UNIDAD 1 INTRODUCCIN A LA INVESTIGACIN DE OPERACIONES

UNIDAD 2 PROGRAMACIN LINEAL

Mtodo determinista de anlisis para elegir la mejor decisin entre muchas alternativas. No incluye probabilidades.

PLAN O PROGRAMA ( La mejor alternativa incluye un conjunto coordinado de actividades )

CRITERIOS

RESTRICCIONES Condiciones que debe satisfacer la solucin que se est considerando

OBJETIVO Se usa para seleccionar entre todas las alternativas

ESTE MODELO DE OPTIMIZACION TRATA DE MINIMIZAR O MAXIMIZAR UN OBJETIVO QUE EST SUJETO A UNA LISTA DE RESTRICCIONES Y SIEMPRE DEBE EXPRESARSE EL OBJETIVO Y CADA UNA DE LAS RESTRICCIONES COMO UNA RELACION LINEAL.

FORMULA DE RESTRICCIONES
Consideraciones: 1.- Formular un problema en forma matemtica a travs de afirmaciones lgicas. 2.- En la mayora de las situaciones de negocios no es necesario se usen TODOS los recursos; la LIMITACIN es que se usen:

CUANDO MUCHO

USANDO DESIGUALDADES

POR LO MENOS

3.- Para PL; cada RESTRICCIN DEBE SER UNA SUMA CON EXPONENTE 1 No se aceptan: Cuadrados, races cuadradas, productos. 4.- Forma estndar para una restriccin: LADO IZQUIERDO TODAS LAS VARIABLES Desigualdades > < LADO DERECHO CONSTANTE POSITIVA O CERO

5.- Se pueden mover los trminos de un lado a otro de la desigualdad siguiendo las reglas conocidas de la igualdad y desigualdad ( al multiplicar o dividir una desigualdad por un nmero negativo el sentido de la desigualdad se invierte ).

Ejemplo: Que A sea por lo menos tan grande como B-2 A B-2 A-B -2 -1(A-B) -1(-2) B-A 2 RESTRICCION.

6.- Se puede convertir una DESIGUALDAD en una IGUALDAD. Se logra AGREGANDO o RESTANDO una variable extra:

Si se agrega, se llama VARIABLE DE HOLGURA. Si se resta, se llama VARIABLE DE SUPERVIT.

Ejemplo: Se suma : B-A 2 es lo mismo que B-A +S = 2 S: Representa la diferencia u holgura entre (B-A) y 2

Se resta: A 2B A- 2B 0 es lo mismo que A- 2B -S = 0 S: Representa la variable de SUPERVIT

7.- En PL. TODAS las variables deben ser positivas o cero es decir NO NEGATIVAS. (RESTRICCIONES NO NEGATIVAS) Ejemplo: A 0; B 0

8.- No existe un lmite en el nmero de restricciones.

FUNCION OBJETIVO
Un problema de PL. slo puede tener UN OBJETIVO. La forma matemtica del objetivo se llama FUNCION OBJETIVO.

MAXIMIZAR o MINIMIZAR alguna medida numrica.

MAXIMIZAR: Rendimiento, Ganancia, Contacto con los clientes.

MINIMIZAR: Costos, nmero de empleados, Material de desperdicio.

Simbologa: Z porque el valor de la funcin objetivo no se conoce hasta resolver el problema.

Ejemplo: MAXIMIZAR MINIMIZAR Z = 4A + 6B Z = 2A + 5B

Cmo organizar los datos en un problema de PL.?

RESTRICCION #1 #2 . . . FUNCION OBJETIVO

VARIABLES X1 X2 X3 ......XN

LADO DERECHO (Lmites)

METODO GRAFICO EN PROGRAMACIN LINEAL

PASO 1: FORMULACION DE PROBLEMA

Enunciar la F.O y las restricciones

PASO 2: GRAFICAR LAS RESTRICCIONES.

Cmo realizarlo? 1.- Las coordenadas sern las variables manejadas. 2.- Primero la R. de no negatividad. 3.- Se ubica la REGIN FACTIBLE (R.F.) con base en el punto 2. 4.- Se sigue con la R. ms sencilla. 5.- Si es DESIGUALDAD se siguen dos pasos: 1 Convertirla en IGUALDAD (esto es ignorar el mayor que o menor que) 2 Sombrear el rea apropiada (R.F.) 6.- As sucesivamente, la siguiente restriccin tambin se convierte en ecuacin o igualdad, y se grafica la lnea que representa.

Cmo hallar los dos puntos necesarios para graficar? R = Hallando las RESTRICCIONES con los 2 ejes. Para hallar la interseccin con el eje horizontal, se hace la variable ubicada en el eje vertical igual a CERO y la ecuacin, por lo tanto, se reduce y por despeje se obtiene el punto de interseccin con el eje horizontal. Para hallar la interseccin con el eje vertical, se hace la variable ubicada en el eje horizontal igual a CERO y por despeje se obtiene el punto de interseccin con el eje vertical.

7.- La R.F. se observar de la siguiente manera: Si la restriccin es del tipo: _____ R.F. queda por debajo de la lnea. _____ R.F. queda por encima de la lnea.

8.- Se van combinando las R. Para ir delimitando las R.F. Cualquier solucin que est en la frontera o dentro del rea sombreada cumplir con todas las restricciones. 9.- Una vez delimitada la R.F.; se usa LA FUNCION OBJETIVO para seleccionar la SOLUCION OPTIMA.

PASO3: OBTENCIN DE LA SOLUCIN PTIMA (PRUEBA Y ERROR ) 1.- Considerar la FRONTERA EXTREMA de la R.F. FRONTERA EXTREMA: Son las lneas que al interseccionar delimitan la R.F. Por qu sta es importante?

Porque, POR LO MENOS UNO DE LOS PUNTOS DE INTERSECCIN EN LA FRONTERA EXTREMA SERA UNA SOLUCION OPTIMA.

2.- Se seleccionan los puntos de interseccin. 3.- Se utiliza la FUNCION OBJETIVO, en donde se aplica cada uno de los puntos de interseccin seleccionados. 4.- El punto que d el valor ms grande de la F.O. ser la SOLUCION OPTIMA. 5.- Cmo encontrar este valor? R = 1.- Se hallan las coordenadas para cada uno de los puntos. 2.- Sustituir stos valores en la F.O (uno por uno). 3.- Se selecciona el punto que d: el Z ms grande. (S se MAXIMIZA). el Z ms pequeo (S se MINIMIZA). 4.- Cuando el punto es resultado de dos restricciones: Se resuelven las dos ecuaciones que le corresponden simultneamente.

PROBLEMA DE MEZCLAS DE PRODUCTOS

Un fabricante est tratando de decidir sobre las cantidades de produccin para dos artculos: MESAS Y SILLAS. Se cuenta con 96 unidades de material y con 72 hrs. de mano de obra. Cada mesa requiere de 12 unidades de material y 6 hrs. de M.O. Cada silla usa 8 unidades de material y 12 de M.O. El margen de contribucin a la ganancia es el mismo para las mesas que para las sillas: $ 5 por unidad. El fabricante prometi construir por lo menos 2 mesas.

PASO 1: FORMULACION DEL PROBLEMA. Enunciar la F.O. y las Restricciones

1.- TABLA VARIABLES MESAS SILLAS X1 X2 12 8 6 1 5 12 0 5

RESTRICCION MATERIAL M.O. PRODUCCIN MINIMA FUNCION OBJETIVO

LADO DERECHO (L.O.) (Lmites) 96 72 2

MAXIMIZAR LA GANANCIA

2.- Ahora, se agregan los signos apropiados a cada rengln. F.O.: Maximizar _____ Z = 5 X1 + 5 X2 12 X1 + 8 X2 96 6 X1 + 12 X2 72 X1 2 X1 0 X2 0 No negatividad PASO 2.- GRAFICAR LAS RESTRICCIONES CONVIRTIENDO A ECUACIN PARA GRAFICAR. Restricciones: Limitaciones de la M.O..
X2 6 X1 + 12 X2 72 6 X1 + 12 X2 = 72 Si X1 =0 (0,6) R. F. 12 12 X2 = 72 X2 = 72 12 X1 6 X1 = 2 (12,0) (0,6)

X2 = 6 OJO: Como la R es la . R.F. queda por debajo de la lnea. (12,0)

Si X2 = 0

6 X1 = 72 X1 = 72 6

X1 = 12

Restricciones: Limitacin de Materiales 12 X1 + 8 X2 96 12 X1 + 8 X2 = 96 Si X1 =0 (0,12)

X2 12 (0,12)

R.F. 8 X2 = 96 X2 = 96 8

(8,0)

X2 = 12

X1

X2 Si X2 =0 (8,0) C B A 12 X1 = 96 X1 = 96 12 X1 = 8 D X1

PASO 3.-

OBTENCIN DE LA SOLUCION OPTIMA (PRUEBA Y ERROR)

Se seleccionan los puntos de interseccin: PUNTO A: (8,0) PUNTO B: Es la interseccin de 2 restricciones, entonces se debe resolver el S.E.L. formado por las dos ecuaciones que le corresponde a stas 2 restricciones: Ec. R. de materiales: 12 X1 + 8 X2 = 96 Ec. R de M.O.: -2)6 X1 + 12 X2 = 72 12 X1 + 8 X2 = 96 -12 X1 - 24 X2 = -144 -16 X2 = - 48 X2 = - 48
-16 12 X1 + 8 X2 = 96 12 X1 + 8 (3) = 96 12 X1 = 96 24 X1 = 72 12

X2 = 3

PUNTO B: (6,3) X1 = 6

PUNTO C: Tambin es interseccin de 2 restricciones Se opera en forma semejante: Ec de Limitacin de M.O. 6 X1 + 12 X2 = 72 Ec de Produccin Mnima. X1 =2

6(2) + 12X2 = 72 12 X2 = 72 -12 X2 = 60 12

PUNTO C: (2,5) PUNTO D: (2,0)

X2 = 5

SOLUCION PTIMA
1.- LAS COORDENADAS SON:

PUNTO A: PUNTO B: PUNTO C: PUNTO D:

(8,0) (6,3) (2,5) (2,0)

2.- EN LA F.O. SE SUSTITUYE C/U DE ESTOS PUNTOS:

Z = 5X1 + 5X2

PUNTO A: 5(8) + 5(0) = 40 PUNTO B: PUNTO C: PUNTO D: 5(6) + 5(3) = 30 + 15 = 45 5(2) + 5(5) = 10 + 25 = 35 5(2) + 5(0) = 10

COMO SE DESEA MAXIMIZAR SE ELIGE EL VALOR MS GRANDE: 45 Solucin ptima: Producir (6,3)

6 MESAS 3 SILLAS

PROBLEMA DE DIETA
Un comprador est tratado de seleccionar la combinacin ms barata de 2 alimentos que debe cumplir con ciertas necesidades diarias de vitaminas. Loa requerimientos vitamnicos son por lo menos 40 unidades de vitamina w, 50 unidades de vitamina x y 49 unidades de vitamina y. Cada onza del alimento A proporciona 4 unidades de vitamina w, 10 unidades de vitamina x y 7 unidades de y. Cada onza del alimento B proporciona 10 unidades de vitamina w, 5 unidades de vitamina x y 7 unidades de y. El alimento A cuesta 5 ctvos/onza y el alimento B cuesta 8 ctvos/onza. PASO 1.- FORMULACION DEL PROBLEMA.
RESTRICCIONES VARIABLES ALIMENTOS B __ 5 7 8 40 50 __ L.D. LMITE

VITAMINAS W X Y F.O.

A 4 __ __ 5

(MINIMIZAR) Se transforman en ecuaciones e inecuaciones: F.O. V.W: V.X: V.Y: 4 A + __ MINIMIZAR 40 Z=5A+8B A 0, B 0 (no negatividad)

__ + 5 B 50 __ + 7 B __

Regin factible.

Restriccin de la vitamina W

Regin factible

Restricciones para las vitaminas W y X.

Regin factible 10A + 5B = 50

7A + 7A = 49 4A + 10B = 40

Todas las restricciones.

METODO SIMPLEX
PASO UNO: INICIO: RESTRICCIONES AUMENTADAS El mtodo simplex utiliza una tabla, en la cual hay una columna para cada variable y un rengln para cada restriccin. Adems, cada restriccin se debe expresar en lo que algunas veces se llama la forma estndar, como una igualdad. Es decir, cada restriccin en el problema de PL primero se debe aumentar cada variable extra para convertirla en igualdad. Se describir como se aumentan las restricciones y despus se analiza en forma breve el mtodo simplex. Cualquier desigualdad puede convertirse en una igualdad agregando (o restando) slo una variable extra. Entonces, una restriccin del tipo : 7x1 + 7x2 49 se convierte en holgura 7x1 + 7x2 + S3 = 49 Se ha agregado una variable de holgura para que absorba la holgura, o la diferencia en la que 7x1 + 7x2 puede ser menor que 49. El aumento de las restricciones de tipo siempre se debe hacer de esta manera. De igual forma, una restriccin del tipo : X2 2 se convierte en excedente X2 - S4 = 2 S4 = variable de S 3 = variable de

Se ha restado una variable de excedente para que consuma el exceso de X 2 , o sea, lo que se pasa de 2 no obstante, en este caso debe agregar otra variable. Esta variable extra, llamada variable artificial se aumenta como sigue: X2 2 se convierte en A 5 = variable artificial

X2 - S4 + A5 = 2

La razn de esto es que, si no se agrega la variable artificial, se violaran las restricciones de no negatividad. Para comprenderlo, se dejar sin aumentar. El mtodo simplex comienza por hacer todas las variables reales iguales a cero. Entonces: X2 - S4 = 2 Sea X2 = 0, entonces O S4 = -2 (que viola la restriccin de no negatividad) S4 = 2

No importa el hecho de que S4 = 0 viola la restriccin original. En trminos algebraicos es legtimo. La variable artificial opera para mantener todas las variables no negativas cuando X2 es menor que 2. Si X2 = 0, entonces S4 = 0 y

X2 - S4 + A5 = 2 A5 = 2

En resumen, se aument una restriccin del tipo > restando una variable de excedente y sumando una variable artificial (- S + A). Qu sucede con las restricciones que ya son una igualdad? La respuesta tcnicamente correcta es que no es necesario hacer nada si una de las variables tiene uno y coeficiente cero en todas las otras restricciones. De otra manera, debe agregarse una variable artificial. Se sugiere agregar siempre la variable artificial y olvidar el caso especial uno/cero en los coeficientes. La razn para aumentar variables artificiales despus ser clara. Todas las variables que aparecen en una restriccin tambin deben aparecer en la funcin objetivo. As, cada variable de holgura, de excedente o artificial que se aumenten tambin deben agregarse a la funcin objetivo. Cules son sus coeficientes? Para las variables de holgura o excedente la respuesta es fcil: siempre son cero. Esto significa que no importa si estn en la solucin. Ahora bien, las variables artificiales tienen un problema diferente: no se desea que estn en la solucin final. Recurdese que slo se usan para evitar que las variables de excedente violen las restricciones de no negatividad (y para las ecuaciones). El que una variable artificial est en la solucin final significa que algo anda mal. Para mantenerlas fuera de la solucin, se les asignar un coeficiente en la funcin objetivo por lo menos 100 veces ms grande que cualquier otro coeficiente y con el signo adecuado para garantizar que salgan. As, al maximizar se asignar MA en donde M es un numero muy grande. Si se trata de minimizar, seleccionar + MA. Estas reglas para el aumento se resumen en la tabla1. Ntese que hay reglas fijas para cada tipo de restriccin y que las variables de holgura y de excedente siempre tienen coeficiente cero en la funcin objetivo. Lo nico que cambia es el signo para las variables artificiales en la funcin objetivo: se selecciona de manera que estas variables salgan de la solucin final.

TABLA 1 Reglas de aumento Tipo de Restrccin = Agrguese a la Funcin objetivo +OS Max.: +OS MA Min.: +OS + MA Max: -MA Min: + MA

Restriccin +S - S +A +A

PASO DOS:

CONSTRUCCIN DE LA TABLA SIMPLEX La forma general de la tabla simplex se muestra en la tabla 2. La parte central de la tabla contiene los coeficientes de las ecuaciones de restriccin, con un rengln para cada una. Las variables se encuentran como encabezado de las columnas (incluso las variables de holgura, las de excedente y las artificiales; el ejemplo contiene solo variables de holgura). Arriba de cada variable se escriben los coeficientes correspondientes de la funcin objetivo. El rengln de costo de oportunidad (Zj) y el rengln del criterio simplex (Cj-Zj), se explican despus. Las columnas de las variables bsicas muestran las variables que estn dentro de la solucin (todas las dems tienen valor cero). Los valores de las variables bsicas en esta solucin se muestran en la columna de valores de solucin. Entonces, para el ejemplo de la tabla 2, la variable Sn + 1 tienen valor b1, Sn + 2 = b2, etc.

TABLA 2 Tabla smplex general Coeficiente de la Funcin objetivo Variables de decisin Variables de holgura Valores de solucin

Cj 0 0 . . . 0

Variables Bsicas Sn + 1 Sn + 2 . . . Sn + m Zj Cj - Zj

C1 X1 a11 a21 . . . am1

C2... X2... a12 a21 . . . am2

Cn Xn a1n a2n

0 Sn +1 1 0

0... Sn + 2 0... 1...

amn

0...

0 Sn + m 0 b1 0 b2 . . . 1 bm Z Valor total de la funcin objetivo

Una columna para cada variable Rengln del criterio simplex Rengln del costo de oportunidad

Un rengln para cada restriccin

Ntese que las restricciones de no negatividad estn implcitas; por tanto, no se escriben.

LA TABLA INICIAL La tabla simplex es menos terrible de lo que parece en la tabla 2. Para indicar cmo se encuentra la solucin inicial (tabla), se analiza un problema muestra. Maximizar: Z 7x1 + 10 x2 Restricciones: 7x1 + 7x2 < 49 10x1 + 5x2 < 50 x1 + 0, x2 > 0

< Variable de holgura > Variable de excedente

1er. Paso.- El primer paso es aumentar cada restriccin. Para la primera, se agrega una variable de holgura. 7x1 + 7x2 + S3 = 49 De igual manera para la segunda restriccin: holgura 10x1 + 5x2 + S4 = 50 Cada una de las variables de holgura tienen coeficiente cero en la funcin objetivo. Ms tarde ser de utilidad si se escriben las relaciones aumentadas con todas las variables para cada restriccin. (Se usar un coeficiente cero si la variable no debe aparecer). Entonces, Maximizar: Z 7x1 + 10 x2 + OS3 + OS4 Restricciones: 7x1 + 7x2 + IS3 + OS4 = 49 10x1 + 5x2 + OS3 + IS4 = 50 Con esta forma de escribir las ecuaciones de restriccin, pueden escribirse directamente los coeficientes en la tabla. Esto se ilustra en la tabla 3. Tambin variable de

TABLA 3 Inicio de la tabla Cj Variables bsicas 7 X1 7 10 Zj Cj-Zj 10 X2 7 5 0 S3 1 0 0 S4 0 1 Valores de solucin 49 50

Qu variables estn dentro de la solucin inicial (es decir, son bsicas)? La regla es: seleccinese la variable de holgura o artificial que corresponde a cada restriccin (nunca una variable de excedente). As S3 est en la solucin para la restriccin uno y S4 est en la solucin para la segunda restriccin. Esto se ilustra en la tabla 8-4. Sus coeficientes correspondientes a la funcin objetivo tambin se muestran en la columna Cj. Esto completa el proceso de construccin de la solucin inicial. Se necesita una pequea aplicacin sobre la regla de la seleccin de variables bsicas. El mtodo simplex comienza en el origen, es decir, con todas las variables de decisin (las x) iguales que cero. Entonces, para el ejemplo.
7x1 + 7x2 + IS3 + OS4 = 49 x1 = x2 = 0 S3 = 49 y 10x1 + 5x2 + OS3 + IS4 = 50 x1 = x2 = 0 S4 = 50

As la solucin inicial es S3 = 49, S4 = 50 Esto coincide con la tabla 4. Una verificacin til que puede utilizarse para cualquier solucin (no solo para la inicial) es que la columna de cada variable bsica debe tener un +1 en su rengln correspondiente y 0 en todos los dems renglones. Esto significa que las variables de excedente nunca deben aparecer en la solucin (tienen coeficiente 1). Antes de pasar al mtodo simples, el lector debe trabajar en los siguientes ejercicios de prctica. Mientras ms familiarizado est con el aumento y la tabla inicial, ms fcil le ser entender lo que sigue.

TABLA 4 La tabla simplex inicial

Cj 0 0 Variables bsicas S3 S4 Zj Cj-Zj

7 X1 7 10

10 X2 7 5

0 S3 1 0

0 S4 0 1

Valores de solucin 49 50

EL MTODO SIMPLEX (MAXIMIZACIN)

Existen tres operaciones que componen la esencia del mtodo simplex: a) Prueba de la optimalidad de la solucin. b) Identificacin de las variables que entran y que salen. c) Revisin de la tabla para desarrollar una nueva solucin. PASO 3.- PRUEBA DE OPTIMALIDAD DE LA SOLUCIN Para probar una solucin, debe calcularse el rengln del costo de oportunidad (Zj) y el rengln del criterio simplex (Cj Zj). El rengln Zj se prepara primero, esto se ilustra en la tabla 5 para la primera columna.
TABLA 5 Clculo de Zj = Paso 1 Cj Variables bsicas 0 x S3 x S4 Zj Cj-Zj Z1 = 0 x 7 + 0 x 10 = 0 7 X1 7 + 10 10 X2 0 S3 0 S4 Valores de solucin

Primer Paso, encontrara Z en cualquier columna dada j, se multiplica el coeficiente en la funcin objetiva de cada variable bsica por el coeficiente de la restriccin en ese mismo rengln y la columna j. Esto se hace para cada rengln y despus se suman los productos. Entonces, para Zj: 0x 7 +0 x 10 Zj = 0

En forma algebraica, esto es: Zj = Cj Aij todos los renglones i

En la tabla 6 se hizo este paso completo para todas las variables Zj. En este caso todas resultaron cero debido a que las Cj eran cero para todas las variables Zj. Ntese que el valor total de la funcin objetivo para esta solucin tambin se encuentra llevando a cabo este tipo de multiplicacin sobre la columna de valores de solucin.
TABLA 6 Cj 7 Variables bsicas X1 0 S3 7 0 S4 Zj Cj-Zj 10 X2 7 0 S3 1 0
0x1+0x0=0

0 S4 0 1
0x0+0x1=0

Valores de solucin 49 = 0.49 = 0 50 = 0.50 = 0 0 Funcin objetivo

10 5 0 0 x 7 0x7+0x5=0 0 7- 0 = 7 10- 0 =10

0-0 = 0 0- 0= 0

Paso 2

valor +

valor +

Para esta solucin Sol. NO es ptima seguir

Segundo paso.- El siguiente paso es calcular los elementos en el rengln Cj Zj. El valor de Cj est escrito arriba de cada columna. Slo tiene que restarse cada Zj de cada Cj y registrar la diferencia. Esto se muestra en la tabla 7. Como todos los valores de Zj resultaron cero, el rengln Cj zj est formado por los coeficientes de la funcin objetivo original. Tercer paso.- Ahora se puede realizar la prueba de optimalidad. Esto se hace inspeccionando el rengln del criterio smplex (Cj-Zj) y aplicando la siguiente regla (al maximizar). Para minimizar, la regla se invierte: Cj Zj > 0 La solucin es ptima si Cj Zj < 0 para toda j Es decir, la solucin ptima se ha encontrado cuando todas las variables tienen un valor negativo o cero en el rengln Cj Zj. Si cualquiera de estos valores es positivo significa que la funcin objetivo puede incrementarse agregando la variable a la solucin; por tanto, no es ptima. En la tabla 7, como X1 y X2 tienen valores positivos (7 y 10), la solucin no es ptima.

La solucin inicial nunca es ptima ya que el mtodo smplex comienza siempre en el origen. Ntese tambin que las variables bsicas siempre tienen cero en el valor de Cj - Zj, debido a que estn en la solucin.

TABLA 7 Cj Variables bsicas 0 S3 0 S4 Zj Cj-Zj 7 X1 0 7 10 X2 0 10 C1 Z1 0 S3 0 0 = 70 =7 0 S4 0 0 Valores de solucin

Cuarto paso.- Identificacin de la variable que entra y la que sale. Como ya se mencion, el mtodo simplex se mueve de un punto de interseccin a otro, siempre mejorando la solucin. Esto significa que con cada cambio en la solucin una de las variables bsicas debe quitarse (variable que sale) y debe incluirse una nueva variable (variable que entra).

Primero: se identifica la variable que entra. Al maximizar, ser la variable con el mayor valor positivo del criterio simplex. En el ejemplo, sta es X 2 como se muestra en la tabla 8. Denomnese, est, columna pivote.

TABLA 8 Cj Variables bsicas 0 S3 0 S4 Zj Cj-Zj 7 X1 7 10 0 7 10 X2 7 5 0 10 0 S3 1 0 0 0 0 S4 0 1 0 0 Valores de solucin 49 50 0

Valor positivo ms grande (columna pivote)

Segundo: El proceso de encontrar la variable que sale requiere algunos clculos. S necesita saber el mximo nmero de unidades que es posible asignar a la variable que entra sin que ninguna variable bsica se vuelva negativa (lo cual violara las restricciones de no negatividad). Para comprobar esto, se divide el valor de la solucin para cada variable bsica entre el coeficiente de la columna pivote que corresponde al rengln. Esto se muestra en la tabla 9. Entonces, puede asignarse hasta 7 unidades a X2 antes que se vuelva negativa. Se escoge el nmero positivo ms pequeo. ( Si se escogiera el ms grande, algunas variables seran negativas). Por tanto, S3 se convierte en la variable que sale. Llmese ste, rengln pivote.

Qu pasa si al dividir se obtiene un nmero negativo? Eso significa que la variable bsica se incrementa cuando se incluye la nueva variable. Como se est preocupando por las disminuciones, los cocientes negativos pueden ignorarse. En este momento puede desarrollarse una nueva solucin revisando la tabla. La nueva solucin tendr X2 en el primer rengln en el lugar de S3. En el segundo rengln todava aparecer S4 como variable bsica, pero cambiarn los coeficientes del rengln.

TABLA 9 Identificacin de la variable que sale Cj Variables bsicas S3 S4 Zj Cj-Zj 0 7 7 X1 10 X2 7 5 0 10 0 0 0 0 0 S3 0 S4 Valor positivo ms pequeo Valores de solucin 49 49 = 7 7 50 50 = 10 5 0

0 0

Columna Pivote (Variable que entra)

Quinto paso: Revisin de la tabla: Al trabajar problemas con el mtodo simples en forma manual, se deber tratar de evitar los errores aritmticos. Este paso de revisar la tabla ofrece el mayor riesgo de error, pues se tienen que hacer muchos clculos. El procedimiento que se describe est diseado para proporcionar espacio para trabajar en los clculos y mantiene un registro que puede escudriarse en caso de error. Paso 1: Para llevar a cabo el proceso de revisin se necesitan dos tablas: la actual y la nueva. Siempre que se elabore una tabla, debe dejarse un rengln en blanco debajo de cada rengln de variables bsicas. Este espacio sirve para escribir los clculos del proceso de revisin. Paso 2: Los elementos de la nueva tabla se generan en un rengln a la vez usando dos reglas diferentes, una para el rengln pivote (el de la variable que sale) y otra para los dems renglones. Paso 3: Para revisar el rengln pivote solo se divide cada coeficiente en ese rengln entre su elemento interseccin. El elemento interseccin es el coeficiente que se encuentra en la interseccin de la columna pivote y un rengln dado, en este caso

el rengln dado, en este caso el rengln clave. En la tala 8-10 se hace esta operacin. El resultado se escribe en la tabla que se tiene inmediatamente abajo del rengln de la variable que sale y en la nueva tabla como rengln de la variable que entra. Ntese que la columna del valor de solucin tambin de divide para obtener el valor de la solucin para la nueva variable (X 2 = 7). Algebraicamente, lo que se hizo es: para el rengln pivote.

Nuevo elemento del rengln pivote =

Elemento el rengln pivote que se tiene Elemento interseccin

Cj Variables bsicas 0 S3

X1 7 1

X2 7 1 5 0 10

S3 1 1/7 0 0 0

S4 0 0 1 0 0

49 49 = 7 7 7 50 0

S4 Zj Cj-Zj

10 0 7

Cj Variables bsicas 10 S3 0 S4 Zj Cj-Zj

X1 1

X2 1

S3 1/7

S4 0

Paso 4: Para cada uno de los dems renglones es necesario un proceso de dos pasos. Primero, se multiplica el nuevo rengln pivote por el elemento interseccin del rengln que se est revisando y se registra el producto debajo de ese rengln. Esto se hace en la tabla que se tiene como de muestra en la tabla. Para el rengln S4, el elemento que intersecta la columna pivote es 5. El rengln S3 es el rengln pivote y sus nuevos valores se colocan debajo de l (1,1,1/7,0,7). Estos nuevos elementos se multiplican por 5 y el resultado se escribe debajo del rengln S4 que te tiene (5,5,5/7,0,35).

Cj Variables bsicas 0 S3

X1 7 1

X2 7 1 5 5 0 10

S3 1 1/7 0 5/7 0 0

S4 0 0 1 0 0 0

49 49 = 7 7 7 50 35

S4

10 5 0 7

Resultado Zj Cj-Zj

Paso 5: Ahora estos resultados se restan del rengln S4 que se tiene y las diferencias se registran como los nuevos elementos en la nueva tabla. Esto se lleva a cabo en la tabla. Algebraicamente, para el rengln pivote.

Nuevo Elemento del rengln

Elemento del rengln que se tiene

Elemento interseccin

Elemento correspondiente del nuevo rengln pivote

Cj Variables bsicas 0 S3 0 S4 Zj Cj-Zj Cj Variables bsicas X2 S4 Zj Cj-Zj X1 X2 S3 S4 X1 10 5 X2 5 5 S3 0 5/7 S4 1 0 50 35

10

-5/7

15

PASO 6: La tabla completa para la segunda solucin se muestra en la tabla. Para esta solucin X2 = 7 y S4 = 15n(X1 = S3 = 0). Esto conduce otra vez al principio del ciclo, al punto en que hace la prueba de optimalidad de la solucin. Para resolver el problema, se debe continuar iterando de solucin hasta encontrar la ptima. Para problemas pequeos, solo se necesitan unas cuantas iteraciones, los problemas grandes pueden requerir ms de 100. Cj 7 Variables bsicas X1 0 X2 1 0 S4 Zj 5
00x7 10x1+0x5-10

10 X2 1 0 1/7 -5/7

0 S3

0 S4 0 1
10x1/7+0x5/7

7 10x7 = 70 15 0x15 = 0 10x7+0x5 70 Solucin ptima

10x1+0x0-10

10x0+0x1 10

10

10/7

Cj-Zj

7-10 = -3 Negativo

10 10 = 0 0 Cero

0-10/7=10/7 Negativo

0-0=0 Cero

PRUEBA DE OPTIMALIDAD DE LA 2 SOLUCION

Paso 1.- Para probar la segunda solucin, se calculan los renglones del costo de oportunidad (Zj) y del criterio simples (Cj Zj). Esto se hace en la tabla. Como ejemplo, se tiene, que para Z3. 10 x 1/7 +0 x (-5/7) Z3 = 10/7 Y C3 Z3 0 0 10/7 = -10/7 Observando el rengln Cj Zj, todos los elementos son cero o negativos, por tanto, la solucin es ptima ( y Zj 70) (a) Valor de Zj Cj Variables bsicas 10 X2 0 S4 Zj Cj-Zj 7 X1 1 5 10 10 X2 1 0 10 0 S3 1/7 5/7 10/7 0 S4 0 1 0

7 15 70

(b) Valor de Cj Zj Cj Variables bsicas 10 X2 0 S4 Zj Cj-Zj 7 X1 1 5 10 -3 10 X2 1 0 10 0 0 S3 1/7 5/7 10/7 -10/7 0 S4 0 1 0 0

7 15 70

Ntese que no se est considerando el hecho de introducir una variable bsica a la solucin, ya est ah. As, las variables siempre tienen un valor de criterio simples de cero.

RESUMEN DEL MTODO SIMPLEX

Los pasos para el mtodo simplex son los siguientes:

1.- Aumento completo del problema de PL, usando variables de holgura, de excedente y artificiales, segn se necesiten. 2.- Construccin de la tabla inicial usando los coeficientes del problema aumentado con un rengln para cada restriccin. Las variables bsicas son las variables de holgura o las artificiales asociadas con cada restriccin (todas las variables de decisin son cero). 3.- Pueba de la solucin calculando los renglones del costo de oportunidad (Zj) y del criterio simples (Cj Zj ). La solucin es ptima si todos los valores Cj Zj son negativos o ero cuando se est maximizando y positivos o cero cuando de esta minimizando. 4.- Si la solucin no es ptima, se identifica la variable que entra y la que sale. 5.- Se revisa la solucin para desarrollar una nueva tabla. Primero se encuentra el nuevo rengln pivote: Nuevo elemento Del rengln pivote = elemento del rengln pivote que se tiene Elemento interseccin Despus se revisan los otros renglones uno a la vez:

Nuevo elemento del rengln = elemento del rengln que se tiene (elemento interseccin por nuevo elemento del rengln pivote)

Regreso al paso 3.

UNIDAD 3

ASIGNACIN Y TRANSPORTE

Qu significa el problema de transporte?

R = Es aquel problema o situacin que muestra o indica que debe enviarse o transportarse un producto DE UN LUGAR O SITIO DETERMINADO HACIA OTRO.

CARACTERSTICAS DE UN PROBLEMA DE TRANSPORTE:

Su naturaleza o estructura DE- HACIA. De un ORIGEN a un DESTINO. De una FUENTE a un USUARIO. Del presente hacia el futuro.

DATOS QUE SE CONOCEN:

Fuentes y destinos. Capacidades y demandas y costos de cada trayectoria.

Siempre debe existir:

Una combinacin ptima que minimice el costo. Una combinacin ptima que maximice la ganancia.

SOLUCION:
INICIA Construye Matriz de Transporte

Se encuentra Solucin inicial

Sol. ptima PRUEBA LA OPTIMALIDAD FIN

No ptima REVISA LA SOLUCION

FORMA GENERAL DE MATRIZ DE TRANSPORTE

DESTINO ORIGEN C11 S1 C21 S2

. . .

Recursos Totales
(capacidad de cada origen)

C12

C1n S1

C22

C2n S2
. . .

Cm1 Sm

Cm2

Cmn

Sm

Demanda Total

d1

d2

....

dn Condiciones (de cada destino) de Frontera

C11, C12, . . . . Costo Unitario de Transporte desde cada origen a cada destino.

NOTA: Se puede intercambiar posiciones de orgenes y destinos.

Ejemplo:

Recursos Fbrica Fbrica Capacidad S1 100 unidades S2 200 S3 300 600 unidades

Demanda Almacn Almacn Demanda D1 150 unid. D2 150 D3 120 D4 80 500 unid.

Costo transporte ($/unid)

A De: S1 S2 S3 D1 7 5 7 D2 3 5 4 D3 8 6 9 D4 8 8 10

I. CONSTRUCCION DE MATRIZ DE TRANSPORTE

DESTINO (Almacn)

ORIGEN (Fbrica) 7 S1 5 S2 7 S3

D1 3 5 4 150

D2 8 6 9 150

D3 8 8 10 120

D4

FICTICIO 0 0 0

Recurso Total 100 200 300

80

100

600 total

Para que las sumas sean iguales

 Cmo encontrar una SOLUCIN INICIAL?

METODO DEL COSTO MINIMO ( L C M )

PASO1: Encontrar la celda con el menor costo (*) ( ignorar columna ficticia ). PASO2: Llenar la celda hasta el mximo permitido por las CONDICIONES DE FRONTERA. PASO3: Eliminar las dems celdas en el rengln o columna que se agote. PASO 4: Repetir los pasos 1, 2 y 3 para las celdas restantes hasta llegar a una solucin completa.

D1 7 S1 5 S2 7 S3 X 150 150 4* X 5 3*

D2 8 100 6 X 9 50 150

D3 8 X 8 50 10 70 120

D4 X X 80 80

FICTICIA 0 X 0 X 0 100 100

100 200 300 600

Por lo tanto: COSTO SOLUCIN INICIAL = 300+1050+1630 = $2980

Cmo encontrar la SOLUCIN PTIMA?

PRUEBA DE OPTIMALIDAD

METODO DE LA PIEDRA QUE RUEDA

Estrategia de Prueba: 1.- Probar cada CELDA VACA (RUTA NO USADA), una a la vez, calculando el COSTO MARGINAL por usar esa celda. 2.- S UNA O MS CELDAS presentan costo marginal NEGATIVO se revisa la solucin. 3.- La solucin es ptima cuando TODOS los COSTOS MARGINALES SEAN NO NEGATIVOS.

METODO LA PIEDRA QUE RUEDA

PASOS: 1.- Se construye la matriz de transporte.

2.- Se llena las celdas de la matriz, de acuerdo a los Recursos (capacidades) y Demandas respetando las condiciones de frontera.

3.- Considerando celdas vacas: I. Se elige una y a partir de ella se aplica la llamada REGLA DE LA TRAYECTORIA CERRADA con ANGULOS RECTOS EN LAS CELDAS LLENAS (Regla de la piedra que rueda) que debe cumplir: - Se deben satisfacer las condiciones de frontera. - El nmero de celdas llenas no puede exceder la suma de los renglones y columnas menos UNO. - Se parte de una CELDA VACA y se debe regresar a ella usando slo las piedras (celdas llenas) como pivotes y esquinas. - Slo se permiten vueltas en ngulos rectos. - No se permiten movimientos en diagonal. - Se puede ir a la izquierda o derecha, arriba o abajo.

II. Una vez identificada la trayectoria se encuentra el costo marginal para esa celda vaca: - A la celda vaca de donde se inicia se le asigna signo positivo (+), el pivote o esquina (celda llena) que se encuentra a continuacin le corresponder signo negativo( - ). - As, sucesivamente se va alternando signo + y hasta cerrar la trayectoria. - Se calcula el costo marginal para la celda vaca usando la frmula: COSTO MARGINAL = PARA CADA CELDA VACA COSTO CELDA + VACA COSTO COSTO ESQUINA - ESQUICON NA CON SIGNO SIGNO POSITIVO NEGATIVO

III. De forma idntica se calcula el costo marginal para cada una de las celdas vacas.

IV. Una vez obtenidos todos los costos marginales para cada una de las celdas vacas, se elige el costo marginal ms negativo. V. Se busca trayectoria iniciando en la celda con el valor de costo marginal ms negativo y usando celdas llenas como piedras. VI. Se asigna en forma alternada signos + y como se indic en paso II.

VII. Se observa que celdas llenas quedaron con signo negativo (-).

VIII. Entre ellas se elige la que presente la cantidad ms pequea (esta es la cantidad que se puede cambiar).

IX. La celda vaca se llena con esta cantidad.

X. Se reacomodan las cantidades para cumplir las condiciones de frontera.

XI. Se revisa el proceso, calculando otra vez los costos marginales para cada celda vaca, o sea, se repiten los pasos del I al III.

XII. Se revisa si an existen costos marginales negativos, si esto an se da es necesario repetir todo el proceso en otra matriz nueva.

XIII. Cuando todos los costos marginales sean no negativos, sta es la SOLUCIN PTIMA.

XIV. EL COSTO TOTAL de est solucin se encuentra sumando los productos de los costos en las celdas por las unidades mandadas en cada celda llena.

MODI METODO DE DISTRIBUCION MODIFICADA

Se basa en: Los COSTOS RELATIVOS ESTRATEGIA: Probar c/celda vaca a la vez, calculando COSTO MARGINAL

PASO I: Calcular los coeficientes de los renglones y las columnas usando slo las CELDAS LLENAS PASO II: Usando estos coeficientes, se calcula los costos marginados para c/celda vaca

PASO I: CALCULO DE COEFICIENTES 1.- CALCULO DIRECTO EN LA MATRIZ: 1) Se asigna un cero a un coeficiente arbitrario de cualquier fila o columna (Por costumbre se asigna generalmente al cero al primer rengln o fila) 2) Se busca celda llena en esa fila. Se puede pivotear sobre esta celda para encontrar el coeficiente de la columna correspondiente, haciendo:

COEFICIENTE DESCONOCIDO = COSTO CELDA COEFICIENTE CONOCIDO DE COLUMNA O RENGLON DE RENGLON O COLUMNA

3) Se busca otra celda llena en el mismo rengln y se pivotea igual al paso 2). Si no hay, se busca hacia abajo por la columna de la celda llena usada en el paso 2) y como ya se conoce el coeficiente de esta columna, pivotea sobre la celda llena para encontrar el coeficiente del rengln respectivo.

4) Este nuevo coeficiente se usa para encontrar estos coeficientes: Se busca otra(s) celda(s) llena(s) con esta misma fila o rengln y se pivotea sobre ella para encontrar el coeficiente de su columna. 5) Se permiten coeficientes negativos 6) Se incluyen la columna o rengln ficticio y se trabaja en la misma forma

2.- CALCULO USANDO S. E. L 1) Para cada celda llena se puede escribir la siguiente ECUACIN: COEFICIENTE RENGLON + COEFICIENTE COLUMNA = COSTO EN CELDA 2) Como se basa en los COSTOS RELATIVOS: Se asigna un valor arbitrario a una de las variables En base a este valor se van encontrando los dems valores de las dems Variables

CALCULO DE COSTOS MARGINALES EN CELDAS VACIAS

1) Se toman una a una en cualquier orden. 2) Se aplica la frmula: COSTO MARGINAL = COSTO DE CELDA (Coef. Rengln + Coef. columna) 3) Los costos marginales se colocan en la esquina inferior derecha. 4) Si hay costos marginales negativos se revisa la solucin porque no es la ptima. 5) REVISION DE LA SOLUCION Regla de la trayectoria cerrada con ngulos rectos en celdas llenas o Regla de la piedra que rueda. 6) Se elige la celda con el costo marginal ms negativo, si hay empate se rompe arbitrariamente. 7) Se aplica la regla de la trayectoria comenzando en la celda vaca elegida y se encuentra una trayectoria cerrada que vaya por las celdas de la matriz y regrese a la celda inicial. 8) En la trayectoria se elige la cantidad menor en las celdas con signos menos. 9) Con esta cantidad se llena la celda vaca al mximo, cuidando condiciones de frontera. 10) ES PTIMA LA NUEVA SOLUCION? Para saberlo, se debe repetir todo el proceso desde el principio: Se calculan los nuevos coeficientes de rengln y columna. Se calculan los nuevos costos marginales para todas las celdas vacas. Si se obtiene costo marginal negativo todava es posible realizar mejoras.

 Se selecciona la celda vaca con costo marginal ms negativo. Se encuentra trayectoria de revisin y se llena la celda vaca al mximo, con la cantidad menor en las celdas en signo menos, cuidando condiciones frontera. Ser la ptima? Para saberlo se calculan los nuevos costos marginales para las celdas vacas. La solucin es OPTIMA cuando todos los costos marginales den NO NEGATIVO. 11) Se calculan el costo total, el cual ser el COSTO MINIMO.

UNIDAD 4 MODELOS DE TOMA DE DECISIN

Los modelos de toma de decisiones se clasifican en cuatro categoras. El cuadro muestra la clasificacin y sus consecuencias.

TOMA DE DECISIONES

CATEGORAS Certidumbre Riesgo Incertidumbre Conflicto

CONSECUENCIAS Determinista Probabilsticas Desconocidas Influenciadas por un oponente

TOMA DE DECISIONES BAJO CERTIDUMBRE

Se pueden predecir con certeza las consecuencias. Existe relacin directa de causa y efecto entre cada acto y su consecuencia.

Conceptualmente, la tarea es sencilla.

1) Se evalan las consecuencias de cada accin alternativa. 2) Se selecciona la que se prefiere.

Sin embargo, el nmero de alternativas puede ser muy grande, lo que hara laboriosa la enumeracin.

TOMA DE DECISIONES BAJO RIESGO

Aquella decisin por las que las consecuencias de una accin dad dependen de algn evento probabilista.

Siempre se debe seleccionar la alternativa que tenga el mejor valor esperado

Ejemplos:

Deber introducirse un nuevo producto en particular? Deber ofrecerse ms, para obtener un contrato? Deber construirse una nueva planta o ampliarse la que se tiene? Deber iniciarse un nuevo programa costoso de propaganda?

TOMA DE DECISIONES BAJO INCERTIDUMBRE

Es una categora muy comn Se parece a la toma de decisiones bajo riesgo, con una diferencia No se tiene conocimiento de las probabilidades de los eventos futuros No se tiene idea de cun posibles sean las diferentes consecuencias

Es como disparar en la oscuridad. Cmo manejar este tipo de problemas?

Reducir la incertidumbre obteniendo informacin adicional sobre el problema. Si esto falla, hay varios caminos:

1.- Introducir abiertamente en el problema los sentimientos subjetivos de optimismo y pesimismo. Si es una persona optimista, se emplea la ESTRATEGIA MAXIMAX. (Seleccionar la accin que maximiza el pago mximo). Si es una persona pesimista, se emplea la ESTRATEGIA MAXIMIN (Seleccionar la accin con el mayor de los pagos mnimos).

MAXIMAX Y MAXIMIN son los dos extremos.

2.- Convertir El problema a uno bajo riesgo

1.- Expresar los conocimientos o sentimientos que se tengan sobre los eventos en trminos de una distribucin de probabilidad.

2.- Si no se tienen bases para hacer estimaciones subjetivas, se puede emplear el PRINCIPIO DE LA RAZN INSUFICIENTE (Suponer que todos los eventos son igualmente probables).

TOMA DE DECISIONES BAJO CONFLICTO

Existe siempre un oponente. Las probabilidades de los eventos se desconocen y estn influenciadas por un oponente cuya meta es vencer. Se llaman JUEGOS Y TEORA DE JUEGOS.

TOMA DE DECISIONES BAJO RIESGO

El resultado ms importante de la teora de decisiones BAJO RIESGO es que debe seleccionarse la alternativa que tenga el MAYOR VALOR ESPERADO.

LA UTILIDAD COMO CRITERIO DE DECISIN.

LA MATRIZ DE PAGOS. Tambin llamada TABLA DE PAGOS.

Es una estructura organizada para analizar situaciones probabilsticas en las que se debe seleccionar una sola alternativa de decisin de un conjunto de alternativas.

COMPONENTES Y ESTRUCTURA:

1.- Un conjunto de DECISIONES ALTERNATIVAS (D)

2.- Un conjunto de EVENTOS que pueden ocurrir (E)

3.- PROBABILIDADES que estn asociadas con los diferentes eventos asociadas (p)

4.- RESULTADOS (Casi siempre econmicos) de las interacciones entre las alternativas de decisin y lo eventos

ALTERNATIVAS: Elecciones que tiene disponibles el tomador de decisiones.

EVENTOS: Reflejan lo que puede ocurrir si se opta por las diferentes alternativas. Estn fuera del control del tomador de decisiones.

PROBABILIDADES: Es necesario asignar probabilidades a todos los eventos (datos histrico, juicio subjetivo).

RESULTADOS: Para cada curso de accin (alternativas) y cada evento siempre existe alguna consecuencia o resultado. (A veces el valor monetario no es un criterio apropiado y debe usarse una medida ms amplia, la UTILIDAD)

ESTRUCTURA DE MATRIZ DE PAGOS

EVENTOS Alternativas de Decisin

D1 D2
. . .

E1 (P1)

E2 (P2)

-----------------------------

Em (Pm)

X11 X21

X12 X22

X1m X2m

Dn

Xn1

Xn2

--------

Xnm

Los elementos de la matriz (X11, X12, X21, X22,.. Xnm) son los resultados Xij que se obtienen de la interaccin de las alternativas y los eventos. Son la ganancia o utilidad para cada combinacin de alternativa y evento.

ANALISIS PARA LA TOMA DE DECISION

1 Para cada alternativa, se realiza el clculo por rengln o fila del valor esperado.

E (D1) = P1X11 + P2X12 + .. + PmXnm

E (D2) = P1X21 + P2X22 + .. + PmXnm

. . . . .

E (Dn) = P1Xn1 + P2Xn2 + .. + PmXnm

2 Seleccionar y poner en prctica la D que ofrece ganancia o beneficio esperado ms alto o bien menor costo esperado.

VALOR ESPERADO

Uso: En el anlisis de matriz de pago y rboles de decisin. En la teora de Decisiones Bajo Riesgo siempre debe seleccionarse alternativa con mayor valor esperado.

Es equivalente a:

Apostar al promedio a largo plazo o sea, Seleccionar la alternativa con el pago promedio ms alto

Cmo se calcula? Aplicando la frmula:

m E (x) = Xi . P (Xi) i=1

Donde:

Xi = Valores posibles que toma la variable aleatoria discreta X

P (Xi) = Probabilidad de cada valor de X.

E (x) = Valor esperado de una variable llamada X.

Existen dos situaciones:

1.- El concepto de E (x) se usa en forma subjetiva.

2.- El concepto de E (x) es un concepto a la larga: Un promedio proyectado al futuro. No existe razn alguna para que el E (x) sea igual a ninguno de los resultados individuales.

TOMA DE DECISIONES BAJO RIESGO

Ejemplo: Se est a cargo de la venta de rboles de Navidad para la iglesia. La primera tarea es decidir cuntos rboles ordenar para la siguiente temporada. Se debe pagar $ 3.50 por cada rbol, se puede ordenar solo lotes de 100 y se planea venderlos a $ 8 de cada uno. Por su puesto, si no se venden, no tienen valor de recuperacin. Se estudia el registro de ventas pasadas en la iglesia y se analiza el crecimiento potencial de ventas con otros vendedores, llegando a las siguientes estimaciones para la prxima temporada:

Venta de rboles 100 200 300

Probabilidad 0.30 0.30 0.40 1.00

CALCULO DE LA GANANCIA PARA CADA COMBINACION DE CANTIDAD ORDENADA Y VENTAS EVENTUALES

EVENTO DEMANDA DE RBOLES 100 0.3 450 100 200 0.3 450 900 300 0.4

ALTERNATIVAS DE DECISIN

Ordenar 100 200 300

Se ordenan 100 y venden 100 Costo: 3.50 (100)= $ 350 Ingreso: 8.00 (100) = $ 800 Ganancia = 800 350 = $ 450 o bien: Ganancia = 100 (8 3.50) = 100 (4.50) = $ 450

Se ordenan 200 y venden 100 Costo: 3.50 (200)= $ 700 Ingreso: 8.00 (100) = $ 800 Ganancia = I C = 800 700 = $ 100 o bien: Ganancia = U.N. - Prdida por rbol no vendido = 100 (8 3.50) - 100 (3.50) = $ 100

Se ordenan 200 rboles, se venden 200: Costo: 3.50 (200)= $ 700 Ingreso: 8.00 (200) = $ 1600 Ganancia = I.- C.= 1600 700 = $ 900 o bien: Ganancia = 200 (8 3.50) = 200 (4.50) = $ 900

Se ordenan 300 y venden 100 Costo: 3.50 (300)= $ 1050 Ingreso: 8.00 (100) = $ 800 Ganancia = 800 1050 = $ -250 o bien: Ganancia = 100 (8 3.50) - 200 (3.50) = $ -250 Utilidad neta Prdida por rboles no vendidos.

Se ordenan 300 y venden 200 Costo: 3.50 (300)= $ 1050 Ingreso: 8.00 (200) = $ 1600 Ganancia = I. C. = 1600 1050 = $ 550

Se ordenan 300 y venden 300 Costo: 3.50 (300)= $ 1050 Ingreso: 8.00 (300) = $ 2400 Ganancia = 2400 1050 = $ 1350 o bien: Ganancia = 300 (8 3.50) = 300 (4.50) = $ 1350

Cuntos rboles se debern ordenar?

Analice las diferentes ganancias netas potenciales. Si se ordenan 100: Seguridad de ganancia: $ 450 Si se ordenan 200: Ganancia puede variar: $ 100 o $ 900 Si se ordenan 300: Ganancia flucta = - 250 a $ 1350

Por si solas las ganancias no son suficiente material para la toma de decisiones, por lo que se debe manejar bajo la teora de Toma de decisiones bajo riesgo. Donde las consecuencias de una accin dada dependen de algn evento probabilstico.

TOMA DE DECISIONES BAJO INCERTIDUMBRE

Ejemplo: La venta de rboles de navidad. A diferencia de la toma de Decisiones Bajo Riesgo, en esta categora (Bajo Incertidumbre). Equivale a Decidir cuntos rboles ordenar sin tener la ms remota idea de cuntos pueden venderse. Sera como disparar en la oscuridad Habr alguna manera ptima? En realidad no.

CMO RESOLVER ESTA SITUACIN?

UNO: Introduciendo los sentimientos subjetivos de OPTIMISMO Y PESIMISMO.

OPTIMISMO: La venta de rboles deben ser buenas, porque; hubo buena publicidad, no hay competencia. Emplear la estrategia MAXIMAX Seleccionar la accin que maximiza el pago mximo

Respuesta al problema: La ganancia mxima fue = $ 1350 MXIMAX = Se deber ordenar: 300 rboles.

PESIMISMO: Ser superconservador. Emplear la estrategia MAXIMIN Seleccionar la accin con el MAYOR DE LOS PAGOS MNIMOS

Respuesta al problema: El pago mnimo mayor fue = $ 450 MAXIMIN = Se deber ordenar: 100 rboles.

DOS: Estrategia alternativa. Convertir el problema a uno de Decisiones Bajo Riesgo, para hacer una seleccin ptima.

1.- Usar estimaciones subjetivas de probabilidad: Basadas en registros de ventas pasadas. Considerando el crecimiento en ventas.

2.- No se tienen bases para estimaciones subjetivas:

Emplear el PRINCIPIO DE LA RAZON INSUFICIENTE.

Suponer que todos los eventos son igualmente probables

Respuesta al problema: Se considera como probabilidad para cada venta = 1/3 y se calcula el VALOR ESPERADO aplicando esta probabilidad para elegir el valor mximo obtenido el cual ser considerando como la DECISIN PTIMA, ya que se desea obtener la mayor ganancia posible.

NOTA: Realizar el clculo respectivo a solicitud del maestro.

MATRIZ DE PAGOS

Ejemplo: La panadera Leonards prepara todos los das su famoso pan, este se vende a $ 1.00 la pieza cuando est recin hecho y cuesta $ 0.50 prepararlo. El pan que no se vende se lleva a la mesa de descuento en donde se vende a $0.50 la pieza. Aun a ese precio, la mitad del pan de la mesa de descuento no se vende y se tira.

La historia dice que la demanda del pan ha sido la que se muestra en la tabla:

DEMANDA EN DOCENAS DE PIEZAS 3 4 5 6

PROBABILIDAD 0.10 0.40 0.40 0.10 1.00

Solucin:
MATRIZ DE PAGOS DE LA PANADERIA

EVENTOS DEMANDA DE PAN FRESCO 3 doc 4 doc 5 doc 6 doc 0.10 0.40 0.40 0.10 18 15 18 24 21 18 18

ALTERNATIVAS 3 doc 4 doc 5 doc 6 doc

Ganancias asociadas con la preparacin de diferentes cantidades de pan: Prepara 3 doc. y se venden 3 doc. Costo: 0.50 (3)(12) = $ 18 Ingreso: 1.00 (3)(12) = $36 Ganancia = I C = 36 18 = $18

Prepara 4 doc. y se venden 3 doc. Costo: 0.50 (4)(12) = $ 24 Ingreso: 1.00 (3)(12) + 0.50 (1/2)(12) = 36 + 3 = $39 Ganancia = I C = 39 24 = $15

Prepara 4 doc. y se venden 4 doc. Costo: 0.50 (4)(12) = $ 24 Ingreso: 1.00 (4)(12) = $48 Ganancia = I C = 48 24 = $24

Prepara 5 doc. y se venden 3 doc. Costo: 0.50 (5)(12) = $ 30 Ingreso: 1.00 (3)(12) + 0.50 (1)(12) = 36 + 6 = 42 Ganancia = I C = 42 30 = $12

Prepara 5 doc. y se venden 4 doc. Costo: 0.50 (5)(12) = $ 30 Ingreso: 1.00 (4)(12) + 0.50 (1/2)(12) = 48 + 3 = 51 Ganancia = I C = 51 30 = $21

Prepara 5 doc. y se venden 5 doc. Costo: 0.50 (5)(12) = $30 Ingreso: 1.00 (5)(12) = $60 Ganancia = I C = 60 30 = $30

Prepara 6 doc. y se venden 3 doc. Costo: 0.50 (6)(12) = $ 36 Ingreso: 1.00 (3)(12) + 0.50 (1/2)(3)(12)= 36 + 9 = $45 Ganancia = I C = 45 36 = $9

Prepara 6 doc. y se venden 4 doc. Costo: 0.50 (6)(12) = $ 36 Ingreso: 1.00 (4)(12) + 0.50 (1)(12) = 48 + 6 = $ 54 Ganancia = I C = 54 36 = $18

Prepara 6 doc. y se venden5 doc. Costo: 0.50 (6)(12) = $ 36 Ingreso: 1.00 (5)(12) + 0.50 (1/2)(12) = 60 + 3 = $63 Ganancia = I C = 63 36 = $27

Prepara 6 doc. y se venden 6 doc. Costo: 0.50 (6)(12) = $ 36 Ingreso: 1.00 (6)(12) = $72 Ganancia = I C = 72 36 = $36

Toma de Decisin: (ptima)

Cmo seleccionarla?
R= IDENTIFICANDO EL VALOR ESPERADO MAS ALTO

Por lo tanto, se debe calcular el E(x) para cada alternativa:

E (preparar 3 doc.) = $18 (0.10) + $18 (0.40) + $18 (0.40) + $18 (0.10) = 1.8 + 7.2 + 7.2 + 1.8 = $ 18

E (preparar 4 doc.) = $15 (0.10) + $24 (0.40) + $24 (0.40) + $24 (0.10) = 1.5 + 9.6 + 9.6 + 2.4 = $23.10

E (preparar 5 doc.) = $12 (0.10) + $21 (0.40) + $30 (0.40) + $30 (0.10) = 1.2 + 8.4 + 12 + 3 = $24.60

E (preparar 6 doc.) = $9 (0.10) + $18 (0.40) + $27 (0.40) + $36 (0.10) = 0.9 + 7.2 + 10.8 + 3.6 = $22.50

R = El Valor Esperado ms alto fue para: Preparar 5 docenas de pan al da

Por lo tanto; la panadera Leonards deber decidir preparar 5 docenas de pan diariamente. Pero, habr una demanda de pan insatisfecha un dcimo del tiempo.

OBTENCIN DE DATOS PARA LA TOMA DE DECISIONES

Qu son los datos?

Ayudan a describir los sistemas del mundo real. Son una base parcial sobre las que se toman las decisiones.

Definicin formal de datos: Son hechos o conceptos conocidos o supuestos y generalmente se expresan en forma numrica. En las organizaciones: Reflejan lo que sucedi en el pasado y lo que esta sucediendo. Pueden ser tiles para tomar decisiones sobre el futuro. En mtodos cuantitativos: Es comn suponer que los datos estn disponibles y pasar a procedimientos de anlisis. Pero desafortunadamente los datos no siempre estn disponibles y la obtencin de los datos es el paso ms costoso y laborioso.

TIPOS DE DATOS
DATOS DE TRANSACCIONES: Son los que ms conservan las organizaciones. Resultan de las transacciones diarias de una organizacin. Se conservan porque es importante guardar referencias de lo que sucede.

DATOS INTERNOS: Son los que se refieren a lo que sucede dentro de la organizacin. Observar que: los datos de transaccin tambin son datos internos pero: existen datos internos que no son datos de transaccin. DATOS EXTERNOS Y DEL MEDIO AMBIENTE: Se refiere al medio en que opera la organizacin. Ejemplos: Grficas de estas industriales. Tasa de impuestos federales. El producto interno bruto. DATOS OBJETIVOS: Reflejan hechos o conceptos que no requieren subjetividad en su interpretacin.

DATOS SUBJETIVOS: Son los que reflejan creencias subjetivas.

LOS DATOS Y SUS REQUERIMIENTOS EN LOS DIFERENTES NIVELES DE LA ORGANIZACIN

Las necesidades de datos difieren con los niveles ya que la naturaleza de la toma de decisiones vara al escalar la pirmide de la organizacin. Administracin a bajo nivel tambin llamada control operativo: Su funcin primordial es asegurarse que las tareas especficas se llevan a cabo de manera eficaz y eficiente. En consecuencia, los datos que respaldan la toma de decisiones son datos internos y objetivos. Administracin media incluida en el control administrativo: Cuya funcin es asegurarse que los administradores obtengan los recursos y estos se empleen en forma eficaz y eficiente en el logro de los objetivos de la organizacin. Aqu todava se necesitan de datos subjetivos internos. Pero la obtencin eficaz y eficiente de recursos del medio externo tambin crea la necesidad de datos externos y subjetivos. Alta administracin responsable de la planeacin estratgica: Cuya funcin es decidir sobre los objetivos de la organizacin, cambios en los objetivos, recursos para lograr los objetivos y polticas que han de regir la adquisicin, uso y disponibilidad de estos recursos. Tiene necesidad crtica de datos subjetivos y externos, estos requerimientos son los ms difciles de satisfacer, ya que este tipo de datos no se generan por las operaciones diarias de la organizacin, sino que requieren esfuerzo y cuidado considerable al recabar y obtener estos datos.

FUENTES DE DATOS

Datos de transaccin: Del sistema contable de la organizacin. Se pueden proporcionar en forma: De informes programados y en forma especial cuando se demandan bajo especificaciones como un informe pedido.

Datos Internos: Son poco ms difciles de obtener ya que no todos son de transacciones. Si son adems subjetivos se necesita consultar a las personas apropiadas en la empresa para obtenerlos.

Datos externos: Disponibles solo cuando se ha hecho una planeacin previa a la demanda de los datos. No se captura en forma automtica por el sistema de informacin de la organizacin. Se obtienen de fuentes externas diversas.

Ejemplos: Asociaciones de intercambio. Un estudio especial para obtenerlos. A travs de formas de consultores.

RBOLES DE DECISIN
Uso: Cuando se debe optimizar una serie de decisiones. Cuando se involucran alternativas de decisin y eventos secuenciales se deben: Identificar todas las alternativas. Identificar todos los eventos. Analizar de antemano si se quiere optimizar la serie de decisiones.

COMPONENTES Y ESTRUCTURA
COMPONENTES SON 4: 1.- ALTERNATIVAS DE DECISIN en cada punto de decisin.

2.- EVENTOS: Lo que puede ocurrir como resultado de cada alternativa.

3.- PROBABILIDADES: De que ocurran los eventos posibles como resultado de las decisiones.

4.- RESULTADOS: Casi siempre econmicos. Posibles interacciones entre alternativas y eventos.

ESTRUCTURA: Se organizan mediante un DIAGRAMA DE RBOL.

ANLISIS DE UN RBOL DE DECISIONES

1.- Comienza a la extrema derecha del rbol. 2.- Se mueve a travs de los NODOS de los EVENTOS y PUNTOS DE DECISIN de derecha a izquierda. 3.- En cada NODO de evento se hace un clculo de VALOR ESPERADO. 4.- En cada PUNTO DE DECISIN se selecciona LA ALTERNATIVA con el VALOR ESPERADO PTIMO. Ejemplo: Objetivo: MAXIMIZAR LA SERIE DE DECISIONES. 1.- Se encuentran NODOS de eventos que requieren clculos de VALOR ESPERADO.

2.- Se calcula el V. E. y se obtienen los resultados posibles al tomar cada alternativa de decisin.

3.- Cuando en el avance del anlisis se llega a segundos puntos de decisin, aqu se tiene que seleccionar la alternativa de decisin que proporcion el MEJOR VALOR ESPERADO y RECHAZAR las otras opciones. Estas se ignoran de aqu en adelante y se indica con un par de diagonales que cortan esa(s) rama(s) del rbol de decisin.

4.- Continuando hacia la izquierda, se ubica los nuevos nodos de eventos.

5.- Se calculan los V.E. para cada nodo. Cuidando solo de incluir el resultado asociado con la alternativa que se seleccion anteriormente.

6.- Se ha llegado al primer punto de decisin, entonces, seleccionar plan ptimo.

GRADO DE RIESGO DEL PLAN

1.- Solo incluir los resultados asociados con las alternativas de decisin que la

administracin pretende seguir.

2.- Riesgo = Considerar lo mejor y peor que pueda ocurrir.

ESQUEMA DE UN ARBOL DE DECISION

ANALISIS DEL ARBOL DE DECISION

TOMA DE DECISIN CALCULO DEL VALOR ESPERADO

UNIDAD 5 TEORIA DE COLAS

UNIDAD 6 OPTIMIZACIN DE REDES

Mtodos
Existen 4 tipos de mtodos: Gantt (Barras) Redes CMP(Ruta Crtica) PERT (Tcnicas de evaluacin y revisin de programas)

GRAFICAS DE GANTT
Lado izquierdo: Lista de actividades Tiempo: Horizontalmente Duracin de C/Actividad: Una barra desde la fecha inicio hasta fecha Terminacin

FACTORES QUE RESUMEN LA IMPORTANCIA Y SIGNIFICANCIA DE LA GRAFICA DE GANTT

1) Se desglosa en Actividades significativas Se estima cunto durar c/actividad Se programa el Inicio y Terminacin de c/actividad

PLANEACION

2) Simplicidad de dicha grafica Facilidad para entenderla

3) Sencilla su actualizacin para mostrar el estado actual con fin del Control Desventaja: No se muestra relaciones entre actividades

REDES:
1) Se dibujan en formato libre sin escalas fijas 2) Se muestra las interconexiones de las actividades 3) Las actividades se dibujan como lneas o crculos

PASAR DE GANTT A REDES:

1) Se colocan crculos en inicio y final de cada barra 2) El tiempo se cambia de posicin hacia la parte inferior 3) Se maneja como si se tuviera pilares hasta arriba ( pilares=eventos)

2 TIPOS DE DIAGRAMAS DE REDES

1) El diagrama de flechas 2) El diagrama de actividades en los nodos (AON)

1) DIAGRAMA DE FLECHAS (PERT)

/ Orientado a eventos

Actividades : Lneas o flechas. Eventos: Crculos o nodos. Tiempo o duracin de actividad: Sobre la flecha Identificacin de actividades: 1. Por letra o Smbolo sobre la lnea 2. Haciendo referencia a los eventos inicial y terminal: Act. A=Act. 1, 2

B(2) A(4) C(3) D(1) E(5)

2) DIAGRAMA DE ACTIVIDADES EN NODOS AN (CPM) / Orientado a Actividades Actividades: En nodos o crculos Tiempo o duracin de las actividades: Tambin dentro del nodo

Lneas, flechas o curvas: Indican meramente RELACIN DE PERTENENCIA actividades.

DIAGRAMA DE FLECHAS (PERT)

Actividades: Se identifican por medio de #s de Eventos Inicial y Terminal de c/u Ejemplo: Act. A Acti (1,2) A B ACTIVIDADES FICTICIAS: Se usan P/ Proporcionar pares nicos para c/actividad y satisfacer relaciones de pertenencia. Cuando existe duplicidad:

1 2 1) Se agrega un nuevo evento que termine en una de las actividades. En conclusin se tendr pares de #s nicos

2) Entonces para satisfacer la RELACION DE PRECEDENCIA se agrega, una Actividad Ficticia el nuevo evento y el que ya se tena

3) Las Actividades Ficticias necesitan tiempo = cero para terminarse.

Se dibujan con lneas punteadas.

TIEMPOS DE ACTIVIDADES
TIEMPOS DE TERMINACION PROXIMA Y TIEMPOS DE TERMINACION LEJANO
Se les asocia 4 tiempos: IP: Inicio Prximo IL: Inicio Lejano TP: Terminacin Prxima TL: Terminacin Lejana Para el clculo: Se recomienda un clculo que utiliza el tiempo de los eventos. 1) Calcular los tiempos de los eventos. 2) Usarlos p/encontrar los tiempos de las actividades. TABLA PARA TIEMPOS DE ACTIVIDADES: Es necesario construir una tabla como la que se muestra

NOTA ACLARATORIA.- Recordar que: LOS TIEMPOS DE LOS EVENTOS se registran en el diagrama de red. LOS TIEMPOS DE LAS ACTIVIDADES se registran en la tabla

CALCULO DE TIEMPOS DE ACTIVIDADES Y LLENADO DE TABLA

1er. Paso: 1) Se calculan tiempos Terminacin Prxima de c/evento 2) Se calculan tiempos Terminacin Lejana de c/evento 3) Se encuentra la RUTA CRITICA 2do. Paso: Se llena la tabla segn el siguiente orden: Paso 1) Se llena la columna de INICIO PRXIMO (IP) IP (Actividad) = TP (del evento en que comienza)

La actividad NO puede comenzar hasta que termine el evento en que comienza.

Paso 2) Se encuentra el TIEMPO DE TERMINACION PROXIMA DE C/ACTIVIDAD (TP) TP (Actividad) = IP + Duracin de Actividad

Paso 3) Encontrar TIEMPO TERMINACION LEJANA DE C/ACTIVIDAD (TL Actividad) Otra vez, se usan los tiempos de los eventos

TL (Actividad) = TL (Evento en que termina) Una actividad NO puede terminar despus del TL del evento en que termina

Paso 4) Encontrar el TIEMPO DE INICIO LEJANO (IL)

IL (Actividad) = TL actividad - Duracin de la Actividad

Paso 5) Encontrar la HOLGURA DE LA ACTIVIDAD: Holgura (actividad) = TL - TP = IL - IP Valor Holgura = 0 estn en Ruta Crtica. 1-2, 2-4, 4-5

PERT: Uso de Redes Probabilsticas

PERT: TECNICA DE EVALUACION Y REVISION DE PROGRAMAS Su objetivo: Se desarrollo con el fin de producir la incertidumbre en las estimaciones de la duracin de c/actividad. Utiliza 3 estimaciones de tiempo, las combina estadsticamente y llega a estimaciones probabilsticas de la terminacin del proyecto. Estimaciones de tiempo:

PERT: Combina estas 3 estimaciones suponiendo que : Las 3 definen los PARAMETROS DE UNA DISTRIBUCION DE PROBABILIDAD (BETA) ACCIONES A SEGUIR: Paso I: Determinar los tiempos de los eventos y actividades: 1) Encontrar la DURACION MEDIA o PROMEDIO para c/Actividad 2) Aplicando el procedimiento anterior: encontrar Tiempos de Eventos y Actividad 3) Calcular la DESVIANCION ESTARNDAR DE LA DURACION de c/Actividad 4) Calcular la DESVIANCION ESTARNDAR DE TODO EL PROYECTO 5) Con la DESVIACION ESTANDAR se interpreta el TIEMPO DE TERMINACION DE TODO el proyecto CALCULO DE LAS ESTADISTICAS DE TIEMPO DE LAS ACTIVIDADES Paso 1) Calculo de la MEDIA de la distribucin : (t) Para c/ACTIVIDAD t = a + 4m + b 6 a = Tiempo optimista (mnimo) m = Tiempo ms probable (moda) b = Tiempo pesimista (mximo) t = Tiempo MEDIO o PROMEDIO = MEDIA

Paso 2) encontrar TIEMPOS PARA EVENTOS Y ACTIVIDADES (TP, TL p/eventos y Actividades) Ruta Crtica.

En el orden descrito en la tabla

Paso 3) Calcular DESVIACION ESTANDAR DE DURACION DE CADA ACTIVIDAD () (Ver en tabla arriba)

= b - a 6 = Desviacin estndar a = Tiempo optimista b = Tiempo pesimista en Ruta Crtica: 1-2= 1.33 2-4=0.33 4-5=1.33

Paso 4) Calcular DESVIACION ESTANDAR DE TODO EL PROYECYO (T) T= 21-2 + 22-4 + 24-5 (1.33)2 + (0.33)2 + (1.33)2

T=

T=

1.91

Hasta aqu: La Terminacin del proyecto: Se distribuye normalmente Con MEDIA= 12 semanas Y T= 1.91 semanas

Paso 5) ESTIMACION DE LA TERMINACION EL PROYECTO Cundo se terminar el proyecto? Con base en la distribucin normal se afirma que: Solo existe un 50% de probabilidad de terminar en 12 semanas o menos

Uso de la distribucin del tiempo de terminacin de un proyecto Responder diversas preguntas sobre el TIEMPO ESTIMADO Ejemplo: Cul es la probabilidad de terminar la casa en 15 semanas? z=x - z = 15 - 12 1.91 z = 1.57 Tabla z P=0.94179 0.942 o 94.2%

94.2% de probabilidad de terminar la casa en 15 semanas o menos

Beneficios del PERT:

Proporciona informacin adicional al reconocer la incertidumbre del predecir cuanto tiempo se llevar desarrollar algn proyecto. Cuantifica el riesgo del administrador. Y permite el trueque entre tiempo y recursos.

si se requiere tener un 99% de confianza en terminar el proyecto, que estimacin se debe de dar para estimar el proyecto? Si Z = x - X=+z X = 12 + (2.33)(1.91) ? =12 +

CPM: Mtodo de la Ruta Crtica

Objetivo: Resolver el problema de los trueques entre tiempo y recursos. Supone que las duraciones (LOS TIEMPOS) Y LOS COSTOS DE ACTIVIDADES se pueden predecir y usar p/estimaciones deterministas.

Utiliza 2 estimaciones de Tiempo y Costo para cada una de las Actividades. Considera que el COSTO (esfuerzo extra) puede reducir el tiempo de terminacin de una actividad.

C PM
ESTIMACION ES

TIEMPO Y COSTO NORMAL

TIEMPO Y COSTO INTENSIV O

Tiempo y Costo para terminar cada actividad con nivel de esfuerzo normal o estndar

Se aplica mayor esfuerzo

Minimice Tiempo de Terminacin

RELACION LINEAL

(Ms no siempre se d)

Esfuerzo Intensivo C O S T O TIEMPO

Esfuerzo Normal

PASOS PARA ENCONTRAR LA RED DE TIEMPO MINIMO COSTO MINIMO

Existen 2 redes: 1) Red con todo normal: Tiempo MAS LARGO p/terminacin Y costo MAS PEQUEO posible Tiempo MAS CORTO o MINIMO Y COSTO TOTAL MAXIMO

2) Red con todo Intensivo:

(A veces el Tiempo mnimo o terminacin puede alcanzarse a un COSTO MENOR que el mximo) Red de Tiempo Mnimo Costo Mnimo: Existen 3 enfoques para encontrar la red. Enfoques: 1. Comenzar con la red normal e ir reduciendo los tiempos de Terminacin hasta un mnimo. 2. Comenzar con la red de todo intensivo y des intensificar actividades p/reducir el costo sin afectar el tiempo total. 3. Comenzar con la ruta crtica de todo intensivo con un tiempo mnimo, pero las actividades normales. Despus reducir las otras trayectorias como sea necesario

1. RED NORMAL PASO I: PASO 1) Se elabora la red y se colocan los tiempos Normales en la red PASO 2) Se calcula el TP (tiempo de Terminacin Prxima para cada evento) PASO 3) Se calcula el TL (tiempo de Terminacin Lejana para cada evento) PASO 4) Se calcula la Holgura PASO 5) Se identifica la Ruta Crtica PASO 6) Se elabora la tabla de datos del CPM que incluye: Actividad, columnas de Tiempo Normal y el Costo e Intensivo

PASO II: Hacer intensivos las actividades de la Ruta Crtica, es decir, reducirlas a su tiempo mnimo. Nota: Reducir tiempo aumenta costo

INTENSIFICACION DE LA RUTA CRTICA

EL TIEMPO MINIMO fue: NORMAL

3 + 1 + 2 + 1 = 7 semanas para la RUTA

PASO III: Se inspeccionan las dems trayectorias para comprobar si es necesario intensificar algo ms: Se hace trazando todas las trayectorias a travs de la red. Buscando subredes y comparando con RUTA CRITICA.

1a Subred:
Entre los eventos 2 y 4 hay 2 trayectorias: (2,4) (2,3,4) Pero (2,4): es crtica en 1 semana (2,3,4) debe intensificarse a no ms de 1 semana pero (3,4) es ficticia (2,3) es quien debe hacerse intensiva o sea, reducirse en1 semana: duracin (2,3) = 2 semanas 1 = 1 semana pero el costo aumenta en $500

2a Subred:
Del evento 4 al 7 hay 2 trayectorias: (4, 5, 7) (4, 6, 7) (4, 5, 7) estn en la Ruta Crtica y forman 2 actividades: (4,5) y (5,7) Con 3 semanas en total [2+1]. Ya fueron intensificadas en PASO II. Trayectoria (4, 6, 7) Hay 2 actividades: (4,6) y (6,7) y una de las 2 tiene que reducirse 1 semana segn tiempo Intensivo en tabla Cul debe ser?

Recordando que Si se reduce tiempo, el costo aumenta y como siempre se desea trabajar con el menor costo posible; entonces, se debe minimizar este costo. Esto quiere decir elegir la actividad cuyo costo para reducir sea MENOR ( C $) ya que fue calculado y aparece en tabla.

C (4,6) = $200 C (6,7) = $400

minimizando costo

200 se elige Actividad (4,6)

Red ya intensificada: RED DE TIEMPO MINIMO COSTO MINIMO

PASO IV: Se vuelve a calcular TODO: A 4 le siguen 5 y 6 (4, 5) = 6 2 = 4 (4, 6) = 5 1 = 4 A 2 le siguen 3, 4 y 7 (2, 3) = 4 1 = 3 Ms pequeos (2, 4) = 4 1 = 3 (2, 7) = 7 1 = 6 Conclusin: La obra se puede completar en 7 semanas (FIN) A un costo de: Para saberlo se debe elaborar una tabla de clculo como se muestra:

Conclusin: Tiempo para terminar obra = 7 semanas Costo mnimo: $ 11,400 Diferencia entre este costo mnimo y el costo que sera si fuera TODO INTENSIVO COSTO TODO INTENSIVO = $ 11, 800 COSTO MINIMO = - $ 11, 400 $ 400 Diferencia en costos

Ejercicio: trabajo de investigacin

a) Dibujar la red. Con los tiempos normales, encontrar la duracin total del proyecto y La Ruta Crtica b) Supngase que el proyecto de debe completar en un tiempo mnimo cul es el menor costo para el proyecto?, es decir, cul es la Red de Tiempo mnimo costo mnimo?

PASO I: a)

El tiempo mnimo ruta normal es:

4 + 7 = 11 meses

Paso 2) TP: A 3 llegan 1 y 2 A 4 llegan: (1, 3) = 0 + 9 = 9 (2, 4) = 8 + 10= 18 (2, 3) = 8 + 3 = 11 (3, 4) = 11 + 6 = 17 Ms grande

Paso 3) TL: 7 TP = TL 18 = 18

3 Le sigue solo 1 el 4 : 18 6 = 12 2 Le siguen 2 eventos: 3 y 4 3 = 12 3 = 9 4 = 18 10 = 8 el ms Pequeo

1 Le siguen 2 eventos: 2 y 3 2 = 8 8 = 0 el ms pequeo 3 = 12 9 = 3

PASO II: Hacer intensivas las actividades de la Ruta Crtica

El tiempo mnimo ruta normal es: 4 + 7 = 11 meses

PASO III: Inspeccionar dems trayectoria para comprobar si es necesario reducir. Buscar subredes y comparar con la Ruta Crtica.

Subred 1:
Entre los eventos 1 y 3 hay 2 trayectorias: 1 3 123 1 2 3: Esta formada por ( 1 2 ) que es crtica en 4 meses y la ( 2 3) con 3 meses dando en total la trayectoria 1 2 3 = 4 + 3 = 7 meses. 1 3: sta, por tanto, debe reducirse 2 meses para tener un duracin de tambin 7 meses

Subred 2:
Del evento 2 al 4 hay dos trayectorias: 2 4 234 2 4: Es crtica con un total de 7 meses La 2 3 4 est formada por la (2 3) y (3 4): (2 3) es compartida = 3 meses Y (3 4) debe reducirse 2 meses para un total de (2 3) y (3 4) = 3m + 4m = 7 meses igual que la trayectoria crtica Intensificar = Reducir

PASO IV:

PASO V: TABLA DE DATOS CPM

TIEMPOS DE EVENTOS

a) Encontrar el Tiempo de Terminacin prxima para cada evento TP = TP (evento anterior) + duracin actividad Izq TP = (1, 2) = 0 + 3 = 3 (1, 3) = 0 + 4 = 4 A la 4 llegan 3 actividades: (1, 4) = 0 + 12 = 12 (2, 4) = 3 + 8 = 11 (3, 4) = 4 + 6 = 10 Derecha

Tiempo ms largo

A la 5 llegan 2 actividades: (2, 5) = 3 + 18 = 21 (4, 5) = 12 + 15 = 27 A la 6 llegan 2 actividades: (4, 6) = 12 + 20 = 32 (5, 6) = 27 + 5 = 32 TP = (6, 7) = 32 + 4 = 36 A la 8 llegan 3 actividades: (5, 8) = 27 + 13 = 40 (6, 8) = 32 + 6 = 38 (7, 8) = 36 + 0 = 36

Tiempo ms largo

Tiempo ms largo

b) Encontrar el tiempo de Terminacin lejana para cada evento TL = TL (siguiente evento) duracin evento 1) Siempre, a menos de tener otra informacin, TL = TP para el proyecto Si TL = TP 8 = 40 = 40 7 Slo tiene 1 evento que le sigue 8 TL = 40 0 = 40 El 6 tiene 2 que le siguen el 7 y 8 (6, 7) = 40 4 = 36 (6, 8) = 40 6 = 34 Tiempo ms pequeo Al 5 tiene 2 que le siguen el (5, 6) = 34 5 = 29 (5, 8) = 40 13 = 27 6 y 8 Tiempo ms pequeo Derecha a izquierda

El 4 tiene 2 que le siguen el 5 y 6 (4, 5) = 27- 15 = 12 Tiempo ms pequeo (4, 6) = 34 20 = 14

El 3 tiene 1 que le sigue el 4 (3,4) = 12 6 = 6 El 2 tiene 2 que le siguen el 4 y 5 (2,4) = 12 8 = 4 (2, 5) = 27 18 = 9 Al 1 le siguen 3 el 2 , 3 y 4 (1,2) = 4 3 = 1 (1,3) = 6 4 = 2 (1,4) = 12 12 = 0 Tiempo ms pequeo

Tiempo ms pequeo

c) Encontrar holgura de c/evento Holgura = TL TP = 00=0 = 43=1 = 64=2 = 12 12 = 0 = 27 27 = 0

 = 34 32 = 2 = 40 36 = 4 = 40 40 = 0 d) Encontrar la Ruta Crtica Los eventos con holgura = cero deben de estar en R. C. Los eventos 1, 4, 5, 8, deben estar en R. C.