Guia Investigacion Operativa Operativa 2 2017

UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE CIENCIAS ADMINISTRATIVAS
MODALIDAD A DISTANCIA
INVESTIGACIN OPERATIVA II
AUTORES:
Ing. Edwin Roberto Gmez Bastidas, MBA.
Dra. Mayra Alexandra Crdova Alarcn, Mgst.
Ing. Vctor Marcelo Merino Castillo, Mgst.
FACULTAD DE CIENCIAS ADMINISTRATIVAS Investigacin Operativa II
Edwin Roberto Gmez Bastidas
Mayra Alexandra Crdova Alarcn
Vctor Marcelo Merino Castillo
Investigacin Operativa II
ISBN: 978-9942-21-726-4
2
TABLA DE CONTENIDOS
TABLA DE CONTENIDOS ...................................................................................... 3

INTRODUCCIN. .............................................................................................................. 5
CARACTERIZACIN DE LA MATERIA. ................................................................. 5
IMPORTANCIA PARA LA FORMACIN DEL PROFESIONAL. ........................ 6
CAPITULO N 1 .................................................................................................................. 8
PROGRAMACIN LINEAL......................................................................................... 8
COMPETENCIA ESPECFICA .................................................................................... 8
OBJETIVO DE LA UNIDAD DE COMPETENCIA................................................... 8
CONTENIDO ................................................................................................................... 8
EXPLICACIN ............................................................................................................... 9
PROGRAMACION LINEAL: ....................................................................................... 9
Recomendaciones:........................................................................................................ 9
Problemas Resueltos .................................................................................................. 10
CAPTULO 2 ..................................................................................................................... 33
MODELOS DE PROGRAMACIN LINEAL CON MS DE DOS VARIABLES33
COMPETENCIA ESPECFICA .................................................................................. 33
OBJETIVO DE LA UNIDAD DE COMPETENCIA................................................. 33
EXPLICACIN ............................................................................................................. 34
CAPTULO 3 ..................................................................................................................... 41
MODELOS DE TRANSPORTE Y ASIGNACIN .................................................. 41
CONTENIDO ................................................................................................................. 41
EXPLICACIN ............................................................................................................. 42
CAPTULO 4 ..................................................................................................................... 61
MODELOS DE LNEAS DE ESPERA O TEORA DE COLAS ............................. 61
3
CONTENIDO ................................................................................................................. 61
EXPLICACIN ............................................................................................................. 62
MODELO DE LINEAS DE ESPERA Y TEORIA DE COLAS ............................... 62
MODELO DE LNEA DE ESPERA DE NICO SERVIDOR CON
LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/1 ......................................................................................................................... 62
MODELO DE LNEA DE ESPERA DE MLTIPLES CANALES CON
LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES.
M/M/S ......................................................................................................................... 67
MODELO DE LNEA DE ESPERA BSICO CON CAPACIDAD LIMITADA
DE UN SOLO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE
SERVICIO EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM ................ 74
AUTOEVALUACIN .................................................................................................. 79
FORMULARIO ............................................................................................................. 83
BILBIOGRAFA BSICA ............................................................................................... 86
TABLA DE ILUSTRACIONES ....................................................................................... 87
TABLAS ............................................................................................................................. 89
4
INTRODUCCIN.
CARACTERIZACIN DE LA MATERIA.
Una de las caractersticas de un Administrador y/o de un Auditor es saber tomar las

decisiones ms adecuadas, optimizando sus recursos, la asignatura denominada
investigacin Operativa le ensear esto, mediante la utilizacin de modelos
matemticos.
La Investigacin de Operaciones se desarroll con fuerza al comienzo de la Segunda

Guerra Mundial con el fin de lograr una administracin eficiente de los recursos que
posean cada una de las potencias industriales y manufactureras.
Son tcnicas o mtodos cuantitativos que nos ayudan a implantar modelos de procesos de
la empresa para tomar la mejor decisin, este es un trabajo que regularmente se lo debe
realizar por un grupo multidisciplinario que se puedan plantear los modelos ms cercanos
a la realidad y analizar los resultados.
Es una ciencia, porque se basa en tcnicas y modelos matemticos para tomar una decisin
y un arte porque nos incentiva a desarrollar modelos de manera creativa.
5
IMPORTANCIA PARA LA FORMACIN DEL PROFESIONAL.
En la actualidad con el despunte de la nueva tecnologa y de tcnicas modernas, la

Investigacin Operativa es automatizada, es decir, la misma se ha vuelto computarizada,
para poder optimizar del tiempo de resolucin de los modelos matemticos cuantitativos,
para lo cual se dispone de un sinnmero de software con este objetivo, pero que no le
servirn si Ud. no tiene claros los conceptos, su aplicacin y su interpretacin.
Toda empresa grande o mediana, aplican muchsimo y con excelentes resultados los
mtodos de la Investigacin Operativa, puesto que ha contribuido eficazmente a optimizar
una gran parte de sus objetivos.
La Investigacin Operativa no toma decisiones por si misma, su funcin es la de asesorar

y apoyar a quien o quienes deciden, determinando las diversas situaciones que se
presentan en la marcha de las organizaciones.
6
1.2.3 RELACIONES CON OTRAS ASIGNATURAS.
Es una ciencia interdisciplinaria: reconoce que la mayor parte de los problemas de

negocios tienen aspectos contables, biolgicos, econmicos, matemticos, fsicos,
psicolgicos, sociolgicos, estadsticos y de ingeniera.
7
CAPITULO N 1
PROGRAMACIN LINEAL
Figura 1 Regin de viabilidad
COMPETENCIA ESPECFICA
El estudiante estar en capacidad de resolver modelos de Programacin Lineal bsicos
con dos variables, aplicados a empresas productoras y
comercializadoras, tanto pblicas como privadas con el fin de optimizar sus recursos.
OBJETIVO DE LA UNIDAD DE COMPETENCIA

Resolver modelos de Programacin Lineal bsicos con dos variables, aplicados a
empresas productoras y comercializadoras, tanto pblicas como privadas con el fin de
optimizar sus recursos.
CONTENIDO
BASES TERICAS.
PLANTEAMIENTO DE MODELOS CON DOS VARIABLES DE DECISIN.
RESOLUCIN DE MODELOS POR EL MTODO GRAFICO.
8
EXPLICACIN
PROGRAMACION LINEAL:
En este Captulo se presenta el desarrollo terico prctico de los modelos de

Programacin Lineal (PL).
Con conceptos Bsicos se detalla la utilidad de este tema y por medio de ejemplos nos
ensea a formular problemas y el beneficio que han obtenido muchas empresas al saber
utilizar este tipo de modelos.
Es Programacin, pues se decidirn valores de las variables de un modelo para
optimizar la funcin objetivo o de desempeo; y, es Lineal, pues todas las ecuaciones e
inecuaciones que intervienen en la misma son Funciones Lineales y de primer grado;
usted nunca encontrar en estos problemas variables al cuadrado, cubo, raz cuadrada, etc.
Entre las funciones objetivo que podemos optimizar tenemos: maximizar las utilidades o
ganancias, los ingresos, etc. tambin se puede minimizar los costos, el desperdicio de un
proceso, el impacto ambiental o la utilizacin de materia prima etc.
Para la formulacin o planteamiento de los modelos matemticos de cualquier problema
de Programacin Lineal, debe considerarse paso a paso las condiciones bsicas antes
descritas y a su vez las recomendaciones siguientes:
Recomendaciones:
1.- Tabular preferiblemente en forma matricial, todos los datos que da el problema de
manera que se entienda a donde se quiere llegar, identificando claramente:
La funcin objetivo de problema

Cuntas y cules son las variables de decisin, y
Cuntos y cules son los recursos y limitaciones, sus unidades.
Es recomendable (no una regla), por facilidad de planteamiento y de anlisis, tabular el

resumen de datos del problema en forma matricial, es decir, ubicando en las columnas las
variables y en las filas los recursos y/o limitaciones, y el resto de informacin, como
utilidades, costos, precios de venta, disponibilidad de recursos, etc., en las filas o
columnas correspondientes.
2.- Definir claramente las variables de decisin: que es lo que busca el problema, que es lo
que se quiere determinar, que es lo que se va a producir, etc., considerando sus unidades
de medida por unidad de tiempo: Kg/mes, unidades/sem, horas/mes, artculos/da, etc
3.- Plantear la Funcin Objetivo como ecuacin, que en general busca uno de dos
extremos o Maximizar o Minimizar
4.- Plantear el sistema de restricciones (ecuaciones y/o inecuaciones) correspondientes a

cada recurso con la identificacin respectiva; una forma de comprobarse es realizando la
igualdad de unidades: horas/mes = horas/mes. (debe asegurarse de plantear una funcin
lineal por cada restriccin y/o recurso)
9
5.- Existen varios mtodos para resolver un problema de PL, pero los ms utilizados en la
actualidad son:
Mtodo Grfico,
Uso de diferentes Software (programas de computacin)
La Solucin Grfica o Mtodo Grfico tiene como principal limitante que no se puede
resolver modelos de PL con ms de DOS variables, pues en un plano cartesiano solo tiene
dos ejes.
Problemas Resueltos
Problema 1.
La siguiente tabla resume los factores clave acerca de dos productos A y B, y los recursos
Q, R y S, requeridos para producirlos.
Tabla 1: Usos de recursos por unidad producida
Usos de recursos por unidad producida

Cantidad
Producto Producto
Recurso disponible
A B
de recurso
Q 2 1 2
R 1 2 2
S 3 3 4
Utilidad $3.000 $2.000
Se cumplen todas las suposiciones de programacin lineal.

Formule en forma algebraica este mismo problema.
Debe quedar claro que uno de los puntos ms importantes es definir las variables y la
funcin objetivo. Para lo cual se le recomienda que lea detenidamente el enunciado las
veces que sean necesarias hasta entenderlo.
En este tipo de problemas, un error muy frecuente es que se defina como variable a los
recursos, sin tomar en cuenta que lo que le debe interesar es cuntas unidades de cada
producto (en este cado denominados X, Y) se tiene que fabricar, para obtener la mxima
ganancia que es el objetivo de este problema.
Por lo tanto el Modelo de Programacin Lineal sera:
X = Nmero de unidades del Producto A

Y = Nmero de unidades del Producto B
10
Funcin Objetivo:
Maximizar Ganancia = 3,000 X + 2,000 Y
Sujeta a:
Rec. Q: 2X + Y <2
Rec. R: X + 2Y < 2
Rec. S: 3 X + 3Y < 4
X>0
Y>0
Use el mtodo grfico para resolver este modelo: para lo cual se debe realizar los cuadro
de valores de cada restriccin, graficar y determinar el polgono o regin factible de
solucin:
Restriccin - 1 Restriccin - 2 Restriccin - 3
X Y X Y X Y
0 2 0 1 0 1.33
1 0 2 0 1.33 0
C
Figura 2 Regin Factible
Tabla 2: Resultados del polgono de solucin:
VERTICES X Y GANANCIA
A 0 1 2,000.00
B 2/3 2/3 3,333.33
C 1 0 3,000.00
Punto ptimo : X = 0.6667

Y = 0.6667
GANANCIA = $3,333.33
11
c.- Formule un modelo de programacin lineal para este problema en una hoja de clculo
y use Excel Solver para resolver este problema.
Luego de seguir las indicaciones del Texto gua para utilizar esta funcin y las formulas
respectivas, el modelo en hoja de clculo y su solucin quedara de esta manera:
Tabla 3 : Uso de recursos por cantidad unidad disponible
Recurso Producto A Producto B Recursos

Q 2 1 2 < 2
R 1 2 2 < 2
S 3 3 4 < 4
Ganancia $3.000 $2.000 3333,33
Solucin 0,6667 0,6667
Problema 2 .
A Ralph Edmund le encanta el filete con papas. As que decide ponerse a una dieta
consistente slo en estos dos alimentos (ms algunos lquidos y suplementos vitamnicos)
en todas sus comidas. Ralph se percata de que no es la dieta ms sana, de modo que quiere
comer las cantidades correctas de los 2 alimentos para satisfacer algunos requerimientos
nutricionales clave. Consigui la siguiente informacin nutricional y de costos.
Tabla 4: informacin nutricional y de costos
Gramos por ingrediente por racin

Ingrediente Filete Papas Requerimientos
diarios (gramos)
Carbohidratos 5 15 50
Protena 20 5 40
Grasa 15 2 60
Costo por $4 $2
racin
Ralph desea determinar el nmero de raciones diarias (pueden ser fraccionales) de filetes
y papas que cubrirn estos requerimientos a un costo mnimo.
Identifique en forma verbal las decisiones a tomar, las restricciones sobre estas decisiones
y la medida de desempeo global para las decisiones.
Las decisiones a tomar son las raciones diarias de filete y de papas

Las restricciones son los requerimientos diarios de carbohidratos, protenas y grasa
La medida de desempeo global es minimizar el costo
Convierta estas descripciones verbales de las restricciones y la medida de desempeo en

expresiones cuantitativas en trminos de los datos y las decisiones.
12
Minimizar Costo = 4 ($/rac. filete)*(# de raciones de filete) + 2($/rac. papas)* (# de

raciones de papas)
Carbohidratos: 5 (gr/rac. filete)*(# de raciones de filete) + 15 (gr/rac. papas)* (# de

raciones de papas) 50
Protenas: 20 (gr/rac. filete)*(# de raciones de filete) + 5 (gr/rac. papas)* (# de raciones

de papas) 40
Grasas: 15 (gr/rac. filete)*(# de raciones de filete) + 2 (gr/rac. Papas)*( de raciones de

papas) 60
# de raciones de filete 0
# de raciones de papas 0
Formule este mismo problema en forma algebraica.
X1 = Nmero de raciones de filete

X2 = Nmero de raciones de papas
Minimizar Costo = 4X1 + 2X2
1.- Carbohidratos: 5 X1 + 15X2 > 50

2.- Protenas: 20 X1 + 5X2 > 40
3.- Grasas: 15 X1 + 2X2 < 60
X1 > 0 y X2 > 0
Formule y resuelva un modelo de programacin lineal para este problema en una hoja de
clculo y utilice la funcin Solver de Excel:
Tabla 5: gradiente Filete Papas diarios (gramos)
Carbohidratos 5 15 50 > 50
Protena 20 5 40 > 40
Grasa 15 2 24.83 < 60
Costo Requerimientos 4 2 10.91
No por racin Solucin 1.2727 2.91
Solucin ptima:
X1 = 1,27 raciones de filete

X2 = 2,91 raciones de papas
Costo Mnimo = 10,91 Dlares
13
Use el mtodo grfico para resolver este problema: para lo cual se debe realizar los cuadro
de valores de cada restriccin, graficar y determinar el polgono o regin factible de
solucin:
Restriccin - 1 Restriccin - 2 Restriccin - 3
X1 X2 X1 X2 X1 X2
0 3.33 0 8 0 30
10 0 2 0 4 0
C B
Tabla 6: Resultados del polgono de solucin:
VERTICES X1 X2 GANANCIA
A 0 30 60
B 3.72 2.09 19.01
C 1.27 2.91 10.91
D 0 8 16
Solucin ptima:
X1 = 1.3 raciones de filete X2 = 2.9 raciones de papas
Costo Mnimo = 10,91 Dlares
14
NOTA: Recuerde que son soluciones matemticas, puesto que en la realidad se deber
proponer soluciones con nmeros enteros.
Problema 3.
A continuacin presentamos la solucin del Texto Matemticas para Administracin,

Economa, Ciencias Sociales y de la Vida, de HAEUSSLER y PAUL que desde la seccin
7.9 pgina 364
Utilidad J. Smith, quien opera desde un puesto de pago por telfono, vende dos tipos de
dispositivos electrnicos, Zeta y Gamma. Estos dispositivos son construidos para Smith
por tres amigos A, B, C; cada quien debe hacer parte del trabajo en cada dispositivo. El
tiempo que cada uno invierte en la fabricacin de cada dispositivo se da en la tabla
siguiente:
Tabla 7: Tiempo que cada uno invierte en la fabricacin de cada dispositivo
Amigo A Amigo B Amigo C

Zeta 2 horas 1 hora 1 hora
Gamma 1 hora 1 hora 3 horas
Los amigos de Smith tienen otro trabajo que hacer, pero determinan que cada mes pueden
invertir hasta 70, 50 y 90 horas, respectivamente, para trabajar en los productos de Smith.
ste obtiene una utilidad de $5 en cada dispositivo Zeta y $7 en cada dispositivo Gamma.
Cuntos dispositivos de cada tipo debe construir Smith cada mes para maximizar la
utilidad y cul ser esta utilidad mxima?
El modelo algebraico de programacin lineal sera:
X1 = Nmero de unidades del dispositivo Zeta que se debe construir

X2 = Nmero de unidades del dispositivo Gamma que se debe construir
F. Objetivo: Maximizar Utilidad = 5X1 + 7X2
Sujeto a: Amigo A: 2X1 + X2 70

Amigo B: X1 + X2 50
Amigo C: X1 + 3X2 90
X1 0; X2 0
La solucin por el mtodo grfico ser:
Restrriccin - 1 Restrriccin - 2 Restrriccin - 3
X1 X2 X1 X2 X1 X2
0 70 0 50 0 30
35 0 50 0 90 0
15
Tabla 8 Resultados del polgono de solucin:
VERTICES X1 X2 GANANCIA
A 35 0 175
B 0 30 210
C 24 22 274
La solucin ptima factible (matemtica) ser:

X1 = unidades Zeta = 24
X2 = unidades Gamma = 22
La utilidad mxima = $274
Problema 4.
Petrocomercial compra 2 tipos de petrleo crudo ligero y pesado a un precio de $25 el

barril de petrleo ligero y el petrleo pesado a $22 el barril, cada uno de los barriles de
petrleo ligero y pesado al ser refinado produce 3 productos: GASOLINA, TURBOSINA
Y KEROSENE y de acuerdo con las proporciones indicadas en la siguiente tabla (barril de
producto por barril de crudo):
Tabla 9: Proporcin gasolina, turbosina y kerosene
Gasolina Turbosina Kerosene
Petrleo Ligero 0,45 0,18 0,30

Petrleo Pesado 0,35 0,36 0,20
16
Petrocomercial entrega mensualmente 1260,000 barriles de gasolina, 900,000 barriles de

turbosina y 300,000 barriles de kerosene.
Formular el modelo necesario para determinar la cantidad de cada tipo de petrleo ligero y
pesado por comprar para minimizar el costo total.
Como primer punto tenemos que identificar las variables de decisin, que en este caso son
los dos tipos de petrleo:
X: Nmero Barriles de petrleo Ligero

Y: Nmero Barriles de petrleo Pesado
Identificacin de la funcin objetivo:
Mnimo Costo = 25X + 22Y
El tercer paso es la identificacin de las restricciones:
Gasolina: 0,45 * (bar. ligero) + 0,35*(bar. pesado) 1260,000 bar.

Turbosina: 0,18 * (bar. ligero) + 0,36 * (bar. pesado) 900,000 bar. Kerosene: 0,30 *
(bar. ligero) + 0,20* (bar. pesado) 300,000 bar.
Una vez identificadas la funcin objetivo, las variables de decisin y las restricciones
podemos establecer el modelo matemtico.
Mnimo Costo = 25X + 22Y
1.- Gasolina: 0,45 X + 0,35 Y 1260.000

2.- Turbosina: 0,18 X + 0,36 Y 900.000
3.- Kerosene: 0,30 X + 0,20 Y 300.000
X 0; Y 0
Mtodo Grfico:
Restrriccin - 1 Restrriccin - 2 Restrriccin - 3
X Y X Y X Y
0 3,600,000 0 2,500,000 0 1,500,000
2,800,000 0 5,000,000 0 1,000,000 0
17
Tabla 10: Resultados del polgono de solucin
VERTICES X Y GANANCIA
A 50 0 125
B 1.4 1.8 74.6
C 0 3.6 79.2
Podemos observar que las cantidades que se deben utilizar de cada tipo de petrleo ligero
y pesado son de:
1400,000 barriles de petrleo ligero.

1800,000 barriles de petrleo pesado.
Con un Costo Mnimo de $ 74600,000
Problema 5.
Una fbrica produce los Productos A y B con 40 mquinas y 50 operarios y trabaja con un
capital semana de $ 350 000 que los utiliza en compras de insumos. La produccin de un
artculo A utiliza 3 horas-mquina, 2 horas-operario, materiales por un valor de $400 y
vendido proporciona un beneficio de $300. El producto-B utiliza 2 horas-mquina, 4
horas-operario, materiales por un valor de $200 y proporciona un beneficio de $400
dlares. La fbrica opera 10 horas por da de lunes a viernes. El anlisis de mercado indica
que mximo se vender semanalmente 800 unidades de A y no hay limitacin para B (lo
que produce se vende). Formule un modelo que optimice la produccin semanal de la
empresa y la utilizacin de los recursos que maximice sus beneficios. (Rodriguez Acosta,
2011, pg. 92)
18
Solucin del Problema
1.- Tabular preferiblemente en forma matricial

Tabla 11: Tabla de Datos
Nombre de las variables de Producto- Producto-

decisin. A B
Variables X1 X2 signo Mximos recursos
1.- Horas Maquina 3 2 2000
2.- Horas Operario 2 4 2500
3.-Capital 400 200 350000
4.- Demanda del producto
A 1 800
Utilidad 300 400
2.-Definir claramente las variables de decisin

X1= Cantidad de Producto A
X2= Cantidad de producto B
3.- Plantear la Funcin Objetivo
Z mx.= 300X1 + 400X2
4.- Formular las restricciones
Note que es si la tabla de datos est bien realizada obtener las restricciones es ms fcil,
cada fila representa una restriccin.
a.- 3X1+2X2 2000
b.- 2X1+4X2 2500
c.- 400X1+200X2 350000
d.- X1 800
e.- X1, X2 0 Es importante la restriccin de no negatividad indica que nicamente vamos
a trabajar en el primer cuadrante.
5.- Mtodo Grfico
nicamente es necesario graficar cada restriccin con los puntos que intersecan en los
ejes, por ejemplo para la restriccin a cuando x1 vale cero x2 es 1000
3(0)+2X2 = 2000
Despejando X2=1000
y cuando x2 es cero X1 es 666.67
3X1+2(0) = 2000
Despejando X1=666,67
Con stos puntos ya podemos graficar la recta a, la recta b y c realizamos el mismo
procedimiento, la d es una recta vertical en el punto 800.
a b c d
X1 X2 X1 X2 X1 X2 X1 X2
19
0 1000 0 625 0 1750 0

666,67 0 1250 0 875 0 0
La regin factible es la interseccin de las reas que se obtiene al graficar las

inecuaciones, para saber la direccin del rea remplazamos el puto (0,0) en cada
inecuacin y verificamos si cumple la condicin de no igualdad.
En la primera inecuacin remplazamos el punto (0,0)
3(0)1+2(0) 2000 y
0 2000. La inequidad se cumple por lo tanto el rea se dirige hacia el punto (0,0).
Continuamos con las dems restricciones y finalmente podemos tener la regin factible.
20
Encuentre los vrtices de la regin factible, remplazamos en la funcin objetivo y

obtenemos la utilidad, el vrtice que da la mayor utilidad es la solucin por ende se debe
producir 375 productos A y 437,5 productos B; para obtener una utilidad de $287 500.
Tabla 12: Tabla de resultados
PRODUCTO. A PRODUCTO.B UTILIDAD DECISION
VRTICE C 666,67 0 200001

VRTICE B 375 437,5 287500
VRTICE A 0 625 250000
Anlisis de sensibilidad de las Restricciones

Existen dos formas de realizar un anlisis de sensibilidad analizando los recursos
Agotados y analizando los recursos Abundantes
Anlisis de recursos Abundantes
Realizaremos un anlisis de recursos abundantes y agotados en el punto B donde se
obtuvo la SOF solucin ptima factible.
PUNTO B
1.- Horas Maquina
B= (375; 437,5)
a.- 3X1+2X2 2000
3(375)+2(437.5) 2000
21 21
21-21=0 Recurso Agotado
Significa de las 2000 horas mquina disponible, fueron utilizadas todas
2.- Horas Operario
b.- 2X1+4X2 2500
2(375)+4(437.5) 2500
21

Las horas operario fueron agotadas.
3.-Capital
c.- 400X1+200X2 350000
400(375)+200(437.5) 350000
350000-237500=112500 Recurso Abundante
Existe $112500 no gastado
4.- Demanda del producto A
d.- X1 800
(375) 800
Se puede vender 425 unidades ms del producto A.
El anlisis de recursos Abundantes sugiere que nicamente se requiere$237500 y producir
375 productos por lo tanto las restricciones sin cambiar la Solucin ptima Factible.
3.-Capital
c.- 400X1+200X2 237500
d.- X1 375
Anlisis de recursos Agotados
Para los recursos agotados es necesario realizar un anlisis en el Punto B que es donde se
tiene el mximo rendimiento y en dos puntos contiguos que en este caso seran los puntos
P y Q. como se indica en el grfico. Para ello calculamos las coordenadas en estos puntos.
Adems es importante realizar una tabla con los incrementos o decrementos que las
nuevas soluciones originaran en las utilidades.
Tabla 13: soluciones originaran en las utilidades
Vrtices X1 X2 Valor Funcin Incremento o decremento de la

Objetivo Funcin Objetivo
P 0 1000 400000 112500
Q 750 250 325000 37500
PUNTO P
1.- Horas Mquina
P= (0,1000)
a.- 3X1+2X2 2000
3(0)+2(1000) 2000
2000 2000
Significa de las 2000 horas mquina disponible, fueron utilizadas todas
2.- Horas Operario
b.- 2X1+4X2 2500
2(0)+4(1000) 2500
2500-4000= -1500 Recurso Abundante
El resultado muestra que se debe incrementar las horas disponibles de operario en 1500
para que el vrtice P pueda ser la nueva solucin
3.-Capital
22
c.- 400X1+200X2 350000

400(0)+200(1000) 350000
Existe $150000 no gastado
d.- X1 800
(0) 800
800-0= 800 Recurso Abundante
PUNTO Q
1.- Horas Mquina
P= (750,250)
a.- 3X1+2X2 2000
3(750)+2(250) 2000
2750 2000
2000-2750=-750 Recurso Abundante
Para que la nueva solucin sea el punto Q se debe incrementar en la disponibilidad de
horas Mquina en 750.
2.- Horas Operario

b.- 2X1+4X2 2500
2(750)+4(250) 2500
Las horas operario son exactamente las necesarias.
3.-Capital
c.- 400X1+200X2 350000
400(750)+200(250) 350000
350000-350000=0 Recurso Agotados
El capital es justo lo que se necesita y no existe ni sobrante ni faltante.
d.- X1 800
(750) 800
Realizamos el anlisis basado en el precio sombra que valor que aumenta o disminuye la
ganancia en ($/unidad) por cada unidad de recurso que se incremente o reduzca.
Determinado por la siguiente relacin:
Realizamos una tabla para cada restriccin con el anlisis respectivo, tomando en cuenta
los mayores incrementos absolutos de cada una de las restricciones en los puntos B, P y Q.
Tabla 14: Anlisis restricciones en los puntos B, P y Q
Restriccin Punto Recurso Tipo del Yi (Precio

Recurso Funcin Sombra)
Objetivo
23
a Q 1.- Horas Maquina Agotado 750 37500 50

b P 2.- Horas Operario Agotado 1500 112500 75
c B 3.-Capital Abundante -112500 0 0
d B 4.- Demanda del Abundante -425 0 0
producto A
En el Punto Q deberamos incrementar 750 horas Mquina para tener un incremento en la

utilidad de $37500, la utilidad que tendramos por cada hora incrementada de Maquinaria
sera de $50 tambin es el valor mximo adicional que podemos pagar por cada hora
adicional de Maquinaria; mientras que en el Punto P se incrementara 1500 Horas
Operario para que aumente la utilidad en $112500, la utilidad que tendramos por cada
hora incrementada de Operario sera de $75 tambin es el valor mximo adicional que
podemos pagar por cada hora adicional de Operario. Comparando estos indicadores en los
Puntos B, P, Q, podemos concluir si es conveniente modificar la Solucin ptima Factible
al punto P, ya que el precio sombra es mayor. El precio sombra calculado se lo puede
comparar con el encontrado a travs del software Excel y POM.
Anlisis de sensibilidad de los mrgenes de contribucin de los coeficientes de la Funcin

Objetivo.
El anlisis de sensibilidad de los mrgenes de contribucin responde a la pregunta. En

qu lmites puede variar los coeficientes de la Funcin Objetivo (Mrgenes de
Contribucin) sin cambiar la Solucin ptima Factible (vrtice ptimo)? (Rodriguez
Acosta, 2011, pg. 44).
La Funcin Objetivo: Z mx.= 300X1+400X2, acudimos a un artificio considerando que se

trata de una ecuacin lineal.
Z mx.= C1 X1+C2 X2,
Donde la pendiente sera:
Calculamos la pendiente de los recursos Agotados

1.- Horas Mquina
a.- 3X1+2X2 2000
Igualamos con la pendiente de la funcin Objetivo, colocando C2 como incgnita.
C2=200
C1=600
2.- Horas Operario
b.- 2X1+4X2 2500
24
C2=600
C1=200
Los lmites en los que puede cambiar los coeficientes de la Funcin sin cambiar la
Solucin ptima Factible son:
200C1600
200C2600
Tambin se lo puede expresar en cuanto puedo incrementar y disminuir los coeficientes de

la funcin Objetivo sin cambiar la Solucin ptima Factible, por supuesto que la utilidad
variar.
Tabla 15: Variacin permitida de los coeficientes de la Funcin Objetivo
Coeficiente F. O Valor Coef. F.O. Disminuir Aumentar

C1 300 100 300
C2 400 200 200
Los resultados obtenidos se los puede ver en el informe de confidencialidad obtenido con
Excel que se explica a continuacin.
6.- Programa de Software (Excel)
25
Realice una tabla en Excel con la funcin Objetivo y las restricciones, la funcin objetivo
en la celda B7, en la parte superior podemos ver la funcin aplicada
Figura 9
26
El uso total tambin se puede ver la frmula aplicada
Figura 10 Formato para Solver
Los recursos sobrantes nicamente aplicamos una resta entre los mximos recursos y el
uso total.
27
En datos en la barra de herramientas damos clic en La Funcin solver y se despliega la

siguiente ventana que la llenamos segn el requerimiento que lo relacionamos por el
nombre de las celdas y clic en resolver
Activamos los informes que vamos a requerir y aceptar
28
Se despliega los resultados y los informes entre ellos el informe de confidencialidad en el

que podemos ver entre otra informacin el precio sombra, en cuanto puede variar los
coeficientes de la funcin objetivo y el anlisis de las restricciones.
Figura 14 Informe de confidencialidad
6.- Programa de Software (POM)
Abrir el programa POM y en la barra de tareas vamos a Mdulo y sealamos

Programacin Lineal
Figura 15 Tutorial de POM
29
En Archivo seleccione nuevo
Coloque el nmero de restricciones (4) y variables (2) segn el requerimiento, adems

marque si va a maximizar o minimizar (en este caso maximizar) clic en ok.
30
Llene la matriz y haga clic en solve
Finalmente tiene los resultados, en la barra de herramientas en Windows puede desplegar

los diferentes tipos de resultados incluidos el grfico y el precio sombra.
31
El grfico es el mismo que obtenemos en la parte inicial resuelto en Geo Gebra que se
trata de otro graficador.
32
CAPTULO 2
MODELOS DE PROGRAMACIN LINEAL CON MS DE DOS VARIABLES
El estudiante estar en capacidad de modelos de Programacin Lineal complejos con ms

de dos variables, aplicados a empresas productoras y comercializadoras, tanto pblicas
como privadas con el fin de optimizar sus recursos
Resolver modelos de Programacin Lineal complejos con ms de dos variables, aplicados a

CONTENIDO
Planteamiento de modelos con MS DE dos variables de decisin.

Diferentes Aplicaciones Prcticas
Resolucin de modelos: USO DE SOFTWARE Y LA FUNCIN SOLVER.
Interpretacin de resultados
Anlisis de Sensibilidad
33
EXPLICACIN
Programacin Lineal: Anlisis de Sensibilidad e Interpretacin de la solucin.
En el siguiente captulo se desarrolla la Programacin Lineal: Formulacin y

Aplicaciones, en el cual los modelos tendrn ms de dos variables y su funcin objetivo
ser tanto de maximizacin como de minimizacin.
Los problemas con mayor nmero de variables regularmente son ms apegados a la

realidad, razn por la cual en la actualidad slo son resueltos por medio de programas de
computacin.
Se le recomienda que resuelva los modelos de DOS VARIABLES mediante el METODO

GRFICO, y los de TRES O MAS VARIABLES mediante la aplicacin del programa
SOLVER del Excel u otros software disponibles en el mercado como el QM para Windows
(POM), TORA, LINDO, QSB, etc.
Tambin se estudia el Anlisis de qu pasa si para la Programacin lineal lo que implica

realmente un anlisis de sensibilidad de las restricciones.
Es muy importante este tema puesto que las condiciones de los negocios son cambiantes y
con este anlisis se pueden encontrar el Precio Sombra que es la utilidad o la prdida que
tendr la empresa si cambia una de las restricciones del modelo. Para esto es importante en
primer lugar determinar si los recursos son Agotados o Abundantes con la
implementacin del plan ptimo de solucin.
El anlisis de sensibilidad de los coeficientes de la funcin objetivo, nos ayuda a reaccionar

rpidamente a la variacin de la funcin objetivo analizada, por ejemplo cambios de la
utilidad unitaria o del costo unitario de una de nuestras variables, nos obligarn a revisar la
decisin tomada ratificando la misma o tomando otra.
Es de suma importancia que usted analice los problemas desarrollados y luego los plantee y
resuelva. Existen algunos de los problemas propuestos que estn resueltos al final del libro
y en el CD que viene con el mismo, le recomendamos que los revise y analice
detenidamente, estos nos servirn de auto evaluacin, aunque cabe anotar que existe algn
error de impresin en la solucin de alguno de ellos.
Problemas Resueltos
Problema 1.
De los problemas propuestos de otros autores
Para satisfacer las necesidades de vitaminas, un hombre va a comprar 100 pldoras que
deben contener al menos 750 unidades de B1, 600 unidades de B2 y 280 unidades de B6.
34
Compra a $0.5 las pldoras del tipo-I que contiene 10 unidades de B1, 5 unidades de B2 y 3
de B6; compra a $0.6 las pldoras del tipo-II que contienen 12 unidades de B1, 2 de B2 y
11 de B6 y a $0.4 las pldoras del tipo-III que contienen 6 unidades de B1, 7 de B2 y 2 de
B6.
Cuntas pldoras de cada tipo debe consumir para satisfacer sus necesidades a un mnimo
costo?
a.- Formule el modelo algebraico y resuelva en una hoja de clculo para este problema.
b.- Use Excel Solver para obtener el intervalo de optimalidad para cada costo unitario.
Tabla 16: Resumen de datos:
PILD. PILD. PILD. NECESIDADES

NOMBRE RESTRICC TIPO-I TIPO-II TIPO-III MINIMAS
1.- VITAMINA-B1 (unid.) 10 12 6 750.00
2.- VITAMINA- B2 (unid) 5 2 7 600.00
3.- VITAMINA-B6 (unid.) 3 11 2 280.00
4.- REQUER. PILDORAS 1 1 1 100.00
costos unitarios ($/pild.) 0.5 0.6 0.4
MODELO ALGEBRAICO:
- Definicin de variables:
-
X1 = cantidad de pldoras tipo-I que debe comprarse
X2 = cantidad de pldoras tipo-II que debe comprarse
X3 = cantidad de pldoras tipo-III que debe comprarse
- Funcin Objetivo:
-
MIN. COSTO = 0.5X1 + 0.6X2 + 0.4X3
- Restricciones:
-
1.- Vitamina B1: 10X1 + 12X2 + 6X3 750
2.- Vitamina B2: 5X1 + 2X2 + 7X3 600
3.- Vitamina B6: 3X1 + 11X2 + 2X3 280
4.- Req. Pldor.: X1 + X2 + X3 = 100
35
X1 , X2 , X3 0
Tabla 17: Resolucin en solver de Excel
PILD. PILD. PILD. UNID. UNID.

NOMBRE RESTRICC
TIPO-I TIPO-II TIPO-III UTILIZ. DISPON
1.- VITAMINA - B1 (unid.) 10 12 6 750,00 750
2.- VITAMINA - B2 (unid) 5 2 7 613,67 600
3.- VITAMINA - B6 (unid.) 3 11 2 280,00 280
4.- REQUER. PILDORAS 1 1 1 100,00 = 100
Costos unitarios ($/pild.) 0,5 0,6 0,4 44,03
SOLUCION OPTIMA: 29,00 5,67 65,33
RESULTADOS DEL ANLISIS DE SENSIBILIDAD:
Microsoft Excel 15.0 Informe de confidencialidad

Hoja de clculo: [Libro1]Hoja1
Informe creado: 15/10/2015 9:27:12
Celdas de variables
Final Reducido Objetivo Permisible Permisible
Celda Nombre Valor Coste Coeficiente Aumentar Reducir
$B$7 SOLUCION OPTIMA: PILD. TIPO-I 29 0 0,5 0,033333333 0,077777778
$C$7 SOLUCION OPTIMA: PILD. TIPO-II 5,666666667 0 0,6 0,7 0,05
$D$7 SOLUCION OPTIMA: PILD. TIPO-III 65,33333333 0 0,4 0,0875 0,1
Restricciones
Final Sombra Restriccin Permisible Permisible
Celda Nombre Valor Precio Lado derecho Aumentar Reducir
$E$2 1.- VITAMINA - B1 (unid.) UNID. UTILIZ. 750 0,023333333 750 31,53846154 96,66666667
$E$3 2.- VITAMINA - B2 (unid) UNID. UTILIZ. 613,6666667 0 600 13,66666667 1E+30
$E$4 3.- VITAMINA - B6 (unid.) UNID. UTILIZ. 280 0,006666667 280 51,25 42,5
$E$5 4.- REQUER. PILDORAS UNID. UTILIZ. 100 0,246666667 100 20,71428571 1,348684211
Problema 2.
Considere un problema de asignacin de recursos con la siguiente tabla de parmetros:
Tabla 18: tabla de parmetros
Uso de recursos por unidad de Cantidad de

Recursos cada actividad recursos
disponible
1 2
1 1 3 8
2 1 1 4
36
Ganancia unitaria ($) 1 2
El objetivo es determinar el nmero de unidades de cada actividad que maximiza la

ganancia total.
a) Mtodo grfico
FO: Ganancia Total MAXIMIZAR
Variables:
x1 = nmero de unidades de actividad 1
x2 = nmero de unidades de actividad 2
FO: U = x1 + 2 x2 MAXIMIZAR
x1 + 3 x2 8
x1 + x2 4
x1 , x2 0
La solucin ptima es realizar 2 unidades de la actividad 1 y 2 unidades de la actividad 2

para obtener una utilidad mxima de $ 6.
37
b) Use el anlisis grfico para determinar el precio sombra de cada recurso resolviendo de
nuevo despus de aumentar en 1 cada recurso disponible
El precio sombra para el recurso 1 es $ 0.50, es decir que por cada unidad
de recurso uno que aumente o disminuya la ganancia total aumenta o
disminuye en $0.50.
Precio sombra del recurso 2
El precio sombra para el recurso disponible 2 es $ 0.50, es decir que por cada unidad de
recurso 2 que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
38
c) Programacin Lineal con Solver
Tabla 19: Resultados en solver
x1 x2 Disponible
Recurso 1 1 3 8,00 < 8

Recurso 2 1 1 4,00 < 4
Ganancia 1 2 6,00 mximo
Unitaria
Variables 2,00 2,00
La solucin ptima es realizar 2 unidades de la actividad 1 y 2 unidades de la actividad 2
para obtener una utilidad mxima de $ 6 (igual que en el mtodo grfico)
Precio sombra del recurso 1
x1 x2 Disponible
Recurso 1 1 3 9,00 < 9

Recurso 2 1 1 4,00 < 4
Unitaria
Variables 1,50 2,50
recurso 1 que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
Precio sombra del recurso

2
x1 x2 Disponible
Recurso 1 1 3 8,00 < 8
Recurso 2 1 1 5,00 < 5
Unitaria
Variables 3,50 1,50
recurso uno que aumente o disminuya la ganancia total aumenta o disminuye en $0.50.
39
d) Use solver para obtener el precio sombra
Tabla 22: Anlisis de sensibilidad
Microsoft Excel 10.0 Informe de sensibilidad

Hoja de clculo: [Ejercicio 4.11.xls]Hoja1
Informe creado: 01/05/2005 20:50:45
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Disminucin
Celda Nombre Igual reducido objetivo permisible permisible
$B$3 Variables x1 2,00 0,00 1 1 0,333333333
$C$3 Variables x2 2,00 0,00 2 1 1
Restricciones
Valor Sombra Restriccin Aumento Disminucin
Celda Nombre Igual precio lado derecho permisible permisible
$D$6 Recurso 1 8,00 0,50 8 4 4
$D$7 Recurso 2 4,00 0,50 4 4 1,333333333
El informe muestra que cuando tanto, el recurso uno como el 2 aumentan en una unidad, la
ganancia total aumenta o disminuye en $0.50, respectivamente.
e) Los precios sombra son tiles por que muestran como se ve afectada la ganancia cuando
los recursos disponibles aumentan o disminuyen, lo que permite decidir que recurso
aumentar para que la utilidad aumente, o que recurso disminuir para que se vea menos
afectada.
40
CAPTULO 3
MODELOS DE TRANSPORTE Y ASIGNACIN
Figura 23 Modelos de Trasporte
El estudiante estar en capacidad de resolver problemas de transporte y asignacin,

aplicados a empresas pblicas y privadas con diferentes tipos de servicios con el fin de
Resolver problemas de transporte y asignacin, aplicados a empresas pblicas y privadas

con diferentes tipos de servicios con el fin de optimizar sus recursos.
CONTENIDO
BASES TERICAS Y FORMULACIN MATEMTICA DEL PROBLEMA DE

TRANSPORTE.
CALCULO DE DISTRIBUCIONES INICIALES BSICAS EN PROBLEMAS

DE MXIMOS Y MNIMOS.
RESOLUCIN DE MODELOS Y OPTIMIZACIN DE

DISTRIBUCIONES DE PRODUCTOS CON APLICACIN DE
DIFERENTES SOFTWARE (Funcin Solver, Tora, Lindo, etc).
CASO ESPECIAL: FORMULACIN Y SOLUCIN MATEMTICA DE

MODELOS DE ASIGNACIN.
41
EXPLICACIN
Modelos de Transporte
En este captulo se presenta el modelo de Transporte y Asignacin, como un modelo

particular de programacin lineal.
El modelo de transporte tiene como objetivo encontrar el costo menor de transportar desde
varios puntos de origen a varios puntos de destino cubriendo la oferta o recursos y la
demanda.
Se debe tomar en cuenta en este modelo que si la oferta es mayor que la demanda las
restricciones asociadas a los orgenes debe ser del tipo y las asociadas a la oferta deben
ser =, pero si la demanda es mayor que la oferta los nodos de destino debern ser los que
tienen las restricciones y los destinos = o se deber aumentar un origen ficticio como
indica en el texto gua, por ltimo si la oferta total y la demanda total son iguales todas las
restricciones podrn ser =.
Aunque existen varios mtodos para resolver un problema de transporte se debe empezar
con una solucin inicial, utilizando el mtodo ms tradicional conocido como
aproximacin de Vogel, y luego con el proceso recurrente de optimizacin del problema
de transporte, pero en el texto gua no se desarrollan estos mtodos por lo que se los debe
resolver como se indica en el mismo, plantendolo como modelo de programacin lineal y
resolvindolo mediante la funcin Solver.
Captulo 3: Modelos o problemas de Asignacin
La Asignacin es una variante o caso especial del Modelo de Transporte. En este caso se
quieren asignar actividades o recursos a personas, mquinas o tareas o viceversa, con el
objetivo que el costo total sea el menor. La particularidad de este modelo es que la oferta y
la demanda es 1 en cada nodo de origen o destino.
42
Problemas Resueltos
Problema 1.
La empresa frutera litoral desea transportar frutas a las diferentes ciudades del pas, el
gerente de dicha empresa desea que se enve dicho producto que en este caso son
manzanas.
Los lugares de partida son de Quito con 3,000 cajas y desde Guayaquil 4,000 cajas,
mientras que los lugares de destino pueden recibir: Latacunga de 1,100 cajas, Ambato
1,200 cajas, Baos 1,400 cajas, Guaranda 1,600 cajas, Riobamba 1,700 cajas. El costo del
transporte es de acuerdo a la distancia. Encontrar la minimizacin del costo de transporte.
Los Costos Unitarios ($/caja) de distribucin de cada fuente a cada destino son:
Tabla 23: Costos Unitarios
LATAC. AMB. BAOS GUAR. RIOB.
QUITO 70 120 100 150 120
GUAYAQUIL 280 120 184 100 150
Oferta Demanda
Latacunga
1100
Quito
3000
Ambato 1200
Baos
1400
Guayaquil Guaranda
4000 1600
1700
Riobamba
43
Figura 24 Modelo de Transporte resuelto con Programacin Lineal
- Definicin de las variables:
X11: Nmero de cajas que transporta de Q L

X12: Nmero de cajas que transporta de Q A
X13: Nmero de cajas que transporta de Q B
X14: Nmero de cajas que transporta de Q G
X15: Nmero de cajas que transporta de Q R
X21: Nmero de cajas que transporta de G L
X22: Nmero de cajas que transporta de G A
X23: Nmero de cajas que transporta de G B
X24: Nmero de cajas que transporta de G G
X25: Nmero de cajas que transporta de G R
Por consiguiente, el modelo de transporte planteado como un modelo de programacin

lineal, sera como sigue:
FUNCION OBJETIVO
Min Costo = 70X11 + 120X12 +100X13 + 150X14 + 120X15 + 280X21 +

120X22 +184X23 + 100X24 + 150X25
RESTRICCIONES
Origen X11 + X12 + X13 + X14 + X15 = 3000

X21 + X22 + X23 + X24 + X25 = 4000
Destino X11 + X21 = 1100

X12 + X22 = 1200
X13 + X23 = 1400
X14 + X24 = 1600
X15 + X25 = 1700
X11, X12, X13, X14, X15, X21, X22., X23, X24, X25 0
44
Planteado de acuerdo a la estructura matricial resulta como sigue:

Tabla 24:
Latacunga Ambato Baos Guaranda Riobamba Oferta
Quito X11 X12 X13 X14 X15

70 120 100 150 120 3000
Guayaquil X21 X22 X23 X24 X25

280 120 184 100 150 4000
Demanda
1100 1200 1400 1600 1700
Problema 2
Considere el problema de transporte que tiene la siguiente tabla de parmetros:
Costo unitario
Tabla 25: Tabla de parmetros
Destino
Origen 1 2 3 Recursos
1 9 6 8 4
2 7 12 10 3
3 6 7 6 2
Demanda 3 3 2
a. Trace la representacin de redes de este problema.

Origen Destino
45
O1 D1
4 3
3 O2 D2
3
O3 D3
2 2
Figura 25 Modelo de Transporte
b. Formule el problema en una hoja de clculo
c. Use Excel Solver para obtener la solucin ptima.
Tabla 26: Costo unitario
Destino D1 D2 D3 Recursos
Origen TOTAL
O1 0 1 2 3 4
O2 1 2 0 3 3
O3 2 0 0 2 2
TOTAL 3 3 2 $65

DEMANDA 3 3 2
Problema 3
Considere el problema de transporte que tiene la siguiente tabla de parmetros:
Tabla 27: Costo unitario
Destino
Origen 1 2 3 Recursos
1 9 6 8 4
2 7 12 10 3
3 6 7 6 2
Demanda 3 3 2
Problema 4
46
(Transporte)
Una empresa produce un nico artculo en tres plantas, A, B, C. La capacidad de

produccin mensual de la empresa est limitada a 50, 70, 90 unidades mensuales en cada
una de las plantas. La empresa tiene tres clientes mayoristas cuyas demandas mensuales
son 30, 90 y 80 unidades respectivamente.
Los costes de envi a los 3 clientes mayoristas que la empresa tiene vienen dados por la
siguiente tabla.
Tabla 28: Costes de envi
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3

A 208 320 145
B 310 260 135
C 280 150 125
a) Calcular la distribucin ptima y el costo mnimo, utilizando el mtodo del costo

mnimo.
Ubicamos en la tabla de costos la respectiva oferta y demanda y la sumamos en la esquina

inferior.
Tabla 29: costos oferta y demanda
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 OFERTA

A 208 320 145 50
B 310 260 135 70
C 280 150 125 90
210
DEMANDA 30 90 80 200
Trazamos diagonales en cada una de las celdas y observamos que la oferta es 210 y la
demanda 200 por lo que es necesario que incluyamos una columna con un cliente ficticio
para que la oferta y la demanda est equilibrada.
Como el problema se trata de un ejercicio de minimizacin comenzamos asignando

valores a la celda con el menor costo (no tomamos en cuenta la columna ficticia) para ello
es la celda C33, si la oferta es de 90 y la demanda de 80 asignamos lo mayor posible esto
es 80, el resto de la columna con ceros porque la suma en el Cliente-3 da el total.
Continuamos con el siguiente valor en la celda C32, aunque la demanda es de 90 solo

podemos ofertar 10 porque 80 ya fue ofertado anteriormente, la celda C31 y C34 lo
completamos con cero. La Panta C al sumar las asignaciones la oferta est satisfecha.
Continuamos con el mismo procedimiento hasta finalizar el proceso.
Tabla 30:Mtodo u-v
PLANTAS CLIENTE- CLIENTE- CLIENTE- CLIENTE- OFERTA
47
1 2 3 FICT
30 10 0 10
50
A 208 320 145 0
0 70 0 0
70
B 310 260 135 0
0 10 80 0
90
C 280 150 125 0
210
30 90 80 10
DEMANDA 210
La distribucin ptima es la siguiente:
De la Panta A distribuir al Cliente-1 30 unidades y al Cliente-2 10 unidades.
De la Panta B distribuir al Cliente-2 70 unidades.
De la Panta C distribuir al Cliente-2 10 unidades y al Cliente-3 80 unidades
El costo mnimo est dado por todas las asignaciones con sus costos respectivos:
Zmin= (30) (208)+ (10) (320)+ (70) (260)+ (10) (150)+ (80) (125)=39140
Distribucin Mejorada. Mtodo u-v
La distribucin ni el costo mnimo estamos seguros que lo sean los ptimos por lo que es
necesario aplicar el mtodo expuesto.
Comenzamos aplicando la siguiente frmula a todas las celdas que tengan algn valor
asignado.
Tabla 31: Mtodo u-v
v1 v2 v3 v4
CLIENTE- CLIENTE- CLIENTE- CLIENTE-
PLANTAS 1 2 3 FICT OFERTA
30 10 0 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 10 80 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
ui+vi= Cij
u1+v1=208
u1+v2=320
48
u1+v4=0
u2+v2=260
u3+v2=150
u3+v3=125
Resolvemos el sistema de ecuaciones para lo cual a la variable que ms se repite le

asignamos cero (u1=0). Las soluciones son las siguientes.
u1=0
u2= -60
u3=-170
v1=208
v2=320
v3=295
v4=0
Teniendo todos los valores de u y v calculados, en las celdas cuyas variables sean igual a
cero, (exceptuando la columna ficticia) aplicamos la siguiente frmula.
Cij=( Costo o utilidad) (ui+vj)
C13= 145-(0+295)= -150
C21=310- (-60+208)= 162
C23=135-(-60+295) = -100
C31= 280-(-170+208)=242
Para tomar la distribucin inicial como la definitiva es necesario que todos los valores
sean positivos como vemos hay 2 valores negativos -150 y -100 , consideramos la celda
del menor (C13) donde iniciaremos la optimizacin, en esta celda vamos a asignar una
cantidad , en la tercera columna si realizamos un incremento de una determinada
cantidad para que haya equilibrio es necesario que se reste en otra celda en la misma
columna, la nica a la que se le puede restar es la celda C33, ya que la C23 tiene valor de
49
cero y no es posible realizar la diferencia. Ahora en la fila tenemos dos opciones restar en
la celda C12 o en la celda C11, como se trata de minimizar deseamos reducir los costos
restamos al de mayor valor C12, En la fila 3 vamos a sumar por lo que consideramos el de
menor valor C32. Teniendo la siguiente tabla.
50
Tabla 32: Mtodo u-v
v1 v2 v3 v4
CLIENTE-
PLANTAS CLIENTE-1 CLIENTE-2 CLIENTE-3 FICT OFERTA
30 10- 0 + 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 10 + 80 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
Calculamos el valor de , seleccionando las nuevas asignaciones con signo negativo.
80 - = 0
10- = 0
Despejamos y escogemos el menor valor
=10
Este valor remplazamos en la tabla y obtenemos la nueva asignacin.
Tabla 33: Mtodo u-v
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 20 70 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
De la Panta C distribuir al Cliente-2 20 unidades y al Cliente-3 70 unidades
Z min= (30) (208)+ (10) (145)+ (70) (260)+ (20) (150)+ (70) (125)=37640
51
La distribucin ni el costo mnimo estamos seguros que lo sean los ptimos y definitivos
por lo que es necesario aplicar nuevamente el mtodo expuesto.
asignado.
Tabla 34: Mtodo u-v
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70 0 0
u2 B 310 260 135 0 70
0 20 70 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
ui+vi= Cij
u1+v1=208
u1+v3=145
u1+v4=0
u2+v2=260
u3+v2=150
u3+v3=125

u1=0
u2= 90
u3=-20
v1=208
v2=170
v3=145
v4=0
52
Cij=( Costo o utilidad) (ui+vj)
C12= 320-(0+170)= 150
C21=310- (90+208)= 12
C23=138-(90+145)= -97
C31= 280-(-20+208)= 52
Para tomar la distribucin inicial como la definitiva es necesario que todos los valores
sean positivos como vemos hay 1 valor negativo -97 de la celda (C23) donde iniciaremos
la optimizacin, en esta celda vamos a asignar una cantidad , en la segunda fila si
realizamos un incremento de una determinada cantidad para que haya equilibrio es
necesario que se reste en otra celda en la misma fila, la nica a la que se le puede restar es
la celda C22, ya que la C21 tiene valor de cero y no es posible realizar la diferencia.
Debemos restar en las columnas 4 y sumar en la columna 2 para que haya equilibrio,
debemos saber en qu fila en la primera o en la tercera, para ello restamos los costos de
estas opciones
150-125=25 Fila 3
320-145= 75 Fila 1
La nueva asignacin debe ser en la fila 3 porque all tenemos el menor valor, recuerde que
estamos minimizando.
Tabla 35: Mtodo u-v
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 70- 0 + 0
u2 B 310 260 135 0 70
0 20+ 70- 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
Calculamos el valor de , seleccionando las nuevas asignaciones con signo negativo.
70 - = 0
70- = 0
53
Despejamos y escogemos el menor valor
=70
Este valor remplazamos en la tabla y obtenemos la nueva asignacin.

Tabla 36: Mtodo u-v
v1 v2 v3 v4
30 0 10 10
u1 A 208 320 145 0 50
0 0 70 0
u2 B 310 260 135 0 70
0 90 0 0
u3 C 280 150 125 0 90
DEMANDA 30 90 80
De la Panta C distribuir al Cliente-2 90 unidades.
Z min= (30) (208)+ (10) (145)+ (70) (135)+ (90) (150)=30640
El nuevo costo mnimo es menor pero la distribucin ni el costo mnimo estamos seguros
que lo sean los ptimos y definitivos por lo que es necesario aplicar nuevamente el
mtodo expuesto.
asignado.
ui+vi= Cij
u1+v1=208
u1+v3=145
u1+v4=0
u2+v3=135
u3+v2=150
54

u1=0
u2= -10
u3=-20
v1=208
v2=170
v3=145
v4=0
La variables u3 y v2 no es posible resolver por lo que tomamos los valores anteriores.

Cij= (Costo o utilidad) (ui+vj)
C12= 320-(0+150)= 170
C21=310- (-10+208)= 112
C22=260-(-10+150)= 120
C31= 280-(-20+208)= 92
C33= 125-(-20+145)= 0
Todos los valores son positivos por ello la ltima distribucin y el valor de la Funcin
Objetivo son los definitivos.
55
Problema 5
(Asignacin)
Una panadera tiene cuatro empleados y realiza tres tipos de pan enrollado, moldes y
empanadas; para el propietario es importante que se asigne adecuadamente a cada
empleado para realizar los diferentes tipos de pan. Se dispone de un historial en el que se
indica cuantos panes por hora realizan en promedio cada empleado. Considere que solo se
puede asignar una persona para cada clase de pan por razones operativas de la panadera.
Tabla 37: panes por hora
EMPLEADOS ENROLLADOS MOLDES EMPANADAS

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
a) Calcular la distribucin ptima y el nmero de panes que se puede realizar en una

hora, utilizando el mtodo Hngaro.
Es importante reconocer que se trata de un problema de asignacin porque disponemos de

un empleado para realizar nicamente una tarea. Adems se trata de un problema de
maximizacin deseamos que la panadera elabore la mayor cantidad de panes en el menor
tiempo posible.
Tabla 38: Empleados y tipos de Panes

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
Cuando tenemos un problema de asignacin iniciamos identificando el mayor valor de la

tabla en este caso es el 140 en la ubicacin X23, luego de este valor restamos a todos de la
tabla. En la posicin X11 restamos 140-120=20, con estos valores realizamos una nueva
tabla.
Tabla 39: Mtodo Hngaro

JUAN 20 22 25
PEDRO 15 60 0
MATEO 30 12 7
CARLOS 40 10 12
56
Luego equilibramos el nmero de filas y columnas aadiendo ceros en los espacios vacos.
COLUMNA
EMPLEADOS ENROLLADOS MOLDES EMPANADAS FIC.
JUAN 20 22 25 0
PEDRO 15 60 0 0
MATEO 30 12 7 0
CARLOS 40 10 12 0
Restamos el menor de cada fila en este caso son ceros por lo que nos queda la misma
matriz.
COLUMNA
JUAN 20 22 25 0
PEDRO 15 60 0 0
MATEO 30 12 7 0
CARLOS 40 10 12 0
El menor restamos a su respectiva columna.

COLUMNA
JUAN 5 12 25 0
PEDRO 0 50 0 0
MATEO 15 2 7 0
CARLOS 25 0 12 0
Trazamos rectas por las celdas cubriendo con cada recta la mayor cantidad de ceros,
asegurmonos que a todos los ceros sean cubiertos, no importa que haya intersecciones
entre las ellas.
COLUMNA
JUAN 5 12 25 0
PEDRO 0 50 0 0
MATEO 15 2 7 0
CARLOS 25 0 12 0
57
Son tres rectas las que cubren todos los ceros, por tratarse de un sistema de 4X4 se
requiere al menos de cuatro rectas, para ello debemos aplicar el siguiente artificio.
Encontramos el valor menor de los no subrayados (2) y:
Sumamos 2 ( en este caso) a las intersecciones

El resto de elementos subrayados los copiamos igual
A los no subrayados los restamos 2 (el menor).
COLUMNA
JUAN 3 10 23 0
PEDRO 0 50 0 2
MATEO 13 0 5 0
CARLOS 25 0 12 2
Repetimos el procedimiento anterior trazamos rectas por las celdas cubriendo con cada
recta la mayor cantidad de ceros, asegurmonos que a todos los ceros sean cubiertos, no
importa que haya intersecciones entre las ellas.
COLUMNA
JUAN 3 10 23 0
PEDRO 0 50 0 2
MATEO 13 0 5 0
CARLOS 25 0 12 2
Son tres rectas las que cubren todos los ceros, por tratarse de un sistema de 4X4 se
requiere al menos de cuatro rectas, para ello debemos aplicar el siguiente artificio.
Encontramos el valor menor de los no subrayados (3) y:
Sumamos 3 ( en este caso) a las intersecciones

El resto de elementos subrayados los copiamos igual
A los no subrayados los restamos 3 (el menor).
58
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
Repetimos el procedimiento anterior trazamos rectas por las celdas cubriendo con cada
recta la mayor cantidad de ceros, asegurmonos que a todos los ceros sean cubiertos, no
importa que haya intersecciones entre las ellas.
Tabla 47 Mtodo Hngaro
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
Finalmente tenemos al menos cuatro rectas para nuestro sistema de 4X4, por lo tanto
tenemos encontrar la solucin.
Recordemos que tememos que asignar un empleado para realizar una variedad de pan y en
la tabla siguiente los ceros son las posibles soluciones, por ello. Buscamos en que fila o
columna disponemos de un nico cero, en las posiciones X23 y X32. Considerando que
Pedro va a realizar las empanadas y Carlos los moldes, a Juan debe hacer las Enrollados,
mientras que Mateo se queda sin tarea.
COLUMNA
JUAN 0 10 20 0
PEDRO 0 53 0 5
MATEO 10 0 2 0
CARLOS 22 0 10 2
La asignacin sera la siguiente:

Juan realiza los enrollados
Pedro las empanadas
Mateo se queda sin tarea
Carlos debe realizar los enrollados.
59

JUAN 120 118 115
PEDRO 125 80 140
MATEO 110 128 133
CARLOS 100 130 128
El nmero de panes que se puede fabricar por hora en la panadera es de:
Z mx. = 120+130+140 = 390 panes
60
CAPTULO 4
MODELOS DE LNEAS DE ESPERA O TEORA DE COLAS
El estudiante estar en capacidad de resolver modelos de Lneas de Espera complejos con

ms de dos variables, aplicados a empresas productoras y comercializadoras, tanto pblicas
como privadas con el fin de optimizar sus recursos.
Resolver modelos de Lneas de Espera complejos con ms de dos variables, aplicados a

CONTENIDO
BASES TERICAS GENERALES
FORMULACIN Y SOLUCIN DE MODELOS DE LNEAS DE ESPERA DE

UN SERVIDOR, CON CAPACIDAD ILIMITADA Y LIMITADA
FORMULACIN DE SISTEMAS DE LNEAS DE ESPERA DE VARIOS

SERVIDORES, CON CAPACIDAD ILIMITADA Y LIMITADA
USO DE DIAGRAMAS Y ARTIFICIOS DE RESOLUCIN RPIDA.
61
EXPLICACIN
MODELO DE LINEAS DE ESPERA Y TEORIA DE COLAS
En el captulo 4 se realiza el anlisis de los Modelos de Colas o Lnea de Espera o Teora

de Colas. La teora de colas basa su estudio en encontrar un equilibrio entre el costo de
tener puntos de atencin a clientes de una institucin versus el costo y descontento que
tiene un cliente cuando est esperando mucho tiempo que lo atiendan.
Para encontrar este equilibrio debemos plantear un modelo el cual est afectado por varios
factores operativos entre los ms importantes: tiempos de espera, tiempos de atencin,
nmero de lneas de espera, tipo de lnea de espera, etc.
MODELO DE LNEA DE ESPERA DE NICO SERVIDOR CON LLEGADAS

POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1
Segn: (Anderson, Sweeney, Willams, Camm, & Kipp, 2011, pg. 661) utiliza M/M/1;
nomenclatura que identifica el modelo, adems se la utiliza para ser resuelto en POM
(Software).
El siguiente grfico resume el modelo.
Figura 26 Modelo de lnea de espera de nico servidor con llegadas Poisson y tiempos de servicio exponenciales.
M/M/1
Ejercicio Resuelto
Un asistente contable recibe facturas para ingresar los datos al sistema. Suponga que
puede usarse una distribucin de probabilidad de Poisson con una tasa media de 10
facturas por hora para describir el patrn de llegada y que los tiempos tasa media de 12
facturas por hora con tiempos de servicio exponenciales. El costo de espera de un cliente
es de 20$/hora, mientras que el costo de servicio es de 15 $/ hora.
62
Resolucin. Condiciones:
Una lnea de espera
Un servido k=1
Capacidad ilimitada o infinita m=
Orden de atencin fifo o peps (primero en llegar primero en salir)
Tasa de llegada sigue una distribucin de Poisson
Tasa de servicio sigue una distribucin exponencial
Datos:
Tasa de llegada
= 10 Clientes /hora
Tasa de servicio
=12 Clientes /hora
Ce=20$/hora
Cs=15 $/ hora
Con esto datos podemos resolver en POM.
Abrimos el programa, en mdulo seleccionamos Waiting Lines
Figura 27 Tutorial Lnea de Espera
63
En File vamos a new y seleccionamos el modelo M/M1
Tenemos dos opciones si vamos a realizar un clculo de costos o no. Sealamos en Use
cost, si no hay datos para calcular costos no hay problema estos no se calculan pero los
otros parmetros s, clic en ok.
64
Finalmente llenamos los datos en la matriz que se despliega y clic en solve.

En la barra de herramienta en Windows podemos desplegar los resultados, como la tabla
de probabilidades y el grfico.
La nomenclatura que utilizaremos en el clculo difiere de la utilizada en POM por lo que

la relacionaremos en lo posible.
a) Cul es la probabilidad de que el cliente llegue y no sea atendido?
Aplicamos el factor de Utilizacin U
=0.83
65
b) Cul es la probabilidad de que no haya facturas para ingresar en el sistema o que

el sistema este vaco?
c) Cul es la cantidad promedio de facturas que esperaran para ser ingresadas?
( )
( )
( )
( )
d) Cul es la cantidad promedio de facturas que se encuentran en el sistema?
( ) (
=
) ( )
e) Cul es el tiempo de espera promedio en minutos antes de ingresar los datos de la

factura al sistema?
( )
( )
( )
f) Cul es el tiempo promedio desde que la factura llega hasta que es ingresada en el
sistema en minutos (tiempo de espera ms tiempo de servicio)?
( ) ( )
( )
g) Cul es la probabilidad que haya ms de un cliente en el sistema?

Aplicamos la propiedad del complemento
P (>1)= 1- (P(o)+ P (1))
66
La probabilidad de que n facturas estn en el sistema es:

P (n)= P(o)*Un
P (1)= 0.17*0.831 = 0,14
P (>1)= 1- (0,17+ 0.14)
P (>1)= 0.69
h) Cul es el costo total del servicio y de espera en la cola?
CT= CS + CE
CT= Cs*k + Ce* ( )
CT= 15*1 + 20*4.17
CT=98, 4
i) Cul es el costo total del servicio y de espera en la cola?

CT= Cs*k + Ce* ( )
CT= 15*1 + 20*5
CT=115
Si comparamos los resultados obtenidos con el software son iguales a los obtenidos por las
frmulas, lo importante es que identifiquemos el modelo de lnea de espera para aplicar las
frmulas respectivas y sobre todo tengamos una adecuada interpretacin de la aplicacin
de cada frmula.
MODELO DE LNEA DE ESPERA DE MLTIPLES CANALES CON

LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/S
Segn: (Anderson, Sweeney, Willams, Camm, & Kipp, 2011, pg. 665) utiliza M/M/s;
nomenclatura que identifica el modelo, adems se la utiliza para ser resuelto en POM
(Software).
El siguiente grfico resume el modelo.
Figura 32 Modelo de lnea de espera de mltiples canales con llegadas Poisson y tiempos de servicio exponenciales.
M/M/s
67
Ejercicio Resuelto
En el problema anterior podemos realizar un anlisis y considerar la posibilidad de

contratar otro asistente para que ayude con el ingreso de las facturas al sistema, para saber
si se reduce el costo total.
Resolucin.
Condiciones:
Una lnea de espera
Dos servidores k=2
Capacidad ilimitada o infinita m=
Datos:
Tasa de llegada
= 10 Clientes /hora
Tasa de servicio
=12 Clientes /hora
Costo de espera
Ce=20$/hora
Costo de servicio
Cs=15 $/ hora
Abrimos el programa, en mdulo seleccionamos Waiting Lines
68
Figura 33Tutorial de Lneas de Espera
En File vamos a new y seleccionamos el modelo M/Ms
Figura 34 Tutorial de Lneas de Espera
69
Finalmente llenamos los datos en la matriz que se despliega y clic en solve.
Se obtiene la tabla de resultados.
70
En la barra de herramienta en Windows podemos desplegar los resultados, como la tabla

de probabilidades y el grfico.
La nomenclatura que utilizaremos en el clculo difiere de la utilizada en POM por lo que

la relacionaremos en lo posible.
71
a) Cul es la probabilidad de que el cliente llegue y no sea atendido?
Aplicamos el factor de Utilizacin U
=0.42
b) Cul es la probabilidad de que no haya facturas para ingresar en el sistema o que

el sistema este vaco?
( ) ( ) ( )
( )
c) Cul es la cantidad promedio de facturas que esperaran para ser ingresadas?
( )
( ) ( )
( ) ( )
( )
d) Cul es la cantidad promedio de facturas que se encuentran en el sistema?
( )
72
e) Cul es el tiempo de espera promedio en minutos antes de ingresar los datos de la

factura al sistema?
( )
( )
( )
f) Cul es el tiempo promedio desde que la factura llega hasta que es ingresada en el
sistema en minutos (tiempo de espera ms tiempo de servicio)?
( ) ( )
( )
g) Cul es la probabilidad que haya ms de un cliente en el sistema?

Aplicamos la propiedad del complemento
P (>1)= 1- (P(o)+ P (1))
La probabilidad de que n facturas estn en el sistema es:
( )
( )
P (>1)= 1- (0,41+ 0.34)
P (>1)= 0.
h) Cul es el costo total del servicio y de espera en la cola?
CT= CS + CE
CT= Cs*k + Ce* ( )
CT= 15*2 + 20*0,18
CT=33,6
i) Cul es el costo total del servicio y de espera en la cola?

CT= Cs*k + Ce* ( )
CT= 15*2 + 20*1,008
CT=50,17
Si comparamos los resultados obtenidos con el software son iguales a los obtenidos por las
frmulas, lo importante es que identifiquemos el modelo de lnea de espera para aplicar las
frmulas respectivas y sobre todo tengamos una adecuada interpretacin de la aplicacin
de cada frmula.
73
MODELO DE LNEA DE ESPERA BSICO CON CAPACIDAD LIMITADA DE

UN SOLO SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO
EXPONENCIALES. M/M/1 WITH A FINITE SYSTEM
M/M/1 with a Finite System. Nomenclatura que identifica el modelo para ser resuelto en
POM (Software).
Figura 39 Modelo de lnea de espera bsico con capacidad limitada de un solo servidor con llegadas Poisson y
tiempos de servicio exponenciales. M/M/1 with a Finite System
Ejercicio Resuelto
Para visualizar de mejor manera el problema que estamos resolviendo, lo planteamos de la

siguiente manera.
Una estacin de lavado de autos tiene 5 parqueaderos mientras un auto se est lavando.
Cuando se llenan los parqueaderos los autos abandonan el lugar, no se quedan haciendo
cola fuera de la estacin. Suponga que puede usarse una distribucin de probabilidad de
Poisson con una tasa media de 10 autos por hora para describir el patrn de llegada y que
los tiempos de lavado a una tasa media de 12 autos por hora con tiempos de servicio
exponenciales. El costo de espera de un cliente es de 20$/hora, mientras que el costo de
servicio es de 15 $/ hora.
Resolucin.
Condiciones:
Una lnea de espera
Un servidore k=1
Capacidad limitada o finita m=20+1=6
74
Datos:
Tasa de llegada
= 10 Clientes /hora
Tasa de servicio
=12 Clientes /hora
Capacidad limitada o finita
m=5+1=6
Costo de espera
Ce=20$/hora
Costo de servicio
Cs=15 $/ hora
Abrimos el programa, en Mdulo seleccionamos Waiting Lines
En File vamos a New y seleccionamos el modelo M/M/1 with a Finite System.
75
Llenamos los datos y hacemos clic en solve
En la barra de herramientas en Windows podemos desplegar los resultados, como la tabla

de probabilidades y los grficos.
a) Cul es la probabilidad de que es sistema este vaco?
( )
( )
b) Cul es la probabilidad que haya un espacios vaco en el parqueadero?
Si buscamos la probabilidad de que haya exactamente 5 autos en el sistema aplicamos la

siguiente frmula
76
( )
( )
P5=0,09
c) Cul es la probabilidad que el sistema est lleno?
( )
( )
Pm =0,08
d) Cul es la probabilidad que haya dos espacios o ms vacos en el parqueadero?
Si en el sistema hay 6 autos, 5 en los parqueaderos y 1 lavndose, consideremos que,
Po+ P1+P2+P3+P4+P5+P6=1, la suma de todas las probabilidades es 1.
Despejando
(Po+P1+P2+P3+P4)=1-(P5+P6)
P (<=4)=1-(0,08+0,09)
P (<=4)=0,83
e) Cul es la probabilidad de que un auto si ingrese o que el sistema no est lleno?
=1-Pm
=1-0,08
= 0,92
f) Cul es la tasa efectiva promedio de llegada?
Considerando que todos los que llegan no ingresan si llegan 10 autos por hora.
( )
( )
Autos/hora
77
g) Cul es el nmero de autos que no logran ingresar a la lavadora?
/hora
h) Cul es el nmero promedio esperado de autos en la lavadora?
( ) ( )( )
( )
( ) ( )( )
( )
i) Cul es el nmero promedio esperado de autos en el parqueadero o en espera?
EL
EL
EL= Lq =1,52 autos
j) Cul es el tiempo esperado que permanecen los autos en la lavadora?
( )
ET=
( ) ( ( ) )
( )
ET=
( ) ( ( ) )
ET = Ws= 0,25 horas = 15 minutos
k) Cul es el tiempo esperado que permanecen los autos en el parqueadero esperando ser
atendidos?
Et = ET -
Et = 0,25 -
Et = Wq= 0,16 horas = 9,89 minutos
78
AUTOEVALUACIN
Relacione la columna de la izquierda (concepto) con la
BASE DE LA PREGUNTA 1 columna de la derecha (definicin)
CONCEPTOS DEFINICIN
1. Fi a) Mercados hacia donde se envan los productos.
2. Mj b) Mrgenes de contribucin, que pueden ser costos o

ganancias unitarias de enviar los productos desde cada fuente
a cada mercado.
3. Cij c) Fuentes desde donde se envan los productos
4. Xij d) Variables de decisin, cantidades que cada fuente entrega

a cada mercado, cuyo valor final permite determinar el plan
ptimo de distribucin.
A 1a, 2b, 3c, 4d

B 1c, 2a, 3b, 4d
C 1b, 2c, 3d, 4
OPCIONES DE RESPUESTA
D 1c, 2a, 3b, 4d
E 1b, 2d, 3a, 4c
F 1c, 2a, 3d, 4c
Relacione la columna de la izquierda (concepto) con la columna

BASE DE LA PREGUNTA 2 de la derecha (definicin)
CONCEPTOS DEFINICIN
1. Po a) Tiempo esperado (promedio) que un cliente permanece en

el sistema, o, el tiempo que espera por servicio ms el tiempo
de servicio.
2. E(n) b) Nmero esperado (promedio) de clientes en el sistema
3. E(T) c) Tiempo esperado (promedio) que un cliente espera en la

cola antes de ser atendido o por servicio.
4. E(t) d)Probabilidad de que el sistema este vaco
A 1a, 2b, 3c, 4d

B 1c, 2a, 3b, 4d
OPCIONES DE C 1b, 2c, 3d, 4a
RESPUESTA D 1c, 2b, 3a, 4d
E 1b, 2d, 3a, 4c
F 1d, 2b, 3a, 4c
79
PROBLEMA 1
Un taller elabora tres productos A, B, C, y la demanda de estos productos es de 90, 210 y 120
unidades/semana respectivamente. Los productos pueden fabricarse por uno de los tres
mtodos, cada uno de los cuales dispone de las siguientes capacidades semanales: 160,120 y
140 unidades respectivamente. En la tabla se indica las ganancias (dlares/unidad) asociadas
con cada producto y cada mtodo.
PRODUCTOS M1 M2 M3
A 139 140 137
B 209 207 210
C 254 255 255
BASE DE LA PREGUNTA 3 La distribucin inicial por la Regla del costo mnimo es:
A El producto A debe producirse 90 unidades en el M3
El producto B debe fabricarse 90 unidades en M1, 120 en el
M2
El producto C debe producirse 70 unidades en M1, 50
unidades en M3
B El producto A debe producirse 90 unidades en el M1
M3
unidades en M3
C El producto A debe producirse 90 unidades en el M2
OPCIONES DE El producto B debe fabricarse 160 unidades en M1, 30 en el
RESPUESTA M2 y 20 unidades en M3
El producto C debe producirse 120 unidades en M3
D El producto A debe producirse 90 unidades en el M2
M2
unidades en M3
E El producto A debe producirse 90 unidades en el M1
M2
unidades en M2
80
BASE DE LA PREGUNTA 4 La ganancia total de esta distribucin inicial es:

A 87050
B 94050
OPCIONES DE
C 85940
RESPUESTA
D 86600
E 86570
La distribucin mejorada ( o mejor alternativa de distribucin)

BASE DE LA PREGUNTA 5 es:
A El producto A debe producirse 90 unidades en el M3

M2
unidades en M3
B El producto A debe producirse 90 unidades en el M1
M3
unidades en M2, 50 unidades en M3
C El producto A debe producirse 90 unidades en el M2
OPCIONES DE El producto B debe fabricarse 160 unidades en M1, 30 en el
RESPUESTA M2 y 20 unidades en M3
El producto C debe producirse 120 unidades en M3
D El producto A debe producirse 90 unidades en el M2
M2
unidades en M3
E El producto A debe producirse 90 unidades en el M2
M3
unidades en M3
BASE DE LA PREGUNTA 6 La ganancia total de esta distribucin es:

A $85400
B $87110
OPCIONES DE
C $92500
RESPUESTA
D $84120
E $83120
81
PROBLEMA 2
El supervisor de un banco enfrenta al problema de determinar el nmero de cajeros que se debe

utilizar en horas pico. El supervisor ha observado que los clientes llegan en promedio cada 4 min
y el tiempo promedio para procesar una transaccin es de 2 min. Tambin ha observado que el
patrn de nmeros de llegada de clientes sigue la distribucin de Poisson y que los tiempos de
servicio tienen una distribucin exponencial negativa.
La probabilidad de que un cliente que llega sea atendido

BASE DE LA PREGUNTA 7 inmediatamente es:
A 0,75
B 0,35
OPCIONES DE
C 0,25
RESPUESTA
D 0,50
E 0,45
El tiempo esperado que un cliente permanece en el sistema o el

BASE DE LA PREGUNTA 8 tiempo que espera por servicio ms el tiempo de servicio es:
A 20 min
B 10 min
OPCIONES DE
C 5 min
RESPUESTA
D 4 min
E 2 min
El nmero esperado de clientes es la lnea de espera o esperando

BASE DE LA PREGUNTA 9 ser servidos (Longitud de la cola) es:
A 5 clientes
B 0,5 clientes
OPCIONES DE
C 0,8 clientes
RESPUESTA
D 10 clientes
E 8 clientes
BASE DE LA PREGUNTA La probabilidad de que un cliente espere menos de 4 min en el

10 sistema es:
A 0,7235
B 0,1521
OPCIONES DE
C 0,5432
RESPUESTA
D 0,6321
E 0,1426
82
FORMULARIO
FORMULARIO DE OPERATIVA
P(A= n) = P(S=t) = *
MODELO BASICO O GENERALIZADO
U=
( ) ( ) ( )
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
ANALISIS DE COSTOS DE SISTEMAS DE LNEAS DE ESPERA
CT =CS+CE+K CS = *u CS = *k
CE= ( )

MODELO BSICO CON CAPACIDAD LIMITADA
( )
La prob. No este lleno=1-
83
Tasa de rechazo = ( ) ( ) ; cuando U=1
( )
Cuando
E(L) = E(n)-1+ E(T)= E(t)=E(T) -

( ) ( )
E(n)= E(L)+

E(n)= *E(T) E(L)= *E(t)
SISTEMAS DE CANALES MLTIPLES O VARIOS SERVIDORES Y UNA LNEA

DE ESPERA
{[ ( ) ] [ ( ) ]
( )
[ ( ) ( )]}
( ) ( )
( )
( ) ( )
( ) ( )
( )
( )
( ) ( )
( )
( )
( ) ( )
( ) ( ) ( )( )
84
( ) ( ) ( ) {
( )
( ) [ ]
}
( )( )
( )
( )
( )
( )
SISTEMA DE VARIOS SERVIDORES, UNA LNEA DE ESPERA Y CON

CAPACIDAD LIMITADA
( )
{[ ( ) ] {[ ] [ ]}
cuando U=1
( )
[ ]}
( )
( )
P(m=n)=
( ) Tasa de rechazos =
( )
( )
( ) ( )
E(L)= [( ) ( )( ) ]
( )
TECNICA BSICA EN FUNCIN DE LOS COSTOS
( )( ) ( )
85
BILBIOGRAFA BSICA
Anderson, D. R., Sweeney, D. J., Willams, T. A., Camm, J. D., & Kipp, M. (2011).
MTODOS CUANTITATIVOS PARA LOS NEGOCIOS. Mexico: Internacional
Thomson.
Rodriguez Acosta, S. (2011). Enseanza-Aprendizaje DE LA INVESTIGACION

OPERATIVA- VOLUMEN 2. Quito: Impresores MYL.
BIBLIOGRAFA COMPLEMENTARIA
1. RENDER, Barry, STAIR, Ralph M., HANNA Michael E., Mtodos cuantitativos
para los Negocios. Novena Edicin. Pearson, Prentice Hall. 2006.731p.
2. HILLIER, Frederick. HILLIER, Mark. LIEBERMAN, Gerald. Mtodos

cuantitativos para administracin. Primera Edicin. McGraw-Hill Interamericana.
2002. 855p
3. BONINI, Charles. HAUSMAN, Warren. BIERMAN, Harold. Anlisis Cuantitativo

Para los Negocios. Novena Edicin. McGraw-Hill Interamericana. 2001. 530p.
4. TAHA, Hamdy A. Investigacin de Operaciones, una introduccin. Sexta Edicin.

Prentice Hall. 1998. 916p.
5. EPPEN, GOULD, SCHMIDT, MOORE y WEATHERFORD. Investigacin de

Operaciones en la Ciencia Administrativa. Quinta Edicin. Prentice - Hall
Hispanoamericana S.A. 2000. 702p.
NETGRAFA
1. Programacin Lineal
http://youtu.be/thl5lGwzvC8
2. Lneas de espera
http://youtu.be/Lc_vRpYJMls
http://enlaweb.com.mx/io2/lineas-de-espera.php
86
TABLA DE ILUSTRACIONES
FIGURA 1 REGIN DE VIABILIDAD .......................................................................................... 8

FIGURA 2 REGIN FACTIBLE ................................................................................................ 11
FIGURA 9 .............................................................................................................................. 26
FIGURA 10 FORMATO PARA SOLVER..................................................................................... 27
FIGURA 14 INFORME DE CONFIDENCIALIDAD ........................................................................ 29
FIGURA 15 TUTORIAL DE POM ............................................................................................ 29
FIGURA 21 REGIN FACTIBLE .............................................................................................. 37
FIGURA 22 REGIN FACTIBLE .............................................................................................. 38
FIGURA 23 MODELOS DE TRASPORTE ................................................................................... 41
FIGURA 24 MODELO DE TRANSPORTE RESUELTO CON PROGRAMACIN LINEAL .................. 44
FIGURA 25 MODELO DE TRANSPORTE .................................................................................. 46
FIGURA 26 MODELO DE LNEA DE ESPERA DE NICO SERVIDOR CON LLEGADAS POISSON Y
TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1 .............................................................. 62
FIGURA 27 TUTORIAL LNEA DE ESPERA .............................................................................. 63
FIGURA 32 MODELO DE LNEA DE ESPERA DE MLTIPLES CANALES CON LLEGADAS POISSON Y
TIEMPOS DE SERVICIO EXPONENCIALES. M/M/S ............................................................... 67
FIGURA 33TUTORIAL DE LNEAS DE ESPERA ........................................................................ 69
FIGURA 34 TUTORIAL DE LNEAS DE ESPERA ....................................................................... 69
87
FIGURA 39 MODELO DE LNEA DE ESPERA BSICO CON CAPACIDAD LIMITADA DE UN SOLO

SERVIDOR CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES. M/M/1 WITH
A FINITE SYSTEM ............................................................................................................ 74
88
TABLAS
TABLA 1: USOS DE RECURSOS POR UNIDAD PRODUCIDA ....................................................... 10

TABLA 2: RESULTADOS DEL POLGONO DE SOLUCIN: ......................................................... 11
TABLA 3 : USO DE RECURSOS POR CANTIDAD UNIDAD DISPONIBLE ...................................... 12
TABLA 4: INFORMACIN NUTRICIONAL Y DE COSTOS............................................................ 12
TABLA 5: GRADIENTE FILETE PAPAS DIARIOS (GRAMOS) ...................................................... 13
TABLA 6: RESULTADOS DEL POLGONO DE SOLUCIN: ......................................................... 14
TABLA 7: TIEMPO QUE CADA UNO INVIERTE EN LA FABRICACIN DE CADA DISPOSITIVO...... 15
TABLA 8 RESULTADOS DEL POLGONO DE SOLUCIN:........................................................... 16
TABLA 9: PROPORCIN GASOLINA, TURBOSINA Y KEROSENE ............................................... 16
TABLA 10: RESULTADOS DEL POLGONO DE SOLUCIN......................................................... 18
TABLA 11: TABLA DE DATOS ............................................................................................... 19
TABLA 12: TABLA DE RESULTADOS ...................................................................................... 21
TABLA 13: SOLUCIONES ORIGINARAN EN LAS UTILIDADES .................................................. 22
TABLA 14: ANLISIS RESTRICCIONES EN LOS PUNTOS B, P Y Q ............................................ 23
TABLA 15: VARIACIN PERMITIDA DE LOS COEFICIENTES DE LA FUNCIN OBJETIVO .......... 25
TABLA 16: RESUMEN DE DATOS: .......................................................................................... 35
TABLA 17: RESOLUCIN EN SOLVER DE EXCEL .................................................................... 36
TABLA 18: TABLA DE PARMETROS ...................................................................................... 36
TABLA 19: RESULTADOS EN SOLVER .................................................................................... 39
TABLA 22: ANLISIS DE SENSIBILIDAD ................................................................................. 40
TABLA 23: COSTOS UNITARIOS ............................................................................................ 43
TABLA 24: ............................................................................................................................ 45
TABLA 25: COSTO UNITARIO ............................................................................................ 46
TABLA 26: COSTO UNITARIO ................................................................................................ 46
TABLA 27: COSTES DE ENVI ............................................................................................... 47
TABLA 28: COSTOS OFERTA Y DEMANDA .............................................................................. 47
TABLA 29:MTODO U-V ....................................................................................................... 47
TABLA 30: MTODO U-V ...................................................................................................... 48
TABLA 31: MTODO U-V ...................................................................................................... 51
TABLA 32: MTODO U-V ...................................................................................................... 51
TABLA 33: MTODO U-V ...................................................................................................... 52
TABLA 34: MTODO U-V ...................................................................................................... 53
TABLA 35: MTODO U-V ...................................................................................................... 54
TABLA 36: PANES POR HORA ................................................................................................. 56
TABLA 37:EMPLEADOS Y TIPOS DE PANES ............................................................................ 56
TABLA 38:MTODO HNGARO ............................................................................................. 56
TABLA 39: MTODO HNGARO ............................................................................................ 57
89

TABLA 46 MTODO HNGARO ............................................................................................. 59
90
91

Guia Investigacion Operativa Operativa 2 2017

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Guia Investigacion Operativa Operativa 2 2017

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ADMINISTRATIVAS

Edwin Roberto Gmez Bastidas

Mayra Alexandra Crdova Alarcn

Vctor Marcelo Merino Castillo

TABLA DE CONTENIDOS ...................................................................................... 3

Una de las caractersticas de un Administrador y/o de un Auditor es saber tomar las

La Investigacin de Operaciones se desarroll con fuerza al comienzo de la Segunda

IMPORTANCIA PARA LA FORMACIN DEL PROFESIONAL.

En la actualidad con el despunte de la nueva tecnologa y de tcnicas modernas, la

La Investigacin Operativa no toma decisiones por si misma, su funcin es la de asesorar

1.2.3 RELACIONES CON OTRAS ASIGNATURAS.

Es una ciencia interdisciplinaria: reconoce que la mayor parte de los problemas de

Figura 1 Regin de viabilidad

OBJETIVO DE LA UNIDAD DE COMPETENCIA

En este Captulo se presenta el desarrollo terico prctico de los modelos de

La funcin objetivo de problema

Es recomendable (no una regla), por facilidad de planteamiento y de anlisis, tabular el

4.- Plantear el sistema de restricciones (ecuaciones y/o inecuaciones) correspondientes a

Tabla 1: Usos de recursos por unidad producida

Usos de recursos por unidad producida

Se cumplen todas las suposiciones de programacin lineal.

Por lo tanto el Modelo de Programacin Lineal sera:

X = Nmero de unidades del Producto A

Maximizar Ganancia = 3,000 X + 2,000 Y

Restriccin - 1 Restriccin - 2 Restriccin - 3

Tabla 2: Resultados del polgono de solucin:

Punto ptimo : X = 0.6667

Tabla 3 : Uso de recursos por cantidad unidad disponible

Recurso Producto A Producto B Recursos

Tabla 4: informacin nutricional y de costos

Gramos por ingrediente por racin

Las decisiones a tomar son las raciones diarias de filete y de papas

Convierta estas descripciones verbales de las restricciones y la medida de desempeo en

Minimizar Costo = 4 ($/rac. filete)*(# de raciones de filete) + 2($/rac. papas)* (# de

Carbohidratos: 5 (gr/rac. filete)*(# de raciones de filete) + 15 (gr/rac. papas)* (# de

Protenas: 20 (gr/rac. filete)*(# de raciones de filete) + 5 (gr/rac. papas)* (# de raciones

Grasas: 15 (gr/rac. filete)*(# de raciones de filete) + 2 (gr/rac. Papas)*( de raciones de

Formule este mismo problema en forma algebraica.

X1 = Nmero de raciones de filete

Minimizar Costo = 4X1 + 2X2

1.- Carbohidratos: 5 X1 + 15X2 > 50

Tabla 5: gradiente Filete Papas diarios (gramos)

X1 = 1,27 raciones de filete

Costo Mnimo = 10,91 Dlares

Figura 3 Regin Factible

Tabla 6: Resultados del polgono de solucin:

X1 = 1.3 raciones de filete X2 = 2.9 raciones de papas

Costo Mnimo = 10,91 Dlares

A continuacin presentamos la solucin del Texto Matemticas para Administracin,

Tabla 7: Tiempo que cada uno invierte en la fabricacin de cada dispositivo

Amigo A Amigo B Amigo C

El modelo algebraico de programacin lineal sera:

X1 = Nmero de unidades del dispositivo Zeta que se debe construir

F. Objetivo: Maximizar Utilidad = 5X1 + 7X2

Sujeto a: Amigo A: 2X1 + X2 70

La solucin por el mtodo grfico ser:

Restrriccin - 1 Restrriccin - 2 Restrriccin - 3

Figura 4 Regin Factible

Tabla 8 Resultados del polgono de solucin:

La solucin ptima factible (matemtica) ser:

La utilidad mxima = $274

Petrocomercial compra 2 tipos de petrleo crudo ligero y pesado a un precio de $25 el

Minimizar Costo = 4 ($/rac. filete)(# de raciones de filete) + 2($/rac. papas) (# de

Carbohidratos: 5 (gr/rac. filete)(# de raciones de filete) + 15 (gr/rac. papas) (# de

Protenas: 20 (gr/rac. filete)(# de raciones de filete) + 5 (gr/rac. papas) (# de raciones

Grasas: 15 (gr/rac. filete)(# de raciones de filete) + 2 (gr/rac. Papas)( de raciones de