27/01/2017

INVESTIGACIN DE OPERACIONES 2

Ing. Jess Gabaln Coello

INVESTIGACIN DE OPERACIONES 2

NOMBRE DE LA INVESTIGACIN DE CDIGO DE LA

562203
ASIGNATURA: OPERACIONES 2 ASIGNATURA:
OFRECIDO DEPARTAMENTO DE OFRECIDO ING. INDUSTRIAL
POR: OPERACIONES Y SISTEMAS PARA: E INFORMATICA
CARCTER DE
NMERO DE
LA OBLIGATORIA 3
CREDITOS:
ASIGNATURA:
SI NO SI NO
VALIDABLE: HOMOLOGABLE:
X X
PRE-
Investigacin de Operaciones I Estadstica I
REQUISITOS:

1
 27/01/2017

OBJETIVOS

Objetivo General

Brindar al estudiante una introduccin general

sobre los fundamentos de tcnicas avanzadas
utilizadas por la Investigacin de Operaciones
como: el anlisis clsico de decisiones, cadenas de
Markov, teora de colas y redes de Petri, haciendo
nfasis en sus elementos tericos y herramientas
como soporte para la solucin de los modelos.

Objetivos Especficos

Identificar, modelar y resolver diferentes problemas de

optimizacin estocstica que se presenten en el entorno de las
organizaciones.

Analizar diversas situaciones que conduzcan a la formulacin de

modelos estocsticos proponiendo alternativas de modelacin y
solucin.

Construir, resolver y analizar modelos de anlisis de decisiones,

cadenas de Markov, teora de colas y redes de Petri, observando
cuidadosamente la aplicacin de stas tcnicas en sistemas reales.

2
 27/01/2017

METODOLOGA

Clase: Mediante la cual el profesor da explicaciones sobre los temas, resuelve interrogantes y aclara
dudas. Los estudiantes, por su parte, escuchan las exposiciones, toman notas, preguntan y participan
opinando, aclarando dudas y realizando en clase el ejercicio de aplicacin.

Estudio Independiente: El estudiante de manera independiente realiza lecturas, tareas, consulta libros,
realiza composiciones escritas y ejercicios. La lectura para cada clase es obligatoria.

Taller y/ trabajos que sern desarrollados bajo la responsabilidad de los estudiantes en forma
individual o en grupo mximo de tres estudiantes.

Tutora: Donde profesor y estudiante trabajan sobre el proceso, las dificultades y los problemas que va
teniendo el estudiante: le ayuda a interpretar lo que est ocurriendo.

Proyecto: Aplicacin prctica de los conceptos revisados sobre casos reales.

Lecturas en Ingles: El docente asignara dos lecturas en ingles de cualquiera de los temas del curso con
carcter obligatorio y sobre las cuales existirn preguntas en las evaluaciones acordadas.

Trabajos de Investigacin: Proyecto final de curso

EVALUACIN

3
 27/01/2017

BIBLIOGRAFA

Hillier, Frederick y Gerald, J. Lieberman. Introduccin a la Investigacin de Operaciones.

Wayne, L., Winston. Investigacin de Operaciones. Aplicaciones y Algoritmos

Taha, Hamdy A. Investigacin de Operaciones, Una introduccin.

Mathur, Kamlesh. Investigacin de Operaciones: el arte de la toma de decisiones.

Gould, F. J. Investigaciones de Operaciones en la Ciencia Administrativa.

Bonini Charles E. Anlisis Cuantitativo para los Negocios.

Davis, K. Roscoe. Modelos cuantitativos para la Administracin.

Anderson, David R. Mtodos cuantitativos para los negocios.

Moskowitz, Herbert. Investigacin de operaciones.

UNIDAD 1 TEORIA DE LA DECISIN

Introduccin a la Teora de Decisiones, generalidades, modelos en la

toma de decisiones las decisiones en los sistemas.

Toma de decisiones bajo condiciones de certidumbre. Criterios de

Incertidumbre, criterio de Wald, criterio Maximax, criterio de Savage o
deploracin, criterio de Laplace y criterio de Hurwicz. Ejemplo de
aplicacin

Criterios de Riesgo, probabilidades a priori. Criterio de mxima

probabilidad y criterio del valor esperado, criterio de mnima varianza
con media acotada, criterio de media con varianza acotada, criterio de
dispersin. Ejemplo de aplicacin.

Anlisis de sensibilidad. rboles de decisin.

Aplicacin del teorema de Bayes, probabilidades condicionales y

probabilidades a posteriori.

Valor esperado de la informacin perfecta - valor esperado de la

experimentacin. Eficiencia.

Teora de Utilidad.

4
 27/01/2017

UNIDAD 2 CADENAS DE MARKOV

Introduccin a Procesos Estocsticos. Cadenas de Markov.

Cadenas de Markov de estado finito, probabilidades de transicin,

tipos de matrices de transicin.

Ecuacin de Chapman y Kolmogorov. Representacin de cadenas

de Markov con grafos y anlisis topolgico de las Cadenas de
Markov. Taller de aplicacin.

Clasificacin de las Cadenas de Markov. Clculo de probabilidades

estables, tiempos de primera recurrencia.

Cadenas de Markov - Probabilidades estacionarias.

UNIDAD 3 TEORA DE LNEAS DE ESPERA TEORA DE COLAS.

Introduccin y presentacin. Estructura bsica de los modelos.

Modelado de procesos de llegada y servicio. Procesos de
nacimiento y Muerte.

Modelo Unicanal Multicanal con poblacin infinita. Notacin de

Kendall Lee.

Modelos de Lneas de Espera con llegada Poisson y distribucin de

servicio diferente a la Exponencial. Modelo de reparacin de
mquinas.

Interpretacin econmica de los modelos de Lneas de Espera.

5
 27/01/2017

UNIDAD 4 REDES DE PETRI.

Conceptos bsicos de redes de Petri.

Representacin Grfica

Estructuras bsicas

Propiedades de las redes de Petri.

Ejercicios de aplicacin

6
 27/01/2017

UNIDAD 1 TEORIA DE LA DECISIN

Introduccin a la Teora de Decisiones, generalidades, modelos en la

toma de decisiones las decisiones en los sistemas.

Toma de decisiones bajo condiciones de certidumbre. Criterios de

Incertidumbre, criterio de Wald, criterio Maximax, criterio de Savage o
deploracin, criterio de Laplace y criterio de Hurwicz. Ejemplo de
aplicacin

Criterios de Riesgo, probabilidades a priori. Criterio de mxima

probabilidad y criterio del valor esperado, criterio de mnima varianza
con media acotada, criterio de media con varianza acotada, criterio de
dispersin. Ejemplo de aplicacin.

Anlisis de sensibilidad. rboles de decisin.

Aplicacin del teorema de Bayes, probabilidades condicionales y

probabilidades a posteriori.

Valor esperado de la informacin perfecta - valor esperado de la

experimentacin. Eficiencia.

Teora de Utilidad.

7
 27/01/2017

Investigacin de Operaciones
Herramientas de modelacin

Queueing
Markov
Theory PERT/
Chains
CPM Network
Simulation Programming
Decision Stochastic
Inventory Analysis Programming Linear
Theory Programming
Markov
Dynamic Nonlinear
Forecasting Decision
Programming Integer Programming
Processes
Programming
Game
Theory

Naturaleza de la toma de decisin

Analizar las Evaluar las Elegir Alcanzar un
opciones consecuencias objetivo
Favorables
No
Desfavorables

Favorables
Desfavorables SI

Favorables
Desfavorables No Pars

Favorables
No
Desfavorables
16/14

8
 27/01/2017

Papel de la informacin

Para tomar una buena decisin, la informacin

debe ser:

De buena calidad
(exacta y confiable)
Puntual
Completa
Pertinente

El universo de la toma de decisin

Incertidumbre Riesgo Certeza
(universo incierto) (universo aleatorio) (universo determinado)

9
 27/01/2017

Introduccin al anlisis de decisin

Provee un marco conceptual para tomar

decisiones importantes.
Permite seleccionar una decisin de un conjunto
posible de alternativas de decisin.
La meta es optimizar los resultados en funcin de
un criterio de decisin.

10
 27/01/2017

Anlisis de la tabla de resultados

Tablas de resultados
El anlisis de la tabla de resultados puede ser aplicado
cuando:
Existe un conjunto finito de alternativas discretas de decisin.
El resultado de la decisin est en funcin de un solo evento futuro.
Dentro de la tabla de resultados:
Las filas corresponden a las posibles alternativas de decisin.
Las columnas corresponden a los posibles eventos futuros.
Eventos (estados de la naturaleza) son mutualmente excluyentes y
colectivamente exhaustivos.
Las entradas de la tabla son los resultados.

11
 27/01/2017

Ejemplo
Un hospital est considerando adicionar un servicio de terapia
fsica para sus cliente. Se tienen tres formas estudiadas para
realizar lo anterior:

Opcin A: Contratar con un profesional independiente a $60

(miles de pesos) por visita.

Opcin B: Contratar a un profesional de planta con un salario

mensual de $4000 (miles de pesos) ms $400 (miles de
pesos) mensuales por un carro alquilado ms $7 (miles de
pesos) por visita para viticos.

Opcin C: Contratar un profesional independiente a $35 (miles

de pesos) por visita, pero pagar por beneficios adicionales
$200 (miles de pesos) mensuales y cubrir los costos de carro y
viticos como en la opcin B.

Demanda de servicios atencin a

pacientes / mes

Estados de la naturalezaj
s1 s2 s3 s4
30 90 140 150

Condicin 1: Las probabilidades de los estados

de naturaleza son desconocidas.
Condicin 2: Por cada visita realizada el hospital
cobra a los clientes $75 (miles de pesos).

12
 27/01/2017

Solucin
Construir una tabla de resultados.
Seleccionar un criterio para la toma decisin
y aplicarlo a la tabla de resultados.
Identificar la decisin ptima.
Evaluar la solucin.
S1 S2 S3 S4 Criterio

D1 p11 p12 p13 p14 P1

D2 p21 p22 p23 P24 P2
D3 p31 p32 p33 p34 P3 25

Payoff Matrix
Alternativasi
Contratar con un trabajador independiente a $60/visita
d1 Utilidad = (75 - 60) * D = 15*D

d2

d3

13
 27/01/2017

Payoff Matrix
Alternativasi
Contratar con un trabajador independiente a $60/visita
d1 Utilidad = (75 - 60) * D = 15*D
Pagar mensualmente salario de $4,000
Alquiler carro $400
Viticos a $7/visita
d2
Utilidad = - 4,000 - 400 + (75 - 7) * D = -4,400 + 68*D

d3

Payoff Matrix
Alternativasi
Contratar con un trabajador independiente a $60/visita
d1 Utilidad = (75 - 60) * D = 15*D
Pagar mensualmente salario de $4,000
Alquiler carro $400
Viticos a $7/visita
d2
Utilidad = - 4,000 - 400 + (75 - 7) * D = -4,400 + 68*D
Contrato $35 por visita
Alquiler carro $400
Beneficios adicionales $200
d3 Viticos a $7/visita
Utilidad = -400 -200+ (75 - 35 -7) * D = -600 + 33*D

14
 27/01/2017

Payoff Matrix
Beneficio total (Alt 1) = 15*D
s1 s2 s3 s4
30 90 140 150
d1 450 1350 2100 2250

d2

d3

Payoff Matrix
Beneficio total (Alt 2) = -4,400 + 68D
s1 s2 s3 s4
30 90 140 150
d1 450 1350 2100 2250

d2 -2360 1720 5120 5800

d3

15
 27/01/2017

Payoff Matrix
Beneficio total (Alt 3) = -600 + 33D
s1 s2 s3 s4
30 90 140 150
d1 450 1350 2100 2250

d2 -2360 1720 5120 5800

d3 390 2370 4020 4350

Payoff Matrix

s1 s2 s3 s4
30 90 140 150
d1 450 1350 2100 2250

d2 -2360 1720 5120 5800

d3 390 2370 4020 4350

16
 27/01/2017

TOMA DE DECISIN BAJO INCERTIDUMBRE

TOMA DE DECISIN BAJO INCERTIDUMBRE

El criterio de decisin se basa en la actitud del tomador

decisin hacia la vida (se constituyen en escenarios):

Los criterios ms utilizados son:

Maximin Criterion (enfoque conservador).
Minimax Regret Criterion (prdida de oportunidad) (Savage).
Maximax Criterion (enfoque optimista) (Wald).
Principle of Insufficient Reasoning (ninguna informacin sobre
la posibilidad de ocurrencia de varios estados de naturaleza).

17
 27/01/2017

Maximin - Criterio que maximiza el

mnimo resultado de cada alternativa.

Pasos:
1) Identifique el mnimo resultado de
cada alternativa.
2) Seleccione el resultado mnimo mayor.

18
 27/01/2017

Maximin (conservador)

s1 s2 s3 s4 Maximin
30 90 140 150
d1 450 1350 2100 2250 450

d2 -2360 1720 5120 5800 -2360

d3 390 2370 4020 4350 390

Maximax - Criterio que maximiza el

mximo resultado de cada alternativa.

Pasos:
1) Identifique el resultados mximo por
cada alternativa.
2) Seleccione el mximo resultado.

19
 27/01/2017

Maximax (Optimista)

s1 s2 s3 s4 Maximax
30 90 140 150
a1 450 1350 2100 2250 2250

a2 -2360 1720 5120 5800 5800

a3 390 2370 4020 4350 4350

20