problema, tt. = 60 y cr = 10, por 1 que
X" - 60
0.25 =
10
o
Xs = 60 + 0.25(10) = 62.5, o 62 periódicos.
Por lo tanto, Joe debería ordenar 62 ejemplares del Chicago Tribune cada día, dado que la probabilidad
de vender 63 es ligeramente menor que 0.40.
6.9 MODELOS DE INVENTARIO DE UN SOLO PERIODO 215
FIGURA 6.10
El área bajo la curva es 1 — 0.40 = 0.60
Decisión de Joe sobre (Z= 0.25)
Ventas diarias medias
el almacenamiento del
Chicago Tribune
= 60 X* X= Demanda
Cuando P es mayor que 0.50, se utiliza el mismo procedimiento básico, aunque se debería tener pre-
caución cuando se busca el valor Z. Digamos que el quiosco de Joe también vende el Chicago Sun-Times,
y que su pérdida marginal es de 40 centavos y su utilidad marginal es de 10 centavos. Las ventas diarias
tienen un promedio de 100 copias del Chicago Sun-Times, con una desviación estándar de 10 ejemplares.
La política de almacenamiento óptima es la siguiente:
ML 40 centavos 40
= — = 0.80
ML + MP 40 centavos + 10 centavos 50
En la figura 6.11, se muestra la curva normal. Dado que la curva normal es simétrica, encontramos Z
para un área bajo la curva de 0.80 y multiplicamos este número por -1 porque todos los valores por debajo
de la media se asocian con un valor Z negativo:
Z = -0.84 desviaciones estándar desde la media para un área de 0.80
Con /./.. = 100 y cr = 10,
X* - 100
-0.84 =
10
o bien,
X* = 100 - 0.84(10) = 91.6, o 91 periódicos.
Así que Joe debe ordenar 91 copias del Chicago Sun-Times cada día.
Las políticas óptimas de abastecimiento en estos dos ejemplos son intuitivamente consistentes.
r
Cuando la utilidad marginal es mayor que la pérdida marginal, esperaríamos que fuera mayor que la
demanda promedio, p, y cuando la utilidad marginal es inferior a la pérdida marginal, esperaríamos que
la política de almacenamiento óptima, X*, fuera inferior a tc.
FIGURA 6.11
Decisión de Joe sobre
el almacenamiento del
Chicago Sun-Times El área bajo la curva es 0.80
(Z= —0.84)
X. Ec = 100 X = Demanda
posible usar con eficacia la planeación de las necesidades de materiales (MRP, materials requirements
planning). Algunos de los beneficios de la MRP son:
1. Aumento de la atención al cliente y la satisfacción de éste
2. Reducción de los costos de inventario
3. Mejor planeación y programación del inventario
4. Mayores ventas totales
5. Respuesta más rápida ante los cambios y movimientos del mercado
6. Disminución de los niveles de inventario sin reducir la atención al cliente
Aunque la mayoría de los sistemas de MRP están computarizados, el análisis es directo y similar de
un sistema computarizado a otro. A continuación se presenta el procedimiento típico.
FIGURA 6.12
Árbol de estructura de materiales para el artículo A
Árbol de estructura
de materiales para Nivel A
el artículo A
B 2) C(3)
Fecha requerida
Tiempo de entrega
F = 3 semanas
Liberación de orden
ramas por la demanda de A, que es de 50 unidades en este problema. Por ejemplo, el número de unidades
necesarias de Des simplemente 2 X 2 X 50 = 200 unidades.
TABLA 6.9
ARTÍCULO INVENTARIO 1)ISPONIBLE
Inventario disponible
A 10
15
20
D 10
B 10
F 5
6.11 DEMANDA DEPENDIENTE: EL CASO DE LA PLANEACIÓN DE LAS NECESIDADES DE MATERIALES 219
B Bruto 80"
Disponible: 15 15
Neto 65
Liberación de orden 65
Liberación de orden ..
C Bruto 120
Disponible: 20 20
Neto 100
Liberación de orden _,..--- 100
Liberación de orden 100"
D Bruto 130 6
Disponible: 10 10
Neto 120
Liberación de orden ,,, 120
Liberación de orden 120
6 c
E Bruto 195 100
Disponible: 10 10 0
Neto 185 100
Liberación de orden ._____ ________-95--- 100
Liberación de orden 185 100
Con base en estos datos, podemos desarrollar un plan de necesidades netas de material que incluya las
necesidades brutas, el inventario disponible, las necesidades netas, las recepciones de órdenes planificadas
y las liberaciones de órdenes previstas para cada artículo. Se desarrolla empezando por A y trabajando
hacia atrás a través de los demás artículos. En la figura 6.14 se muestra un plan de necesidades netas de
material para el producto A.
El plan de necesidades netas se construye como el plan de necesidades brutas. Comenzando con
el artículo A, trabajamos hacia atrás para determinar las necesidades netas de todos los artículos. Estos
cálculos se hacen consultando constantemente el árbol de estructura y los tiempos de entrega. Las nece-
sidades brutas de A son 50 unidades en la semana 6. Existen 10 artículos disponibles y, por lo tanto, las
necesidades netas y la recepción de pedidos planificada son de 40 artículos en la semana 6. Debido al
tiempo de entrega de una semana, la liberación de orden planificada tiene 40 artículos en la semana 5.
(Vea la flecha que conecta la recepción y la liberación de la orden). Observe la columna 5 y consulte
el árbol de estructura en la figura 6.13. Se requieren 80 (2 X 40) artículos B y 120 = 3 X 40 artículos C
en la semana 5 con la finalidad de tener un total de 50 artículos A en la semana 6. La letra A en la esquina
superior derecha para los artículos B y C significa que esta demanda de B y C fue generada como resul-
tado de la demanda del padre, A. Ahora, realice el mismo tipo de análisis para B y C, con el propósito de
determinar las necesidades netas para D, E y F.
cuando se introduce un segundo producto final. Llamemos AA al segundo producto final. El árbol de es-
tructura de materiales para el producto AA es el siguieite:
AA
D(3) F(2)
Supongamos que tenemos 10 unidades de AA. Con esta información podemos calcular las necesidades
brutas de AA:
Para desarrollar un plan de necesidades netas de material, debemos saber el tiempo de entrega para
AA. Supongamos que es de una semana. También supongamos que necesitamos 10 unidades de AA en
la semana 6 y que no tenemos unidades de AA disponibles.
Ahora, estamos en condiciones de modificar el plan de necesidades netas de material para el pro-
ducto A, con la finalidad de incluir AA. Esto se hace en la figura 6.15.
A Bruto 50 1 semana
Disponible: 10 10
Neto 40
Recepción de orden _.... 40
..----
Liberación de orden 40
B Bruto 80 A an,,-_
Disponible: 15 15
Neto 65
Recepción de orden — 65
65 ._.------
Liberación de orden
Observe la fila superior de la figura. Como se observa, tenemos una necesidad bruta de 10 unidades
de AA en la semana 6. No tenemos ninguna unidad de AA disponible, por lo que la necesidad neta también
es de 10 unidades de AA. Debido a que toma una semana hacer AA, la liberación de la orden de 10 unida-
des de AA se da en la semana 5. Esto significa que empezamos a hacer AA en la semana 5 y tenemos las
unidades terminadas en la semana 6.
Debido a que empezamos a hacer AA en la semana 5, debemos tener 30 unidades de D y 20 unida-
des de F en esa semana. (Vea las filas de D y F en la figura 6.15). El tiempo de entrega para D es de una
semana. Por lo tanto, debemos liberar la orden en la semana 4 para tener las unidades terminadas de D
en la semana 5. Note que no había inventario disponible de D en la semana 5. Las 10 unidades originales
de inventario de D se utilizaron en la semana 5 para hacer B, que posteriormente se utilizó para hacer A.
También es necesario tener 20 unidades de F en la semana 5 para producir 10 unidades de AA para la se-
mana 6. Una vez más, no tenemos inventario disponible de F en la semana 5. Las 5 unidades originales
se utilizaron en la semana 4 para hacer C, que posteriormente se utilizó para hacer A. El tiempo de entrega
para F es de tres semanas. Por lo tanto, se requiere liberar la orden de 20 unidades de F en la semana 2.
(Vea la fila de F en la figura 6.15).
Este ejemplo muestra cómo se pueden reflejar las necesidades de inventario de dos productos en el
mismo plan de necesidades netas de material. Algunas empresas de manufactura pueden tener más de 100
productos finales que deben coordinarse en el mismo plan de necesidades netas de material. Aunque tal si-
tuación puede ser muy complicada, se emplean los mismos principios que hemos utilizado en este ejemplo.
Recuerde que se han desarrollado programas computacionales para manejar operaciones de manufactura
grandes y complejas.
Además de utilizar la MRP para manejar productos finales y terminados, esta técnica también sirve
para manejar piezas de repuesto y componentes. Lo anterior es importante porque la mayoría de las empre-
sas de manufactura venden repuestos y componentes para mantenimiento. Un plan de necesidades netas de
material también debería reflejar estas piezas de repuesto y componentes.
3 2
Para utilizar el sistema kanban se requieren como mínimo dos contenedores. Un contenedor se utiliza
en el área de usuario, y otro está siendo rellenado para uso futuro. En realidad, generalmente hay más de
dos contenedores. Es así como se logra el control de inventarios. Los gerentes de inventarios pueden in-
troducir al sistema contenedores adicionales y sus kanban P asociadas. De manera similar, el gerente de
inventarios puede retirar contenedores y sus kanban P, para tener un control más estricto sobre las acumu-
laciones de inventario.
Además de ser un sistema simple y fácil de implementar, kanban también puede ser muy eficaz para
controlar los costos de inventario y descubrir cuellos de botella en la producción. El inventario llega al área
de usuario o a la línea de producción justo antes de que sea necesario. El inventario no se acumula innece-
sariamente, ni satura la línea de producción o agrega costos de inventario innecesarios. El sistema kanban
reduce los niveles de inventario y logra un funcionamiento más eficaz. Puede equipararse a poner la línea
de producción a dieta de inventarios. Al igual que cualquier dieta, la dieta de inventarios impuesta por el
sistema kanban hace que la operación de producción sea más ágil. Por otro lado, permite descubrir los
cuellos de botella y los problemas de producción. Muchos gerentes de producción eliminan contenedores y
sus kanban P asociadas del sistema, con el fin de "matar de hambre" la línea de producción, y así descubrir
cuellos de botella y problemas potenciales.
En la implementación de un sistema kanban, normalmente se ponen en práctica una serie de reglas
de trabajo o reglas kanban. Una regla kanban típica es que ningún contenedor se llena sin la kanban P co-
rrespondiente. Otra regla es que cada contenedor debe tener exactamente un número específico de piezas o
artículos de inventario. Estas reglas y otras similares hacen que el proceso de producción sea más eficiente.
Sólo se producen aquellas piezas que son realmente necesarias. El departamento de producción no produce
inventario sólo para mantenerse ocupado. Produce inventario o piezas sólo cuando se necesitan en el área
del usuario o en una línea de manufactura real.
Resumen
En este capítulo se presentan los fundamentos de la teoría del control cantidad y del inventario de seguridad. Cuando el artículo de inventario
de inventarios. Se demuestra que los dos problemas más importantes se usará en un solo periodo de tiempo, se utiliza el método del análi-
son: 1. cuánto ordenar y 2. cuándo hacer el pedido. sis marginal. El análisis ABC sirve para determinar qué elementos re-
Investigamos la cantidad económica de pedido, que determina la presentan el mayor costo potencial de inventario, de modo que estos
cantidad a ordenar, y el punto de pedido, que indica cuándo se debe artículos se puedan manejar con más cuidado.
hacer el pedido. Además, se exploró el uso del análisis de sensibilidad Cuando la demanda de inventario no es independiente de la de-
para determinar qué ocurre con los cálculos cuando cambia uno o más manda de otro producto, se requiere una técnica como la MRP, la cual
de los valores utilizados en una de las ecuaciones. se puede utilizar para determinar las necesidades brutas y netas de
El modelo de inventario de la EOQ básico presentado en este material para los productos. Para implementar grandes sistemas de in-
capítulo adopta una serie de supuestos: 1. la demanda y los tiempos de ventario, es necesario aplicar con éxito aplicaciones computacionales,
entrega son conocidos y constantes, 2. la recepción del inventario es incluyendo sistemas de MRP. En la actualidad, muchas empresas es-
instantánea, 3. no hay descuentos por cantidad, 4. no hay desabasto ni tán utilizando el software de ERP para integrar todas las operaciones
escasez y 5. los únicos costos variables son los costos de pedido y los dentro de una organización, incluyendo el inventario, la contabilidad,
costos de almacenamiento. Si estos supuestos son válidos, el modelo las finanzas y los recursos humanos.
de inventario de la EOQ ofrece soluciones óptimas. Por otro lado, si El sistema JIT puede reducir los niveles de inventario, disminuir
estos supuestos no se cumplen, el modelo de la EOQ básico no es los costos y hacer que un proceso de manufactura sea más eficiente.
aplicable. En tales casos, se requieren modelos más complejos, inclu- Kanban es una palabra japonesa que significa "tarjeta", y es una
yendo los modelos de corrida de la producción, de los descuentos por forma de poner en práctica el enfoque JIT.
Glosario
Análisis ABC Un análisis que divide el inventario en tres grupos. Modelo de corrida de la producción Un modelo de inventarios
El grupo A es más importante que el grupo B, que a su vez es más donde el inventario se produce o fabrica a través del tiempo en
importante que el grupo C. lugar de ser ordenado o comprado. Este modelo elimina el
Análisis de sensibilidad El proceso para determinar qué tan supuesto de la recepción instantánea.
sensible es la solución óptima ante los cambios en los valores Nivel de servicio La probabilidad, expresada como un porcentaje,
utilizados en las ecuaciones. de que no haya un desabasto. Nivel de servicio = 1— Probabili-
Análisis marginal Una técnica que utiliza la utilidad y la pérdida dad de un desabasto.
marginales para determinar las políticas óptimas para la toma de Pérdida marginal La pérdida en que se incurriría por almacenar y
decisiones. El análisis marginal se utiliza cuando el número no vender una unidad adicional.
de alternativas y estados de la naturaleza es grande. Planeación de las necesidades de materiales (MRP) Un modelo
Cantidad económica de pedido (EOQ) La cantidad de inventario de inventarios que puede manejar la demanda dependiente.
ordenada que minimiza el costo total de inventario. También se Planeación de recursos empresariales (ERP) Un sistema de
conoce como cantidad de pedido óptima, o Q. información computarizado que integra y coordina las operaciones
Costo anual de instalación El costo por configurar el proceso de una empresa.
de fabricación o de producción para ejecutar el modelo de Posición de inventario La cantidad de inventario disponible, más
producción. la cantidad de los pedidos que se han realizado, pero que aún no
Desabasto Una situación que se produce cuando no existe inventario se reciben.
disponible. Punto de reorden (ROP) El número disponible de unidades
Descuentos por cantidad El costo por unidad cuando se colocan cuando se hace un pedido de más inventario.
grandes pedidos de un artículo de inventario. Recepción instantánea de inventario Un sistema en el cual se
Inventario de seguridad Inventario adicional que se utiliza para recibe o se obtiene el inventario en un instante y no en un periodo
ayudar a evitar desabasto. de tiempo.
Inventario justo a tiempo (JIT) Un enfoque en el que el inventario Tiempo de entrega El tiempo que transcurre hasta recibir un
llega justo a tiempo para utilizarse en el proceso de manufactura. pedido después de haber colocado la orden (en el capítulo se
Inventario promedio El promedio del inventario disponible. En llama L).
este capítulo, el inventario promedio es Q/2 para el modelo de Utilidad marginal La utilidad adicional que se obtiene por
la EOQ. almacenar y vender una unidad más.
Kanban Un sistema JIT manual desarrollado por los japoneses.
Kanban significa "tarjeta" en japonés.
Lista de materiales (BOM) Un árbol de estructura de materiales de
los componentes para un producto, que contiene la descripción y
la cantidad necesaria de componentes para fabricar una unidad de
ese producto.
224 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
Ecuaciones clave
Las ecuaciones 6-1 a 6-8 están relacionadas con la cantidad econó- La ecuación 6-14 se utiliza para el modelo de descuentos por
mica de pedido (EOQ). cantidad.
Q D Q
(6-1) Nivel de inventario promedio = — (6-14) Costo total = DC + —
Q C, + —
2 Ch
2
Costo total de inventario (incluyendo el costo de compra).
(6-2) Costo anual de pedido = — Co Las ecuaciones 6-15 a 6-20 se utilizan cuando se requiere un inventa-
rio de seguridad.
Q (6-15) ROP = (Demanda promedio durante el tiempo de
(6-3) Costo anual de almacenamiento = — Ch
entrega) + IS
Fórmula general del punto de reorden para determinar cuándo
• V2DC„ se almacena un inventario de seguridad (IS).
(6-4) EOQ = = C„ (6-16) ROP = (Demanda promedio durante el tiempo de
D entrega) + Zeraur
(6-5) C7' = — C, + — Ch Fórmula del punto de reorden cuando la demanda durante el
Q 2
tiempo de entrega se distribuye normalmente, con una desvia-
Costo de inventario relevante total. ción estándar de <yaz
(CQ) (6-17) ROP = dL + Z(crd\rL)
(6-6) Nivel monetario promedio =
2 Fórmula para determinar el punto de reorden cuando la de-
manda diaria se distribuye normalmente, pero el tiempo de
V2DC, entrega es constante; donde des la demanda diaria promedio,
(6-7) Q = L es el tiempo de entrega constante en días y d es la desvia-
/C
ción estándar de la demanda diaria.
EOQ con Ch expresado como porcentaje del costo unitario.
(6-18) ROP = dL + Z(dcrL)
(6-8) ROP =dXL
Fórmula para determinar el punto de reorden cuando la
Punto de reorden: d es la demanda diaria y L es el tiempo de demanda diaria es constante pero el tiempo de entrega se
entrega en días. distribuye normalmente, donde T. es el tiempo de entrega
promedio en días, d es la demanda diaria constante y cri, es
Las ecuaciones 6-9 a 6-13 se relacionan con el modelo de corrida la desviación estándar del tiempo de entrega.
de la producción.
(6-19) ROP = dL + z(V1cr3 + 7/2(71)
d Fórmula para determinar el punto de reorden cuando la
(6-9) Inventario promedio = 2 (1 — —
p demanda diaria y el tiempo de entrega se distribuyen nor-
malmente; donde d es la demanda diaria promedio, L es el
Q tiempo de entrega promedio en días, 7L es la desviación es-
(6-10) Costo anual de almacenamiento = — (1 — (1)ch tándar del tiempo de entrega y crd es la desviación estándar
p
de la demanda diaria.
Problemas resueltos
\12DC, /2(250)20
EOQ = Q= = 100 unidades
Ch 1
D 250
b. Número de pedidos al año = —= = 2.5 pedidos por año
Q 100
Observe que esto significa que la empresa colocaría tres pedidos en un año y que el próximo año sólo necesi-
taría dos pedido, dado que se conservaría algún inventario del año pasado. En promedio, se harían 2.5 pedidos
al año.
Q 100
c. Inventario promedio = — = = 500 unidades
2 2
d. Dada una demanda anual de 250, un costo de almacenamiento de $1 y una cantidad a ordenar de 150, Patterson
Electronics debe determinar cuál tendría que ser el costo de pedido para que una política de ordenar 150 uni-
dades sea óptima. Con la finalidad de encontrar la respuesta a este problema, debemos resolver la ecuación de
la EOQ tradicional para el costo de pedido. Como se observa en los cálculos siguientes, se requiere un costo
de pedido de $45 para que la cantidad de pedido de 150 unidades sea óptima.
\12DC„
Q=
Ch
G= Q2 c1
15
(150)2(1)
2(250)
22,500
= = $45
500
Solución
Los datos para Flemming Accesories se resumen como sigue:
D = 6,750 unidades
= $150
Ch = 51
d = 30 unidades
p = 125 unidades
Éste es un problema de corrida de la producción que implica una tasa de producción diaria y una tasa de demanda
diaria. Los cálculos apropiados se muestran a continuación:
2DC,
Q.= Ch(1 — d p)
2(6,750)(150)
1(1 — 30/125)
= 1,632
Solución
La solución a cualquier modelo de descuento por cantidad implica determinar el costo total de cada alternativa des-
pués de haber calculado las cantidades y haberlas ajustado para el problema original y para todos los descuentos. El
análisis inicia considerando la opción sin descuento:
2(1,400)(25)
EOQ (sin descuento) =
\I 0.2(400)
= 29.6 unidades
Costo total (sin descuento) = Costo del material + Costo de pedido + Costo de almacenamiento
1,400($25) 29.6($400)(0.2)
= $400(1,400) +
29.6 2
= $560,000 + $1,183 + $1,183 = $562,366
Debido a que esta última cantidad económica de pedido está por debajo del precio de descuento, es necesario ajus-
tar la cantidad hasta 300 unidades. El siguiente paso consiste en calcular el costo total:
Costo total (con descuento) = Costo del material + Costo de pedido + Costo de almacenamiento
300($380)(0.2)
= $380(1,400) + 1,400(25)
300 2
= $532,000 + $117 + $11,400 = $543,517
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. ¿Cuál de los siguientes es un componente básico de un sistema e. todos los anteriores son componentes de un sistema de con-
de control de inventarios? trol de inventarios
a. la planeación de qué inventario almacenar y cómo adquirirlo 2. ¿Cuál de los siguientes es un uso válido del inventario?
b. el pronóstico de la demanda de piezas y productos a. la función de desacoplamiento
c. el control de los niveles de inventario b. aprovechar los descuentos por cantidad
d. el desarrollo y la implementación de medidas de retroali- c. evitar la escasez y el desabasto
mentación para revisar los planes y pronósticos d. suavizar la oferta y la demanda irregulares
e. todos los anteriores son usos válidos del inventario
228 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
3. Uno de los supuestos necesarios para el modelo de la EOQ es 9. ¿Por qué el osto anual de compra (de material) no se considera
el abastecimiento instantáneo. Esto significa que un costo de ventano relevante si se cumplen los supuestos de
a. el tiempo de entrega es cero. la EOQ?
b. se supone que el tiempo de producción es cero. a. Este cost será cero.
c. todo el pedido se entrega a la vez. b. Este cost es constante y no se ve afectado por la cantidad de
d. no puede ocurrir reabastecimiento hasta que el inventario pedido.
disponible sea cero. c. Este costo es insignificante en comparación con el resto de
4. Si se cumplen los supuestos de la EOQ y una empresa ordena los costos de inventario.
la EOQ cada vez que se hace un pedido, entonces d. Se considera que este costo no es un costo de inventario.
a. se minimiza el total de los costos anuales de almacenamiento. 10. Un sistema JIT suele dar como resultado
b. se minimiza el total de los costos anuales de pedido. a. un bajo costo anual de almacenamiento.
c. se minimiza el total de los costos de inventario. b. muy pocos pedidos al año.
d. la cantidad de pedido siempre será menor que el inventario c. interrupciones frecuentes en una línea de ensamble.
promedio. d. altos niveles de inventario de seguridad.
5. Si se cumplen los supuestos de la EOQ y una empresa ordena 11. Los fabricantes utilizan la MRP cuando
más que la cantidad económica de pedido, entonces a. la demanda de un producto depende de la demanda de otros
a. el costo total anual de almacenamiento será mayor que el productos.
costo total anual de pedido. b. la demanda de cada producto es independiente de la
b. el costo total anual de almacenamiento será menor que el demanda de otros productos.
costo total anual de pedido. c. la demanda es totalmente impredecible.
c. el costo total anual de almacenamiento será igual que el d. el costo de compra es extremadamente alto.
costo total anual de pedido. 12. Al usar el análisis marginal, es necesario abastecer una unidad
d. el costo total anual de almacenamiento será igual que el adicional si
costo total anual de compra. a. MP = ML.
6. El punto de reorden b. la probabilidad de vender esa unidad es mayor o igual que
a. es la cantidad que se ordena cada vez que se realiza un pedido. MP/(MP + ML).
b. es la cantidad de inventario que sería necesaria para satisfacer c. la probabilidad de vender esa unidad es menor o igual que
la demanda durante el tiempo de entrega. ML/(MP + ML).
c. es igual al inventario promedio cuando se cumplen los d. la probabilidad de vender esa unidad es mayor o igual que
supuestos de la EOQ. ML/(MP + ML).
d. se supone que es cero si hay reabastecimiento instantáneo. 13. Al usar análisis marginal con la distribución normal, si la
7. Si se cumplen los supuestos de la EOQ, entonces utilidad marginal es menor que la pérdida marginal, espbramos
a. el costo anual por desabasto será cero. que la cantidad óptima de abastecimiento sea
b. el costo total anual de abastecimiento será igual al costo total a. mayor que la desviación estándar.
anual de pedido. b. menor que la desviación estándar.
c. el inventario promedio será la mitad de la cantidad de pedido. c. mayor que la media.
d. todo lo anterior. d. menor que la media.
8. En el modelo de corrida de la producción, el nivel máximo de 14. La posición de inventario se define como
inventario será a. la cantidad de inventario necesario para satisfacer la demanda
a. mayor que la cantidad de producción. durante el tiempo de entrega.
b. igual que la cantidad de producción. b. la cantidad de inventario disponible.
c. menor que la cantidad de producción. e. la cantidad de inventario pedido.
d. igual que la tasa de producción diaria más la demanda diaria. d. la suma del inventario disponible y el inventario pedido.
Preguntas de análisis 6-5 ¿Cu les son algunos de los supuestos que se adoptan al
6-1 ¿Por qué es el inventario una consideración importante u la EOQ?
para los administradores? 6-6 Co ente los principales costos de inventario que se utili-
6-2 ¿Cuál es el propósito del control de inventarios? zan ara determinar la EOQ.
6-3 ¿En qué circunstancias puede usarse el inventario como 6-7 ¿Q é es el ROP? ¿Cómo se determina?
una cobertura contra la inflación? 6-8 Si 1 ROP es mayor que la cantidad de pedido, explique
6-4 ¿Por qué una empresa no almacena siempre grandes có o se implementa el ROP. ¿Puede el ROP ser más del
cantidades de inventario para eliminar la escasez y el doble de la cantidad de pedido y, si es así, ¿cómo se ma-
desabasto? neja una situación de este tipo?
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 229
6-9 Considere que la demanda anual de un producto arbitrario 500 de estos tornillos cada día. Debido a que la demanda
es de 1,000 unidades al año y que la EOQ asociada es de tiene estas características, Lila cree que puede evitar desa-
400 unidades por pedido. En tales circunstancias, el nú- basto por completo si sólo pide tornillos del número 6 en
mero de pedidos por año sería (D/Q) = 2.5 pedidos al año. el momento correcto. ¿Cuál es el ROP?
¿Cómo puede implementarse esto? : 6-22 El hermano de Lila cree que ella realiza demasiados pe-
6-10 ¿Cuál es el propósito del análisis de sensibilidad? didos de tornillos al año, y considera que se debe colocar
6-11 ¿Qué supuestos se adoptan en el modelo de corrida de la un pedido sólo dos veces al año. Si Lila sigue la política
producción? de su hermano, ¿cuánto más costaría esto cada año que la
6-12 ¿Qué sucede con el modelo de corrida de la producción política de pedidos que desarrolló en el problema 6-20? Si
cuando la tasa de producción diaria se vuelve muy grande? se colocaran sólo dos pedido cada año, ¿qué efecto tendría
6-13 Describa brevemente qué está involucrado en la solución esto en el ROP?
de un modelo de descuentos por cantidad. 42. 6-23 Barbara Bright es la agente de compras de la compañía
24*
6-14 Cuando se utiliza un inventario de seguridad, ¿cómo se West Valve, la cual vende válvulas industriales y disposi-
calcula la desviación estándar de la demanda durante el tivos de control de fluidos. Una de las válvulas más popu-
tiempo de entrega si la demanda diaria se distribuye nor- lares es la Western, que tiene una demanda anual de 4,000
malmente, pero el tiempo de entrega es constante? ¿Cómo unidades. El costo de cada válvula es $90, y se estima que
se calcula si la demanda diaria es constante pero el tiempo el costo de conservarla en inventario es 10% del costo de
de entrega se distribuye normalmente? ¿Cómo se calcula cada válvula. Barbara ha hecho un estudio de los costos
si tanto la demanda diaria como el tiempo de entrega se involucrados en la colocación de un pedido de cualquiera
distribuyen normalmente? de las válvulas que almacena West Valve, y ha llegado a la
conclusión de que el costo promedio de pedido es de $25
6-15 Explique brevemente el enfoque del análisis marginal en
por orden. Además, el proveedor tarda alrededor de dos
problemas con un solo periodo de inventario.
semanas en entregar un pedido y, durante ese tiempo, la
6-16 Describa brevemente qué se entiende por análisis ABC. demanda por semana de válvulas West es de aproximada-
¿Cuál es el propósito de esta técnica de inventarios? mente 80.
6-17 ¿Cuál es el propósito general de la MRP? (a) ¿Cuál es la EOQ?
6-18 ¿Cuál es la diferencia entre el plan de necesidades brutas (b) ¿Cuál es el ROP?
de material y el plan de necesidades netas de material? (c) ¿El ROP es mayor que la EOQ? Si es así, ¿cómo se
6-19 ¿Cuál es el objetivo del J1T? maneja esta situación?
(d) ¿Cuál es el inventario promedio? ¿Cuál es el costo
Problemas anual de almacenamiento?
• 6-20 Lila Battle ha determinado que la demanda anual de tomi- (e) ¿Cuántos pedidos al año se colocarían? ¿Cuál es el
llos del número 6 es de 100,000 unidades. Lila, que trabaja costo anual de pedido?
en la ferretería de su hermano, está a cargo de las compras. • 6-24 Ken Ramsing ha estado en el negocio de la madera du-
Ella estima que tiene un costo de $10 cada vez que hace rante la mayor parte de su vida. El mayor competidor de
un pedido. Este costo incluye sus salarios, el costo de los Ken es Pacific Woods. A través de muchos años de expe-
formatos utilizados en la colocación de pedido, etcétera. riencia, Ken sabe que el costo de pedido de una orden de
Por otro lado, estima que el costo de conservar un tornillo madera contrachapada es de $25 y que el costo de alma-
en inventario durante un año es la mitad de 1 centavo. Su- cenamiento es 25% del costo unitario. Tanto Ken como
ponga que la demanda es constante durante todo el año. Pacific Woods reciben cargas de madera contrachapada
(a) ¿Cuántos tornillos del número 6 debería ordenar que cuestan $100 por carga. Por otro lado, Ken y Paci-
Lila cada vez si desea minimizar el costo total del fic Woods utilizan el mismo proveedor de madera contra-
inventario? chapada, y Ken pudo averiguar que los pedidos de Pacific
(b) ¿Cuántos pedidos al año colocaría? ¿Cuál sería el Woods son de 4,000 cargas a la vez. Ken también sabe que
costo anual de pedido? la EOQ para Pacific Woods es de 4,000 cargas. ¿Cuál es la
(c) ¿Cuál sería el inventario promedio? ¿Cuál sería demanda anual en cargas de madera contrachapada de
el costo anual de almacenamiento? Pacific Woods.
• 6-21 Una orden de tornillos del número 6 tarda aproximada- • 6-25 Shoe Shine es una tienda local de zapatos al menudeo ubi-
mente 8 días hábiles en llegar, una vez que se ha realizado cada en la parte norte de Centerville. La demanda anual
el pedido (consulte el problema 6-20). La demanda de tor- de una sandalia popular es de 500 pares y John Dirk, el
nillos del número 6 es bastante constante y, en promedio, dueño del Shoe Shine, ha tenido la costumbre de ordenar
Lila ha observado que la ferretería de su hermano vende 100 pares a la vez. John estima que el costo de pedido es
I?
Nota: í significa que el problema puede resolverse con QM para Windows;24 significa que el problema puede resolverse con Excel QM, y .x significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
230 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
Q.
de $10 por orden. El costo de las sandalias es de $5 por zo* 6-29 Al ent ararse de que Ross White (vea los problemas 6-27
par. Para que la política de pedidos de John fuera correcta, y 6-28 está considerando producir él mismo los soportes,
¿cuál tendría que ser el costo de almacenamiento como el pro eedor ha notificado a Ross que reduciría el precio
porcentaje del costo unitario? Si el costo de almacena- de con pra del soporte de $15 a $14.50, si Ross adquiere
miento fuera 10% del costo, ¿cuál sería la cantidad óptima los so ortes en lotes de 1,000. Sin embargo, los tiempos
de pedido? de entrega aumentarían a 3 días para esta cantidad más
6-26 En el problema 6-20, usted ayudó a Lila Battle a deter- grande.
minar la cantidad de pedido óptima para los tornillos del (a) ¿Cuál es la suma del costo anual de inventario más el
número 6. Ella había estimado que el costo de pedido era costo anual de compra, si Ross adquiere los soportes
de $10 por orden. No obstante, en este momento cree que en lotes de 1,000 a $14.50 cada uno?
esta estimación era demasiado baja. Aunque no conoce el (b) Si Ross compra en lotes de 1,000 soportes, ¿cuál sería
costo exacto de pedido, cree que podría llegar a ser hasta el nuevo ROP?
de $40 por orden. ¿Cómo cambiaría la cantidad de pedido (c) Dadas las opciones de comprar los soportes a $15
óptima, si el costo de pedido fuera de $20, $30 y $40? cada uno, producirlos en el taller a $14.80 y aprove-
6-27 El taller de maquinado de Ross White utiliza 2,500 so- char el descuento, ¿cuál es su recomendación para
portes durante el transcurso de un año, y este uso es re- Ross White?
lativamente constante. Los soportes son comprados a 6-30 Tras analizar los costos de las distintas opciones para ob-
un proveedor ubicado a 100 millas por $15 la pieza, y tener los soportes, Ross White (consulte los problemas
el tiempo de entrega es de 2 días. El costo de almacena- 6-27 a 6-29) reconoce que, aunque sabe que el tiempo
miento por soporte por año es de $1.50 (o 10% del costo de entrega es de 2 días y la demanda promedio diaria es de
unitario) y el costo de pedido por pedido es de $18.75. Se 10 unidades, dicha demanda durante el tiempo de entrega
tienen 250 días de trabajo al año. suele variar. Ross mantiene registros muy cuidadosos y ha
(a) ¿Cuál es la EOQ? determinado que la demanda en el tiempo de entrega se
(b) Dada la EOQ, ¿cuál es el inventario promedio? ¿Cuál distribuye normalmente con una desviación estándar de
es el costo anual por mantener inventarios? 1.5 unidades.
(e) Para minimizar los costos, ¿cuántos pedidos se harían (a) ¿Qué valor Z sería apropiado para un nivel de servicio
cada año? ¿Cuál sería el costo anual de pedido? de 98%?
(d) Dada la EOQ, ¿cuál es el costo anual total de inventa- (b) ¿Qué inventario de seguridad debería mantener Ross
rio (incluyendo el costo de compra)? si quiere un nivel de servicio de 98%?
(e) ¿Cuál es el tiempo entre pedidos? (c) ¿Cuál es el ROP ajustado para los soportes?
(f) ¿Cuál es el ROP? (d) ¿Cuál es el costo anual de almacenamiento del inven-
tario de seguridad, si el costo de almacenamiento por
6-28 Ross White (vea el problema 6-27) quiere reconsiderar
unidad anual es de $1.50?
su decisión de comprar los soportes y está pensando en
fabricar los soportes el mismo. Ha determinado que los Ge.
xt• 6-31 Douglas Boats es un proveedor de equipos de navegación
costos de instalación serían de $25 por el tiempo del ma- para los estados de Oregon y Washington. Vende 5,000
quinista y el tiempo de producción perdido, y podría pro- motores a diesel White Marine WM-4 cada año. Douglas
ducir 50 soportes al día después de haber configurado la recibe estos motores en contenedores de 100 pies cúbicos,
máquina. Ross estima que el costo (incluyendo el tiempo y mantiene su almacén lleno de los motores WM4. El al-
de mano de obra y los materiales) de producir un soporte macén puede contener 5,000 pies cúbicos de suministros
sería $14.80. El costo de almacenamiento sería el 10% de de navegación. Douglas estima que el costo de pedido es de
este costo. $10 por orden, y el costo de almacenamiento se estima
en $10 por motor por año. Douglas Boats está conside-
(a) ¿Cuál es la tasa de demanda diaria?
rando la posibilidad de ampliar el almacén de los motores
(b) ¿Cuál es la cantidad óptima de producción?
(c) ¿Cuánto tiempo se necesita para producir la cantidad WM-4. ¿Cuánto debería expandirse Douglas Boats, y qué
óptima? ¿Cuánto inventario se vendería durante este utilidad tendría la empresa por realizar esa expansión? Su-
tiempo? ponga que la demanda es constante durante todo el año.
(d) Si Ross utiliza la cantidad óptima de producción, $: 6-32 Northem Distributors es una organización mayorista que
x.
¿cuál sería el nivel máximo de inventario? ¿Cuál sería abastece a tiendas minoristas de productos para el cuidado
el nivel de inventario promedio? ¿Cuál sería el costo del ardín y limpieza del hogar. Un edificio se utiliza para
anual de almacenamiento? alm cenar las cortadoras de césped Neverfail. El edificio
(e) ¿Cuántas corridas de la producción habría cada año? tien 25 pies de ancho por 40 pies de profundidad por 8
¿Cuál sería el costo anual de instalación? pi de altura. Anna Oldham, gerente del almacén, estima
(f) Considerando una corrida de la producción de tamaño que alrededor de 60% de éste se puede utilizar para al-
óptimo, ¿cuál sería el costo total anual del inventario? macenar las cortadoras de césped Neverfail. El 40% res-
(g) Si el tiempo de entrega fuera de solo medio día, ¿cuál tante se utiliza para pasarelas y una pequeña oficina. Cada
sería el ROP? cortadora de césped Neverfail viene en una caja que mide
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 231
5 pies por 4 pies por 2 pies de altura. La demanda anual por lotes. En promedio, Jan puede producir 150 tijeras al
de estas cortadoras de césped es de 12,000, y el costo de día y, durante el proceso de producción, la demanda de
los pedidos realizados por Northem Distributors es de $30 las tijeras ha sido de unas 40 tijeras diarias. El costo por
por orden. Se estima que a Northem le cuesta $2 alma- configurar el proceso de producción es de $100, y a Jan le
cenar cada cortadora de césped por un año. La empreáa cuesta 30 centavos almacenar unas tijeras durante un año.
está pensando en aumentar el tamaño del almacén. La ¿Cuántas tijeras debería Jan producir en cada lote?
empresa sólo puede hacerlo aumentando la profundidad 31. 6-35 Jim Overstreet, gerente de control de inventarios de Itex,
del depósito. En la actualidad, el almacén tiene 40 pies de
x recibe cojinetes para rueda de Wheel-Rite, un pequeño
profundidad. ¿Cuántos pies de profundidad se deberían productor de piezas metálicas. Por desgracia, Whe-
agregar al almacén para minimizar los costos anuales de el-Rite sólo puede producir 500 cojinetes para rueda al
inventario? ¿Cuánto tendría que estar dispuesta a pagar día. Itex recibe 10,000 cojinetes de Wheel-Rite al año.
la empresa por esta expansión? Recuerde que sólo 60% Como Itex opera 200 días al año, la demanda diaria
de la superficie total se puede utilizar para almacenar las promedio de cojinetes para rueda es de 50. El costo de
cortadoras de césped Neverfail. Suponga que se cumplen pedido para Itex es de $40 por orden, y el costo de al-
todos los supuestos de la EOQ. macenamiento es de 60 centavos por cojinete por año.
6-33 Lisa Surowsky recibió la encomienda de ayudar a deter- ¿Cuántos cojinetes debería ordenar Itex a Wheel-Rite a
minar la mejor política de pedidos para un nuevo pro- la vez? Wheel-Rite se ha comprometido a enviar el nú-
ducto. Actualmente, se ha proyectado que la demanda mero máximo de cojinetes que produce cada día cuando
de este producto será cercana a 1,000 unidades anuales. reciba un pedido de Itex.
Para tener una noción de los costos de almacenamiento y 6-36 North Manufacturing tiene una demanda de 1,000 bombas
x*
de pedido, Lisa preparó una serie de costos de inventario cada año. El costo de una bomba es de $50. A North Ma-
promedio. Lisa pensó que estos costos serían adecuados nufacturing le cuesta $40 hacer un pedido, y el costo de
para el nuevo producto. Los resultados se resumen en la almacenamiento es 25% del costo unitario. Si las bombas
siguiente tabla. Estos datos se recopilaron para 10,000 se ordenan en cantidades de 200, North Manufacturing
artículos de inventario almacenados durante el año y que puede obtener un descuento de 3% sobre el costo de las
fueron ordenados 100 veces durante el año pasado. Ayude bombas. ¿Debería North Manufacturing pedir 200 bombas
a Lisa a determinar la EOQ. a la vez y tomar el descuento de 3 por ciento?
6-37 Linda Lechner está a cargo de mantener los suministros
FACTOR DE COSTO COSTO ($) hospitalarios en el Hospital General. Durante el año pa-
sado, la demanda media durante el tiempo de entrega del
Impuestos 2,000
vendaje BX-5 fue de 60. Además, la desviación estándar
Procesamiento e inspección 1,500 para el BX-5 fue de 7. A Linda le gustaría mantener un
Desarrollo del nuevo producto 2,500 nivel de servicio de 90%. ¿Qué nivel de inventario de se-
Pago de factura 500 guridad le recomienda usted para el BX-5?
Suministros de pedido 50 6-38 Linda Lechner acaba de ser severamente reprendida por
su política de inventarios. (Vea el problema 6-37). Sue
Seguro del inventario 600
Surrowski, su jefa, cree que el nivel de servicio debe ser
Publicidad del producto 800 de 95 o 98%. Calcule los niveles de inventario de seguri-
Deterioro 750 dad para los niveles de servicio de 95 y 98%. Linda sabe
Envío de órdenes de compra 800 que el costo de almacenamiento del BX-5 es de 50 cen-
Consultas de inventario 450 tavos por unidad anuales. Calcule el costo de almacena-
miento que se asocia con un nivel de servicio de 90, 95 y
Suministros de almacén 280 98 por ciento.
Investigación y desarrollo 2,750 6-39 Ralph Janaro simplemente no tiene tiempo para anali-
Salarios de compras 3,000 zar todos los artículos en el inventario de su compañía.
Salarios de almacén 2,800 Como joven administrador, tiene cosas más importantes
Robo de inventario que hacer. La siguiente es una tabla de seis artículos en
800
inventario, junto con el costo unitario y la demanda
Suministros de órdenes de compra 500 en unidades.
Obsolescencia del inventario 300 (a) Calcule la cantidad total gastada en cada artículo du-
rante el año. ¿Cuál es la inversión total para todos los
t• 6-34 Janproduce
Gentry es el dueño de una pequeña empresa que
tijeras eléctricas utilizadas para cortar tela. La
artículos?
(b) Determine el porcentaje de la inversión total en inven-
demanda anual es de 8,000 tijeras, y Jan produce tijeras tario que se gasta en cada artículo.
232 CAPITULO 6 • MODELOS DE CONTROL DE INVENTARIOS
SI. 6-46 Xemex ha recopilado los siguientes datos de inventario gratis para dos personas. El valor aproximado del viaje es
X" para los seis artículos que almacena: de $5,000. Se espera que cerca de 800 empresas entren al
sorteo de este viaje.
Sunbright estima que su demanda anual de concen-
COSTO DE
trado de frutas es de 1,000 latas. Además, el costo de pe-
COSTO ALMACENA-
DE MIENTO COMO dido se estima en $10, y el costo de almacenamiento en
CÓDIGO COSTO DEMANDA
DEL UNITARIO ANUAL PEDIDO PORCENTAJE DEL 10%, o aproximadamente $1 por unidad. La compañía
ARTÍCULO ($) (UNIDADES) ($) COSTO UNITARIO está intrigada con el plan de bonos por incentivos. Si la
empresa decide que conservaría las latas gratis, el viaje o
1 10.60 600 40 20 la computadora si los gana, ¿qué debería hacer?
2 11.00 450 30 25 1: 6-49 John Lindsay vende discos compactos con 25 paquetes
2
3 2.25 500 50 15 de software que realizan una variedad de funciones finan-
4 150.00 560 40 15 cieras, incluyendo el valor actual neto, la tasa interna de
rendimiento y otros programas financieros normalmente
5 4.00 540 35 16
utilizados por los estudiantes de negocios con especializa-
6 4.10 490 40 17 ción en finanzas. Dependiendo de la cantidad pedida, John
ofrece los siguientes descuentos en los precios. La de-
Lynn Robinson, la gerente de inventarios en Xemex, no manda anual es de 2,000 unidades en promedio. Su costo
siente que todos los artículos se puedan controlar. ¿Qué de instalación para producir los CD es de $250. Estima
cantidades de pedido recomienda usted para cuál(es) pro- que los costos de almacenamiento son de 10% del precio,
ducto(s) de inventario? o alrededor de $1 por unidad anual.
Q• 6-47 Georgia Products ofrece el siguiente programa de des-
X'
cuentos para sus hojas de madera contrachapada de buena CANTIDAD PEDIDA
calidad de 4 por 8 pies:
RANGOS DE PRECIOS DE A PRECIO
1 500 $10.00
PEDIDO COSTO UNITARIO ($)
501 1,000 9.95
9 hojas o menos 18.00
1,001 1,500 9.90
De 10 a 50 hojas 17.50
1,500 2,000 9.85
Más de 50 hojas 17.25
Una caja de queso para untar E-Z se vende a $100 y tie- utilidacj marginal es de $15 por caja. Durante el año pasado,
ne un costo de $75. Cualquier queso que no se vende al fi- las venias medias de Washington Reds fueron de 45,000 ca-
nal de la semana es vendido a un procesador de alimentos jas, y 11 desviación estándar fue de 4,450. ¿Cuántas cajas de
local por $50. Teresa nunca vende queso con antigüedad Washirigton Reds deberían llevarse al mercado? Suponga
mayor a una semana. Use el análisis marginal para deter- que lasiventas siguen una distribución normal.
minar el número de cajas de queso E-Z que debe produ- 6-54 Linda Stanyon ha sido la gerente de producción de Plano
cirse cada semana para maximizar la utilidad promedio. Produce durante más de ocho años. Plano Produce es una
6-51 Harry's Hardware hace un buen negocio durante el año. pequeña empresa ubicada cerca de Plano, Illinois. Uno
En la época navideña, Harry's Hardware vende árboles de de sus productos, el tomate, se vende en cajas, con ventas
Navidad con una utilidad sustancial. Por desgracia, los ár- diarias promedio de 400 cajas. Se supone que las ven-
boles no vendidos al final de la temporada son totalmente tas diarias se distribuyen normalmente. Además, 85%
inútiles. Por lo tanto, el número de árboles que se almacena de las veces las ventas están entre 350 y 450 cajas. Cada
para una estación dada es una decisión muy importante. La caja cuesta $10 y se vende por $15. Todas las cajas que no
siguiente tabla muestra la demanda de árboles de Navidad: se venden deben desecharse.
(a) Con base en la información proporcionada, estime la
DEMANDA DE desviación estándar de las ventas.
ÁRBOLES DE NAVIDAD PROBABILIDAD (b) Use la desviación estándar del inciso (a) para determi-
50 0.05 nar el número de cajas de tomates que Linda debería
almacenar.
75 0.1
: 6-55 Paula Shoemaker produce un informe semanal del mer-
100 0.2 cado de valores para un público exclusivo. Normalmen-
125 0.3 te vende 3,000 informes por semana, y 70% de las veces
150 0.2 sus véntas van de 2,900 a 3,100. La producción de cada
informe cuesta a Paula $15, pero puede venderlos a $350
175 0.1
cada uno. Desde luego, cualquier informe que no vende al
200 0.05 final de la semana no tiene ningún valor. ¿Cuántos infor-
mes debe producir Paula cada semana?
Harry vende los árboles a $80 cada uno, pero su costo es : 6-56 Emarpy Appliance produce todo tipo de electrodomésti-
de sólo $20. cos. Richard Feehan, el presidente de Emarpy, está pre-
(a) Use el análisis marginal para determinar cuántos árbo- ocupado por la política de producción del refrigerador
les debería almacenar Harry. con mejores ventas de la compañía. La demanda de éste
(b) Si el costo se incrementa a $35 por árbol y Harry si- se ha mantenido relativamente constante en alrededor
gue vendiendo los árboles a $80 cada uno, ¿cuántos de 8,000 unidades al año. La capacidad de producción de
árboles debe almacenar Harry? este producto es de 200 unidades por día. Cada vez que
(c) Harry está pensando en aumentar el precio a $100 por inicia la producción, la compañía gasta $120 en mover
árbol. Suponga que el costo por árbol es de $20. Con los materiales hasta su lugar, restablecer la línea de mon-
el nuevo precio, se espera que la probabilidad de ven- taje y limpiar el equipo. El costo de almacenamiento de
der 50, 75, 100 o 125 árboles sea de 0.25 para cada un refrigerador es de $50 al año. El plan de producción
nivel de ventas. Harry no espera vender más de 125 actual exige la producción de 400 refrigeradores en cada
árboles con este aumento de precio. ¿Qué le reco- corrida de la producción. Suponga que hay 250 días de
mienda usted? trabajo al año.
: 6-52 Además de vender árboles de Navidad durante la tempo- (a) ¿Cuál es la demanda diaria de este producto?
rada de fin de año, Harry's Hardware vende todos los ar- (b) Si la empresa tuviera que seguir produciendo 400 uni-
tículos ordinarios de ferretería (vea el problema 6-51). Uno dades cada vez que inicia la producción, ¿cuántos días
de los artículos más populares es el pegamento fuerte HH, continuaría la producción?
un artículo que se fabrica sólo para Harry's Hardware. El (c) De acuerdo con la política actual, ¿cuántas corridas de
precio de venta es de $4 por botella, pero por desgracia, la producción serían necesarias al año? ¿Cuál sería el
el pegamento se endurece y queda inutilizable después de costo anual de instalación?
un mes. El costo del pegamento es de $1.20. Durante los úl- (d) Si la política actual continúa, ¿cuántos refrigeradores
timos meses, las ventas medias del pegamento han sido de estarían en inventario cuando se detuviera la produc-
60 unidades, y la desviación estándar es de 7. ¿Cuántas bo- ción? ¿Cuál sería el nivel promedio del inventario?
tellas de pegamento debería almacenar Harry's Hardware? (e) i la compañía produce 400 refrigeradores a la vez,
Suponga que las ventas siguen una distribución normal. cuál sería el costo anual total de instalación y de
: 6-53 La pérdida marginal en Washington Reds, una marca de acenamiento?
manzanas del estado de Washington, es de $35 por caja. La
ESTUDIO DE CASO 235
6-57 Considere la situación de Emarpy Appliance en el pro- (c) Construya un plan de necesidades netas de mate-
blema 6-56. Si Richard Feehan quiere minimizar el costo rial utilizando los siguientes datos del inventario
total anual de inventario, ¿cuántos refrigeradores deberían disponible:
producirse en cada corrida de la producción? ¿Cuánto
ahorraría la compañía en costos de inventario comparados ARTÍCULO S T U V W X Y Z
con la política actual de producir 400 en cada corrida de la Inventario
producción? disponible 20 20 10 30 30 25 15 10
6-58 En este capítulo se presenta un árbol de estructura de ma-
teriales para el artículo A de la figura 6.12. Suponga que 6-62 La compañía Webster Manufacturing produce un tipo
ahora se requiere 1 unidad del artículo B para cada unidad popular de carrito servicio. Este producto, el SL72, se
del artículo A. ¿Qué impacto tiene esto en el árbol de es- fabrica con las siguientes piezas: 1 unidad de la pieza A,
tructura materiales y en el número de artículos D y E que 1 unidad de la pieza B y 1 unidad del subensamble C. Cada
se requieren? subensamble C se compone de 2 unidades de la pieza D,
6-59 Dada la información del problema 6-58, desarrolle un plan 4 unidades de la pieza E y 2 unidades de la pieza E Elabore
de necesidades brutas de material para 50 unidades del ar- un árbol de estructura de materiales para esto.
tículo A. 6-63 Blair H. Dodds, III, dirige un negocio en casa por eBay;
6-60 Utilice los datos de las figuras 6.12 a 6.14 para desarrollar éste es de tamaño mediano y vende fotografías antiguas.
un plan de necesidades netas de material para 50 unida- La demanda anual de sus fotos es de aproximadamente
des del artículo A, suponiendo que sólo se requiere 1 uni- 50,000. El costo general anual (sin incluir el precio de
dad del artículo B por cada unidad de artículo A. compra) por las fotografías es de $4,000 al año. Si se con-
sidera que este costo representa el costo anual de pedido
6-61 La demanda del producto S es de 100 unidades. Cada uni- óptimo y que la cantidad óptima de pedido es de 400 fo-
dad de S requiere 1 unidad de T y 0.5 onzas de U. Cada tografías a la vez, determine el costo de pedido y el nivel
unidad de T requiere 1 unidad de V, 2 unidades de W y promedio del inventario.
1 unidad de X. Finalmente, cada unidad de U requiere 0.5
6-64 El tiempo de entrega para cada una de las piezas del SL72
onzas de Y y 3 unidades de Z. Todos los artículos son fa-
(problema 6-62) es de una semana, con excepción de la
bricados por la misma empresa. Se necesitan dos semanas
para hacer S, una semana para hacer T, dos semanas para pieza B, que tiene un tiempo de entrega de dos semanas.
hacer U, dos semanas para hacer V, tres semanas para ha- Desarrolle un plan de necesidades netas de material para
cer W, una semana para hacer X, dos semanas para hacer un pedido de 800 SL72s. Suponga que actualmente no hay
Y y una semana para hacer Z. piezas en inventario.
6-65 Consulte el problema 6-64. Desarrolle un plan de necesi-
(a) Construya un árbol de estructura de materiales y un
dades netas de material suponiendo que en la actualidad se
plan de necesidades brutas de material para los artícu-
dispone de 150 unidades de la pieza A, 40 unidades de la
los dependientes del inventario.
pieza B, 50 unidades del subensamble C y 100 unidades
(b) Identifique todos los niveles, padres y componentes.
de la pieza F en inventario.
Estudio de caso
Martin-Pullin Bicycle Corporation
Martin-Pullin Bicycle Corporation (MPBC), que se encuentra en Da- de dos días después de notificar al centro de distribución, siempre que
llas, es un distribuidor mayorista de bicicletas y piezas de bicicleta. haya inventario disponible. Sin embargo, si la empresa no cumple con
Formada en 1981 por los primos Ray Martin y Jim Pullin, los pun- algún pedido, no se coloca una orden de respaldo; los minoristas se
tos de venta principales de la empresa se encuentran dentro de un ra- las arreglan para conseguir el pedido con otro distribuidor y MPBC
dio de 400 millas desde el centro de distribución. Estos puntos pierde ese negocio.
de venta reciben los pedidos enviados por Martin-Pullin en un plazo
236 CAPÍTULO 6 • MODELOS DE CONTROL DE INVENTARIOS
Demandas del modelo AirWing fabricante extranj ro, y el envío tarda hasta cuatro semanas desde el
momento en que e hace un pedido. Con el costo de la comunica-
11111~2.01 010 .ÁPR0NOSTICO PARA 2011 ción, el papeleo y 1 despacho de aduanas incluido, MPBC estima que
Enero 6 7 8 cada vez que hace un pedido, incurre en un costo de $65. El precio de
compra pagado p r bicicleta, es aproximadamente 60% del precio
Febrero 12 14 15
de venta sugerido ara todos los estilos disponibles, y el costo por al-
Marzo 24 27 31 macenar inventarió es de 1% mensual (12% anual) del precio de com-
Abril 46 53 59 pra pagado por MPBC. El precio de venta (pagado por los clientes)
del AirWing es de $170 por bicicleta.
Mayo 75 86 97
MPBC está interesada en hacer un plan de inventarios para el año
Junio 47 54 60 2011. La empresa quiere mantener un nivel de servicio de 95% para
Julio 30 34 39 sus clientes, con la finalidad de minimizar las pérdidas por pedidos
perdidos. Los datos recogidos durante los últimos dos años se resu-
Agosto 18 21 24
men en la siguiente tabla. Se ha desarrollado un pronóstico de ventas
Septiembre 13 15 16 para el modelo Airwing en el próximo año 2011 y se utiliza para hacer
Octubre 12 13 15 un plan de inventarios de MPBC.
Noviembre 22 25 28
Preguntas para análisis
Diciembre 38 42 47
343 391 439 1. Desarrolle un plan de inventarios para ayudar a MPBC.
Total
2. Analice los ROP y los costos totales.
3. ¿Cómo se puede hacer frente a la demanda que no está al nivel
La compañía distribuye una amplia variedad de bicicletas. El del horizonte de planeación?
modelo más popular, y la principal fuente de ingresos para la em-
presa, es el AirWing. MPBC recibe todos los modelos de un solo Fuente: Profesora Kala Chand Seal, Loyola Marymount University.
Bibliografía
Anderson, Eric T., Gavan J. Fitzsimons y Duncan Simester. "Measuring and Mid- Chopra, Sunil, Gillds Reinhardt y Maqbool Dada. "The Effect of Lead Time
gating the Costs of Stockouts", Management Science 52, 11 (noviembre de Uncertainty o Safety Stocks", Decision Sciences 35, 1 (invierno de 2004):
2006): 1751-1763. 1-24.
Bradley, James R. y Richard W. Conway. "Managing Cyclic !mentones", Produc- Desai, Preyas S. y ed Koenigsberg. "The Role of Production Lead Time and
tion and Operations Management 12, 4 (invierno de 2003): 464-479. Demand Unc nainty in Marketing Durable Goods", Management Science
Chan, Lap Mui Ann, David Simchi-Levi y Julia Swann. "Pricing, Production, 53, 1 (enero 2007): 150-158.
and hiventory Policies for Manufacturing with Stochastic Demand and Dis- Jayaraman, Vaidy athan, Cindy Burnett y Derek Frank. "Separating Inventory
cretionary Sales", Manufacturing & Service Operations Management 8, 2 Flows in the aterials Management Department of Hancock Medical Cen-
(primavera de 2006): 149-168. ter", Interfac s 30, 4 (julio-agosto de 2000): 56-64.
Chickering, David Maxwell y David Heckerman. "Targeted Advertising on the Kapuscinski, Rom Rachel Q. Zhang, Paul Carbonneau, Robert Moore y Bill
Web with Inventory Management", Interfaces 33.5 (septiembre-octubre de Reeves. "Inventory Decisions in Dell's Supply Chain", Interfaces 34, 3
2003): 71-77. (mayo-junio de 2004): 191-205.
APÉNDICE 6.1: CONTROL DE INVENTARIOS CON QM PARA WINDOWS 237
Karabakal, Nejat, Ab Gunal y Warren Witchie. "Supply-Chain Analysis at Ramdas, Karnalini y Robert E. Spekrnan. "Chain or Shackles: Understanding
Volkswagen of America", Interfaces 30, 4 (julio-agosto de 2000): 46-55. What Drives Supply-Chain Performance", Interfaces 30, 4 (julio-agosto de
Kük, A. Gürhan y Kevin H. Shang. "Inspection and Replenishment Policies for 2000): 3-21.
Systems with Inventory Record Inaccuracy", Manufacturing & Service Ope- Rubin, Paul A. y W. C. Benton. "A Generalized Framework for Quantity Discount
rations Management 9, 2 (primavera de 2007): 185-205. Pricing Schedules", Decision Sciences 34, 1 (invierno de 2003): 173-188.
Ramasesh, Ranga V. y Ram Rachmadugu. "Lot-Sizing Decision Under Limi- Shin, Hojung y W. C. Benton. "Quantity Discount-Based Inventory Coordination:
ted-Time Price Reduction", Decision Sciences 32, 1 (invierno de 2001): Effectiveness and Critica! Environmental Factors", Production and Opera-
125-143. tions Management 13, 1 (primavera de 2004): 63-76.
JQJ_<.!
)
(u-titled) Sokben
%remeter Va!ue Perarneter
PROGRAMA 6.6
11 Ele Eát »toa Modie fi:~ Iook klidow tido
Resultados en QM
para Windows para
el modelo de corrida
de la producción
238 CAPITULO 6 • MODELOS DE CONTROL DE INVENTARIOS
El modelo de descuentos por cantidad permite que e costo de material varíe con la cantidad pedida. En
este caso, el modelo debe considerar y minimizar los co tos de materiales, de pedido y de almacenamiento
examinando cada precio de descuento. El programa 6.7 nuestra cómo se puede utilizar QM para Windows
para resolver el modelo con descuentos por cantidad anal zado en el capítulo. Observe que la salida del pro-
grama muestra los datos de entrada, además de los resulta los.
Cuando una organización tiene un gran número de artículos de inventario, con frecuencia se utiliza el
análisis ABC. Como se estudia en este capítulo, el volumen total monetario de un artículo en inventario es una
manera de determinar si se deben utilizar técnicas de control cuantitativo. Los cálculos necesarios se realizan en
el programa 6.8, donde se muestra cómo puede usarse QM para Windows para calcular el volumen monetario
y determinar si las técnicas de control cuantitativo se justifican para cada artículo en inventario con este nuevo.
ejemplo.
OBJETIVOS DE APRENDIZAJE
Resumen • Glosario • Problemas resueltos • Autoevaluación • Preguntas para análisis y problemas • Estudio de caso:
Trabajo en Mexicana Wire • Estudio de caso en Internet • Bibliografía
239
240 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
7.1 Introducción
Muchas de las decisiones administrativas implica n la búsqueda del uso más eficaz de los recursos de
una organización. Por lo general, los recursos ix cluyen maquinaria, mano de obra, dinero, tiempo,
espacio de almacenamiento y materias primas. les recursos pueden usarse para fabricar productos
(como maquinaria, muebles, alimentos o ropa) u ofrecer servicios (como los programas de las com-
pañías aéreas o las líneas de producción, las políticas de publicidad o las decisiones de inversión). La
programación lineal (PL) es una técnica de modelado matemático que se utiliza ampliamente y que
La programación lineal es una está diseñada para ayudar a los gerentes a planear y a tomar decisiones en relación con la asignación
técnica que ayuda a tomar decisiones de recursos. El presente capítulo y el siguiente están dedicados a ilustrar cómo y por qué funciona la
para la asignación de recursos. programación lineal.
A pesar de su nombre, la PL y la categoría más general de las llamadas técnicas de programa-
ción "matemática" tienen muy poco que ver con la programación por computadora. En el mundo de
las ciencias de la administración, programación se refiere al modelado y la resolución de un problema
matemático. La programación por computadora tiene, desde luego, un papel relevante en el avance y el
uso de la PL. Los problemas de PL en la vida real son demasiado engorrosos como para resolverse ma-
nualmente o con una calculadora. Así que a lo largo de los capítulos sobre PL se ofrecen ejemplos de lo
valioso que puede ser un programa de cómputo en la resolución de un problema de PL.
fraccionario (por ejemplo, 0.3 sillas) simplemente significaría que hay trabajo en proceso. Algo que se ini-
ció en una semana puede terminarse en la siguiente. Sin embargo, en otros tipos de problemas, los valores
fraccionarios no tienen sentido. Si no es posible comprar una fracción de un producto (por ejemplo, un
tercio de un submarino), existe un problema de programación entera. La programación entera se analiza
con más detalle en el capítulo 10.
Por último, suponemos que todas las respuestas o variables son no negativas. Los valores negativos de
las cantidades fisicas son imposibles; usted simplemente no puede producir un número negativo de sillas,
camisas, lámparas o computadoras. Sin embargo, hay algunas variables que pueden tener valores negati-
vos, como la utilidad, donde un valor negativo indica una pérdida. Una simple operación matemática puede
transformar una variable de este tipo en dos variables no negativas, y ese proceso puede encontrarse en los
libros de programación lineal. Sin embargo, al trabajar con programación lineal en este texto, usaremos
sólo variables no negativas. En la tabla 7.1 se resumen tales propiedades y supuestos.
" Técnicamente, maximizamos el margen de contribución total, que es la diferencia entre el precio de venta unitario y los
costos que varían en proporción con la cantidad de artículos producidos. La depreciación, los gastos generales fijos y la
publicidad se excluyen de los cálculos.
242 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
El problema de Flair Furniture es determinar la mejor combinación posible de mesas y sillas a fabri-
car con la finalidad de alcanzar la máxima utilidad. La compañía desea formular esta situación de mezcla
de producción como un problema de PL.
Empezamos con un resumen de la información necesaria para formular y resolver este problema (vea
la tabla 7.2). Esto nos ayuda a entender el problema que enfrentamos. En seguida, identificamos el objetivo
y las restricciones. El objetivo es
Maximizar la utilidad
1. Las horas de tiempo de carpintería usadas no pueden exceder 240 horas a la semana.
2. Las horas de tiempo de pintura y barnizado utilizadas no pueden exceder 100 horas a la semana.
Las variables de decisión que representan las decisiones reales que tomaremos se definen como
Carpintería 4 3 240
Pintura y barnizado 2 1 100
Utilidad por unidad $70 $50
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 243
Las restricciones de recursos Así que la primera restricción puede expresarse de la siguiente manera:
ponen límites en forma matemática
al recurso de mano de obra de Tiempo de carpintería utilizado 5 Tiempo de carpintería disponible
carpintería y de pintura. •
4T+ 3C 5 240 (horas del tiempo de carpintería)
Del mismo modo, la segunda restricción es la siguiente:
Tiempo de pintura y barnizado utilizado -5 Tiempo de pintura y barnizado disponible
T 1C 5- 100 (horas del tiempo de pintura y barnizado)
Esto significa que cada mesa producida requiere 2 horas del recurso de pintura y barnizado).
Ambas restricciones representan las limitaciones a la capacidad de producción y, desde luego, afec-
tan la utilidad total. Por ejemplo, Flair Furniture no puede producir 80 mesas durante el periodo de pro-
ducción, porque si T = 80, se quebrantarían las dos restricciones. Tampoco puede hacer T = 50 mesas y
C = 10 sillas. ¿Por qué? Debido a que esto transgrediría la segunda restricción de que no se asignen más
de 100 horas del tiempo de pintura y barnizado.
Para obtener soluciones significativas, los valores de T y C deben ser números no negativos. Es decir,
todas las soluciones posibles tienen que representar mesas reales y sillas reales. Matemáticamente, esto
significa que
Aunque técnicamente las restricciones de no negatividad son restricciones independientes, suelen escri-
birse en una sola línea con las variables separadas por comas. En este ejemplo, se escriben como
T, C O
4T + 3C = 240
244 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.1
Cuadrante que contiene
todos los valores
100
positivos
Este eje representa la restricción T O
80
Número de sillas
60
20
1111111 I I
0 20 40 60 80 100 T
Número de mesas
El trazado de la primera restricción Como se recordará del álgebra elemental, una ecuación lineal con dos variables es una línea recta. La
implica encontrar los puntos donde forma más fácil de trazar la recta es encontrar dos puntos que satisfagan la ecuación y, después, se dibuja
la recta cruza los ejes T y C. una línea recta a través de ellos.
Los dos puntos más fáciles de encontrar suelen ser los puntos en los que la recta cruza los ejes T y C.
Cuando Flair Furniture no produce mesas, es decir T = 0, esto implica que
4(0) + 3C = 240
o
3C = 240
o
C = 80
En otras palabras, si se utiliza todo el tiempo de carpintería disponible para producir sillas, podrían hacerse
80 sillas. Por lo tanto, esta ecuación de restricción cruza el eje vertical en 80.
Para encontrar el punto donde la recta cruza el eje horizontal, se supone que la compañía no produce
sillas, es decir, C = 0. Entonces,
4T + 3(0) = 240
o
4T = 240
o
T= 60
Por lo tanto, lo que hemos hecho es graficar la ecuación de restricción en su posición más limítrofe, es decir, usando todos
los recursos de carpintería.
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 245
FIGURA 7.2
Gráfica de la ecuación
de la restricción de
carpintería, 4T+ 3C= 240 100
80 (T=0, C = 80)
Número de s illas
60
40
20
(T= 60, C= O)
1 1 1 1
O 80 100 T
Número de mesas
de las 240 horas. Los puntos que satisfacen la porción < de la restricción (es decir, 4T + 3C < 240) serán
todos los puntos a un lado de la recta; mientras que todos los puntos en el otro lado de la línea no satis-
farán esta condición. Para determinar cuál es el lado de la recta indicado, basta con elegir cualquier punto
a cada lado de la recta de restricción mostrada en la figura 7.2 y verificar si satisface la condición.
Por ejemplo, elija el punto (30, 20), como se ilustra en la figura 7.3:
Dado que 180 < 240, este punto satisface la restricción, y todos los puntos de este lado de la línea también
satisfarán esa condición. Este conjunto de puntos se indica mediante la región sombreada de la figura 7.3.
Para saber lo que sucedería si el punto no satisficiera la restricción, seleccione un punto en el otro lado
de la recta, por ejemplo, (70, 40). La restricción no se cumpliría en este punto porque
Dado que 400 > 240, este punto y cualquier otro en ese lado de la recta no satisfarían la restricción. Por
consiguiente, la solución representada por el punto (70, 40) requeriría más de las 240 horas que están dis-
ponibles. No hay suficientes horas de carpintería para producir 70 mesas y 40 sillas.
FIGURA 7.3
Región que satisface la
restricción de carpintería
100
80
Número de sillas
60
40 • (70, 40)
20 •
(30, 20)
1111 1 ',111111 •
0 20 40 60 80 100
Número de mesas
246 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.4
Región que satisface la
restricción de pintura
100 (T= O, C= 100)
y barnizado
80
Número de si llas
60
40
20
(T=50, C= 0)
1 l1 1 1 I I
0
20 40 60 80 100 T
Número de mesas
2T + 1C = 100
2(0) + 1C = 100
C = 100
Entonces, un punto sobre la recta es (0, 100). Para encontrar el segundo punto, seleccione C = O y
despeje T:
2T + 1(0) = 100
T = 50
El segundo punto usado para graficar la recta es (50, 0). Al graficar este punto, (50, 0), y el otro, (0, 100),
se obtiene la recta que representa todas las soluciones en las cuales se utilizan exactamente 100 horas del
tiempo de pintura y barnizado, como se muestra en la figura 7.4.
Para encontrar los puntos que requieren menos de 100 horas, seleccione un punto a ambos lados de
esta recta, con la finalidad de verificar si se satisface la parte de desigualdad en la restricción. Al seleccio-
nar (0, 0), resulta
Lo anterior indica que éste y todos los puntos por debajo de la recta satisfacen la restricción; esta región se
muestra sombreada en la figura 7.4.
Ahora que cada restricción individual ha sido representada gráficamente, es el momento de pasar a la
siguiente etapa. Se sabe que, para producir una silla o una mesa, es necesario utilizar tanto el departamento
En los problemas de PL estamos de carpintería como el de pintura y barnizado. En un problema de PL debemos encontrar el conjunto de
interesados en satisfacer todas las puntos de solución que satisfagan todas las restricciones de manera simultánea. Por lo tanto, las restriccio-
restricciones al mismo tiempo. nes deberían representarse nuevamente en una gráf ca (o superponer una sobre otra). Esto se muestra en la
figura 7.5.
Ahora, la región sombreada representa el área de soluciones que no excede ninguna de las dos restric-
ciones de Flair Furniture. Se conoce por el término área de soluciones factibles o, de forma más sencilla,
La región factible es el conjunto región factible. En un problema de PL esta región debe satisfacer todas las condiciones especificadas por
de puntos que satisfacen todas las las restricciones del problema y, por lo tanto, es la región donde se superponen todas las restricciones.
restricciones. Cualquier punto de la región sería una solución factible para el problema de Flaír Furniture; cualquier
punto fuera del área sombreada representaría una solución no factible. Por consiguiente, sería posible
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 247
FIGURA 7.5
Región de soluciones
factibles para el
100
problema de la compañía •
•
Flair Furniture •
•
80 •
Número de sillas
Restricción de pintura/barnizado
•
•
•
60
40
20 40 60 80 100
Número de mesas
fabricar 30 mesas y 20 sillas (T = 30, C = 20) durante un periodo de producción, ya que se cumplen las
dos restricciones:
Pero quebrantaría las restricciones de producir 70 mesas y 40 sillas, como se muestra matemáticamente:
Además, también no sería factible fabricar 50 mesas y 5 sillas (T = 50, C = 5). ¿Puede usted ver por qué?
Esta posible solución se encuentra dentro del tiempo disponible en carpintería, pero excede el tiempo dis-
ponible en pintura y barnizado; por lo tanto, está fuera de la región factible.
utilidad que se obtiene fácilmente sin vulnerar ninguna de las dos restricciones. La función objetivo se
puede escribir como $2,100 = 70T + 50C.
Esta expresión es la ecuación de una recta; la llamamos recta de isoutilidad. Representa todas las
combinaciones de (T, C) que producirían una utilidad total de $2,100. Para trazar una recta de utilidad, se
procede exactamente como lo hicimos para graficar lás rectas de las restricciones. En primer lugar, consi-
dere que T = O y encuentre el punto donde la recta cruza el eje C:
$2,100 = $70(0) = $50C
C = 42 sillas
Después, considere que C = O y despeje T:
$2,100 = $70T+ 50(0)
T = 30 mesas
Definición
Definición del problema
del problema Hewlett Packard (HP) lanzó HPDirect.com a finales de la década de 1990 y abrió la venta online de produc-
tos HP, incluyendo computadoras, impresoras, accesorios y consumibles (suministros). En 2008 se avisó a la
gerencia de HPDirect.com que las ventas online tenían que crecer 150% en los próximos tres años, y esto
tenía que hacerse sin exceder los presupuestos de marketing. Para ello, debían atraer a más visitantes al sitio,
convertir a los visitantes en clientes mediante esfuerzos de marketing dirigidos, y retener a los clientes leales
al proporcionarles una experiencia satisfactoria de manera rentable.
Desarrollo de
Desarrollo de un modelo
un modelo La naturaleza masiva de este proyecto requirió el uso de una variedad de modelos de investigación de ope-
raciones para alcanzar los objetivos. La regresión múltiple se utilizó para identificar los factores clave de
los visitantes online, y se combinó con modelos de series de tiempo (que identifican la estacionalidad y la
tendencia) para pronosticar el número de visitas en todas las páginas Web, así como las ventas de la gran
variedad de productos. Se utilizaron modelos bayesianos y modelos de Markov para ayudar a predecir la
probabilidad de hacer una compra. La programación lineal se utilizó para determinar qué canales de comer-
cialización debían utilizarse con los diferentes clientes y para optimizar estas decisiones.
Adquisición de
Adquisición de datos de entrada
datos de entrada Los datos se recopilaron durante un periodo de 2 años, no sólo con base en los visitantes de la página web y
en su comportamiento, sino también a partir de las ventas y las actividades de marketing durante este mismo
periodo de 2 años. Los datos se separaron en dos grupos: un conjunto de entrenamiento para desarrollar el
modelo y un conjunto de prueba para validarlo.
Desarrollo de
Desarrollo de una solución
una solución El conjunto de datos de entrenamiento se usó para desarrollar los modelos utilizados en este proyecto, inclu-
yendo programas lineales para asignar de manera óptima el presupuesto de marketing.
Pruebas
Pruebas a la solución
a la solución Los datos en el conjunto de prueba se usaron para validar los modelos y asegurar que los modelos funcio-
naran según lo previsto. Cuando se llevaron a cabo las diferentes partes del proyecto, un grupo de clientes
de prueba recibió material de marketing personalizado con base en su perfil de segmento, mientras que un
grupo de control recibió el material genérico.
Implementación
Implementación de resultados
de resultados Al comienzo de cada trimestre, los modelos se ejecutan para ayudar a los esfuerzos de planeación del equipo
de marketing en ese periodo. Los propios modelos se actualizan cada trimestre. Desde 2009, los modelos han
recibido el crédito por un aumento de los ingresos en $117 millones, un incremento de los tamaños de pedido
y una reducción del costo total de inventario.
Fuente: Basado en R. Randon eral., -Hewlett Packard: Delive ring Profitable Growth for HPDirect.com Using Operations
Research", Interfaces 43, 1 (enero-febrero de 2013): 48-61.
7.4 SOLUCIÓN GRÁFICA A UN PROBLEMA DE PL 249
FIGURA 7.6
Gráfica de la recta de
utilidad de $2,100 para la
100
compañía Flair Furniture
80
Número de sillas
60
20
20 40 60 80 100
Número de mesas
Ahora podemos conectar estos dos puntos mediante una recta. Esta recta de utilidad se ilustra en
la figura 7.6. Todos los puntos sobre la recta representan soluciones factibles que producen una utilidad
de $2,100.*
La isoutilidad implica graficar rectas Ahora, es evidente que la recta de isoutilidad para $2,100 no produce la mayor utilidad posible a la
de utilidad paralelas. compañía. En la figura 7.7 se grafican dos líneas más, cada una de ellas proporciona una utilidad mayor.
La ecuación en el medio, $2,800 = $70T + $50C, se representó en la misma forma que la recta inferior.
Cuando T = 0,
Cuando C = 0,
FIGURA 7.7
Gráfica de cuatro rectas
de isoutilidad para la
compañía Flair Furniture 100
80
Número de sillas
20 40 60 80 100
Número de mesas
¡so significa "igual" o "similar". Por lo tanto, una recta de isoutilidad representa una línea donde todos sus puntos tienen la
misma utilidad, en este caso $2,100.
250 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.8
Solución óptima al
problema de Flair
100
Furniture
Recta de utilidad máxima
80
Número de sillas
60 Punto de solución óptima
(T=30, C= 40)
40
20 40 60 80 100
Número de mesas
Trazamos una serie de rectas de De nuevo, cualquier combinación de mesas (T) y sillas (C) sobre esta recta de isoutilidad produce
isoutilidad paralelas hasta encontrar una utilidad total de $2,800. Observe que la tercera recta genera una utilidad de $3,500; esto es más
la recta de isoutilidad más alta, es que una mejora. Cuanto más nos alejemos del origen, mayor será nuestra utilidad. Otro punto importante
decir, la que contiene la solución es que estas rectas de isoutilidad son paralelas. Ahora tenemos dos pistas sobre cómo encontrar la solución
óptima.
óptima al problema original. Podemos dibujar una serie de rectas paralelas (moviendo cuidadosamente
nuestra regla en un plano paralelo a la primera recta de utilidad). La recta de utilidad más alta que aún
toque algún punto de la región factible señala la solución óptima. Observe que la cuarta línea ($4,200) es
demasiado alta para ser considerada.
El último punto que una recta de isoutilidad tocaría en esta región factible sería el punto en el vértice,
donde se intersecan las dos rectas de restricción, por lo que este punto se traducirá en la máxima utilidad
posible. Para encontrar las coordenadas de este punto, resolvemos las dos ecuaciones en forma simultánea
(como se indica en la siguiente sección). Lo anterior resulta en el punto (30, 40) como se muestra en la
figura 7.8. Al calcular la utilidad en este punto, obtenemos
FIGURA 7.9
Cuatro vértices de la
región factible
100
80
Número de sillas
60
40
20
0 • 1 1 1 1 1 1 1 1 1 1
20 40 60 80 100 T
Número de mesas
entre éste, de modo que el coeficiente de esa variable (T) en una ecuación sea el negativo del coeficiente de .
la misma variable en la otra ecuación. Las dos ecuaciones de restricción son
4T + 3C = 240 (carpintería)
2T + 1C = 100 (pintura)
C = 40
Al hacer esto hemos podido eliminar una variable, T, y despejar C. Ahora podemos sustituir 40 por C
en cualquiera de las ecuaciones originales y despejar T. Usaremos la primera ecuación. Cuando C = 40,
entonces
4T + (3)(40) = 240
4T + 120 = 240
o
4T= 120
T = 30
TABLA 7.3
NÚMERO DE MESAS (T) NIER" SILLAS (C) UTILIDAD — $70T $50C
Vértices factibles y
utilidades para Flair $0
Furniture 50 $3,500
0 $4,000
30 $4,100
variables de decisión, debemos confiar en el software o utilizar el algoritmo símplex que se estudia en
el módulo 7.
Holgura y excedente
El término holgura se asocia con Además de conocer la solución óptima de un programa lineal, resulta útil saber si se están utilizando todos
restricciones del tipo los recursos disponibles. El término holgura se utiliza para la cantidad de un recurso que no se utiliza. Para
una restricción del tipo menor o igual que,
En el ejemplo de Flair Fumiture, había 240 horas de tiempo de carpintería disponibles. Si la empresa
decidiera producir 20 mesas y 25 sillas en vez de la solución óptima, la cantidad de tiempo de carpintería
usada (4T + 3C) sería 4(20) + 3(25) = 155. Por lo tanto,
Para la solución óptima (30, 40) del problema de Flair Furniture, la holgura es O puesto que se utilizan
todas las 240 horas.
El término excedente se asocia con El término excedente se utiliza con las restricciones del tipo mayor o igual que para indicar la canti-
las restricciones del tipo a-. dad en la que se excede el lado derecho de una restricción. Para un restricción del tipo mayor o igual que,
Suponga que hubo una restricción en el ejemplo que pedía un número total de mesas y sillas com-
binado de al menos 42 unidades (es decir, T + C 42), y que la empresa decidió producir 20 mesas y
25 sillas. La cantidad total producida sería 20 + 25 = 45, por lo que el excedente sería
Excedente = 45 — 42 = 3
lo cual significa que se produjeron 3 unidades más que el mínimo. Para la solución óptima (30, 40) del
problema de Flair Furniture, si esta restricción hubiera estado en el problema, el excedente habrías sido
70 — 42 = 28.
Así que la holgura y el excedente representan la diferencia entre el lado izquierdo (LI) y el lado de-
recho (LD) de una restricción. El término holgura se utiliza al hacer referencia a las restricciones del tipo
menor o igual que, y el término excedente se usa para referirse a las restricciones del tipo mayor o igual
que. La mayoría del software para programación lineal proporciona la cantidad de holgura y excedente que
existe para cada restricción en la solución óptima.
Una restricción que tiene cero holgura o excedente para la solución óptima se llama una restricción
vinculante. Una restricción con holgura o excedente positivos para la solución óptima se llama una res-
tricción no vinculante. Algunos resultados de computadora especifican si la restricción es vinculante o no
vinculante.
PROGRAMA 7.1C
Salida y gráfica en QM (El valor de la función objetivo RHS
( Los valores de las variables" T Dual
para Windows para se muestran aquí. \(utilidad) se muestra aquí
el problema de Flair Maxim 70 50
Furniture Carpently 4 3 240 15
Painting 2 100
Sohition-> 30 40 4.100
nstrakit Dirplag
Flair Fumiture Problem C' Ma< 70T+50C
t Haga clic en Window y seleccione Graph r 4T4C<.240
C 2T+1C<.1 00
`para ver esta gráfica y los vértices. none
Constaints
Comer PoMts
z
0 ENIZI111311111
0 DEM 4,000.
isoproft Line
EIRIERIE11111130M1
Una vez que el problema se haya resuelto, se puede visualizar una gráfica seleccionando Window—
Graph desde la barra de menú en QM para Windows. El programa 7.1C muestra la salida para la solu-
ción gráfica. Observe que, además de la gráfica, también se muestran los vértices y el problema original.
Posteriormente, regresaremos a ver información adicional relacionada con el análisis de sensibilidad que
proporciona QM para Windows.
PREPARACIÓN DE LA HOJA DE CÁLCULO PARA SOLVER La hoja de cálculo debe prepararse con
datos y fórmulas para ciertos cálculos antes de que Solver se pueda utilizar. Es posible usar Excel QM para
simplificar el proceso (vea el apéndice 7.1). Describiremos brevemente los pasos, y un mayor análisis y
más sugerencias cuando se presente el ejemplo de Flair Furniture. A continuación damos un resumen de
los pasos para preparar la hoja de cálculo:
1. Introduzca los datos del problema, los cuales se componen de los coeficientes de la función objetivo
y las restricciones, además de los valores del LD para cada una de las restricciones. Se recomienda
organizar esto de manera lógica y significativa. Los coeficientes serán utilizados al escribir fórmulas
en los pasos 3 y 4, y el LD se introducirá en Solver.
2. Designe celdas específicas para los valores de las variables de decisión. Posteriormente, estas direc-
ciones de celda se introducirán en Solver.
3. Escriba una fórmula para calcular el valor de la función objetivo, utilizando los coeficientes de la
función objetivo (del paso 1) que ha introducido y las celdas que contienen los valores de las varia-
bles de decisión (del paso 2). Después, esta dirección de celda se introducirá en Solver.
4. Escriba una fórmula para calcular el valor del LI de cada restricción, utilizando los coeficientes de
las restricciones (del paso 1) que ha introducido y las celdas que contienen los valores de las varia-
bles de decisión (del paso 2). Posteriormente, se introducirán en Solver estas direcciones de celda
y las direcciones de celda para el valor del LD correspondiente.
7.5 RESOLUCIÓN DEL PROBLEMA DE PL DE FLAIR FURNITURE USANDO QM PARA WINDOWS, EXCEL 2013 Y EXCEL QM 255
PROGRAMA 7.2A Estas celdas se seleccionan para contener los valores de las
Datos de entrada en variables de decisión. Solver introducirá la solución óptima
Excel para el ejemplo ,,aquí, pero usted también puede ingresar números aquí.
de Flair Furniture A 8 I C
1 Flair Furniture Los signos para las restricciones se
2
introducen aquí sólo como referencia.
3 Variabkts T (rabie) C (Chairs)
units Produccd Profit
Objective function I 70 50 o
PROGRAMA 7.2B
Profit
Fórmulas del ejemplo "4-5UMPRODUCT(5854:5054,135:C5)
de Flair Furniture
LH5 (Hours uscd)
..SUIVIPRODUCT(5354:5C$4,138:03)
5 rSUMPRODUCT($13$4:$C$4,39:C9)
Estos cuatro pasos se deben completar de alguna manera con todos los programas lineales en Excel.
Es posible agregar información adicional a la hoja de cálculo para hacer más claro el modelo. Esto se ilus-
trará con un ejemplo.
I. El programa 7.2A presenta los datos de entrada para el ejemplo de Flair Furniture. Usted debería
ingresar los números en las celdas que se indican. Las palabras pueden ser cualquier descripción que
usted elija. Los símbolos se introducen sólo como referencia. No son usados de manera especí-
fica por Solver de Excel.
2. Las celdas designadas para los valores de las variables son B4 para T (mesas) y C4 para C (sillas).
Estas direcciones de celda serán introducidas en Solver como By Changing Variable Cells. Solver
cambiará los valores de estas celdas para encontrar la solución óptima. En ocasiones es útil introdu-
cir un 1 en cada una de estas celdas para ayudar a identificar errores evidentes, cometidos al escribir
las fórmulas correspondienes al objetivo y a las restricciones.
3. Se escribe una fórmula en Excel para la función objetivo (D5), y esto se muestra en el programa
7.2B. La función Sumproduct es muy útil, aunque hay otras maneras de escribir el objetivo. Esta di-
rección de celda se introducirá en Solver como la ubicación Set Objective.
4. Las horas utilizadas en carpintería (LI de la restricción de carpintería) se calculan con la fórmula de
la celda D8; mientras que la celda D9 calcula las horas usadas en pintura, como se ilustra en el pro-
grama 7.2B. Estas celdas y las que contienen los valores del LD se utilizarán al introducir las restric-
ciones en Solver.
El problema ahora está listo para usar Solver. Sin embargo, incluso si no se encuentra la solución óp-
tima, esta hoja de cálculo tiene beneficios. Puede introducir valores diferentes para T y C en las celdas B4
y C4 sólo para ver cómo cambian la utilización de recursos (LI) la utilidad.
256 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
'introduzca la dirección
Set Objective SDS5
de celda para el valor de
To:
la función objetivo.
Ift) itax Value Of:
Unconsbabsed Variables
Sohing Odeltiod
Seied the GRG Mosdinear engine for Soker Probieras that are smooth nonlinear. Select the LP
Skop.= engine for ralear Solver Prohibas, and select the Evolutionary engine lar Solver 1
prohibas that ase non-so:00th (Haga clic en Solve después-'\
de haber añadido las
restricciones.
..•:,4"01J4411.1i L I V.,111.19151
USO DE SOLVER Para comenzar a utilizar Solver, vaya a la pestaña Data en Excel 2013 y haga clic en
Solver, como se muestra en el programa 7.2D. Si Solver no aparece en la pestaña de datos, consulte el
apéndice F para obtener instrucciones sobre cóm activar este complemento. Una vez que haga clic en
Solver, se abre el cuadro de diálogo Solver P ters, como se muestra en el programa 7.2E, y se de-
ben ingresar las siguientes entradas, aunque el orde no es importante:
1. En el cuadro Set Objective, introduzca la dirección de celda para la utilidad total (D5).
2. En el cuadro By Changing Variable Cells, introduzca las direcciones de las celdas para los valores de
las variables (B4:C4). Solver hará que los valores de estas celdas cambien durante la búsqueda del
mejor valor en la celda Set Objective.
7.5 RESOLUCIÓN DEL PROBLEMA DE PL DE FLAIR FURNITURE USANDO QM PARA WINDOWS, EXCEL 2013 Y EXCEL QM 257
Haga clic en OK cuando haya terminado. Haga clic en el botón para seleccionar el tipo de relación
de la restricción.
3. Haga clic en Max para un problema de maximización y Min para un problema de minimización.
4. Marque la casilla Make Unconstrained Variables Non-Negative, puesto que las variables T y C deben
ser mayores o iguales a cero.
5. Haga clic en el botón Select Solving Method y seleccione Simplex LP en el menú que aparece.
6. Haga clic en Add para agregar las restricciones. Al hacerlo, aparece el cuadro de diálogo que se
muestra en el programa 7.2F.
7. En el cuadro Cell Reference, introduzca las referencias de celda para los valores del LI (D8:D9).
Haga clic en el botón para abrir el menú desplegable y elija <=, que es para restricciones del
tipo Después, introduzca las referencias de celda para los valores del LD (F8:F9). Como todas
estas restricciones son del tipo menor o igual que, pueden introducirse a la vez, especificando los
rangos. Si hubiera otros tipos de restricciones, como restricciones usted podría hacer clic en Add
luego de ingresar estas primeras limitaciones, y el cuadro de diálogo Add Constraint le permitiría
introducir restricciones adicionales. En la preparación de la hoja de cálculo para Solver, es más fácil
si todas las restricciones s están juntas y las restricciones también lo están. Después de introducir
todas las restricciones, haga clic en OK. El cuadro de diálogo para agregar restricciones se cierra y
se reabre el cuadro de diálogo Solver Parameters.
8. Haga clic en Solve en el cuadro de diálogo Solver Parameters, y habrá encontrado la solución. El
cuadro de diálogo Solver Results se abre e indica que se encontró una solución, como se indica en
el programa 7.2G. En situaciones donde no hay solución factible, este cuadro lo indicará. Es posible
obtener información adicional en la sección de reportes, lo cual se verá más adelante. El programa
7.2H muestra los resultados de la hoja de cálculo con la solución óptima.
Uso de Excel QM
La utilización del complemento Excel QM puede ayudarle a resolver fácilmente problemas de programa-
ción lineal. Además de todas las fórmulas creadas automáticamente por Excel QM, la preparación de hojas
PROGRAMA 7.2H A
(La solución óptima es T= 30, C = 40, la utilidad = 4,100)
1 Flair Fumiture
Solución para Flair 2
Furniture encontrada 3 Variables T (Tablas) C (Chairs
4 Units Produeed ; 30 40 Profit
mediante Solver
5 Objective function I 50 4100
horas utilizadas se dan aquí)
7 Constraints LHS (Hours used_____
)
a Carpentry 240 <
9 Painting 100 5.
de cálculo para el uso del complemento Solver también se realiza de forma automática. Esto se ilustrará
con el ejemplo de Flair Furniture.
Para comenzar, desde la pestaña de Excel QM en Excel 2013, haga clic en el menú Alphabetical
y luego seleccione Lineal, Integer & Mixed Integer Programming en el menú desplegable, como se indica
en el programa 7.3A. Se abrirá la ventana de inicio de la hoja de cálculo en Excel QM, y en ella se escri-
birá el título del problema, el número de variables y el número de restricciones (no cuentan las restric-
ciones de no negatividad). Especifique si el problema es un problema de maximización o minimización
y, después, haga clic en OK. Cuando finalice el proceso de inicialización, se preparará una hoja de cálculo
para la introducción de datos, como se indica en el programa 7.3B. En esta hoja de cálculo, introduzca los
datos en la sección denominada Data. Especifique el tipo de restricción (menor que, mayor que o igual a)
y cambie los nombres de las variables y los nombres de las restricciones, si así lo desea. Usted no tiene
que escribir ninguna fórmula.
Una vez introducidos los datos, en la pestaña Data, seleccione Solver. Se abre la ventana Solver
Parameters (consulte de nuevo el programa 7.2E para ver qué entradas se requieren normalmente en una
ventana típica de parámetros en Solver); verá que Excel QM ha hecho todas las entradas y selecciones
necesarias. Usted no introduce información alguna y, simplemente, hace clic en Solve para encontrar la
solución. Tal solución se muestra en el programa 7.3C.
PROGRAMA 7.3A Uso de Excel QM en Excel 2013 para el ejemplo de Flair Furniture
PROGRAMA 7.3C A 6 C I) E F G H
1 Flair Furniture
Salida de Excel QM 2 Éritaidailialiata110asSaOadataa. Then gota the BATA 3-ab )11)300, 01148.00301yet In 8u/tata/surf*
.
para el ejemplo de 3
ItSOLVERsívt
4 oalve asta ttibliirn ovaise-seálle 601 081e (Solval, for icatmellíS•
Flair Furniture 5 iSigns
6 less than or equalto
7 equals {YOu need to enteran apostrophe first.)
8 greater than or equa I to
10 Data Results
11 X1 X2 1.85 Slack/Surplus
12 Objective 70 - sien RUS 4100
13 :consunint 3 240 240
14 :Constraint 2 1 100 100
15
16 r. Results La solución se muestra aqui)
•u:1
17 i Variables 30
18 lohiecti00 4100
•
A 5 10 90
B 4 3 48
0.5 o 1.5
Costo por libra 2 centavos 3 centavos
USO DEL MÉTODO DE LOS VÉRTICES EN UN PROBLEMA DE MINIMIZACIÓN Para resolver el pro-
blema del rancho Holiday Meal Turkey, primero construimos la región de soluciones factibles. Esto se
hace al trazar cada una de las tres ecuaciones de restricción, como en la figura 7.10. Observe que la tercera
restricción, 0.5X1 k 1.5, se puede reescribir y graficar como X1 k 3. (Esto implica multiplicar ambos lados
Graficamos las tres restricciones de la desigualdad por 2, pero no cambia la posición de la recta de la restricción de ninguna manera). Los
con la finalidad de desarrollar una problemas de minimización suelen no tener límites hacia el exterior (es decir, son no acotados hacia el lado
región de soluciones factibles para derecho y hacia arriba), pero esto no causa ninguna dificultad en su solución. Mientras estén limitados ha-
el problema de minimización. cia el interior (hacia el lado izquierdo y hacia abajo), es posible establecer vértices. La solución óptima se
Observe que los problemas de encuentra en uno de los vértices como se haría en u problema de maximización.
minimización suelen tener regiones En este caso, hay tres vértices: a, b y c. Para el punto a, encontramos las coordenadas en la inter-
factibles no acotadas. sección de las restricciones de los ingredientes C B, es decir, donde la recta X1 = 3 interseca la línea
4X1 + 3X2 = 48. Si sustituimos X1 = 3 en la ecuaci n de la restricción B, obtenemos
4(3) + 3X2 = 48
o
X21= 12
Por lo tanto. el punto a tiene las coordenadas (X1 = 3, X2 = 12).
7.6 SOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN 261
FIGURA 7.10
XZ
Región factible para el
problema del rancho
Holiday Meal Turkey
Libras de la marca 2
15 Región factible
10
5
Restricción del ingrediente A
10 15 20 25
Libras de la marca 1
Para encontrar las coordenadas del punto b algebraicamente, resolvemos las ecuaciones
4X1 + 3X2 =.48 y 5X1 + 10X, = 90 de manera simultánea. De esto se obtiene (X1 = 8.4, X2 = 4.8).
Por inspección, se observa que las coordenadas en el punto c son (X1 = 18, X2 = 0). Ahora evaluamos
la función objetivo en cada vértice y obtenemos
Por lo tanto, la solución de costo mínimo es comprar 8.4 libras del alimento de la marca 1 y 4.8 libras del
alimento de la marca 2 por pavo al mes. Esto dará lugar a un costo de 31.2 centavos por pavo.
A EN ACCIÓN
NBC utiliza programación lineal, programación entera y
programación por metas para vender espacios publicitarios
FIGURA 7.11
Solución gráfica del
problema del rancho
Holiday Meal Turkey
mediante la recta de
isocosto Región factible
Libras de la marca 2
10 15 20 25 30
Libras de la marca 1
El método de la recta de isocosto ENFOQUE DE LA RECTA DE ISOCOSTO Como se mencionó, el enfoque de la recta de isocosto también
es similar al método de la recta de es útil para resolver problemas de minimización de PL, como el del rancho Holiday Meal Turkey. Al igual
isoutilidad usado en los problemas que con las rectas de isoutilidad, no es necesario calcular el costo en cada vértice, sino dibujar una serie de
de maximización. rectas de costos paralelas. La recta de menor costo (es decir, la más cercana al origen) que toque la región
factible proporciona el vértice de la solución óptima.
Por ejemplo, empezamos la figura 7.11 dibujando una línea de costo de 54 centavos, es decir,
54 = 2X1 + 3X2. Evidentemente, hay muchos puntos de la región factible que producirían un menor costo
total. Se procede a mover la recta de isocosto hacia la parte inferior izquierda, en un plano paralelo a la
recta de solución de 54 centavos. El último punto que se toca aún en contacto con la región factible es el
mismo que el vértice b de la figura 7.10. Tiene la coordenadas (X1 = 8.4, X2 = 4.8) y un costo asociado de
31.2 centavos.
Esto puede resolverse utilizando QM para Windows al seleccionar el módulo Linear Programming y
elegir New (problema nuevo). Se debe especificar quc hay 2 variables y 3 restricciones. Cuando se abre la
ventana de entrada, se introducen los datos y se hace clic en Solve. La salida se muestra en el programa 7.4.
Para resolver esto en Excel 2013, determine las celdas donde estará la solución, introduzca los coe-
ficientes de la función objetivo y las restricciones, y escriba fórmulas para el costo total y el total de cada
ingrediente (restricciones). Los valores de entrada y la solución se muestran en el programa 7.5A, donde la
columna D contiene las fórmulas. Estas fórmulas se muestran en el programa 7.5B. Cuando se abre la ven-
tana Solver Parameters, la celda para Set Objective es D5; las celdas para By Changing Variable Cells son
B4:C4; se utiliza el método Simplex LP; la casilla para que las variables sean no negativas está marcada;
y se selecciona Min porque éste es un problema de minimización.
PROGRAMA 7.4
Solución al problema
del rancho Holiday X2 RHS Dual
Meal Turkey en QM
para Windows 3
10 >= 90 -024
4 3 >. 48 -0.2
0_5 >=, 1.5
8.4 4.8 31.2
7.7 CUATRO CASOS ESPECIALES EN PL 263
PROGRAMA 7.5A A
Se escriben fórmulas para encontrar los valores en la columna D.
1 ¡Holiday Meel Turkey
Solución al problema 7 •
del rancho Holiday Meal Variables Brand 1Brand 2
PROGRAMA 7.5B
Cost
Fórmulas del problema .SUMPRODUCT(513$4:5C$4,135:C5)
Solución no factible
La inexistencia de una región de Cuando no hay solución a un problema de PL que satisfaga todas las restricciones dadas, entonces no
soluciones factibles puede ocurrir existe ninguna solución factible. Gráficamente, significa que no existe ninguna región de soluciones facti-
si las restricciones tienen un bles, situación que podría ocurrir si el problema se formula con restricciones en conflicto. Esto, por cierto,
conflicto entre sL es un fenómeno frecuente en la vida real, con problemas de PL a gran escala que involucran cientos de
restricciones. Por ejemplo, si el gerente de marketing proporciona una restricción que establece que deben
producirse al menos 300 mesas (es decir, X1 300) para satisfacer la demanda de las ventas, y una se-
gunda restricción dada por el gerente de producción indica que no deben producirse más de 220 mesas (es
decir, X1 S 220) debido a la escasez de madera, resulta en una región de solución no factible. Cuando el
analista de investigación de operaciones que coordina el problema de PL señala este conflicto, un gerente
u otro deben modificar sus insumos. Tal vez podría comprarse más materia prima en una nueva fuente, o
tal vez la demanda de las ventas podría reducirse mediante la sustitución de un modelo de mesa diferente
para los clientes.
Como una ilustración gráfica adicional de esto, consideremos las siguientes tres restricciones:
X1 + 2X2 5 6
2X1 + X2 5 8
Xl 7
Como se observa en la figura 7.12, no hay ninguna región de soluciones factibles para este problema de PL
debido a la presencia de restricciones en conflicto.
Región no acotada
Cuando en un problema de
maximización la utilidad puede ser En ocasiones, un programa lineal no tiene una solución finita. Esto significa que en un problema de maxi-
infinitamente grande, el problema mización, por ejemplo, una o más variables de solución, y la utilidad, pueden volverse infinitamente gran-
es no acotado y no se cumplen des sin quebrabtar las restricciones. Si tratamos de resolver un problema de este tipo en forma gráfica,
una o más restricciones. observaremos que la región factible posee un extremo abierto.
264 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.12
Un problema con una
solución no factible
Región que
satisface la
tercera restricción
1111
2 4 6 8
Veamos un ejemplo sencillo para ilustrar la situación. Una empresa ha formulado el siguiente pro-
blema de PL:
Maximizar la utilidad = $3X1 + $5X2
sujeta a X1 5
X2 10
X1 2X2 10
XI , X2
Como se observa en la figura 7.13, debido a que éste es un problema de maximización y la región factible
se extiende infinitamente hacia la derecha, es ilimitada, es decir, existe una solución no acotada. Esto
implica que el problema se ha formulado de manera incorrecta. De hecho, sería maravilloso si la empresa
fuera capaz de producir un número infinito de unidades de X1 (¡con una ganancia de $3 cada una!), pero es
evidente que ninguna compañía tiene recursos disponibles infinitos o una demanda infinita de productos.
Redundancia
Una restricción redundante no La presencia de restricciones redundantes es otra situación común que se produce en las formulaciones
afecta la región de soluciones grandes de PL. La redundancia no causa mayores dificultades en la resolución gráfica de problemas de
factibles. PL, pero usted debería ser capaz de identificar su ocurrencia. Una restricción redundante simplemente no
FIGURA 7.13
Una región factible que
no está acotada por la
derecha
10
Región factible
10 15
7.7 CUATRO CASOS ESPECIALES EN PL 265
FIGURA 7.14
Ejemplo de una
restricción redundante
Restricción redundante
)(1 .25
5 10 15 20 25 30
afecta la región de soluciones factibles. En otras palabras, otras restricciones pueden ser más limitantes o
restrictivas que la restricción redundante.
Veamos el siguiente ejemplo de un problema de PL con tres restricciones:
La tercera restricción, XI 5 25, es menos limitante, pero las dos primeras restricciones son de hecho más
restrictivas (vea la figura 7.14).
Como se observa en la figura 7.15, nuestra primera recta de isoutilidad de $8 corre paralela a la primera
ecuación de restricción. En un nivel de utilidad de $12, la recta de isoutilidad cae directamente sobre el
segmento de la primera recta de restricción, lo cual significa que cualquier punto a lo largo de la línea
entre A y B ofrece una combinación óptima XI y X2. Lejos de causar problemas, la existencia de más de
266 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
FIGURA 7.15
Ejemplo de soluciones X2
óptimas múltiples
8
7
A
2
La recta de isoutilidad para
$12 se superpone al segmento
1 — Región de recta AB
factible
I I I I
1 5 6 7 8 X1
una solución óptima permite una gran flexibilidad Para que la gerencia decida qué combinación elegir.
La utilidad es la misma en cada solución múltiple.
no afecten la solución óptima o cambien las variables de la solución. Esto se hace sin resolver todo el
problema.
Investigaremos el análisis de sensibilidad mediante el desarrollo de un pequeño problema de mezcla
de producción. Nuestro objetivo será demostrar gráficamente y a través de la tabla símplex cómo utili-
zar el análisis de sensibilidad para hacer que los conceptos de programación lineal sean más realistas y
profundos.
FIGURA 7.16
High Note Sound X2
Company Graphical (Receptores)
Solution
60
20 b= (16, 12)
Recta de isoutilidad:
10 $2.400 = 50X1+ 120X2
10 0 30 40 50 60 X,
c= (20, 0) (Altavoces)
268 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
La solución actual sigue QM para Windows y cambios en los coeficientes de la función objetivo
siendo óptima, a menos que En el programa 7.6A se muestra la entrada en QM para Windows del ejemplo de la compañía High Note
un coeficiente de la función
objetivo se incremente hasta Sound. Después de haber encontrado la solución, al seleccionar Window y Ranging es posible ver infor-
un valor por encima del límite mación adicional sobre el análisis de sensibilidad. El programa 7.6B presenta la salida relacionada con
superior o disminuya hasta un el análisis de sensibilidad.
valor por debajo del límite En el programa 7.6B, vemos que la utilidad de los altavoces era de $50, lo cual se indica como el valor
inferior. original en la salida. Este coeficiente de la función objetivo tiene un límite inferior del infinito negativo
50
40
30
10 20 30 40 50 60
7.8 ANÁLISIS DE SENSIBILIDAD 269
PROGRAMA 7.6B
Salida del análisis H'mh Note Sound Comoanv Solution
de sensibilidad de Variable Value i Reduced Cost Original Val Lower Bound Upper Bound
la compañía High X1 0 10 50 -Infrnilt 60
Note Sound X2 20 0 120 100 Infinity
Constraint Dual Value Slack/Surplus Original Val Lower Bound 1 Upper Bound
Electrician hours 30 0 80 0 240
Ambo technician hours 0 40 60 20 Infinity
y un límite superior de $60. Esto significa que el vértice de solución actual sigue siendo óptimo, siempre
que la utilidad en los altavoces no exceda $60. Si es igual a $60, habría dos soluciones óptimas, ya que la
función objetivo sería paralela a la primera restricción. Los puntos (O, 20) y (16, 12) proporcionarían una
utilidad de $2,400. La utilidad de los altavoces puede disminuir cualquier cantidad, como lo indica el infi-
nito negativo, en tanto el vértice óptimo no cambiará. Este infinito negativo es lógico puesto que ahora
no hay altavoces a producir porque la utilidad es demasiado baja. Cualquier disminución en la utilidad
de los altavoces los haría menos atractivos en relación con los receptores y, desde luego, no se produciría
ningún altavoz debido a esto.
La utilidad de los receptores tiene un límite superior de infinito (puede aumentar en cualquier canti-
Los límites superior e inferior se dad) y un límite inferior de $100. Si esta ganancia llega a ser $100, entonces los vértices (0, 20) y (16, 12)
relacionan con cambios de un solo serían óptimos. La utilidad en cada una de ellos sería de $2,000.
coeficiente a la vez. En general, se puede hacer un cambio a uno (y sólo uno) de los coeficientes de la función objetivo y
el vértice óptimo actual seguirá siendo óptimo, siempre y cuando el cambio esté entre los límites superior
e inferior. Si se cambian dos o más coeficientes al mismo tiempo, entonces el problema debería resolverse
con los nuevos coeficientes para determinar si la solución actual sigue siendo óptima o no.
PROGRAMA 7.7A
Las celdas de variable cambiantes en el cuadro de diálogo de Solver son B4:C4.
Hoja de cálculo en Excel
A C D E
2013 para la compañía 1 IHIgh Note Sound
High Note Sound La celda objetivo en el cuadro de diálogo de Solver es D5.
Speaktiv.,
3 Variables X1 \
Units Produced r020 Proft
Objective function 150 120 =SUM P RODUCT($ E354:$ C$4,8 5:C5)
A ti E Solver Results
4 80
e ija Sensitivity en la ventana de resultados de
I Electrician Hours
3 1 20
Solver. Lue•o, ha •a clic en OK.
Audio Tech Hours
10
salen round • solution. Al Constránts and eptiautty cenditkIns re
11 f
sáthrsed.
12 When :he Gel; entina LS l/Sed.Solvt. has Sound at least a local ocs 4501
13 solusion When Strnples LP i5 usecl. Chis nonos SoNer has Sound • I 0001
optima! solehon
14
15
A 8 E G
6 Variable Calla
Final Reduced Objective All IO lowabk
8 Cell Name Value Cost Coefficient In ~se crease
9 51354 Unas %Cosed X1 0 -10 50 10 1E+30
10 SCS4 Units Producod X2 20 0 120 1E+30 20
11
12 Constraints
13 Final Shadow Constraint Allowable Allowable
14 Cell Neme Value Price R.M. Sido Mercase Decrease
15 SDS8 Electrician Hours LHS (Hrs. Used) 80 30 160 so f
80
16 SOS9 Autho Tech Horas LHS (Hrs. Used) 20 \ 1E+30 40
Solver de Excel presenta los permisible al valor actual, podemos obtener el límite superior. Por ejemplo, el aumento permisible en la
incrementos y decrementos utilidad (coeficiente objetivo) de los altavoces es 10, lo cual significa que el límite superior de esta utilidad
permitidos en vez de los límites es de $50 + $10 = $60. Del mismo modo, podemos restar la disminución permisible del valor actual para
superior e inferior. obtener el límite inferior.
FIGURA 7.18 Cambios en los coeficientes tecnológicos para la compañía High Note Sound Company
60 60 60
Receptores Estéreo
o 20 40 0 20 30 40 X1 o 20 40
Altavoces
Sin embargo, en la figura 7.18, inciso (c), un cambio en la otra restricción modifica la forma de
la región factible lo suficiente para causar que un nuevo vértice (g) se vuelve óptimo. Antes de continuar,
vea si se alcanza un valor de la función objetivo de $1,954 de utilidad en el punto g (contra una ganancia
de $1,920 en el punto f).*
A EN ACCIÓN
Swift & Company utiliza la PL para programar
su producción
* Observe que los valores de Xt y X2 en el punto g son fracciones. Aunque la compañía High Note Sound no puede producir
0.67, 0.75 o 0.90 altavoces o estéreos, podemos suponer que la empresa puede comenzar una unidad una semana y terminarla
la siguiente semana. Si el proceso de producción es suficientemente estable de una semana a otra, esto no plantea mayores
problemas. Si las soluciones deben ser números enteros cada periodo, consulte nuestro estudio de la ptogramación entera
en el capítulo 10 para manejar la situación.
272 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
una utilidad total superior. ¿Cuánto debería la empresa estar dispuesta a pagar por horas adicionales? ¿Es
rentable tener algunos electricistas que trabajen hor4s extras? ¿Debería la empresa estar dispuesta a pagar
por más tiempo de los técnicos de audio? El análisis de sensibilidad sobre estos recursos nos ayudará a
responder estas preguntas.
Si se cambia el lado derecho de una restricción, la región factible cambiará (a menos que la restricción
sea redundante) y, con frecuencia, la solución óptima también se modificará. En el ejemplo de la compañía
High Note Sound, había 80 horas de tiempo de electricista disponibles cada semana y la máxima utilidad
posible era $2,400. No hay holgura para esta restricción, por lo que es una restricción vinculante. Si las
horas de electricista disponibles se incrementaran a 100 horas, la nueva solución óptima que se observa en
la figura 7.19, inciso (a), es (0, 25) y la utilidad es de $3,000. Por lo tanto, las 20 horas extra dieron lugar
a un aumento de la utilidad de $600 o $30 por hora. Si las horas se redujeran a 60 horas, como se muestra
en la figura 7.19, inciso (b), la nueva solución óptima sería (0, 15) y la utilidad sería de $1,800. Por con-
siguiente, la reducción de 20 horas resulta en una disminución en la utilidad de $600 o $30 por hora. Este
El valor de una unidad adicional cambio de $30 por hora en la utilidad que resulta de un cambio en las horas disponibles se llama precio
de un recurso escaso se puede dual o valor dual. El precio dual para una restricción es la mejora en el valor de la función objetivo que
encontrar a partir del precio duaL resulta de un aumento de una unidad en el lado derecho de la restricción.
El precio dual de $30 por hora de tiempo de electricista nos indica que podemos aumentar la utilidad
si tenemos más horas de electricista. Sin embargo, existe un límite para esto, como lo hay para el tiempo
del técnico de audio. Si el total de horas de tiempo de electricista fuera de 240 horas, la solución óptima
sería (O, 60) como se indica en la figura 7.19, inciso (c), y la utilidad sería de $7,200. De nuevo, esto es un
aumento en la utilidad de $30 por hora (el precio dual) para cada una de las 160 horas que se agregaron a
la cantidad original. Si el número de horas aumenta más allá de 240, entonces la utilidad ya no aumentaría
y la solución óptima seguiría siendo (0, 60), como se muestra en la figura 7.19, inciso (c). Habría simple-
mente exceso (holgura) en las horas de tiempo de electricista y se utilizaría todo el tiempo del técnico de
audio. Por lo tanto, el precio dual es relevante sólo dentro de los límites. Tanto QM para Windows como
Solver de Excel proporcionan estos límites.
FIGURA 7.19
X2 (a)
Cambios en el recurso del
tiempo de electricistas 60
para la compañía High
Note Sound
20 40 50 60 X,
X2 (j)
60
C j
•
o 20 30 40 60 X,
X2 t (c)
601,_
Restricción modificada que representa 240 horas
del recurso del tiempo de electricistas
40
Restricción
que representa
20
60 horas del recurso
del tiempo de técnicos
de audio
20 40 60 80 100 120
Se proporciona el aumento permisible y la disminución permisible para el lado derecho de cada res-
tricción, y el precio sombra es relevante para los cambios dentro de estos límites. En el caso de las horas de
electricista, el valor de 80 al lado derecho puede incrementarse en 160 (para un total de 240) o disminuir en
80 (para un total de 0) y el precio sombra sigue siendo relevante. Si se realiza un cambio que exceda estos
límites, entonces es necesario resolver el problema para encontrar el impacto del cambio.
274 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
Resumen
En este capítulo presentamos una técnica de modelado matemático En este capítulo, también presentamos el importante concepto
llamada programación lineal (PL). Se utiliza para llegar a una so- del análisis de sensibilidad. En ocasiones conocido como análisis de
lución óptima para problemas que tienen una serie de restricciones postoptimalidad, el análisis de sensibilidad es usado por la gerencia
vinculadas al objetivo. Utilizamos los métodos de los vértices y de para responder a una serie de preguntas del tipo "¿qué pasaría si?"
isoutilidad/isocosto para la resolución de problemas en forma gráfica acerca de los parámetros del modelo de PL. También prueba qué tan
con sólo dos variables de decisión. sensible es la solución óptima ante los cambios en los coeficientes de
Los enfoques de solución gráfica presentados en este capí- utilidad o costo, los coeficientes tecnológicos y los recursos del lado
tulo proporcionan una base conceptual para abordar problemas más derecho. Expío amos el análisis de sensibilidad de forma gráfica (es
grandes y complejos, como los que se analizan en el capítulo 8. Para decir, para prob emas con sólo dos variables de decisión) y con la sa-
resolver problemas de PL en la vida real con numerosas variables lida de la come tadora, pero para entender cómo se analiza la sensi-
y restricciones, es necesario un procedimiento de solución como el bilidad de manera algebraica a través del algoritmo símplex, consulte el
algoritmo símplex, que es el tema del módulo 7. El algoritmo símplex módulo 7 (que e encuentra en www.pearsonenespañol.condrender).
es el método que utilizan QM para Windows y Excel para hacer frente
a los problemas de PL.
Glosario
Análisis de sensibilidad El estudio de qué tan sensible es una so- recursos al mismo tiempo que se optimiza un objetivo medible. La
lución óptima ante los cambios en los supuestos del modelo y los PL es un tipo de modelo de programación.
datos. Con frecuencia se denomina análisis de postoptimalidad. Recta de isoco$to Una línea recta que representa todas las combi-
Coeficientes tecnológicos Coeficientes de las variables en las ecua- naciones de X1 y X2 para un nivel de costo en particular.
ciones de restricción. Los coeficientes representan la cantidad de Recta de isoutilidad Una línea recta que representa todas las
recursos necesarios para producir una unidad de la variable. combinaciones no negativas de X1 y X2 para un nivel de utilidad
Desigualdad Una expresión matemática que contiene una relación específico.
mayor o igual que (~) o menor o igual que utilizada para indi- Redundancia La presencia de una o más restricciones que no afec-
car que el consumo total de un recurso debe ser o s que algún tan la regió de soluciones factibles.
valor límite. Región factibl El área que satisface todas las restricciones de re-
Excedente La diferencia entre el lado izquierdo y el lado derecho cursos del poblema; es decir, la región donde se traslapan todas
de una restricción del tipo mayor o igual que. Con frecuencia, re- las restricciones. Todas las soluciones posibles al problema perte-
presenta la cantidad en la que se supera un tamaño mínimo. necen a la región factible.
Función objetivo Un enunciado matemático de la meta de una orga- Restricción Una limitación sobre los recursos disponibles para
nización, establecido como la intención de maximizar o minimizar una empresa (se indica en la forma de una desigualdad o una
alguna cantidad importante, como las utilidades o los costos. ecuación).
Holgura La diferencia entre el lado izquierdo y el lado derecho de Restricción no vinculante Una restricción con una cantidad posi-
una restricción del tipo menor o igual que. A menudo, es la canti- tiva de holgura o excedente para la solución óptima.
dad de un recurso que no se está utilizando. Restricción vinculante Una restricción con cero holgura o exce-
Método de ecuaciones simultáneas El método algebraico para dente para la solución óptima.
encontrar el punto de intersección entre dos o más ecuaciones de Restricciones de no negatividad Un conjunto de restricciones que
restricción lineal. indican que cada variable de decisión debe ser no negativa; es de-
Método de los vértices El método para encontrar la solución óp- cir, cada Xi debe ser mayor o igual que O.
tima a un problema de PL probando el nivel de la utilidad o de Solución factible Un punto situado en la región factible. Básica-
los costos en cada vértice de la región factible. La teoría de la PL mente, es cualquier punto que satisface todas las restricciones del
afirma que la solución óptima debe estar en uno de los vértices. problema.
Precio (valor) dual La mejora en el valor de la función objetivo Solución no acotada Una condición que existe cuando una varia-
que resulta de un aumento de una unidad en el lado derecho de ble de solución y la utilidad pueden hacerse infinitamente grandes
esa restricción. sin transgre4ir ninguna de las restricciones del problema en un
Precio sombra El aumento en el valor de la función objetivo que proceso demaximización.
resulta de un aumento de una unidad en el lado derecho de Solución no factible Cualquier punto situado fuera de la región
esa restricción. factible. Vu era una o más de las restricciones establecidas.
Problema de mezcla de productos Un problema de PL común, Solución ópt* a múltiple Una situación donde es posible más de
que involucra una decisión de los productos que una empresa de- una solució óptima. Surge cuando la pendiente de la función ob-
bería producir, debido a que cuenta con recursos limitados. jetivo es ig a la pendiente de una restricción.
Programación lineal (PL) Una técnica matemática que ayuda a la Variable de d isión Una variable cuyo valor puede ser elegido por
gerencia a decidir cómo debe hacer el uso más eficaz de los recur- la persona que toma decisiones.
sos de una organización. Vértice o punto extremo Un punto que se encuentra en una de las
Programación matemática La categoría general de las técnicas esquinas de la región factible. Esto significa que se encuentra en
de modelado y resolución matemática utilizadas para asignar la intersección de dos rectas de restricción.
PROBLEMAS RESUELTOS 275
Problemas resueltos
donde
= número de espacios grandes desarrollados
X2 = número de espacios pequeños desarrollados
Solución
Una evaluación de los cinco vértices de la gráfica mostrada indica que el vértice C produce las mayores ganancias.
Consulte la gráfica y la tabla.
60
200
180
160
100X, + 50X2 _ 8,000
140
120
100
80
60
40 Región
factible 20X1 + 40X2 . 4,000
20
8 -I
A • I I
20 40 60 80 100 120 140 160 180 200 220 240 X,
276 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁF COS Y COMPUTACIONALES
...
Maximiza 50 20
Constraint 1 20 40 4,000 o
Constraint 2 100 8,000 0.4
Constraint 3 60 10
Solution-> 60 40 3,800
Solución
a. En la solución óptima, X1 = 60 y X2 = 40. Si se usan estos valores en la primera restricción resulta
Holgura para la restricción 1 = 1,200 por lo que la cantidad utilizada es 4,000 — 1,200 = 2,800
En lugar de calcular esto, podemos simplemente observar que la holgura es 0, por lo que se utilizarán los
8,000 pies cuadrados disponibles.
c. No, la solución no cambiaría. El precio dual es O y no hay holgura disponible. El valor de 3,000 está entre el
límite inferior de 2,800 y el límite superior infinito. Sólo cambiaría la holgura para esta restricción.
d. Dado que el nuevo coeficiente para X1 está entre el límite inferior (40) y el límite superior (infinito), el vértice
actual sigue siendo óptimo. Así que X1 = 60 y X2 = 40, y sólo cambian las ganancias mensuales.
e. El precio dual para esta restricción es de 0.4, y el límite superior es 9,500. El aumento de 1,000 unidades
se traducirá en un aumento en las ganancias de 1,000(0.4 por unidad) = $400.
PROBLEMAS RESUELTOS 277
Solución
A continuación, se presenta una gráfica de las cuatro restricciones. Las flechas indican la dirección de la factibi-
lidad para cada restricción. La siguiente gráfica ilustra la región de soluciones factibles y presenta dos posibles
rectas de costos para la función objetivo. La primera, se seleccionó arbitrariamente en $10,000 como punto de
partida. Para encontrar el vértice óptimo, es necesario mover la recta de costos en la dirección de menor costo, es
decir, hacia abajo y hacia la izquierda. El último punto donde una recta de costos toca la región factible, mientras se
mueve hacia el origen, es el vértice D. De este modo D, que representa X1 = 200, X2 = 100 y un costo de $7,600,
es óptimo.
500
300
X1 + X2> 300
200
X2 100
100
400 Región
factible
300
200
Solución
A continuación se presenta la gráfica junto con la región factible sombreada.
4X1 + 2X2 16
2X1 — X2 2
X2 < 2
—2
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. Cuando se utiliza un procedimiento de solución gráfica, la 8. Un método gráfico sólo se debería utilizar para resolver un
región limitada por el conjunto de restricciones se llama problema de PL cuando
a. solución. a. sólo hay dos restricciones.
b. región factible. b. hay más de dos restricciones.
c. región no factible. c. sólo hay dos variables.
d. región de máxima utilidad. d. hay más de dos variables.
e. ninguna de las anteriores. 9. En PL, las variables no tienen que asumir valores enteros y
2. En un problema de PL, al menos un vértice debe ser una pueden tomar cualquier valor fraccionario. Este supuesto se
solución óptima, si es que existe alguna. llama
a. Verdadero a. proporcionalidad.
b. Falso b. divisibilidad.
3. Un problema de PL tiene una región factible acotada. Si este c. aditividad.
problema tiene una restricción de igualdad (), entonces, d. certidumbre.
a. éste debe ser un problema de minimización. 10. Al resolver un programa lineal, existe una solución no factible.
b. la región factible debe constar de un segmento de recta. Para resolver este problema podríamos
c. el problema debe ser degenerado. a. agregar otra variable.
d. el problema debe tener más de una solución óptima. b. agregar otra restricción.
4. ¿Cuál de las siguientes opciones causaría un cambio en la c. eliminar o relajar una restricción.
región factible? d. probar un programa de computadora diferente.
a. El aumento de un coeficiente de la función objetivo en un 11. Si la región factible se hace más grande debido a un cambio en
problema de maximización una de las restricciones, el valor óptimo de la función objetivo
b. La adición de una restricción redundante a. debe aumentar o permanecer igual para un problema de
c. Un cambio en el lado derecho de una restricción no redun- maximización.
dante b. debe disminuir o permanecer igual para un problema
d. El aumento de un coeficiente de la función objetivo en un de maximización.
problema de minimización c. debe aumentar o permanecer igual para un problema de
5. Si una restricción no redundante se elimina de un problema minimización.
de PL, entonces, d. no puede cambiar.
a. la región factible se hará más grande. 12. Cuando existen soluciones óptimas múltiples en un problema
b. la región factible se hará más pequeña. de PL, entonces,
c. el problema se volvería no lineal. a. la función objetivo será paralela a una de las restricciones.
d. el problema se haría no factible. b. una de las restricciones será redundante.
6. En la solución óptima de un programa lineal, hay 20 unidades c. dos restricciones serán paralelas.
de holgura para una restricción. De esto, sabemos que d. el problema también será no acotado.
a. el precio dual para esta restricción es 20. 13. Si un programa lineal es no acotado, el problema
b. el precio dual para esta restricción es O. probablemente no se ha formulado correctamente.
c. esta restricción debe ser redundante. ¿Cuál de las siguientes causas sería la más probable?
d. éste debe ser un problema de maximización. a. Una restricción fue inadvertidamente omitida.
7. Se resolvió un programa lineal y se realizó un análisis de b. Se agregó una restricción innecesaria al problema.
sensibilidad. Se encontraron los rangos para los coeficientes de c. Los coeficientes de la función objetivo son demasiado grandes.
la función objetivo. Para la utilidad en X1, el límite superior es d. Los coeficientes de la función objetivo son demasiado
de 80, el límite inferior de 60 y el valor actual es 75. ¿Cuál de pequeños.
las siguientes afirmaciones debe ser cierta si la utilidad en esta 14. Una solución factible aun problema de PL
variable se reduce a 70 y se encuentra la solución óptima? a. debe satisfacer todas las restricciones del problema en forma
a. Un nuevo vértice se volverá óptimo. simultánea.
b. La utilidad total máxima posible puede aumentar. b. no tendría que satisfacer todas las restricciones, tan sólo
c. Los valores para todas las variables de decisión seguirán algunas.
siendo los mismos. c. debe ser un vértice de la región factible.
d. Todo lo anterior es posible. d. tiene que proporcionar la máxima utilidad posible.
280 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
Preguntas para análisis uso de una computadora encontramos que el límite supe-
7-1 Comente las semejanzas y diferencias entre los proble- rior para la utilidad en X es 20 y que el límite inferior es 9.
mas de minimización y maximización, utilizando los Comente los cambios a la solución óptima (los valores de
métodos de solución gráfica de PL. las variables y la utilidad) que se producirían si la utilidad
en X se incrementara a $15. ¿Cómo cambiaría la solución
7-2 Es importante entender los supuestos subyacentes al uso
óptima si la utilidad en X se incrementara a $25?
de cualquier modelo de análisis cuantitativo. ¿Cuáles son
los supuestos y requisitos para formular y utilizar un mo- 7-11 Un programa lineal tiene una utilidad máxima de $600.
Una restricción en este problema es 4X + 2Y s 80. Con el
delo de programación lineal?
uso de una computadora, encontramos que el precio dual
7-3 Se ha dicho que cada problema de PL que tiene una región para esta restricción es 3, y que tiene un límite inferior
factible posee un número infinito de soluciones. Explique de 75 y un límite superior de 100. Explique lo que esto
esa afirmación. significa.
7-4 Usted acaba de formular un problema de PL de maximi- 7-12 Desarrolle su propio problema de PL original con dos res-
zación y está preparándose para resolverlo gráficamente. tricciones y dos variables reales.
¿Qué criterios debería considerar al decidir si sería más
fácil resolver el problema por el método de los vértices o (a) Explique el significado de los números en el lado de-
con el enfoque de la recta de isoutilidad? recho de cada una de sus restricciones.
(b) Explique el significado de los coeficientes tecno-
7-5 ¿En qué condiciones es posible que un problema de PL
lógicos.
tenga más de una solución óptima?
(c) Resuelva el problema de forma gráfica para encontrar
7-6 Desarrolle su propio conjunto de ecuaciones de restricción
la solución óptima.
y desigualdades y utilícelas para ilustrar gráficamente
cada una de las siguientes condiciones: (d) Ilustre gráficamente el efecto de aumentar la tasa de
contribución de su primera variable (X1) en 50% con
(a) un problema no acotado respecto al valor que le asignó a la misma en un prin-
(b) un problema no factible cipio. ¿Cambia esto la solución óptima?
(c) un problema que contiene restricciones redundantes
7-13 Exp fique cómo un cambio en un coeficiente tecnológi-
7-7 El gerente de producción de una empresa manufacturera co uede afectar la solución óptima de un problema.
grande en Cincinnati hizo alguna vez la siguiente decla- ¿Có o puede un cambio en la disponibilidad de recursos
ración: "Me gustaría utilizar la PL, pero es una técnica
afee una solución?
que funciona en condiciones de certidumbre. Mi planta no
tiene esa certidumbre; es un mundo de incertidumbre. Así
que la PL no se puede utilizar aquí", ¿Cree usted que esta Problemas
afirmación tenga algún mérito? Explique por qué el ge- Q.
rente la pudo haber dicho. aE 7-14 La Electrocomp Corporation fabrica dos productos eléctri-
cos: aires acondicionados y ventiladores de gran tamaño.
7-8 Las siguientes relaciones matemáticas fueron formuladas Los procesos de ensamble para cada uno se parecen en que
por un analista de investigación de operaciones en la com- ambos requieren cierta cantidad de cableado y perforacio-
pañía Smith-Lawton Chemical. ¿Cuáles no son válidas nes. Cada aparato de aire acondicionado requiere 3 horas
para ser usadas en un problema de PL y por qué? para el cableado y 2 horas para las perforaciones. Cada
ventilador tiene que pasar 2 horas en cableado y 1 hora en
Maximizar la utilidad = 4X1 + 3X1X2 + 8X2 + 5X3
perforación. Durante el siguiente periodo de producción,
sujeta a 2X1 + X2 + 2X3 5 50 hay 240 horas de tiempo de cableado disponibles y se pue-
Xl — 4X2 6 den usar hasta 140 horas de tiempo de perforación. Cada
1.5Xi + 6X2 + 3X3 a• 21 aparato de aire acondicionado que se vende produce una
utilidad de $25. Cada ventilador ensamblado se puede ven-
19X2 — 0.35X3 = 17 der para obtener una utilidad de $15. Formule y resuelva
5X1 + 4X2 + 3V37 3 s 80 un problema de PL para esta situación de mezcla de pro-
— 4- x3 =-• 5 ducción con la finalidad de encontrar la mejor combina-
ción de aires acondicionados y ventiladores que produce la
7-9 Comente el papel del análisis de sensibilidad en la PL. mayor utilidad. Utilice el método gráfico de los vértices.
¿En qué circunstancias se necesita, y en qué condiciones º. 7-15 La erencia de Electrocomp se da cuenta de que olvidó
piensa usted que no es necesario? incl ur dos restricciones fundamentales (vea el problema
7-10 Un programa lineal tiene el objetivo de maximizar la utili- 7-1 ). En particular, la gerencia decide que debería ha-
dad = 12X + 8Y. La utilidad máxima es de $8,000. Con el ber n número mínimo de aparatos de aire acondicionado
Nota: S¿ significa que el problema puede resolverse con QM para Windows; significa que el problema puede resolverse con Excel QM, y ifc significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 281
fabricados para cumplir un contrato. También, debido a un a cinco técnicos, que trabajan 160 horas mensuales cada
exceso de oferta de ventiladores en el periodo anterior, se uno, en su línea de montaje. La gerencia insiste en que se
debería colocar un límite al número total de ventiladores mantendrá el empleo de tiempo completo (es decir, todas
producidos. las 160 horas de tiempo) para cada trabajador durante las
(a) Si Electrocomp decide que se deberían producir al operaciones del mes que viene. Se requieren 20 horas de
menos 20 equipos de aire acondicionado, pero no más mano de obra para ensamblar cada computadora Alpha 4
de 80 ventiladores, ¿cuál sería la solución óptima? y 25 horas de mano de obra para ensamblar cada modelo
¿Cuánta holgura o excedente habría para cada una de Beta 5. MSA quiere producir al menos 10 Alpha 4 y al
las cuatro restricciones? menos 15 Beta 5 durante el periodo de producción. Las
(b) Si Electrocomp decide que se deben producir al me- Alpha 4 generan $1,200 de utilidad por unidad, y las Beta
nos 30 equipos de aire acondicionado, pero no más 5 generan $1,800 cada una. Determine el número más ren-
de 50 ventiladores, ¿cuál sería la solución óptima? table de cada modelo de minicomputadora a producir du-
¿Cuánta holgura o excedente habría para cada una de rante el mes próximo.
las cuatro restricciones a la solución óptima? x" 7-20 Un ganador de la Lotería de Texas ha decidido invertir
$50,000 al año en el mercado de valores, y está conside-
2"
X ' 7-16 Un candidato a alcalde en una pequeña ciudad ha desti-
nado $40,000 a publicidad de última hora en los días ante- rando las acciones de una empresa petroquímica y de un
riores a la elección. Se utilizarán dos tipos de anuncios: en organismo público. Aunque una meta a largo plazo es con-
radio y en televisión. Cada anuncio en radio cuesta $200 seguir el máximo rendimiento posible, algunas personas
y alcanza un estimado de 3,000 personas. Cada anuncio tienen en cuenta el riesgo involucrado en las acciones. Se
en televisión cuesta $500 y alcanza un estimado de 7,000 asigna un índice de riesgo en una escala del 1 al 10 (donde
personas. En la planeación de la campaña publicitaria, a la 10 es lo más riesgoso) a cada una de las dos acciones. El
jefa de campaña le gustaría llegar a tantas personas como riesgo total del portafolios se encuentra multiplicando
sea posible, pero ha estipulado que se deben emplear al el riesgo de cada acción por los dólares invertidos en dicha
menos 10 anuncios de cada tipo. Además, el número de acción.
anuncios de radio tiene que ser al menos tan grande como La siguiente tabla muestra un resumen del rendi-
el número de anuncios de televisión. ¿Cuántos anuncios miento y el riesgo:
de cada tipo se deberían utilizar? ¿A cuántas personas lle-
gará esto?
ACCIÓN RENDIMIENTO ESTIMADO ÍNDICE DE RIESGO
9. 7-17 La Outdoor Furniture Corporation fabrica dos productos,
bancas y mesas para día de campo, para su uso en patios Petroquímica 12% 9
y parques. La compañía cuenta con dos recursos princi- Organismo 6% 4
pales: sus carpinteros (fuerza de trabajo) y un inventario
de (madera) secuoya para utilizarse en los muebles. Du-
Al inversionista le gustaría maximizar el rendimiento
rante el próximo ciclo de producción, hay 1,200 horas de
sobre la inversión, pero el índice de riesgo promedio de
trabajo disponibles en virtud de un acuerdo con el sin-
la inversión no debería ser superior a 6. ¿Cuánto debería
dicato. La empresa también cuenta con un inventario de
invertir en cada acción? ¿Cuál es el riesgo promedio de
3,500 pies en tablones de secuoya de buena calidad. Cada
esta inversión? ¿Cuál es el rendimiento estimado para la
banca que produce Outdoor Furniture requiere 4 horas
inversión?
de trabajo y 10 pies en tablones de secuoya; cada mesa de
picnic necesita 6 horas de trabajo y 35 pies en tablones X' 7-21 Con referencia a la situación del ganador de la Lotería de
de secuoya. Las bancas terminadas producen una utili- Texas en el problema 7-20, suponga que el inversionista
dad de $9 cada una, y las mesas generan una utilidad de cambió su actitud acerca de la inversión y desea poner ma-
$20 cada una. ¿Cuántas bancas y mesas debería Outdoor yor énfasis en el riesgo de la inversión. Ahora el inversio-
Furniture producir para obtener la mayor utilidad posible? nista desea minimizar el riesgo de la inversión, siempre
Utilice el método gráfico de PL. y cuando el rendimiento generado sea al menos de 8%.
Q•• 7-18 El decano de la Universidad Occidental de Negocios debe
ag
Formule esto como un problema de PL y encuentre la so-
planear la oferta de cursos de la escuela para el semestre lución óptima. ¿Cuánto debería invertir en cada acción?
de otoño. Las demandas estudiantiles hacen que sea nece- ¿Cuál es el riesgo promedio de esa inversión? ¿Cuál es el
sario ofrecer al menos 30 de cursos de licenciatura y 20 rendimiento estimado para la inversión?
de posgrado en el semestre. Los contratos del profesorado X' 7-22 Resuelva el siguiente problema de PL utilizando el mé-
todo de los vértices. En la solución óptima, calcule la hol-
también indican que se ofrecerán al menos 60 cursos en
total. Cada curso de licenciatura cuesta a la universidad gura para cada restricción:
un promedio de $2,500 en salarios del profesorado, y cada
curso de posgrado le cuesta $3,000. ¿Cuántos cursos de Maximizar la utilidad = 4X + 4Y
licenciatura y posgrado deberían ofrecerse en el otoño, sujeta a 3X + 5Y 5 150
para que los salarios totales del profesorado se reduzcan al X — 2Y S 10
mínimo?
5X + 3Y S 150
1: 7-19 MSA Computer Corporation fabrica dos modelos de mi-
3
nicomputadoras, la Alfa 4 y la Beta 5. La firma emplea X, Y a•
282 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
fa • 7-23 Considere esta formulación de PL: de poda de las ramas. Si los olivos se podan cada dos se-
man s, aumenta la producción. El proceso de poda, sin
Minimizar el costo = SX + 2Y
emb go, requiere una cantidad de mano de obra consi-
sujetoa X + 3Y a• 90 dera lemente mayor que dejar a los olivos crecer por su
8X + 2Y a• 160 cue lo cual resulta en aceitunas de menor tamaño. Sin
3X + 2Y 120 emb go, también permite que los olivos tengan un menor
espaciado entre sí. El rendimiento de 1 barril de aceitunas
Y 5- 70 por la poda requiere 5 horas de mano de obra y 1 acre
X, Y? O de tierra. La producción de un barril de aceitunas por el
proceso normal requiere tan sólo 2 horas de mano de obra,
Ilustre gráficamente la región factible y aplique el pro-
pero requiere 2 acres de tierra. Un oleicultor tiene 250 ho-
cedimiento de la recta de isocosto, para indicar qué vér-
ras de mano de obra disponibles y un total de 150 acres
tice produce la solución óptima. ¿Cuál es el costo de esa
para el cultivo. Debido a la diferencia en el tamaño de las
solución? aceitunas, el barril de aceitunas producidas en los árbo-
jt: 7-24 La firma de corretaje Blank, Leibowitz & Weinberger ha les podados se vende por $20, mientras que el barril de
analizado y recomendado dos acciones al club de profe- aceitunas regulares tiene un precio en el mercado de $30.
sores inversionistas de la universidad. Los profesores es- El productor ha determinado que debido a la demanda in-
taban interesados en factores como el crecimiento a corto cierta, no debería producir más de 40 barriles de aceitunas
plazo, el crecimiento intermedio y las tasas de dividendos. de árboles podados. Utilice PL gráfica para encontrar
Estos datos son los siguientes para cada acción:
(a) la máxima utilidad posible.
ACCIÓN ($) (b) la mejor combinación de barriles de aceitunas de
árboles podados y regulares.
LOUISIANA GAS COMPAÑÍA TRIMEX (c) el número de acres que el oleicultor debería dedicar
FACTOR AND POWER INSULATION a cada proceso de cultivo.
- 7-27 Considere las siguientes cuatro formulaciones de PL. Con
Crecimiento poten- 0.36 0.24 X*
cial a corto plazo, base en un enfoque gráfico, determine
por dólar invertido (a) ué formulación tiene más de una solución óptima.
Crecimiento po- 1.67 1.50 (b) ué formulación es no acotada.
tencial intermedio (c) ué formulación no tiene solución factible.
(en los próximos (d) ué formulación es correcta como está.
tres años), por dólar Formulación Formulación 3
invertido
Maximizar 10X1 + 10X2 Maximizar 3X1 + 2X2
Tasa potencial de 4% 8%
sujeto a 2X1 5- 10 sujetoa X1 + X2 ? 5
dividendos
2X1 + 4X2 16 2
Cada miembro del club tiene una meta de inversión de 4X2 .15- 8 2X2 ?8
1. una apreciación de no menos de $720 en el corto plazo;
2. una apreciación de por lo menos $5,000 en los próximos X1 =6
tres años, y 3. un ingreso de dividendos de al menos $200 Formulación 2 Formulación 4
al año. ¿Cuál es la inversión más pequeña que un profesor
Maximizar X1 + 2X2 Maximizar 3X1 + 3X2
puede hacer para cumplir con estos tres objetivos?
1: 7-25
3 Woofer Pet Foods produce un alimento bajo en calorías sujeto a X 5 1 sujeto a 4X1 + 6X2 5 48
para perros con sobrepeso. Este producto está hecho a par- 2X2 5 2 4X1 + 2X2 12
tir de productos de carne de res y granos. Cada libra de
carne cuesta $0.90, y cada libra de grano cuesta $0.60.
+ 2,X2 5 2 3,12 -3
2X1 2
Una libra del alimento para perros debe contener al me-
nos 9 unidades de vitamina I y 10 unidades de vitamina
/1- 7-28 Gra fique el siguiente problema de PL e indique el punto
2. Una libra de carne de res contiene 10 unidades de vi- de 1 solución óptima:
tamina 1 y 12 unidades de vitamina 2. Una libra de grano
contiene 6 unidades de vitamina 1 y 9 unidades de vita- Maximizar la utilidad = $3X + $2Y
mina 2. Formule esto como un problema de PL para mini- sujeta a 2X + Y < 150
mizar el costo del alimento para perros. ¿Cuántas libras de
2X + 3Y 300
carne de res y de grano se deberían incluir en cada libra
de alimento para perros? ¿Cuál es el costo y el contenido de (a) Cambia la solución óptima si la utilidad por unidad
vitamina del producto final? de X cambia a $4.50?
1: 7-26 El rendimiento estacional de aceitunas en un viñedo de
3 (b) ¿Qué pasaría si la función de utilidad debería haber
Pireo, Grecia, está fuertemente influido por un proceso sido $3X + $3Y?
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 283
I. 7-29 Analice gráficamente el siguiente problema: (a) ¿Cuánto podría aumentar o disminuir la utilidad en
Maximizar la utilidad = $4X + $6Y X sin cambiar los valores de X y Y en la solución
óptima?
sujeta a X + 2Y S 8 horas
(b) Si-el lado derecho de la restricción 1 se incrementara
6X + 4Y S 24 horas en 1 unidad, ¿cuánto aumentaría la utilidad?
(a) ¿Cuál es la solución óptima? (c) Si el lado derecho de la restricción 1 se incremen-
(b) Si la primera restricción se convierte en X + 3Y s- 8, tara en 10 unidades, ¿cuál sería el aumento de la
¿cambian la región factible ola solución óptima? utilidad?
7-30 Examine la formulación de PL en el problema 7-29. La
34* 7-34 La salida de computadora en la página siguiente es un pro-
segunda restricción del problema se lee blema de mezcla de productos donde hay dos productos y
6X + 4Y S 24 horas (tiempo disponible en la máquina 2) tres restricciones de recursos. Utilice la salida para ayu-
Si la empresa decide que puede haber 36 horas disponi- darse a responder las siguientes preguntas. En cada caso,
bles de tiempo en la máquina 2 (es decir, un aumento de suponga que usted desea maximizar la utilidad.
12 horas) a un costo adicional de $10, ¿deberían agregarse (a) ¿Cuántas unidades del producto 1 y del producto 2
las horas? deberían producirse?
2: 7-31 Considere el siguiente problema de PL: (b) ¿Cuánto de cada uno de los tres recursos se está uti-
Maximizar la utilidad = 5X + 6V lizando? ¿Cuánta holgura hay para cada restricción?
¿Cuáles de las restricciones son vinculantes y cuáles
sujeta a 2X + Y s 120 no vinculantes?
2X + 3Y s 240 (c) ¿Cuáles son los precios duales para cada recurso?
X, Y O (d) Si se pudiera obtener más de uno de los recursos,
¿cuál debería ser éste? ¿Cuánto se debería estar dis-
(a) ¿Cuál es la solución óptima para este problema? Re- puesto a pagar por él?
suélvalo gráficamente. ¿Qué le pasaría a la utilidad si, con los resultados ori-
(e)
(b) Si ocurrió un gran avance técnico que elevó la
ginales, la gerencia decidiera producir una unidad más
utilidad por unidad de X a $8, ¿afectaría esto a de producto 2?
la solución óptima?
(c) En vez de un aumento en el coeficiente de utilidad X 7-35 Resuelva gráficamente el siguiente problema:
a $8, suponga que la utilidad se había sobrestimado y
Maximizar la utilidad = 8X1 + 5X2
sólo debería haber sido de $3. ¿Cambia esto la solu-
ción óptima? sujeta a XI + X2 5- 10
ac
Q: 7-32 Considere la formulación de PL dada en el problema 7-31. Xt 6
Si la segunda restricción se cambia de 2X + 3Y s 240 a XI, X2 O
2X + 4Y s 240, ¿qué efecto tendrá esto en la solución
óptima? (a) ¿Cuál es la solución óptima?
al: 7-33 La salida de computadora que se muestra a continuación (b) Cambie el lado derecho de la restricción 1 a 11 (en
es para el problema 7-31. Úsela para responder las si- vez de 10) y resuelva el problema. ¿Cuánto aumentó
guientes preguntas. la utilidad como resultado de esto?
Probiem 33 Solution
X Y RHS Dual
Maximize 5 6
const 1 2 1 <= 120 0.75
const 2 2 3 240 1.75
Solution-> 30 60 510
Lkocinize 50 20
Constrabt 1 1 2 c--= 45 0
Constraint 2 3 3 <= 87 0
Constraint 3 2 1 50 25
Solution-> 25 0 1,250
-~1111
,.. 11101.1w
Problem 34 Solution
Variable Value Reduced Cosí Original Val Lower Bound Upper Bound
X1 25 0 50 40 Infinity
X2 0 5 20 -Infinity 25
Constraint Dual Value Stack/Surplus Original Val Lamer Bound Upper Bound
Constraint 1 0 20 45 25 Infinky
Constraint 2 0 12 87 75 Infiruly
Constraint 3 25 0 50 0 58
Maximize 8 5
Constraint 1 1 10 5
Constraint 2 1 o 6 3
Solution-> 6 4 68
(c) Cambie el lado derecho de la restricción 1 a 6 (en vez .75*: 7-36 Ser!ndipity*
de 10) y resuelva el problema. ¿Cuánto disminuyó la Losltres príncipes de Serendip
utilidad como resultado de esto? En cuanto a la gráfi- Hicieron un pequeño viaje.
ca, ¿qué pasaría si el valor del lado derecho estuviera
No podían llevar mucho peso;
por debajo de 6?
Más de 300 libras los hicieron dudar.
(d) Cambie el valor del lado derecho de la restricción 1 a
5 (en vez de 10) y resuelva el problema. ¿Cuánto dis- Planearon llevar pequeñas cantidades. Cuando regresaron
minuyó la utilidad con respecto a la utilidad original a Ceilán
como resultado de esto? Descubrieron que sus suministros estaban a punto de
(e) Con base en los resultados de la computadora en esta pacer
página, ¿cuál es el precio dual de la restricción 1? do, qué alegría, el príncipe William se encontró
¿Cuál es el limite inferior en ésta? Un pila de cocos en el suelo.
(fl ¿Qué conclusiones puede usted obtener de esto con
"C da uno nos aportará 60 rupias", dijo el príncipe
respecto a los límites de los valores del lado derecho y
Ric ard con una sonrisa
del precio dual?
• La palabra serendipity fue acuñada por el escritor inglés Horace Walpole en relación con un cuento de liad titulado Los tres príncipes de Serendip. La fuente del problema
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 285
Cuando casi tropezó con una piel de león. con el riesgo, y se desarrolló el siguiente programa lineal
"¡Cuidado!", exclamó el príncipe Robert con júbilo para ayudar con esta decisión de inversión:
Cuando divisó algunas pieles de león más bajo un árbol.
Minimizar riesgo = 12S + 5M
"Éstas valen aún más: 300 rupias cada una
sujeto a
Si las podemos llevar todas a la playa".
Cada piel pesaba 15 libras y cada coco, 5, S + M = 200,000 la inversión total
es de $200,000
Pero cargaron todo y lo hicieron con ánimo.
El barco de regreso a la isla era muy pequeño 0.105 + 0.05M -›-» 14,000 el rendimiento debe ser
al menos de $14,000
15 pies cúbicos de capacidad para el equipaje: eso era
todo. M a. 40,000 al menos $40,000 deben
Cada piel de león ocupaba un pie cúbico colocarse en el fondo
S, M O del mercado de dinero
Mientras que ocho cocos ocupaban el mismo espacio.
Con todo guardado se hicieron a la mar donde
Y en el trayecto calcularon cuál podría ser su nueva S = dólares invertidos en el fondo de acciones
riqueza. M = dólares invertidos en el fondo del mercado de dinero
"¡Eureka!", Exclamó el príncipe Robert, "Nuestra riqueza
es tan grande A continuación se muestra la salida de QM para Windows.
Que no hay otra manera de que pudiéramos volver en este (a) ¿Cuánto dinero debería invertirse en el fondo del
estado. mercado de dinero y cuánto en el fondo de acciones?
Cualesquiera otras pieles o cocos que podríamos haber ¿Cuál es el riesgo total?
traído (b) ¿Cuál es el rendimiento total? ¿Qué tasa de retorno
representa?
Ahora nos haría ser más pobres. Y ahora lo sé:
(c) ¿Cambiaría la solución si la medida de riesgo para
Le escribiré a mi amigo Horacio en Inglaterra, pues sin cada dólar en el fondo de acciones fuera de 14 en
duda vez de 12?
Sólo él puede apreciar nuestro serendipity." (d) Por cada dólar adicional que esté disponible, ¿cuánto
Formule y resuelva Serendipity mediante PL gráfica para cambia el riesgo?
calcular "cuál podría ser su nueva riqueza". (e) ¿Cambiaría la solución si la cantidad que debe inver-
7-37 Inversiones Bhavika, un grupo de asesores financieros tirse en el fondo del mercado de dinero cambiara de
y planeadores de la jubilación, ha recibido una solicitud $40,000 a $50,000?
de asesoría sobre cómo invertir $200,000. El cliente ha 2: 7-38 Considere de nuevo la situación de Inversiones Bhavika
estipulado que el dinero debe colocarse en un fondo de (problema 7-37). Se ha decidido que, en vez de minimizar
acciones o bien en un fondo del mercado de dinero, y el el riesgo, el objetivo debería ser maximizar el rendimiento,
rendimiento anual debería ser al menos de $14,000. Tam- al tiempo que se pone una restricción a la cantidad de
bién se han especificado otras condiciones relacionadas riesgo. El riesgo promedio no debe ser mayor que 11 (con
neu Progr
Problem 37 Solution
S M RHS Dual
Ránirnize 12 5
Constraint 1 1 1 = 200,000 2
Constraint 2 0.1 0.05 >= 14,000 -140
Constraint 3 0 1 >= 40.000 0
Solution-> 80.000 120.000.0 1,560.000
RangIng
Problem 37 Solution
Vanable Value Reduced Cost Original Val Lower Bound Upper Bound
S 80,000 0 12 5 kánity
M 120,000.0 0 5 -kánity 12
Constraint Dual Value Siack/Surplus Original Val Lower Bound Upper Sound
Constraint 1 2 0 200,000 160,000 280,000
Constraint 2 -140 0 14,000 10,000 18,000
Constraint 3 0 80,000.01 40,000 -kihnity 120,000.0
286 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
2 ji--
,. ___Cidigiég
Zr. !mear Programming Results .
Problem 38 Solution
M R 1S Dual
.......... , . :
I r o*
4> Ranging
Problem 38 Solution
Variable Value Reduced Cost Original Val Lower Bound Upper Bound
S 160.000 0 0.1 0.05 Infinity
M 40.000 0 0.05 4rtfinity 0.1
Constraint Dual Value Slack/Surpfirs Original Val Lower Bound Upper Bound
Constraint 1 0.1 0 200.000 40,000 206,666.7
Constraint 2 0 80,000 2,200,000 2,121000 Infinity
Constraint 3 -0.05 0 40,000 28.571.43 200.000
un riesgo total de 2,200,000 para los $200,000 invertidos). El costo por libra de los granos X, Y y Z son $2, $4 y
El programa lineal fue reformulado y la salida de QM de $2.50, respectivamente. El requisito mínimo por vaca por
Windows se muestra arriba. mes es de 4 libras del ingrediente A, 5 libras del ingre-
diente B, 1 libra del ingrediente C y 8 libras del in-
(a) ¿Cuánto dinero debería invertirse en el fondo del mer-
cado de dinero y en el fondo de acciones? ¿Cuál es grediente D.
el rendimiento total? ¿Qué tasa de rendimiento repre- El rancho se enfrenta a una restricción adicional: sólo
senta esto? puede obtener 500 libras del grano Z por mes de su pro-
veedor, independientemente de lo que necesite. Debido
(b) ¿Cuál es el riesgo total? ¿Cuál es el riesgo promedio?
(c) ¿Cambiaría solución si el rendimiento de cada dólar a que, por lo general, hay 100 vacas en el rancho en un
en el fondo de acciones fuera 0.09 en vez de 0.10? momento dado, esto significa que no se puede contar con
(d) Por cada dólar adicional que esté disponible, ¿cuál es más de 5 libras de la mezcla Z por mes para su uso en la
la tasa de rendimiento marginal? alimentación de cada vaca.
(e) ¿Cuánto cambiaría el rendimiento total si la cantidad (a) Formule esto como un problema de PL.
que debe invertirse en el fondo del mercado de dinero (b) Resuelva usando software de PL.
cambiara de $40,000 a $50,000? 7-40 La Weinberger Electronics Corporation fabrica cuatro
ac •
Los problemas 7-39 a 7-44 prueban su capacidad productos de alta tecnología que suministra a empresas
para formular problemas de PL que tienen más de dos va- aeroespaciales que tienen contratos con la NASA. Cada
riables. No se pueden resolver gráficamente. pero le darán uno de los productos debe pasar por los siguientes de-
la oportunidad de formular un problema más grande. partamentos antes de ser enviados: cableado, taladrado,
7-39 El rancho Feed 'N Ship engorda ganado para los granjeros montaje e inspección. En la siguiente tabla, se resumen el
X• locales y lo envía a los mercados de carne en Kansas City req4isito de tiempo en horas para cada unidad producida y
y Omaha. Los propietarios del rancho tratan de determinar el valor de la utilidad correspondiente:
las cantidades de alimento para ganado que deben com-
prar, de modo que se cumplan los estándares nutriciona- DEPARTAMENTO
les mínimos y que, al mismo tiempo, se minimicen los
UTILIDAD
costos totales de alimentación. La mezcla de alimento
puede estar compuesta por tres granos que contienen los INSPEC- UNITARIA
TALA-
PRODUCTO CABLEADO DRADO MONTAJE CIÓN ($)
siguientes ingredientes por libra de alimento:
X.1201 0.5 0.3 0.2 0.5 9
ALIMENTO (OZ) X14897 1.5 4 1 12
MCA quiere planear la combinación óptima de los olding minimizar el costo de una bolsa de 50 lb de
dos modelos de módem a producir en noviembre, para rtilizante.
maximizar las utilidades de MCA. (b) esuelva usando una computadora para encontrar la
ejor solución.
(a) Formule, utilizando los datos de septiembre, el pro-
blema de MCA como un programa lineal. 2: 7-45 Rap r Fuels produce tres grados de gasolina: regular, pre-
34.
(b) Resuelva el problema de forma gráfica. mium y súper. Todas se producen mediante la mezcla de
(c) Comente las implicaciones de su solución reco- dos tipos de petróleo crudo (A y B). Los dos tipos con-
mendada. tienen ingredientes específicos que ayudan a determinar
7-44 En conjunto con químicos del Virginia Tech y la George el octanaje de la gasolina. Los ingredientes y los costos
Washington University, el contratista paisajista Kenneth importantes se muestran en la siguiente tabla:
Golding mezcla su propio fertilizante, llamado "Gol-
CRUDO A CRUDO B
ding-Grow", que consta de cuatro compuestos químicos,
C-30, C-92, D-21 y E-11. A continuación, se indica el Costo por galón $0.42 $0.47
costo por libra de cada compuesto: Ingrediente 1 40% 52%
Otros ingredientes 60% 48%
COMPUESTO QUÍMICO COSTO POR LIBRA ($)
C-30 0.12 Con la finalidad de alcanzar los octanajes deseados, por
C-92 0.09 lo menos 41% de la gasolina regular debería ser del in-
grediente 1; al menos 44% de la gasolina premium debe
D-21 0.11
ser del ingrediente 1, y al menos 48% de la gasolina sú-
E-11 0.04 per debe ser del ingrediente 1. Debido a los compromisos
contractuales actuales, Raptor Fuels tiene que producir
Las especificaciones para Golding-Grow son las siguien- al menos 20,000 galones de gasolina regular, al menos
tes: 1. E-11 debe constituir al menos 15% de la mezcla; 15,000 galones de premium y al menos 10,000 galones de
2. C-92 y C-30 en conjunto deben representar al menos súper. Formule un programa lineal que pueda usarse para
45% de la mezcla; 3. D-21 y C-92 no pueden constituir determinar la cantidad de crudo A y crudo B que debería
juntos más de 30% de la mezcla, y 4. Golding-Grow se em learse en cada una de las gasolinas para satisfacer las
empaqueta y se vende en bolsas de 50 libras. de andas a costo mínimo. ¿Cuál es este costo mínimo?
(a) Formule un problema de PL para determinar qué ¿C to crudo A y crudo B se utiliza en cada galón de los
mezcla de los cuatro productos químicos permitirá a dif entes tipos de gasolina?
Estudio de caso
FIGURA 7.20
Mexicana Wire Winding, Almacén de
Oficina Trefilado producto terminado
Inc.
Departamento de
Extrusión reprocesamiento
Embobinado
Recepción y
almacenamiento
de materias primas Embalaje Almacén de
producto
rechazado
Inspección
Costo estándar
Preguntas para análisis
MANO PRECIO 1. ¿Qué recomendaciones debería hacer Ron García y con qué jus-
DE COSTO DE tificación? Proporcione un análisis detallado con gráficas, dia-
PRODUCTO MATERIAL OBRA GENERAL VENTA gramas e impresiones de computadora.
W0075C $33.00 $ 9.90 $23.10 S100.00 2. Analice la posible necesidad de trabajadores temporales en el
departamento de trefilado.
W0033C 25.00 7.50 17.50 80.00 3. Analice la distribución de planta.
W0005X 35.00 10.50 24.50 130.00
Puente: Profesor Victor E. Sower, Sam Houston State University. Este material se
W0007X 75.00 11.25 63.75 175.00 basa en una situación real. Los nombres y datos fueron alterados para conservar su
confidencialidad.
290 CAPÍTULO 7 • MODELOS DE PROGRAMACIÓN LINEAL: MÉTODOS GRÁFICOS Y COMPUTACIONALES
Bibliografía
Bassamboo, Achal, J. Michael Harrison y Assaf Zeevi. "Design and Control of Greenberg, H. J. "How to Analyze the Results of Linear Programs—Pan 3:
a Large Call Center: Asymptotic Analysis of an LP-Based Method", Infeasibility Diagnosis", Interfaces 23, 6 (noviembre-diciembre de 1993):
Operations Research 54, 3 (mayo-junio de 2006): 419-435. 120-139.
Behjat, Laleh, Anthony Vannelli y William Rosehart. "Integer Linear Programming Hafizoglu, A. B. y M. Azizoglu. "Linear Programming Based Approaches for the
Model for Global Routing", INFORMS Journal on Computing 18, 2 (prima- Discrete Time/Cost Trade-off Problem in Project Networks", Journal of
vera de 2006): 137-150. the Operational Research Society 61 (abril de 2010): 676-685.
Bixby, Robert E. "Solving Real-World Linear Programs: A Decade and More of Higle, Julia L y Stein W. Wallace. "Sensitivity Analysis and Uncertainty in Linear
Progress", Operations Research 50, 1 (enero-febrero de 2002): 3-15. Programming", Interfaces 33, 4 (julio-agosto de 2003): 53-60.
Bodington, C. E y T. E. Baker. "A History of Mathematical Programming in the Marszalkowski, Jakub y Drozdowski Maciej. "Optimization of Column Width in
Petroleum Industry", Interfaces 20, 4 (julio-agosto de 1990): 117-132. Website Layout for Advertisement Fit", European Journal of Operational
Boros, E., L. Fedzhora, P. B. Kantor, K. Saeger y P. Stroud. "A Large-Scale Linear Research 226, 3 (mayo de 2013): 592-601.
Programming Model For Finding Optimal Container Inspection Strategies", Murphy, Frederic H. "ASP, the Art and Science of Practice: Elements of a Theory
Naval Research Logistics 56, 5 (agosto de 2009): 404-420. of the Practice of Operations Research: Expertise in Practice", Interfaces 35,
Chakravarti, N. "Tea Company Steeped in OR", OR/MS Today 27, 2 (abril de 2000): 4 (julio-agosto de 2005): 313-322.
32-34. Orden, A. "LP from the `40s to the `90s", Interfaces 23, 5 (septiembre-octubre
Ching, Wai-Ki, Wai-On Yuen, Michael K. Ng y Shu-Qin Zhang. "A Linear de 1993): 2-12.
Programming Approach for Determining Optimal Advertising Policy", Pazour, Jennifer A. y Lucas C. Neubert. "Routing and Scheduling of Cross-Town
IMA Journal of Management Mathematics 17, 1 (2006): 83-96. Drayage Operations at J.B. Hunt Transpon", Interfaces 43, (marzo/abril de
Dantzig, George B. "Linear Programming Under Uncertainty", Management 2013): 117- 29.
Science 50, 12 (diciembre de 2004): 1764-1769. Romeijn, H. Ed n, Ravindra K. Ahuja, James F. Dempsey y Arvind Kumar.
Degbotse, Alfred, Brian T. Denton, Kenneth Fordyce, R. John Milne, Robert Orzell "A New Li Programming Approach to Radiation Therapy Treatment
y Chi-Taz Wang. "IBM Blends Heuristics and Optimization to Plan Its Semi- Planning Próblems", Operations Research 54, 2 (marzo-abril de 2006):
conductor Supply Chain", Interfaces 43 (marzo/abril de 2013): 130-141. 201-216.
Gass, Saul L "The First Linear-Programming Shoppe", Operations Research 50,1 Rubin, D. S. y H. M. Wagner. "Shadow Prices: 'lbs and Traps for Managers and
(enero-febrero de 2002): 61-68. Instructors", Interfaces 20, 4 (julio-agosto de 1990): 150-157.
Greenberg, H. J. "How to Analyze the Results of Linear Programs—Part 1: Preli- Wendell, Richard E. "Tolerance Sensitivity and Optimality Bounds in Linear
minaries", Interfaces 23, 4 (julio-agosto de 1993): 56-68. Programming", Management Science 50, 6 (junio de 2004): 797-803.
Aplicaciones de
programación lineal
OBJETIVOS DE APRENDIZAJE
291
292 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
8.1 Introducción
El método gráfico de programación lineal (PL), estudiado en el capítulo 7, es útil para entender cómo se
formulan y resuelven problemas de PL sencillos. El propósito de este capítulo es dar un paso más y demos-
trar cómo un gran número de problemas de la vida real pueden modelarse con la PL. Logramos lo anterior
al presentar ejemplos de modelos en las áreas de investigación de mercados, selección de medios de comu-
nicación, mezcla de producción, programación de la mano de obra, programación de la producción, mezcla
de ingredientes y selección del portafolios financiero. Resolveremos muchos de estos problemas de PL
utilizando Solver de Excel y QM para Windows.
Aunque algunos de estos modelos son relativam nte pequeños en el sentido numérico, los principios
desarrollados aquí son definitivamente aplicables a 14roblemas más grandes. Por otro lado, esta práctica
en "paráfrasis" de las formulaciones de modelos de PL debería ayudar a desarrollar sus habilidades en la
aplicación de la técnica a otras aplicaciones menos comunes.
Los acuerdos contractuales de Win Big requieren que se coloquen al menos cinco anuncios en radio cada
semana. Para asegurar una campaña promocional de amplio alcance, la gerencia también insiste en que no
se deben destinar más de $1,800 a publicidad por radio cada semana.
Para formular esto como un programa lineal, el primer paso es entender cabalmente el problema. En
ocasiones, hacer preguntas del tipo "¿qué pasaría s ?" le ayudarán a entender la situación. En este ejem-
plo, ¿qué pasaría si se utilizaran exactamente cinco uncios de cada tipo? ¿Cuál sería el costo? ¿Cuántas
personas se alcanzarían? Ciertamente, el uso de un hoja de cálculo ayuda con esto, dado que se pueden
escribir fórmulas para calcular el costo y el númer de personas alcanzadas. Una vez que se entiende la
situación, es posible expresar el objetivo y las restri ciones de la siguiente manera:
Objetivo:
Maximizar la cantidad de personas (audiencia) alcanzadas
8.2 APLICACIONES AL MARKETING 293
Restricciones:
1. No se pueden utilizar más de 12 anuncios en televisión. 2. No se pueden usar más de 5 anuncios
en periódicos. 3. No se pueden utilizar más de 25 anuncios de 30 segundos en radio. 4. No se pueden
usar más de 20 anuncios en radio de 1 minuto. 5. El monto total gastado no puede exceder $8,000.
6. El número total de anuncios en radio debe ser al menos de 5. 7. El monto total gastado en anun-
cios en radio no debe exceder $1,800.
A continuación, defina las variables de decisión. Las decisiones que se toman aquí son la cantidad de anun-
cios de cada tipo a usar. Una vez que éstas se conocen, pueden utilizarse para calcular la cantidad gastada y
el número de personas alcanzadas. Sean
= número de anuncios en televisión de 1 minuto en cada semana
X2 = número de anuncios a página completa en periódicos en cada semana
X3 = número de anuncios en radio de 30 segundos en horario estelar en cada semana
X4 = número de anuncios en radio de 1 minuto por la tarde en cada semana
Después, utilizando estas variables, escriba la expresión matemática para el objetivo y las restricciones que
han sido identificadas. Las restricciones de no negatividad también se expresan de manera explícita.
Objetivo:
La solución a esto se encuentra utilizando Solver de Excel. El programa 8.1 proporciona las entradas para
el cuadro de diálogo Solver Parameter, la fórmula que debe escribirse en la celda para el valor de la fun-
ción objetivo y las celdas donde esta fórmula se tiene que copiar. Los resultados se muestran en la hoja de
cálculo. Esta solución es
= 1.97 anuncios en TV
X2 = 5 anuncios en periódicos
X3 = 6.2 anuncios de 30 segundos en radio
X4 = O anuncios de un minuto en radio
Esto produce una exposición a la audiencia de 67,240 contactos. Debido a que X1 y X3 son fraccionales,
probablemente Win Big los redondeará a 2 y 6, respectivamente. Los problemas que exigen que todas las
soluciones sean enteras se estudian a detalle en el capítulo 10.
Investigación de mercado
La programación lineal también se ha aplicado a problemas de investigación de mercado y al área de inves-
tigación del consumidor. El siguiente ejemplo ilustra cómo los encuestadores estadísticos pueden llegar a
decisiones estratégicas con la PL.
Management Sciences Associates (MSA) es una empresa de investigación de mercados con sede en
Washington, D.C., que realiza encuestas de consumo. Uno de sus clientes es un servicio de prensa nacio-
nal que lleva a cabo periódicamente encuestas políticas sobre temas de amplio interés. En una encuesta
realizada por el servicio de prensa, MSA determina que debe cumplir varios requisitos con la finalidad de
obtener conclusiones estadísticamente válidas acerca de la delicada cuestión de las nuevas leyes de inmi-
gración en Estados Unidos:
1. Encuesta aplicada al menos en 2,300 hogares estadounidenses en total.
2. Encuesta aplicada al menos en 1,000 hogares cuyos jefes de familia tengan 30 años de edad o menos.
294 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
A G
PROGRAMA 8.1
1 Win 8ig Gambling Club
Solución de Win Big 2 Radio Radio
TV Newspaper 30 sec. 1 mit. n.
en Excel 2013 3
4 Variables X1 X2 X3 X4
5 Solution 1 1.9688 5 6.2069 O Total Audience
6 Audience per ad 5000 8500 2400 2890 67240.3017
7
8 Constraints LHS RHS
9 NIHIL TV 1 1.9688 < 12
10 Max.. Newspaper 1 5 < 5
11 Max. 30-see. radio 1 6.2069 < 25
12 Max. 1 min. radio 1 0 < 20
13 Cost 800 925 290 380 8000 < 8000
14 Radio dollen 290 380 1800 < 1800
15 Radio spots 1 1 6.2069 > 5
Celda objetivo: F6 F
5 Total Audience
Celdas variables: B5:E5 6 =SUMPRODUCT(545:$9$5,136:96)
3. Encuesta aplicada al menos en 600 hogares cuyos jefes de familia estén entre 31 y 50 años de edad.
4. Asegurar que al menos 15% de los encuestados vivan en un estado que limite con México.
5. Asegurar que no más de 20% de los encuestados que tienen 51 años de edad o más vivan en un estado
que limita con México.
MSA decide que todas las encuestas deben realizarse en persona. Se estima que los costos de llegar a
la gente en cada categoría de edad y región son los siguientes:
A MSA le gustaría satisfacer los cinco requisitos de muestreo al menor costo posible.
Al formular esto como un programa lineal, el objetivo es minimizar el costo. Los cinco requisitos
sobre el número de personas a ser incluidas en la muestra con características específicas resultan en cinco
restricciones. Las variables de decisión provienen de las decisiones que se deben tomar, es decir, el número
de personas incluidas en la muestra de cada una de las dos regiones, en cada una de las tres categorías de
edad. Por lo tanto, las seis variables son
Función objetivo:
sujetos a
La solución por computadora para el problema de costos de MSA es $15,166 y se presenta en la siguiente
tabla, así como en el programa 8.2; este último muestra la entrada y salida en Excel 2013. Note que las
variables en las restricciones se mueven al lado izquierdo de la desigualdad.
PROGRAMA 8.2 A 6 C 0 E F G H 1 .1
1 Management Science Associates
Solución para MSA 2
en Excel 2013 3 Variable
r
X1 X2 X3 X4 X5 X6
4 Solution O 600 140 1000 O 5601Total Cost
5 Min. Cost 7.5 6.8 5.5 6.9 7.25 6.11 15166
6
7 Constraints 1}15 RHS
a Total Households 1 1 1 1 2300 > 2,300
9 30 and Youn6or 1 o o 1 0 0 1000 > 1.000
10 31-50 o 0 1 0 600 > 600
11 Border States 0.85 0.85 0.85 -0.15 -0.15 -0.15 395 > o
12 51+ Bordar Statc o o 0.8 O o -0.2 0 o
Fórmulas clave
Celda objetivo: H5 4 H
4 Total Cost
Celdas variables: B4:G4 5 aSUMPRODUCT($8$4:$G$4,85G5)
Mezcla de producción
Un campo fértil para el uso de la PL está en la planea ión de la combinación óptima de productos a fabri-
car. Una empresa debe cumplir con una gran variedad e restricciones, que van de los aspectos financieros,
a la demanda de ventas, a los contratas de material y a las demandas laborales del sindicato. Su objetivo
principal es generar la mayor utilidad posible.
Fifth Avenue Industries, un fabricante de ropa masculina con renombre nacional, produce cuatro va-
riedades de corbatas. Una es costosa, toda hecha de seda; otra está hecha completamente de poliéster; una
tercera es una mezcla de poliéster y algodón, y una más es una mezcla de seda y algodón. La siguiente
tabla ilustra el costo y la disponibilidad (por periodo de planeación de la producción mensual) de los tres
materiales utilizados en el proceso de producción:
Seda 24 1,200
Poliéster 6 3,000
Algodón 9 1,600
La compañía ha establecido contratos con varias de, las principales cadenas de tiendas departamentales
para suministrarles corbatas. Los contratos requieren que Fifth Avenue Industries surta una cantidad mí-
nima de cada corbata, pero permiten una mayor demanda si Fifth Avenue elige satisfacer esa demanda.
(De hecho, la mayoría de las corbatas no se envían con el nombre Fifth Avenue en su etiqueta, sino con
etiquetas de "inventario privado" suministradas por las tiendas). En la tabla 8.1 se resume la demanda por
contrato para cada uno de los cuatro estilos de corbata, el precio de venta por corbata y los requisitos de
tela para cada variedad. El objetivo de Fifth Avenue es maximizar su utilidad mensual. Debe decidir sobre
una política para realizar la mezcla de productos.
En la formulación de este problema, el objetivo es maximizar la utilidad. Hay tres restricciones (una
para cada material) que indican que la cantidad de seda, poliéster y algodón no puede exceder la cantidad
que está disponible. Hay cuatro restricciones (una para cada tipo de corbata) que especifican que el número
de corbatas de seda, de poliéster, de poliéster-seda y de seda-algodón producidas debe ser por lo menos
la cantidad mínima del contrato. Hay cuatro restricciones más (una para cada tipo de corbata) que indican
que el número de cada una de estas corbatas produci4as no puede exceder la demanda mensual. Las varia-
bles se definen como
Si se usa Excel y su comando Solver, la solución generada por computadora es producir 5,112 corbatas
todas de seda cada mes; 14,000 corbatas todas de poliéster; 16,000 corbatas de la mezcla 1 de poliéster-al-
godón, y 8,500 corbatas de la mezcla 2 de seda-algodón. Esto produce una utilidad de $412,028 en un
periodo de producción. Vea el programa 8.3 para mayores detalles.
Programación de la producción
El establecimiento de un programa de producción de bajo costo en un periodo de semanas o meses es un
problema de gestión difícil e importante en la mayoría de las plantas. El gerente de producción debe tener
en cuenta muchos factores: la capacidad de la mano de obra, los costos de inventario y almacenamiento, las
limitaciones de espacio, la demanda de productos y las relaciones laborales. Debido a que la mayoría de
las empresas producen más de un producto, el proceso de programación suele ser bastante complejo.
Básicamente, el problema se asemeja a un modelo de mezcla de productos para cada periodo en el
futuro. El objetivo es maximizar utilidades, o bien, minimizar el costo total (producción más inventario),
por llevar a cabo la tarea.
La programación de la producción se soluciona mediante PL porque es un problema que debe resol-
verse de manera regulan Cuando se establecen la función objetivo y las restricciones para una empresa, las
entradas se pueden cambiar fácilmente cada mes para proporcionar un calendario actualizado.
Un ejemplo de programación de la Greenberg Motors, Inc., fabrica dos motores eléctricos diferentes que vende bajo contrato a Drexel
producción: Greenberg Motors Corp., un productor bien conocido de electrodomésticos pequeños para cocina. Su modelo GM3A se en-
cuentra en muchos procesadores de alimentos Drexel, y su modelo GM3B se utiliza en el ensamble de
licuadoras.
Tres veces al año, el director de adquisiciones en Drexel contacta a Irwin Greenberg, fundador de
Greenberg Motors, con la finalidad de hacer un pedido mensual para cada uno de los próximos cuatro
meses. La demanda de Drexel por motores varía cada mes con base en sus propios pronósticos de ventas,
su capacidad de producción y su situación financiera. Greenberg acaba de recibir la orden de enero a abril
y debe comenzar su propio plan de producción para cuatro meses. La demanda de motores se muestra en
la tabla 8.2.
298 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
PROGRAMA 8.3 A D
1 Fifth Avenue Industries
Solución para Fith 2
Avenue en Excel 2013 3 All sifk All poly. Blend 1
4 Variables X2 X3
5 Values I 511.2 14000 16000 8500
6 Profit 16.24 8.22 8.77 8.66
7
8 Constraints RHS
IVIVIVIV IA 1A 1AtA1AIAIA
9 Si& available 0.125 0.066 1200 1200
10 Polyester available 0.08 0.05 1920 3000
11 ICotton available 0.05 0.044 1174 1600
12 Maximum silk 1 5112 7000
13 Maximum polyester 1 14000 14000
14 Maximum blend 1 1 16000 16000
151Maximum blend 2 1 8500 8500
16 Mínimum sllk 1 5112 5000
17 PAinimurn polyester 1 14000 10000
18 Mínimum Mead 1 1 16000 13000
19 Mínimum biend 2 1 8500 5000
Celda objetivo: F6
5 Total Profit
Celdas variables: B5:E5 6 ....SUMPRODUCT(513558.55,13626)
TABLA 8.2
Programa de pedidos
de motores eléctricos GM3A 800 700 1,000 1,100
durante cuatro meses GM3B 1,000 1,200 1,400 1,400
1. La empresa tiene que satisfacer la demanda de cada uno de los dos productos en cada uno de los
cuatro meses (vea la tabla 8.2). Además, a la compañía le gustaría tener en inventario 450 unidades
del GM3A y 300 unidades del GM3B al final del mes de abril, ya que se espera que la demanda en
mayo sea un poco más alta que la demanda en los meses anteriores.
2. Hay un costo por conservar o almacenar cualquier inventario dejado al final del mes. Así que es po-
sible que no sea deseable producir demasiadas unidades adicionales de cualquiera de los productos.
El costo de almacenamiento asignado al GM3A es de $0.36 por unidad al mes, mientras que el costo
de almacenamiento para el GM3B es de $0.26 por unidad al mes.
3. La compañía ha sido capaz de mantener una política de que no haya despidos, y le gustaría continuar
con esto. Esto es más fácil si las horas de mano de obra utilizadas no fluctúan mucho de un mes a
otro. Se desea mantener un programa de producción que requeriría de 2,240 a 2,560 horas de mano
de obra por mes. El GM3A requiere 1.3 horas de mano de obra por unidad, mientras que el GM3B
necesita sólo 0.9 horas de mano de obra.
8.3 APLICACIONES A LA MANUFACTURA 299
4. Las limitaciones de almacenamiento no pueden excederse sin grandes costos adicionales. Hay espacio
al final del mes para únicamente 3,300 unidades de GM3A y GM3B combinadas.
Aunque a veces estos factores entran en conflicto, Greenberg ha encontrado que la programación lineal
es una herramienta eficaz para la creación de un programa de producción que minimice el costo total. Los
costos de producción son actualmente de $20 por unidad para el GM3A y $15 por unidad para el GM3B.
Sin embargo, cada uno de ellos aumentará 10% el 1 de marzo, como parte de un nuevo acuerdo laboral que
entrará en vigencia.
Al formular esto como un programa lineal, es importante entender cómo se relacionan todos los fac-
tores importantes, cómo se calculan los costos, cómo se calculan las horas de mano de obra al mes y cómo
se cumple la demanda con la producción y el inventario disponibles. Para ayudarse a entender esto, intente
determinar el número de horas de mano de obra utilizadas, el número de unidades que quedan en inven-
tario al final de cada mes para cada producto y el costo total si se producen exactamente 1,000 GM3A y
exactamente 1,200 GM3B cada mes.
Para comenzar a formular el programa lineal para el problema de producción de Greenberg, el obje-
tivo y las restricciones son:
Objetivo:
Restricciones:
4 restricciones de demanda (1 restricción por cada uno de los 4 meses) para el GM3A
4 restricciones de demanda (1 restricción por cada uno de los 4 meses) para el GM3B
2 restricciones (1 del GM3A y 1 del GM3B) para el inventario al final del mes de abril
4 restricciones por las horas de mano de obra mínimas (1 restricción para cada mes)
4 restricciones por las horas de mano de obra máximas (1 restricción para cada mes)
4 restricciones de la capacidad de almacenamiento de inventario cada mes
Las decisiones implican determinar cuántas unidades de cada uno de los 2 productos se deben producir en
cada uno de los 4 meses, por lo que habrá 8 variables. Pero, ya que el objetivo es minimizar el costo, y hay
costos asociados no sólo con las unidades producidas cada mes, sino también con el número de unidades
de cada producto que quedan en el inventario, sería mejor también definir variables para éstos. Sean
Las restricciones de inventario En el establecimiento de las restricciones, debemos reconocer la relación entre el inventario de cierre
establecen la relación entre el del mes pasado, la producción del mes en curso y las ventas a Drexel este mes. El inventario al final de
cierre de inventario este mes, un mes es
el cierre de inventario el mes pasado,
la producción de este mes y las Inventario Inventario
ventas de este mes. al final Producción '\ Ventas
al final
de este = del mes + del mes a Drexel
mes pasado actual i (
este mes
(
300 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
Aunque las restricciones podrían escribirse de esta fo , la introducción del problema a la computadora
requiere que todas las variables estén en el lado izqui do de la restricción. Al reordenar los términos para
hacer esto, resulta
/ Inventario Inventario
(Producción (Ventas
al final al final
del mes + del mes = Drexel
a
\ actual de este
pasado este mes
mes
Las restricciones de la mano de obra Las restricciones para el número mínimo y máximo de horas de mano de obra en cada mes son:
se establecen para cada mes.
1.3A1 + 0.9B1 2,240 (número mínibmo de horas de mano de obra en enero)
1.3A2 + 0.9B2 2,240 (número mínimo de horas de mano de obra en febrero)
1.3A3 + 0.9B3 2,240 (número mínimo de horas de mano de obra en marzo)
1.3A4 + 0.9B4 2,240 (número mínimo de horas de mano de obra en abril)
1.3A1 + 0.9B1 5 2,560 (número máximo de horas de mano de obra en enero)
1.3A2 + 0.9B2 5 2,560 (número máximo de horas de mano de obra en febrero)
1.3A3 + 0.9B3 5 2,560 (número máximo de horas de mano de obra en marzo)
1.3A4 + 0.9B4 S 2,560 (número máximo de horas de mano de obra en abril)
La solución se obtuvo utilizando Solver en Excel 2013, como se muestra en el programa 8.4. Algunas de
las variables no son enteras, pero esto no representa un problema porque el trabajo en proceso iniciado
un mes se termina al mes siguiente. En la tabla 8.3 s resume la solución con los valores redondeados. El
costo total es de aproximadamente $169,295. Green erg puede utilizar este modelo para desarrollar pro-
gramas de producción en el futuro, haciendo que los ubíndices de las variables representen nuevos meses
y realizando pequeños cambios en el problema. Lo nico que tendrían que cambiar en el modelo son los
valores del LD para las restricciones de demanda (y el inventario deseado al final del cuarto mes), así como
los coeficientes (costos) de la función objetivo, si ello es necesario.
8.4 APLICACIONES A LA PROGRAMACIÓN DE EMPLEADOS 301
TABLA 8.3
PROGRANInE PRODUCCIÓN ENERO FEBRERO MARZO A BRIL
Solución al problema
de Greenberg Motors Unidades de GM3A producidas 1,277 223 1,758 792
Unidades de GM3B producidas 1,000 2,522 78 1,700
Inventario de GM3A conservado 477 0 758 450
Inventario de GM3B conservado 0 1,322 0 300
Horas de mano de obra requeridas 2,560 2,560 2,355 2,560
El Banco de Comercio e Industria de Hong Kong es un banco ocupado que requiere entre 10 y 18
cajeros, dependiendo de la hora del día. La hora de la comida, desde el mediodía hasta las 2 P.M., suele ser
la más pesada. En la tabla 8.4 se indican los empleados necesarios en las diferentes horas que el banco está
abierto.
El banco ahora emplea a 12 cajeros de tiempo completo, pero dispone de muchas personas en su lista
de empleados de tiempo parcial. Un empleado de tiempo parcial debe trabajar exactamente cuatro horas
al día, pero puede comenzar en cualquier momento entre las 9 A.M. y la 1 P.M. Los empleados de tiempo
parcial son una mano de obra poco costosa, ya que no tienen prestaciones por jubilación ni de alimentos.
Por otro lado, los empleados de tiempo completo trabajan de 9 A.M. a 5 A.M.; pero se les otorga 1 hora para
comer. (La mitad de los trabajadores a tiempo completo come a las 11 A.M. y la otra mitad al mediodía).
De este modo, los empleados de tiempo completo proporcionan 35 horas semanales de tiempo de trabajo
productivo.
Por política de la empresa, el banco limita las horas de tiempo parcial hasta un máximo de 50% de
las necesidades totales del día. Los trabajadores de tiempo parcial ganan $8 por hora (o $32 por día) en
promedio; y los de tiempo completo ganan $100 al día en salario y prestaciones, en promedio. Al banco le
gustaría establecer una programación que reduzca al mínimo sus costos totales de personal. Podría despe-
dir a uno o más de sus cajeros de tiempo completo, si fuera redituable hacerlo.
En la formulación de esto como un programa lineal, el objetivo es minimizar el costo. Hay una res-
tricción para cada hora del día, que indica que el número de personas que trabajan en el banco durante
esa hora debería ser al menos el número mínimo mostrado en la tabla 8.4, por lo que hay ocho de estas
restricciones. Otra restricción limita el número total de trabajadores de tiempo completo a no más de 12.
La última restricción especificará que el número de horas a tiempo parcial no podrá superar 50% de las
horas totales.
El banco tiene que decidir cuántos cajeros de tiempo completo asignar, por lo que no habrá una va-
riable de decisión para eso. Del mismo modo, el banco debe decidir sobre el uso de los cajeros de tiempo
parcial; pero esto es más complejo porque los trabajadores de tiempo parcial pueden comenzar en diferen-
tes momentos del día, mientras que todos los trabajadores de tiempo completo comienzan al inicio del día.
Por lo tanto, tiene que haber una variable que indique el número de trabajadores de tiempo parcial a partir
de cada hora del día, desde las 9 A.M. hasta la 1 P.M. Cualquier trabajador que comience a la 1 P.M. traba-
jará hasta el cierre, así que no hay necesidad de considerar trabajadores de tiempo parcial que comiencen
después de esa hora. Sean
Función objetivo:
Restricciones:
Para cada hora, las horas de trabajo disponibles deben ser por lo menos iguales a las horas de trabajo
requeridas.
F 12
Los trabajadores de tiempo parcial no pueden superar 50% de las horas totales requeridas cada día, que es
la suma de los cajeros necesarios cada hora:
o bien,
A 5 C DE F G 11
PROGRAMA 8.5
1 Labor Planning Example
Solución para la 2
planeación de la mano 3
4 Variables P1 P2 P3 P4 P5
de obra en Excel 2013 Values I 10 0 7 2 5 0 Total Cost
6 Cost 100 32 32 32 32 32 14481
7
S Constraints 1145 SCn
9 9 a.m. - 10 a.m. 1 1 10
10 10 a.m.- 11 a.m. 1 1 17 12
11 .11 a.m. - noon 0.5 1 1 14 14
12 noon - 1 p.m. 1 1 19 16
13' 1 p.m. -2 p.m. 1 1 24 1.3
14 2 p.m. - 3 p.m. a 1 17 17
15 3 p.m. -4 p.m. a 1 15
16 4 p.m. - 5 p.m. 1 1 10 10
17 Max. Full time 1 10 < 12
18 ¡Total PT hours 4 4 4 56
Crédito comercial LO
Conos corporativos 2.5
Reservas de oro 1.5
Préstamos de construcción 1.8
Asimismo, la junta directiva especifica que al menos 55% de los fondos invertidos debe estar en
las reservas de oro y préstamos para construcción, y que no menos de 15% se invertirá en el crédito
comercial.
Al formular esto como un PL, el objetivo es maximizar el rendimiento. Hay cuatro restricciones
independientes que limitan la cantidad máxima e cada opción de inversión al máximo indicado en la
tabla. La quinta restricción especifica que el impo e total de las reservas de oro y préstamos de cons-
trucción debe ser de, al menos, 55% del importe t invertido, y la siguiente restricción especifica que
el importe total del crédito comercial debe ser de, menos, 15% del importe total invertido. La última
8.5 APLICACIONES FINANCIERAS 305
restricción estipula que el monto total invertido no puede exceder los $5 millones (aunque podría ser
menor). Defina las variables como
El monto total invertido es X1 + X2 X3 + X4, que puede ser menor a $5 millones. Esto es importante al
calcular el 55% del importe total invertido y 15% de la cantidad total invertida en dos de las restricciones.
Objetivo:
Maximizar el monto de los intereses ganados = 0.07X1 + 0.1 1X2 + 0.19X3 + 0.15X4
sujeto a 1,000,000
2,500,000
X3 1,500,000
X4 5 1,800,000
X3 + X4 0.55(Xi + X2 + X3 + X4)
0.15(X1 + X2 + X3 + X4)
X1 + + X3 + X4 5,000,000
XI, X>, X3, X4
A B C D E ti
PROGRAMA 8.6
1 ICT Portfolio Selection
Solución para el 2
portafolios de ICT 3 Variable XI X2 X4,
4 Solution l750000 950000 1500000 1800000i Total
en Excel 2013 0.11 0.19 0.151 712
5 Max. Return 0.07
7 LHS RHS
8 Trade 750000 < 1,000,000
lAIV IVIAinIA
9 'i Banda 1 950000 2,500,000
10 *Bold 1 1500000 1,500,000
11 Construetion 1 1800000 1,800,000
12 Min. GolekConal -0.55 -0.55 0.45 0.45 550000 o
13 Min. Trade 0.85 -0.15 -0.15 -0.15 o o
14 Total Invested 1 1 1. 5000900 5000000
En el programa 8.6 se muestra la solución encontrada utilizando Solver en Excel. ICT maximiza
el interés ganado al hacer la siguiente inversión: X1 = $750.000, X2 = $950,000, X3 = $1,500,000 y
X4 = S1,800,000, y el interés total ganado es de $712,000.
1 22,500 7,500
2 24,000 7,500
3 8,009 3,000
4 9,50C 3,500
5 11,500 4,000
6 9,750 3,500
Adaptado de un ejemplo en S. L. Savage. Mimes Besti Oakl d, CA: General Optimization, Inc. y Holden-Day, 1985.
8.5 APLICACIONES FINANCIERAS 307
Como se observa, cada uno de estos seis artículos tiene un valor monetario y un peso asociados.
El objetivo es maximizar el valor total de los objetos cargados en el camión, sin exceder su capacidad
de peso. Si Xi es la proporción de cada artículo i cargado en el camión:
Estas últimas seis restricciones reflejan el hecho de que, a lo sumo, se puede cargar una "unidad" de
un artículo en el camión. En efecto, si Goodman puede cargar una porción de un artículo (por ejemplo,
el artículo 1 es un lote de 1,000 sillas plegables, y no es necesario enviarlas todas juntas), las Xi serán pro-
porciones que van de O (nada) a 1 (todo el artículo cargado).
Para resolver este problema de PL, regresamos a Solver de Excel. En el programa 8.7 se muestra
la formulación de Goodman en Excel, los datos de entrada y la solución —que da un valor de carga total
de $31,500.
La respuesta nos conduce a un tema interesante que estudiaremos a detalle en el capítulo 10. ¿Qué
haría Goodman si no se pudieran cargar fracciones de los artículos? Por ejemplo, si fueron los artículos
a cargar fueran automóviles de lujo, resulta claro que no podemos enviar un tercio de un Maserati.
PROGRAMA 8.7 A 1
Goodman Shipping
Solución en Excel al
problema de la carga Variables X1 X2 X3 X4 X5 X6
Values 0.3333 1 0 0 0 O Total \falo°
de un camión de
5 Load Value $ 22500 24000 8000 9500 11500 9750 I 31500
Goodman 6
7 Constrainta l.HS Sign RHS
8 Total weight 7500 7500 3000 3500 4000 3500 10000 10000
9 % !tern 1 1 0.3333333
10 %kern 2 1 1
11 % ttern 3
12 % kern 4 O
13 % Itern 5 o
'4 % !tern 6
Para: Min
Copiar H5 a H8:H14
Sujeto a las restricciones:
H8:H14 <= J8:J14
Método de solución: Simplex LP
17 Variables no negativas
308 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
A 33 22 16 8 5
B 47 28 14 7 O
C 38 21 25 9 6
8.6 APLICACIONES A LA MEZCLA DE INGREDIENTES 309
Función objetivo:
Minimizar el costo total de mezclar una porción de 2 onzas = $0.33XA + $0.47XB + $0.384
sujeto a
La solución a este problema requiere mezclar 0.025 libras del grano A, 0.050 libras del grano B y 0.050
libras del grano C. Otra forma de expresar la solución es en términos de la proporción de cada grano en
la porción de 2 onzas, es decir, 0.4 onzas del grano A, 0.8 onzas del grano B y 0.8 onzas del grano C
en cada porción. El costo por porción es de 50.05. En el programa 8.8 se ilustra esta solución utilizando
Solver en Excel 2013.
PROGRAMA 8.8 A E
1 Whole Foods Nutrition Problem
Solución al problema del 2
Centro de Alimentación 3 Grain A Grain B Grain C
4 Variable Xa Xb Xc
Integral en Excel 2013 5 Solution 0.025 0.05 0.05 Total Cost
6 Minimizo 0.33 0.47 0.38 0.05075
7
8 Constraints UHS Sign MG
9 Protein 22 28 21 3 3
10 boflav I n 16 14 25 2.35 2
11 !Phosplsorus 8 7 9 1 1
12 IVIagnesium 5 o 6 0.425 0.425
13 Total ~gis 1 1 0.125 0.125
Para: Min
Copiar E6 a E9:E13
Sujeto a las restricciones:
E9:E12 <= G9:G12
E13 = G13
Método de solución: Simplex LP
E Variables no negativas
310 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
Las principales refinerías de petróleo La compañía petrolera Low Knock produce do grados de gasolina a precio reducido para la dis-
utilizan la PL para mezclar petróleos tribución industrial. Los grados, regular y económi o, se elaboran mediante el perfeccionamiento de
crudos y producir gasolinas distintas. una mezcla de dos tipos de petróleo crudo, tipo X10 y tipo X220. Cada petróleo crudo se diferencia no
sólo en el costo por barril, sino también en su comí osición. La siguiente tabla indica el porcentaje de
ingredientes cruciales que se encuentran en cada un de los petróleos crudos y el costo por barril para
cada uno:
X100 35 55 30.00
X220 60 25 34.80
La demanda semanal para el grado regular Je la gasolina Low Knock es de al menos 25,000
barriles, y la demanda del grado económico es de al menos 32,000 barriles por semana. Al menos 45%
de cada barril del grado regular debe ser del ingrediente A. A lo sumo 50% de cada barril de grado
económico debería ser del ingrediente B. Aunque el rend'Iniento de gasolina de un barril de crudo de-
pende del tipo de crudo y del tipo de procesamiento utilizado, supondremos para este ejemplo que un
barril de petróleo crudo producirá un barril de gasolina.
La gerencia de Low Knock debe decidir cuántos barriles de cada tipo de petróleo crudo tiene que
comprar cada semana, con la finalidad de mezclarlos y satisfacer la demanda a un costo mínimo. Al mode-
lar esto como un programa lineal, el objetivo es minimizar el costo. Cada uno de los dos grados de gasolina
tiene una restricción de demanda y, además, tiene una restricción que limita la cantidad de ingredientes.
Por lo tanto, hay cuatro restricciones. Las decisiones implican la cantidad de cada tipo de crudo a utilizar
en cada tipo de gasolina, por lo que éstas serán las variables de decisión. Sean
Así,
Pero
0.35X1 + 0.60X3 = cantidad del grediente A en la gasolina regular
Entonces,
o bien,
Del mismo modo. a lo sumo 50% de cada barril del grado económico debería ser del ingrediente B:
Así.
Pero
Así que
o bien,
Mediante el uso de Excel, se encontró que la solución para la formulación de Low Knock Oil es
El costo de esta mezcla es de $1,783,600. Consulte el programa 8.9 para ver más detalles.
PROGRAMA 8.9 A
1 LOW Knodc Oil Company
Solución para Low Knock
Oil en Excel 2013 X100 Reg X100 Econ X220 Ree X220 Econ
4 Variable X1 X2 X3 X4
Solution 15000 26666.67 10000 5333.33 Total Cost
5 Cost 30 30 34.8 34.8 17113600
7
8 1Constraints LHS Sign RHS
9 Dernand Recular 1 1 25000 > 25000
10 ~and Economy 1 32000 > 32000
11 Inc. A in Recular -0.1 0.15 > o
12 Inc. B in Econorny 0.05 -0.25 < o
muy perecedero. Un avión tiene un número limitado iie asientos, y cuando el avión despega, los asientos
vacíos ya no pueden venderse y los ingresos se pierden. Un hotel tiene un número limitado de habita-
ciones, y una vez que una determinada fecha ha pasado, una habitación vacía en esa fecha no se puede
vender, y los ingresos se pierden.
Otro tipo común de aplicación es el análisis envolvente de datos (DEA, por data envelopment analy-
sis) que, en ocasiones, se utiliza para medir la eficiencia de varias unidades operativas similares, como
hospitales o escuelas. Se usa con frecuencia para entidades sin fines de lucro, en las cuales es dificil medir
el éxito de una unidad especial, por lo que no existe un único objetivo, como las utilidades, que deba op-
timizarse. En el desarrollo del programa lineal, es necesario identificar las entradas y salidas del sistema
en particular. Para el sistema de un hospital, las entrari:as pueden ser el número de médicos que trabajan, la
cantidad de enfermeras que están laborando, el númer de camas-día disponibles por año y la nómina total.
Las salidas pueden ser el número de días-paciente en el hospital, el número de enfermeras capacitadas, el
número de cirugías realizadas, el número de procedi 'entos ambulatorios realizados y el número de médi-
cos capacitados. Se desarrollan restricciones relativas a cada una de estas entradas y salidas para cada uni-
dad en el sistema. El objetivo es, básicamente, minimizar los recursos necesarios para generar los niveles
específicos de salida. Los resultados indican si podrían haberse utilizado menos recursos para generar el
mismo nivel de productos, en comparación con una unidad típica del sistema. En seguida, se pueden hacer
esfuerzos para identificar áreas específicas que se consideran potencialmente ineficientes, con la finalidad
de aplicar las mejoras pertinentes.
Los problemas de transporte, transbordo y asignación se utilizan ampliamente en los negocios. Son
tan comunes que se han desarrollado algoritmos de propósito especial para resolverlos más rápidamente
que los procedimientos actuales utilizados para otro tipo de problemas de programación lineal. Estas apli-
caciones se presentarán en el siguiente capítulo.
AUTOEVALUACIÓN 313
Resumen
En este capítulo continuamos con nuestro estudio de los modelos de En los próximos capítulos, se presentarán aplicaciones adi-
programación lineal. Se siguieron los pasos básicos para la formu- cionales de la programación lineal. El problema del transporte se
lación de un programa lineal en una variedad de problemas. Estas expondrá en el capítulo 9, junto con otras dos aplicaciones estre-
aplicaciones incluyeron marketing, programación de la producción, chamente relacionadas: el problema de asignación y el problema de
finanzas y mezcla de ingredientes. Se prestó atención a la compren- transbordo.
sión del problema, la identificación del objetivo y las restricciones, la
definición de las variables de decisión y el desarrollo de un modelo
matemático con estos elementos.
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo y las notas en los márgenes.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
4. Al aplicar PL a problemas de dieta, la función objetivo está c. es un c o especial del problema de la mezcla.
generalmente diseñada para d. todas 1 anteriores.
a. maximizar las utilidades de las mezclas de nutrientes. 6. La selecció de inversiones específicas entre una amplia
b. maximizar las mezclas de ingredientes. variedad d alternativas es el tipo de problema de PL conocido
c. minimizar las pérdidas de producción. como
d. maximizar el número de productos a elaborar. a. el problema de la mezcla de productos.
e. minimizar los costos de las mezclas de nutrientes. b. el problema de inversión del banquero.
5. El problema de la dieta c. el problema de la selección del portafolios.
a. también se conoce como problema de la mezcla de alimentos d. el problema de Wall Street.
en la agricultura. e. ninguno de los anteriores.
b. es un caso especial del problema de la mezcla de ingredientes.
Problemas
al • 8-1 (Problema de producción) Winlder Furniture fabrica dos (a) Los bonos municipales deberían constituir al menos
tipos de gabinetes diferentes: un modelo provincial fran- 20% de la inversión.
cés y un modelo moderno danés. Cada gabinete producido (b) Al menos 40% de los fondos deben colocarse en una
debe pasar por tres departamentos: carpintería, pintura combinación de empresas de electrónica, compañías
y acabado. La tabla siguiente contiene toda la informa- aeroespaciales y fabricantes de medicamentos.
ción pertinente relacionada con los tiempos de producción (c) No más de 50% de la cantidad invertida en bonos
por gabinete producido y la capacidad de producción para municipales debería colocarse en acciones con alto
cada operación por día, además de los ingresos netos riesgo y alto rendimiento de un hogar de retiro.
por unidad producida. La compañía tiene un contrato con
Con sujeción a estas restricciones, el objetivo del clien-
un distribuidor de Indiana para producir un mínimo de
te e maximizar la rentabilidad proyectada sobre sus
300 gabinetes de cada tipo a la semana (o 60 gabinetes
inve siones. Los analistas de Heinlein y Krampf, cons-
por día). Al propietario Bob Winkler le gustaría determi-
cien s de estas directrices, preparan una lista de acciones
nar una mezcla de productos que maximice sus ingresos
y bo os de alta calidad y sus correspondientes tasas de
diarios.
rend miento:
(a) Formule esto como un problema de PL.
(b) Resuelva usando un programa de software de PL o TASA DE RENDIMIENTO
una hoja de cálculo. INVERSIÓN PROYECTADA (%)
al- 8-2 (Problema de decisión de inversiones) La firma de co- Bonos municipales de Los Ángeles 5.3
rretaje Heinlein and Krampf acaba de recibir la instruc- Electrónica Thompson, Inc. 6.8
ción de uno de sus clientes para invertir $250,000 que
Corporación Aerospacial Unida 4.9
obtuvo recientemente a través de la venta de unos terrenos
en Ohio. El cliente tiene una buena dosis de confianza en Medicamentos Palmer 8.4
la casa de inversión, pero también tiene sus propias ideas Hogares de retiro Happy Days 11.8
acerca de la distribución de los fondos a invertir. En par-
ticular, solicita que la firma seleccione acciones y bonos (a) Formule este problema de selección del portafolios
que considere bien valorados, pero dentro de los siguien- utilizando PL.
tes lineamientos: (b) Zesuelva este problema.
PINTURA ACABADO
CARPINTERÍA (HORAS/ (HORAS/ INGRESOS NETOS/
ESTILO DE GABINETE (HORAS/GABINETE) GABINETE) GABINETE) GABINETE ($)
Nota: significa que el problema puede resolverse con QM para Windows; X significa que el problema puede resolverse con Excel QM, y al significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
PROBLEMAS 315
(Problema de programación del trabajo en un restau- mínimos, las unidades en cada ingrediente por libra
rante). El famoso restaurante Y. S. Chang está abierto de mezcla de alimentos y los costos de las tres mezclas.
las 24 horas del día. Los camareros y sus ayudantes se Además, el propietario del establo está consciente de
presenten a trabajar a las 3 A.M., 7 A.M., 11 A.M., 3 P.M., que un caballo sobrealimentado es un trabajador lento. En
7 P.M. u 11 P.M., y cada uno trabaja un turno de 8 horas. consecuencia, se determina que 6 libras de alimento por
La siguiente tabla muestra el número mínimo de traba- día es el máximo que cualquier caballo necesita para tra-
jadores necesarios durante los seis periodos en los que bajar correctamente. Formule este problema y determine
se divide el día. El problema de programación de Chang la mezcla óptima diaria de los tres alimentos.
es determinar el número de camareros y ayudantes que 31? 8-5 La corporación Kleenglass produce un lavavajillas que
deberían presentarse al trabajo al inicio de cada periodo tiene un poder de limpieza excelente, y utiliza menos agua
de tiempo, con la finalidad de minimizar el personal to- que la mayoría de sus competidores, además de que es
tal necesario para la operación en un día. (Sugerencia: muy silencioso. Se han recibido pedidos de varias tiendas
Considere que X; es igual al número de camareros y ayu- minoristas para ser entregados al final de cada uno de los
dantes que empiezan a trabajar en el periodo de tiempo i, próximos 3 meses, como se indica a continuación:
donde i = 1, 2, 3, 4, 5, 6).
MEZCLA DE ALIMENTOS
En la siguiente tabla se muestran los costos de estos me- prime r día del mes y se devuelven el último día del mes.
dios de comunicación, la audiencia alcanzada por cada tipo Cada seis meses, Sundown notifica al fabricante de au-
de anuncio y el número máximo de anuncios disponibles: tomó' 'les el número de vehículos necesarios durante los
próxi nos seis meses. El fabricante ha estipulado que, al
COSTO AUDIENCIA meno s, 50% de los automóviles arrendados durante un pe-
TIPO DE POR ALCANZADA/ NÚMERO riodo de seis meses debe estar bajo un contrato de arren-
ANUNCIO ANUNCIO ANUNCIO MÁXIMO damiento por cinco meses. El costo por mes en cada uno
TV $800 30,000 10 de los tres tipos de contratos de arrendamiento es de
Radio $400 22,000 10 $420 para el de tres meses, $400 para el de cuatro meses
Espectaculares $500 24,000 10 y $370 para el de cinco meses.
Periódicos $100 8,000 10 En la actualidad, Sundown tiene 390 autos. El con-
trato de arrendamiento de 120 automóviles expira a finales
Además, Martínez ha decidido que debería haber al de marzo. El contrato de otros 140 autos expira a finales de
menos seis anuncios en televisión o radio, o alguna com- abril. y el contrato del resto de ellos expira a finales de mayo.
binación de ambos. La cantidad que se gasta en conjunto Utilice PL para determinar la cantidad de autos que
en espectaculares y periódicos no debe exceder el mon- deberían arrendarse cada mes en cada tipo de arrenda-
to gastado en anuncios de televisión. Si bien la recauda- miento para minimizar el costo durante el periodo de seis
ción de fondos aún continúa, el presupuesto mensual para
publicidad se ha fijado en $15,000. ¿Cuántos anuncios de
cada tipo se deberían colocar para maximizar el número xr 8-9 La gerencia de Sundown Rent-a-Car (vea el problema 8-8)
ha decidido que quizás el costo durante el periodo de seis
total de personas alcanzadas? meses no sea el costo que se debería minimizar, ya que la
• 8-7 (Problema de selección de medios de comunicación) El agencia aún puede estar comprometida a meses adiciona-
director de publicidad de Diversey Paint and Supply, una les en algunos contratos de arrendamiento después de ese
cadena de cuatro tiendas minoristas en la parte norte de tiempo. Por ejemplo, si Sundown tuviera algunos autos
Chicago, está considerando dos posibilidades de medios entregados al comienzo del sexto mes, seguiría estando
de publicidad. Un plan consiste en una serie de anun- comprometido por dos meses adicionales en un contrato
cios de media página en el periódico dominical Chicago de arrendamiento de tres meses. Utilice PL para determi-
Tribune, y el otro es tiempo de publicidad en la televisión nar la cantidad de autos que deberían arrendarse cada mes
de Chicago. Las tiendas están ampliando sus líneas de en cada tipo de arrendamiento, para minimizar el costo
herramientas tipo "hágalo usted mismo", y el director durante toda la vida de dichos arrendamientos.
de publicidad está interesado en un nivel de exposición de, 8-10 (Problema de transporte escolar de escuela secundaria)
al menos, 40% en los vecindarios de la ciudad y 60% en El superintendente de educación del Condado de Arden,
las zonas suburbanas del noroeste. Maryland, es responsable de asignar estudiantes a las tres
El tiempo de visualización en televisión considerado escuélas secundarias en su condado. Reconoce la necesidad
tiene una clasificación de exposición de 5% por anuncio de transportar por autobús cierto número de estudiantes, en
en los hogares de la ciudad y de 3% en los suburbios del varios sectores del condado que están a una distancia consi-
noroeste. El periódico del domingo tiene tasas de expo- derable de la escuela. El superintendente divide el condado
sición correspondientes a 4 y 3% por anuncio. El costo en cinco sectores geográficos en su intento por establecer
de un anuncio de media página en el Chicago Tribune es un plan que minimice el número total de millas recorridas
$925; un anuncio en televisión cuesta $2,000. por los estudiantes en autobús. También reconoce que si un
A Paint Diversey le gustaría seleccionar la estrategia estudiante vive en un determinado sector y se asigna a la
de publicidad menos costosa que responda a los niveles de escuela secundaria en ese sector, no hay necesidad de que
exposición deseados. use el autobús porque podrá caminar a la escuela. Las tres
escuelas están ubicadas en los sectores B, C y E.
(a) Formule utilizando PL. La siguiente tabla refleja el número de estudiantes en
(b) Resuelva el problema. edad de estudiar la secundaria que viven en cada sector,
1.t1: 8-8 (Problema de arrendamiento de automóviles) Sundown así como la distancia en millas desde cada sector hasta
Rent-a-Car, una agencia grande de alquiler de automóvi- cada escuela:
les que opera en el Medio Oeste de Estados Unidos, está
DISTANCIA A LA ESCUELA
preparando una estrategia de arrendamiento durante los
próximos seis meses. Sundown arrienda automóviles a un ESCUELA ESCUELA ESCUELA
fabricante y los alquila al público sobre una base diaria. A EN EL EN EL EN EL NÚMERO DE
continuación se presenta un pronóstico de la demanda de SECTOR SECTOR B SECTOR C SECTOR E ESTUDIANTES
autos para Sundown en los próximos seis meses: A 5 8 6 700
0 4 12 500
MES MARZO ABRIL MAYO JUNIO JULIO AGOSTO 4 o 7 100
Demanda 420 400 430 460 470 440 D 7 2 5 800
B 12 7 O 400
Los automóviles pueden arrendarse al fabricante, ya
2,500
sea por tres, cuatro o cinco meses. Éstos son arrendados el
PROBLEMAS 317
Cada escuela secundaria tiene una capacidad de 900 8-12 (Problema de selección de comidas en la universidad) Ka-
estudiantes. Establezca la función objetivo y las restriccio- thy Roniger, dietista del campus en una pequeña universi-
nes de este problema utilizando PL, de modo que se mini- dad de Idaho, es responsable de la formulación de un plan
mice el número total de millas que los estudiantes viajan de alimentos nutritivos para los estudiantes. Piensa que,
en autobús. Después, resuelva el problema. para la cena, se deben cumplir los siguientes cinco requisi-
8-11 (Problema de fijación de precio y estrategia de marke- tos de contenido en la comida: 1. entre 900 y 1,500 calorías;
ting) La tienda de pinturas y recubrimientos I. Kruger 2. al menos 4 miligramos de hierro; 3. no más de 50 gramos
es un importante distribuidor minorista de la marca Su- de grasa; 4. al menos 26 gramos de proteína, y 5. no más de
pertrex de revestimientos de vinilo. Kruger mejorará su 50 gramos de carbohidratos. En un día específico, el inven-
imagen en toda la ciudad de Miami, si puede vender más tario de alimentos de Roniger incluye siete elementos que
rollos de Supertrex que otras tiendas locales el próximo pueden prepararse y servirse para la cena, con la finalidad
año. Es capaz de estimar la función de demanda de la si- de satisfacer esos requisitos. En la siguiente tabla se propor-
guiente manera: cionan el costo por libra de cada alimento y su contribución
a los cinco requisitos nutricionales.
Número de rollos de Supertrex vendidos = 20 X dólares
gastados en publicidad + 6.8 X dólares gastados en ¿Qué combinación y cantidades de alimentos pro-
muestras dentro de la tienda + 12 x dólares invertidos porcionará la nutrición que Roniger requiere con el costo
en el inventario de revestimiento disponible — 65,000 X total mínimo?
porcentaje del margen de utilidad por encima del costo (a) Formule esto como un problema de PL.
de un rollo al mayoreo (b) ¿Cuál es el costo por comida?
(c) ¿Es una dieta bien balanceada?
La tienda presupuesta un total de $17,000 para pu-
blicidad, muestras en la tienda e inventario disponible de X' 8-13 (Problema de producción de alta tecnología) Quitmeyer
Supertrex para el próximo año. Decide que debe gastar al Electronics Incorporated fabrica los siguientes seis dis-
menos $3,000 en publicidad; asimismo, al menos 5% de positivos periféricos para microcomputadoras: módems
la cantidad invertida en inventario disponible debería de- internos, módems externos, tarjetas de circuitos impresos,
dicarse a las muestras en la tienda. Los márgenes de utili- unidades de CD, unidades de disco duro y tarjetas de ex-
dad del Supertrex vistos en otras tiendas locales van desde pansión de memoria. Cada uno de estos productos técni-
20 hasta 45%. Kruger decide que su margen de utilidad cos requiere tiempo de prueba, en minutos, en tres tipos de
también debe estar en ese rango. equipo electrónico, como se muestra en la tabla de la parte
(a) Formule esto como un problema de PL. inferior de esta página.
(b) Resuelva el problema. Los dos primeros dispositivos de prueba están dis-
(c) ¿Qué dificultad encuentra en la respuesta? ponibles 120 horas por semana. El tercero (dispositivo 3)
(d) ¿Qué restricción agregaría usted? requiere más mantenimiento preventivo y puede utilizarse
Datos para el
problema 8-13 TARJETA UNIDADES TARJETAS
MÓDEM MÓDEM DE UNIDADES DE DISCO DE
INTERNO EXTERNO CIRCUITOS DE CD DURO MEMORIA
Dispositivo de prueba 1 7 3 12 6 18 17
Dispositivo de prueba 2 2 5 3 2 15 17
Dispositivo de prueba 3 5 1 3 2 9 2
318 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
sólo 100 horas cada semana. El mercado de los seis com- ace bles en los meses en los cuales la planta nuclear
ponentes de computadora es muy amplio, y Quitmeyer tien demasiado personal. Por lo tanto, si hay más em-
Electronics cree que puede vender todas las unidades de plea os capacitados disponibles de los que se necesitan
cada producto que pueda fabricar. La siguiente tabla re- en c alquier mes, cada trabajador recibirá su pago total,
sume los ingresos y los costos de material para cada aun e no esté obligado a trabajar las 130 horas.
producto: La capacitación de los empleados nuevos es un pro-
cedimiento importante y costoso. Se requiere un mes de
INGRESOS COSTO DE instrucción personalizada en el aula antes de que un nuevo
POR UNIDAD MATERIAL POR técnico pueda trabajar solo en las instalaciones del reactor.
DISPOSITIVO VENDIDA ($) UNIDAD ($) Por lo tanto, South Central debe contratar aprendices un
Módem interno 200 35 mes antes de que sean realmente necesarios. Cada apren-
diz hace equipo con un técnico nuclear especializado y
Módem externo 120 25
requiere 90 horas de tiempo de ese empleado, lo cual sig-
Tarjeta de circuitos impresos 180 40 nifica que hay 90 horas menos de tiempo del técnico dis-
Unidad de CD 130 45 ponibles ese mes para el trabajo real en el reactor.
Unidad de disco duro 430 170 Los registros del departamento de personal indican
60 una tasa de rotación de técnicos capacitados de 5% al mes.
Tarjeta de expansión de 260
En otras palabras, alrededor de 5% de los empleados ca-
memoria
lificados al inicio de cualquier mes renuncian a finales de
ese mes. Un técnico capacitado gana un salario promedio
Además, los costos de mano de obra variables son mensual de $2,000 (sin importar el número de horas traba-
de $15 por hora para el dispositivo de prueba 1, $12 por jadas, como se señaló anteriormente). A los aprendices se
hora para el dispositivo de prueba 2 y $18 por hora para les pagan $900 durante su mes de instrucción.
el dispositivo de prueba 3. Quitmeyer Electronics quiere
maximizar sus utilidades. (a) Formule este problema de personal utilizando PL.
(b) esuelva el problema. ¿Cuántos aprendices deben co-
(a) Formule el problema como un modelo de programa- enzar cada mes?
ción lineal. º: 8-15 (Pr blema de planeación de la producción agrícola)
(b) Resuelva el problema en computadora. ¿Cuál es la
La amilia de Margaret Black posee cinco parcelas de
mejor combinación de productos?
tie as de cultivo divididas en los sectores sureste, norte,
(c) ¿Cuál es el valor de un minuto de tiempo adicional por
nor este, oeste y suroeste. Margaret se dedica principal-
semana en el dispositivo de prueba 1? ¿En el disposi-
me te al cultivo de trigo, alfalfa y cebada, y actualmente
tivo de prueba 2? ¿En el dispositivo de prueba 3? ¿De-
est preparando su plan de producción para el próximo
bería Quitmeyer Electronics agregar más tiempo de los
afio. Las autoridades del agua en Pennsylvania acaban
dispositivos de pruebas? Si es así, ¿en qué equipo?
de anunciar su asignación de agua al año, y la granja de
21 8-14 (Problema de personal en una planta nuclear) South Cen- Black recibirá 7,400 acres-pies de agua. Cada parcela sólo
tral Utilities acaba de anunciar la apertura el 1 de agosto puede tolerar una cantidad específica de riego por estación
de su segundo generador de energía nuclear en su planta de de crecimiento, como se especifica en la siguiente tabla:
Baton Rouge, Luisiana. Su departamento de personal desea
determinar la cantidad de técnicos nucleares que deben ser LÍMITE DE AGUA DE RIEGO
contratados y capacitados para lo que resta del año. PARCELA ÁREA (ACRES) (ACRES-PIES)
En la actualidad, la planta emplea a 350 técnicos ple- Sureste 2,000 3,200
namente capacitados y proyecta las siguientes necesidades
Norte 2,300 3,400
de personal:
Noroeste 600 800
MES HORAS DE PERSONAL NECESARIAS Oeste 1,100 500
Suroeste 500 600
Agosto 40,000
Septiembre 45,000 Caca uno de los cultivos de Margaret necesita una canti-
Octubre 35,000 dad mínima de agua por acre, y hay un límite proyectado
Noviembre 50,000 en las ventas de cada cultivo. A continuación se presentan
Diciembre 45,000 los datos para cada cultivo:
La mejor estimación de Margaret es que puede ven- privada, con 600 camas, equipada con laboratorios, qui-
der el trigo con una utilidad neta de $2 por fanega, la rófanos y equipo de rayos X. Con la finalidad de aumen-
alfalfa con $40 por tonelada y la cebada con $50 por tone- tar sus ingresos, la gerencia de Mt. Sinaí ha decidido
lada. Un acre de tierra rinde un promedio de 1.5 toneladas agregar 90 camas en una porción de terreno adyacente
de alfalfa y 2.2 toneladas de cebada. El rendimiento del utilizada actualmente para el estacionamiento del per-
trigo es de aproximadamente 50 fanegas por acre. sonal. Los gerentes consideran que los laboratorios, los
(a) Formule el plan de producción de Margaret. quirófanos y el departamento de rayos X no están siendo
(b) ¿Cuál debería ser el plan de cultivos y qué utilidad plenamente utilizados en la actualidad y no tienen que
generaría? ampliarse para manejar pacientes adicionales. Sin em-
(c) Las autoridades del agua informan a Margaret que por bargo, la adición de 90 camas implica decidir cuántas
una tarifa especial de $6,000 este año, su granja cali- camas deberían asignarse al personal médico para los pa-
ficará para una asignación adicional de 600 acres-pies cientes médicos y cuántas al personal quirúrgico para
de agua. ¿Cómo debería responder? pacientes quirúrgicos.
9 E 8-16 (Problema de mezcla de materiales) Amalgamated Pro-
3g Los departamentos de contabilidad y registros mé-
ducts acaba de recibir un contrato para la construcción de dicos del hospital han facilitado la siguiente informa-
bastidores de acero para automóviles que se van a producir ción pertinente. La estancia hospitalaria promedio de un
en una nueva fábrica japonesa en Tennessee. El fabricante paciente médico es de 8 días, y el paciente médico pro-
japonés de automóviles tiene normas estrictas de control medio genera $2,280 en ingresos. El paciente quirúrgico
de calidad para todos sus subcontratistas de componentes promedio está en el hospital 5 días y recibe una factura de
y ha informado a Amalgamated que cada bastidor debe te- $1,515. El laboratorio es capaz de manejar 15,000 prue-
ner el siguiente contenido de acero: bas al año más de lo que estaba manejando. El paciente
médico promedio requiere 3.1 pruebas de laboratorio y el
paciente quirúrgico promedio tiene 2.6 pruebas de labo-
PORCENTAJE PORCENTAJE
ratorio. Además, el paciente médico promedio utiliza una
MATERIAL MÍNIMO MÁXIMO
vez los rayos X, mientras que el paciente quirúrgico pro-
Manganeso 2.1 2.3 medio los usa dos veces. Si el hospital se amplía en 90
Silicio 4.3 4.6 camas, el departamento de rayos X podría manejar hasta
7,000 radiografías sin costo adicional significativo. Por úl-
Carbono 5.05 5.35
timo, la gerencia estima que podrían realizarse hasta 2,800
operaciones adicionales en las instalaciones del quirófano
Amalgamated mezcla lotes de ocho diferentes ma- existente. Los pacientes médicos, por supuesto, no requie-
teriales disponibles para producir una tonelada de acero ren cirugía, mientras que a cada paciente quirúrgico en ge-
utilizado en los bastidores. La tabla en esta página detalla neral se le realiza una sola cirugía.
esos materiales. Formule este problema con el propósito de determi-
Formule y resuelva el modelo de PL que indicará la nar cuántas camas médicas y cuántas camas quirúrgicas
cantidad de cada uno de los ocho materiales que deberían deberían agregarse para maximizar los ingresos. Suponga
mezclarse en una carga de 1 tonelada de acero, de manera que el hospital está abierto los 365 días del año. Después,
que Amalgamated cumpla sus requisitos y minimice los resuelva el problema.
costos. 9: 8-19 Prepare un informe escrito para el director general del
X•
9
X': 8-17 Consulte el problema 8-16. Encuentre la causa de la difi- Hospital Mt. Sinaí del problema 8-18 sobre la amplia-
cultad y recomiende cómo ajustarla. Después, resuelva el ción del hospital. Redondee sus respuestas al entero más
problema de nuevo. cercano. El formato de presentación de los resultados
11E 8-18 (Problema de expansión de un hospital) El Hospital es importante. El director general es una persona ocu-
Mt. Sinaí en Nueva Orleans tiene una gran instalación pada y quiere ser capaz de encontrar la solución óptima
rápidamente en su informe. Cubra todas las áreas indica- 3.5 p gadas. ¿Cuántos rollos se deberían cortar con cada
das en las secciones siguientes, pero no mencione ninguna patrói , si la empresa quiere minimizar la cantidad total
variable o los precios sombra. de rol os de 10 pulgadas a utilizar? ¿Cuántos rollos se de-
(a) ¿Cuál es el ingreso máximo por año, cuántos pacien- ben c rtar con cada patrón, si la empresa quiere minimi-
tes médicos/año hay y cuál es el número de pacientes zar el desperdicio total?
quirúrgicos/año? ¿Cuántas camas médicas y cuántas Q
Q.
camas quirúrgicas deberían agregarse de la adición de x* 8-22 (Problema de selección del portafolios) Daniel Grady es
el asesor financiero de varios atletas profesionales. Un
90 camas? análisis de los objetivos a largo plazo de muchos de ellos
(b) ¿Hay camas vacías con esta solución óptima? Si es resultó en una recomendación para la compra de acciones
así, ¿cuántas camas vacías son? Comente el efecto con algunos de sus ingresos que se reservan para inver-
de la adquisición de más camas si es necesario. siones. Se han identificado cinco acciones con expecta-
(c) ¿Los laboratorios se utilizan a toda su capacidad? ¿Es tivas muy favorables para el rendimiento futuro. Aunque
posible realizar más pruebas de laboratorio/año? Si el rendimiento esperado es importante en estas inver-
es así, ¿cuántas más? Comente el efecto de la adquisi- siones, el riesgo, medido por el valor beta de la acción,
ción de más espacio en el laboratorio, si es necesario. también es importante. (Un valor beta alto indica que la
(d) ¿La instalación de rayos X se utiliza al máximo? ¿Es acción tiene un riesgo relativamente alto). A continuación
posible hacer más radiografías/año? Si es así, ¿cuántas se muestra el rendimiento esperado y las betas de cinco
más? Comente el efecto de la adquisición de más ins- acciones:
talaciones de rayos X, si es necesario.
(e) ¿El quirófano se utiliza a toda su capacidad? ¿Es po-
sible hacer más operaciones/año? Si es así, ¿cuántas VALORES 1 2 3 4 5
más? Comente el efecto de la adquisición de más ins- Rendimiento esperado (%) 11.0 9.0 6.5 15.0 13.0
talaciones de quirófano, si es necesario.
Beta 1.20 0.85 0.55 1.40 1.25
x• 8-20 En el problema de mezclas de la compañía Low Knock
Oil, se supuso que un barril de crudo se convertiría en
un barril de gasolina como producto final. Al procesar un A Daniel le gustaría minimizar la beta del portafolios de
barril de crudo, un rendimiento de gasolina típico es de acciones (calculando el promedio ponderada de los mon-
aproximadamente 0.46 barriles, aunque podría ser mayor tos ivertidos en las diferentes acciones) y mantener un
o menor, dependiendo del crudo particular y el procesa- rendimiento esperado de al menos 11%. Dado que las
miento utilizado. Sin embargo, otros productos como el condciones futuras pueden cambiar, Daniel ha decidido
diesel, la turbosina, el combustóleo doméstico y el asfalto que no más de 35% del portafolios debería invertirse en
también provienen de ese mismo barril. Suponiendo que una sola acción.
sólo 46% del crudo se convierte en gasolina, modifique el (a) Formule esto como un programa lineal. (Sugerencia:
ejemplo de programación lineal de Low Knock Oil para Defina las variables como la proporción de la inver-
tomar en cuenta esto. Resuelva el problema de PL resul- sión total colocada en cada acción. Incluya una res-
tricción que limite la suma de estas variables a 1).
tante usando cualquier software.
(b) Resuelva este problema. ¿Cuáles son el rendimiento
8-21 Una fábrica de papel produce rollos de papel que tienen esperado y la beta de este portafolio?
10 pulgadas de ancho y 100 pies de largo. Estos rollos
se utilizan para hacer rollos más angostos que se usan 8-23 (Problema de combustible en una aerolínea) Coast-to-
en las cajas registradoras, cajeros automáticos (ATM) y Coat Airlines está investigando la posibilidad de reducir
otros dispositivos. Las anchuras más angostas (2, 2.5 y 3 el cesto de sus compras de combustible al aprovechar
pulgadas) necesarias para estos dispositivos se obtienen los menores costos de combustible en ciertas ciudades.
mediante la reducción de los rodillos de 10 pulgadas-uti- Dado que estas compras representan una parte sustancial
lizando patrones de corte especificados de antemano. El de los gastos para una compañía aérea, es importante
patrón #1 cortará el rollo de 10 pulgadas en cuatro rollos controlarlas cuidadosamente. Sin embargo, el combusti-
de 2.5 pulgadas de ancho cada uno. El patrón #2 gene- ble agrega peso a un avión y, en consecuencia, el exceso
rará tres rollos de 3 pulgadas de ancho cada uno (dejando de combustible aumenta el costo de ir de una ciudad a
1 pulgada de desperdicio en un extremo). El patrón #3 re- otra. En la evaluación de un vuelo específico, un avión
sultará en un rollo de 3 pulgadas y dos rollos de 3.5 pul- despega en Atlanta, vuela a Los Ángeles, de ahí a Hous-
gadas de ancho. El patrón #4 generará un rollo de 2.5 ton, luego a Nueva Orleans y finalmente de regreso a
pulgadas, otro de 3 pulgadas y uno más de 3.5 pulgadas Atl ta. Cuando el avión llega a Atlanta, se dice que el
de ancho (dejando 1 pulgada de desperdicio). El patrón vue ha concluido y, después, empieza de nuevo. Por
#5 resultará en 1 rollo de 2.5 pulgadas y dos rollos de 3.5 lo nto, debe tenerse en cuenta el combustible a bordo
pulgadas de ancho (dejando 0.5 pulgadas de desperdicio cu do el avión llega a Atlanta y después comienza otra
en un extremo). Se ha recibido un pedido de 2,000 rollos vez. A lo largo de cada tramo de esta ruta, hay una can-
de 2.5 pulgadas, 4,000 rollos de 3 pulgadas y 5,000 rollos de tidad máxima y una mínima de combustible que puede
ESTUDIO DE CASO 321
Datos para el
COMBUSTIBLE COMBUSTIBLE CONSUMO DE PRECIO DE
problema 8-23 MÁXIMO COMBUSTIBLE COMBUSTIBLE
MÍNIMO
REQUERIDO PERMITIDO ORDINARIO POR
TRAMO (1,000 GAL.) (1,000 GAL.) (1,000 GAL.) GALÓN
Atlanta—Los Ángeles 24 36 12 $4.15
Los Ángeles—Houston 15 23 7 $4.25-
Houston—Nueva Orleans 9 17 3 $4.10
Nueva Orleans—Atlanta 11 20 5 $4.18
llevarse. En la tabla anterior, se proporcionan estos datos el avión llevaba 25,000 galones al despegar de Atlanta, el
y alguna información adicional. combustible consumido en esta ruta sería de 12 + 0.05 =
El consumo regular de combustible se basa en un 12.05 miles de galones. Si hubiera 26,000 galones a bordo,
avión que transporta la cantidad mínima de combustible. el combustible consumido se incrementaría en otros 0.05
Si lleva más que eso, la cantidad de combustible consu- miles, para un total de 12,100 galones.
mido es mayor. En concreto, por cada 1,000 galones de Formule esto como un problema de programación
combustible por encima del mínimo, 5% (o 50 galones por lineal para minimizar el costo. ¿Cuántos galones debe-
1,000 galones adicionales de combustible) se pierde de- rían comprarse en cada ciudad? ¿Cuál es el costo total
bido al consumo excesivo de combustible. Por ejemplo, si de éste?
Estudio de caso
Cable & Moore
Debido a que la empresa se expandirá hacia varios mercados nuevos Por su experiencia, la gerencia sabe que la capacitación de un nuevo
en los próximos meses, Cable & Moore anticipa un gran aumento en empleado es esencial. Cada aprendiz ingresa a un programa de capa-
los ingresos por ventas. El futuro parece brillante para este proveedor citación de 1 mes, y se le asigna a un empleado experto durante un
de servicios de televisión, telefonía e Internet. Sin embargo, la geren- mes entero. Por lo general, un empleado experto trabaja 160 horas
cia de Cable & Moore está muy consciente de la importancia del ser- al mes. Sin embargo, cuando se le asigna un empleado nuevo para
vicio al cliente en mercados nuevos. Si el público tiene problemas con capacitarlo, sus horas de trabajo productivo se reducen a 80 horas
el nuevo servicio y no los puede resolver con rapidez y eficacia, la de- mensuales.
manda se erosionará rápidamente y podría tardar años en recuperarse Durante el periodo de capacitación, el aprendiz recibe un pago
de la mala publicidad. Por lo tanto, la gerencia es firme en demandar de $2,000 mensuales. Al final de ese tiempo, el salario mensual au-
suficientes representantes de servicio al cliente, bien capacitados, para menta al salario estándar para un representante de servicio al cliente
manejar las llamadas de los clientes nuevos y potenciales. regular, que es de $3,000 mensuales. En el pasado, la compañía perdió
Con base en su experiencia en otros mercados, se proyectó el mensualmente alrededor de 5% de sus representantes de servicio al
número de llamadas de servicio al cliente. De acuerdo con la duración cliente capacitados debido al desgaste. Aunque la compañía está tra-
promedio de las llamadas, en la siguiente tabla se muestra el número tando de mejorar esto, se prevé que durante los próximos meses esta
de horas de servicio al cliente, proyectadas de abril a agosto. tendencia continuará. Habrá 150 empleados capacitados a principios
de abril. La gerencia de la empresa quisiera desarrollar un progra-
MES ABRIL MAYO JUNIO JULIO AGOSTO ma de contratación de nuevos empleados, con la finalidad de tener
Horas necesarias 21,600 24,600 27,200 28,200 29,700 suficientes representantes de servicio al cliente para cubrir la de-
manda; pero esto se tiene que hacer al menor costo posible.
322 CAPÍTULO 8 • APLICACIONES DE PROGRAMACIÓN LINEAL
Preguntas para análisis 3. ¿Cómo cam iaría el programa si la tasa de deserción pudiera
reducirse de a 3% mensual? ¿Cuál sería el impacto en el costo?
1.Desarrolle un programa para la contratación de empleados nue-
vos. ¿Cuál es el costo total de este programa?
2. Comente las limitaciones que existen para esta solución.
Bibliografía
OBJETIVOS DE APRENDIZAJE
1. Estructurar problemas de PL para los modelos de 3. Utilizar PL para modelar problemas de la ruta
transporte, transbordo y asignación. más corta y del flujo máximo.
2. Resolver problemas de localización de instalaciones 4. Resolver problemas de árboles de expansión
y otras aplicaciones con modelos de transporte. mínima.
Resumen • Glosario • Problemas resueltos • Autoevaluación • Preguntas para análisis y problemas • Estudio de caso:
Andrew-Carter, Inc. • Estudio de caso: Northeastern Airlines • Estudio de caso: Problemas de tránsito en la Southwestern
University • Estudios de caso en Internet • Bibliografía
Apéndice 9.1: Uso de QM para Windows
323
324 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
9.1 Introducción
En el capítulo 8 vimos ejemplos de una serie de prol lemas administrativos que podrían plantearse me-
diante la programación lineal (PL) y, en este capítulo, studiaremos aún más ejemplos de este tipo. Sin em-
bargo, todos los problemas de este capítulo pueden pl atearse como redes y usando también programación
lineal. El uso de redes ayuda a visualizar y a compre der el problema de administración. Estos modelos
incluyen problemas de transporte, transbordo y asignación, el problema del flujo máximo, el problema de
la ruta más corta y el problema del árbol de expansión mínima. En este capítulo, el principal medio para
resolver estos problemas es el uso de software de programación lineal. No obstante, para tomar ventaja
de la estructura única de algunos de estos problemas, se han desarrollado algoritmos especializados para
resolver problemas muy grandes de manera más rápi a y eficiente. Dichos algoritmos se presentan en el
módulo 8 del sitio web que acompaña a este texto.
El problema básico de transporte se relaciona c n la búsqueda de la mejor manera (por lo general,
al menor costo) de distribuir bienes que provienen' d fuentes como fábricas, en varios destinos finales,
como puntos de venta. Si existen puntos intermedios, or ejemplo, centros de distribución regionales, hacia
donde deben ir los artículos antes de ser enviados a su' destino final, entonces el problema de transporte se
convierte en un problema de transbordo. El problema de asignación consiste en encontrar la mejor forma
(por lo general, al menor costo) de asignar individuos o piezas de equipo a varios proyectos o trabajos. La
manera de realizar esta asignación es uno a uno; en otras palabras, a cada persona se le asigna un solo tra-
bajo, y cada trabajo solamente necesita una persona as gnada a él.
La técnica de flujo máximo encuentra el flujo áximo de cualquier cantidad o sustancia a través
de una red. Esta técnica puede determinar, por ejem lo, el número máximo de vehículos (automóviles,
camiones, etcétera) que pueden circular a través de urja red de carreteras de un lugar a otro. La técnica de
la ruta más corta puede encontrar cuál es la trayectoria de menor longitud a través de una red. Por ejem-
plo, esta técnica puede encontrar la ruta más corta de una ciudad a otra, a través de una red de carreteras.
La técnica del árbol de expansión mínima determina la ruta a través de la red que conecta todos los puntos
y minimiza la distancia total. Cuando los puntos representan casas en un vecindario, la técnica del árbol
de expansión mínima se utiliza para determinar cómo conectar todas las casas a la energía eléctrica, al
sistema de agua, etcétera, de manera que se minimice la distancia total, la longitud de las líneas eléctricas
o las tuberías de agua.
Aunque en este capítulo se presentan muchos ejemplos diferentes, existe cierta terminología común a
Los círculos en las redes se denominan todos los modelos de redes. Los puntos de la red se c noten como nodos y las líneas de la red que conec-
nodos. Las líneas que los conectan se tan los nodos se denominan arcos. Regularmente los odos se grafican como círculos, aunque a veces se
llaman arcos. usan cuadrados o rectángulos para representarlos.
La formulación de PL es
FIGURA 9.1
Fuente Destino
Representación en red
de un problema de Oferta Demanda
transporte, con costos,
demandas y ofertas $5
Des Moines Albuquerque
100 300
(Fuente 1) (Destino 1)
:4
S3
$8
Evansville Boston
300 200
(Fuente 2) (Destino 2)
S3
300
Fort Lauderdale
(Fuente 3)
9
/\ $5
Cleveland
(Destino 3)
200
entrada más sencilla y más intuitiva en Excel 2013 con Solver, y para este ejemplo se utilizará Excel QM
con la finalidad de ilustrar esto.
El programa 9.1 presenta los datos de entrada y la solución a este ejemplo. Haga clic en la pestaña
de Excel QM y seleccione el menú Alphabetical de la barra de Excel QM. Cuando aparezca el menú, des-
plácese hacia abajo y elija Transportation. En la ventana de entrada que se abre, introduzca el número de
orígenes o fuentes (3 en este ejemplo), el número de destinos (3 para este ejemplo), seleccione Minimize
y haga clic en OK. Aparecerá una hoja de cálculo, donde se introducen los costos, las ofertas y demandas
mostradas en la tabla de datos. Luego haga clic en la pestaña Data, seleccione Solver de la barra Data y
haga clic en Solve en la ventana de entrada de Solver. No es necesario escribir ninguna fórmula ni cambiar
ninguno de los parámetros.
El número de variables y restricciones bles (es decir, n = 8), el problema de programación lineal tendría 5 (8) = 40 variables y 5 + 8 = 13
para un problema típico de restricciones.
transporte se puede encontrar El uso de subíndices dobles en las variables facilita la expresión de la forma general del problema
a partir del número de fuentes de programación lineal para un problema de transporte, con m fuentes y n destinos. Sean
y destinos.
= número de unidades enviadas desde la fuente i hasta el destino j
cy = costo de una unidad desde la fuente i hasta el destino j
= oferta en la fuente i
di = demanda en el destino j
El modelo de programación lineal es
n m
Minimizar el costo = E Ecijx,y
.m1 i=1
sujeto a
= 1,2, ... ,m
J=1
= j = 1, 2, . . . , n
i=i
xu O para toda i y j
TABLA 9.1
DEMANDA
Datos de la demanda y •MENSUAL PLANTA E OFERTA COSTO DE PRODUCIR
la oferta de Hardgrave N (UNIDADES) PRODUCCI N MENSUAL UNA UNIDAD (S)
la ubicación de Seattle, y el segundo será para Birmingham. Al evaluar la ubicación en Seattle, las varia-
bles se definen como sigue:
= número de unidades enviadas de la fuente i al destino j
donde
i = 1, 2, 3, 4 con 1 = Cincinnati, 2 = Salt Lake City, 3 = Pittsburgh y 4 = Seattle
j = 1, 2, 3, 4 con 1 = Detroit, 2 = Dallas. 3 = Nueva York y 4 = Los Ángeles
La formulación del problema de programación lineal tiene un objetivo de minimizar el costo total: costo de
transporte más costo de producción.
Minimizar el costo total = 73X11 + 103X12 + 88X13 + 108X14 + 852(21 + 80X22 + 100X23
+ 90X24 + 88X31 + 97X32 + 782(33 + 11844 + 113X41 + 91X42 + 118X43 + 80X44
sujeto a
xi I + x21 + X31 + X41 = 10,000 demanda en Detroit
X12 + X22 + X32 + X42 = 12,000 demanda en Dallas
X13 + X23 + X33 + X43 = 15,000 demanda en Nueva York
X14 + X24 + X34 + X44 = 9,000 demanda en Los Ángeles
X11 + X12 + X13 + X14 5 15,000 oferta de Cincinnati
X21 + X22 + X23 + X24 S 6,000 oferta de Salt Lake City
X31 + X32 + X33 + X34 14,000 oferta de Pittsburgh
X41 + X42 + X43 + X44 5- 11,000 oferta de Seattle
Todas las variables O
Al resolver esto, se encuentra que el costo total con localización de Seattle es de $3,704,000.
9.2 EL PROBLEMA DE TRANSPORTE 329
PROGRAMA 9.2 De la barra de Excel QM, seleccione Después de introducir los costos, haga
Solución para 1 Ha el menú (Alphabetical o By Chapter). en la pestaña Data y seleccione Solver.
localización de la Seleccione Transportation en el menú Luego haga clic en Solve.
llar
desplegable y, luego, ingrese los 3
instalación (Seattle) orígenes (fuentes) y los 4 destinos.
on me tinten. del on Solver m the Dala
Excel QM 8 Data
9 COSTS De olt Dalias New Yo os 42.4.• es Sapply
10 Cmcinnati 73 103 88 108 15000
11 Salt Lake City 85 80 100 6000
12 Pittsburgh 88 97 78 118 14000
13 Seattle , 11.3 91 113 80 11000
14 Demonial 110013 9000._.1 46000 \ 46030
15
16I Shipments (-Complete la tabla con los costos,
17 Shipments Detroit Dallas New York las ofertas y las demandas.
12 Cancinnati 10000 4000 1000
19 Salt Lake Caty 6000
20 Pittsburgh 14000 14000
21 Seattle 2000 9000 11000
—1
22 Column Total 10000 12913.-- 46000 \ 46000
23
1
El costo está aquí.
24 Total Cost 3704000
PROGRAMA 9.3 A c E G H
1 Hardgrave Machine
Solución para
localización de la 3 Transportation
en Excel 2013 usando 6 11SOLVell Is not on Iba Data Tala Men Peaso son the Help Se (Sotuer} for in:gradan&
Excel QM 8 Data
9 CC6TS Detroit Dallas teso York Los Angel es Supply —1
10... .. Cincinnati 73 103 88 108 15000 —1
---1
11 Salt Lake City 85 80 100 90 6000 _J
12 Plttsburgh 88 97 78 118 14000 1
13 Birmingham 84 79 90 99 11000
14 Densand , 10000 .....32000-... 15000 1 _ .90011, ._:I 46000 \ 46000
15 :
16 Shipments
--1
17 Shipments Detroit Dallas New York Los Angeles Row Total 1
18 Caneinnati 10000 1000 4000 15000
19 Salt Lake City 1000 5000 6000
20 Pittsburgh 14000 14000
21 Birmingham 11000 11000
22 Column Total 10000 12,P" ""-^...---4000 46000 \ 46000 1
23 /
- El costo está aquí. 7--
24 Total Cosí 3741000-4 ,
330 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
FIGURA 9.2
Persona Proyecto
Ejemplo de un problema
de asignación en el Oferta 1 Demanda
formato de una red de
transporte $11
Adams Proyecto 1
1 1
,..._
(Fuente 1) (Destino 1)
S8
Brown Proyecto 2
(Fuente 2) (Destino 2)
$1
Cooper Proyecto 3
1
(Fuente 3) S (Destino 3)
9.3 EL PROBLEMA DE ASIGNACIÓN 331
las tareas. El propietario desea asignar los trabajos de modo que se minimice el costo total; cada trabajo
debe tener una persona asignada al mismo, y cada persona sólo puede ser asignada a una tarea.
Para la formulación de esto como un problema de programación lineal, se puede utilizar la forma ge-
neral del problema de transporte. En la definición de variables, sean
donde
i = I, 2, 3, con 1 = Adams, 2 = Brown y 3 = Cooper
j = 1, 2, 3, con 1 = Proyecto 1, 2 = Proyecto 2 y 3 = Proyecto 3
La formulación de PL es
sujeto a
La solución se muestra en el programa 9.4. De acuerdo con ésta, x13 = 1, por lo que Adams se asigna
al proyecto 3; X22 = 1, por lo que Brown se asigna al proyecto 2, y x31 = 1, por lo que Cooper se asigna al
proyecto 1. Todas las demás variables son O. El costo total es de $25.
Este problema podría introducirse en Excel, Excel QM o QM para Windows como un problema de
programación lineal, o podría ingresarse como un problema de transporte con todas las ofertas y demandas
iguales a 1. Sin embargo, tanto Excel QM como QM para Windows tienen un módulo para este problema
de asignación. En Excel QM, desde el menú Alphabetical en la barra de Excel QM, seleccione Assignment.
Se abrirá la ventana de inicialización, donde puede escribir el número de tareas para después seleccionar
Minimization. Haga clic en OK y se abrirá una hoja de trabajo para que ingrese los costos como se muestra
en la tabla de datos del programa 9.4. Después, seleccione Solver de la barra Data y haga clic en Solve en
la ventana de entrada de Solver. Los resultados se muestran en el programa 9.4.
El software para el problema de asignación supe ne que el problema está equilibrado, es decir, que el
número de fuentes (o personas) es igual al número d destinos (o trabajos). Si el problema no está equili-
brado, se agrega una fuente ficticia o un destino fic • cio al problema para que cumpla esta condición. En
algunos casos, se usa más de una fuente o un destino ficticio. Debido a que este elemento no es una asig-
nación real y sólo indicará cuál fuente o destino caree e de una asignación, todos los costos serán iguales a
cero. El problema resuelto 9-2 al final del capítulo ilu strará este caso.
En el problema de asignación, se requiere que la variables sean 0 o 1. Debido a la estructura especial
de este problema con coeficientes de restricción como O o 1, y todos los valores del lado derecho iguales
a 1, éste puede resolverse como un problema de programación lineal. La solución a tal problema (si acaso
existe) siempre indicará variables iguales a O o 1. Hay otros tipos de problemas donde es recomendable
utilizar las variables 0-1, pero la solución a estos problemas usando los métodos normales de programación
lineal no necesariamente contiene sólo ceros y unos. En tales casos, deben emplearse métodos especiales
para forzar que las variables sean O o 1; lo anterior se estudiará como un tipo especial de problema de pro-
gramación entera que se incluye en el capítulo 10.
350
700
300
9.4 EL PROBLEMA DE TRANSBORDO 333
Toronto $4 $7 800
Detroit $5 $7 700
Chicago — — $6 $4 $5
Búfalo — — $2 $3 $4
Demanda — — 450 350 300
desde éstos hasta un destino final debe haberse recibido en ese punto de transbordo desde una de las fuen-
tes. El enunciado verbal de este problema sería el siguiente:
Minimizar el costo
sujeto a
En el problema de programación Las variables de decisión deberían representar el número de unidades enviadas desde cada fuente hasta
lineal se utilizan restricciones cada punto de transbordo y el número de unidades salidas de cada punto de transbordo hacia cada destino
de transbordo especiales. final, porque éstas son las decisiones que la gerencia debe tomar. Las variables de decisión son
Xii = número de unidades enviadas desde la ubicación (el nodo) i hasta la ubicación (el nodo)j
donde
i=1,2,3,4
j = 3, 4, 5, 6, 7
Los números son los nodos mostrados en la figura 9.3, y hay una variable para cada arco (ruta) en la figura.
El modelo de PL es
Minimizar el costo total = 4X13 + 7X14 + 5X23 + 7X24 + 6X35 + 4X36
+ 5X37 + 2X45 + 3X46 + 4X47
sujeto a
En el programa 9.5, se muestra la solución encontrada utilizando Solver en Excel 2013 y Excel QM. El
costo total es de $9,550 por el envío de 650 unidades de Toronto a Chicago, 150 unidades de Toronto a
Búfalo, 300 unidades de Detroit a Búfalo, 350 unidades de Chicago a Filadelfia, 300 unidades de Chicago
a San Luis y 450 unidades de Búfalo a Nueva York.
334 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
10 --...
11 X13 X14 X23 824 X35 X36 x37 X45 X46 V.7
12 5' 3 4 5,0 R'iS
Desarrollo de
Desarrollo de un modelo
un modelo Para resolver este problema, los investigadores desarrolla ron un problema de programación lineal con algunas
variables de decisión enteras (como el número de camio nes) y algunas variables (lineales) continuas (por ejem-
plo, las toneladas de caña de azúcar).
Adquisición de
Adquisición de datos de entrada
datos de entrada En el desarrollo del modelo, las entradas recopiladas fueron las demandas operativas de los ingenios azuca-
reros involucrados, las capacidades de las instalaciones de almacenamiento intermedias, los costos de trans-
porte por unidad de cada ruta y las capacidades de producción de los distintos campos de caña de azúcar.
Pruebas a la solución
Pruebas
a la solución Los investigadores involucrados primero probaron u a versión pequeña de su formulación matemática
usando una hoja de cálculo. Después de observar res ultados alentadores, implementaron la versión com-
pleta de su modelo en una computadora de gran ca pacidad. Los resultados para este modelo grande y
complejo (con cerca de 40,000 variables de decisión y 1 0,000 restricciones) se obtuvieron en sólo unos cuan-
tos milisegundos.
Análisis
Análisis de resultados
de resultados La solución obtenida contenía información sobre la ciar tidad de caña entregada a cada ingenio azucarero, el
campo donde se debería recoger la caña y los medios de transporte (camión, tren, etcétera), y varios otros
atributos operacionales vitales.
Implementación
Implementación de resultados
de resultados Aunque la resolución de grandes problemas como éste con algunas variables enteras, habría sido imposible
hace tan sólo una década, ahora puede encontrarse un a solución con toda seguridad. Con la finalidad de im-
plementar los resultados obtenidos, los investigadores esarrollaron una interfaz más sencilla para que los ad-
ministradores no tuvieran ningún problema al usar este modelo como una ayuda para tomar sus decisiones.
Fuente: Basado en E. L. Milan. S. M. Fernandez y L. M. la Aragones. "Sugar Canc Transportation in Cuba: A Case
Study". European Journal of Operational Research, 174. I (2006): 374-386.
9.5 PROBLEMA DEL FLUJO MÁXIMO 335
Ejemplo
Waukesha, un pequeño pueblo en Wisconsin, está en proceso de desarrollar un sistema de caminos en
su zona centro. A Bill Blackstone, uno de los planeadores de la ciudad, le gustaría determinar el número
máximo de automóviles que pueden transitar a través de la ciudad de oeste a este. La red de caminos se
muestra en la figura 9.4. Las calles se indican mediante sus arcos respectivos. Por ejemplo, el arco que va
del nodo 1 al nodo 2 es el arco 1-2. El arco en la dirección inversa (del nodo 2 al nodo 1) es el arco 2-1. Los
números para los nodos indican el número máximo de automóviles (en cientos de automóviles por hora)
que pueden fluir desde los diversos nodos a lo largo de los respectivos arcos. El flujo máximo a lo largo del
arco 1-2 es 3, mientras que el flujo a lo largo del arco 1-3 es 10. A los planeadores de la ciudad les gustaría
saber la capacidad del sistema de caminos actual en la dirección de oeste a este.
El problema del flujo máximo puede plantearse como un problema de programación lineal, el cual se
considera un tipo especial de problema de transbordo con una fuente, un destino y un número de puntos
de transbordo. La cantidad enviada a través de la red se llama flujo. El objetivo es maximizar el flujo
a través de la red. Hay dos tipos de restricciones divididas en conjuntos. El primero de ellos restringe
la cantidad de flujo en cualquier arco a la capacidad de ese arco. El segundo conjunto de restricciones
indica que la cantidad de flujo que sale de un nodo será igual a la cantidad que fluye hacia ese nodo. Estas
restricciones son las mismas que las de un problema de transbordo.
Las variables se definen como:
Se agrega un arco adicional a la red, que va desde el destino (nodo 6) de nuevo hasta la fuente (nodo 1).
El flujo a lo largo de este arco representa el flujo total en la red. El primer conjunto de restricciones en el
problema de programación lineal son los flujos máximos a lo largo de cada arco en cada dirección. Éstos
se agrupan con base en el nodo desde el que se origina el flujo. Las últimas seis restricciones limitan el
FIGURA 9.4
Capacidad en cientos
Red de caminos en el de automóviles por hora
ejemplo de flujo máximo
de Waukesha
Punto
este
Punto
oeste
336 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
flujo de salida de un nodo para igualar el flujo hacia e nodo (es decir, el flujo hacia un nodo menos el flujo
de salida de ese nodo debe ser igual a cero). El probl a de programación lineal es
(X21 + X61) — (X12 + X13 + X14) Flujos entrantes = Flujos salientes del nodo 1
(X12 + X42 + X62) — (X21 + X24 + X26) = O Flujos entrantes = Flujos salientes del nodo 2
(X13 + X43 + X53 ) — (X34 + X35 ) = O Flujos entrantes = Flujos salientes del nodo 3
(X14 + X24 + X34 + X64) — (X42 + X43 ± X46) = Flujos entrantes = Flujos salientes del nodo 4
(X35) — (X56 + X53 ) = 0 Flujos entrantes = Flujos salientes del nodo 5
(X26 + X46 + X56) (X61 ± X62 + X64) = 0 Flujos entrantes = Flujos salientes del nodo 6
Xii O
Ahora el problema está listo para resolverse mediante el módulo de programación lineal de QM para
Windows o utilizando Solver en Excel 2013. Sin embargo, el programa 9.6 ilustra la solución encontrada
con Excel QM. Para lograr esto, en la barra de Excel QM, seleccione Network Analysis as LP y, luego, elija
Maximal Flow. En la ventana de inicialización que se abre, introduzca el número de nodos (6) y haga clic
en OK. Se desplegará una hoja de trabajo como la mostrada en el programa 9.6. Introduzca los datos de las
capacidades de arco y, en seguida, haga clic en Solver en la barra de Data. Haga clic en Solve en la ventana
de entrada de Solver, y los resultados (flujos) se presentarán en la hoja de trabajo.
4 A
PROGRAMA 9.6 —1-De la barra de Excel QM, seleccione el menú-
Watikesha
Solución de Excel 2013 2 _.......__ __ (Alphabetical o By Chapter). Elija Network
3 Maximal How Analysis as LP y Maxímal Flow en el menú
del flujo máximo
desplegable. Luego, llene el número de ramas
para Waukesha 5
o arcos (6). Haga clic en OK.
usando Excel QM
8 Data-Are eapiwities
9 FrorrAto Node 1 Node 2 Node 3 Node 4 Node 5 Node 6
Nodet 0 3 lo 2 o o
Nade 2 1 1 2 Cuando se abra la hoja de
Nodo 3 o 3 2 0 trabajo, introduzca los flujos
Nodo 4 o o en la tabla.
Node 5 o o o
Nade 6 999999 0 1
16
al,. V CIIMI ya ,J1.1.4 a 11,11.41,1%.•
Como el punto de inicio es el nodo 1, no incluiremos variables que vayan desde el nodo 2 o 3 hasta
el nodo 1. Del mismo modo, puesto que el nodo 6 es el destino final, no incluiremos ninguna variable que
inicie en el nodo 6. Si se toma esto como un problema de transbordo, el nodo origen (nodo 1) debe tener
una unidad enviada desde él. Esto sería,
X12 + X13 = 1
El nodo de destino final (nodo 6) debe tener una unidad enviada hacia él, lo cual se escribe como
X46 + X56 = 1
Cada nodo intermedio tendrá una restricción para indicar que la cantidad que entra en el nodo debe ser
igualar la cantidad que sale de éste (es decir, el flujo de entrada a un nodo menos su flujo de salida debe
ser igual a cero). Para el nodo 2, esto sería
sujeta a
FIGURA 9.5
Caminos de la planta
de Ray al almacén
PROGRAMA 9.7 A
De la barra de Excel QM, seleccione el y
t Ray Design
Solución en Excel 2013 menú (Alphabetical o By Chapter). Elija
Shortest Path Network Analysis as LP y Shortest Route
para Ray Design, Inc.
Er4ei tne distante; luan neer en el menú desplegable. Después, llene
usando Excel QM notoo, orce on Soban ira the I el número de ramas o arcos (6). Haga
7 , 5 SGIVER 15 not on the Dati
t„ clic en OK.
4 Data - Distante Table ''
FronAto City 1 City 2 City 3 CIty 4 City 5
O 1 100 200 o
r uando se abra la hoja
14 CIty 1 1 1
CIty 2 100 I 0 50 200 1 100 1 1
e cálculo,introduzca las
11
12 City 3 200 1 50 0 0 l 43 Ó 1 istancias en la tabla. }
13 City 4 0 i 200 0 0 150 100
14 City 5 0 I 100 40 150 0 100
15 City 6 0 1 0 0 100 100 0
16: 1 o 0 o o -1
17 Stait=1,Finish.-1
18
19 Flows
20 From \ to CIty 1 City 2 City 3 City 4 City 5 City 6 Outflow
21 aty 1 1 1
22 aty 2 1 1
23 City 3 1 1
24 City 4
25 City 5 1
26 Oty 6
27 Inflow 1
Aunque este problema podría resolverse como un problema de programación lineal, la forma más
fácil de obtener la solución es mediante Excel QM. Para resolver un problema de la ruta más corta, de la
barra de Excel QM seleccione Network Analysis as LP y, luego, elija Shortest Path. En la ventana de ini-
cialización que se abre, introduzca el número de nodos (6) y haga clic en OK. Se desplegará una hoja de
trabajo como la mostrada en el programa 9.7. Introduzca los datos de las distancias y, luego, haga clic en
Solver en la barra de Data. Haga clic en Solve en la ventana de entrada de Solver, y los resultados (flujos)
se presentarán en la hoja de trabajo. En el programa 9.7, se observa que
Así que Ray viajará de la ciudad 1 a la ciudad 2 y, 1 ego, a la ciudad 3, y después a la ciudad 5, y de ahí
a la ciudad 6, su destino final. La distancia total es d 290 millas.
tratan de minimizar el cable necesario para conectar varias computadoras en red. Aunque se han usado
modelos de programación lineal para resolver esto, hay ciertas propiedades del problema que lo hacen
bastante complejo. Por fortuna, hay otro método más sencillo para encontrar la solución a un problema
de este tipo, y se muestra a continuación. La técnica del árbol de expansión mínima se presentará me-
diante el siguiente ejemplo.
Consideremos la empresa constructora Lauderdale, que actualmente está desarrollando un proyecto
de viviendas de lujo en Panama City Beach, Florida. Melvin Lauderdale, propietario y presidente de la
constructora Lauderdale, debe determinar la forma menos costosa en que se puede suministrar agua y elec-
tricidad a cada casa. La red de casas se muestra en la figura 9.6.
Como se observa en la figura 9.6, hay ocho casas en el golfo. En la red se muestra la distancia entre
cada casa en cientos de pies. Por ejemplo, la distancia entre las casas 1 y 2 es de 300 pies. (El número 3 se
encuentra entre los nodos 1 y 2). Ahora, la técnica del árbol de expansión mínima se utiliza para determinar
la distancia más corta que se puede utilizar para conectar todos los nodos. El enfoque se describe de la
siguiente manera:
Existen cuatro pasos para resolver Pasos para la técnica del árbol de expansión mínima
un árbol de expansión mínima.
1. Seleccione cualquier nodo de la red.
2.. Conecte ese nodo al nodo más cercano que minimiza la distancia total.
3. Considerando todos los nodos que están conectados ahora, encuentre y conecte el nodo más cercano
que no lo esté. Si hay un empate en el nodo más cercano, seleccione uno de ellos arbitrariamente.
Un empate sugiere que puede haber más de una solución óptima.
4. Repita el tercer paso hasta conectar todos los nodos.
Paso 1: Seleccionamos el nodo 1. Ahora, resolveremos la red de la figura 9.6 para Melvin Lauderdale. Comenzamos seleccionando
Paso 2: Conectamos el nodo 1 al arbitrariamente el nodo 1. Como el nodo más cercano es el tercer nodo a una distancia de 2 (200 pies),
nodo 3. conectamos el nodo 1 al nodo 3. Esto se muestra en la figura 9.7.
Considerando los nodos 1 y 3, buscamos el próximo nodo más cercano. Éste es el nodo 4, que es
el más cercano al nodo 3. La distancia es de 2 (200 pies). Una vez más, conectamos estos nodos (vea el
inciso (a) de la figura 9.8).
Continuamos buscando el nodo sin conexión más cercano a los nodos 1, 3 y 4. Éste es el nodo 2 o el
nodo 6, pues cada uno está a una distancia de 3 desde el nodo 3. Elegimos el nodo 2 y lo conectamos
al nodo 3 (vea el inciso (b) de la figura 9.8).
FIGURA 9.6
Red para la empresa
constructora Lauderdale
Golfo
340 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
FIGURA 9.7
Primera iteración para
la empresa constructora
Lauderdale
Paso 3: Conectamos el siguiente Continuamos con el proceso. Hay otro empate para la siguiente iteración con una distancia mínima de
nodo más cercano. 3 (del nodo 2 al nodo 5 y del nodo 3 al nodo 6). Tenga en cuenta que no consideramos del nodo 1 al nodo 2
con una distancia de 3, debido a que los nodos 1 y 2 ya están conectados. Seleccionamos arbitrariamente
Paso 4: Repetimos el proceso. el nodo 5 y lo conectamos al nodo 2 (vea el inciso (a) de la figura 9.9). El siguiente nodo más cercano es el
nodo 6, conéctelo al nodo 3 (vea el inciso (b) de la fi ura 9.9).
En esta etapa, nos quedan sólo dos nodos sin co ectar. El nodo 8 es el más cercano al nodo 6, con una
distancia de 1, y lo conectamos (vea el inciso (c) del figura 9.9). Después, el nodo 7 restante se conecta al
nodo 8 (vea el inciso (d) de la figura 9.9).
La solución final se observa en la séptima y úl ima iteración. Los nodos 1, 2, 4 y 6 están todos co-
nectados al nodo 3. El nodo 2 está conectado al nodo 5. El nodo 6 está conectado al nodo 8, y el nodo 8
está conectado al nodo 7. Ahora, todos los nodos están conectados. La distancia total se encuentra su-
mando las distancias de los arcos utilizados en el árbol de expansión. En este ejemplo, la distancia es de
2 + 2 + 3 + 3 + 3 + 1 + 2 = 16 (o 1,600 pies). Lo anterior se resume en la tabla 9.4.
9,7 PROBLEMA DEL ÁRBOL DE EXPANSIÓN MÍNIMA 341
El problema del árbol de expansión mínima se resuelve con Excel QM o QM para Windows. Para uti-
lizar Excel QM en Excel 2013, seleccione el menú Alphabetical de la barra, desplácese hacia abajo hasta
Network Analysis y elija Minimal Spanning Tree. En la ventana de inicialización de la hoja de cálculo que
se abre, introduzca el número de ramas o arcos (13 en este ejemplo). Cuando se abra la hoja de cálculo,
TABLA 9.4 Resumen de los pasos en el problema del árbol de expansión mínima
para la empresa Lauderdale
NODOS NODO
NODOS SIN SIN CONECTAR ARCO LONGITUD DISTANCIA
PASO CONECTADOS CONECTAR MÁS CERCANO SELECCIONADO DEL ARCO TOTAL
1 1 2, 3, 4,5, 6, 7, 8 3 1-3 2 2
2 I, 3 2, 4, 5, 6, 7, 8 4 3-4 2 4
3 1, 3, 4 2, 5, 6, 7, 8 2o6 3-2 3 7
4 1, 2, 3, 4 5, 6, 7, 8 5o6 2-5 3 10
5 1, 2, 3, 4, 5 6,7,8 6 3-6 3 13
6 1, 2. 3, 4, 5, 6 7, 8 8 6-8 1 14
7 1, 2, 3, 4, 5, 6, 8 7 7 8-7 2 16
342 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
PROGRAMA 9.8 A e c
(De la barra de Excel QM, seleccione el
1 Lauderdale Construction
Ejemplo del árbol de 2 menú (Alphabetwai o By Chapter). Elija
3 Network Analysis Network Analysis y Minimum Spanning
expansión mínima
Efiletrtai nade, en Tree en el menú desplegable. Después,
para la constructora Salve
complete el número de ramas o arcos (13).
Lauderdale node lj
K._Haga clic en OK.
Después de introducir los'. Results
idatos,haga clic en Solve. Endnode, Cost Inciude Cosi
10 --imanen 1 2 1
Cuando se abra la hoja de trabajo,
11 Brandi 2 1 3 2
12 Branch 3 1 4 5 introduzca el nodo de inicio, el nodo
13 Branch 4 2 3 3 final y el flujo para cada arco.
14 Branch 5 2 5 3 T .1
15 Branch 6 3 4 2- 2
16 Branch 7 3 5 5
17 Branch 8 3 6 3 3
18 Branch 9 3 7 7
19 Branch 10 t 4 1 6 6
20 Branch 11 5 7 4
21 Branch 12 6 8
22 Branch 13 7 8 2 1 2
23
24 Sum 16
introduzca en cada arco el nodo inicial, el nodo final y la distancia entre ambos (es decir, la longitud del
arco) como se indica en el programa 9.8. Haga clic en el botón So/ve que aparece en la hoja de cálculo, y
la solución se mostrará como en el programa 9.8. El problema también podría resolverse en QM para Win-
dows seleccionando el módulo de redes e introduciendo un nuevo problema como un árbol de expansión
mínima. La entrada es muy similar a la de Excel QM.
Resumen
En este capítulo exploramos varios problemas que se plantean común- para todos, excepto para el árbol de expansión mínima, destacando el
mente como redes, con nodos y arcos que representan una variedad de hecho de que la programación lineal puede ser benéfica en muchas
situaciones. Éstos fueron los problemas de transporte, de asignación. áreas diferentes. Los programas de computadora que toman ventaja
de transbordo, de flujo máximo. de la ruta más corta y del árbol de de la estructura especial de estos problemas pueden ayudar a resolver
expansión mínima. Se desarrollaron modelos de programación lineal grandes problemas de redes de manera muy eficiente.
PROBLEMAS RESUELTOS 343
Glosario
Análisis de localización de instalaciones Una aplicación del Problema de asignación Un tipo especial de problema de redes
método de transporte para ayudar a una empresa a decidir donde los costos se minimizan, mientras se asignan personas a
dónde debe ubicar una nueva fábrica, un nuevo almacén u otra trabajos (u otras tareas). La manera establecer estas relaciones es
instalación. uno a uno.
Arco Una línea en una red que puede representar un camino o una Problema de la ruta más corta Un problema de redes con el obje-
ruta. Un arco o una rama se utilizan para conectar los nodos de tivo de encontrar la distancia más corta desde una ubicación hasta
una red. otra pasando por nodos intermedios.
Destino Una ubicación de demanda en un problema de transporte. Problema de transporte Un caso específico de PL relacionado con
Destino final El nodo final o el nodo destino en una red. la programación de envíos desde fuentes hasta destinos, de modo
Fuente Un origen o una ubicación de oferta en un problema de que se minimicen los costos de transporte totales.
transporte. Además, el origen o nodo de inicio en una red de flujo Problema del árbol de expansión mínima Un problema de redes
máximo. con el objetivo de minimizar la distancia o el costo total requeri-
Nodo Un punto en una red, con frecuencia se representa mediante dos para conectar todos los nodos en una red.
un círculo, y está al principio o al final de un arco. Problema del flujo máximo Un problema de redes con el objetivo
de determinar la cantidad máxima que puede fluir desde el origen
o la fuente hasta el destino final.
Problemas resueltos
Solución
Defina las variables como
Xy = número de unidades enviadas de la planta i al proyecto/
donde
i = 1, 2, 3 con 1 = planta 1, 2 = planta 2 y 3 = planta 3
j = 1, 2, 3 con 1 = proyecto A, 2 = proyecto B y 3 = proyecto C
La formulación del problema de programación lineal es
Minimizar el costo total = 10X11 + 4X12 + 11X13 + 12X21 + 5X22 + 8X23 9X31 7X32 6X33
sujeto a
+ X21 + X31 = 40 Requisitos del proyecto A
x12 + x22 ± X32 = 50 Requisitos del proyecto B
X13 + X23 + x33 = 60 Requisitos del proyecto C
x11 + x12 + X13 70 Capacidad de la planta 1
x21 + x22 + X23 50 Capacidad de la planta 2
X31 + X32 X33 30 Capacidad de la planta 3
Todas las variables n
344 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
Programa para A a c E F o H
i 1
Solved Problem 9-1 i ¡
el problema
resuelto 9-1
1
2
Transportaton _
n... -.
1L:
Enter 5, transporlenor data in the nusded area The" soto ine DATA Tab on ese &bort
Oda ezsayan Cm* and lencine sotve_ ,- -, ..
r, cl 4 Sobo,
C SOt VER n not en ese Data Taa nen pleesenee tse Helio tile . ' ' '
8 Data
9 COSTS Project 1 Project 2 Project 3 Supply
--+
10 Plant 1 10 4 11 70
11 Plant 2 12 5 8 50
12 Plant 3 9 7 6 30
13 Demand 50 60 150 \ 150
14 ,
Ir
15 Shipments L
16 ShIpments Project 1 Project 2 Project 3 Roer Total
17 Ptant 1 20 SO 70 1--
i
18 Ptant 2 50 50 i
19 Ptant 3 20 10 30 i
OFICINA
CONTRATADO OMAHA MIAMI DALLAS
Debido a que hay tres nuevas contrataciones y cuatro oficinas si se incluye Nueva York, el problema no está equi-
librado. Es imposible que las cuatro ciudades tengan una persona asignada (es decir, no existe una solución fac-
tible). Por lo tanto, se agrega una fuente ficticia (contratación nueva), y los costos son cero para este elemento
ficticio. Por consiguiente, las variables podrían omitirse de la función objetivo, pero se incluyen por exhaustividad
del procedimiento.
Defina las variables como
donde
A continuación, se muestra la solución óptima que se encontró con Excel QM: Jones se asigna a Miami
(X12 = 1), Smith se asigna a Nueva York (X24 = 1), Wilson se asigna a Omaha (X31 = 1) y nadie (ficticio) se asigna
a Dallas (X43 = 1). El costo total es de $2,400.
Programa para A e E
13 Du 1
14
15 Í Assignments
16 ShIpments Omaha Miami Dallas NY Row Total
17 --1
lonas 1 1
18 Smith 1. 1
19 Wilson 1 1
20 Dummy 1 1
21 Column Total 1 1 1 1 4
22
23 Total Cost 2400
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. Si un problema de transporte tiene 4 fuentes y 5 destinos, su 2. Un problema de asignación puede verse como un problema de
problema de programación lineal tendrá transporte con
a. 4 variables y 5 restricciones. a. un costo de $1 para todas las rutas de envío.
b. 5 variables y 4 restricciones. b. todas las ofertas y demandas iguales a 1.
c. 9 variables y 20 restricciones. c. sólo restricciones de demanda.
d. 20 variables y 9 restricciones. d. sólo restricciones de oferta.
346 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
3. Una empresa está evaluando la apertura de un nuevo centro 6. En un mod lo típico de la ruta más corta, el objetivo es
de producción, y tiene tres lugares bajo consideración. Para este a. • • • el número de nodos en la ruta.
problema de localización de instalaciones, ¿cuántos modelos b. el tiempo o la distancia para ir de un punto a otro.
de transporte se deben desarrollar y resolver? c. minimizar el número de arcos en la ruta.
a. 1 d. viajar a ravés de todos los nodos de la mejor manera posible.
b. 2 7. Una gran ciudad está planeando unos Juegos Olímpicos, que
c. 3 se realizarán dentro de unos pocos años. Se evalúa el sistema
d. 4 de transporte para determinar la expansión que se requiere para
4. Se asignarán cuatro grúas a cinco trabajos de construcción. manejar el gran número de visitantes a los juegos. ¿Cuál de los
Uno de los trabajos se retrasará hasta que una de las grúas siguientes modelos es más probable que sea útil para que los
esté disponible después de terminar la primera tarea. planeadores de la ciudad determinen la capacidad del sistema
Se usará una modelo de asignación. Para permitir que actual?
el software especializado encuentre una solución a este a. El modelo de transporte.
problema, b. El modelo del flujo máximo.
a. no debe hacerse nada en especial con el problema. e. El modelo de la ruta más corta.
b. debe usarse una grúa ficticia en el modelo. d. El modelo del árbol de expansión mínima
c. debe usarse un trabajo ficticio en el modelo. 8. El centro de cómputo de una gran universidad está instalando
d. deben usarse un trabajo y una grúa ficticios en el modelo. cables de fibra óptica hacia 15 edificios en el campus. ¿Cuál de
5. ¿Cuál modelo de red se utiliza para determinar la forma de los siguientes modelos podría utilizarse con la finalidad de
conectar todos los puntos de una red mientras se minimiza determinar la menor cantidad de cable necesario para conectar
la distancia total entre ellos? todos los edificios?
a. El modelo de asignación. a. El modelo de transporte.
b. El modelo del flujo máximo. b. El modelo del flujo máximo.
c. El modelo de la ruta más corta. c. El modelo de la ruta más corta.
d. El modelo del árbol de expansión mínima. d. El modelo del árbol de expansión mínima.
i
DE A ALBUQUERQUE BOSTON CLEVELAND CAPACIDAD
DES MOINES S5 S4 $3 300
EVANSVILLE 8 4 3 150
FORT LAUDERDALE 9 7 5 250
REQUISITOS 200 200 300
Nota: 9 significa que el problema puede resolverse con QM para Windows: significa que el problema puede resolverse con Excel QM, y significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 347
de envío por camión de concreto, la capacidad de la planta Para el lunes 16 de abril, las siguientes ciudades necesita-
y las necesidades diarias de los proyectos. rán vagones con carbón de la siguiente manera:
Formule esto como un problema de programación
lineal para determinar la manera de satisfacer las necesi- CIUDAD DEMANDA DE VAGONES
dades al menor costo posible. Resuelva usando cualquier
Coal Valley 30
software.
9-9 El propietario de Hardrock Concrete ha decidido aumentar Coaltown 45
la capacidad en su planta más pequeña (vea el problema Coal Junction 25
9-9). En vez de producir 30 cargas de concreto al día en la
Coalsburg 20
planta 3, la capacidad de esa planta se duplicará a 60 car-
gas. ¿Esto cambia el programa desarrollado previamente?
Mediante el uso de una tabla de distancias por ferrocarril
9-10 La compañía Saussy Lumber envía pisos de pino a tres
de ciudad a ciudad, el despachador construyó una tabla en
tiendas de suministros para construcción desde sus aserra-
millas para las ciudades anteriores. El resultado se mues-
deros en Pineville, Oak Ridge y Mapletown. Determine el
tra en la tabla correspondiente a este problema. Minimice
mejor programa de envíos para los datos dados en la tabla
las millas totales que deberán recorrer los vagones hasta
correspondiente a este problema.
sus nuevas ubicaciones; calcule el mejor envío de vagones
9-11 La compañía ferrocarrilera Krampf Lines se especializa de carbón.
en el manejo de carbón. El viernes 13 de abril, Krampf
tenía vagones vacíos en las siguientes ciudades, en las .74* 9-12 Un fabricante produce aparatos de aire acondicionado
para habitación en sus plantas de Houston, Phoenix y
cantidades indicadas:
Memphis. Éstos se envían a los distribuidores regionales
de Dallas, Atlanta y Denver. Los costos de envío varían,
CIUDAD OFERTA DE VAGONES
y la compañía desearía encontrar la manera de satisfacer
Morgantown 35 las demandas en cada uno de los centros de distribución,
Youngstown 60 al menor costo posible. Dallas necesita recibir 800 apara-
tos al mes, Atlanta requiere 600 y Denver necesita 200.
Pittsburgh 25
Houston dispone de 850 aparatos cada mes, Phoenix de
A
DE PROYECTO A PROYECTO B PROYECTO C CAPACIDAD
PLANTA 1 $10 $4 $11 70
PLANTA 2 12 5 8 50
PLANTA 3 9 7 6 30
REQUISITOS 40 50 60
A
1:1E----.---"'""2-- ---_,....„ COAL VALLEY
---7 COALTOWN COAL JUNCTION COALSBURG
MORGANTOWN 50 30 60 70
YOUNGSTOWN 20 80 10 90
PITTSBURGH 100 40 80 30
348 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
650 y Memphis de 300. El costo de envío por unidad de autor za que estas empresas unan sus excesos de oferta y
Houston a Dallas es de $8, a Atlanta es de $12 y a Denver los d'stribuyan a pequeñas empresas independientes que
es de $10. El costo por unidad de Phoenix a Dallas es de no tien generadores suficientemente grandes como para
$10, a Atlanta es de $14 y a Denver es de $9. El costo por manear la demanda. El exceso de oferta se distribuye con
unidad de Memphis a Dallas es de $11, a Atlanta es de $8 base en el costo por kilowatt-hora transmitido. La siguiente
y a Denver es de $12. ¿Cuántas unidades se deberían en- tabla muestra la demanda y la oferta en millones de kilowa-
viar de cada planta a cada centro de distribución regional? as-hura y el costo por kilowatt-hora transmitido a cuatro
¿Cuál es el costo total de esto? pequ ñas empresas eléctricas en las ciudades W, X, Y y Z:
14 •• 9-13 Finnish Furniture fabrica mesas en instalaciones ubicadas
en tres ciudades: Reno, Denver y Pittsburgh. Después, EXCESO
las mesas se envían a tres tiendas ubicadas en Phoenix, A
DE
Cleveland y Chicago. La gerencia desea desarrollar un 1TI"'- 1 \ .........
W X Y Z OFERTA
programa de distribución que satisfaga las demandas al
A 120 4¢ 9¢ 5¢ 55
menor costo posible. El costo de envío por unidad desde
cada una de las fuentes hasta cada uno de los destinos se B 8¢ 1¢ 6¢ 60 45
muestra en la siguiente tabla: C 10 120 40 70 30
DEMANDA DE ENERGÍA
NO SATISFECHA 40 20 50 20
DE A PHOENIX CLEVELAND CHICAGO
RENO 10 16 19 Encuentre el sistema de distribución de menor costo.
DENVER 12 14 13 • 9-15 Los ¡tres bancos de sangre en el Condado de Franklin
se coordinan a través de una oficina central que facilita
PITTSBURGH 18 12 12
la entrega de sangre a cuatro hospitales de la región. El
costo por enviar un contenedor estándar de sangre desde
Las ofertas disponibles son 120 unidades en Reno, 200 cada banco hasta cada hospital se indica en la tabla co-
en Denver y 160 en Pittsburgh. Phoenix tiene una deman- rrespondiente a este problema. También se da el número
da de 140 unidades, Cleveland de 160 unidades y Chica- quincenal de contenedores disponibles en cada banco y el
go de 180 unidades. ¿Cuántas unidades deberían enviarse número quincenal de contenedores de sangre necesarios
desde cada instalación de manufactura hasta cada una de en cada hospital. ¿Cuántos envíos deberían hacerse cada
las tiendas minoristas para minimizar el costo? ¿Cuál es el dos semanas desde cada banco de sangre hasta cada hospi-
costo total? tal para minimizar los costos totales de envío?
Gl• 9-14 El estado de Missouri tiene tres principales compañías ge- 24* 9-16 La compañía de bienes raíces B. Hall ha identificado
neradoras de electricidad (A, B y C). Durante los meses cuatro pequeños edificios de apartamentos en los cua-
de mayor demanda, la Autoridad Eléctrica de Missouri les le gustaría invertir. La señora Hall se ha acercado a
DE
CoE \._...
‘ HOSPITAL 1 HOSPITAL 2 HOSPITAL 3 HOSPITAL 4 OFERTA
BANCO 1 $8 $9 $11 $16 50
BANCO 2 12 7 5 8 80
BANCO 3 14 10 6 7 120
DEMANDA 90 70 40 50
tres sociedades de ahorro y crédito en busca de financia- puede ser satisfecha por la producción regular, el gerente
miento. Debido a que Hall ha sido un buen cliente en el de producción tiene otras tres opciones: 1. producir hasta
pasado y ha mantenido una alta calificación crediticia en 50 fregaderos más al mes en horas extras, pero a un costo
la comunidad, cada compañía de ahorro y crédito está de $130 por fregadero; 2. comprar un número limitado de
dispuesta a considerar el otorgamiento de la totalidad o fregaderos a un competidor amigable para su reventa (el
parte del préstamo hipotecario necesario para cada pro- número máximo de compras externas durante el periodo
piedad. Cada oficial de préstamo ha fijado diferentes ta- de 4 meses es de 450 fregaderos, a un costo de $150 cada
sas de interés en cada propiedad (la tasa se ve afectada uno), o 3. satisfacer la demanda usando su inventario dis-
por el vecindario del edificio, la condición de la propie- ponible. El costo mensual de mantener el inventario es de
dad y el deseo de la empresa de crédito de financiar edi- $10 por fregadero. No se permiten órdenes sin surtir (pen-
ficios de varios tamaños), y cada compañía de crédito ha dientes) por faltantes. El inventario disponible al principio
colocado un máximo al crédito total que puede otorgar a del mes uno es de 40 fregaderos. Configure este problema
Hall. Esta información se resume en la tabla de la página de "suavización de la producción" como un problema de
anterior. transporte para minimizar el costo.
Para Hall, cada edificio de apartamentos es igual- 31i 9-18 En la actualidad, Ashley's Auto Top Carriers tiene plantas
mente atractivo como inversión, así que ha decidido en Atlanta y Tulsa que abastecen a los principales centros
comprar todos los edificios posibles con el pago de in- de distribución en Los Ángeles y Nueva York. Debido a
terés total más bajo. ¿A cuáles compañías de crédito les una demanda en expansión, Ashley ha decidido abrir una
debería pedir un préstamo para comprar cuáles edificios? tercera planta y la elección se ha reducido a una de dos
Una misma propiedad puede ser financiada por una o más ciudades: Nueva Orleans o Houston. Los costos de pro-
compañías de ahorro y crédito. ducción y distribución relevantes, así como la capacidad
31? 9-17 El gerente de producción de la compañía J. Mehta está de planta y las demandas de distribución, se muestran en
planeando una serie de periodos de producción de un mes la tabla al final de esta página.
para fabricar fregaderos de acero inoxidable. La deman- ¿Cuál de las nuevas plantas posibles debería abrirse?
da para los próximos cuatro meses es la siguiente: 9-19 Marc Smith, vicepresidente de operaciones de HHN, Inc.,
un fabricante de gabinetes para conmutadores telefónicos,
DEMANDA DE FREGADEROS está restringido a cumplir los pronósticos a 5 años por la
MES DE ACERO INOXIDABLE capacidad limitada en las tres plantas existentes. Estas
tres plantas están en Waterloo, Pusan y Bogotá. Como su
1 120 asistente, usted ha recibido la información de que, debido
2 160 a las limitaciones de capacidad existentes y al mercado
3 240 mundial de gabinetes en expansión, HNN agregará una
nueva planta a las tres plantas existentes. El departamento
4 100
de bienes raíces ha recomendado a Marc dos sitios que
parecen particularmente buenos, debido a su situación
De manera normal, la compañía Mehta puede producir política estable y a un tipo de cambio tolerable: Dublín,
100 fregaderos de acero inoxidable al mes. Esto se hace Irlanda y Fontainebleau, Francia. Marc sugiere que usted
durante las horas regulares de producción a un costo de podría tomar los datos de la página siguiente y determinar
$100 por fregadero. Si la demanda en todo un mes no dónde se debería instalar la cuarta planta, con base en sus
ATLANTA $8 $5 600 6
Plantas
existentes
4 7 900 5
Canadá
Demanda 4,000
Costo de producción $50 $30 $40 $50 $45
Costo de transporte 10 25 20 25 25
Sudamérica
Demanda 5,000
Costo de producción 50 30 40 50 45
Costo de transporte 20 25 10 30 30
Cuenca del Pacífico
Demanda 10,000
Costo de producción 50 30 40 50 45
Costo de transporte 25 10 25 40 40
Europa
Demanda 5,000
Costo de producción 50 30 40 50 45
Costo de transporte 25 40 30 10 20
Capacidad 8.000 2.000 5.000 9,000 9,000
costos de producción y sus costos de transporte. ¿Qué si- 2: 9-21 Use los datos del problema 9.20 y los costos de produc-
X'
tio es el mejor? ción unitarios que se muestran en la siguiente tabla, para
9-20 La corporación Don Levine está considerando agregar una determinar qué ubicaciones generan el menor costo?
planta a sus tres instalaciones existentes en Decatur, Min-
neapolis y Carbondale. Se están considerando San Luis y LOCALIZACIÓN COSTOS DE PRODUCCIÓN
el Este de San Luis. Si se evalúan solamente los costos
unitarios de transporte como se muestra en las siguientes Decatur $50
tablas, ¿qué sitio es el mejor? Minneapolis 60
Carbondale 70
DE LAS PLANTAS EXISTENTES Este de San Luis 40
A DECATUR MINNEAPOLIS CARBONDALE DEMANDA San Luis 50
Q. 9-29 La compañía de Patricia García está produciendo siete en astrofísica o en astromedicina. Uno de estos especialis-
nuevos productos médicos. Cada una de las ocho plan- tas será asignado a cada uno de los 10 vuelos programados
tas de García puede agregar un producto más a su actual para los próximos nueve meses. Los especialistas de la
línea de dispositivos médicos. En la tabla anterior, se misión son responsables de realizar experimentos cientí-
muestran los costos de producción unitarios para las di- ficos y médicos en el espacio, o bien, del lanzamiento, la
ferentes piezas en las ocho plantas. ¿Cómo debería García recuperación ola reparación de satélites. El mismo jefe de
asignar los nuevos productos a las plantas para minimizar personal de los astronautas es un ex miembro de la tripu-
los costos de producción? lación, con tres misiones en su haber, y debe decidir quién
9-30 Haifa Instruments, un productor israelí de unidades por- tiene que ser asignado y capacitado para cada una de las
tátiles de diálisis de riñón y otros productos médicos, de- diferentes misiones. Claramente, los astronautas con edu-
sarrolla un plan global de ocho meses. Se pronostica que cación médica son más adecuados para las misiones que
la demanda y la capacidad (en unidades) serán como se implican experimentos biológicos o médicos; mientras
indica en la siguiente tabla. que aquellos con títulos en ingeniería -u orientados a la
El costo de producción de cada unidad de diálisis física- son los más adecuados para otro tipo de misiones.
es de $1,000 en tiempo regular, $1,300 en horas extras y El jefe asigna a cada astronauta una calificación en una
$1,500 en un subcontrato. El costo por mantener una uni- escala de 1 a 10 para cada posible misión, un 10 implica
dad en inventario es de $100 al mes. No hay existencias de una aptitud perfecta para la tarea en cuestión y 1 es una
inventario ni al principio ni al final. carencia total de aptitud. Sólo se asigna un especialista a
cada vuelo, y ninguno se reasigna hasta que todos los de-
(a) Establezca un plan de producción, utilizando el mo-
delo de transporte, que minimice el costo. ¿Cuál es el más hayan volado al menos una vez.
costo de este plan? (a) ¿Quién debería asignarse a qué vuelo?
(b) A través de una mejor planeación, la producción en (b) La NASA acaba de saber que Anderson se casará en
tiempo regular puede ajustarse exactamente al mismo febrero y que se le ha concedido una gira publicitaria
valor de 275 por mes. ¿Esto altera la solución? en Europa durante ese mes. (Tiene la intención de lle-
(c) Si los costos de horas extras se elevan de $1,300 a var a su esposa y tomar el viaje doble como una luna
$1,400, ¿cambia esto su respuesta al inciso (a)? ¿Qué de miel). ¿Cómo cambia esto la programación final?
pasaría si se reducen a $1,200? (c) Cerio se ha quejado de que fue calificado errónea-
9-31 La tripulación de astronautas de la NASA incluye actual- mente en sus misiones de enero. Afirma que ambas
mente 10 especialistas de misión que poseen un doctorado calificaciones deberían ser 10; el jefe está de acuerdo
Vincze 9 7 2 1 I() 9 8 9 2 6
Veit 8 8 3 4 7 9 7 7 4 4
Anderson 2 1 10 10 1 4 7 6 6 7
Herbert 4 4 10 9 9 9 1 2 3 4
Schatz 10 10 9 9 8 9 1 1 1 1
Plane 1 3 5 7 9 7 10 10 9 2
Certo 9 9 8 8 9 1 1 2 2 9
Moses 3 2 7 6 4 3 9 7 7 9
Brandon 5 4 5 9 10 10 5 4 9 8
Drtina 10 10 9 7 6 7 5 4 8 8
y recalcula el programa. ¿Ocurren algunos cambios han evaluado las áreas con respecto a la deseabilidad de
en el progrania establecido en el inciso (b)? su asignación, como se muestra en la siguiente tabla. La
(d) ¿Cuáles son las fortalezas y las debilidades de este en- escala va de 1 (menos deseable) a 5 (más deseable). ¿Qué
foque para la programación? asignaciones deberían hacerse si se desea maximizar el to-
Q: 9-32 La Corporación XYZ está ampliando su mercado a fin tal de las calificaciones?
de incluir Texas. Cada vendedor es asignado a distribui- 9-33 La constructora Bechtold se encuentra en el proceso de
dores potenciales en una de cinco áreas diferentes. Se instalación de líneas eléctricas en un gran desarrollo ha-
prevé que el vendedor pasará de tres a cuatro semanas en bitacional. Steve Bechtold quiere minimizar la longitud
su área asignada. Se iniciará una campaña de marketing total de alambre utilizado, con la finalidad de minimizar
en todo el estado una vez que el producto se haya entre- sus costos. El desarrollo habitacional se muestra como una
gado a los distiibuidores. Los cinco vendedores que serán red. Cada casa ha sido numerada, y las distancias entre ca-
asignados a estas áreas (una persona en cada una de ellas) sas se dan en cientos de pies. ¿Qué recomienda usted?
9-34 La ciudad de Nueva Berlín está considerando hacer varias 9-36 En la siguiente red, se muestra el sistema de carreteras
de sus calles de un solo sentido (vea la red que se propor- alrededor del complejo hotelero en International Drive
ciona). Asimismo, debido al aumento de impuestos a la (nodo 1) hasta Disney World (nodo 11) en Orlando, Flo-
propiedad y a un dinámico plan de desarrollo vial, la ciu- rida. Los números junto a los nodos representan el flujo
dad de Nueva Berlín ha estado considerando el aumento de tránsito en cientos de automóviles por hora. ¿Cuál es
de la capacidad de dos de sus carreteras. Si se hace esto, el flujo máximo de autos desde el complejo hotelero hasta
el tránsito por el camino 1-2 (del nodo 1 al nodo 2) se in- Disney World?
crementaría de 2 a 5, y la capacidad de tránsito a lo largo
del camino 1-4 aumentaría de 1 a 3. ¿Cuál es el número Red para el problema 9-36
máximo de automóviles por hora que pueden viajar de
este a oeste con el sistema de carreteras actual? Si se rea-
lizan los aumentos de capacidad de los caminos 1-2 y 2-5,
¿cómo cambiaría el número de automóviles por hora que
pueden viajar de este a oeste?
9-35 El director de seguridad quiere conectar cámaras de video
de seguridad al sitio de control principal desde cinco ubi-
caciones potencialmente problemáticas. En forma ordina-
ria, el cable simplemente se tendería desde cada sitio hasta
el punto de control principal. Sin embargo, debido a que el
entorno es potencialmente explosivo, el cable se debe ten-
der en un conducto especial cuyo aire se purga continua-
mente. Este conducto es muy caro, pero suficiente para
manejar cinco cables (el máximo que podría necesitarse).
Utilice la técnica del árbol de expansión mínima para en- 9-37 Los números de la red que se muestra a continuación re-
contrar la ruta con la distancia mínima del conducto entre presentan los miles de galones por hora que fluyen a través
las ubicaciones indicadas en la figura. (Observe que no de una planta de procesamiento químico. Dos terminales de
tiene importancia cuál es el sitio principal de control). la planta de procesamiento químico, representadas por los
nodos 6 y 7, han tenido problemas recientemente, y se está (b) Después de revisar los costos del cable y de la ins-
considerando repararlas. Sin embargo, las reparaciones re- talación, la constructora quisiera alterar los costos
querirían que estas terminales (nodos) se cerraran durante para la instalación de la TV por cable entre sus
una cantidad significativa de tiempo, y ningún material casas. Es necesario modificar las primeras ramas.
podría fluir hacia estos nodos o desde ellos, sino hasta Los cambios se resumen en la siguiente tabla.
completar los trabajos. ¿Qué impacto tendría el cierre de ¿Cuál es el impacto en los costos totales?
estos nodos sobre la capacidad de la red?
9-38 Las ciudades alemanas alrededor del Bosque Negro es- NODO DE NODO COSTO
tán representadas por los nodos de la red que se muestra RAMA INICIO FINAL (S100si
a continuación. Las distancias entre las ciudades se dan en
kilómetros. Encuentre la ruta más corta desde la ciudad 1 Rama 1 1 2 5
hasta la ciudad 16. Si ciertas inundaciones en las ciudades Rama 2 1 3
7 y 8 fuerzan el cierre de todos los caminos que conducen
hacia esas ciudades o que salen desde ellas, ¿cómo impac- Rama 3 1 4 1
taría esto a la ruta más corta? Rama 4 1 5
Rama 5 2 6 7
Red para el problema 9-38
Rama 6 3 7 5
Rama 7 4 7 7
Rama 8 5 8 4
Rama 9 6 7 1
Rama 10 7 9 6
Rama 11 8 9 2
(c) La universidad decidió instalar el nuevo sistema tele- para la primera red o la red original usó por completo
fónico antes que el cable para la red de computado- la capacidad a lo largo de su trayectoria. Ante esta
ras. Debido a la demanda inesperada de instalaciones situación, ¿cuál es el mejor camino para el segundo
informáticas, se requiere un cable adicional desde el cable de red?
nodo 1 hasta el nodo 25. Lamentablemente, el cable
Estudio de caso
Andrew-Carter, Inc.
Andrew-Carter, Inc. (A-C), es un importante productor canadiense Las capacidades de planta en unidades por semana son
y distribuidor de accesorios de iluminación al aire libre. Sus dis- Planta 1, en tiempo regular 27,000 unidades
positivos se distribuyen en toda América del Norte y ha tenido una
Planta 1, en tiempo extra 7,000 unidades
gran demanda durante varios años. La compañía opera tres plantas
que fabrican el aparato y lo envía a cinco centros de distribución Planta 2, en tiempo regular 20,000 unidades
(almacenes). Planta 2, en tiempo extra 5,000 unidades
Durante la actual recesión, A-C ha visto una caída importante en Planta 3, en tiempo regular 25,000 unidades
la demanda de sus dispositivos, puesto que el mercado de viviendas
ha disminuido. Con base en los pronósticos de las tasas de interés, Planta 3, en tiempo extra 6,000 unidades
el jefe de operaciones siente que la demanda de vivienda y, por lo Si A-C cierra cualquiera de sus plantas, sus costos semanales
tanto, de su producto se mantendrá deprimido en el futuro previsi- cambiarán, porque los costos fijos son menores para una planta no
ble. A-C está considerando el cierre de una de sus plantas, dado que operativa. En la tabla 9.5 se muestran los costos de producción de cada
ahora está operando con un exceso de capacidad prevista de 34,000 planta, tanto variables de tiempo regular y tiempo extra, como fijos
unidades por semana. Las demandas semanales pronosticadas para con la planta operando y cerrada. La tabla 9.6 muestra los costos de
el año próximo son envío desde cada planta hasta cada almacén (centro de distribución).
Almacén 1 9,000 unidades
Preguntas para análisis
Almacén 2 13,000 unidades
Almacén 3 11,000 unidades 1.Evalúe las diferentes configuraciones de plantas operando y ce-
rradas que satisfagan la demanda semanal. Determine qué confi-
Almacén 4 15.000 unidades
guración minimiza los costos totales.
Almacén 5 8,000 unidades 2. Analice las implicaciones del cierre de una planta.
Fuente: Profesor Michael Boleta, University of the Pacific.
TABLA 9.6
AL CENTRÓ DE DISTRIBUCIÓN
Andrew-Carter, Inc.,
costos de distribución DE LA PLANTA WI W3 W4 W5
por unidad
Núm. 1 S0.50 $0.44 $0.49 50.46 $0.56
Núm. 2 0.40 0.52 0.50 0.56 0.57
Núm. 3 0.56 0.53 0.51 0.54 0.35
Estudio de caso
Northeastern Airlines
Northeastern Airlines es una aerolínea regional que da servicio a número de vuelos directos, lo cual significaría que una ciudad servida
nueve ciudades en los estados de la región de Nueva Inglaterra, así por Northeastern solamente podría tener vuelos directos a una sola
como a ciudades en Nueva York, Nueva Jersey y Pennsylvania. Aun- ciudad distinta. 1I,a compañía tiene previsto contratar a un consul-
que hay vuelos sin escalas para algunas de las rutas, con frecuencia se tor de análisis de marketing para determinar cómo se vería afectada la
requieren vuelos de conexión. La red muestra las ciudades servidas demanda por los vuelos más largos con más conexiones, y para pro-
y las utilidades por pasajero a lo largo de cada una de esas rutas. Las nosticar la demanda a lo largo de cada una de las rutas con base en
rutas de Boston a Providence y de Providence a Boston generan sólo un mapa modificado de las operaciones de vuelo. Antes de contratar
$9 de utilidad por pasajero después de todos los gastos. Para dar servi- al consultor, la empresa desea determinar la forma más rentable (con
cio a estas ciudades, Northeastern opera una flota de 16 jets Embraer base en la utilidad por pasajero) de continuar sirviendo a todas las
E-195 de 122 pasajeros. Estos aviones, que introdujo Embraer por pri- ciudades.
mera vez a finales de 2004, han ayudado a que Northeastem Airlines
siga siendo rentable durante varios años. Sin embargo, recientemente Preguntas para análisis
los márgenes de ganancia han estado cayendo y Northeastem se en-
1. Desarrolle un mapa de operaciones de vuelo que siga sirviendo
frenta a la perspectiva de reducir sus operaciones.
a cada una de las nueve ciudades, pero que maximice la utilidad
La gerencia de Northeastern Airlines ha considerado varias op-
por pasajero de la compañía (Sugerencia: Encuentre el árbol de
ciones para reducir costos y aumentar la rentabilidad. Debido a las re-
expansión máxima).
gulaciones de la Administración Federal de Aviación, la empresa debe
2. Comente cómo deberían asignarse los 16 jets.
continuar sirviendo a cada una de las nueve ciudades. Sin embargo, la
manera en que se da servicio a estas ciudades depende de la gerencia Gracias al profesor aizul Huq, de la Escuela de Negocios de la Ohio University,
de la aerolínea. Se ha hecho la sugerencia de proporcionar un menor por proporcionarnos este caso.
Área de servicio de
Northeastern Airlines Burlington, VT Orono, ME
Syracuse, NY 12 •
10
13
Nashua, NH
18
151
Boston, MA
16 17
Providence, RI
Hartford, CT
14
Newark, NJ
State College, PA
ESTUDIO DE CASO 359
Estudio de caso
La Southwestern University (SWU), ubicada en la pequeña ciudad de que pueden pasar a través de los nodos 2, 3 y 4 es 35,000 por hora, y
Stephenville, Texas, está experimentando un mayor interés en su pro- la cantidad de automóviles que pueden pasar a través de los nodos 5, 6
grama de fútbol americano, ahora que ha contratado a un entrenador y 7 es aún mayor. Por lo tanto, el Dr. Lee ha sugerido que la capacidad
de renombre. El aumento en las ventas de boletos para la próxima actual es de 33,000 vehículos por hora. También ha recomendado que
temporada implica ingresos adicionales, pero también significa ma- se haga una petición al alcalde de la ciudad para que expanda una de
yores quejas debido a los problemas de tránsito asociados con los las rutas desde el estadio hasta la autopista para permitir un adicional
partidos de fútbol. Cuando se construya un nuevo estadio, esto sólo de 2,000 vehículos por hora. Recomienda ampliar la ruta más barata.
empeorará. Marty Starr, presidente de la SWU, ha pedido al Comité Si la ciudad decide no ampliar las carreteras, se considera que el pro-
de Planeación de la Universidad que estudie este problema. blema de tránsito sería una molestia, pero aun así sería manejable.
Con base en las proyecciones de tránsito, al Dr. Starr le gustaría Con base en la experiencia, se cree que mientras la capacidad de
que hubiera la capacidad suficiente para que 35,000 automóviles por las calles no sea 2,500 vehículos por hora inferior al número de autos
hora pudieran viajar desde el estadio hasta la autopista interestatal. que salen del estadio, el problema no es demasiado grave. Sin em-
Para aliviar los problemas de tránsito esperados, se está considerando bargo, la gravedad del problema crece dramáticamente por cada 1,000
la ampliación de algunas de las calles actuales que llevan de la uni- vehículos adicionales que se agregan a las calles.
versidad a la carretera interestatal, con la finalidad de aumentar su
capacidad. A continuación, se muestran las capacidades de las calles
actuales con el número de automóviles (en miles) por hora. Dado que Preguntas para análisis
el principal problema será después de cada partido, tan sólo se indican 1.Si no hay ampliación, ¿cuál es el número máximo de autos que
los flujos desde el estadio. Estos flujos consideran que algunas calles en realidad puede viajar cada hora desde el estadio hasta la inte-
cercanas al estadio se transforman en calles de un solo sentido durante restatal? ¿Por qué este número no es igual a 33,000, como sugi-
un corto periodo después de cada juego,•con oficiales de policía que rió el Dr. Lee?
dirigen el tránsito. 2. Si los costos de ampliación son los mismos para cada una de las
Alexander Lee, miembro del Comité de Planeación de la Univer- calles, ¿cuál(es) de ellas recomendaría expandir para aumentar
sidad, ha dicho que una revisión rápida de las capacidades de tránsito la capacidad a 33,000? ¿Qué calles recomendaría ampliar con la
en el diagrama indica que el número total de automóviles por hora que finalidad de obtener una capacidad total del sistema de 35,000
pueden salir del estadio (nodo 1) es de 33,000. El número de autos autos por hora?
Estadio Interestatal
360 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
Visite nuestra página en Internet, www.pearsonenespañ I.com/render, y consulte estos estudios de caso
adicionales:
(1) Northwest General Hospital: Este caso implica la mejora del sistema de distribución de alimentos en
un hospital, con la finalidad de reducir las posibilidades de que los alimentos se enfríen antes de que
se sirvan a los pacientes.
(2) Custom Vans, Inc: Este caso se refiere a la búsqueda de la mejor ubicación para una planta que fabri-
cará duchas usadas en furgonetas personalizadas.
(3) Ranch Development Project: Este caso se refiere a la búsqueda de la forma menos costosa en que se
pueden brindar los servicios de agua y alcantarillad a los hogares de una nueva urbanización.
(4) Old Oregon Wood Store: Este caso implica la determinación de la mejor forma de asignar empleados
a los trabajos en una pequeña empresa de manufactura.
(5) Binder's Beverage: Este caso trata sobre la determinación de la ruta más corta entre una planta y un
almacén.
Bibliografía
Adlakha, V. y K. Kowalski. "Simple Algorithm for the Source-Induced Fixed-Charge Liu, Jinming y Fred bar. "Project Time—Cost Trade-off Optimization by Maximal
Transportation Problem", Journal of the Operational Research Society 55, Flow Theory", Journal of Construction Engineering & Management 130, 4
12 (2004): 1275-1280. (julio/agosto de 2004): 607-609.
Bowman, E. "Production Scheduling by the Transportation Method of Linear Liu, Shiang-Tai. —The Total Cost Bounds of the Transportation Problem with
Programming", Operations Research 4 (1956). Varying Dem1nd and Supply", Omega 31, 4 (2003): 247-251.
Dawid, Herbert, Johannes Konig y Christine Strauss. "An Enhanced Rostering Martello, Silvano. "Jen° Egervary: From the Origins of the Hungarian Algorithm
Model for Airline Crews", Computers and Operations Research 28, 7 to Satellite Communication", Central European Journal of Operations
(junio de 2001): 671-688. Research 18, 1 (2010): 47-58.
Hezarkhani, Behzad y Wieslaw Kubiak. "A Coordinating Contract for Transship- McKeown, P. y B. Workman. "A Study in Using Linear Prograrruning to Assign
ment In a Two-Company Supply Chain", European Journal of Operational Students to Schools", Interfaces 6, 4 (agosto de 1976).
Research 207, 1 (2010): 232-237. Render, B. y R. M. Stair. Introduction to Management Science. Boston: Allyn &
Jacobs, T., B. Smith y E. Johnson. "Incorporating Network Flow Effects tato the Bacon, Inc., 1992.
Airline Fleet Assignment Process", Transportation Science 42, 4(2008): Sancho, N. G. F. "On the Maximum Expected Flow in a Network", Journal of
514-529. Operational Research Society 39 (mayo de 1988): 481-485.
Johnsonbaugh, Richard. Discrete Mathematics, 5a. ed. Upper Saddle River, Sedeño-Noda, Antonio, Carlos González-Martín y Sergio Alonso. "A Generalization
Prentice Hall, 2001. of the Scaling Max-Flow Algorithm", Computers & Operations Research
Kawatra, R. y D. Bricker. "A Multiperiod Planning Model for the Capacitated 31, 13 (noviembre de 2004): 2183-2198.
Minimal Spanning Tree Problem", European Journal of Operational Troutt, M. D. y G. P. White. "Maximal Flow Network Modeling of Production
Researrh 121, 2 (2000): 412-419. Bottleneck Problems", Journal of the Operational Research Sociery 52, 2
Koksalan, Murat y Haldun Sural. "Efes Beverage Group Makes Location and (febrero de 2001): 182-187.
Distribution Decisions for lis Malt Plants", Interfaces 29, 2 (marzo-abril
de 1999): 89-103.
PROGRAMA 9.9B yac Ecbt VieM Module Fognat /coas rindo& Ilelp
11 E!! IJ 1 ea al g nxix
taller Fix-It
2 - a I .0[0:1 - 0.0 $
1
Project 1 Project2
11 14
Introduzca los 8 10 11
costos. 12 7
362 CAPÍTULO 9 • MODELOS DE TRANSPORTE, ASIGNACIÓN Y REDES
PROGRAMA 9.10B J file Etit Y.... Module Fornee joces ?fiador del ---1
ID »g él Ba 'al 111:111 " 1.1 ui a n* ze I co
Salida de QM para
Windows del ejemplo
E m.,
Otiedeve
.
" la I A. *0,
12.1 /I I 111llf II M I •Oto° ' P.'•.. 0.05-[ -
C 144Onize
de asignación del taller ' Aliirnize
Fix-It. "•--. Awgnrnent,
Fix-119)ap Solution
Optima' cost = Project 1 Project 2 I Projed 3
S25
Adams 11 14 Assign 6
Brown 8 Assign 10 11
Cooper Assign 9 12 7
—.
11
Gestión de proyectos
OBJETIVOS DE APRENDIZAJE
1. Comprender la forma de planear, supervisar y 3. Reducir el tiempo total del proyecto con el menor
controlar proyectos mediante el uso de PERT costo total mediante la aceleración de la red,
y CPM. utilizando técnicas manuales o de programación
2. Determinar el inicio más cercano, lineal.
la terminación más cercana, el inicio más 4. Entender el importante papel del software en la
lejano, la terminación más lejana y los tiempos gestión de proyectos.
de holgura para cada actividad, junto con el
tiempo total-para la terminación del proyecto.
Resumen • Glosario • Ecuaciones clave • Problemas resueltos • Autoevaluación • Preguntas para análisis y problemas •
Estudio de caso: Construcción del estadio de la Southwestern University • Estudio de caso: Centro de Investigación sobre
Planificación Familiar en Nigeria • Estudios de caso en Internet • Bibliografía
Apéndice 11.1: Gestión de proyectos con QM para Windows
395
396 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
11.1 Introducción
Los proyectos más realistas que llevan a cabo organi aciones como Microsoft, General Motors o el Depar-
tamento de Defensa de Estados Unidos son grandes y complejos. Un constructor que erige un edificio de
La gestión de proyectos se puede oficinas, por ejemplo, debe completar miles de activi Jades que cuestan millones de dólares. La NASA tiene
utilizar para el manejo de proyectos que inspeccionar un sinnúmero de componentes ante s de lanzar un cohete. El astillero Bath Iron Works en
complejos. el río Kennebec de Bath, Maine, debe administrar y coordinar miles de actividades complejas en forma
simultánea. Casi todas las industrias se preocupan acerca de cómo deben manejar los proyectos grandes y
complicados con eficacia. Es un problema difícil y hay mucho en juego. Se han perdido millones de dólares
por costos excesivos debido a la mala planeación de .os proyectos. Han ocurrido demoras innecesarias oca-
sionadas por una planeación deficiente. ¿Cómo se pueden resolver este tipo de problemas?
El primer paso en la planeación y programación de un proyecto consiste en el desarrollo de la estruc-
tura desglosada del trabajo (EDT), lo cual impliea identificar las actividades que se deben realizar en
el proyecto. Una actividad es un trabajo o una tarea que forma parte de un proyecto. El principio o el fi-
nal de una actividad se llama un evento. Puede haber diferentes niveles de detalle, y cada actividad puede
dividirse en sus componentes más básicos. Se identifican para cada actividad el tiempo, el costo, los
requisitos de recursos, los predecesores y la(s) perlona(s) responsable(s). Después de haber hecho esto,
es posible desarrollar un calendario para el proyecto.
La técnica de evaluación y revisión del programa (PERT, program evaluation and review tech-
nique) y el método de la ruta crítica (CPM, critical path method) son dos populares técnicas de análi-
sis cuantitativo que ayudan a los administradores a planear, programar, supervisar y controlar proyectos
PERT es probabilística, mientras grandes y complejos. Fueron desarrolladas porque había una necesidad imperiosa de una mejor forma de
que CPM es determinista. realizar este tipo de gestión (vea el recuadro Historia).
Al momento de desarrollarse, PERT y CPM eran semejantes en su enfoque básico, pero diferían en la
forma en la cual estimaban sus tiempos de actividad Por cada actividad en PERT, se combinan tres estima-
ciones de tiempo para determinar el tiempo previsto ara la terminación de la actividad. Por lo tanto, PERT
es una técnica probabilística. Por otra parte, CPM es n método determinista porque supone que los tiempos
se conocen con certeza. Aunque tales diferencias se iguen observando en la actualidad, las dos técnicas son
tan similares que a menudo suele usarse el término RT/CPM para describir el enfoque general. Esta refe-
rencia se utiliza en el presente capítulo, y las diferencias se indican en caso de ser necesario.
ccs D ti
—o
B
G
H
7 8 9 10
Semana
11.2 PERT/CPM 397
Existen seis pasos que son comunes tanto a PERT como a CPM. El procedimiento es como sigue:
La ruta crítica es importante porque La determinación de la ruta crítica es una parte importante del control de un proyecto. Las actividades
las actividades que forman parte de que forman parte de la ruta crítica representan tareas que retrasarían todo el proyecto si se demoran. Los
ella pueden retrasar todo el proyecto. administradores obtienen flexibilidad al identificar las actividades no críticas y planearlas de nuevo, repro-
gramarlas y reasignarles recursos como personal y dinero.
11.2 PERT/CPM
Casi cualquier proyecto grande puede subdividirse en una serie de actividades o tareas más pequeñas que
pueden analizarse con PERT/CPM. Si se reconoce que los proyectos pueden tener miles de actividades
específicas, es posible ver cuán importante es dar respuesta a preguntas como las siguientes:
H Inspeccionar y probar F, G
Definición
Definición del problema
del problema British Airways (BA) quería rejuvenecer su imagen utiliz ando consultores internacionales en diseño para ayu-
dar a desarrollar una nueva identidad. El "cambio de ir nagen" en todos los ámbitos de la imagen pública de
BA debía completarse lo más rápido posible.
1 Desarrollo de un modelo
Desarrollo de
un modelo Mediante el uso de un software para la gestión de proy estos —Pertmaster de Abex— un equipo de BA cons-
truyó un modelo PERT con todas las tareas involucrada$
Adquisición de
Adquisición de datos de entrada
datos de entrada Se recopilaron datos en cada departamento involucrado. Se pidió a los impresores el desarrollo de estimacio-
nes de tiempo para la nueva papelería de la empresa, boletos, horarios y etiquetas de equipaje; a los provee-
dores de ropa para los nuevos uniformes, y a Boeing Corp. para todas las tareas de reconstrucción del interior
y el exterior de los aviones de BA.
Desarrollo de
Desarrollo de una solución
una solución Todos los datos se introdujeron en Pertmaster para obt( ner un programa y una ruta crítica.
Pruebas
Pruebas a la solución
a la solución El programa resultante no agradó a la dirección de BA. Boeing no podría preparar un enorme 747 a
tiempo para el lanzamiento de gala, el 4 de diciembre . El diseño de los uniformes también retrasaría todo
el proyecto.
1 Análisis de resultados
Análisis
de resultados Un análisis de la fecha más cercana posible en la que tc dos los elementos de un avión rediseñado podrían es-
tar listos (nueva pintura, tapicería, alfombras, asientos, tcétera) reveló que sólo había material suficiente para
convertir totalmente un avión más pequeño, el Boeing 737, que estaba disponible en la planta de Seattle. El
análisis de la ruta crítica también mostró que los unifoi mes —trabajo del diseñador británico Roland Klein—
tendrían que presentarse seis meses más tarde en una eremonia por separado.
Implementación
Implementación de resultados
de resultados El Boeing 737 se equipó justo a tiempo para un es ectáculo luminoso en un auditorio especialmente
construido en un hangar del aeropuerto de Heathrov, Los vehículos terrestres también estuvieron listos a
tiempo.
Fuente: Basado en Industrial Management cmd Data Systems marzo-abril de 1986): 6-7.
11.2 PERT/CPM 399
FIGURA 11.1
Red para General A
Foundry, Inc. Construir componentes Construir pila Instalar sistema
internos de recolección de control
Los predecesores inmediatos se internos (actividad A). Así, la actividad A es el predecesor inmediato de la actividad C. Del mismo modo,
determinan en el segundo paso. las actividades D y E deben realizarse justo antes de la instalación del dispositivo contra la contaminación
del aire (actividad G).
Tiempos de actividad
El siguiente paso, tanto en CPM como en PERT, consiste en asignar estimaciones del tiempo necesario
para completar cada actividad. Para algunos proyectos, como los de construcción, el tiempo para terminar
cada actividad se conoce con certeza. Los desarrolladores de CPM asignan sólo una estimación de tiempo
a cada actividad. Después, estos tiempos se utilizan para encontrar la ruta crítica, como se describe en las
secciones que siguen.
El cuarto paso es asignar los tiempos Sin embargo, para los proyectos únicos en su tipo o para los trabajos nuevos, la determinación de
de la actividad. estimaciones del tiempo de la actividad no siempre es una tarea fácil. Sin datos históricos sólidos, con
frecuencia los gerentes se sienten inseguros acerca de los tiempos de las actividades. Por tal razón, los de-
sarrolladores de PERT emplean una distribución de probabilidad con base en tres estimaciones de tiempo
para cada actividad. En PERT, se utiliza un promedio ponderado de estos tiempos, en vez de la estimación
de un solo tiempo como ocurre en CPM, y estos promedios se utilizan para encontrar la ruta crítica. Las
estimaciones de tiempo en PERT son
Tiempo optimista (a) = tiempo que requerirá una actividad si todo ocurre de la mejor manera
posible. Debería haber sólo una pequeña probabilidad (por ejemplo,
I /100) de que esto suceda.
Tiempo pesimista (b) = tiempo que requeriría una actividad suponiendo condiciones muy
desfavorables. También debería haber sólo una pequeña probabilidad
de que la actividad realmente tomara tanto tiempo.
Tiempo más probable (m) = estimación más realista del tiempo para completar la actividad.
La distribución de probabilidad beta A menudo, PERT supone que las estimaciones de tiempo siguen la distribución de probabilidad
se utiliza con frecuencia. beta (vea la figura 11.2). Se ha encontrado que esta distribución continua es adecuada, en muchos casos,
para determinar un valor esperado y una varianza para los tiempos de terminación de la actividad.
400 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
FIGURA 11.2
Distribución de Probabilidad de ocurrencia
probabilidad beta de a, 1 en 100
con tres estimaciones
de tiempo -o
:10 Probabilidad de ocurrencia
-O
Tiempo de
actividad
Tiempo Tiempo Tiempo
más más más
optimista probable pesimista
Para encontrar el tiempo de actividad esperado (t), la distribución beta pondera las estimaciones de
la siguiente manera:
a + 4m + b
t=
6
Para calcular la dispersión o varianza del tiempo de terminación de la actividad, se utiliza la siguiente
fórmula:*
(b a)2
Varianza = (11-2)
6
La tabla 11.2 muestra las estimaciones de tiempo optimista, más probable y pesimista para cada acti-
vidad de General Foundry. También revela el tiempo esperado (t) y la varianza para cada una de las activi-
dades, calculados con las ecuaciones 11-1 y 11-2.
* Esta fórmula se basa en el siguiente concepto estadístico: de un extremo a otro de la distribución beta hay 6 desviaciones
estándar (±3 desviaciones estándar desde la media). Debido a que b — a es igual a 6 desviaciones estándar, 1 desviación es-
tándar es igual a (b — a)/6. Por lo tanto, la varianza es [(b — a)/612.
11.2 PERT/CPM 401
TABLA 11.2 Estimaciones de tiempo (en semanas) para General Foundry, Inc.
MÁS TIEMPO
OPTIMISTA, PROBABLE, PESIMISTA, ESPERADO, VARIANZA,
ACTIVIDAD a ni b 1= ((a ± 4m + b)i 6 b
(3 — 1 4
A 1 2 3 2
6 ) = 36
4 — 2)2 4
B 2 3 4 3
( 6 ) = 36
(3 — 1)2 4
C 1 2 3 2
6 ) = 36
(6 — 2)2 _ 16
D 2 4 6 4
6 ) — 36
(7 — 1)2 _ 36
E 1 4 7 4
6 ) — 36
(9 — 1)2 _ 64
F 1 2 9 3
6 ) — 36
11 —3)2 _ 64
G 3 4 11 5
( 6 ) 36
(3 —1)2 4
H 1 2 3 2
6 ) — 36
25
En la red, representamos estos tiempos, así como los tiempos de actividad (t) en los nodos, como se ob-
serva a continuación:
ACTIVIDAD
ES EF
LS LF
Primero, mostramos la forma de determinar los tiempos más cercanos. Después de encontrarlos, es posible
determinar los tiempos más lejanos.
FIGURA 11.3
Red de General
Foundry con los
tiempos de actividad
esperados
H 2
Final
B 3 D 4 G 5
402 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
TIEMPOS MÁS CERCANOS Hay dos reglas básicas a seguir cuando se calculan los tiempos ES y EF.
La primera regla es para el tiempo de terminación cercano, que se calcula como sigue:
Tiempo de terminación más cercano = Tiempo de inicio más cercano + Tiempo de actividad esperado
EF = ES + t (11-3)
Además, antes de que cualquier actividad pueda iniciar, todas sus actividades predecesoras deben haberse
completado. En otras palabras, para la determinación del ES buscamos el mayor EF de todos los predece-
El ES es el mayor EF de los sores inmediatos. La segunda regla es para el tiempo de inicio más cercano, que se calcula de la siguiente
predecesores inmediatos. manera:
Inicio más cercano = El mayor de los tiempos de terminación más cercanos de los predecesores inmediatos
ES = El mayor EF de los predecesores inmediatos
El inicio de todo el proyecto se establecerá en el tiempo igual a cero. Por lo tanto, cualquier actividad que
no tenga predecesores tendrá un tiempo de inicio más cercano igual a cero. Así, ES = O para A y B en el
problema de General Foundry, como se muestra a continuación:
A t=2
ES=O EF=0+2=2
Inicio
e t=3
ES=O EF=0+3=3
Los tiempos más cercanos se El resto de los tiempos más cercanos para General Foundry se muestran en la figura 11.4. Éstos se encuen-
encuentran a partir del inicio del tran usando un paso hacia adelante a través de la red. En cada paso, EF = ES + t, y ES es el mayor EF de
proyecto y haciendo un paso hacia los predecesores. Observe que la actividad G tiene un tiempo de inicio más cercano de 8, porque tanto D
adelante a través de la red. (con EF = 7) como E (con EF = 8) son sus predecesores inmediatos. La actividad G no puede comenzar
hasta que hayan terminado los dos predecesores, por lo que se elige el mayor de los tiempos de termina-
ción más cercanos. Así, G tiene un ES = 8. El tiempo de terminación para el proyecto será de 15 semanas,
que es el EF para la actividad H.
TIEMPOS MÁS LEJANOS El siguiente paso en la determinación de la ruta crítica es calcular el tiempo
de inicio más lejano (LF) y el tiempo de terminación más lejano (LF) para cada actividad. Esto se logra
mediante un paso hacia atrás a través de la red, es decir, se comienza en el final y se trabaja hacia atrás.
FIGURA 11.4
Tiempo de inicio más
cercano (ES) y tiempo A 2 C 2 F 3
de terminación más 0 2 2 4 4 7
cercano (EF) para
General Foundry 4
Inicio A- Final
B 3
O 3
11.2 PE RT/CPM 403
FIGURA 11.5
Tiempo de inicio más A 2
lejano (LS) y tiempo
0 2
de terminación más
0 2
lejano (LF) para
General Foundry
Final
3 4 G 5
0 3 3 7 8 13
1 4 4 8 8 13
Hay dos reglas básicas a seguir cuando se calculan los tiempos más lejanos. La primera regla implica
al tiempo de inicio más lejano, que se calcula como
Los tiempos más lejanos se Tiempo de inicio más lejano = Tiempo de terminación más lejano — Tiempo de actividad
encuentran comenzando en el final LS = LF — t (11-4)
del proyecto y haciendo un paso
hacia atrás a través de la red. Asimismo, dado que todos los predecesores inmediatos deben estar terminados antes de comenzar una acti-
vidad, el tiempo de inicio más lejano de una actividad determina el tiempo de terminación más lejano para
sus predecesores inmediatos. Si una actividad es el predecesor inmediato de dos o más actividades, debe
estar terminada para que todas las siguientes actividades puedan comenzar en sus tiempos de inicio más
lejanos. Por lo tanto, la segunda regla involucra al tiempo de terminación más lejano, que se calcula como
El LF es el LS más pequeño Tiempo de terminación más lejano = El menor de los tiempos de inicio más lejanos
de las actividades que siguen de las siguientes actividades, o
inmediatamente.
LF = El menor LS de las actividades siguientes
Para calcular los tiempos más lejanos, empezamos en el final y trabajamos hacia atrás. Como el tiempo
de terminación para el proyecto de General Foundry es 15, la actividad H tiene LF = 15. El inicio más
lejano de la actividad H es
LS = LF — t = 15 — 2 = 13 semanas
Si se continúa trabajando hacia atrás, este tiempo de inicio más lejano de 13 se convierte en el tiempo de
terminación más lejano para los predecesores inmediatos F y G. Todos los tiempos más lejanos se mues-
tran en la figura 11.5. Observe que para la actividad C, que es el predecesor inmediato de dos actividades
(E y F), el tiempo de terminación más lejano es el menor de los tiempos de inicio más lejanos (4 y 10) para
las actividades E y F.
A EN ACCIÓN
Gestión de proyectos en un ambiente de trabajo
sin oficina basado en la nube
A O 2 0 2 O Sí
B O 3 1 4 1 No
C 2 4 2 4 O Sí
D 3 7 4 8 1 No
E 4 8 4 8 Sí
4 7 10 13 6 No
G 8 13 8 13 Sí
H 13 15 13 15 0 Sí
El tiempo de holgura es tiempo libre CONCEPTO DE HOLGURA EN LOS CÁLCULOS DE LA RUTA CRÍTICA Cuando se han determinado los
para una actividad. ES, LS, EF y LF, resta simplemente encontrar la cantidad de tiempo de holgura, o tiempo libre, que tiene
cada actividad. La holgura es la longitud de tiempo que una actividad puede retrasarse sin demorar todo el
proyecto. En forma matemática,
En la tabla 11.3 se resumen los ES, EF, LS, LF, y los tiempos de holgura para todas las actividades
de General Foundry. Por ejemplo, la actividad B tiene 1 semana de tiempo de holgura, puesto que
LS — ES = 1 — O = 1 (o, de manera similar, LF — EF = 4 — 3 = 1). Esto significa que B se puede retra-
sar hasta 1 semana sin hacer que el proyecto tarde más tiempo de lo esperado.
Por otro lado, las actividades de A, C, E, G y H no tienen tiempo de holgura; esto significa que
Las actividades críticas no tienen ninguna de ellas se puede retrasar sin demorar todo el proyecto. Debido a esto, se les llama actividades
tiempo de holgura. críticas y se dice que están en la ruta crítica. En la figura 11.6, se muestra la ruta crítica de Lester Harky
en forma de red. El tiempo total para la terminación del proyecto (T), 15 semanas, se observa como el
número más grande en las columnas EF o LF de la tabla 11.3. Los gerentes industriales llaman a esto
un calendario límite.
FIGURA 11.6
Ruta crítica (A-C-E-G-H)
de General Foundry A 2 C 2 F 3
0 2 2 4 4 7
0 2 2 4 10 13
E 4 H 2
4 8 13 15 Final
4 8 13 15
B 3 D 4 G 5
0 3 3 7 8 13
1 4 4 8 8 13
11.2 PERT/CPM 405
ACTIVIDAD
CRÍTICA VA RIANZA
A 4/36
/
4/36
C x/36
G 64/36
/
H 4/3
/ 6
Varianza del proyecto = 4/36 + 4/36 + 36/36 + 64/36 + 4/36 = 112//36 = 3.1 1 1
Cálculo de la desviación estándar: Desviación estándar del proyecto = crT = VVarianza del proyecto
¿Cómo puede usarse esta información para ayudar a responder preguntas sobre la probabilidad de terminar
a tiempo el proyecto? Además de suponer que los tiempos de las actividades son independientes, también
suponernos que el tiempo total para la terminación del proyecto sigue una distribución de probabilidad
PERT tiene dos supuestos. normal. Con estos supuestos, es posible emplear la curva en forma de campana que se muestra en la figura
FIGURA 11.7
Desviación estándar = 1.76 semanas
Distribución de
probabilidad para los
tiempos de terminación
del proyecto
15 semanas
FIGURA 11.8
Probabilidad de que El tiempo esperado es de 15 semanas 0 57 desviaciones estándar
General Foundry cumpla
con la fecha límite Probabilidad
de 16 semanas (T 16 semanas)
es 71.6%
15 16 Tiempo
semanas semanas
11.7, para representar las fechas de terminación del proyecto. También implica que hay 50% de probabi-
lidades de que todo el proyecto se complete en menos de las 15 semanas esperadas y una probabilidad de
50% de que tarde más de esas 15 semanas.*
Para que Harky encuentre la probabilidad de que su proyecto esté terminado para la fecha límite de 16
semanas o antes, se debe determinar el área apropiada bajo la curva normal. La ecuación normal estándar
se puede aplicar de la manera siguiente:
Usted debería estar consciente de que las actividades no críticas también tienen variabilidad (como se muestra en la tabla 11.2).
De hecho, una ruta crítica diferente podría evolucionar debido a la situación probabilística. Esto también puede ocasionar que
las estimaciones de probabilidad sean poco confiables. En tales casos, es mejor utilizar la simulación para determinar las
probabilidades.
11.2 PERT/CPM 407
PROGRAMA 11.1A FILE HOME INSERT PAGE LAYOUT FORMULAS DATA REVIEW VIEW ADD-3145 Excel 0M
13
Me: Sheet mune:
19
20
4: Options
Enter the number of actnnties
2Z
Name for rows
22 &.1 Graph
(1.1seAfor 4, 8,C... or atora, b,
23
Mal • of predecessors
24
25 Narre for columns Peed
.2s
27
Orme estrmates
25 • er,rrn Sethngs
1 trrne estrmate
29
4 3 time estirnate ririr OK I
30
31:
32
33
presenta en una tabla con los predecesores inmediatos y tres estimaciones de tiempo, seleccione Pre-
decessor List (AON) y aparecerá la ventana de inicio. Especifique el número de actividades, el número
máximo de predecesores inmediatos de las actividades y seleccione la opción 3 Tinte Estimate. Si de-
sea ver un diagrama de Gantt, seleccione la opción Graph. Haga clic en OK cuando haya terminado, y
aparecerá una hoja de cálculo, con todas las filas y columnas necesarias etiquetadas. Para este ejemplo,
introduzca las tres estimaciones de tiempo en las celdas B8:D15 y, luego, ingrese los predecesores inme-
diatos en las celdas C18:D25, como se indica en el programa de 11.1B. No se requieren otras entradas
ni otros pasos.
A medida que se introducen los datos, Excel QM calcula los tiempos esperados y las varianzas para
todas las actividades, y una tabla mostrará automáticamente los tiempos más lejanos y más cercanos, así
como los tiempos de holgura para todas las actividades. Se despliega un diagrama de Gantt que muestra
la ruta crítica y el tiempo de holgura para las actividades.
anteriormente, esta actividad está en la ruta crítica. Las actividades predecesoras son A, B, C, D y E.
Todas estas actividades deben completarse antes de que la actividad G pueda iniciar. Una actividad
sucesora es aquella que puede iniciar sólo después de finalizada la actividad dada. Por ejemplo, la ac-
tividad II es la única actividad sucesora de la actividad G. Una actividad paralela es aquella que no
depende directamente de la actividad dada. Una vez más, considere la actividad G. ¿Existen actividades
que le sean paralelas? Si se observa la red de General Foundry, es posible ver que la actividad F es una
actividad paralela a la actividad G.
Después de haber definido las actividades predecesoras, sucesoras y paralelas, podemos explorar
el impacto que un aumento (disminución) del tiempo de una actividad en la ruta crítica tendría en las
demás actividades de la red. Los resultados se resumen en la tabla 11.4. Si el tiempo que tarda en
completarse la actividad G aumenta, habrá un aumento en el inicio más cercano, la terminación más
cercana, el inicio más lejano y la terminación más lejana de todas las actividades sucesoras. Debido
a que estas actividades siguen después de la actividad G, sus tiempos también aumentarían. Como
el tiempo de holgura es igual al tiempo de terminación más lejano menos el tiempo de terminación
más cercano (o el tiempo de inicio más lejano menos el tiempo de inicio más cercano; LF — EF o
LS — ES), no habrá ningún cambio en la holgura de las actividades sucesoras. Como la actividad G
está en la ruta crítica, un aumento del tiempo de esa actividad incrementará el tiempo total para la
terminación del proyecto. Esto significa que los tiempos de terminación más lejana, inicio más lejano
y de holgura también aumentarán para todas las actividades paralelas. Esto lo puede probar usted
mismo, completando un paso hacia atrás a través de la red usando un mayor tiempo total de termina-
ción del proyecto. No hay cambios para las actividades predecesoras.
11.3 PERT/Costo
Aunque PERT es un excelente método para dar seguimiento y controlar la duración de un proyecto, no
considera otro factor muy importante: el costo del proyecto. PERT/Costo es una modificación de PERT
El uso de PERT/Costo para planear, que permite a un administrador planear, programar, supervisar y controlar tanto el costo como el tiempo.
programar, supervisar y controlar el Esta sección inicia investigando cómo los costos pueden planearse y programarse. Después se averi-
costo del proyecto ayuda a lograr gua cómo se supervisan y controlan los costos.
el sexto y último paso de PERT.
Planeación y programación de los costos del proyecto:
proceso de presupuesto
El enfoque general en el proceso de elaboración del presupuesto de un proyecto es determinar cuánto se
gastará cada semana o mes. Esto se logra de la siguiente manera:
FIGURA 11.9
Diagrama de Gantt
para el ejemplo de
General Foundry
A
B
o
::::31111111
D
ca D
t, E
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Semana
410 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
A EN ACCIÓN
California necesita la gestión de'proyectos para
un proyecto de agua de $25 mil millones
por ejemplo, es de $22,000 (vea la tabla 11.5). Como su tiempo esperado (t) es de 2 semanas, se gastan
$11,000 cada semana para completar la actividad. La tabla 11.5 también proporciona dos datos que en-
contramos anteriormente utilizando PERT: el tiempo de inicio más cercano (ES) y el tiempo de inicio más
lejano (LS) para cada actividad.
Si se observa el total de los costos de actividad presupuestados. todo el proyecto tendrá un costo de
$308,000. Encontrar el presupuesto semanal ayudará a Harky a determinar cómo avanza el proyecto cada
semana.
Un presupuesto se calcula El presupuesto semanal para el proyecto se desarrolla a partir de los datos de la tabla 11.5. El tiempo
utilizando ES. de inicio más cercano para la actividad A, por ejemplo, es 0. Debido a que A requiere 2 semanas para
completarse, su presupuesto semanal de $11,000 debería gastarse en las semanas 1 y 2. Para la actividad
B, el tiempo de inicio más cercano es 0, el tiempo de terminación esperado es de 3 semanas y el costo
presupuestado por semana es de 510,000. Por lo tanto, para la actividad B se deberían gastar $10,000 en
cada una de las semanas 1, 2 y 3. Mediante el uso del tiempo de inicio más cercano, podemos encontrar
las semanas exactas durante las cuales se tiene que gastar el presupuesto de cada actividad. Estas cantida-
des semanales se pueden sumar para todas las actividades, con la finalidad de obtener el presupuesto se-
manal para todo el proyecto. Esto se muestra en la tabla 11.6. Note las semejanzas entre esta tabla y el
diagrama de Gantt mostrado en la figura 11.9.
¿Puede usted ver cómo se determina el presupuesto semanal para el proyecto (total por semana)
en la tabla 11.6? Las dos únicas actividades que se pueden realizar durante la primera semana son A y 8,
ya que sus tiempos de inicio más cercanos son 0. Por lo tanto, durante la primera semana se debe gastar un
2 9 9 26,000 13,000
D 3 4 4 48,000 12,000
B 4 4 4 56,000 14,000
F 4 10 3 30,000 10,000
G 8 8 5 80,000 16,000
H 13 13 9 16,000 8,000
Total 308,000
11.3 PE RT/COSTO 411
TABLA 11.6 Costo presupuestado (miles de S) para General Foundry, Inc., utilizando los tiempos
de inicio más cercanos
A 11 11 22
I() 10 10 30
13 13 26
D 12 12 12 12 48
B 14 14 14 14 56
10 10 10 30
G 16 16 16 16 16 80
H 8 8 16
308
Total por semana 21 21 23 25 36 36 36 14 16 16 16 16 16 8 8
Total a la fecha 21 42 65 90 126 162 198 212 228 244 260 276 292 300 308
total de $21,000. Debido a que las actividades A y B todavía se siguen realizando en la segunda semana,
durante ese periodo también se tiene que gastar un total de $21,000. El tiempo de inicio más cercano para
la actividad C está al final de la semana 2 (ES = 2 para la actividad C). Por lo tanto, se gastan $13,000
en la actividad C, tanto en la semana 3 como en la 4. Como la actividad B también se está realizando du-
rante la semana 3, el presupuesto total de la semana 3 es de $23,000. Para todas las actividades, se llevan a
cabo cálculos similares a éstos que determinan el presupuesto total para todo el proyecto por cada semana.
Entonces estos totales semanales se pueden agregar para determinar la cantidad total que debería gastarse
hasta cierta fecha (total a la fecha). Esta información se muestra en la fila inferior de la tabla.
Otro presupuesto se calcula Las actividades que se encuentran en la ruta crítica deben gastar sus presupuestos en los tiempos
utilizando LS. mostrados en la tabla 11.6. Por su parte, las actividades que no están en la ruta crítica pueden iniciar en una
fecha posterior. Este concepto se materializa en el tiempo de inicio más lejano, LS, para cada actividad.
Por consiguiente, si se utilizan los tiempos de inicio más lejanos, es posible obtener otro presupuesto, el
cual retrasará el gasto de fondos hasta el último momento posible. Los procedimientos para calcular
el presupuesto usando los LS son los mismos que cuando se utilizan los ES. Los resultados de los nuevos
cálculos se muestran en la tabla 11.7.
TABLA 11.7 Costo presupuestado (miles de S) para General Foundry, Inc., usando los tiempos
de inicio más lejanos
A 11 11 22
10 10 10 30
13 13 26
D 12 12 12 12 48
B 14 14 14 14 56
10 10 10 30
G 16 16 16 16 16 80
H 8 8 16
308
Total por semana 11 21 23 23 26 26 26 26 16 16 26 26 26 8 8
Total a la fecha 11 32 55 78 104 130 156 182 198 214 240 266 292 300 308
412 CAPITULO 11 • GESTIÓN DE PROYECTOS
Presupuesto usando
los tiempos de inicio
más cercanos, ES
250,000
200,000
Presupuesto usando
150,000
los tiempos de inicio
más lejanos, LS
100,000
50,000
1 I I 1 I I 1 l 1 1 l 1 1 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 semanas
Compare los presupuestos dados en las tablas 11.6 y 11.7. La cantidad que debería gastarse hasta la
fecha (total a la fecha) para el presupuesto de la tabla 11.7 utiliza menos recursos financieros en las prime-
ras semanas. Esto se debe a que el presupuesto se prepara utilizando los tiempos de inicio más lejanos. Por
lo tanto, el presupuesto de la tabla 11.7 muestra el último momento posible en el que los fondos pueden
gastarse y aun así terminar el proyecto a tiempo. El presupuesto de la tabla 11.6 muestra el momento más
cercano posible en el que los fondos pueden gastarse. Por consiguiente, un administrador elige cualquier
opción que se sitúe entre los presupuestos presentados en estas dos tablas, las cuales forman rangos facti-
bles para el presupuesto. Este concepto se ilustra en la figura 11.10.
Los rangos de presupuesto para General Founlry se establecieron al graficar los presupuestos totales
a la fecha para ES y LS. Lester Harky puede utiliz cualquier presupuesto entre estos rangos factibles y
aun así completar a tiempo el proyecto contra la contaminación del aire. Normalmente, antes de que inicie
el proyecto se desarrollan presupuestos como los mostrados en la figura 11.10. Luego, a medida que el
proyecto avanza, los fondos gastados deben supervisarse y controlarse.
Aunque hay ventajas en el flujo de efectivo y en el manejo del dinero para retrasar las actividades
hasta sus tiempos de inicio más lejanos, estos retrasos pueden crear problemas con la terminación del
proyecto a tiempo. Si una actividad no se inicia sino hasta su tiempo de inicio más lejano, no hay holgura
restante. Cualquier retraso subsecuente en esta actividad demorará el proyecto. Por tal razón, es posible
¿Cumple el proyecto con el programa que no sea deseable programar todas las actividades para que inicien en su tiempo de inicio más lejano.
y está dentro de su presupuesto?
Seguimiento y control de los costos d I proyecto
El propósito de la supervisión y el control de los c stos del proyecto es asegurar que éste avance según
lo previsto y que los excesos de costos se manteng al mínimo. El estatus de todo el proyecto tiene que
revisarse de manera periódica.
Lester Harky quiere saber cómo va su proyec o contra la contaminación del aire. En este momento
transcurre la sexta semana del proyecto de 15 semanas. Las actividades A, B y C han concluido, e implica-
ron costos de $20,000, $36,000 y $26,000, respectiVamente. La actividad D se ha completado sólo 10% y,
hasta el momento, el costo invertido ha sido de $6,000. La actividad E está completada 20% con un costo
11.3 PERT/COSTO 413
TABLA 11.8 Seguimiento y control del costo presupuestado
COSTO PORCENTAJE VALOR DEL COSTO DIFERENCIA
RESU PUESTA DO DE TRABAJO REAL POR ACTIVIDAD
TOTAL. ($) TERMINA(' ÓN COM PI KVA DO ($) ($) ($)
A 22,000 100 22,000 20,000 —2,000
30,000 100 30,000 36,000 6,000
26,000 100 26,000 26,000
48,000 10 4,800 6,000 1,200
D 56,000 20 11,200 20,000 8,800
F 30,000 20 6,000 4,000 —2,000
G 80,000 O O O O
H 16,000 O
Total 100,000 112,000 12,000
Faltante
incurrido de $20,000, y la actividad de F se ha completado 20% con un costo incurrido de $4,000. Las
actividades G y H no han iniciado. ¿El proyecto contra la contaminación del aire cumple con el programa
previsto? ¿Cuál es el valor del trabajo realizado? ¿Hay exceso de costos?
El valor del trabajo realizado, o el costo presupuestado hasta la fecha para cualquier actividad, se pue-
den calcular de la siguiente manera:
Diferencia por actividad = Costo real — Valor del trabajo realizado (11-9)
Si una diferencia por actividad es negativa, existe un ahorro en el costo; pero si es positiva, ha ocurrido un
sobrecosto.
Calcule el valor del trabajo realizado La tabla 11.8 presenta esta información para General Foundry. La segunda columna contiene el costo
multiplicando el costo presupuestado presupuestado total (de la tabla 11.6), y la tercera columna contiene el porcentaje de terminación. Con
por el porcentaje de terminación. estos datos y el costo real gastado para cada actividad, podemos calcular el valor del trabajo realizado y el
ahorro o el sobrecosto para cada actividad.
Una forma de medir el valor del trabajo realizado consiste en multiplicar los costos presupuestados
totales por el porcentaje de terminación de cada actividad.* Por ejemplo, la actividad D tiene un valor
del trabajo realizado de $4,800 (=$48,000 por 10%). Para determinar la cantidad de sobrecosto o aho-
rro para cualquier actividad, el valor del trabajo realizado se resta del costo real. Estas diferencias se su-
man para determinar el sobrecosto o el ahorro del proyecto. Como se observa, en la semana 6 hay un
sobrecosto de $12,000. Además, el valor del trabajo realizado es de sólo $100,000, y el costo real del pro-
yecto hasta la fecha es de $112,000. ¿Cómo se comparan estos costos con los costos presupuestados para
la semana 6? Si Harky hubiera decidido utilizar el presupuesto para los tiempos de inicio más cercanos
(vea la tabla 11.6) veremos que deberían haberse gastado $162,000. Por lo tanto, el proyecto se ha retra-
sado y hay sobrecostos. Harky necesita moverse más rápido en este proyecto para terminar a tiempo, y
debe controlar los costos futuros cuidadosamente para tratar de eliminar el sobrecosto actual de $12,000.
Para monitorear y controlar los costos, es necesario calcular periódicamente la cantidad presupuestada, el
valor del trabajo terminado y los costos reales.
En la siguiente sección veremos cómo acortar un proyecto mediante un gasto de dinero adicional.
La técnica se llama aceleración y forma parte del método de la ruta crítica (CPM).
El porcentaje de terminación de cada actividad también se puede medir de otras maneras. Por ejemplo, podría examinarse la
relación entre las horas de mano de obra usadas y las horas de mano de obra totales estimadas.
414 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
Ejecución
R ecientemente, varias compañías pequeñas han incorporado he-
rramientas de gestión de proyectos a sus lugares de trabajo. En las
Al inicio de la pt. esta en marcha del proyecto está la fase de ejecu-
ción. Los gerente s dirigen a los empleados para que realicen tareas y
empresas pequeñas, los propietarios y gerentes asignan actividades tomen nota de st tiempos de terminación.
en el proyecto a lol empleados y a sí mismos. Los investigadores han Control
identificado cinco fases básicas de un proyecto para ayudar a las pe- La fase de control puede superponerse a la anterior fase de ejecución
queñas empresas; éstas son la concepción, la planeación y el diseño, y consiste en asegurar el cumplimiento de los plazos de ejecución y
la ejecución, el control y el cierre. los hitos, a tiempo y dentro del presupuesto. Durante esta fase, es
Concepción posible que deban reasignarse los recursos.
Durante la concepción, los tomadores de decisiones de los peque- Cierre
ños negocios integran sus ideas y las alinean con los objetivos de la El nombre de esta fase indica acertadamente que se realizan las presen-
empresa. En esta fase se toma la decisión de seguir adelante con el taciones, se completan los análisis y se entregan los informes.
proyecto.
Planeación y diseño Fuente: Major Act ivities in Project Management Phases, Houston Chronicle,
La segunda fase consiste en determinar las tareas y los hitos que deben 21 de mayo de 201 , <smallbusiness.chron.corn>.
pasarse para que el proyecto tenga éxito. También implica la asignación
de actividades a los departamentos y la preparación de la red PERT.
* Esta fórmula supone que los costos de aceleración son lineal es. En caso de no serlo, deberán hacerse ajustes.
11.4 ACELERACIÓN DEL PROYECTO 415
FIGURA 11.11
Costo
Tiempos y costos de
acelerados y normales actividad
para la actividad B Aceleración
$34,000 /
Costo de Costo de _ Costo acelerado - Costo normal
aceleración \\ aceleración/semana Tiempo normal - Tiempo acelerado
$33,000 _ $34,000 - $30,000
3-1
$32,000 _ $4,000 - $2,000 / Semana
2 semanas
$31,000
Normal
$30,000
Costo
normal
o 1 2 3 Tiempo (semanas)
Las actividades A, C y E están en la ruta críticas cada una tiene un costo mínimo de aceleración por
semana de $1,000. Harky puede acelerar la actividad A en una semana para reducir el tiempo de termina-
ción del proyecto a 14 semanas. El costo es de $1,000 adicionales.
Ahora hay dos rutas críticas. En esta etapa, hay dos rutas críticas. La original consta de las actividades A, C, E, G y H, con un plazo
de terminación total de 14 semanas. La nueva ruta crítica consta de las actividades B, D, G y H, también
con un plazo de terminación total de 14 semanas. Cualquier aceleración adicional debe hacerse para ambas
rutas críticas. Por ejemplo, si Harky quiere reducir el tiempo de terminación del proyecto en dos sema-
nas más, necesitará reducir ambas rutas. Esto se puede hacer al reducir la actividad G, que está en ambas
rutas críticas, en dos semanas por un costo adicional de $2,000 semanales. El tiempo total de terminación
sería de 12 semanas, y el costo total de aceleración sería de $5.000 ($1,000 por reducir la actividad A en
una semana y $4,000 por reducir la actividad G en dos semanas).
Para redes pequeñas, como la de General Foundry, es posible utilizar el procedimiento de cuatro pasos
para encontrar el menor costo por reducir el tiempo de terminación del proyecto. Por otro lado, en redes
más grandes, este enfoque es difícil y poco práctico, y resulta necesario emplear técnicas más sofisticadas,
como la programación lineal.
XA = EF para la actividad A
XB = EF para la actividad B
Xc = EF para la actividad C
XD = EF para la actividad D
XE = EF para la actividad E
XF = EF para la actividad F
4 = EF para la actividad G
XH = EF para la actividad H
= tiempo de inicio para el proyecto (normalmente 0)
Xfinai = tiempo de terminación más cercano para el proyecto
Aunque el nodo de inicio tiene una variable (X10 10) asociado con él, esto no es necesario puesto que se le
dará un valor de 0, que podría utilizarse en lugar de la variable.
Y se define como el número de semanas que se acelera cada actividad. YA es el número de semanas
que decidimos acelerar la actividad A, YB es la cantidad de tiempo de aceleración usado en la actividad
B, y así sucesivamente hasta YH.
FIGURA 11.12
Red de General Foundry
con tiempos de actividad
B 4
11.4 ACELERACIÓN DEL PROYECTO 417
El siguiente paso es determinar la FUNCIÓN OBJETIVO Dado que el objetivo es minimizar el costo de aceleración del proyecto total, nues-
función objetivo. tra función objetivo de PL es
En seguida se determinan las RESTRICCIONES DEL TIEMPO DE ACELERACIÓN Se requieren restricciones para asegurar que
restricciones de aceleración. cada actividad no se acelera más allá de su tiempo de aceleración máximo permisible. El máximo
para cada variable Y es la diferencia entre el tiempo normal y el tiempo de aceleración (a partir de la
tabla 11.9):
YA 1
YB 5- 2
Yc s1
YD 1
YE s 2
YF 1
l'G 5- 3
YH :5 1
El paso final es determinar las RESTRICCIÓN DE LA TERMINACIÓN DEL PROYECTO Esta restricción especifica que el último evento
restricciones de los eventos. debe tener lugar antes de la fecha límite del proyecto. Si el proyecto de Harky debe acelerarse a 12 sema-
nas, entonces,
Xfinal S- 12
El tiempo de actividad se da como t — Y, o el tiempo normal de la actividad menos el tiempo ahorrado por la
aceleración. Sabemos que EF = ES + Tiempo de la actividad, y que ES = Mayor EF de los predecesores.
Comenzamos por definir el inicio del proyecto en el tiempo igual a cero: Xinicio = O.
Para la actividad A,
Para la actividad B,
XB Xinicio (3 Y B)
o XB Xinicio YB 3
Para la actividad C,
Xc XA ( 2 YC)
o Xc — XA Yc 2
Para la actividad D,
XD XB +(4— YD)
o XD Xg YD 4
418 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
Para la actividad E,
XE Xc +(4 — YE)
o XE — Xc + YE k 4
Para la actividad F,
XF Xc + (3 YF)
o XF — Xc + p 3
Para la actividad G, necesitamos dos restricciones ya que hay dos predecesores. La primera restricción para
la actividad G es
XG + (5 YG) -
o XG — XD -F Ya z 5
XG 4 +(5— YG)
o XG — XE -F YG 5
Para la actividad H necesitamos dos restricciones puesto que hay dos predecesores. La primera restric-
ción para la actividad H es
XH ?XF+(2 — Yy)
o XII — + Y„ a• 2
Xll (2 — Y,,)
o Xy — XG Yll 2
Para indicar que el proyecto está terminado cuando concluye la actividad H, tenemos
Xfinal
Después de agregar las restricciones de no negatividad, este problema de PL puede resolverse para encon-
trar los valores Y óptimos. Lo anterior se puede hacer con QM para Windows o Excel QM. En el programa
11.2 se presenta la solución de Excel QM a este problema.
B C O EFG 11 1 .1 K LLINOPOR S T U V
PROGRAMA 11.2 A
Creshing General Foundry Problern — ..
Solución al problema de 2, YA YB YC YD YE YF YG YE XST XA XB XC XD XE XF XG XH XF11,1
3 iValues 1 O 0 O 0 0 2 0 0 1 3 3 7 7 10 10 12 12 Total
aceleración mediante 4 IMmirrize cosí 2000 1000 1000 1000 500 3000 5000
5 A crash max 1 c
Solver en Excel 6 8 crash max
7 C crash_max__r O
La actividad A se acelera La actividad G se acelera 2 semanas) O
9 1 semana.
O
lo 1 O
11 G crash mate 1 1 El costo total de acelerar el 2
12 H crash max o
\proyecto 3 semanas es de $5,000 12 12
13 Duo date
4 Slart o 0
10 A constramt 2 2
16 B constramt 3
17 C constramt 2
18 D CornItrmnt 1
19 E comarznt 4
20 F constrarn: 1
21 G constrant 1 1 5 5
22 G constrant 2 -1 5
23 á Constramt 1 -1 1 2
24 H consuma 2 -1 1 2
25 Farash constramt -1 1
RESUMEN 419
Subproyectos
Para proyectos extremadamente grandes, una actividad puede componerse de varias subactividades más
pequeñas. Cada actividad puede verse como un proyecto más pequeño o un subproyecto del proyecto ori-
ginal. La persona a cargo de la actividad tal vez desee crear un gráfico PERT/CPM para la gestión de este
subproyecto. Muchos paquetes de software tienen la capacidad de incluir varios niveles de subproyectos.
Hitos
Con frecuencia, los eventos principales en un proyecto se refieren como hitos. Éstos se reflejan a menudo
en los diagramas de Gantt y los gráficos PERT para destacar la importancia de llegar a esos eventos.
Nivelación de recursos
Además de gestionar el tiempo y los costos involucrados en un proyecto, un administrador también debe
estar preocupado con los recursos utilizados en un proyecto. Estos recursos podrían ser equipos o perso-
nas. En la planeación de un proyecto (y, a menudo como parte de la estructura de desglose del trabajo), un
administrador debe identificar qué recursos se necesitan en cada actividad. Por ejemplo, en un proyecto
de construcción puede haber varias actividades que requieran el uso de equipo pesado, por ejemplo, una
grúa. Si la empresa constructora tiene sólo una grúa, entonces es posible que se generen conflictos al
programar dos actividades que requieren el uso de la grúa en el mismo día. Para aliviar los problemas de
este tipo, se utiliza la nivelación de recursos, que significa que una o más actividades se trasladan del
tiempo de inicio más cercano a otro tiempo (no posterior al tiempo de inicio más lejano) para que la uti-
lización de recursos se distribuya más uniformemente a lo largo del tiempo. Si los recursos son cuadrillas
de construcción, esto es muy benéfico, porque las cuadrillas se mantienen ocupadas y el tiempo extra se
reduce al mínimo.
Software
Existen varios paquetes de software para la gestión de proyectos en el mercado, tanto para estaciones de
trabajo como para computadoras personales. Algunos de estos programas se alojan localmente, mientras
que otros están basados en la nube. Entre el software destacado se encuentra Microsoft Project, Clarizen
(basado en la nube), OmniPlan y OpenProj, que pueden utilizarse para desarrollar programas de presu-
puesto, ajustar automáticamente los tiempos de inicio futuros con base en los tiempos de inicio reales de
las actividades anteriores, y nivelar la utilización de recursos.
Un buen software para computadoras personales varía en precio desde unos pocos cientos hasta varios
miles de dólares. Para estaciones de trabajo, el software suele costar mucho más. Las empresas han pagado
varios cientos de miles de dólares por software y soporte para la gestión de proyectos, debido a que ayuda
a que la gerencia tome mejores decisiones y realice un seguimiento de aspectos de un proyecto que, de otro
modo, serían muy difíciles de manejar.
Resumen
En este capítulo, se presentaron los fundamentos de PERT y CPM. Mediante el uso de PERT/Costo, es posible determinar si hay sobre-
Ambas técnicas son excelentes para controlar proyectos grandes y costos o ahorros en cualquier momento. También se puede determinar
complejos. si el proyecto se ajusta al programa establecido.
PERT es probabilfstica y permite tres estimaciones de tiempo CPM, aunque similar a PERT, tiene la capacidad de acelerar los
para cada actividad. Estas estimaciones se utilizan para calcular el proyectos, reduciendo su tiempo de terminación mediante la aplica-
tiempo de terminación esperado del proyecto, la varianza y la pro- ción de recursos adicionales. Por último, vimos que la programación
babilidad de que el proyecto se complete en una fecha determinada. lineal también se utiliza para acelerar una red, en una cantidad de-
PERT/Costo, una extensión de PERT estándar, se puede utilizar para seada, a un costo mínimo.
planear, programar, supervisar y controlar los costos del proyecto.
420 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
Glosario
Aceleración El proceso de reducir el tiempo total que se necesita para PERT/Costo Una técnica que permite al tomador de decisiones
completar un proyecto mediante el gasto de fondos adicionales. planear, programar, supervisar y controlar los costos, así como el
Actividad Un trabajo o una tarea que consume tiempo y es una tiempo del proyecto.
subparte clave del proyecto total. Predecesor inmediato Una actividad que debe completarse antes
Actividades en los arcos (AOA) Una red en la cual las actividades de poder iniciar otra actividad.
se representan mediante arcos. Red Una representación gráfica de un proyecto que contiene las
Actividades en los nodos (AON) Una red en la que las actividades actividades y los eventos.
se representan mediante nodos. Éste es el modelo que se ilustra Ruta crítica La serie de actividades que tienen holgura cero. Es la
en nuestro libro. trayectoria con el tiempo más largo a través de la red. Un retraso
Análisis de la ruta crítica Un análisis que determina el tiempo de cualquier actividad que se encuentra en la ruta crítica demorará
total para la terminación del proyecto, su ruta crítica, así como la terminación de todo el proyecto.
la holgura, ES, EF, LS y LF para cada actividad. Tiempo de actividad esperado El tiempo promedio que se requiere
CPM Método de la ruta crítica. Una técnica determinista de redes para completar una actividad. t = (a + 4m + b)/6.
similar a PERT, pero que permite acelerar los proyectos. Tiempo de holgura La cantidad de tiempo que puede retrasarse una
Diagrama de Gantt Una gráfica de barras que indica cuándo se actividad sin demorar todo el proyecto. La holgura es igual al
llevarán a cabo las actividades (representadas mediante barras) tiempo de inicio más lejano menos el tiempo de inicio más
de un proyecto. cercano, o el tiempo de terminación más lejano menos el tiempo
Distribución de probabilidad beta Una distribución de probabilidad de terminación más cercano.
que se utiliza con frecuencia para calcular los tiempos esperados de Tiempo de inicio más cercano (ES) El tiempo más cercano en el
terminación de las actividades y las varianzas en las redes. que puede iniciar una actividad sin quebrantar los requisitos de
Estimaciones del tiempo de la actividad Tres estimaciones de precedencia.
tiempo que se utilizan para determinar el tiempo de terminación Tiempo de inicio más lejano (LS) El tiempo más lejano en el que
esperado y la varianza de una actividad en una red PERT. una actividad puede iniciar sin retrasar todo el proyecto.
Estructura de desglose del trabajo (EDT) Una lista de las activi- Tiempo de terminación más cercano (EF) El tiempo más cercano
dades que se deben realizar en un proyecto. en el que se puede terminar una actividad sin quebrantar los requi-
Evento Un punto en el tiempo que marca el inicio o el final de una sitos de precedencia.
actividad. Tiempo de terminación más lejano (LF) El tiempo más lejano en
Hito Un evento importante en un proyecto. el cual una actividad puede terminar sin retrasar todo el proyecto.
Nivelación de recursos El proceso de suavizar la utilización de los Tiempo más probable (m) La cantidad de tiempo esperada que se
recursos en un proyecto. requiere para completar una actividad.
Paso hacia adelante Un procedimiento que se mueve desde el ini- Tiempo optimista (a) El menor lapso de tiempo que podría reque-
cio de una red hasta el final de ésta. Se utiliza en la determinación rirse para terminar una actividad.
de los tiempos de inicio más cercanos y los tiempos de termina- Tiempo pesimista (b) La mayor cantidad de tiempo que podría
ción más cercanos de cada actividad. requerirse para completar la actividad.
Paso hacia atrás Un procedimiento que se mueve desde el final Varianza del tiempo de terminación de la actividad Una medida
de una red hasta el inicio de ésta. Se utiliza para determinar los de dispersión del tiempo de terminación de la actividad.
tiempos de inicio más lejano y de terminación más lejana. Varianza = [(b — a)/6]2.
PERT Técnica de evaluación y revisión del programa. Una técnica
de redes que permite tres estimaciones de tiempo para cada activi-
dad en un proyecto.
Ecuaciones clave
a + 4m + b Fecha de vencimiento — Fecha esperada de terminación
(11-1) t = (11-7) Z =
6
Tiempo de terminación esperado para la actividad. Número de desviaciones estándar a las que se encuentra la
Cb
— ay fecha objetivo con respecto a la fecha esperada, usando
(11-2) Varianza = la distribución normal.
6
(11-8) Valor del trabajo completado = (Porcentaje de trabajo com-
Varianza de una actividad.
pletado) X (Presupuesto total de la actividad)
(11-3) EF = ES + t
Tiempo de terminación más cercano. (11-9) Diferencia de la actividad = Costo real — Valor del trabajo
(11-4) LS = LF — t completado
Tiempo de inicio más lejano. Costo de aceleración Costo de aceleración — Costo normal
(11-5) Holgura = LS — ES u Holgura = LF — EF (11-10)
Periodo de tiempo Tiempo normal — Tiempo acelerado
Tiempo de holgura en una actividad.
(11-6) Varianza del proyecto = E varianzas de las actividades en la El costo en CPM por reducir la longitud de una actividad en
ruta crítica un periodo de tiempo.
PROBLEMAS RESUELTOS 421
Problemas resueltos
PREDECESORES
ACTIVIDAD a nl b INMEDIATOS
A 1 2 3
B 2 3 4
C 4 5 6 A
D 8 9 10
E 2 5 8 C, D
F 4 5 6
G 1 2 3 E
Solución
Aunque no es necesario para este problema, resultaría útil contar con una gráfica de todas las actividades. En la
figura 11.13, se muestra un diagrama PERT para el ensamble de alas.
FIGURA 11.13
Diagrama PERT
para Scott DeWitte
(problema
resuelto 11-1)
Los tiempos y las varianzas esperados pueden calcularse utilizando las fórmulas que se presentaron en el capí-
tulo. Los resultados se resumen en la siguiente tabla:
TIEMPO
ESPERADO
ACTIVIDAD (EN SEMANAS) VA1R1ANZA
I/
A 2 /9
I/
3 /9
5 1 /9
9
E 5
I/
5 /9
2
422 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
Solución
La ruta crítica, los tiempos de inicio más cercanos, los tiempos de terminación más cercanos, los tiempos de inicio
más lejanos y los tiempos de terminación más lejanos pueden determinarse con base en los procedimientos descri-
tos en el capítulo. Los resultados se muestran en la figura 11.14 y se resumen en la siguiente tabla:
TIEMPO DE ACTIVIDAD
FIGURA 11.14
Diagrama PERT
completo para A 2 C 5
Scott DeWitte 0 2 2 7
(problema 5 7 7 12
resuelto 11-2)
Las actividades a lo largo de la ruta crítica son B, D, E y G. Estas actividades tienen holgura cero, como se muestra
en la tabla. El tiempo de terminación esperado del proyecto es de 19 semanas. Los tiempos de inicio y de termina-
ción más cercanos y más lejanos se muestran en la tabla.
AUTOEVALUACIÓN 423
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. Los modelos de redes como PERT y CPM se utilizan para b. la suma de las desviaciones estándar de las actividades
a. planear proyectos grandes y complejos. en la ruta crítica.
b. programar proyectos grandes y complejos. c. la raíz cuadrada de la suma de las variatras de las actividades
c. supervisar proyectos grandes y complejos. del proyecto.
d. controlar proyectos grandes y complejos. d. todas las anteriores.
e. todo lo anterior. e. ninguna de las anteriores.
2. La principal diferencia entre PERT y CPM es que 9. La ruta crítica es
a. PERT utiliza una estimación del tiempo. a. la ruta más corta en una red.
b. CPM tiene tres estimaciones de tiempo. b. la ruta más larga en una red.
c. PERT tiene tres estimaciones de tiempo. c. la ruta con la menor varianza.
d. con CPM, se supone que todas las actividades pueden reali- d. la ruta con la mayor varianza.
zarse al mismo tiempo. e. ninguna de las anteriores.
3. La tiempo de inicio más cercano para una actividad es igual a 10. Si el tiempo de terminación del proyecto se distribuye
a. el mayor EF de los predecesores inmediatos. normalmente y la fecha limite para el proyecto es mayor que el
b. el menor EF de los predecesores inmediatos. tiempo de terminación esperado, entonces la probabilidad de
c. el mayor ES de los predecesores inmediatos. que el proyecto esté terminado para la fecha límite es
d. el menor ES de los predecesores inmediatos. a. menor que 0.50.
4. El tiempo de terminación más lejano de una actividad se b. mayor que 0.50.
encuentra con un paso hacia atrás a través de la red. El tiempo c. igual a 0.50.
de terminación más lejano es igual a d. indeterminable sin más información.
a. el mayor LF de las actividades para las cuales es un predece- 11. Si la actividad A no está en la ruta crítica, entonces la holgura
sor inmediato. de A será igual a
b. el menor LF de las actividades para las cuales es un predece- a. LF — EF.
sor inmediato. b. EF — ES.
c. el mayor LS de las actividades para las cuales es un predece- c. 0.
sor inmediato. d. todas las anteriores.
d. el menor LS de las actividades para las cuales es un predece- 12. Si un proyecto debe acelerarse con el costo adicional mínimo
sor inmediato. posible, entonces la primera actividad que se debe acelerar
5. Cuando se utiliza PERT y se encuentran las probabilidades, uno a. está en la ruta crítica.
de los supuestos que se adopta es que b. es la que tenga el menor tiempo de actividad.
a. todas las actividades están en la ruta crítica. c. es la que tenga el mayor tiempo de actividad.
b. los tiempos de actividad son independientes. d. es la que tenga el menor costo.
c. todas las actividades tienen la misma varianza. 13. Las actividades son aquellas que retrasan
d. la varianza del proyecto es igual a la suma de las varianzas todo el proyecto si se demoran o atrasan.
de todas las actividades que forman parte de él. 14. PERT quiere decir
e. todo lo anterior. 15. La aceleración de un proyecto se puede realizar utilizando
6. En PERT, la estimación de tiempo b representa
a. el tiempo más optimista. 16. PERT puede usar tres estimaciones del tiempo de la
b. el tiempo más probable. actividad. Estas tres estimaciones son
c. el tiempo más pesimista. y
d. el tiempo esperado. 17. El tiempo de inicio más lejano menos el tiempo de inicio más
e. ninguno de los anteriores. cercano se llama el tiempo para cualquier
7. En PERT, el tiempo de holgura es igual actividad.
a. ES + t. 18. El porcentaje de terminación del proyecto, el valor del trabajo
b. LS — ES. completado y los costos reales de las actividades reales se
c. 0. utilizan para los proyectos.
d. EF — ES.
e. ninguna de las anteriores.
8. La desviación estándar para el proyecto PERT es
aproximadamente
a. la raíz cuadrada de la suma de las varianzas a lo largo de la
ruta crítica.
424 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
Preguntas para análisis gusta 'a determinar el tiempo total para la terminación
del pi yecto y la ruta crítica. Los tiempos de actividad se
11-1 ¿Cuáles son algunas de las preguntas que pueden contes- mues tt en la siguiente tabla (vea el problema 11.12):
tarse con PERT y con CPM?
11-2 ¿Cuáles son las principales diferencias entre PERT y
CPM? ACTIVIDAD TIEMPO (DÍAS)
11-3 ¿Qué es una actividad? ¿Qué es un evento? ¿Qué es un A
predecesor inmediato? 5
11-4 Describa cómo se pueden calcular los tiempos de activi- 1
dad esperados y las varianzas en una red PERT.
D 10
11-5 Comente brevemente qué se entiende por análisis de la
ruta crítica. ¿Cuáles son las actividades en la ruta crítica y B 3
por qué son importantes? F 6
11-6 ¿Qué son el tiempo de inicio más cercano y el tiempo de G 8
inicio más lejano de una actividad? ¿Cómo se calculan? 35
11-7 Describa el significado de holgura y comente cómo se
puede determinar.
11-8 ¿Cómo podemos determinar la probabilidad de que un •11-14 Jean Walker está haciendo planes para sus vacaciones de
proyecto se termine para una fecha determinada? ¿Qué primavera en las playas de Florida. Desea aplicar las téc-
supuestos se adoptan para realizar este cálculo? nicas que aprendió en su clase de métodos cuantitativos;
para ello, ha identificado las actividades necesarias para
11-9 Describa brevemente PERT/Costo y cómo se utiliza.
preparar su viaje. La siguiente tabla muestra las activida-
11-10 ¿Qué es acelerar y cómo se hace en forma manual? des y sus predecesores inmediatos. Trace la red para este
11-11 ¿Por qué es útil la programación lineal en la aceleración proyecto.
con CPM?
ACTIVIDAD PREDECESORES INMEDIATOS
Problemas* A
: 11-12 Sid Davidson es el director de personal de Babson and
Willcount, una empresa especializada en consultoría e
investigación. Uno de los programas de capacitación que
Sid está considerando para los gerentes de nivel medio de D B
Babson and Willcount es la formación en liderazgo. Sid ha B C, D
numerado una serie de actividades que deben completarse F A
antes de que un programa de capacitación de esta natura- E, F
G
leza pueda implementarse. Las actividades y los predece-
sores inmediatos se muestran en la siguiente tabla:
W:11-15 A continuación se presentan los tiempos de actividad
ACTIVIDAD PREDECESORES INMEDIATOS para el proyecto del problema 11-14. Encuentre los tiem-
pos más cercanos, más lejanos y de holgura para cada
A actividad. Después, encuentre la ruta crítica.
Nota: 2 significa que el problema puede resolverse con QM para Windows; X significa que el problema puede resolverse con Excel QM, y < significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 425
.11-16 Monohan Machinery se especializa en el desarrollo de (d) ¿Cuál es la probabilidad de que el proyecto tarde más
equipos de recolección de maleza que se utilizan para eli- de 46 semanas?
minar la flora nociva de pequeños lagos. George Mono- (e) El gerente de proyecto desea establecer la fecha limite
han, presidente de la compañía, está convencido de que para la terminación del proyecto, de modo que haya
la recolección de la maleza es mucho mejor que el uso una probabilidad de 90% de terminar a tiempo. Por lo
de sustancias químicas para exterminarla. Los productos tanto, sólo habría una probabilidad de 10% de que el
químicos causan contaminación y la flora nociva parece proyecto requiera más tiempo que el establecido por
crecer más rápido después de haber utilizado tales sustan- la fecha limite. ¿Cuál debería ser ésta?
cias. George está contemplando la construcción de una Q:11-19 Tom Schriber, un director de personal de Management
máquina que recolecte maleza en ríos y canales estrechos. Resources, Inc., está diseñando un programa que sus
Las actividades necesarias para desarrollar una de estas clientes puedan utilizar en el proceso de búsqueda de em-
máquinas experimentales se numeran en la siguiente tabla. pleo. Algunas de las actividades incluyen la preparación
Construya una red para estas actividades. de currículos, escribir cartas, hacer citas para ver los po-
sibles empleadores, investigar las empresas e industrias,
etcétera. En la siguiente tabla, se muestra parte de la infor-
ACTIVIDAD PREDECESORES INMEDIATOS
mación sobre las actividades:
A
DÍAS
PREDECESORES
ACTIVIDAD a m b INMEDIATOS
D A
B B A 8 10 12
F B 6 7 9
G C, E 3 3 4
H D, F D 10 20 30 A
B 6 7 8
:11-17 Después de consultar con Butch Radner, George Monohan
9 10 11 B, D, E
fue capaz de determinar los tiempos de actividad para la
construcción de la máquina recolectora de maleza en ríos G 6 7 10 B, D, E
estrechos. A George le gustaría determinar los ES, EF, LS,
H 14 15 16 F
LF y la holgura para cada actividad. También debe deter-
minar el tiempo total para la terminación del proyecto y F 10 11 13 F
la ruta crítica. (Vea el problema 11-16 para mayores deta- 6 7 8
J G, H
lles). Los tiempos de actividad se muestran en la siguiente
tabla: K 4 7 8 1, J
L 1 2 4 G, H
ACTIVIDAD TIEMPO (SEMANAS)
A (a) Construya una red para este problema.
(b) Determine el tiempo esperado y la varianza para cada
5 actividad.
3 (c) Determine los ES, EF, LS, LF y la holgura para cada
2 actividad.
4 (d) Determine la ruta crítica y el tiempo de terminación
D
del proyecto.
6 (e) Determine la probabilidad de que el proyecto esté ter-
G 10 minado en 70 días o menos.
H 7 (O Determine la probabilidad de que el proyecto esté
terminado en 80 días o menos.
(g) Determine la probabilidad de que el proyecto esté ter-
:11-18 Se planeó un proyecto usando PERT con tres estimacio-
minado en 90 días o menos.
nes de tiempo. Se determinó que el tiempo de terminación
esperado del proyecto es de 40 semanas. La varianza de la • 11-20 Mediante el uso de PERT, Ed Rose fue capaz de determi-
ruta crítica es 9. nar que el tiempo de terminación esperado del proyecto
para la construcción de un yate recreacional es de 21 me-
(a) ¿Cuál es la probabilidad de que el proyecto esté termi-
ses y que la varianza del proyecto es de 4 meses.
nado en 40 semanas o menos?
(b) ¿Cuál es la probabilidad de que el proyecto requiera (a) ¿Cuál es la probabilidad de que el proyecto se com-
más de 40 semanas? plete en 17 meses o menos?
(c) ¿Cuál es la probabilidad de que el proyecto esté (b) ¿Cuál es la probabilidad de que el proyecto se com-
terminado en 46 semanas o menos? plete en 20 meses o menos?
426 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
(c) ¿Cuál es la probabilidad de que el proyecto se comple- *11-23 Los d tos de la aceleración del proyecto de General Foun-
te en 23 meses o menos? dry s muestran en la tabla 11.9. Acelere este proyecto a
(d) ¿Cuál es la probabilidad de que el proyecto se com- 13 sei anas utilizando CPM. ¿Cuáles son los tiempos fi-
plete en 25 meses o menos? nales 'ara cada actividad después de la aceleración?
11-21 El proyecto contra la contaminación del aire analizado x:11-24 Bowr an Builders fabrica cobertizos de almacenamien-
en el capítulo ha continuado en las semanas recientes, y to he hos de acero para uso comercial. Joe Bowman,
ahora está al final de la semana 8. Lester Harky desearía presidente de Bowman Builders, está contemplando
conocer el valor de los trabajos realizados, el importe de la producción de cobertizos para uso doméstico. En la
los sobrecostos o ahorros en el proyecto y el grado en el tabla adjunta, se proporcionan las actividades necesa-
cual el proyecto está adelantado o atrasado con respecto al rias para construir un modelo experimental y los datos
programa, mediante el desarrollo de una tabla similar a la relacionados.
tabla 11.8. Las cifras revisadas de costos se muestran en (a) ¿Cuál es la fecha de terminación del proyecto?
la siguiente tabla: (b) Formule un problema de PL para acelerar este pro-
yecto a 10 semanas.
PORCENTAJE COSTO
ACTIVIDAD COMPLETADO REAL ($)
COSTO COSTO
A 100 20,000 TIEMPO TIEMPO NORMAL ACELERADO PREDECESORES
100 36,000 ACTIVIDAD NORMAL ACELERADO (S) (S) INMEDIATOS
100 26,000 A 3 2 1,000 1,600
D 100 44,000 2 1 2,000 2,700
B 50 25,000
1 1 300 300
F 60 15,000
D 7 3 1,300 1,600 A
G 10 5,000
B 6 3 850 1,000 B
H 10 1,000
F 1 1 4,000 5,000
O 4 2 1,500 2,000 D, E
11-22 Fred Ridgeway ha recibido la responsabilidad de adminis-
trar un programa de capacitación y desarrollo. Él conoce
el tiempo de inicio más cercano, el tiempo de inicio más Q ;1 1-25 La Bender Construction Co. está involucrada en la cons-
lejano y los costos totales de cada actividad. Esta informa- trucción de edificios municipales y otras estructuras que
ción se da en la siguiente tabla. se utilizan principalmente por los gobiernos estatales y
(a) Usando los tiempos de inicio más cercanos, determine municipales. Para ello es necesario desarrollar documen-
el presupuesto mensual total de Fred. tos legales, elaborar estudios de factibilidad, obtener ca-
(b) Mediante los tiempos de inicio más lejanos, determine lificaciones de bonos, etcétera. Recientemente, Bender
el presupuesto mensual total de Fred. recibió una solicitud para presentar una propuesta para
la construcción de un edificio municipal. El primer paso
COSTO TOTAL es desarrollar los documentos legales y llevar a cabo to-
ACTIVIDAD ES LS t (EN MILES DE $) dos los pasos necesarios antes de firmar el contrato de
0 0 6 10 construcción. Esto requiere más de 20 actividades diferen-
A
tes que se deben completar. Las actividades, sus predece-
B 1 4 2 14 sores inmediatos y los requisitos de tiempo se presentan
C 3 3 7 5 en la ¡tabla 11.10 de la página siguiente.
D 4 9 3 6 Como se observa, se han dado las estimaciones de
6 6 10 14 tiempo optimista (a), más probable (m) y pesimista (b)
E
para todas las actividades descritas en la tabla. Con base
F 14 15 11 13 en estos datos, determine el tiempo total para la termi-
G 12 18 2 4 nación del proyecto en esta etapa preliminar, la ruta
H 14 14 11 6 crítica y el tiempo de holgura para todas las actividades
18 involucradas.
/ 18 21 6
11-26 Conseguir un título universitario puede ser una tarea
J 18 19 4 12
larg} I y difícil. Algunos cursos deben completarse antes
K 22 22 14 10 de p der tomar otros. Desarrolle un diagrama de red,
L 22 23 8 16 en e que cada actividad sea un curso en particular que
M 18 24 6 18 debe tomarse para un programa de estudios determinado.
Los predecesores inmediatos serán los prerrequisitos
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 427
del curso. No olvide incluir todos los requisitos de cur- Tabla para el problema 11-27
sos de la universidad, la facultad y el departamento. A TIEMPO
continuación, intente agrupar estos cursos en semestres PREDECESORES TIEMPO MÁS TIEMPO
o trimestres para su escuela específica. ¿Cuánto tiempo ACTIVIDAD INMEDIATOS OPTIMISTA PROBABLE PESIMISTA
cree usted que le llevará graduarse? ¿Qué cursos, si no
Tarea 1 1 2 4
los toma en la secuencia apropiada, podrían retrasar su
graduación? Tarea 2 3 3.5 4
Q;11-27 Dream Team Productions estaba en las fases finales del di- Tarea 3 10 12 13
seño de su nueva película, Gusanos Mutantes, que se lan- Tarea 4 4 5 7
zará el próximo verano. Market Wise, la firma contratada Tarea 5 2 4 5
para coordinar el lanzamiento de los juguetes de Gusanos Tarea 6 Tarea 1 6 7 8
Mutantes, identificó 16 tareas críticas que debían comple-
Tarea 7 Tarea 2 2 4 5.5
tarse antes del lanzamiento de la película.
Tarea 8 Tarea 3 5 7.7 9
(a) ¿Cuántas semanas antes del lanzamiento de la pelícu-
Tarea 9 Tarea 3 9.9 10 12
la debería Market Wise iniciar su campaña de mar-
Tarea 10 Tarea 3 2 4 5
keting? ¿Cuáles son las actividades de la ruta crítica?
Las tareas son las siguientes: Tarea 11 Tarea 4 2 4 6
Tarea 12 Tarea 5 2 4 6
Tarea 13 Tareas 6, 7, 8 5 6 6.5
Tarea 14 Tareas 10, 11, 12 1 1.1 2
Tarea 15 Tareas 9, 13 5 7 8
Tarea 16 Tarea 14 5 7 9
428 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
(b) Si las tareas 9 y 10 no fueran necesarias, ¿qué im- :11-30 La empresa de contabilidad Scott Corey está instalando un
pacto tendría esto en la ruta crítica y en el número nuevo sistema computacional. Es necesario hacer varias
de semanas necesario para completar la campaña de actividades para asegurar que el sistema funcione correc-
marketing? tamente antes de introducir todas las cuentas en el nuevo
Q :11-28 En la siguiente tabla, se dan los tiempos estimados (en se- sistema. La siguiente tabla presenta información acerca del
manas) y los predecesores inmediatos para las actividades proyecto. ¿Cuánto tiempo tomará instalar el sistema? ¿Cuál
de un proyecto. Suponga que los tiempos de las activi- es la ruta crítica?
dades son independientes.
PREDECESORES TIEMPO
PREDECESORES ACTIVIDAD INMEDIATOS (SEMANAS)
ACTIVIDAD INMEDIATOS a
A 3
A 9 10 11
4
B 4 10 16
6
A 9 10 11
D 2
D B 5 8 11
B B 5
F 2
(a) Calcule el tiempo esperado y la varianza para cada
actividad. G D, E 4
(b) ¿Cuál es el tiempo de terminación esperado de la ruta H F, G 5
crítica? ¿Cuál es el tiempo de terminación esperado
de la otra ruta en la red?
Q:11-31 El socio gerente de la firma de contabilidad de Scott
(c) ¿Cuál es la varianza de la ruta crítica? ¿Cuál es la
Corey (vea el problema 11-30) ha decidido que el sistema
varianza de la otra ruta en la red?
debe estar en funcionamiento en 16 semanas. Por consi-
(d) Si el tiempo para completar la ruta A-C se distribuye
guiente, se elaboró la información sobre la aceleración del
normalmente, ¿cuál es la probabilidad de que esta
proyecto que se muestra en la siguiente tabla:
ruta se termine en 22 semanas o menos?
(e) Si el tiempo para completar la ruta B-D tiene una
distribución normal, ¿cuál es la probabilidad de que TIEMPO TIEMPO COSTO COSTO
esta ruta se termine en 22 semanas o menos? PREDECESORES NORMAL ACELERADO NORMAL ACELERADO
ACTIVIDAD INMEDIATOS (SEMANAS) (SEMANAS) (S) ($)
(O Explique por qué la probabilidad de que la ruta críti-
ca se termine en 22 semanas o menos no necesaria- A 3 2 8,000 9.800
mente sea la probabilidad de que el proyecto termine 4 3 9.000 10,000
en 22 semanas o menos. 6 4 12,000 15,000
j:11-29 Se han estimado los siguientes costos para las actividades D 2 1 15,000 15,500
de un proyecto:
B B 5 3 5,000 8,700
PREDECESORES F 2 I 7,500 9,000
ACTIVIDAD INMEDIATOS TIEMPO COSTO ($) G D. E 4 2 8,000 9,400
A 8,000 H 5 3 5,000 6,600
4 12,000
3 6,000 (a) Si el proyecto debe terminarse en 16 semanas, ¿qué
actividad o actividades debería(n) acelerarse para
D B 5 15,000
lograrlo al menor costo adicional? ¿Cuál es el costo
B C, D 6 9,000 total de esto?
F C, D 5 10,000 (b) Liste todas las rutas en esta red. Después de realizar la
3 6,000 aceleración del inciso (a), ¿cuál es el tiempo requerido
G F
para cada ruta? Si el tiempo de terminación del pro-
yecto debe reducirse otra semana para que el tiempo
(a) Desarrolle un programa de costos basado en los tiem-
total sea de 15 semanas, ¿qué actividad o actividades
pos de inicio más cercanos.
deberían acelerarse? Resuelva esto por inspección.
(b) Desarrolle un programa de costos basado en los tiempos
Considere que a veces es mejor acelerar una actividad
de inicio más lejanos.
que no tiene el menor costo de aceleración si está en
(c) Suponga que se ha determinado que los $6,000 para la
varias rutas, en vez de acelerar varias actividades en ru-
actividad G no se distribuyen uniformemente en las tres
semanas. En realidad, el costo para la primera semana tas separadas cuando hay más de una ruta crítica.
es de $4,000, y el costo es de $1,000 para cada una de 4E11-32 La corporación L. O. Gystics tiene necesidad de un nuevo
las últimas dos semanas. Modifique el programa de cos- centro de distribución regional. La planeación está en las
tos basado en los tiempos de inicio más cercanos para primeras etapas de este proyecto, pero se han identificado
reflejar esta situación. las actividades junto con sus predecesores y sus tiempos de
ESTUDIO DE CASO 429
actividad en semanas. La siguiente tabla presenta esta in- Determine el diagrama de la red PERT asociada y de-
formación. Desarrolle un programa lineal que pueda usarse termine la probabilidad de que el proyecto se complete
para determinar la longitud de la ruta crítica (es decir, el en 16 semanas o menos.
tiempo mínimo requerido para completar el proyecto). Re- 11-34 La corporación Laurenster ha determinado que el cliente
suelva este programa lineal para encontrar la ruta crítica y les pague un bono de $10,000 si termina el proyecto del
el tiempo necesario para completar el proyecto. problema 11-33 en 14 semanas o menos. A continuación
se muestran los tiempos normales y sus costos asociados,
PREDECESORES TIEMPO
así como los tiempos acelerados y sus costos.
ACTIVIDAD INMEDIATOS (SEMANAS)
A 4
COSTO COSTO
B 8 TIEMPO TIEMPO NORMAL ACELERADO
C A 5 ACTIVIDAD NORMAL ACELERADO ($) ($)
D B 11 A 3 2 600 1,200
E A, B 7 B 6 4 1,200 2,400
F C, E 10 C 5 2 1,200 2,400
G D 16 D 4 3 1,200 1,800
H F 6 E 7 6 1,200 1,800
F 7 4 1,200 3,000
11-33 La corporación Laurenster necesita realizar las siguientes G 5 1 2,400 4,800
tareas en semanas. 2 1,200 3,000
H 5
TIEMPO 1 5 3 1,800 2,400
PREDECESORES TIEMPO MÁS TIEMPO
J 2 2 300 300
ACTIVIDAD INMEDIATOS OPTIMISTA PROBABLE PESIMISTA
K 4 4 300 300
A 2 3 4
L 3 3 300 300
B 4 6 8
C 2 5 8
Teniendo en cuenta los costos involucrados por acele-
D A 3 4 5
rar el proyecto, determine si la corporación Laurenster
E B 6 7 8 debería acelerar el proyecto a 14 semanas para recibir
F C 4 7 10 el bono.
G A 1 5 9
H B 2 5 8
I C 3 5 7
J D, G 2 2 -,
K E, H 4 4 4
L F,/ 3 3 3
Estudio de caso
NCAA. Pero la decisión estaba tomada, y todos, incluido el entrena- De regreso en su oficina, Hill nuevamente revisó los datos. (Vea
dor, tendrían que aprender a vivir con ello. la tabla 11.11 y notó que las estimaciones de tiempo optimistas podían
El trabajo ahora era lograr que la construcción comenzara in- usarse como tiempos acelerados). Luego reunió a sus jefes de proyecto.
mediatamente después de que concluyera la temporada actual. Esto "Señores, si no estamos 75% seguros de que terminaremos este estadio
daría exactamente 270 días hasta el próximo juego de apertura de en menos de 2701días, ¡quiero que este proyecto se acelere! Denme las
temporada. El contratista, Hill Construction (Bob Hill era un ex cifras de costos para una fecha límite de 250 días —también para una
alumno, por supuesto), firmó el contrato. Bob Hill observó las ta- de 240 días—. ¡Quiero terminar antes, no justo a tiempo!"
reas que sus ingenieros habían bosquejado y miró al presidente Starr
directamente a los ojos. "Le garantizo que el equipo podrá saltar al
Preguntas para análisis
campo en la fecha prevista el próximo año", dijo con una sensación
de confianza. "Por supuesto, así lo espero", respondió Starr. "La pe- 1. Desarrolle un dibujo de la red para Hill Construction y determine
nalización de $10,000 por día de atraso, establecida en el contrato, no la ruta crítica. ¿Cuánto tiempo se espera que dure el proyecto?
es nada comparada con lo que el entrenador Bill Bob Taylor les hará, 2. ¿Cuál es la probabilidad de terminar en 270 días?
si nuestro primer partido contra Penn State se retrasa o se cancela". 3. Si fuera necesario acelerar a 250 o a 240 días, ¿cómo podría ha-
Hill sudaba un poco y no respondió. En el estado de Texas, fanático cerlo Hill, a qué costos? Como se señaló en el caso, se supone
del fútbol americano, Hill Construction estaría acabada si no cumplía que las estimaciones de tiempo optimistas se pueden utilizar
con el plazo de 270 días. como los tiempos acelerados.
Estudio de caso
sus secuencias necesarias y el tiempo que requerirían. Sus resultados "Podré comprobar si tenemos suficientes cabezas y manos
se muestran en la tabla 11.12. cuando haya programado tentativamente las actividades", respondió
Louis Odaga, el oficial mayor, señaló que el proyecto debía ter- el Dr. Watage. "Si el calendario es muy apretado, tengo permiso del
minarse en 60 días. Sacó rápidamente su calculadora de energía solar Fondo Pathminder de usar algunos fondos para acelerarlo, siempre
y sumó el tiempo necesario. Llegó a 94 días. "Entonces, es una tarea que pueda probar que se puede hacer al menor costo posible. ¿Pueden
imposible", señaló. "No", respondió el Dr. Watage, "algunas de estas ayudarme a probarlo? Les presento los costos de las actividades, con
tareas pueden hacerse en paralelo". "Pero, tenga cuidado", advirtió el el tiempo transcurrido que hemos planeado y los costos y tiempos, si
Sr. Oglagadu, el jefe de enfermeros, "no somos tantos para ir a todos los acortamos a un mínimo absoluto". Estos datos se presentan en la
lados. En esta oficina únicamente somos 10". tabla 11.13.
Bibliografía
Ahuja, V. y V. Thiruvengadam. "Project Scheduling and Monitoring: Current Mantel, Samuel J., Iack R. Meredith, Scott M. Shafer y Margaret M. Sutton.
Research Status", Construction Innovation 4, 1 (2004): 19-31. Project Management in Practice. Nueva York: John Wiley & Sons, Inc.,
Griffith, Andrew F. "Scheduling Practices and Project Success", Cost Engineering 2001.
48, 9 (2006): 24-30. Premachandra, I. M. "An Approximation of the Activity Duration Distribution in
Herroelen, Willy y Roel Leus. "Project Scheduling Under Uncertainty: Survey PERT", Computers and Operations Research 28, 5 (abril de 2001): 443-452.
and Research Potentials", European Journal of Operational Research 165, Roe, Justin. "Bringing Discipline to Project Management", Harvard Business
2 (2005): 289-306. Review (abrilfde 1998): 153-160.
Jorgensen, Trond y Stein W. Wallace. "Improving Project Cost Estimation by Sander, Wayne. "The Project Manager's Guide", Quality Progress (enero de 1998):
Taking into Account Managerial Flexibility", European Journal of 109.
Operational Research 127, 2 (2000): 239-251. Vaziri, Kabeh, Paul G. Carr y Linda K. Nozick. "Project Planning for Construction
Lancaster, John y Mustafa Ozbayrak. "Evolutionary Algorithms Applied to Project under Uncertainty with Limited Resources", Journal of Construction
Scheduling Problems—A Survey of the State-of-the-art", International Engineering & Management 133, 4 (2007): 268-276.
Journal of Production Research 45, 2 (2007): 425-450. Walker II, Edward D. "Introducing Project Management Concepts Using a Jewelry
Lu, Ming y Heng Li. "Resource-Activity Critical-Path Method for Construction Store Robbe Decision Sciences Journal of Innovative Education 2, 1
Planning", Journal of Construction Engineering & Management 129, 4 (2004): 65-6
(2003): 412-420.
PERT Example
Activily Ophmistic Most Likely Pessimistic Predecessor 1 Predecessor 2
time time time
A 1 2 3
B 2 3 4
C 1 1 3 A
D 2 4 6 8
E 1 4 7 C
F 1 2 9 C
G 3 4 11 O E
H 1 2 3 F G
PROGRAMA 11.3B Ede kát Se« Madk %met Ices bodc. fiel
General Foundry
QM para Windows para
Activity Normal time Crash time Normal Cost Crash Cost Predecessor Predecessor
el ejemplo de aceleración 1 2
de General Foundry A 2 1 I 22,000 23,000
13 3 1 30,000 34,000
C 2 1 26,000 27,000 A
D 4 3 48,000 49,000 B
E 4 2 56,000 58,000 C
F 3 2 30,000 30,500 C
G 5 2 80,000 86,000 D E
H 2 1 16,000 19,000 F G
• 434 CAPÍTULO 11 • GESTIÓN DE PROYECTOS
PROGRAMA 11.5
General Fan» Soiution
Presupuesto en QM para Penod Penod Penod Penod Penad Penod Pedod Period Period Petiod Peyiod Penad Period Penad Period
Windows con los tiempos 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
A 11 11
de inicio más cercanos de 1 8 1 10 . 10 10
General Foundry C 13 13
o 12 12 12 12
E s 14 14 14 14
F 10 10 10 1
G 16 16 1 16 16 16
H 8
1 Total in Penad 21 21 , 23 25 36 38 36 14 16 16 18 16 16 8
Cunda:.....,..,`-:.,-r. 2' 42 1 65 128 182 198 212 228 244 260 278 292 300 308
PROGRAMA 11.6
Genera Foundry goidian
Presupuesto en QM para Period Penod Penod Peñod Period Period Period Period Penad Penad Phriocl Period Penad Period Period
1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Windows con los tiempos A 1 11 11
J
de inicio más lejanos de e lo 10 10
C: 13 13
General Foundry 12 12 12 12
14 14 14 14
I
F 10 10 10
G 16 16 16 18 16
H 1 8 8
Total in Pencd 1 11 21 23 23 26 28 26 26 16 18 26 26 28 8 8
Cumulatiye froml 11 32 55 78 104 130 156 182 198 214 240 268 292 300 308
12
Modelos de líneas de
espera y teoría de colas
OBJETIVOS DE APRENDIZAJE
1. Describir las curvas de compensación para el 4. Comprender los supuestos de los modelos
costo del tiempo de espera y el costo del servicio. comunes estudiados en este capítulo.
2. Entender las tres partes de un sistema de colas: 5. Analizar las diversas características del
la población potencial, la cola en sí misma y la funcionamiento de las líneas de espera.
instalación de servicio.
3. Describir las configuraciones básicas de un
sistema de colas.
Resumen • Glosario • Ecuaciones clave • Problemas resueltos • Autoevaluación • Preguntas para análisis y problemas
• Estudio de caso: New England Foundry • Estudio de caso: Winter Park Hotel • Estudio de caso en Internet • Bibliografía
Apéndice 12.1: Uso de QM para Windows
435
436 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
12.1 Introducción
El estudio de las líneas de espera, llamada teoría de colas, es una de las técnicas de análisis cuantitativo
más antiguas y más utilizadas. Las lineas de espera so? un hecho cotidiano que afecta a las personas mien-
tras compran en el supermercado, cargan gasolina, hacen un depósito bancario o esperan al teléfono por
la primera reservación disponible para un viaje en avión. Las colas, otra forma de llamar a las líneas de
espera, también pueden tomar la forma de máquinas er espera de ser reparadas, camiones en fila que deben
ser descargados o aviones alineados en una pista a la espera del permiso para despegar. Los tres compo-
nentes básicos de un proceso de gestión de colas son las llegadas, las instalaciones de servicio y la línea de
espera real.
En este capítulo se estudia la forma en la cual los modelos de análisis de las líneas de espera ayudan
a los administradores a evaluar el costo y la eficacia de los sistemas de servicios. Iniciaremos con una
perspectiva de los costos en las líneas de espera y, luego, describiremos las características de las lineas
de espera, así como los supuestos matemáticos subyTentes utilizados para desarrollar modelos de colas.
También presentaremos las ecuaciones necesarias par calcular las características de funcionamiento de un
sistema de servicio y mostraremos ejemplos de cómo se utilizan. Más adelante en el capítulo, usted verá
cómo ahorrar tiempo de computadora mediante la ap1icación de tablas de colas y la ejecución de progra-
mas de computadora para líneas de espera.
.1
más tarde, publiló un informe relativo a los retrasos en el equipo de
L a teoría de colas tuvo su inicio en el trabajo de investigación de
un ingeniero danés llamado A. K. Erlang. En 1909 Erlang experimentó
marcado automktico. Al final de la Segunda Guerra Mundial, los pri-
meros trabajos de Erlang se extendieron a problemas más generales y
con la fluctuación de la demanda en el tráfico telefónico. Odio años aplicaciones de las líneas de espera a los negocios.
12.2 COSTOS DE LAS LÍNEAS DE ESPERA 437
FIGURA 12.1
Costos de las colas y
Costo esperado total
niveles de servicio
o Costo de la prestación
o de servicio
Nivel de servicio
Nivel de
servicio
óptimo
El costo esperado total es la suma Se consid¿ra que los costos del servicio aumentan a medida que una empresa intenta elevar su nivel
del costo del servicio más el de servicio. Por ejemplo, si se emplean tres equipos de estibadores, en lugar de dos, para descargar un
costo de espera. barco de carga, los costos del servicio se incrementan por el precio adicional de los salarios. Sin embargo,
a medida que la velocidad del servicio mejora, el costo del tiempo de espera en las líneas disminuye. Este
costo de espera puede reflejar la pérdida de productividad de los trabajadores, mientras que sus herramien-
tas o máquinas están en espera de reparaciones, o puede ser simplemente una estimación de los costos de
los clientes perdidos por el mal servicio y las largas colas.
TABLA 12.1 Análisis de costos de las líneas de espera en la compañía Three Rivers Shipping
NUMERO DE EQUIPOS DE ESTIBADORFS
EN SERVICIO
Características de llegada
La fuente de entrada que genera llegadas o clientes para el sistema de servicio tiene tres características
principales. Es importante tener en cuenta el tamaño de la población potencial, el patrón de llegadas en el
sistema de colas y el comportamiento de las llegadas.
Para la mayoría de los modelos TAMAÑO DE LA POBLACIÓN POTENCIAL Los tamaños de población se consideran ilimitados (esen-
de colas se suponen poblaciones cialmente infinitos) o limitados (finitos). Cuando el número de clientes o llegadas disponibles en cualquier
ilimitadas (o infinitas). momento dado es sólo una pequeña parte de las llegadas posibles, la población potencial se considera ili-
mitada. Para efectos prácticos, los ejemplos de poblaciones ilimitadas incluyen los automóviles que llegan
a una caseta de peaje en la autopista, los compradores que llegan a un supermercado o los estudiantes que
llegan a inscribirse a los cursos de una gran universidad. La mayoría de los modelos de colas suponen una
población potencial infinita de este tipo. Cuando esto no es así, el modelado se vuelve mucho más com-
plejo. Un ejemplo de una población finita es un taller con sólo ocho máquinas que podrían descomponerse
y requerir servicio.
Las llegadas son aleatorias cuando PATRÓN DE LLEGADAS AL SISTEMA Los clientes llegan a una instalación de servicio de acuerdo
son independientes entre sí y no se con algún patrón conocido (por ejemplo, un paciente cada 15 minutos o un estudiante en busca de ase-
pueden predecir con exactitud. soría cada media hora), o bien, llegan aleatoriamnte. Las llegadas se consideran aleatorias cuando
son independientes entre sí y su ocurrencia no puede predecirse con exactitud. Con frecuencia, en los
problemas de colas, el número de llegadas por unidad de tiempo puede estimarse mediante una distribu-
ción de probabilidad conocida como la distribución de Poisson. Vea la sección 2.11 para obtener más
información acerca de tal distribución.
COMPORTAMIENTO DE LAS LLEGADAS La mayoría de los modelos de colas suponen que un cliente
que llega es un cliente paciente. Los clientes pacientes son personas o máquinas que esperan en la cola
hasta que reciben el servicio y no cambian entre líneas. Por desgracia, la vida y el análisis cuantitativo se
Conceptos de rechazo y renuncia. complican por el hecho de que es sabido que las personas rechazan o renuncian. El rechazo se refiere a los
clientes que se niegan a unirse a la línea de espera, porque el tiempo de espera es demasiado grande para
adaptarse a sus necesidades o intereses. La renuncia hace alusión a los clientes que entran en la cola pero,
luego, se impacientan y la abandonan sin completar su transacción. En realidad, estas dos situaciones sólo
sirven para acentuar la necesidad de la teoría de colas y del análisis de la línea de espera. ¿Cuántas veces
ha visto usted a un comprador con una cesta llena de comestibles, incluidos los perecederos como leche,
alimentos congelados o carnes, simplemente dejar la cesta de las compras antes de abandonar la fila porque
ésta era demasiado larga? Esta ocurrencia cara para la tienda hace que los gerentes estén muy conscientes
de la importancia de las decisiones del nivel de servicio.
producidos por computadora se liberan en una fecha específica. el programa de nómina tiene la mayor
prioridad sobre las demás corridas.*
DISTRIBUCIÓN DE TIEMPO DE SERVICIO Los patrones de servicio son como los patrones de llegada,
en el sentido que pueden ser constantes o aleatorios. Si el tiempo de servicio es constante, se necesita la
misma cantidad de tiempo para atender a cada cliente. Éste es el caso de una operación de servicio reali-
Con frecuencia, los tiempos de zada por máquinas, como el lavado automático de automóviles. Más a menudo, los tiempos de servicio se
servicio siguen la distribución distribuyen aleatoriamente. En muchos casos, se puede suponer que los tiempos de servicio aleatorios es-
exponencial negativa. tán descritos por la distribución de probabilidad exponencial negativa. Vea la sección 2.10 para obtener
más información acerca de esta distribución.
Es importante confirmar que los La distribución exponencial es importante para el proceso de construcción de los modelos matemá-
supuestos de llegadas de Poisson ticos de colas, ya que muchos de los fundamentos teóricos de estos modelos se basan en el supuesto de
y servicios exponenciales son llegadas de Poisson y servicios exponenciales. Sin embargo, antes de su aplicación, el analista cuantitativo
válidos, antes de aplicarlos en puede y debe observar, recopilar y graficar los datos del tiempo de servicio, para determinar si se ajustan a
el modelo de colas. la distribución exponencial.
El término FIFS (primero en entran primero en ser atendido, first in, first served) se utiliza a menudo en lugar de FIFO.
Otra disciplina, LIFS (último en entran primero en ser atendido, las: in, first served), es común cuando los materiales se
apilan o enciman, y los elementos en la parte superior son los que se emplean primero.
440 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
Cola
Llegadas
_ o Instalación
de servicio
Salidas
después
del servicio
Cola
Instalación Instalación Salidas
Llegadas -- 0 00 de servicio de servicio --).• después
tipo 1 tipo 2 del servicio
Instalación
de servicio —0- Salidas
Cola
1
Instalación
Llegadas - 0 de servicio después
/ 2
Instalación
de servicio -1- del servicio
3
OOO
Salidas
Llegadas - después
del servicio
Instalación Instalación
de servicio de servicio
1 del tipo 2 2 del tipo 2
Por lo tanto, un modelo de un solo canal con llegadas de Poisson y tiempos de servicio exponenciales se
representaría como
M/M /1
Si hubiera ni canales de servicio distintos en un sistema de colas con llegadas de Poisson y tiempos
de servicio exponenciales, la notación Kendall sería M/M/m. Un sistema de tres canales con llegadas de
Poisson y tiempo de servicio constante se identificaría como M/D/3. Un sistema de cuatro canales con
llegadas de Poisson y tiempos de servicio distribuidos normalmente podría identificarse como M/G/4.
12.3 CARACTERÍSTICAS DE UN SISTEMA DE COLAS 441
Definición
Definición del problema
del problema En 2002 los centros para el control y la prevención de enfermedades comenzaron a exigir que los departa-
mentos de salud pública crearan planes de vacunación contra la viruela. Un condado debe estar preparado
para vacunar a todas las personas en un área infectada en unos pocos días. Esto fue motivo de especial preo-
cupación después de los ataques terroristas del 11 de septiembre de 2001.
Desarrollo de
Desarrollo de un modelo
un modelo Se desarrollaron modelos de colas para la planeación de la capacidad y modelos de simulación de eventos dis-
cretos, gracias a un esfuerzo conjunto del Servicio de Salud Pública del condado de Montgomery (Maryland) y
la University of Maryland, College Park.
Fuente: Basado en Kay Aaby, et al. "Montgomery County's Public Health Service Operations Research to Plan Emergency
Mass Dispensing and Vaccination Clinics", Interfaces 36, 6 (noviembre-diciembre de 2006): 569-579.
Existe una notación más detallada con términos adicionales que indican el número máximo en el
sistema y el tamaño de la población. Cuando éstos se imiten, se supone que no hay límite en la longitud
de la cola o en el tamaño de la población. La mayoría le los modelos que estudiaremos aquí tendrán esas
propiedades.
Ecuaciones de colas
Sean
A = número medio de llegadas por periodo de tiempo (por ejemplo, cada hora)
= número medio de personas o artículos atendidos por periodo de tiempo
Al determinar la tasa de llegada (A) y la tasa de servicio (A, se debe utilizar el mismo periodo de tiempo.
Por ejemplo, si A es el número promedio de llegadas por hora, entonces 1..(. debe indicar el número prome-
dio que podría atenderse en una hora.
Las ecuaciones de colas son las siguientes.
Estas siete ecuaciones de colas para 1. Número promedio de clientes o unidades en el sistema, L; es decir, el número en la línea más
el modelo de una fase y de un solo el número que está recibiendo el servicio:
canal describen las características
de funcionamiento importantes del
sistema de servicio.
L= (12-1)
—
2. Tiempo promedio que un cliente pasa en el siste na, W; es decir, el tiempo que pasa en la línea más el
tiempo en el que recibe el servicio:
1
W= (12-2)
—A
12.4 MODELO DE COLAS CON UN SOLO CANAL, LLEGADAS DE POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES (M/M/1) 443
A2
L= (12-:
q 11.(1t, — A)
4. Tiempo promedio que un cliente pasa esperando en la cola, Wq:
Wq = (12-4)
12,(11 — A)
5. Factor de utilización del sistema, p (la letra griega rho minúscula); es decir, la probabilidad de que
la instalación de servicio se esté utilizando:
P= (12-5)
6. Porcentaje de tiempo inactivo, Po; es decir, la probabilidad de que nadie está en el sistema:
Po = 1 — (12-6)
Wq A 2 2
= = = — de hora = 40 minutos = tiempo de espera promedio por auto
,a(µ, — A) 3(3 — 2) 3
Observe que W y Wq están en horas, puesto que A se definió como el número de llegadas por hora.
tt,
1 0.444
2 0.296
4 0.132
5 0.088
6 0.058
7 0.039
USO DE EXCEL QM EN LA COLA DEL TALLER DE SILENCIADORES DE ARNOLD Para utilizar Excel
QM en este problema, del menú de Excel QM seleccione ~Mg Unes - Single Channel (M/M/l ). Cuando
aparezca la hoja de cálculo, introduzca la tasa de llegada (2) y la tasa de servicio (3). Todas las caracterís-
ticas de funcionamiento se calcularán automáticamente, como se muestra en el programa 12.1.
INTRODUCCIÓN DE COSTOS EN EL MODELO Ahora que se han calculado las características del sis-
tema de colas, Arnold decide hacer un análisis económico de su impacto. El modelo de líneas de espera
fue valioso para predecir los tiempos de espera, las longitudes de cola, los tiempos inactivos potenciales,
etcétera; pero no identificó las decisiones óptimas ni consideró los factores de costo. Como se estable-
ció anteriormente, la solución a un problema de gestión de colas puede requerir que la gerencia logre un
equilibrio entre el aumento del costo por proporcionar un mejor servicio y la disminución de los costos de
El siguiente paso es realizar un
análisis económico, el cual permite espera derivados de la prestación de ese servicio. Estos dos costos se llaman el costo de espera y el costo
incluir factores de costo. del servicio.
El costo total del servicio es
PROGRAMA 12.1 A o E
Arnold's Muffler Shop
Solución en Excel QM
2
para el taller Arnold's 3 Waitinz Unes M Sin le Server Model)
4
Muffler 5
6 Dote
1
7 A":1Y91.t.) 2 Average senrer utilmtion(p) 0.666667
8 Service rete (14 Average member oí customers in the queue(I,) 1.333333
Average number pf custamers in the systemttj 2
Average weiting time in the que0e0A‘) 0.666667
Average time in the systern(W.) 1
Ph144h0itYttrtof time} system is emptv (Pa) 0333333
15 iprobatarmes
-
Cumulative
16 1 Number Psobabffity ProbetuTey
17 o 0.333333 n 531333
181 1 0.222222 0.555556
19 2 0.148148 0.703704
20 3 0.098765 0802469
211 4 0.0658« 0868313
22 5 0.043896 0912209
23 6 0.029264 0941472
24 i 7 0.019509 0360982
12.4 MODELO DE COLAS CON UN SOLO CANAL, LLEGADAS DE POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES (M/M/1) 445
donde
m = número de canales
CS = costo del servicio (costo de mano de obra) en cada canal
El costo de espera cuando el costo del tiempo de espera se basa en el tiempo en el sistema es
Costo de espera total = (Tiempo de espera total de todas las llegadas)(Costo de espera)
= (Número de llegadas)(Espera promedio por Ilegada)C.,
Así que,
El único otro costo que Larry Arnold puede identificar en esta situación de colas es la tarifa de pago a Reid
Blank, el mecánico. Blank recibe un pago de $15 por hora:
Ahora viene una decisión. Arnold se entera por los rumores en el negocio que Silenciadores Rusty, un
competidor del otro lado de la ciudad, cuenta con un mecánico llamado Jimmy Smith, que puede insta-
lar de manera eficiente silenciadores nuevos, a razón de 4 por hora. Larry Arnold contacta a Smith y le
consulta acerca de su interés por cambiar de empleador. Smith dice que consideraría abandonar Silen-
ciadores Rusty, pero sólo si se le paga un salario de $20 por hora. Arnold, que es un hombre de negocios
astuto, decide que podría serle útil despedir a Blank y reemplazarlo con el más rápido pero más caro
Smith.
446 CAPITULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
Primero, vuelve a calcular todas las características de funcionamiento utilizando una nueva tasa de
servicio de 4 silenciadores por hora:
A = 2 autos que llegan por hora
= 4 autos atendidos por hora
2
L= = 1 auto en el sistema, en promedio
— 4 —2
1 = 1 1
= — hora en el sistema, en promedio
W= 4— 2 2
22 4 1
L = = = = — auto esperando en la cola, en promedio
q it(p. — A) 4(4 — 2) 8 2
2 2 1
W
W= — de hora = 15 minutos de tiempo de
9 µ(g. — A) • 4(4 — 2) 8 4 espera promedio por auto
A 2
p = = — = 0.5 = porcentaje de tiempo que el mecánico está ocupado
4
A
Po = 1 — — = 1 — 0.5 = 0.5 = probabilidad de que haya O autos en el sistema
O 0.500
1 0.250
2 0.125
3 0.062
4 0.031
5 0.016
6 0.008
7 0.004
Es bastante evidente que la velocidad de Smith dará como resultado colas y tiempos de espera considera-
blemente más cortos. Por ejemplo, un cliente podría ahora pasar un promedio de media hora en el sistema
y un cuarto de hora esperando en la cola, en contraste con 1 hora en el sistema y 2/3 de hora en la cola si
Blank es el mecánico. El costo del tiempo de espera total diario con Smith como mecánico será
1
4 )($50) = $200 al día
Costo de espera total diario = (8 horas al día)AV„. = (8)(2)(-
Observe que el tiempo total dedicado a la espera de los 16 clientes diarios es ahora
en vez de las 10.67 horas con Blank. Por lo tanto, la espera es mucho menos de la mitad de lo que era,
a pesar de que la tasa de servicio sólo cambió de 3 r hora a 4 por hora.
Se presenta una comparación El costo del servicio se incrementará debido al alario más alto, pero el costo global disminuirá, como
de los costos totales empleando observamos aquí:
a dos mecánicos diferentes.
Costo del servicio de Smith = 8 horas/dí x $20/hora = $160 por día
Costo esperado total = Costo de e pera + Costo del servicio = $200 + $160
= $360 por a
12.5 MODELO DE COLAS CON MÚLTIPLES CANALES, LLEGADAS DE POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES (M/M/m) 447
A EN ACCIÓN
Ambulancias en Chile evalúan y mejoran las medidas
de desempeño a través de la teoría de colas
espera en la cola, Wq, eran las de mayor valor para las operaciones de
Los investigadores en Chile consideraron la teoría de colas para
evaluar y mejorar los servicios de ambulancias. Investigaron los indi-
las ambulancias. La reducción de los tiempos de espera ahorra dinero
a la compañía en costos de gasolina y de transporte y, más impor-
cadores clave de desempeño que tienen valor para un gerente de una tante, puede salvar la vida a sus clientes. En otras palabras, a veces lo
compañía de ambulancias (por ejemplo, el número de ambulancias más sencillo es lo mejor.
desplegadas, las ubicaciones de las bases de ambulancias, los costos
de operación) y los indicadores clave de desempeño que tienen valor Fuente: Basado en Marcos Singer y Patricio Donoso. "Assessing an Ambu-
para un cliente (por ejemplo, el tiempo de espera hasta recibir servi- lance Service with Queuing Theory", Computers & Operations Research 35,
cio, el sistema de priorización de colas). 8 (2008): 2549-2560.
El resultado algo sorprendente que los investigadores obtuvie-
ron fue que las medidas aparentemente simples, como el tiempo de
Debido a que el costo esperado diario total con Blank como mecánico fue de $653.33, Arnold podría deci-
dir contratar a Smith y reducir el costo en $653.33 — $360 = $29333 al día.
1
Po = r_ i i ( A )„ para m > (12-13)
1 ( A y' mp,
E— 1 +
n=o n! i-z, m!,(A , } mit — A
I
2. El número promedio de clientes o unidades en el sistema:
Alh(A/Ihr
L = (12-14)
(m — 1)!(mp, —A)2Po +
3. El tiempo promedio que pasa una unidad en la línea de espera o siendo atendido (es decir, en el
sistema):
IL(A/P,)" 1
w= : + (12-15)
(m — i)!(M/.4 )1.)2
A
L=L— (12-16)
5. El tiempo promedio que un cliente o unidad pasa en la cola, en espera del servicio:
1 L,
= w = —A (12-17)
6. Tasa de utilización:
A
A = (12-18)
Resulta evidente que estas ecuaciones son más complejas que las utilizadas en el modelo de un solo
canal; sin embargo, se utilizan exactamente de la misma manera y proporcionan el mismo tipo de informa-
ción que el modelo más sencillo.
•
Efecto del nivel de servicio sobre las características de funcionamiento de Arnold
IN M NILO
UN MECÁNICO DOS MECÁNICOS RÁPIDO
CARACTERÍSTICAS (REID BLANK =3 (JIMN1Y SMITH)
DE F1'NCIONANHENT0 =3 PARA CADA UNO =4
Probabilidad de que el sistema esté vacío (P0) 0.33 0.50 0.50
Número promedio de autos en el sistema (L) 2 autos 0.75 autos 1 auto
Tiempo promedio de permanencia en el sistema (W) 60 minutos 22.5 minutos 30 minutos
Número promedio de autos en la cola (Lq) 1.33 autos 0.083 autos 0.50 autos
Tiempo promedio de permanencia en la cola (Wq) 40 minutos 2.5 minutos 15 minutos
desocupara. Para averiguar cómo se compara esta opción con el antiguo sistema de líneas de espera de un
solo canal, Arnold calcula varias características de funcionamiento para el sistema de m = 2 canales:
1
Po
i(ayi + 1 (2)2( 2(3)
[ n=on! k3) 2! 3) 2(3) — 2)
1 1 1
- — 0.5
1 4. .1. ± 2 (4)( 6 2 1 2
3 —2)
= probabilidad de O autos en el sistema
( (2)(3)(2/3)2 )(1) %1 — 3
L= — — = 0.75
k 1 ! [ 2 ( 3 ) — 2]2A2) 3 16 \-"2i 3 4
= número promedio de autos en el sistema
L 34 3
W = — = — = — de hora = 221/2 minutos
A 2 8
= tiempo promedio que un auto pasa en el sistema
3 2 1
Lq = L — — = 12 =0.083
µ 4 3
= número promedio de autos en la cola
Lo 0.083
= = = 0.0417 horas = 21/2 minutos
2
= tiempo promedio que un auto pasa en la cola
La apertura de una segunda área Estos datos se comparan con las características de funcionamiento anteriores de la tabla 12.2. El aumento
de servicio resulta en un tiempo de del servicio a partir de la apertura de un segundo canal tiene un efecto dramático en casi todas las carac-
espera drásticamente menor. terísticas. En particular, el tiempo de espera en la cola se reduce de 40 minutos con un mecánico (Blank)
o 15 minutos con Smith ¡a sólo 2.5 minutos! Del mismo modo, el número promedio de autos en la cola
disminuye a 0.083 (alrededor de 1/12 de un auto).* Pero ¿esto significa que debería abrirse una segunda
bahía?
Para completar su análisis económico, Arnold supone que el segundo mecánico recibiría el mismo pago
que el mecánico actual (Blank), es decir, $15 por hora. El costo de espera diario será ahora
• Es posible observar que la adición de un segundo mecánico no reduce el tiempo de espera en la cola simplemente ala mitad,
sino que lo hace aun más pequeño. Esto se debe a los procesos de llegada y de servicio aleatorios. Cuando sólo hay un mecánico
y dos clientes llegan con una diferencia de un minuto entre sí, el segundo tendrá una larga espera. El hecho de que el mecánico
pueda haber estado inactivo entre 30 y 40 minutos antes de que ambos llegaran no cambia este tiempo de espera promedio. Por lo
tanto, es frecuente que los modelos de un solo canal tengan mayores tiempos de espera que los modelos con múltiples canales.
450 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
PROGRAMA 12.2 A E
Amold's Muffler Shop
Solución en Excel QM al
ejemplo con múltiples Waiting Lines Mrlvifs
canales de silenciadores
de Arnold Data
7 Armar rare
DATE and rs ice RA tí. hoth m
keeuIts
1111•1111111111
at
Observe que el tiempo de espera total para los 16 automóviles al día es (16 autos/día) x (0.0415 ho-
ras/auto) = 0.664 horas por día en vez de las 10.67 horas con un solo mecánico.
El costo del servicio se duplica, puesto que hay dos mecánicos, por lo que éste es
Costo del servicio diario total = (8 horas al día)mCs = (8)2($15) = $240
El costo diario total del sistema según está configurado actualmente es la suma de los costos de espera y
los costos del servicio, que es
Costo diario total del sistema de colas = $33.20 + $240 = $273.20
Como usted recordará, el costo total sólo con Blank omo mecánico resultó ser de $653 diarios. El costo
sólo con Smith fue de $360. La apertura de una segunda área de servicio ahorrará alrededor de $380
diarios en comparación con el sistema actual, y ahorrará alrededor de $87 diarios en comparación con el
sistema del mecánico más rápido. Por lo tanto, debido a que el costo después de impuestos de una segunda
bahía es muy bajo, la decisión de Arnold es abrir una segunda área de servicio y contratar a un segundo
trabajador que reciba el mismo pago que Blank. Lo anterior puede tener beneficios adicionales porque es
posible que se disemine el rumor de las esperas tan cortas que hay en el taller de Arnold, y esto aumentaría
el número de clientes que optan por utilizar este taller de silenciadores.
USO DE EXCEL QM PARA ANALIZAR EL MODELO DE COLAS CON MÚLTIPLES CANALES DE ARNOLD
Para utilizar Excel QM en este problema, del menú Excel QM seleccione Waiting Lines - Multiple Chazuzel
Model (M/M/s). Cuando aparezca la hoja de cálculo, introduzca la tasa de llegada (2), la tasa de servicio
(3) y el número de servidores (2). Una vez que éstos se ingresen, aparecerá la solución mostrada en el
programa 12.2.
W= (12-20)
q — A)
12.6 MODELO CON TIEMPO DE SERVICIO CONSTANTE (MIDI1) 451
L = Lq (12-21)
W = W + át1,„ (12-22)
1
= — de hora
12
Costo de espera/viaje con el nuevo compactador = (1/1, de hora de espera)(costo de $60/hora) = $5/viaje
Ahorro con el equipo nuevo = $15 (sistema actual) — $5 (sistema nuevo)
= $10 viaje
El costo del equipo nuevo amortizado = $3/viaje
Ahorro neto = $7/viaje
452 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
PROGRAMA 12.3 A o
Garcie-Golding Recycling
Solución en Excel QM
para el modelo del 3 Waiting Unes M/D/1(Consta nt Service Times)
The erival RAU: ars] serme RATE nutra must be tules ami use 1000 ,
,aritilifie una kvx, 11 toro sutil
tiempo de servicio .0. ? o rrint.a.m, conviut e to a r. sud: zis G set has
constante, en el ejemplo 6 Data Resulta
Average %croar utilizetion(p) 0.66667
de García-Golding 7 Arnvul roe
s Sennco rato (µ) 12 Average number of eustomers in the queue(L.) 0.66667
Recycling 9 Average number of customars in the system(L) 1.33333
Average waiting time in the queue(131.) 0.03333
11 Average time in the system(WJ 016667
12 Probability (% of time) system is ernpty (P.) 0.33333
las características de funcionamiento para el modelo de población finita con un solo canal o servidor en
operación son los siguientes:
1. Probabilidad de que el sistema esté vacío:
1
PO = A0 (12-23)
N! (
rt=0 (N — nKAt
• Aunque no hay un número definitivo que podamos usar para dividir poblaciones finitas de infinitas, la regla general empírica
es: si el número en la cola es una proporción significativa de la población de llegada, utilice un modelo de gestión de colas
finito. La obra Finite Queuing Tables, de L. G. Peck y R. N. Hazelwood (Nueva York: John Wiley & Sons, Inc., 1958) elimina
gran parte de las matemáticas involucradas en el cálculo de las características de funcionamiento de un modelo de este tipo.
12.7 MODELO DE POBLACIÓN FINITA (M/M/1 CON FUENTE FINITA) 453
W = Wq - (12-27)
N! (A ) "
P= Po para n = 0,1, ... , N (12-28)
P„= (N - n)!
1
= 0.564 (usted puede confirmar estos cálculos)
1. =y
5 5! 0.05
E
n=0 (5 - n)! 0.5 )
(0.05 + 0.5)(1 _
2. Lq = 5 P-(11) (1 - 0.564) = 5 - 4.8
0.05 )‘
= 0.2 impresoras
3. L = 0.2 + (1 - 0.564) = 0.64 impresoras
4. W =
0.2 0.2
= - 0.91 horas
q (5 - 0.64)( 0.05) 0.22
5. W = 0.91 0.50
+ - = 2.91 horas
Si el tiempo de inactividad de una impresora cuesta $120 por hora y al técnico se le pagan $25 por
hora, también podemos calcular el costo total por hora:
Costo total por hora = (Número promedio de impresoras averiadas)(Costo por hora de inactividad)
+ Costo del técnico por hora
• = (0.64)($120) + $25 = $76.80 + $25.00 = $101.80
SOLUCIÓN DEL MODELO DEL DEPARTAMENTO DE COMERCIO CON POBLACIÓN FINITA ME-
DIANTE EXCEL QM Para utilizar Excel QM en este problema, en el menú de Excel QM seleccione
Waiting Gines - Limited Population Model (M/M/s). Cuando aparezca la hoja de cálculo, introduzca la
tasa de llegada (8), la tasa de servicio (12), el número de servidores y el tamaño de la población. Una vez
que los haya ingresado, se desplegará la solución mostrada en el programa 12.4. Además, existen salidas
adicionales disponibles.
454 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
PROGRAMA 12.4
Department of Commerce
Solución en Excel
QM para el modelo 3 Waiting Linos 98/M/s with a finito population
4 rhe anwai rafe a la laca merntrei of ate poputation f1 arey go tor servke every 20
de población finita 5 mn.Am tiren creer 3 tper tocar
en el ejemplo del Data Re-sults
• Con frecuencia, los resultados cualitativos de los modelos de colas son tan útiles como los cuantitativos. Los resultados
muestran que es inherentemente más eficiente unir recursos, usar estaciones de envío centralizadas y proporcionar sistemas
con varios servidores individuales en lugar de varios sistemas con un solo servidor.
GLOSARIO 455
La simulación, el tema del capítulo 13, es una técnica en la cual se utilizan números aleatorios para
obtener conclusiones acerca de las distribuciones de probabilidad (por ejemplo, las llegadas y los servi-
cios). Con este enfoque, es posible desarrollar muchas horas, días o meses de datos por medido de una
computadora en pocos segundos. Esto permite el análisis de los factores controlables, como la adición de
otro canal de servicio, sin llegar a hacerlo de manera física. Básicamente, siempre que un modelo analítico
de colas estándar presenta una aproximación deficiente al sistema de servicio real, es razonable desarrollar
un modelo de simulación en su lugar.
Resumen
Las lineas de espera y los sistemas de servicios son partes importan- la figura 12.1, el costo total es la suma del costo de la prestación del
tes del mundo de los negocios. En este capítulo se describen varias servicio más el costo del tiempo de espera.
situaciones comunes de colas y se presentan modelos matemáticos Se mostró que las características operativas clave para un siste-
para analizar líneas de espera que siguen ciertos supuestos. Esos su- ma son 1. la tasa de utilización, 2. el porcentaje de tiempo inactivo,
puestos son que 1. las llegadas provienen de una población infinita o 3. el tiempo promedio pasado en espera en el sistema y en la cola, 4. el
muy grande, 2. las llegadas tienen una distribución de Poisson, 3. las número promedio de clientes en el sistema y en la cola y 5. las proba-
llegadas son atendidas de manera FIFO y no rechazan ni renuncian, bilidades de varios números de clientes en el sistema.
4. los tiempos de servicio siguen una distribución exponencial nega- El capítulo enfatiza que existe una gran variedad de modelos de
tiva o son constantes y 5. la tasa promedio de servicio es más rápida colas que no cumplen todos los supuestos de los modelos tradiciona-
que la tasa promedio de llegada. les. En tales casos, se utilizan modelos matemáticos más complejos o
Los modelos presentados en este capítulo son para problemas de recurrimos a una técnica denominada simulación por computadora.
un solo canal, de una fase y de una fase con múltiples canales. Des- En el capítulo 13 se estudia la aplicación de la simulación a problemas
pués de calcular una serie de características de funcionamiento, se es- de sistemas de colas, control de inventarios, averías de máquinas y
tudian los costos esperados totales. Como se muestra gráficamente en otras situaciones de análisis cuantitativo.
Glosario
Características de funcionamiento Características descriptivas de Línea de espera (cola) Uno o más clientes u objetos en espera de
un sistema de colas, incluyendo el número promedio de clientes ser atendidos.
en una linea y en el sistema, los tiempos de espera promedio en Longitud de cola ilimitada Una cola que puede aumentar hasta un
una línea y en el sistema, y el porcentaje de tiempo inactivo. tamaño infinito.
Costo de espera Costo en el que incurre una compañía por tener Longitud de cola limitada Una línea de espera que no puede au-
clientes u objetos en espera de ser atendidos en la cola o en el mentar más allá de un tamaño específico.
sistema. MIDIl Notación Kendall para el modelo del tiempo de servicio
Costo del servicio El costo de proporcionar un determinado nivel constante.
de servicio. M/M/1 Notación Kendall para el modelo de un solo canal con lle-
Disciplina de cola Una regla mediante la cual los clientes en una gadas de Poisson y tiempos de servicio exponenciales.
línea de espera reciben el servicio. M/M/m Notación Kendall para un modelo de colas con múltiples
Distribución de Poisson Una distribución de probabilidad que canales (con m servidores), llegadas de Poisson y tiempos de ser-
se utiliza a menudo para describir las llegadas aleatorias a una vicio exponenciales.
cola. Notación Kendall Un método de clasificación de los sistemas de
Distribución de probabilidad exponencial negativa Una distribu- colas basado en la distribución de llegadas, la distribución de los
ción de probabilidad que se utiliza con frecuencia para describir tiempos de servicio y el número de canales de servicio.
los tiempos de servicio aleatorios en un sistema de servicio. Población ilimitada o infinita Una población potencial que es
Ecuaciones de finjo de Little Un conjunto de relaciones existentes muy grande en relación con el número de clientes que están ac-
para cualquier sistema de colas en un estado estacionario. tualmente en el sistema.
Estado estacionario La condición de funcionamiento normal, esta- Población limitada o finita Un caso en el cual el número de clien-
bilizado de un sistema de colas. tes en el sistema es una proporción significativa de la población
Estado transitorio La condición inicial de un sistema de colas an- potencial.
tes de alcanzar un estado estacionario. Población potencial La población de elementos de donde provie-
Factor de utilización (p) Proporción del tiempo que las instalacio- nen las llegadas al sistema de colas.
nes de servicio están en uso. Rechazo El caso en el que los clientes que llegan se niegan a unirse
FIFO Una disciplina de cola (significa primero en entrar, primero a la línea de espera.
en salir) donde se da el servicio a los clientes en estricto orden de Renuncia El caso en el cual los clientes entran a una cola, pero
llegada. luego se van antes de ser atendidos.
456 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
Sistema con múltiples fases Un sistema donde se recibe servicio Sistema de una Un sistema de colas en el cual se recibe servi-
en más de una estación, una después de la otra. cio en una sol estación.
Sistema de colas con múltiples canales Un sistema que tiene más Teoría de colas El estudio matemático de las lineas de espera
de una instalación de servicio, todo alimentado por una sola cola. o colas.
Sistema de un solo canal Un sistema con una instalación de
servicio alimentada por una cola.
Ecuaciones clave
A = número promedio de llegadas por periodo de tiempo (12-9) Costo de espera total por periodo de tiempo = (AW) C,,
= número promedio de personas o elementos atendidos Cw = costo de espera
por periodo de tiempo Costo del tiempo de espera con base en el tiempo en el
Las ecuaciones 12-1 a 12-7 describen las características de funciona- sistema.1
miento en el modelo de un solo canal que tiene llegadas de Poisson y
(12-10) Costo de espera total por periodo de tiempo = (AWq)Cw
tasas de servicio exponenciales.
Costo del tiempo de espera con base en el tiempo en la cola.
(12-1) L = número promedio de unidades (clientes) en el sistema.
(12-11) Costo total = mCs + ÁWCw
A
Costo del tiempo de espera con base en el tiempo en el
12, — A sistema.
(12-2) W = tiempo promedio que pasa una unidad en el sistema (12-12) Costo total = mCs + AWqC,„
(Tiempo de espera + Tiempo de servicio) Costo del tiempo de espera con base en el tiempo en la cola.
1 Las ecuaciones 12-13 a 12-18 describen las características de fun-
— A cionamiento en los modelos con múltiples canales que tienen llegadas
de Poisson y tasas de servicio exponenciales, donde m = número de
(12-3) Lq = número promedio de unidades en la cola canales abiertos.
A2
1
(12-13) Po =
g(iL — A) (A fl- 1 I (A yn
(12-4) Wq = tiempo promedio que pasa una unidad esperando n1
=0 — A
en la cola para mµ >
A Probabilidad de que no haya personas o unidades en el
- A) sistema.
Aia(Aiihri .4_
(12-5) p = factor de utilización para el sistema = — (12-14) L =
(in — 1)!(mp. — A)2
(12-6) Po = probabilidad de O unidades en el sistema Número promedio de personas o unidades en el sistema.
(es decir, la unidad de servicio está inactiva)
1 L
Á ( 12-15) W= 11(A/Pr
=1—— (m— 1)1(mil, — A)2 11, = —
A
Tiempo promedio que pasa una unidad en la línea de espera
(12-7) -Prt>k= probabilidad de más de k unidades en el sistema o siendo atendida (es decir, en el sistema).
(12-16)47 = L — —
P•
Númerp promedio de personas o unidades en la línea espe-
Las ecuaciones 12-8 a 12-12 se utilizan para encontrar los costos de rando 1 servicio.
un sistema de colas.
1 L
(12-8) Costo del servicio total = mCs (12-17) Wq = W — — =
A
donde Tiem promedio que una persona o unidad pasa en la cola
m = número de canales esperando el servicio.
Cs = costo del servicio (costo de mano de obra) en cada canal
(12-18) p =
Tasa de utilización.
PROBLEMAS RESUELTOS 457
Lq
(12-20) Wq — 211(1 A) (12-26) W =
q (N — L)A
A 1
(12-21) L = Lq + — (12-27) W = Wq + —
1 N! ( Ay
(12-22) W = Wq + — (12-28) = (N ) Po para n = O, 1, . . , N
Las ecuaciones 12-23 a 12-28 describen las características de funciona- Las ecuaciones 12-29 a 12-31 son las ecuaciones de flujo de Little, que
miento de los modelos de un solo canal que tienen llegadas de Poisson y pueden utilizarse cuando existe una condición de estado estacionario.
tasas de servicio exponenciales y una población potencial finita.
(12-29) L = AW
1 (12-30) Lq = AWq
(12-23) Po = N N! (
E
n=o N — n)
(12-31) W = Wq + 1/12.
Problemas resueltos
NÚMERO DE VENDEDORES
1 2 3 4
(a) Número promedio de clientes por turno 50 50 50 50
(b) Tiempo de espera promedio por cliente (minutos) 7 4 3 2
(c) Tiempo de espera total por turno (a X b) (minutos) 350 200 150 100
(d) Costo por minuto de tiempo de espera (estimado) $1.00 $1.00 $1.00 $1.00
(e) Valor del tiempo perdido (c X d) por turno $ 350 $ 200 $ 150 $ 100
(f) Costo salarial por turno $ 70 $ 140 $ 210 $ 280
(g) Costo total por turno $ 420 $ 340 $ 360 $ 380
Debido a que el costo total mínimo por turno es el generado por dos vendedores, la estrategia óptima de la gerente
es contratar a 2 vendedores.
458 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
k Pa
O 0.667
0.444
1
2 0.296
3 0.198
Solución
Con dos personas trabajando, el sistema se vuelve de dos canales, o m = 2. Al realizar los cálculos se obtiene
1
Po = 2(30) 1
PI' [2011 + 1[20121-
n=0 n!l_ 3oi 2!1_30 j L 2(30) — 20 j
1
(1)(2/3)° + (1)(2/3)' + (1/2)(4/9)(6/4) = 0.5
= probabilidad de que no haya clientes en el sistema
[ (20)(30)(20/30)2 20
L= 0.5 + — = 0.75 clientes en el sistema, en promedio
(2 — 1)![(2)(30 — 20)12 30
L 3/4 3
W = — = — = 80 de hora = 2.25 minutos que el cliente promedio pasa en todo el sistema
A 20
A 3 20 1
Lq = L — — = — — — = — = 0.083 clientes que esperan el servicio en la línea, en promedio
AL 4 30 12
4 'A 1
W= de hora = — de minuto = tiempo de espera promedio de un cliente
q Á 20 240 4
en la cola (sin ser atendido)
A 20 1
= = = = 0.33 = tasa de utilización
P
mp. 2(30) 3
Ahora se tienen (240 clientes) X (1/240 de hora) = 1 hora de tiempo total de espera de los clientes por día.
El costo total de 60 minutos de tiempo de espera de los clientes es (60 minutos) ($0.10 por minuto) = $6.
Ahora ya está listo para señalar a Marty que la contratación de un empleado adicional le ahorrará $96 — $6 = $90
por la mala imagen ante el cliente, cada turno de 12 horas. Marty responde que la contratación también debería
reducir el número de personas que ven la fila y se van, así como el número de clientes que se cansan de esperar
en la cola y se retiran. En ese momento, usted le dice a Marty que está listo para comerse dos hot-dogs con picante
extra.
Autoevaluación
• Antes de realizar la autoevaluación, consulte los objetivos de aprendizaje al comienzo del capítulo, las notas en los márgenes y el glosario
al final del capítulo.
• Consulte las soluciones en la parte final del libro para corregir sus respuestas.
• Vuelva a estudiar las páginas que correspondan a todas las preguntas que respondió incorrectamente o al material del que no se sienta seguro.
1. La mayoría de los sistemas usan la disciplina de cola conocida 8. ¿Cuál de los siguientes sistemas no tendría una disciplina de
como la regla de FIFO. cola de FIFO?
a. Verdadero a. Restaurante de comida rápida
b. Falso b. Oficina de correos
2. Antes de usar distribuciones exponenciales para construir c. Fila para pagar en una tienda de comestibles
modelos de colas, el analista cuantitativo debería determinar si d. Sala de emergencias en un hospital
los datos del tiempo de servicio se ajustan a la distribución. 9. Una empresa tiene un técnico en computación que se encarga
a. Verdadero de las reparaciones de 20 computadoras de la empresa. Cuando
b. Falso un equipo falla, se llama al técnico para que haga la reparación.
3. En un sistema de colas de una fase con múltiples canales, Si el reparador está ocupado, la computadora debe esperar por
la llegada pasará a través de, al menos, dos instalaciones de el servicio. Éste es un ejemplo de
servicio diferentes. a. un sistema con múltiples canales.
a. Verdadero b. un sistema con población finita.
b. Falso c. un sistema con tasa de servicio constante.
4. ¿Cuál de los siguientes no es un supuesto en los modelos M/M/1? d. un sistema con múltiples fases.
a. Las llegadas provienen de una población infinita o muy 10. Al realizar un análisis de costos de un sistema de colas, el
grande. costo del tiempo de espera (C„,) se basa a veces en el tiempo en
b. Las llegadas tienen una distribución de Poisson. la cola y, a veces en el tiempo en el sistema. ¿Para cuál de las
c. Las llegadas son atendidas con base en FIFO y no rechazan siguientes situaciones el costo de espera se debería basar en el
ni renuncian. tiempo en el sistema?
d. Los tiempos de servicio siguen una distribución exponencial. a. Espera en una fila para subir a un juego mecánico
e. La tasa promedio de llegada es más rápida que la tasa pro- b. Espera para discutir un problema de salud con un médico
medio de servicio. c. Espera por una foto y un autógrafo de una estrella de rock
5. Un sistema de colas descrito como M/D/2 tendría d. Espera por la reparación de una computadora para que se
a. tiempos de servicio exponenciales. pueda poner de nuevo en servicio
b. dos colas. H. Los clientes entran a la línea de espera en una cafetería de
c. tiempos de servicio constantes. la forma primero en llegar, primero en ser atendido. La tasa
d. tasas de llegada constantes. de llegadas sigue una distribución de Poisson y los tiempos de
6. Los automóviles entran al servicio por la ventanilla de un servicio sé distribuyen exponencialmente. Si el número pro--
restaurante de comida rápida para realizar un pedido y, luego, medio de llegadas es de 6 por minuto y la tasa de servicio
proceden a realizar el pago y recoger los alimentos. Éste es un promedio de un solo servidor es de 10 por minuto, ¿cuál es
ejemplo de el número promedio de clientes en el sistema?
a. un sistema con múltiples canales. a. 0.6
b. un sistema con múltiples fases. b. 0.9
c. un sistema con múltiples colas. c. 1.5
d. ninguno de los anteriores. d. 0.25
7. El factor de utilización de un sistema se define como e. ninguno de los anteriores
a. el número medio de personas atendidas dividido entre el 12. En el modelo de colas estándar, suponemos que la disciplina de
número medio de llegadas por periodo de tiempo. la cola es
b. el tiempo promedio que un cliente pasa esperando en una 13. Se supone que el tiempo de servicio en el modelo de colas
cola. M/M/1 es
c. la proporción del tiempo que las instalaciones de servicio 14. Cuando los administradores encuentran que las fórmulas
están en uso. estándar para los sistemas de colas son inadecuadas o que
d. el porcentaje de tiempo inactivo. las matenrticas son irresolubles, con frecuencia recurren a
e. ninguno de los anteriores. para obtener soluciones.
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 461
* Nora: fa significa que el problema puede resolverse con QM para Wmdows; 3£ significa que el problema puede resolverse con Excel QM, y z significa que el problema
puede resolverse con QM para Windows y/o Excel QM.
462 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
que puede mantener una tasa de servicio promedio de 280 (d te las horas que el contenedor está abierto) a una tasa
clientes por hora. Se supone que los tiempos de servicio de edor de 30 por hora, siguiendo un patrón de Poisson.
siguen una distribución exponencial. Las llegadas en un ara ayudar a la cooperativa con el problema de la
día típicamente activo tienen una distribución de Poisson pérdi a de tiempo, mientras los camiones esperan en la fila
y promedian 210 por hora. o mi tras son descargados en el contenedor, encuentre
Para determinar la eficiencia de la operación actual (a) e número promedio de camiones en el sistema de
de venta de boletos, Mike desea examinar varias caracte- d scarga.
rísticas del funcionamiento de la cola. (b) e tiempo promedio por camión en el sistema.
(a) Encuentre el número promedio de clientes que espe- (c) la tasa de utilización del área del contenedor.
ran en la fila para comprar un boleto. (d) la probabilidad de que haya más de tres camiones en
(b) ¿Qué porcentaje del tiempo el cajero está ocupado? el sistema en cualquier momento dado.
(c) ¿Cuál es el tiempo promedio que un cliente pasa en el (e) el costo total diario de los agricultores por tener sus
sistema? camiones detenidos en el proceso de descarga.
(d) ¿Cuál es el tiempo de espera promedio en la cola para Como se ha mencionado, la cooperativa utiliza el conte-
llegara la taquilla? nedor sólo dos semanas al año. Los agricultores estiman
(e) ¿Cuál es la probabilidad de que haya más de dos per- que una ampliación de este depósito recortaría los costos
sonas en el sistema? ¿Más de tres personas? ¿Más de de descarga en 50% el próximo año. Costaría $9,000 ha-
cuatro? cer la expansión durante la temporada en que no hay des-
al:12-14 Una línea en la cafetería de una universidad en el centro carga. ¿Sería rentable para la cooperativa ampliar el área
de estudiantes es una instalación de autoservicio donde los de almacenamiento?
estudiantes seleccionan los alimentos que desean y, luego, ztE 12-16 La tienda departamental Ashley's en Kansas City mantie-
forman una sola línea para pagar al cajero. Los estudiantes ne un exitoso departamento de ventas por catálogo, en el
llegan a la caja a una tasa aproximada de cuatro por mi- cual un empleado recibe órdenes por teléfono. Si el em-
nuto de acuerdo con una distribución de Poisson. El único pleado está ocupado en una línea, las llamadas telefónicas
cajero que realiza los cobros tarda unos 12 segundos por entrantes al departamento de ventas por catálogo son con-
cliente, siguiendo una distribución exponencial. testadas automáticamente por una máquina grabadora que
(a) ¿Cuál es la probabilidad de que haya más de dos estu- pide al cliente esperar. Tan pronto como el empleado se li-
diantes en el sistema? ¿Más de tres estudiantes? ¿Más bera, la llamada que ha esperado más tiempo se transfiere y
de cuatro? se responde primero. Las llamadas llegan a una tasa de alre-
(b) ¿Cuál es la probabilidad de que el sistema esté vacío? dedor de 12 por hora. El empleado es capaz de tomar un pe-
(c) ¿Cuánto tiempo espera el estudiante promedio antes dido en un promedio de 4 minutos. Las llamadas tienden a
de llegar a la caja? seguir una distribución de Poisson y los tiempos de servicio
(d) ¿Cuál es el número esperado de estudiantes en la cola? suelen ser exponenciales. Al empleado se le pagan $10 por
(e) ¿Cuál es el número promedio de estudiantes en el hora, pero debido a la pérdida de ventas y de buena imagen,
sistema? Ashley's pierde alrededor de $50 por cada hora que los
(f) Si se agrega una segunda caja (que trabaja al mismo clientes pasan esperando a que el empleado tome su pedido.
ritmo), ¿cómo cambian las características de funcio- (a) ¿Cuál es el tiempo promedio que los clientes por catá-
namiento calculadas en los incisos (b), (c), (d) y (e)? logo deben esperar antes de que sus llamadas se trans-
Suponga que los clientes esperan en una sola línea y fieran al empleado?
van a la primera caja disponible. (b) ¿Cuál es el número promedio de clientes esperando a
Q:12-15 La temporada de cosecha de trigo en el medio oeste estadou- hacer un pedido?
X* (c) Ashley's está considerando la adición de un segundo
nidense es corta, y la mayoría de los agricultores entregan
sus camiones cargados de trigo a un gigantesco contenedor empleado para recibir llamadas. La tienda pagaría a
de almacenamiento central en un lapso de dos semanas. De- esa persona los mismos $10 por hora. ¿Debería con-
bido a esto, los camiones llenos de trigo esperan en una fila tratar a otro empleado? Explique su respuesta
para descargar en el contenedor y volver a los campos de x:12-17 Los automóviles llegan a la ventanilla de servicio en una
cultivo. El contenedor central es propiedad cooperativa, y es oficina de correos a una tasa de 4 cada 10 minutos. El
en beneficio de todos los agricultores con la finalidad de que tiempo de servicio promedio es de 2 minutos. La distribu-
el proceso de almacenamiento/descarga sea lo más eficiente ción de Poisson es adecuada para la tasa de llegadas y los
posible. El costo del deterioro del grano causado por los re- tiempos de servicios se distribuyen de manera exponencial.
trasos en la descarga, el costo del alquiler de los camiones (a) ¿Cuál es el tiempo promedio que un auto está en
y el tiempo de inactividad de los conductores son preocu- el sistema?
paciones importantes de los miembros de la cooperativa. (b) ¿Cuál es el número promedio de vehículos en el
Aunque los agricultores tienen dificultades para cuantificar sistema?
los daños a los cultivos, es fácil asignar un costo de espera y (c) ¿Cuál es el tiempo promedio que pasan los autos en
descarga por camión y conductor de $18 por hora. El conte- espera de recibir el servicio?
nedor está abierto y opera 16 horas al día, 7 días a la semana, (d) ¿Cuál es el número promedio de autos en la fila
durante la temporada de cosecha y es capaz de descargar 35 detrás del cliente que está recibiendo el servicio?
camiones por hora de acuerdo con una distribución expo- (e) ¿Cuál es la probabilidad de que no haya autos en la
nencial. Los camiones cargados llegan durante todo el día ventanilla?
PREGUNTAS PARA ANÁLISIS Y PROBLEMAS 463
(f) ¿Qué porcentaje del tiempo el empleado de correos Suponga que los trabajadores de cada plataforma
está ocupado? podrán cargar 4 camiones por hora cada uno y que los
(g) ¿Cuál es la probabilidad de que haya exactamente dos camiones seguirán llegando a una tasa de 3 por hora. En-
autos en el sistema? cuentre las nuevas condiciones de funcionamiento de la
0: 12-18 En la oficina de correos del problema 12-17, se está con- línea de espera. ¿Es cierto que este nuevo enfoque es más
3C•
siderando una segunda ventanilla para atender a los clien- rápido que los otros dos considerados?
tes. Se formaría una sola fila y cuando un auto llegara a at, 12-23 Bill First, gerente general de la tienda departamental Worth-
la parte delantera de la línea se dirigiría al siguiente em- more, ha estimado que cada hora que los clientes pasan
pleado disponible. El cajero de la nueva ventanilla trabaja- esperando en la cola a que un empleado de ventas esté dis-
ría al mismo ritmo que el actual. ponible cuesta a la tienda $100 en pérdida de ventas y de
(a) ¿Cuál es el tiempo promedio que un auto estaría en el buena imagen. Los clientes llegan a la caja registradora a
sistema? un ritmo de 30 por hora, y el tiempo de servicio prome-
(b) ¿Cuál es el número promedio de autos en el sistema? dio es de 3 minutos. La distribución de Poisson describe
(c) ¿Cuál es el tiempo promedio que pasarían los autos las llegadas y los tiempos de servicio se distribuyen de
en espera de recibir el servicio? manera exponencial. El número de empleados de ventas
(d) ¿Cuál es el número promedio de autos que habría en
puede ser de 2, 3 o 4, donde cada uno trabaja a la misma
la fila detrás de los clientes que están recibiendo el
tasa. Bill estima que el salario y las prestaciones para cada
servicio? empleado son de $10 por hora. La tienda está abierta 10
(e) ¿Cuál es la probabilidad de que no hubiera autos en
horas al día.
el sistema?
(a) Calcule el tiempo promedio en la línea si se utilizan 2,
(f) ¿Qué porcentaje del tiempo los cajeros estarían
3 y 4 cajeros.
ocupados?
(b) ¿Cuál es el tiempo total diario de espera en la línea si
(g) ¿Cuál es la probabilidad de que hubiera exactamente se utilizan 2, 3 y 4 cajeros?
dos autos en el sistema?
(c) Calcule el total diario de los costos de espera y del ser-
1- 12-19 La distribuidora mayorista de frutas Juhn and Sons utiliza
2
vicio si se utilizan 2, 3 y 4 cajeros. ¿Cuál es el costo
a un empleado cuyo trabajo consiste en cargar fruta en los total diario mínimo?
camiones que salen de la compañía. Los camiones llegan
a la puerta de carga en un promedio de 24 por día, o 3 por Q • 12-24 Billy's Bank es el único banco en un pequeño pueblo de
hora, de acuerdo con una distribución de Poisson. El tra- Arkansas. En un viernes típico, un promedio de 10 clien-
bajador los carga a una velocidad de 4 por hora, siguiendo tes por hora llegan al banco para realizar transacciones
aproximadamente una distribución exponencial en los comerciales. Hay un solo cajero en el banco, y el tiempo
tiempos de servicio. promedio necesario para realizar transacciones comercia-
Determine las características de funcionamiento de les es de 4 minutos. Se supone que los tiempos de servicio
este problema de puerta de carga. ¿Cuál es la probabilidad pueden describirse mediante la distribución exponencial.
de que haya más de tres camiones ya sea siendo cargados Aunque éste es el único banco en el pueblo, algunas per-
o en espera? Comente los resultados de su cálculo en este sonas han comenzado a utilizar el banco de un pueblo ve-
modelo de colas. cino a unas 20 millas de distancia. Si se utiliza un solo
Q "12-20 Juhn cree que la adición de un segundo cargador de fruta
.74* cajero en Billy's, encuentre
mejoraría sustancialmente la eficiencia de la compañía. Se (a) el tiempo promedio en la línea.
estima que un equipo de dos personas seguiría actuando (b) el número promedio de clientes en la línea.
como un sistema de un solo servidor y que la puerta de (c) el tiempo promedio en el sistema.
carga duplicará su tasa de carga de 4 camiones por hora (d) el número promedio de clientes en el sistema.
a 8 camiones por hora. Analice el efecto en la cola de tal (e) la probabilidad de que el banco esté vacío.
cambio y compare los resultados con los encontrados en el
problema 12-19. ti 12-25 Consulte la situación del Billy's Bank en el problema
Ac 12-24. Billy está considerando la adición de un segundo
Q -12-21 Los conductores de camión que trabajan para Juhn and Sons
(vea los problemas 12-19 y 12-20) reciben un pago de $20 cajero (quien trabajaría al mismo ritmo que el primero)
por hora en promedio. Los cargadores de frutas reciben al- para reducir el tiempo de espera de los clientes, y supone
rededor de $12 por hora. Los conductores de camiones que que esto reduciría el tiempo de espera a la mitad. Se utili-
esperan en la cola o en la puerta de carga están percibiendo zaría una sola línea, y el cliente al frente de la fila iría a la
un salario, pero están productivamente inactivos y son inca- primera caja disponible. Si se. agrega un segundo cajero,
paces de generar ingresos durante ese tiempo. ¿Cuál sería el encuentre
ahorro en costos por hora para la compañía, asociado con (a) el tiempo promedio en la línea.
el empleo de dos cargadores en lugar de uno? (b) el número promedio de clientes en la línea.
(c) el tiempo promedio en el sistema.
Q • 12-22 La distribuidora mayorista de frutas Juhn and Sons (del pro- (d) el número promedio de clientes en el sistema.
blema 12-19) está considerando la construcción de una se- (e) la probabilidad de que el banco esté vacío.
gunda plataforma o puerta para acelerar el proceso de carga
de sus camiones de fruta. Piensan que esto sería aún más • 12-26 Para la situación del Billy's Bank en los problemas 12-24
eficaz que la simple contratación de otro cargador que ayude y 12-25, el salario y las prestaciones de un cajero serían de
en la primera plataforma (como en el problema 12-20). $12 por hora. El banco está abierto 8 horas al día. Se ha
CAPITULO 12 • MODELOS DE LINEAS DE ESPERA Y TEORÍA DE COLAS
estimado que el costo del tiempo de espera es de $25 por des liado un problema. Las computadoras funcionan
hora en la línea. duran un promedio de 85 minutos (distribución de Pois-
(a) ¿Cuántos clientes entrarían al banco en un día típico? son) s necesidad de ajustes. ¿Cuál es
(b) ¿Cuánto tiempo pasarían los clientes en total espe- (a) el número promedio de computadoras en espera de
rando en la línea durante todo el día si se utilizara un ajustadas?
solo cajero? ¿Cuál es el costo total diario del tiempo (b) el número promedio de computadoras que no está
de espera? funcionando?
(c) ¿Cuánto tiempo pasarían los clientes en total esperan- (c) la probabilidad de que el sistema esté vacío?
do en la línea durante todo el día si se utilizaran dos (d) el tiempo promedio en la cola?
cajeros? ¿Cuál es el costo total diario del tiempo de (e) el tiempo promedio en el sistema?
espera? x
9 E 1 2 -3 1 La estación de metro típica en Washington, D.C., tiene
(d) Si Billy desea minimizar el costo total del tiempo de 6 torniquetes, cada uno de los cuales puede ser contro-
espera y del personal, ¿qué número de cajeros debe lado por el gerente de la estación para ser utilizado en
utilizar? el control de la entrada o la salida, pero no para ambos.
-12-27 Los clientes llegan a una máquina automática expende- El gerente debe decidir en diferentes momentos del día
dora de café a una tasa de 4 por minuto, siguiendo una dis- cuántos torniquetes debe utilizar para la entrada de pa-
tribución de Poisson. La máquina de café dispensa una sajeros y cuántos empleará para permitir la salida de
taza de café en exactamente 10 segundos. pasajeros.
(a) ¿Cuál es el número promedio de personas esperando En la estación del Washington College, los pasajeros
en la línea? entran a una tasa aproximada de 84 por minuto entre las
(b) ¿Cuál es el promedio de personas en el sistema? 7 y 9 A.M. Los pasajeros que salen de los trenes llegan a
(c) ¿Cuánto tiempo espera en la línea la persona prome- la zona de torniquetes a una tasa aproximada de 48 por
dio antes de recibir el servicio? minuto durante la misma hora pico de la mañana. Cada
torniquete puede permitir la entrada o la salida de un pro-
;12-28 El número promedio de clientes en el sistema de una fase medió de 30 pasajeros. Se piensa que los tiempos de lle-
de un solo canal del modelo descrito en la sección 12.4 es gada y del servicio siguen las distribuciones de Poisson
y exponencial, respectivamente. Suponga que los pasaje-
L= ros forman una cola común en las áreas de los torniquetes
de entrada y salida, y avanzan hacia el primer torniquete
Demuestre que para m = 1 servidor, el modelo de colas vacío.
con múltiples canales de la sección 12.5, El gerente de la estación del Washington College no
quiere que el pasajero promedio tenga que esperar en una
A y" línea de torniquete por más de 6 segundos, ni tampoco de-
sea que haya más de 8 personas haciendo cola en cual-
L= Aµ(µA P0 + —
A quier momento promedio.
(m — 1)1(mµ, — A)2
(a) ¿Cuántos torniquetes deberían abrirse en cada direc-
es idéntico al sistema de un solo canal. Tenga en cuenta ción cada mañana?
que, en este ejercicio, altamente algebraico, se debe utili- (b) Comente los supuestos que subyacen a la solución de
zar la fórmula para P0 (ecuación 12-13). este problema utilizando la teoría de colas.
9 * 12" 29 Un mecánico da servicio a 5 máquinas de perforación • 12-32 La banda de la Clear Brook High School está realizando
para un fabricante de placas de acero. Las máquinas se un lavado de automóviles para recaudar fondos con la fi-
descomponen en promedio una vez cada 6 días de trabajo, nalidad de comprar nuevo equipamiento. El tiempo pro-
y las averías tienden a seguir una distribución de Poisson. medio para lavar un auto es de 4 minutos, y el tiempo se
El mecánico puede manejar un promedio de un trabajo distribuye de manera exponencial. Los autos llegan a ra-
de reparación al día. Las reparaciones siguen una distri- zón de uno cada 5 minutos (o 12 por hora), y el número
bución exponencial. de llegadas por periodo de tiempo se describe mediante la
(a) ¿Cuántas máquinas están a la espera del servicio, en distribución de Poisson.
promedio? (a) ¿Cuál es el tiempo promedio que los autos esperan en
(b) ¿Cuántas hay en el sistema, en promedio? la línea?
(c) ¿Cuántas máquinas perforadoras están operando (b) ¿Cuál es el número promedio de autos en la línea?
correctamente, en promedio? (c) . Cuál es el número promedio de vehículos en el
(d) ¿Cuál es el tiempo de espera promedio en la cola? istema?
(e) ¿Cuál es la permanencia promedio en el sistema? (d) Cuál es el tiempo promedio en el sistema?
Q • 12-30 Un técnico supervisa un grupo de cinco computadoras (e) Cuál es la probabilidad de que haya más de tres autos
31' en el sistema?
que controlan una instalación de manufactura automa-
tizada. Tarda un promedio de 15 minutos (distribuidos x9
:12-33 Cuando llegaron miembros adicionales de la banda para
exponencialmente) en ajustar una computadora que ha ayudar en el lavado de autos (vea el problema 12-32),
ESTUDIO DE CASO 465
se decidió que debían lavarse dos autos a la vez en lugar distribución exponencial negativa, determine el número
de uno. Ambas cuadrillas de trabajo funcionarían con la promedio de autos y el tiempo de espera promedio en
misma velocidad. cada una de las filas.
(a) ¿Cuál es el tiempo promedio que los autos esperan en até 12-35 Ye Olde Creamery, una popular tienda de helados en el
la línea? campus, tiene una fila para vender sus delicias. Los estu-
(b) ¿Cuál es el número promedio de autos en la línea? diantes llegan a Ye Olde aproximadamente uno cada mi-
(c) ¿Cuál es el número promedio de vehículos en el nuto. Gracias al nuevo sistema automatizado "colocar y
sistema? pagar", sólo se requieren 40 segundos, en promedio, para
(d) ¿Cuál es el tiempo promedio en el sistema? hacer un pedido y pagarlo; para ello, los estudiantes úni-
x :12-34 Al llegar a la Puerta Sunkist en la Base Naval del Con-
dado de Ventura en Port Hueneme, California, hay dos
camente deben mantener sus teléfonos celulares sobre el
dispositivo "colocar y paga?' y el sistema deduce de su
guardias de seguridad, cada uno asignado a uno de los cuenta automáticamente el costo del cono de helado. Sin
dos carriles vehiculares que conducen a la puerta, para embargo, el sistema "colocar y pagar" tiene fallas y con
comprobar la identificación (es decir, la tarjeta militar de frecuencia está fuera de línea, provocando que los estu-
acceso común) de las personas en los vehículos que de- diantes deban pagar con efectivo. Esto hace que el prome-
sean pasar a la base. Por la mañana, cuando la puerta está dio del tiempo de pedidos y pagos se duplique y se forme
más activa, los autos llegan cada 12 segundos y toman una larga fila, lo cual obliga a Ye Olde Creamery a abrir
aleatoriamente uno de los dos carriles, que claramente in- otra estación de pedidos y pagos. Al tener dos estacio-
dican "NO HAY CAMBIO DE CARRIL". Una vez que el auto nes de pedidos y pagos abiertas (con una sola línea), los
está al frente de su fila particular, el guardia requiere 20 costos de Ye Olde aumentan en $12.00 por hora, mientras
segundos, en promedio, para comprobar las identificacio- que la mejora del sistema "colocar y pagar" para no estar
nes de todos los ocupantes de cada auto. Por lo general, nunca fuera de línea costaría $1,200. Suponiendo que las
eso significa una sola persona. Sin embargo, algunas per- llegadas son de Poisson y que los tiempos de servicio son
sonas comparten el viaje y puede haber hasta seis o siete exponenciales negativos, compare el funcionamiento de
en un vehículo específico. Teniendo en cuenta que las lle- Ye Olde Creamery con las dos distintas configuraciones.
gadas de vehículos siguen una distribución de Poisson y Considerando los costos adicionales implicados, ¿qué de-
el tiempo para comprobar las identificaciones sigue una bería hacer la gerencia de Ye Olde Creamery?
Estudio de caso
Limpieza, Almacenamiento
pulido y y envío Limpieza,
preparación pulido y Almacenamiento
preparación Y
envío
Taller de
Mantenimiento patrones
Fundición Moldeado Taller de
patrones y
mantenimiento
Fundición
Moldeado Arena
Arena
fuego y los gases a través del hierro fundido hasta la zona de calen- las herramientas y las piezas, como por los moldeadores de arena que
tamiento. Estas características, junto con los accesorios, dieron lugar necesitan varios patrones en la operación de moldeo. Peter Nawler
a la expansión de las ventas y llevaron a George a construir una nueva y Bob Bryan, que trabajan detrás del mostrador, son capaces de dar
instalación para la fabricación de estufas Warmglo III. En la figura servicio a un total de 10 personas por hora (o aproximadamente a 5
12.3 se muestra un diagrama general de la fábrica. por hora cada uno). En promedio, 4 personas de mantenimiento y 3
La nueva fundidora utiliza equipos de última generación, inclu- personas del departamento de moldeado llegan al mostrador por hora.
yendo un nuevo Disamatic que ayuda a la fabricación de piezas de La gente del departamento de moldeado y de mantenimiento llegan al
la estufa. Independientemente de los nuevos equipos o procedimien- azar y, para ser atendidos, forman una sola línea. Pete y Bob siempre
tos, las operaciones de fundición se han mantenido básicamente sin han tenido una política del tipo primero en llegar, primero en ser aten-
cambios durante cientos de años. Para empezar, se hace un patrón dido. Debido a la ubicación del taller de patrones y el departamento
de madera para cada pieza de hierro fundido en la estufa. El patrón de de mantenimiento, se requieren unos 3 minutos para que una persona
madera es una duplicación exacta de la pieza de hierro fundido que se del departamento de mantenimiento camine hasta el mostrador, y al-
va a fabricar. Todos los patrones de New England Foundry son reali- rededor de 1 minuto para que una persona camine desde el departa-
zados por Precision Patterns, Inc., y estos patrones se almacenan en mento de moldeado hasta el área de patrones y mantenimiento.
el área del taller de patrones y mantenimiento. A continuación, una Después de observar el funcionamiento del área del taller de pa-
arena especialmente formulada se moldea alrededor del patrón de trones y mantenimiento durante varias semanas, George decidió hacer
madera. Puede haber dos o más moldes de arena para cada patrón. algunos cambiol en el diseño de la fábrica. En la figura 12.4 se mues-
La mezcla de la arena y la elaboración de moldes se realizan en el tra un diagrama general de estos cambios.
área de moldeado. Cuando se retira el patrón de madera, los moldes La separación del taller de mantenimiento y el taller de patro-
de arena resultantes forman una imagen negativa de la pieza fundida nes tiene varias ventajas. A las personas del departamento de man-
que se desea. En seguida, los moldes se transportan al área de fundi- tenimiento les tomaría sólo 1 minuto, en lugar de 3, llegar al nuevo
ción, donde se vierte hierro fundido en los moldes y se deja enfriar. mostrador del departamento de mantenimiento. Utilizando estudios
Cuando el hierro se ha solidificado, los moldes se trasladan al área de tiempos y movimientos, George también fue capaz de determinar
de limpieza, pulido y preparación. Los moldes se vierten en grandes que la mejora de la distribución del departamento de mantenimiento
vibradores que sacuden la mayor parte de la arena de la pieza colada. permitiría que lob diera servicio a 6 personas del departamento de
Las piezas moldeadas en bruto se someten a continuación tanto a un mantenimiento por hora, y la mejora de la distribución del departa-
chorro de arena, para eliminar el resto de la arena, y a la pulidora para mento de patrones permitiría que Pete diera servicio a 7 personas del
las superficies de las piezas coladas. Luego, las fundiciones se pintan taller de moldeado por hora.
con una pintura especial resistente al calor, se ensamblan en estufas
funcionales y se inspeccionan en busca de defectos que podrían ha-
Preguntascl)ara análisis
ber pasado inadvertidos hasta ese momento de la manufactura. Por
último, las estufas terminadas se trasladan al área de almacenamiento 1.¿Cuánto ti mpo ahorraría el nuevo diseño?
y envío, donde son empaquetadas y enviadas a los lugares apropiados. 2. Si al pers nal de mantenimiento se les paga $9.50 por hora y
En la actualidad, el taller de patrones y el departamento de man- el personal de moldeado recibe un pago de $11.75 por hora,
tenimiento se encuentran en la misma área. Hay un gran mostrador ¿cuánto se ahorraría cada hora con la nueva distribución de la
que es utilizado tanto por el personal de mantenimiento para obtener fábrica?
BIBLIOGRAFÍA 467
Estudio de caso
Winter Park Hotel ser atendidos por cualquiera de los cinco empleados que estuviera dis-
ponible. Esta opción requeriría suficiente espacio en el vestíbulo para
Donna Shader, gerente del Winter Park Hotel, está considerando
una cola de longitud considerable.
cómo reestructurar la recepción para llegar a un nivel óptimo de efi-
La tercera propuesta implica el uso de un cajero automático
ciencia del personal y del servicio al huésped. En la actualidad, el
(ATM) para los registros de entrada. Este ATM proporcionaría apro-
hotel cuenta con cinco empleados por turno, cada uno con una línea
ximadamente la misma tasa de servicio que un empleado. Teniendo
de espera separada, durante la hora de registro con mayor afluencia de
en cuenta que el uso inicial de esta tecnología podría ser mínimo,
3:00 P.M. a 5:00 P.M. La observación de llegadas durante este tiempo
Shader estima que 20% de los clientes, principalmente los huéspedes
muestra que cada hora llega un promedio de 90 personas (aunque no
más frecuentes, estarían dispuestos a usar las máquinas. (Esto podría
hay límite superior en el número que podría llegar en cualquier mo-
ser una estimación conservadora si los huéspedes perciben benefi-
mento dado). Se requiere un promedio de 3 minutos para que cada
cios directos por usar el cajero automático, como lo hacen los clien-
empleado de recepción registre a cada huésped.
tes bancarios. Citibank informa que alrededor de 95% de sus clientes
Donna está considerando tres planes para mejorar el servicio al
en Manhattan usan sus cajeros automáticos). Donna establecería una
cliente mediante la reducción del tiempo que los huéspedes pasan es-
sola cola para los clientes que prefieren registrarse con cajeros hu-
perando en la fila. La primera propuesta sería designar a un empleado
manos. Éstos serían atendidos por los cinco cajeros, aunque Donna
como empleado de servicio rápido para los huéspedes que se registran
tiene la esperanza de que la máquina podría permitirle una reducción
bajo cuentas corporativas, un segmento del mercado que implica al-
a cuatro.
rededor del 30% de todas las habitaciones ocupadas. Debido a que
los huéspedes de negocios están preinscritos, su registro tarda sólo
2 minutos. Con estos huéspedes separados del resto de la clientela,
el tiempo promedio para el registro de un cliente típico subiría a 3.4 Preguntas para análisis
minutos. Bajo el plan 1, los huéspedes no corporativos podrían elegir 1.Determine la cantidad promedio de tiempo que un cliente tarda
cualquiera de las cuatro líneas restantes. en registrarse. ¿Cómo cambiaría esto con cada una de las opcio-
El segundo plan es implementar un sistema de una sola línea. To- nes indicadas?
dos los huéspedes deberían formarse en una sola línea de espera para 2. ¿Qué opción recomendaría usted?
Bibliografía
Baldwin, Rusty O., Nathaniel J. Davis IV, Scott F. Midkiff y John E. Kobza. Koizumi, Naoru, Eri Kuno y Tony E. Smith. "Modeling Patient Flows Using a
"Queueing Network Analysis: Concepts, Terminology, and Methods", Queuing Network with Blocking", Health Care Management Science 8,
Journal of Systems & Software 66, 2 (2003): 99-118. 1(2005): 49-60.
Barron, K. "Huny Up and Wait", Forbes (16 de octubre de 2000): 158-164. Larson, Richard C. "Perspectives on Queues: Social Justice and the Psychology
Cayirli, lligba y Emre Veral. "Outpatient Scheduling in Health Care: A Review of of Queuing", Operations Research 35, 6 (noviembre-diciembre de 1987):
Literature", Production and Operations Management 12, 4 (2003): 519-549. 895-905.
Cooper, R. B. Introduction to Queuing Theory, 2a. ed. Nueva York: Elsevier— Murtojárvi, Mika et al. "Determining the Proper Number and Price of Software
North Holland, 1980. Licenses", IEEE Transactions on Software Engineering 33, 5 (2007):
305-315.
De Bruin, Amoud M., A. C. van Rossum, M. C. Visser y G. M. Koole. "Modeling
the Emergency Cardiac Inpatient Flow: An Application of Queuing Theory", Prabhu, N. U. Foundations of Queuing Theory. Norwell, MA: Kluewer Academie
Health Care Management Science 10, 2 (2007): 125-137. Publishers, 1997.
Derbala, Ali. "Priority Queuing in an Operating System", Computers & Operations Regattieri, A., R. Gamberini, F. Lolli y R. Manzini. "Designing Production and
Remara 32, 2 (2005): 229-238. Service Systems Using Queuing Theory: Principies and Application to an
Airport Passenger Security Screening System", International Journal of
Grassmann, Winfried K. "Finding the Right Number of Servers in Real-World
Services and Operations Management 6, 2 (2010): 206-225. •
Queuing Systems", Interfaces 18, 2 (marzo-abril de 1988):94-104.
Tarko, A. P. "Random Queues in Signalized Road Networks", Transportation
Janic, Milan. "Modeling Airport Congestion Charges", Transportation Planning
Science 34, 4 (noviembre de 2000): 415-425.
& Technology 28, 1 (2005): 1-26.
Kaff, K., B. Larson y R. Larson. "Prescription for the Waiting-in-Line Blues",
Sloan Management Review (invierno de 1991): 44-53.
468 CAPÍTULO 12 • MODELOS DE LÍNEAS DE ESPERA Y TEORÍA DE COLAS
PROGRAMA 12.6 jj
lene und larrival sennce cace)
C.' No coats
Uso de QM para C Use Costa
B. Probabilidades binomiales
D. Valores de la distribución F
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99998 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 -0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
560 APÉNDICES
n r 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
1 0 0.9500 0.9000 0.8500 0.8000 0.7500 0.7000 0.6500 0.6000 0.5500 0.5000
1 0.0500 0.1000 0.1500 0.2000 0.2500 0.3000 0.3500 0.4000 0.4500 0.5000
2 0 0.9025 0.8100 0.7225 0.6400 0.5625 0.4900 0.4225 0.3600 0.3025 0.2500
1 0.0950 0.1800 0.2550 0.3200 0.3750 0.4200 0.4550 0.4800 0.4950 0.5000
2 0.0025 0.0100 0.0225 0.0400 0.0625 0.0900 0.1225 0.1600 0.2025 0.2500
3 0 0.8574 0.7290 0.6141 0.5120 0.4219 0.3430 0.2746 0.2160 0.1664 0.1250
1 0.1354 0.2430 0.3251 0.3840 0.4219 0.4410 0.4436 0.4320 0.4084 0.3750
2 0.0071 0.0270 0.0574 0.0960 0.1406 0.1890 0.2389 0.2880 0.3341 0.3750
3 0.0001 0.0010 0.0034 0.0080 0.0156 0.0270 0.0429 0.0640 0.0911 0.1250
4 0 0.8145 0.6561 0.5220 0.4096 0.3164 0.2401 0.1785 0.1296 0.0915 0.0625
1 0.1715 0.2916 0.3685 0.4096 0.4219 0.4116 0.3845 0.3456 0.2995 0.2500
2 0.0135 0.0486 0.0975 0.1536 0.2109 0.2646 0.3105 0.3456 0.3675 0.3750
3 0.0005 0.0036 0.0115 0.0256 0.0469 0.0756 0.1115 0.1536 0.2005 0.2500
4 0.0000 0.0001 0.0005 0.0016 0.0039 0.0081 0.0150 0.0256 0.0410 0.0625
5 0 0.7738 0.5905 0.4437 0.3277 0.2373 0.1681 0.1160 0.0778 0.0503 0.0313
1 0.2036 0.3281 0.3915 0.4096 0.3955 0.3602 0.3124 0.2592 0.2059 0.1563
2 0.0214 0.0729 0.1382 0.2048 0.2637 0.3087 0.3364 0.3456 0.3369 0.3125
3 0.0011 0.0081 0.0244 0.0512 0.0879 0.1323 0.1811 0.2304 0.2757 0.3125
4 0.0000 0.0005 0.0022 0.0064 0.0146 0.0284 0.0488 0.0768 0.1128 0.1563
5 0.0000 0.0000 0.0001 0.0003 0.0010 0.0024 0.0053 0.0102 0.0185 0.0313
6 0 0.7351 0.5314 0.3771 0.2621 0.1780 0.1176 0.0754 0.0467 0.0277 0.0156
1 0.2321 0.3543 0.3993 0.3932 0.3560 0.3025 0.2437 0.1866 0.1359 0.0938
2 0.0305 0.0984 0.1762 0.2458 0.2966 0.3241 0.3280 0.3110 0.2780 0.2344
3 0.0021 0.0146 0.0415 0.0819 0.1318 0.1852 0.2355 0.2765 0.3032 0.3125
4 0.0001 0.0012 0.0055 0.0154 0.0330 0.0595 0.0951 0.1382 0.1861 0.2344
5 0.0000 0.0001 0.0004 0.0015 0.0044 0.0102 0.0205 0.0369 0.0609 0.0938
6 0.0000 0.0000 0.0000 0.0001 0.0002 0.0007 0.0018 0.0041 0.0083 0.0156
7 0 0.6983 0.4783 0.3206 0.2097 0.1335 0.0824 0.0490 0.0280 0.0152 0.0078
1 0.2573 0.3720 0.3960 0.3670 0.3115 0.2471 0.1848 0.1306 0.0872 0.0547
2 0.0406 0.1240 0.2097 0.2753 0.3115 0.3177 0.2985 0.2613 0.2140 0.1641
3 0.0036 0.0230 0.0617 0.1147 0.1730 0.2269 0.2679 0.2903 0.29 I 8 0.2734
4 0.0002 0.0026 0.0109 0.0287 0.0577 0.0972 0.1442 0.1935 0.2388 0.2734
5 0.0000 0.0002 0.0012 0.0043 0.0115 0.0250 0.0466 0.0774 0.1172 0.1641
6 0.0000 0.0000 0.0001 0.0004 0.0013 0.0036 0.0084 0.0172 0.0320 0.0547
7 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0006 0.0016 0.0037 0.0078
8 0 0.6634 0.4305 0.2725 0.1678 0.1001 0.0576 0.0319 0.0168 0.0084 0.0039
1 0.2793 0.3826 0.3847 0.3355 0.2670 0.1977 0.1373 0.0896 0.0548 0.0313
2 0.0515 0.1488 0.2376 0.2936 0.3115 0.2965 0.2587 0.2090 0.1569 0.1094
APÉNDICE B: PROBABILIDADES BINOMIALES 561
P
n r 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
3 0.0054 0.0331 0.0839 0.1468 0.2076 0.2541 0.2786 0.2787 0.2568 0.2188
4 0.0004 0.0046 0.0185 0.0459 0.0865 0.1361 0.1875 0.2322 0.2627 0.2734
5 0.0000 0.0004 0.0026 0.0092 0.0231 0.0467 0.0808 0.1239 0.1719 0.2188
6 0.0000 0.0000 0.0002 0.0011 0.0038 0.0100 0.0217 0.0413 0.0703 0.1094
7 0.0000 0.0000 0.0000 0.0001 0.0004 0.0012 0.0033 0.0079 0.0164 0.0313
8 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0007 0.0017 0.0039
9 0 0.6302 0.3874 0.2316 0. I 342 0.0751 0.0404 0.0207 0.0101 0.0046 0.0020
1 0.2985 0.3874 0.3679 0.3020 0.2253 0.1556 0.1004 0.0605 0.0339 0.0176
2 0.0629 0.1722 0.2597 0.3020 0.3003 0.2668 0.2162 0.1612 0.1110 0.0703
3 0.0077 0.0446 0.1069 0.1762 0.2336 0.2668 0.2716 0.2508 0.2119 0.1641
4 0.0006 0.0074 0.0283 0.0661 0.1168 0.1715 0.2194 0.2508 0.2600 0.2461
5 0.0000 0.0008 0.0050 0.0165 0.0389 0.0735 0.1181 0.1672 0.2128 0.2461
6 0.0000 0.0001 0.0006 0.0028 0.0087 0.0210 0.0424 0.0743 0.1160 0.1641
7 0.0000 0.0000 0.0000 0.0003 0.0012 0.0039 0.0098 0.0212 0.0407 0.0703
8 0.0000 0.0000 0.0000 0.0000 0.0001 0.0004 0.0013 0.0035 0.0083 0.0176
9 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003 0.0008 0.0020
10 0 0.5987 0.3487 0.1969 0.1074 0.0563 0.0282 0.0135 0.0060 0.0025 0.0010
1 0.3151 0.3874 0.3474 0.2684 0.1877 0.1211 0.0725 0.0403 0.0207 0.0098
2 0.0746 0.1937 0.2759 0.3020 0.2816 0.2335 0.1757 0.1209 0.0763 0.0439
3 0.0105 0.0574 0.1298 0.20 I 3 0.2503 0.2668 0.2522 0.2150 0.1665 0.1172
4 0.0010 0.0112 0.0401 0.0881 0.1460 0.2001 0.2377 0.2508 0.2384 0.2051
5 0.0001 0.0015 0.0085 0.0264 0.0584 0.1029 0.1536 0.2007 0.2340 0.2461
6 0.0000 0.0001 0.0012 0.0055 0.0162 0.0368 0.0689 0.1115 0.1596 0.2051
7 0.0000 0.0000 0.0001 0.0008 0.0031 0.0090 0.0212 0.0425 0.0746 0.1172
8 0.0000 0.0000 0.0000 0.0001 0.0004 0.0014 0.0043 0.0106 0.0229 0.0439
9 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0005 0.0016 0.0042 0.0098
10 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003 0.0010
15 0 0.4633 0.2059 0.0874 0.0352 0.0134 0.0047 0.0016 0.0005 0.0001 0.0000
1 0.3658 0.3432 0.2312 0.1319 0.0668 0.0305 0.0126 0.0047 0.0016 0.0005
2 0.1348 0.2669 0.2856 0.2309 0.1559 0.0916 0.0476 0.0219 0.0090 0.0032
3 0.0307 0.1285 0.2184 0.2501 0.2252 0.1700 0.1110 0.0634 0.0318 0.0139
4 0.0049 0.0428 0.1156 0.1876 0.2252 0.2186 0.1792 0.1268 0.0780 0.0417
5 0.0006 0.0105 0.0449 0.1032 0.1651 0.2061 0.2123 0.1859 0.1404 0.0916
6 0.0000 0.0019 0.0132 0.0430 0.0917 0.1472 0.1906 0.2066 0.1914 0.1527
7 0.0000 0.0003 0.0030 0.0138 0.0393 0.0811 0.1319 0.1771 0.2013 0.1964
8 0.0000 0.0000 0.0005 0.0035 0.0131 0.0348 0.0710 0.1181 0.1647 0.1964
9 0.0000 0.0000 0.0001 0.0007 0.0034 0.0116 0.0298 0.0612 0.1048 0.1527
10 0.0000 0.0000 0.0000 0.0001 0.0007 0.0030 0.0096 0.0245 0.0515 0.0916
11 0.0000 0.0000 0.0000 0.0000 0.0001 0.0006 0.0024 0.0074 0.0191 0.0417
12 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0004 0.0016 0.0052 0.0139
13 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003 0.0010 0.0032
14 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0005
15 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
562 APÉNDICES
P
n r 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
20 0 0.3585 0.1216 0.0388 0.0115 0.0032 0.0008 0.0002 0.0000 0.0000 0.0000
1 0.3774 0.2702 0.1368 0.0576 0.0211 0.0068 0.0020 0.0005 0.0001 0.0000
2 0.1887 0.2852 0.2293 0.1369 0.0669 0.0278 0.0100 0.0031 0.0008 0.0002
3 0.0596 0.1901 0.2428 0.2054 0.1339 0.0716 0.0323 0.0 I 23 0.0040 0.0011
4 0.0133 0.0898 0.1821 0.2182 0.1897 0.1304 0.0738 0.0350 0.0139 0.0046
5 0.0022 0.0319 0.1028 0.1746 0.2023 0.1789 0.1272 0.0746 0.0365 0.0148
6 0.0003 0.0089 0.0454 0.1091 0.1686 0.1916 0.1712 0.1244 0.0746 0.0370
7 0.0000 0.0020 0.0160 0.0545 0.1124 0.1643 0.1844 0.1659 0.1221 0.0739
8 0.0000 0.0004 0.0046 0.0222 0.0609 0.1144 0.1614 0.1797 0.1623 0.1201
9 0.0000 0.0001 0.0011 0.0074 0.0271 0.0654 0.1158 0. I 597 0.1771 0.1602
10 0.0000 0.0000 0.0002 0.0020 0.0099 0.0308 0.0686 0.1171 0.1593 0.1762
11 0.0000 0.0000 0.0000 0.0005 0.0030 0.0120 0.0336 0.0710 0.1185 0.1602
12 0.0000 0.0000 0.0000 0.0001 0.0008 0.0039 0.0136 0.0355 0.0727 0.1201
13 0.0000 0.0000 0.0000 0.0000 0.0002 0.0010 0.0045 0.0146 0.0366 0.0739
14 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0012 0.0049 0.0150 0.0370
15 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0003 0.0013 0.0049 0.0148
16 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0003 0.0013 0.0046
17 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0011
18 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002
19 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
20 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
P
n r 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95
1 0 0.4500 0.4000 0.3500 0.3000 0.2500 0.2000 0.1500 0.1000 0.0500
I 0.5500 0.6000 0.6500 0.7000 0.7500 0.8000 0.8500 0.9000 0.9500
2 0 0.2025 0.1600 0.1225 0.0900 0.0625 0.0400 0.0225 0.0100 0.0025
1 0.4950 0.4800 0.4550 0.4200 0.3750 0.3200 0.2550 0.1800 0.0950
2 0.3025 0.3600 0.4225 0.4900 0.5625 0.6400 0.7225 0.8100 0.9025
3 0 0.0911 0.0640 0.0429 0.0270 0.0156 0.0080 0.0034 0.0010 0.0001
1 0.3341 0.2880 0.2389 0.1890 0.1406 0.0960 0.0574 0.0270 0.0071
2 0.4084 0.4320 0.4436 0.4410 0.4219 0.3840 0.3251 0.2430 0.1354
3 0.1664 0.2160 0.2746 0.3430 0.4219 0.5120 0.6141 0.7290 0.8574
4 0 0.0410 0.0256 0.0150 0.0081 0.0039 0.0016 0.0005 0.0001 0.0000
1 0.2005 0.1536 0.1115 0.0756 0.0469 0.0256 0.0115 0.0036 0.0005
2 0.3675 0.3456 0.3105 0.2646 0.2109 0.1536 0.0975 0.0486 0.0135
3 0.2995 0.3456 0.3845 0.4116 0.4219 0.4096 0.3685 0.2916 0.1715
4 0.0915 0.1296 0.1785 0.2401 0.3164 0.4096 0.5220 0.6561 0.8145
5 0 0.0185 0.0102 0.0053 0.0024 0.0010 0.0003 0.0001 0.0000 0.0000
1 0.1128 0.0768 0.0488 0.0283 0.0146 0.0064 0.0092 0.0004 0.0000
2 0.2757 0.2304 0.1811 0.1323 0.0879 0.0512 0.0244 0.0081 0.0011
3 0.3369 0.3456 0.3364 0.3087 0.2637 0.2048 0.1382 0.0729 0.0214
4 0.2059 0.2592 0.3124 0.3602 0.3955 0.4096 0.3915 0.3280 0.2036
5 0.0503 0.0778 0.1160 0.1681 0.2373 0.3277 0.4437 0.5905 0.7738
APÉNDICE B: PROBABILIDADES BINOMIALES 563
P
n r 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90 0.95
15 0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
1 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
2 0.0010 0.0003 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
3 0.0052 0.0016 0.0004 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000
4 0.0191 0.0074 0.0024 0.0006 0.0001 0.0000 0.0000 0.0000 0.0000
5 0.0515 0.0245 0.0096 0.0030 0.0007 0.0001 0.0000 0.0000 0.0000
6 0.1048 0.0612 0.0298 0.0116 0.0034 0.0007 0.0001 0.0000 0.0000
7 0.1647 0.1181 0.0710 0.0348 0.0131 0.0035 0.0005 0.0000 0.0000
8 0.2013 0.1771 0.1319 0.08 I 1 0.0393 0.0138 0.0030 0.0003 0.0000
9 0.1914 0.2066 0.1906 0.1472 0.0917 0.0430 0.0132 0.0019 0.0000
10 0.1404 0.1859 0.2123 0.2061 0.1651 0.1032 0.0449 0.0105 0.0006
11 0.0780 0.1268 0.1792 0.2186 0.2252 0.1876 0.1156 0.0428 0.0049
12 0.0318 0.0634 0.1110 0.1700 0.2252 0.2501 0.2184 0.1285 0.0307
13 0.0090 0.0219 0.0476 0.0916 0.1559 0.2309 0.2856 0.2669 0.1348
14 0.0016 0.0047 0.0126 0.0305 0.0668 0.1319 0.2312 0.3432 0.3658
15 0.0001 0.0005 0.0016 0.0047 0.0134 0.0352 0.0874 0.2059 0.4633
20 0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
1 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
2 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
3 0.0002 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
4 0.0013 0.0003 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
5 0.0049 0.0013 0.0003 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
6 0.0150 0.0049 0.0012 0.0002 0.0000 0.0000 0.0000 0.0000 0.0000
7 0.0366 0.0146 0.0045 0.0010 0.0002 0.0000 0.0000 0.0000 0.0000
8 0.0727 0.0355 0.0136 0.0039 0.0008 0.0001 0.0000 0.0000 0.0000
9 0.1185 0.0710 0.0336 0.0120 0.0030 0.0005 0.0000 0.0000 0.0000
10 0.1593 0.1171 0.0686 0.0308 0.0099 0.0020 0.0002 0.0000 0.0000
11 0.1771 0.1597 0.1158 0.0654 0.0271 0.0074 0.0011 0.0001 0.0000
12 0.1623 0.1797 0.1614 0.1144 0.0609 0.0222 0.0046 0.0004 0.0000
13 0.1221 0.1659 0.1844 0.1643 0.1124 0.0545 0.0160 0.0020 0.0000
14 0.0746 0.1244 0.1712 0.1916 0.1686 0.1091 0.0454 0.0089 0.0003
15 0.0365 0.0746 0.1272 0.1789 0.2023 0.1746 0.1028 0.0319 0.0022
16 0.0139 0.0350 0.0738 0.1304 0.1897 0.2182 0.1821 0.0898 0.0133
17 0.0040 0.0123 0.0323 0.0716 0.1339 0.2054 0.2428 0.1901 0.0596
18 0.0008 0.0031 0.0100 0.0278 0.0669 0.1369 0.2293 0.2852 0.1887
19 0.0001 0.0005 0.0020 0.0068 0.0211 0.0576 0.1368 0.2702 0.3774
20 0.0000 0.0000 0.0002 0.0008 0.0032 0.0115 0.0388 0.1216 0.3585
APÉNDICE C: VALORES DE e-A PARA SU USO EN LA DISTRIBUCIÓN DE POISSON 565
A A
A e A
0.0 1.0000 3.1 0.0450
0.1 0.9048 3.2 0.0408
0.2 0.8187 3.3 0.0369
0.3 0.7408 3.4 0.0334
0.4 0.6703 3.5 0.0302
0.5 0.6065 3.6 0.0273
0.6 0.5488 3.7 0.0247
0.7 0.4966 3.8 0.0224
0.8 0.4493 3.9 0.0202
0.9 0.4066 4.0 0.0183
1.0 0.3679 4.1 0.0166
1.1 0.3329 4.2 0.0150
1.2 0.3012 4.3 0.0136
1.3 0.2725 4.4 0.0123
1.4 0.2466 4.5 0.0111
1.5 0.2231 4.6 0.0101
1.6 0.2019 4.7 0.0091
1.7 0.1827 4.8 0.0082
1.8 0.1653 4.9 0.0074
1.9 0.1496 5.0 0.0067
2.0 0.1353 5.1 0.0061
2.1 0.1225 5.2 0.0055
2.2 0.1108 5.3 0.0050
2.3 0.1003 5.4 0.0045
2.4 0.0907 5.5 0.0041
2.5 0.0821 5.6 0.0037
2.6 0.0743 5.7 0.0033
2.7 0.0672 5.8 0.0030
2.8 0.0608 5.9 0.0027
2.9 0.0550 6.0 0.0025
3.0 0.0498
566 APÉNDICES
en O Cr) cn en en 4 o o -t en r- - VD CV 00 et en cr%
ten se0 M s..0 N as r-- 4 en csi o o ct; c; oo oo . VD
. VI
. cc) CV.
8 cD• ir.> 4 en en ni ni ni ni ni ni ni ni ni
o vn r- en 004 1 ni O 4 ten Q.
r, 1.r> 09\ trI
ni
ni: t-- V') ni- O0
et c:‘ oti tI1 et cri Ce) Cri CV CV CV <Ni cV ri esi fsi esi fV Csi Csi
"
C\ en o sc, csl
esi c--+
=, v.> ei ei en se o in -I r-- en o --, _-. Csi .ct in r---
ten ,,..; nr r-: oo VD O'N VI 00 r.: ki:! gr) nr nr en en CM CM CM "4 0' e.3 og
4 0-; co iri 4 cn en en en ni ni ni ni ni ni ni ni ni ni ni ni ni - -• ,.... .-.
N -,
oo r-- 0 00 O\ 00 N O O kr) O. 4 0+ ei as O N nt 0 00
O <1 <19 q.
a! "^: e": , °°, h tD v) "Ir " i" t'? (1 °°.
et O+ 00 VD ct et en ce) cc) en cm Cm N CV N CV N N CV N <9 N N N
CV
CMI 00 en O - M V0 0 •-• N M vl
c; en O CM O en 01 ni' en C CN ON 00 (X) t-- VD VI TI: cc) CV N
tr) cci cci ce; cc; ce) en en ni ni ni ni ni ni ni ni ni ni ni ni
Apéndice D: Valores de la distribución F
10 O en 1/40 N 00 in \O O 10 O S in 'n r- 0. N O O oo
0 00 10 00 en CN 10 en p 00 S \O N O oo O
8 0-> ‘c; en o vi in 4 4 M en en en N N N eni cni csi
1/40 on es]
kn VD O en e- S 00 en en el 00 O\ M 0\ 00 00 Q el \O VD n O\ N v7 CN
M 10 0.1 "el" en O el N en O e.: In nt o o oo vD N —g e:
<9 a ‘o (fi o; e: VD vi ni ni •r1" fe) Cr; M cn en en en N N cni csi
1/40 o,N cni
kn Q` kn o ‹z, —« o VD \O e- VD VD 00 nt e- m co
O O .11: q "I
r. '1 11cc: 't. '1 'e ? 1/49 wl <1 <1 <=? C <?. wl <1 <1 q °<?
NC:N \C> nt 01 N VD v1 4 4 ni- m en en en M en en en el el el el el cal
•0 0\ N —g
CN V-, \O 10 00 N V1 nt ce, O\ 01 M cn oo oo O el VD vD n CN N 10
CN
el en cel \O 01 M cn v." en oo 10 v;) kr) N c> kn
o N cn iri 4 4 ni ni nr cri en en en en en en en N CV N N
— o
Despliegue de la solución
En este punto, usted puede pulsar el botón Solve para iniciar el proceso de solución. Aparecerá una nueva
Formato numérico pantalla.
El formato es manejado
automáticamente por el Algo importante que tiene que destacarse es que hay más información disponible relativa a la solución.
programa. Por ejemplo, en la Ésta se puede observar mediante los iconos indicados en la parte inferior. Haga clic en ellos para ver la infor-
mayoría de los casos, el número mación. Como alternativa, note que la opción Window en el menú principal está ahora habilitada. Siempre
1000 tendrá automáticamente estará activada en el momento de la solución. Incluso si los iconos están cubiertos por una ventana, la opción
el formato 1,000. No escriba la Window siempre le permitirá ver las otras ventanas de solución.
coma. ¡El programa le impedirá Ahora que hemos examinado cómo crear y resolver un problema, explicamos todas las opciones dispo-
hacerlo! nibles del menú.
File
File contiene las opciones habituales que se encuentran en Windows:
New Como se mostró antes, ésta se elige para comenzar un nuevo problema/archivo.
Open Se utiliza para abrir/cargar un archivo guardado previamente. La selección de archivos es con el tipo
común de diálogo estándar en Windows. Observe que la extensión de los archivos en el sistema de QM para
Windows está dada por las tres primeras letras del nombre del módulo. Por ejemplo, todos los archivos de pro-
gramación lineal tienen la extensión *In. Cuando vaya al cuadro de diálogo abierto, el valor por defecto es el
que el programa debe buscar en los archivos de este tipo de módulo. Lo anterior se puede cambiar en la parte
inferior izquierda donde dice "I=rles of Type".
Eliminación de archivos Los nombres legales son los nombres de archivo estándar. Las mayúsculas o minúsculas no importan.
No es posible borrar un archivo Usted los puede escribir con mayúsculas, minúsculas o en forma mixta. En todos los casos, QM para Windows
utilizando QM para Windows. agregará la extensión de tres letras al final del nombre del archivo. Por ejemplo, un problema de programación
Use el administrador de archivos lineal se convertiría en problema de programación lineaLlin (suponiendo que, de hecho, se trata de un pro-
de Windows para hacerlo. blema de programación lineal).
Save Esta instrucción reemplazará el archivo sin preguntar si usted desea sobrescribir la versión anterior
del archivo. Si intenta guardar un archivo que no haya nombrado previamente, se le pedirá un nombre para
dicho archivo.
570 APÉNDICES
Save as Aquí se le pedirá un nombre de archivo antes de uardarlo. Esta opción es muy similar a la de cargar un
archivo de datos. Cuando se elige esta opción, se mostrará cuadro de diálogo Save as para los archivos.
Save as Excel File Guarda un archivo como un arch o de Excel que contiene los datos y las fórmulas
adecuadas para obtener las soluciones; se encuentra dise nible para algunos, pero no para todos los módulos.
Save as HTML Guarda las tablas como un archivo co formato HTML que de inmediato se puede colocar
en Internet.
Print Mostrará una pantalla del menú de impresión con cuatro pestañas. La pestaña Information le permite
seleccionar cuál de las tablas de salida debería imprimirse. La pestaña Page Header le permite controlar la
información que aparece en la parte superior de la página. La pestaña Layout controla el estilo de impresión.
La información puede imprimirse como texto ASCII o como una tabla (cuadrícula) semejante a la tabla en la
pantalla. Pruebe los dos tipos de impresión y vea cuál de ellos prefiere. La pestaña de impresión permite reali-
zar cambios en ciertas características de la impresión.
Exit the Program La última opción en el menú File es Exit, que cerrará el programa si está en la pantalla de
datos o, si se encuentra en la pantalla de solución, lo hará salir de esa pantalla y volverá a la pantalla de datos.
Lo anterior también se obtiene presionando el botón del comando Edit en la pantalla de solución.
Edit
Los comandos bajo Edit tienen tres propósitos. Los primeros cuatro comandos se utilizan para insertar o eli-
minar filas o columnas. El siguiente comando se utiliza para copiar una entrada de una celda a todas las celdas
que hay debajo de ella en la columna. Esto no suele ser útil pero, cuando lo es, ahorra una gran cantidad de
trabajo. Las dos últimas entradas sirven para copiar la tabla de datos a otros programas de Windows.
View
View tiene varias opciones que le permiten personalizar el aspecto de la pantalla. La barra de herramientas se
puede mostrar o no. La barra de instrucciones se muestra en su ubicación predeterminada encima o debajo de
los datos, como una ventana flotante, o no se muestra en absoluto. La barra de estado se puede visualizar o no.
Los colores cambian a monocromáticos (blanco y negro) o de este estado a sus colores originales.
Module
Module se muestra en el capítulo 1 como el programa 1.1. La selección de Module contiene una lista de los
programas disponibles con este libro.
Format
Format también tiene varias opciones para la pantalla. Es posible ajustar los colores para toda la pantalla, así
como el tipo de letra y el tamaño de la tabla. Los ceros se pueden configurar para mostrarse como espacios en
blanco en vez de ceros. Es posible cambiar el título del problema que se muestra en la tabla de datos y que se
estableció en la pantalla de creación. La tabla se comprime o se expande. Es decir, el ancho de las columnas
puede disminuirse o incrementarse. Las entradas se pueden verificar o no.
Tools
La opción de menú Tools es una área disponible para hacer anotaciones a los problemas. Si desea escribir
una nota para sí mismo sobre el problema, seleccione annotation; la nota se guardará junto con el archivo.
En la opción de menú Tools, se Hay una calculadora disponible para realizar cálculos sencillos, incluyendo raíz cuadrada, así como una
encuentra una calculadora para calculadora para la distribución normal que puede utilizarse para encontrar intervalos de confianza y efec-
la distribución normal. tuar cálculos similares.
Window
La opción de menú Window sólo se activa en la pantalla de solución. En Window se puede encontrar informa-
ción de salidas adicionales. El tipo de salida depende dl módulo que se utilice.
Help
La opción de menú Help proporciona información acerca del software en general, así como sobre los módulos
individuales. La primera vez que se ejecuta POM-QM para Windows, se debería seleccionar Help y elegir
Program Update para asegurarse de que el software tiene las últimas actualizaciones.
Help también contiene un manual con información más detallada sobre el programa, un enlace a una
actualización del programa y un enlace para el soporte por correo electrónico. Si envía un correo, asegúrese
de incluir el nombre del programa (POM-QM para Windows), la versión del programa (desde Help, About), el
módulo donde se está produciendo el problema y una explicación detallada del problema; también adjunte
el archivo de datos en el cual se produce el problema.
APÉNDICE F: USO DE EXCEL QM Y COMPLEMENTOS DE EXCEL 571
13-26 (a) El costo/hora suele ser más caro al reemplazar 1 pluma M3-12 (a Usar el nuevo proceso. Nuevo VME = $283,000.
a la vez. (b Aumentar el precio de venta.
(b)Costo esperado/hora con la política de 1 pluma = $ 1.38 Ni evo VME = $296,000.
(o $58/avería); costo esperado/hora con la política de M3-14 Bl P = 4,955
4 plumas = $1.12 (o $132/avería).
M3-16 E I = $249.96
Capítulo 14 M3-18 E I = $51.24
14-8 (b) 90% (e) 30% Módulo 4
14-10 El próximo mes, 4/15, 5/15, 6/15. Tres meses, 0.1952, M4-8 Estrategia para X:X2; estrategia para Y:Y1; valor del
0.3252, 0.4796 juego = 6
14-12 (a) 70% (b) 30% (c) 40% M4-10 X1 = 35/52; x2 = n/52; Yt = 3757; Y2 = 25/57; valor
14-14 25% para Baffles; 18.75% para University; 26.25% para del juego = 66.70
Bill's; 30% para College M4-12 (b) Q = 41/72, 1 - Q = 31/72; P = 55/72.
14-16 111 en Northside, 75 en West End y 54 en Suburban 1 - P = 17/72
14-18 Horizon tendrá 104,000 clientes, y Local tendrá 76,000. M4-14 Valor de juego = 933
14-20 Nueva MFA = (5,645.16, 1,354.84) M4-16 Existe un punto de silla. Shoe Town debería invertir
14-22 50% Hicourt, 30% Printing House y 20% Gandy $15,000 en publicidad y Fancy Foot debería inver-
tir $20,000 en publicidad.
14-26 La tienda 1 tendrá una tercera parte de los clientes, y la
tienda 2 tendrá dos tercios. M4-18 Eliminar la estrategia dominada X2. Después Y3 está
dominada y puede eliminarse. El valor del juego es 6.
Capítulo 15 M4-20 Jugar siempre con la estrategia A14. $3 millones.
15-8 De 45.034 a 46.966 para Módulo 5
De O a 4.008, para R
M5-8 X = -3/2, Y = 1/2; Z = 72
15-10 De 16.814 a 17.187 para :v.
De 0.068 a 0.932 para R (-48/60 960 32/1
6/60 -12/60 6/60
15-12 De 2.236 a 3.728 para M5-16
De O a 2.336 para R 12/60 6/60 -8/60
En control
M5-18 OXi 4X2 3X3 = 28; 1X1 + 2X2 + 2X3 = 16
15-16 (a) 1011.8 para x y 96.3 para R (b) De 956.23 a 1067.37
(c)El proceso está fuera de control. Módulo 6
15-18 LCI = 0, LCS = 4
M6-6 (a) r = 12X - 6 (b) Y" = 80X3 + 12X
Módulo 1 (c) Y" = 6/X4 (d) = 500/X6
M6-8 (a) Y' = 30X4 - 1 (b) Y" = 60X2 + 24
M1-4 SUN - 0,80 (c) Y" = 24/X5 (d) Y" = 250/X6
M1-6 Lambda = 3.0445, valor de CI = 0.0223, RI = 0.58, M6-10 X = 5 es el punto de inflexión.
CR = 0.0384
M6-12 Q = 2,400, TR = 1,440,000
M1-8 Auto 1, 0.4045
M6-14 P = 5.48
M1-10 La Universidad B tiene el mayor promedio
ponderado = 0.4995 Módulo 7
Módulo 2 M7-18 (b) 14X1 + 4X2 15 3,360; 10X1 + 12X2 s 9,600
(d) S] = 3,360, S2 = 9,600 (e) X2 (f) S2
M2-6 1-2-6-7, con una distancia total de 10 millas. (g) 800 unidades de X2 (h) 1,200,000
M2-8 La ruta más corta es 1-2-6-7, con una distancia total de M7-20 X1 - 2, X2 - 6, S1 - 0, S2 - O, P - $36
14 millas. M7-22 • = 14, X2 = 33, C = $221
M2-10 La ruta más corta es 1-2-5-8-9. Distancia = 19 millas. M7-24 No acotada
M2-12 4 unidades del producto 1, 1 unidad del producto 2, M7-26 Degeneración; Xl = 27, X2 = 5, X3 = 0, P = $177
y no hay unidades de los productos 3 y 4.
M7-28 (a) Min. C = 9Xi + 15X2
M2-14 Enviar 6 unidades del producto 1, 1 unidad del producto • + 2X2 k 30
2 y 1 unidad del producto 3. • + 4X2 k 40
M2-16 La ruta más corta es 1-3-6-11-15-17-19-20. (b)XI = 0, X2 = 20, C = $300
Módulo 3 M7-30 á mesas de café, 2 estantes para libros, utilidad = 96
M7-34 (a) De 7.5 al infinito (b) Del infinito negativo a $40
M3-6 (a) OL = $8(20,000 - X) para X s 20,000; OL = (c)$20 (d) $0
en otro caso (b) $0.5716 (c) $0.5716 (d) 99.99%
M7-36 (a) 18 modelo 102, 4 modelo H23
(e) Imprimir el libro
(b)S1 = tiempo de holgura para soldadura
M3-8 (a) BEP = 1,500 (b) Utilidad esperada = $8,000 S2 = tiempo de holgura para inspección
M3-10 (a) OL = $10(30 - X) para X S 30; OL = O de otro (c) Sí, el precio sombra es de $4
modo (b) EOL = S59.34 (c) EVPI = $59.34 (d) No, el precio sombra es menor a $1.75.
APÉNDICE G: SOLUCIONES A PROBLEMAS SELECCIONADOS 575
M7-38 (a)Del infinito negativo a $6 para el fosfato; M8-22 Costo total = $28,300
De $5 al infinito para el potasio M8-24 El trabajo Al2 para la máquina W; el trabajo Al5 para
(b)Las bases no cambiarán; pero X1, X2 y S2 sí cambiarán. la máquina Z; el trabajo B2 para la máquina Y; el trabajo
M7-40 max P = 50111 + 4U2 B9 para la máquina X; Tiempo = 50 horas
121/1 + 1U2 S 120 M8-26 (a) 4,580 (b) 6.040
20U1 + 3U2 250 M8-28 Total = 86
Módulo 8 M8-32 Total de automóviles por hora = 5
M8-34 Distancia total = 430
M8-14 El costo total se mantiene sin cambios en $1,040.
M8-38 Total = 167 por día
M8-16 El costo total es $230. M8-40 (a) La ruta más corta es 1-3-7-11-14-16 con una distancia
M8-18 El costo total es $14,700. de 74. (b) la distancia se incrementa en 2.
M8-20 Desbalanceado, el costo total = $5,310 M8-42 (a) 1,200 millas (b) 1,000 millas
576 APÉNDICES
3. b 3. d Módulo 5
4. e 4. a 1.
5. c 5. c 2. a
6. b 6. b 3. b
7. c 7. 4.
8. d 8. d 5. b
9. b 9. b 6. a
10. d 10. b 7. e
11. 8. d
Módulo 1
12. primero en llegar, primero
en ser atendido 1. a Módulo 6
13. distribución exponencial negativa 2. d 1. a
14. simulación 3. b 2. d
4. b 3. a
Capítulo 13 5. 4. h
1. b 6. b 5. c
2. h 7. b 6. d
3. a 8. b 7. d
4. b
Módulo 2 Módulo 7
5. a
6. a 1. 1. a
7. d 2. b 2. d
8. a 3. e 3. d
9. b 4. c 4. a
10. b 5. b 5. a
11. d 6. a 6. d
12. d 7. 7. a
13. c 8. e 8. d
14. e 9. a 9. h
15. (a) no, sí, no, no, no, sí, sí, sí, 10. a 10. a
no, sí 11. e 11. a
(b) sí, sí, sí, sí, no, sí, sí, no, no, no 12. c 12. b
13. b 13.
Capítulo 14 14. b 14.
1. b 15. d
2. a Módulo 3
16. a
3. c 1. c 17. h
4. c 2. d
5. b 3. b Módulo 8
6. a 4. a 1.
7. a 5. b 2. b
8. a 6. b 3. b
9. b 7. c 4. a
10. matriz de probabilidades de 5. b
transición Módulo 4 6. b
11. colectivamente exhaustivos, 1. b 7. a
mutuamente excluyentes 2. a 8. h
12. vector de probabilidades 3. 9. a
de estado 4. b 10. b
5. b 11. b
Capítulo 15
6. b 12. h
1. b 7. a 13. h
2. c