Sunteți pe pagina 1din 35

UNIVERSIDAD NACIONAL DE INGENIERA

Facultad de Electrotecnia y Computacin

Israel M. Zamora, MBA & MSc-TM


Profesor Titular
www.fec.uni.edu.ni Departamento de Sistemas Digitales y Telecomunicaciones

Administracin y Economa de Empresa para Ingenieros

UNIDAD 3: El Subsistema de Direccin y Gestin de la empresa


Conferencia 18: Tcnicas cuantitativas de planificacin.
Objetivos

Aplicar las tcnicas cuantitativas para la toma de decisin


en la planificacin, programacin y control.

I. Zamora 2 Tcnicas cuantitativas de planificacin.


Contenido

Tcnicas cuantitativas de planificacin, programacin y control


o rboles de decisin. Valor Esperado.
o La programacin lineal.

I. Zamora 3 Tcnicas cuantitativas de planificacin.


La Incertidumbre y el Riesgo
La Incertidumbre y su Medicin
Incertidumbre es el conocimiento incompleto acerca de la ocurrencia de un evento, en
particular acerca del suceso de ese evento que ocurrir.

No todos los eventos inciertos son igualmente inciertos. Para


saber la diferencia necesitamos medir la incertidumbre.
La incertidumbre se mide con distribuciones de probabilidad.
El Conocimiento Probabilstico expresa lo que sabemos acerca de
los eventos inciertos.

El Riesgo y su Medicin
El riesgo es la posibilidad incierta de sufrir una prdida.

Para medir el riesgo se requiere:


1) Expresar el conocimiento probabilstico que se tenga
sobre el evento incierto, para definir los sucesos y asignar
un valor de probabilidad a cada suceso.
2) Cuantificar las consecuencia de cada uno de los sucesos.

Riesgo = (probabilidad) x (prdida)

I. Zamora 4 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
rboles de probabilidad o decisin
Mtodo secuencial de toma de decisiones en ambiente de riesgo (se conocen los
estados posibles de la naturaleza, as como las probabilidades de stos)
Un rbol de decisin es una forma grfica y analtica de representar todos los eventos
inciertos (sucesos) que pueden surgir a partir de una decisin asumida en cierto momento.
Nos ayudan a tomar la decisin ms acertada, desde un punto de vista probabilstico, ante
un abanico de posibles decisiones o alternativas.
Permite desplegar visualmente un problema y organizar el trabajo de clculos que deben
realizarse.

TERMINOLOGA :
Nodo de decisin: Indica que una decisin necesita tomarse en ese punto del proceso. Est
representado por un cuadrado (que se numera en orden).

Nodo de probabilidad aleatorio: Indica que en ese punto del proceso ocurre un evento
aleatorio. Est representado por un crculo (que se identifican con letras, por lo general)

Rama: Nos muestra los distintos caminos que se pueden emprender cuando tomamos una decisin
o bien ocurre algn evento aleatorio (se utilizan flechas).

I. Zamora 5 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Ejemplo Ilustrativo
Sobre la decisin de una empresa de adoptar una estrategia
de diferenciacin (nuevo producto) o penetracin
(consolidacin) del mercado.

Moderada
a
1

Moderada
b
0 Respuesta del
Mercado

Moderada
c

2
d

I. Zamora 6 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
PASOS PARA EL ANLISIS DEL RBOL DE DECISIN
Definir el problema.

Dibujar el rbol de decisin.

Asignar probabilidades a los eventos aleatorios.

Estimar los resultados para cada alternativa posible (Ingresos - Costes)

Resolver el problema obteniendo como solucin la ruta que proporcione la


poltica ptima.
La combinacin de alternativas que genere el mayor valor esperado (VE):
Ingresos-Costes, pero relativizado en cada nodo con su probabilidad de realizacin) .

Valor esperado (VE)


Para nodo de probabilidad o aleatorio Es la media de la distribucin de probabilidad de todas las
ganancias posibles en el nodo de anlisis.
Para nodo de decisin es el mejor de los valores en los que tienen destino las ramas que parten
de l.
n
VEn ( x) En ( x) xi p( xi )
i 1

I. Zamora 7 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Ejemplo de rbol de decisin
Probabilidades Ingresos por ventas

US$1,000,000
0.4
0.4 Moderada US$50,000
a
1
0.2 US$2,000
US$1,000,000
0.1
0.2 Moderada
b US$50,000
0
0.7 US$2,000
US$400,000
0.3
0.4 Moderada
c US$20,000
0.3
US$6,000
2 0.6
d US$20,000

0.4
US$2,000
I. Zamora 8 Tcnicas cuantitativas de planificacin.
rboles de Probabilidad o decisin
Proceso de Decisin
Clculo del valor de un nodo de probabilidades (crculo)
Sumatoria de:
Valor de cada resultado multiplicado por su probabilidad
Los resultados ms probables pesan ms
Se escribe el resultado en el crculo

Ejemplo de rbol de decisin


VE( xa ) E ( xa ) 0.4(1,000,000) 0.4(50,000) 0.2(2,000) 420,400 420,400

VE( xb ) E ( xb ) 0.1(1,000,000) 0.2(50,000) 0.7(2,000) 111,400 111,400

VE ( xc ) E ( xc ) 0.3( 400,000) 0.4( 20,000) 0.3(6,000) 129,800 129,800

VE( xd ) E ( xd ) 0.6(20,000) 0.4(2,000) 12,800 12,800

I. Zamora 9 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Ingresos por ventas

420,400 US$1,000,000
0.4
0.4 Moderada US$50,000
a
1
0.2 US$2,000
US$1,000,000
0.1
0.2 Moderada
b US$50,000
0 111,400
0.7 US$2,000

129,800 US$400,000
0.3
0.4 Moderada
c US$20,000
0.3
US$6,000
2 0.6
d US$20,000

12,800 0.4
US$2,000

I. Zamora 10 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Proceso de Decisin
Clculo del valor de un nodo de decisin (cuadrados)
Escribir el costo de cada decisin
El costo de implementarla
Restarlo del valor del nodo siguiente
El resultado es el beneficio esperado
Notas
No deben incluirse gastos realizados antes del anlisis
Son costos hundidos
Seleccionar la opcin de mayor beneficio

Consideracin de los costos:


Para este ejemplo considera los siguientes costos para cada estrategia y alternativa de
desarrollo:
Desarrollo Detallado Consolidar Productos
C = US$150,000 C = US$30,000

Desarrollo Rpido Continuar Productos


C = US$80,000 C = US$0

I. Zamora 11 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Anlisis del ejemplo
La opcin seleccionada es desarrollar un nuevo producto
Desarrollo detallado
Con ingresos de US$420,000 (+)
Tiene un costo de US$150,000 (-)
Beneficio neto: US$270,000

Es mejor desarrollarlo con desarrollo rpido


Con ingresos de US$111,400 (+)
Tiene un costo de US$ 80,000 (-)
Beneficio neto: US$31,400

Y mejor que consolidar


Consolidar producto
Con ingresos de US$129.800 (+)
Tiene un costo de US$ 30,000 (-)
Beneficio neto: US$ 99,800

Continuar productos
Con ingresos de US$12.800 (+)
No tiene costo adicional US$ 0 (-)
Beneficio: US$12,800

I. Zamora 12 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Ingresos por ventas
Beneficios o Utilidad
420,400 US$1,000,000
0.4
US$270,400 0.4 Moderada
a US$50,000
1
Eleccin 0.2 US$2,000
US$1,000,000
US$270,400 0.1
0.2 Moderada
b US$50,000
0 111,400
0.7 US$2,000

129,800 US$400,000
0.3
0.4 Moderada
c US$20,000
0.3
US$6,000
2 0.6
d US$20,000
US$99,800
12,800 0.4
US$2,000

I. Zamora 13 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Ejemplo
Una compaa de seguros nos ofrece una indemnizacin por accidente de
210.000 (arreglo extrajudicial). Si no aceptamos la oferta y decidimos ir a juicio
podemos obtener 185.000, 415.000 o 580.000 dependiendo de las
alegaciones que el juez considere aceptables. Si perdemos el juicio, debemos
pagar las costas que ascienden a 30.000.
Sabiendo que el 70% de los juicios se gana, y de stos, en el 50% se obtiene la
menor indemnizacin, en el 30% la intermedia y en el 20% la ms alta, determinar
la decisin ms acertada.
Solucin
Tracemos el diagrama de Bajo 50% 185,000
rbol para la situacin
planteada. Gana 70% Medio 30% 415,000
b
Ir a juicio Alto 20% 580,000
a

0 - 30,000
Pierde 30%
210,000
Arreglo extrajudicial

I. Zamora 14 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Clculo del valor de un nodo probabilidad (crculos)

VE( xb ) E ( xb ) 0.5(185,000) 0.3(415,000) 0.2(580,000) 333,000 333,000


VE( xa ) E ( xa ) 0.7(333,000) 0.3(30,000) 224,100 224,100

Clculo del valor de un nodo de decisin (cuadrados)


El valor corresponde al mismo de 224,100.

Ir a juicio implica un
Bajo 50% posible beneficio
333,000 185,000 esperado de 224,100
contra la opcin de
Gana 70% Medio 30% 415,000 arreglo extrajudiciales
224,100 b que podran brindar
Eleccin Ir a juicio Alto 20% beneficios de 210,000.
580,000
224,100 a
La decisin est difcil.
- 30,000 Sobre el papel la
0
Pierde 30% decisin adecuada es
ir a
210,000 juicio.
Arreglo extrajudicial 210,000

I. Zamora 15 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Ejemplo (estudio independiente)
Una fbrica est evaluada en 150 millones. La fbrica desea incorporar un nuevo producto al
mercado. Existen tres estrategias para incorporar el nuevo producto:
Alternativa 1: Hacer un estudio de mercado del producto de forma de determinar si
se introduce o no al mercado.
Alternativa 2: Introducir inmediatamente el producto al mercado (sin estudio).
Alternativa 3: No lanzar inmediatamente el producto al mercado (sin estudio).
En ausencia de estudio de mercado, la fbrica estima que el producto tiene un 55% de
posibilidades de ser exitoso y de 45% de ser un fracaso. Si el producto es exitoso, la fbrica
aumentara en 300 millones su valor, si el producto fracasa se devaluara en 100 millones. El
estudio de mercado vale 30 millones. El estudio predice que existe un 60% de probabilidad de
que el producto sea exitoso. Si el estudio de mercado determina que el producto sera exitoso,
existe un 85% de posibilidades de que efectivamente lo sea. Si el estudio de mercado
determina que el producto sera un fracaso, existe slo un 10 % de posibilidades de que el
producto sea exitoso. Si la empresa no desea correr riesgos (desea maximizar el valor
esperado de la empresa):Cul es la mejor opcin o decisin?

I. Zamora 16 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
rbol asociado al enunciado del problema
150 - 30 = 120

0.85 150 - 30 + 300 = 420

0.6 2 c 150 - 30 - 100 = 20


Introducir al mercado Producto fracasa
0.15

a 150 - 30 = 120
0.1
3 150 - 30 + 300 = 420
0.4
d
0 150 - 30 - 100 = 20
0.9
0.55
150 + 300 = 450

b
1 150 - 100 = 50
0.45
150

I. Zamora 17 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
Clculo del valor de un nodo probabilidad (crculos)

VE( xc ) E ( xc ) 0.85(420) 0.15(20) 360

VE( xd ) E ( xd ) 0.1(420) 0.9(20) 60


VE( xb ) E ( xb ) 0.55(450) 0.45(50) 270

VE( xa ) E ( xa ) 0.6(360) 0.4(120) 264

Decisiones en los nodos de decisin (cuadrados)


En el nodo 2, Introducir a mercado (360) > No introducir al mercado (120),
elegimos Introducir al mercado.
En el nodo 3, No introducir al mercado (120) > Introducir al mercado (60),
elegimos No introducir al mercado.
En el nodo 1, Introducir al mercado (270) > No introducir al mercado (150),
elegimos Introducir al mercado.
En el nodo 0, No hacer el estudio (270) > Hacer el estudio (264), elegimos no
hacer el estudio.

I. Zamora 18 Tcnicas cuantitativas de planificacin.


rboles de Probabilidad o decisin
rbol de decisin final luce como se muestra abajo.
150 - 30 = 120

0.85 150 - 30 + 300 = 420


360 360

0.6 2 c 150 - 30 - 100 = 20


Introducir al mercado Producto fracasa
264 0.15

a 120 150 - 30 = 120


0.1
3 60 150 - 30 + 300 = 420
0.4
d
0 150 - 30 - 100 = 20
0.9
0.55
270 150 + 300 = 450
270
270 b
1 150 - 100 = 50
0.45
150

I. Zamora 19 Tcnicas cuantitativas de planificacin.


La programacin lineal
Definicin Programacin Lineal
Muchas aplicaciones en negocios y economa involucran un proceso llamado optimizacin, el cual es
usado para encontrar el costo mnimo, el beneficio mximo, o el uso mnimo de recursos. Esta
condicin se representa por una funcin objetivo, de tal forma que las variables de dicha funcin
estn sujetas a una serie de restricciones expresadas mediante un sistema de inecuaciones
tambin lineales.

Formalmente se trata de maximizar (o minimizar) una funcin del tipo:


En este caso, se ha supuesto
Z = c1.X1 + c2.X2 + c3.X3 + ..... + cn.Xn que las restricciones tienen el
sentido menor 0 igual, pero
Con sometimiento a restricciones de tipo: algunas o todas ellas podran
a11.X1 + a12.X2 + a13.X3 + ..... + a1n.Xn b1 tener el sentido mayor o
igual,o tenerse que cumplir
a21.X1 + a22.X2 + a23.X3 + ..... + a2n.Xn b2 como igualdades.
..............................................................................
am1.X1 + am2.X2 + am3.X3 + ..... + amn.Xn bm

Y siempre considerando que las variables X1; X2; .....Xn son no negativas ( 0)

Se trata, por lo tanto, de un problema de ptimo condicionado: ha de encontrarse la combinacin de


valores Xi, (para i = 1, 2, ..., n) que, entre toda las que son posibles, es decir, que cumplen las restricciones,
maximiza (o minimiza) la funcin objetivo. Sin embargo, por ser funciones lineales, para resolver el
problema no se pueden utilizar los procedimientos clsicos de clculo de mximos y mnimos condicionados.

I. Zamora 20 Tcnicas cuantitativas de planificacin.


La programacin lineal con dos variables
Mtodo grfico para resolver problemas de programacin lineal

Un problema de programacin lnea bi-dimensional consiste de una funcin objetivo y un


sistema de inecuaciones lineales o restricciones, de dos variables. En este caso es prctico
el uso de un mtodo grfico para la determinacin de las soluciones (maximizacin o
minimizacin) al problema.

Los pasos a seguir para resolver un problema de


programacin lineal son:

1. Trace la regin correspondiente al sistema de restricciones (sistemas


de inecuaciones). Los puntos dentro de, o sobre, la frontera de la
regin son soluciones factibles.

2. Encuentra los vrtices de la regin definida.

3. Pruebe la funcin objetivo en cada vrtice y seleccione los valores de


las variables que optimizan la funcin objetivo.
Para un regin limitada (cerrada) ambos valores mnimo o
mximo, existen.
Para una regin ilimitada (abierta), si existe una solucin ptima,
sta ocurrir en un vrtice.

I. Zamora 21 Tcnicas cuantitativas de planificacin.


La programacin lineal
Ejemplo:
Un fabricante esta tratando de decidir sobre las cantidades de produccin para dos artculos x1
y x2. Se dispone de 96 unidades de material y 72 horas de mano de obra. Cada producto x1
requiere 12 unidades de materiales y 6 horas de obra al mximo. Mientras que el producto x2
usara 8 unidades de material y 12 horas de mano de obra. El beneficio marginal (precio) es el
mismo para ambos artculos US$5. El fabricante prometi construir por lo menos dos artculos
del producto x1. Determinar la cantidad a producir y vender de cada artculo que garanticen
mayores beneficios totales.

Solucin
Funcin objetivo : Z 5x1 5x2
Restricciones: x1 , x2 0 Condicin de no negatividad
12x1 8x2 96
6 x1 12 x2 72
x1 2
Maximice: Z 5x1 5x2
1. Convertimos las restricciones en ecuaciones. 12 x1 8x2 96
6 x1 12 x2 72
x1 2

I. Zamora 22 Tcnicas cuantitativas de planificacin.


La programacin lineal
2. Graficamos.
Si la restriccin tiene el signo se sombrea a la Para 12 x1 8x2 96 (8,0)
derecha y por encima de la lnea, pero si el signo es (0,12)
se subraya a la izquierda por debajo del grfico de la
lnea recta. Para 6 x1 12 x2 72 (12,0)
La regin que satisface de manera simultanea las
restricciones ya sombreada se llama rea o regin
(0,6)
factible, donde cada punto en esta regin representa
una solucin factible. Aunque existe un numero infinito Para x2 2 ( 2,0)
de soluciones factibles, debemos encontrar una que
maximice/minimice la funcin objetivo.

x1 2

12 x1 8x2 96
6 x1 12 x2 72

I. Zamora 23 Tcnicas cuantitativas de planificacin.


La programacin lineal
Esta rea factible tiene los siguientes vrtices (8,0), (6,3), (2,0) y (2,5), que son los puntos de
interseccin entre las rectas de restriccin.
Es preciso aclarar que cualquier punto que caiga dentro del rea factible garantiza beneficios, pero son los
puntos extremos o vrtices de la figura lo que garantizaran mximos beneficios.

Maximice: Z 5x1 5x2

En el punto (8,0) implica: Z 5(8) 5(0) $40 En el punto (2,0) implica: Z 5(2) 5(0) $10

En el punto (6,3) implica: Z 5(6) 5(3) $45 En el punto (2,5) implica: Z 5(2) 5(5) $35

El mayor valor es $45 lo que implica que


habr que vender 6 unidades del
producto x1 y 3 producto x2. Si
pretendemos obtener los mayores
beneficios. (2,5)
(6,3)
(8,0)
(2,0)

I. Zamora 24 Tcnicas cuantitativas de planificacin.


La programacin lineal
Ejemplo:
Un comprador est tratando de seleccionar la combinacin ms barata de dos alimentos, que
debe cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos vitamnicos son
por lo menos 40 unidades de vitaminas W, 50 unidades de vitamina X y 49 de unidades
vitaminas Y, cada onza de alimento A proporciona 4 unidades de vitamina W, 10 unidades de
vitamina X y unidades de vitamina Y, cada onza de alimento B proporciona 10 unidades de W, 5
unidades de X y 7 unidades de unidades Y. El alimento A cuesta 5 centavos/onza y el alimento
B, 8 centavos/onza.
Requisito
Alimento A Alimento B
vitamnico
Vitamina W 4 unids/onza 10 unids/onza 40
Vitamina X 10 unids/onza 5 unids/onza 50
Vitamina Y 7 unids/onza 7 unids/onza 49
Costo 5 cents/onza 8 cents/onza

Determinar la combinacin que disminuir los costos.


Solucin
Determinar la combinacin que disminuir los costos:

Funcin Objetivo: Minimizar C = 5A + 8B

I. Zamora 25 Tcnicas cuantitativas de planificacin.


La programacin lineal
Restricciones: A,B 0
4A+10B 40
10A + 5B 50
7A + 7B 49
4A+10B = 40
1. Convertimos las restricciones en ecuaciones. 10A + 5B = 50
7A + 7B = 49
2. Graficamos.

Si la restriccin tiene el signo se sombrea a la


derecha y por encima de la lnea, pero si el signo es Para 4A+10B = 40 (10,0)
se subraya a la izquierda por debajo del grfico de la (0,4)
lnea recta.
Para 10A + 5B = 50 (5,0)
La regin que satisface de manera simultanea las
restricciones ya sombreada se llama rea o regin (0,10)
factible, donde cada punto en esta regin representa
una solucin factible. Aunque existe un numero infinito Para 7A + 7B = 49 ( 7 ,0 )
de soluciones factibles, debemos encontrar una que
maximice o minimice la funcin objetivo. (0,7)

I. Zamora 26 Tcnicas cuantitativas de planificacin.


La programacin lineal

10A + 5B = 50

7A + 7B = 49

4A+10B = 40

Esta rea factible tiene los siguientes vrtices (10, 0), (4.2, 2.5) (2.2, 5) y (0, 10), que son los puntos de
interseccin entre las rectas de restriccin. Es preciso aclarar que cualquier punto que caiga dentro del
rea factible satisface la condicin de disminuir costos, pero son los puntos extremos o vrtices de la
figura lo que garantizaran mnimos costo.

I. Zamora 27 Tcnicas cuantitativas de planificacin.


La programacin lineal

(0, 10)

(2.2, 5)
(4.2, 2.5)
(10, 0)

Minimice C = 5A + 8B

En el punto (10,0) implica: C = 5(10) + 8(0)=$50 En el punto (2.2, 5) implica: C = 5(2.2) + 8(5)=$51
En el punto (4.2,2.5) implica: C = 5(4.2) + 8(2.5)=$41 En el punto (0, 10) implica: C = 5(0) + 8(10)=$80

As el menor costo a que se podra comprar es a $41, pero esto implicara 4.2 onzas del producto A y
2.5 onzas del producto B y se mantendra el nivel vitamnico.

I. Zamora 28 Tcnicas cuantitativas de planificacin.


La programacin lineal
Ejemplo (estudio independiente)
Un ebanista fabrica 2 tipos de productos; juegos de sala y juegos de comedor. Su produccin
est limitada por la capacidad semanal de la planta de produccin que no puede exceder de
1,600 horas de mano de obra, 2,000 listones de madera, 4,000 lminas de tablex, y 1,400 horas
de mquina. La demanda exige fabricar cuando menos 40 juegos de sala y 30 juegos de
comedor mensuales. Para fabricar cada juego de sala y cada juego de comedor se requieren
los recursos necesarios presentados en el cuadro 2.1. Cul debe ser el nmero de productos
que debe fabricar el ebanista, si se sabe que cada juego de sala genera una utilidad de
$150,000 y cada juego de comedor genera una utilidad de $120,000?

REQUISITOS

PRODUCTO VARILLAS DE LAMINAS DE


MANO DE OBRA MAQUINARIA
MADERA TABLEX
(Hrs/juego) (Hrs/juego)
(Unidades) (Unidades)
JUEGOS DE
SALA
2.8 7 5 0.9
JUEGOS DE
COMEDOR
3 19 2 0.5

Solucin
Determinar la combinacin que disminuir los costos:

I. Zamora 29 Tcnicas cuantitativas de planificacin.


La programacin lineal
Se tienen dos (2) variables en este sistema de produccin.

X1: Nmero de juegos de sala que se deben producir para hacer ptima la utilidad.
X2: Nmero de juegos de comedor que se deben producir para hacer ptima la utilidad.

La problemtica consiste en determinar que nmero de cada juego se debe fabricar para hacer ptimo el
sistema de produccin, dato an no conocido.

Como cada juego de sala genera una utilidad de $150.000 y cada juego de comedor genera una utilidad de
$120.000, entonces existe un valor para X1 que multiplicado por su utilidad unitaria genera la utilidad ptima
por fabricar juegos de sala; igualmente existe un valor para X2 que multiplicado por su utilidad unitaria
genera la utilidad ptima por fabricar juegos de comedor. Estas dos utilidades sumadas general la utilidad
total ptima del sistema de produccin. De esta forma puede expresarse la funcin objetivo como:

Maximizar (utilidad ) Z = 1,500,000X1 + 120,000X2

Interpretando de igual manera, las restricciones de capacidad son las siguientes: 2,000 listones de madera,
4,000 lminas de tablex, 1.600 horas de mano de obra y 1400 horas de mquina, adems se conocen los
requisitos de la tabla donde por cada unidad de juego de sala y por cada unidad de juegos de comedor se
necesitan los recursos consignados, cuyo total utilizado no puede superar la capacidad mencionada. De
esta manera pueden expresarse las siguientes restricciones:
1) 2,8X1 + 3X2 < 1,600 horas de mano de obra.
2) 7X1 + 19X2 < 2,000 varillas de madera.
3) 5X1 + 2X2 < 4,000 lminas de tablex.
4) 0.9X1+ 0.5X2 < 1,400 horas mquina

I. Zamora 30 Tcnicas cuantitativas de planificacin.


La programacin lineal
En forma similar, se tienen las siguientes restricciones de demanda, que exigen una cantidad mnima de
cada tipo de productos a fabricar:
5) X1 > 40 juegos de sala
6) X2 > 30 juegos de comedor

A las anteriores se adicionan las variables de no negatividad:


X1, X2 > 0 Condicin de no negatividad.

En forma sinttica se tiene el siguiente modelo como fiel representacin del sistema:

Maximizar (utilidad ) Z = 150.000X1 + 120.000X2


Sujeto a:

1) 2,8X1 + 3X2 < 1,600 horas de mano de obra.


2) 7X1 + 19X2 < 2,000 varillas de madera.
3) 5X1 + 2X2 < 4,000 lminas de tablex.
4) 0.9X1 + 0.5X2 < 1,400 horas mquina.
5) X1 > 40 juegos de sala.
6) X2 > 30 juegos de comedor.
7) X1 + X2 > 30 juegos de comedor.

I. Zamora 31 Tcnicas cuantitativas de planificacin.


La programacin lineal
El anterior modelo de problema puede solucionarse por diferentes mtodos, como el mtodo grfico (lo cual
se deja al alumno como trabajo independiente) o utilizando el paquete WINQSB, cuya solucin es a saber:

X1 = 204 y X2 = 30, cuya interpretacin mirando la definicin de las variables es la siguiente:

Se deben producir 204 juegos de sala y 30 juegos de comedor, ya que esta es la produccin ptima que
genera una utilidad mxima de $34,200,000. Debe observarse que ninguna otra combinacin de valores para
X1 y X2 generar una utilidad mayor.

I. Zamora 32 Tcnicas cuantitativas de planificacin.


Resumen

En esta conferencia estudiamos:


Tres de las principales tcnicas/herramientas para la toma de decisiones en el
mbito del planificacin, programacin y control.
Los rboles de decisin utilizan una diagramacin grafica basada en el valor
esperado de cada decisin posible con base en la probabilidades de ocurrencia.
La programacin lineal es otra tcnica que permite tomar decisiones cuando se
presentan restricciones al entorno de anlisis, mediante un anlisis grafico.
Los grficos de Gantt permite observar grficamente la relacin secuencial de las
actividades o tareas que conforman un plan de trabajo de un proyecto o iniciativa de
inversin.

I. Zamora 33 Tcnicas cuantitativas de planificacin.


Lectura sugerida

Curso de introduccin a la economa de la empresa.


(Eduardo Perez Gorstegui) - 2014
Captulo 6. Pginas 207 - 222.

I. Zamora 34 Tcnicas cuantitativas de planificacin.


UNIVERSIDAD NACIONAL DE INGENIERA
Facultad de Electrotecnia y Computacin

Israel M. Zamora, MBA & MSc-TM


Profesor Titular
www.fec.uni.edu.ni Departamento de Sistemas Digitales y Telecomunicaciones

Administracin y Economa de Empresa para Ingenieros

S-ar putea să vă placă și