IO-2 Teoria

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Facultad de Ciencias Matemticas
INVESTIGACIN
OPERATIVA II
TEORA Y EJERCICIOS
Ciudad Universitaria 2016

Teora de Decisiones
A.1. Introduccin:
La organizacin fracciona el problema en sus diversas partes, las analiza, estudia por
separado y arroja por grupos sus resultados. La Investigacin de Operaciones recoge estos
resultados y los coordina a todos los niveles.
El xito de cualquier operativo, ya sea militar, comercial, industrial, poltico social, etc.,
depende del adecuado uso de los medios que se dispone para ese fin. La Investigacin de
Operaciones se aplica a problemas que tienen que ver con la forma de conducir y coordinar
las operaciones o actividades dentro de una organizacin.
El propsito de la Investigacin de Operaciones es pronosticar las condiciones ptimas de

las acciones presentes, futuras y comprenderlas perfectamente para poder modificarlas en
vista de mejores resultados.
De la experiencia personal, muchas decisiones se toman sin hacer referencia al mtodo

cientfico o a los mtodos cuantitativos.
La costumbre, la tradicin, la fe, la intuicin, las preferencias, predisposiciones y el factor

poltico, etc., juegan un papel importante en la manera en que se resuelve los problemas. En
la bsqueda de soluciones de los problemas debemos responder a las siguientes preguntas:
Cmo debe actuarse al tomar una decisin?

Qu debe hacerse para tomar la mejor decisin?
A.2. Decisin:
Definicin: Decidir es elegir entre diferentes alternativas. Cuando el proceso de seleccin lo
efectuamos, consideramos diferentes criterios que como filtros de opciones nos permite
establecer un orden de preferencia de las alternativas.
La complejidad del mundo econmico actual y de la estructura interna de las empresas hacen
cada vez ms difciles las decisiones. Que ya no cabe la decisin intuitiva, la decisin actual
ha de ser fruto de una reflexin y de una preparacin racional.
La decisin se traduce en coordinar un conjunto de actividades cuyas consecuencias se

sentirn en el futuro. El decisor decide en base a la intuicin y en base al razonamiento.
D = d {R, I} I: Intuicin, R: Razn
La Investigacin de Operaciones, tiene por misin dar mayor peso a la componente racional
de todo acto de decisin, que las decisiones descansen sobre bases racionales. Para aumentar
el peso de la componente racional. La Investigacin Operativa cuantifica al mximo la
informacin del estado del sistema. No puede haber una decisin totalmente racional, pues
quien decide, muchas veces tiene en cuenta el acto de la decisin otros factores como:
Prestigio personal, poltico, etc.
El mtodo cientfico surgi a travs del tiempo a partir de la experiencia de muchos

cientficos (Qumicos, Fsicos, Bilogos, etc.). Se reconoce a Sir Francis Bacon quien
describi formalmente el mtodo cientfico.
La aplicacin exhaustiva del mtodo cientfico, considera:
a. Estar bien informado: Deben conocerse todos lo hecho y relaciones pertinentes.

b. Conocer todas las alternativas: Deben identificarse todas las alternativas de solucin.
c. Ser objetivo: Ser optimizador econmico. Maximizar los beneficios econmicos y
minimizar los costos econmicos.
A.3. Elementos de un Problema de Decisiones

La persona que toma una decisin quiere alcanzar una situacin distinta a la de su estado
original. Adems escoge de una manera, pensando que esa es la forma adecuada para alcanzar
las metas. Su actuacin toma la forma concreta de una cierta utilizacin de sus recursos
limitados. Cualquier problema de decisiones independiente del tipo de organizacin formal
o del nivel jerrquico en el cual se presenta, tiene estas caractersticas:
1. Una persona responsable toma la decisin, considerando sus objetivos.

2. Existe un contexto del problema, factores que estn fuera del control de decisor y se
dan en el medio ambiente: estados de la naturaleza j.

3. Hay un conjunto de alternativas Ai (cursos de accin) viables que considera el decisor
en el contexto del problema.
4. Hay un conjunto de valores de las consecuencias rij que resultan de la combinacin
de las alternativas y de los estados de la naturaleza.
5. Los estados de la naturaleza, cuantifica en trminos probabilsticos.
6. Seleccin del criterio de decisin para determinar cul es la mejor alternativa.
A.4. Matriz de Decisiones

Formalizamos la presentacin del modelo de toma de decisiones con la matriz de decisiones
(matriz de consecuencia), donde cada fila representa una alternativa Ai y cada columna
representa un estado de la naturaleza j :
Alternativas Estados de la Naturaleza

Ai/ j 1 2 n
A1 r11 r12 r1n
A2 r21 r22 r2n
. ..
Am Rm1 rm2 ... rmn
P( j) P( 1 ) P( 2 ) P( n )
Debe observarse que las estrategias y estados de la naturaleza, se enumeran de tal forma que
sean mutuamente excluyentes y exhaustivos.
A.5. Determinacin de los estados de la naturaleza.
1. Considerar todos los eventos j posibles, de omitirse uno de ellos tambin se

omiten sus consecuencias Rij al evaluar las distintas alternativas Ai.
2. Un evento ser imposible si el decisor quiere considerarlo.
3. La lista de los eventos considerados debe ser completa, en el sentido de que uno de
ellos necesariamente debe ocurrir.
4. Hay que enumerar los eventos de tal manera que sean mutuamente excluyentes.
B. Tipologa de la Toma de Decisiones.

Los medios necesarios para la toma de decisiones son el juicio y el sentido comn. Los
procedimientos formales abarcan, organizan, jerarquizar, contar, estimar y una aritmtica de
la informacin.
B.1. Primera Tipologa.

Existe infinidad de problemas de decisiones que los podemos reducir a:
1. Situaciones Programables.
Situaciones bien definidas, repetitivas y para los cuales existe una informacin adecuada.
Existen reglas rutinarias que normalmente guan la administracin diaria de los asuntos de
las organizaciones comerciales:
Nivel de inventario.
Colocacin de trabajadores.
Determinacin de horarios de produccin, etc.
2. Situaciones No Programables.
No estn bien definidos, ocurren espordicamente y no se tiene informacin suficiente que
ayude a decidir. El decisor es incapaz de aportar reglas para estructurar el problema. Las
caractersticas de las situaciones no programables son:
Extensa base de datos.

Muchos requerimientos para el manejo de los datos.
No hay criterios definidos para elegir la mejor alternativa.
No se puede enumerar todas las alternativas.
Existe un ambiente dinmico del problema.
B.2. Segunda Tipologa

La clasificacin se basa por el grado de informacin que se encuentra al alcance del decisor
con respecto a las probabilidades de ocurrencia de los diversos estados de la naturaleza.
1. Decisiones En Condiciones De Certeza.

El decisor sabe con certeza el estado de la naturaleza y las consecuencias al elegir una de un
conjunto de alternativas, conociendo sus preferencias por los resultados. Ejemplos: Tengo un
depsito de $100 en una cuenta de ahorro, y s que por intereses generara $20 en el saldo de
la cuenta.
2. Decisiones En Condiciones De Riesgos.

Cuando ms de un estado de la naturaleza es relevante, el decisor identifica las alternativas
y asigna probabilidades que se conocen o se pueden suponer en cuanto a la ocurrencia de los
estados de la naturaleza. Ejemplo: No sabemos si llover maana, pero sabemos que la
probabilidad de lluvia es de 0.3.
3. Decisiones En Condiciones De Incertidumbre.

El decisor desconoce la ocurrencia de los estados de la naturaleza y se siente incapaz para
estimar o calcular las probabilidades asociando a cada estado de la naturaleza. Para resolver
estos problemas se asigna juicios subjetivos de optimismo y pesimismo en cuanto a la
ocurrencia de los estados de la naturaleza. Ejemplo: La probabilidad que un demcrata sea
presidente dentro de 20 aos no se conoce.
C. Ilustracin: Venta De Arboles

El personal de cierto convento coloca en el mercado rboles de navidad. Su problema es
decidir cuantos rboles se debe producir la siguiente temporada. Se realiza un gasto de
$3.5/rbol, se producen en lotes de 100 y se planea venderlos a $8.0 cada uno, se estudian
los registros de ventas con otros vendedores, llegando a las siguientes estimaciones para la
siguiente temporada.
Venta de arboles 100 200 300
Probabilidad 0.3 0.3 0.4
Solucin
Modelo de decisin bajo riesgo, se recoge informacin de los vendedores:
Utilidad $4.5/rbol, Costos $3.5/rbol Precio $8/rbol
Estados de la Naturaleza.
Lotes de 100 rboles; Demandas: 100, 200 y 300
01: Vender 100 arboles
02: Vender 200 arboles
03: Vender 300 rboles.
Alternativas:
El personal puede producir: 100, 200 y 300.
A1: Producir 100 rboles.
Matriz de Pagos
Las consecuencias se expresan en trminos de utilidades
R11=100(4.5)=450
R12=100(4.5)=450
R13=100(4.5)=450
R21=100(4.5) 100(3.5)=100
R22=R23=200(4.5)=900
R31=100(4.5) 200(3.5)=250
R32=200(4.5) 100(3.5)=900 350=550
R33=300(4.5) = 1350
Ai/ j 1 2 3
A1 450 450 450
A2 100 900 900
A3 -250 550 1350
Evaluacin de Resultados.
Si se ordena 100 unid., hay seguridad de ganancias de $450.
Si se ordena 200 unid., las ganancias estn en el rango de $100 a $900.
Si se ordena 300 unid., la utilidad potencial esta entre $-250 y $1350.
Evaluamos las alternativas, utilizando el criterio del Valor Esperado.
E ( Ai ) RijP( j )
Luego escogemos el mximo valor esperado:
Max {450, 660, 630}=660
El criterio del valor esperado nos dice que debemos seleccionar la alternativa dos, es decir
producir 200 rboles para tener una ganancia esperada de $660.
D. Fases De La Toma De Decisiones.

El proceso racional de toma de las decisiones, implica las siguientes fases de actividad:
1. Definicin de problema.
2. Diagnstico del problema.
3. Bsqueda de alternativas.
4. Evaluacin de resultados.
1. Definicin Del Problema

Determinar, descubrir y delimitar el problema a estudiar.
A. Definicin De Las Necesidades.

Determinar las necesidades y a quien se ha de satisfacer.
B. Definicin De Objetivos.
Elementos que indican hacia donde debe llevar la decisin de que se trata. Estos debern
llevar a metas que sean: Cuantificables, Claros y Reales. De modo que puedan ser
comparados con los resultados obtenidos y poder as corregir en casos de desviaciones.
C. Definicin De Recursos.
Al definir lo recursos con que se cuentan o contara en el futuro se establecen las restricciones
bsicas del sistema.
D. Definicin De Las Condiciones Ambientales.

Identificar los factores ambientales relacionados con el problema y emitir juicios acerca de
estos a fin de relacionar estos factores con los objetivos.
2. Diagnstico Del Problema.

Su fin es el de analizar la informacin recogida y la de describir en detalle la situacin actual
del sistema as como la de sus componentes. Este procedimiento permite pronosticar las
consecuencias futuras del sistema de seguir actuando como lo hace. La calidad y
confiabilidad de los resultados est en funcin de la idoneidad de la informacin.
3. Bsqueda De Alternativas.
La prediccin (pronostico) permite definir cules sern las posibles alternativas a seguir para
alcanzar el objetivo propuesto. El proceso de desarrollar alternativas es proporcionar
condiciones conducentes al pensamiento creativo con los procesos humanos de inventiva e
innovacin. Para que las alternativas tengan un significado, es necesario que alguna
prediccin indique las consecuencias probables que puedan acontecer.
4. Evaluacin De Alternativas.
Dado las predicciones, se evaluaran estos considerando los objetivos fijados, con el cual e
estn valorando las alternativas y se podr decidir, cul de las alternativas es la ms
conveniente. La evaluacin de las alternativas se puede realizar por los mtodos:
Estimaciones, Corazonadas, La experimentacin, Modelos Empricos, Modelos

Tericos Establecidos.
A. DECISIONES EN CONDICIONES DE CERTEZA
A.1. INTRODUCCION
Esta situacin se da cuando el decisor conoce el estado de la naturaleza que ocurrir
con absoluta certeza. Por tanto la persona que toma la decisin conoce el conjunto de
sus estrategias posibles tambin conoce los resultados correspondientes a cada una de
las estrategias disponibles y conoce sus preferencias por los diversos resultados
considerados.
Por tanto la matriz de decisiones solamente posee una columna donde se especifica
el estado natural pertinente.
B. EJEMPLOS DE TOMA DE DECISIONES EN CONDICIONES

DE CERTEZA
B.1. LA TIENDA SABINO Y ROQUE
El supervisor del Dpto. de modas juveniles, de la sucursal Npoles dela tienda Sabino
y Roque deben decidir cuantos vestidos de un estilo determinado conviene almacenar
para atender la demanda de la prxima temporada.
Segn las normas de fabricante, los vestidos deben adquirirse por lotes de 10 docenas
cada uno. El beneficio neto que la tienda obtiene por cada docena vendida es de mil
pesos, y los vestidos que no se venden antes de finalizar la temporada, se liquidan a
un precio rebajado que ocasiona una prdida de quinientos pesos por docena.
Se conoce exactamente la demanda de este tipo de vestidos, la demanda ser de 60
docenas para la temporada de que se trate. Despus de unas consultas rpidas con sus
vendedores el supervisor del Dpto. considera los cursos de accin siguientes,
almacenar 50, 60, 70 docenas. No hay prdidas porque no hay exceso de inventario.
SOLUCION
- Se tiene conocimiento que en la temporada se ha de vender 60 docenas de
vestidos.
- Estados de la Naturaleza
01: Demanda de 60 docenas.
Norma del fabricante, adquirir lotes de 10 doc. El supervisor considera los cursos de
accin;
Alternativas:
A1: Almacenar 50 docenas

Las consecuencias rij asociada con cada combinacin de estados de la naturaleza y
estrategias:
Para A1 beneficio neto. No hay exceso de inventario.
r11 = 50 doc x 1000/doc = 50 000
r21 = 60 doc x 1000/doc = 60 000
r31 = 60 doc x 1000/doc 10 doc x 500/doc = 60 000 5 000 = 55 000
Matriz de pagos: Utilidades:
ALTERNATIVAS E. NATURALEZA
01: 60 doc
A1 Almacena 50 50 000
A.- DECISIONES EN CONDICIONES DE RIESGO E INCERTIDUMBRE
A.1.- INTRODUCCIN
La disponibilidad de informacin parcial o imperfecta sobre un problema, lleva a dos nuevas

categoras de casos de toma de decisiones:
1.- Decisiones con riesgo
2.- Decisiones con incertidumbre
En el primer caso el grado de ignorancia se expresa con una funcin de probabilidad a priori
a los distintos estados de la naturaleza usando:
Datos pasados
Otra informacin disponible
Juicio subjetivo
Mientras en el caso dos, no se dispone de una funcin de probabilidad, porque no existe
informacin registrada (Histrica), pero podemos asignar probabilidad subjetiva. En ambos
casos no se conoce perfectamente el estado que adoptar la naturaleza, pero se asocia a ste
una distribucin de probabilidad.
Los criterios de decisin que se emplean cuando predominan estas condiciones de riesgo-
incertidumbre, reflejan los valores personales y las actitudes hacia el riesgo que tienen los
responsables de tomar decisiones. El decisor se enfrenta a situaciones que pocas veces
sucedieron y en su afn de cuantificar esta incertidumbre, adopta una actitud intermedia entre
el pesimismo y el optimismo o algn otro criterio ms conveniente, de acuerdo al nivel de
aspiracin del decisor.
La estadstica clsica, resuelve problemas (P) de decisin en casos de riesgo R e

incertidumbre I, slo si es posible experimentar E:
E
R
E
P
I E
En algunas ocasiones, podemos agregar informacin pasada o de situaciones similares a

nuestro caso, con ello podemos ajustar las probabilidades a priori, este ajuste se denomina
probabilidad posteriori. Y si no podemos contar con informacin histrica, debemos hacer
un estudio de campo que nos permita ajustar las probabilidades a priori, para este caso
llamaremos probabilidades posteriori.
Si la experimentacin no es factible E, el anlisis estadstico (enfoque objetivo) no es til

para resolver los problemas de decisin. En estos casos se requiere otras tcnicas y enfoques
conocidos.
El criterio de optimalidad que se usa para seleccionar entre varias alternativas, ser la
minimizacin del costo esperado. Entre los problemas que se consideran estn los siguientes:
1.- Siendo la poltica optima, Cul es el costo esperado?
2.- Cul es la decisin que minimice el costo esperado, dado el resultado de un experimento?
3.- Si se lleva a cabo un experimento, valdr la pena?. Es decir, la disminucin en el costo

esperado ser mayor que el costo del experimento.
4.- Cul es la cantidad mxima de dinero que podra gastarse con el fin de eliminar toda
incertidumbre.
B.- PROCESO FORMAL DE UN PROBLEMA DE DECISIN

A= { A1, A2, , Am }
2.- El conjunto de los estados de la naturaleza: = {1 , 2 , } no se ejerce control sobre

la ocurrencia de estos eventos.
3.- Pero la ocurrencia de los estados de la naturaleza el decisor cuantifica en trminos

probabilsticos objetivos o subjetivos.
4.- Al elegir el decisor una alternativa cualquiera, se conocen o estiman las posibles
consecuencias que son a su vez funcin de los estados de la naturaleza.
5.- Siendo el objetivo del decisor, el de minimizar los costos o maximizar las ganancias,
escoge entre los promedios la mejor alternativa, ste lo expresa con la funcin:
E{ r(Ai , )} que es la que caracteriza a los diferentes mtodos y que se dimensionan en

trminos monetarios o de utilidad.
C.- DECISION SIN EXPERIMENTACION
C.1.- CRITERIOS PARA SITUACIONES DE RIESGO
Si debemos decidir frente a un conjunto de alternativas, y teniendo factores ambientales, que

de alguna manera imposibilitan el logro de los objetivos. Tendremos que recurrir a
informacin histrica de los factores exgenos (Estados de la naturaleza) y expresarlos en
trminos probabilsticos, para luego aplicarlo a un determinado criterio el cual sealar la
alternativa a elegir.
C.1.1 CRITERIO DEL VALOR MONETARIO ESPERADO
Supone que los estados que presenta la naturaleza son variables aleatorias, en muchas
situaciones de decisiones bajo riesgo no se dispone de distribuciones de probabilidad en
cuanto a la ocurrencia de los estados de la naturaleza. El criterio de valor monetario esperado
estipula, que el decisor haciendo uso de la distribucin a priori, debe seleccionar aquella
estrategia que minimice (maximice) su perdida (ganancia) esperada:
Opt E{f(Ai , )}
Dnde:
Opt: Maximizar beneficios esperado matriz de pagos expresado en ganancias
- Minimizar Costo esperado matriz de pagos expresado en prdidas (costos).

Opt E{f(Ai , ) P( ) ( , )( ) : Discreto
( , ) () : Continuo
El decisor asigna probabilidades de ocurrencia de cada estado natural, basndose en datos

disponibles sobre la frecuencia relativa con que cada estado se present en el pasado.
Axiomas bsicos de las probabilidades, para asignar probabilidades a los estados de la
naturaleza:
a. 0<= P( ) <= 1
b. P (1 2 )= P (1 ) + P (2 )
c. P (1 2 . ., )=1 , : Excluyentes
Se debe tener cuidado al usar el VME como criterio de decisin cuando las cantidades de
dinero involucrados son relativamente grandes, ya que las curvas de utilidad de las personas
y de las organizaciones no son lineales. La advertencia sobre el uso del VME es que los
resultados (los favorables y desfavorables) con frecuencia tienen consecuencias indeseadas.
EJEMPLO: ELABORACIN DE PAN
La Panadera LEONARD prepara todos los das su famoso pan, ste se vende a $1.0 la
unidad cuando est recin hecho y cuesta $ 0.50 prepararlo. El pan que no se vende es
ofertado a $0.5 la unidad. Aun a ese precio la mitad del pan rematado no se llega a vender y
se pierde.
La panadera acostumbra vender de 3 a 6 docenas de pan por da, tiene informacin en cuanto
a estas demandas, cuantificados en trminos probabilsticos. El problema de la panadera es
decidir cuantos panes preparar en un da tpico.
Demanda/doc 3 4 5 6
Probabilidad 0.1 0.4 0.4 0.1
Solucin:
Estados de la naturaleza, demanda del pan de 3 a 6 docenas.
Alternativas, la panadera acostumbra preparar de 3 a 6 docenas.
Matriz de decisin: Utilidades.

(1, 1): = 1(3)(12) = 36 = 0.5(3)(12) = 18 = 36 18 = 18
(2, 1): = 1(3)(12) + 0.5(0.5)(12) = 36 + 3 = 39 = 0.5(4)(12)

= 24 = 39 24 = 15
(3, 1): = 1(3)(12) + 0.5(1)(12) = 36 + 6 = 42 = 0.5(5)(12) = 30

= 42 30 = 12
(4, 1): = (1)(3)(12) + 0.5(1.5)(12) = 36 + 9 = 45 = 0.5(6)(12)

= 36 = 45 36 = 9
Ai | j 1 = 3 2 = 4 3 = 5 4 = 6
A1 = 3 18 18 18 18
A2=4 15 24 24 24
A3= 5 12 21 30 30
A4=6 9 18 27 36
Teniendo adems informacin probabilstica, se utiliza el criterio del VME para hallar la
mejor alternativa. La tabla est en funcin de utilidades:
E {f(A1,j)} = 18(0.1) + 18(0.4) + 18(0.4) + 18(0.1) = 18.0
E {f (A2, j)} = 15(0.1) + 24(0.4) + 24(0.4) + 24(0.1) = 23.1
E {f (A3, j)} = 12(0.1) + 21 (0.4) + 30 (0.4) + 30(0.1) = 24.6
E {f (A4, j)} = 9(0.1) + 18(0.4) + 27(0.4) + 36(0.1) = 22.5
Luego:
Max E {f (Ai, j)} = Max {18, 23.1, 24.6, 22.5} = 24.6
Se debe elegir la tercera alternativa, preparar 5 docenas de pan, con una utilidad esperada de
$24.6
C.1.1.1. PREFERENCIAS CON EL VALOR ESPERADO
Se intenta completar el anlisis de las decisiones, incorporando los elementos tericos

necesarios para dar validez al criterio del valor esperado. Considerando la tipologa de
aversin al riesgo, esto conduce a una curva de utilidad:
U(k) Y
Dnde:
K: Capital disponible
U (v): Utilidad de capital k
Esta curva se ajusta a la expresin:
= + + 2
Curva acotada y para c < 0
U (k) = Y
K=X
Entonces () = + 2
Conveniencias para alcanzar los objetivos:
1. En 1 a representa la distancia al origen en ambas frmulas.

() = 0 = 0
2. En 1 b determina la pendiente de la curva.
3. En 1 es necesario que c = -1.
Entonces: () = 2
Expresin para un decisor que posee aversin al riesgo. Debemos determinar el valor
esperado de 2;
{()} = () ( 2 )
As el decisor ordenara sus preferencias conforme al valor esperado de sus utilidades. Es

decir siendo k cada uno de los posibles capitales debemos ahora aplicar a cada curso de accin
de la matriz de pagos.
EJEMPLO: ELABORACION DEL PAN

Matriz de pagos: Utilidades
\ = = = =
A1 = 3 18 18 18 18
A2 = 4 15 24 24 24
A3 = 5 12 21 30 30
A4 = 6 9 18 27 36
Aplicando a cada alternativa la expresin:
{()} = () ( 2 )
Ilustrando para la alternativa: A2
() () ()
15 0.1 1.5 225.0 22.5
24 0.4 9.6 576.0 230.4
24 0.4 9.6 576.0 230.4
24 0.1 2.4 576.0 57.6
Los valores obtenidos se ordenaran conforme el decisor prefiere al mayor valor esperado
siendo:
-306 > -517.8 > -536.4 > -616.2
A1 > A2 > A4 > A3
C.1.2 CRITERIO DE LA UTILIDAD ESPERADA
Utilidad.- Es la transformacin de los valores monetarios a una escala que refleja las
preferencias del tomador de decisiones. La utilidad puede ser usada para racionalizar la
inconsistencia que puede resultar al utilizar el valor monetario esperado.
Si el decisor acta con el propsito de satisfacer una serie de supuestos razonables que son
los axiomas del comportamiento racional, existe una funcin de utilidad del decisor que elige
como alternativa ms apropiada a la que maximice la utilidad esperada.
C.1.2.1 FUNCION DE UTILIDAD
Funcin numrica definida sobre los eventos donde el decisor elegir y asignara una
probabilidad a cada evento de acuerdo a su preferencia. Por tanto la funcin de utilidad tiene
que ser algo muy subjetivo y suficiente flexible para adecuarse a las caractersticas personales
del decisor.
: E -----> (E)
Dnde:
= {1 2 } 0 (E) 1
C.1.2.2. UTILIDAD ESPERADA
Es el promedio de las preferencias del decisor:
= = ( )( )
Dnde:
0 ( ) 1 0 ( ) 1
El perfil de la curva de utilidad guarda una relacin con la aversin, indiferencia o propensin
al riesgo de un decisor:
U Aversin al Riesgo
Indiferencia al Riesgo
Propensin al Riesgo
Eventos
C.1.2.3 EVALUACIN SUBJETIVA DE LAS CONSECUENCIAS MONETARIAS
Las consecuencias monetarias pueden tener una utilidad diferente segn el decisor y la
situacin concreta de la que se trate. Los resultados monetarios obtenidos al escoger una
alternativa tal vez dependan:
Del prestigio personal del decisor

Del patrimonio financiero del decisor
De la posibilidad de una bancarrota
De la preferencia o aversin hacia el riesgo, etc.
C.1.2.4 LOTERIAS Y COMPORTAMIENTO RACIONAL

Podemos representar a la lotera como un experimento aleatorio cuyos resultados se indican
con el conjunto de eventos:
= {1 2 }
Donde la probabilidad subjetiva del decisor en cuanto a la ocurrencia del evento ej est dado
por:
Pj = P (ej) Donde Pj = 1
Supuestos:
1. No hay dos premios exactamente iguales

2. Los premios reflejan cierta preferencia del decisor
Una lotera se considera como un problema de decisiones donde la naturaleza es la que toma
la decisin. Denotamos una lotera de una sola etapa:
= {(1 , 1 )(2, 2 ) ( , )}
Donde Pj = P (ej)
Representacin grafica
e1
p1
p2 e2
pj ej
pn en
EJEMPLO
Representacin grfica de la lotera L1:
e1
0.30
L1 0.40 e2
0.30
e3
En trminos de conjuntos
L1 = {(0.30, e1), (0.40, e2), (0.30, e3)}
C.1.2.5 LOTERIA DE DOS ETAPAS
Interpretamos esta lotera de dos etapas, como un problema de decisiones de dos etapas en el
que la naturaleza primero decide a que lotera Li de una sola etapa va a parar el jugador y
despus el premio que obtiene, Proceso:
A. Dado el conjunto de eventos:
E = {e1, e2,., en}
De la lotera:
Lk = {(P1, e1), (P2, e2),. (Pj, ej) (Pn, en)}
B. Suponiendo el resultado (Pj, ej) de la lotera Lk, si el decisor decide apostar por
segunda vez por un premio del conjunto E anterior:
E = {e1, e2,.. en}
Donde la lotera de segunda etapa es:
= {(q1, L1), (q2, L2).. (qi, Li) (q, m)}
C. Representacin grafica
C.1.2.6 AXIOMAS DEL COMPORTAMIENTO RACIONAL
Una persona que toma decisiones racionales ser aquella cuyo proceso lgico, para la toma
de decisiones satisfaga los axiomas:
1. Sean los eventos e1, e2. Se dan las posibilidades:

a. ei > ej ei es preferible a ej
b. ej > ei ej es preferible a ei
c. ej ~ ei es indiferente al decisor
d. Si ei > ej y ej > ek ei > ek
2. A un decisor racional le es indiferente una lotera de dos etapas y una lotera L de

una segunda etapa
3. Para cada evento ej E diferente de e1 y en le es indiferente a un decisor racional

tener ej con certeza y jugar en un aloteria que tiene solo dos premios: el premos mas
favorable (e1) y menos favorable (en) es decir:
L (ej) = {(uj, e1), (1-uj, en)}
4. A un decisor le es indiferente una lotera de una sola etapa L del tipo , donde:
= {(p1, L1),(p2, L2),.. (pn, Lm)}
5. Sean dos loteras elementales, de una sola etapa L1, L2. Un decisor puede considerar
las posibilidades del axioma 1 para loteras.
C.1.2.7 MODELO DEL COMPORTAMIENTO RACIONAL; Utilidad
Relacionando los axiomas del comportamiento racional con el problema de determinar la

funcin de utilidad del decisor:
1. Sea el conjunto de eventos Ej.
Ej = {e1, e2,. . . en}
2. Si Ej. Es representativo de cualquier lotera, de modo que el premio que se obtenga, ser
uno y solamente uno.
3. Los eventos de Ej. Son enumerados en orden de preferencia por el decisor racional talque.
e1: Evento de mayor preferencia
en: Evento de menor preferencia
4. Para cada evento ej, j=2,3,4,k,,n-1 el decisor considera lo siguiente:

L (ej) = {(j, e1), (1 , )}
Dnde: e1: Premio ms favorable
En: Premio menos favorable
Probabilidad u dado por el decisor para ganar el premio e1, en la lotera L(ej) para que
considere con indiferencia las ofertas de jugar a esa lotera y la de recibir con certeza el
premio ej
5. Sea uj =u para cada premio ej del conjunto Ej. Donde j = 2,3,,n-1

6. Valor de uj 0 uj 1
7. Asociemos el nmero u1 =1 con el premio e1 de mayor preferencia, y el numero un = 0
con el premio en de menor preferencia.
EJEMPLO: DECISION DE CONTRATOS
El dueo de un pequeo negocio trata de decidir cul de los dos contratos, que le han ofrecido
debe aceptar ya que sus recursos le impiden considerar los dos, o ninguno de los dos. Existe
cierto grado de incertidumbre acerca de los resultados finales, el negociante da las posibles
consecuencias de cada contrato, asociando a cada evento una probabilidad subjetiva. Las
consecuencias dados en ganancias o prdidas y sus probabilidades de ocurrencias son:
CONTRATO A CONTRATO B
Resultados Probabilidad Resultados Probabilidad
50,000 0.6 40,000 0.5
20,000 0.1 30,000 0.35
-20,000 0.3 -10,000 0.15
SOLUCION
Expresando estos eventos en trminos de lotera
Para A: La = {(0.6, 50,000), (0.1, 20,000), (0.3, -20,000)}
Para B: Lb = {(0.5, 40,000), (0.35, 30,000), (0.15, -10,000)}
Ningn contrato: Lc = {1,0}
Las tres loteras lo expresamos en una sola lotera donde el conjunto E se ordenan en una
secuencia de preferencias:
E = {50,000; 40,000; 30,000; 20,000; 0; -10,000; -20,000}
Identificando los eventos:

e1: 50,000 el ms favorable
e7: -20,000 el menos favorable
Asociando los ndices de utilidad a los siguientes premios

u(e1) = 1 de mayor preferencia
u(e7) = 0 de menor preferencia
Formulando la lotera de preferencia:

L = {(u(e1), e1), (1-u(e1), e7)} donde u1 = u(e1) =1
Ahora, el conjunto de premios se reduce

E1 = {40.000; 30,000; 20,000; 0; -10,000}
Qu valor le da el negociante a u tal que lo haga indiferente entre recibir con certeza el
premio de 40,000 de E1 o elegir la lotera de referencia? Es decir
40,000
1.0
50,000
u
1-u
20,000
El ndice de utilidad para e = 40,000 es: u (40,000) = 0.98

Siendo el conjunto de premios:
E2 = {30,000; 20,000; 0; -10,000}
La misma pregunta anterior para 30,000

30,000
1.0
50,000
u
1-u
-20,000
ndice de utilidad:
u(30,000) = 0.95
Realizando el mismo procedimiento para los dems

u(20,000) = 0.85 u(0.0) = 0.65 u(-10,000) = 0.40
Siendo la funciona de utilidad:
ej 50,000 40,000 30,000 20,000 0 -10,000 -

20,000
u(ej) 1.0 0.98 0.95 0.85 0.60 0.40
0.0
Graficando el comportamiento del negociante:
u(ej)
1.0
ej
-20 -10 0 10 20 30 40 50
Calculando la utilidad esperada, asociado a cada alternativa:
ua = 1(0.6) + 0.85 (0.1) + 0.0(0.3) = 0.685

ub = 0.98 (0.5) + 0.95(0.35) + 0.4(0.15) = 0.883
uc = 0.6 (1) = 0.6
Donde la mxima utilidad es:
Max {0.685, 0.883, 0.6} = 0.883
Se debe elegir la alternativa B.
C.1.3 ARBOL DE DECISION
Tcnica que grafica el grado del riesgo involucrado en una decisin y expresa el orden
cronolgico de las acciones alternas de que dispone quien toma decisiones. Cualquier
situacin decisiva se puede describir mediante el rbol de decisin, de una sola etapa.
Un rbol de decisin se compone de:
1. Alternativa de decisin; en cada punto de decisin

2. Eventos; Ocurren como resultado de cada alternativa de decisin
3. Probabilidades; De que ocurran los eventos (estados de la naturaleza) posibles como
resultado de las decisiones.
4. Resultados, (Expresados en trminos econmicos) de las posibles como resultados de
las decisiones.
Un rbol de decisiones se estructura enlazando nodos y ramas:
En el rbol todos los eventos y alternativas estn representados por lneas o ramas
que emanan de una interseccin llamado nodo
Un nodo de decisin representa el punto donde debe decidirse en elegir una
alternativa se representa por un cuadrado
Un nodo probabilstico representa situaciones donde se da la incertidumbre en cuanto
a la realizacin de los estados de la naturaleza. Se representa por un circulo-
La solucin de situaciones de decisiones, utilizando el rbol de decisin contempla dos
etapas: Diseo, Anlisis. El Diseo se hace cronolgicamente de izquierda a derecha y el
Anlisis en sentido contrario.
C.1.3.1. EVALUACION DEL ARBOL DE DECISION
A este procedimiento se denomina, podar el rbol. Una vez simplificado, debe calificarse las
probabilidades de los estados y evaluarse el rbol de la siguiente manera:
1. Anotar la probabilidad de cada evento en la rama del rbol

2. Avanzando de derecha a izquierda asignar un resultado o resultado esperado a cada
nodo. Cuando una sola rama sale de un nodo, el resultado se coloca en el nodo.
3. Al evaluar un nodo de probabilidad con dos o ms ramas se calcula el valor esperado
y se escribe en el nodo
4. Al evaluar un nodo de decisin con dos o ms ramas se asigna el mayor o menor de
los resultados esperados en el nodo.
5. Continuar el procedimiento hasta obtener resultados para el nodo inicial.
EJEMPLO: CASO PROTRAC
Se acaba de completar la fase de diseo y prueba del producto para la lnea de tractores de
casa y jardn de la PROTRAC. La administracin desea elegir la alternativa adecuada que se
usara en la comercializacin y produccin de estos artculos. Se tiene tres alternativas:
1. AGRESIVA(A)
Gran inversin para un producto eficiente, se tendr grandes inventarios, gran campaa de
publicidad a nivel nacional.
2. BASICA (B)
La produccin del tractor E-4 se mudara a otra localidad, este producto sufrir cambios,
Se tendr inventario de los tems ms populares. Las oficinas principales apoyaran la
publicidad local.
3. CAUTELOSA(C)
La capacidad excedente de varias lneas de E-4, se usara para producir los nuevos
implementos. La produccin se equipara para satisfacer la demanda y la publicidad quedara
a discrecin del distribuidor.
La administracin decide clasificar la condicin del mercado en fuerte (F) y dbil (D), las
consecuencias en la matriz de pagos representan ganancias expresados en millones de
dlares. Se obtuvieron mediante un estudio de ventas asociados con cada combinacin de
alternativa y estado de la naturaleza.
Ai\j F D
A: Agresivo 30 -8
B: Bsico 20 7
C: Cauteloso 5 15
Probabilidad 0.45 0.55
SOLUCION
Utilizando el criterio del VME. Los Pagos estn expresados en ganancias
MAX E { f (Ai,j)}
Calculando:
E {f (Ai, j)} = 30(0.45) - 8(0.55) = 9.10
E {f (Ai, j)} = 20(0.45) + 7(0.55) = 12.85
E {f (Ai, j)} = 5(0.45) 15(0.55) = 10.50
La alternativa a elegir es la bsica con $ 12.85 de ganancia.
ARBOL DE DECISIONES
1. DISEO:
El nodo inicial 1 es un evento en el que debemos elegir, por las alternativas, A, B, C.
Cada ramo A, B, y C terminan en los eventos probabilsticos, 2, 3 y 4
respectivamente.
En cada nodo 2, 3, y 4 puede ocurrir un estado de la naturaleza F o D.
2. ANALISIS
Es elegir la mejor alternativa
E(A)=30(0.45)-8(0.55)= 9.10
E(B)=20(0.45)+7(0.55)= 12.85
E(c)=5(0.45)+15(0.55)= 10.50
Evaluando los resultados:
La matriz de pagos esta expresado en utilidades

Max {E (Ai)} = Max {9.10, 12.85, 10.50} = 12.85
La mejor alternativa es la B con $12.85 millones de ganancia

C.2 CRITERIOS PARA SITUACIONES DE INCERTIDUMBRE
La toma de decisiones en condiciones de incertidumbre completa significa que se desconocen

las probabilidades de ocurrencia de los diversos estados de la naturaleza. El carcter de
incertidumbre se asocia con el hecho de que se es capaz de estimar o calcular las
probabilidades de que se produzcan cada uno de los estados de la naturaleza.
Los criterios de decisin que se emplean cuando predominan estas condiciones de

incertidumbre, reflejan los valores personales. El decisor se enfrenta a situaciones que pocas
veces sucedieron y en su afn de cuantificar esta incertidumbre, adopta una actitud intermedia
entre el pesimismo y el optimismo o algn otro criterio ms conveniente, de acuerdo al nivel
de aspiracin del decisor.
C.2.1 CRITERIO DE MAXIMIN (WALD)
El decisor determina el peor estado posible de cada alternativa y luego escoge la alternativa
cuya contingencia ms desagradable sea la menos desastrosa. Es decir, elegir lo mejor de lo
peor.
Maxi min ij r ( Ai , j )
El criterio supone que la naturaleza es malvola y trata de hacer el mayor dao posible al
oponente (decisor), no siendo la naturaleza por lo general as. Un inconveniente de este
procedimiento es que no toma en cuenta la mayor parte de la informacin de la matriz de
pagos, porque considera los peores resultados de cada alternativa.
EJEMPLO: DECISIN DE ADQUIRIR UNA MQUINA
El gerente de una empresa est considerando expandir o no la capacidad de la fbrica,

comprando una o dos mquinas. Una de las cuales tiene el doble de capacidad y de precio.
La capacidad existente de la fbrica no es suficiente para satisfacer la demanda actual. Las
ventas por experiencia tienen una alta correlacin con las condiciones econmicas del pas.
A: Si las condiciones econmicas mejoran en el futuro, la mquina de alta capacidad se

requerir.
B: Si las condiciones permanecen estables, la mquina de baja capacidad ser la adecuada.
C: Si est a la vista una recesin, la capacidad actual bastar.
Se tiene la matriz de pagos, que considera el gerente en trminos de ganancias (millones de

soles):
Ai/ 1 2 3
A1 2.5 1.5 -1.0
A2 1.6 2.0 0.0
A3 1.2 1.2 0.8
SOLUCIN
Alternativas: Estados de la naturaleza
A1: Comprar mquina de alta capacidad 1: Prosperidad

A2: Comprar mquina de baja capacidad 2: Estabilidad
A3: No comprar ninguna mquina 3: Recesin
Del ejemplo, calculando:
{ } Para i = 1, 2, 3
{ } = 1 {2 } = 0.0 {3 } = 0.8
Luego:
Maximin {-1.0, 0.0, 0.8} = 0.8
Elegir la alternativa 3
C.2.2. CRITERIO DEL COEFICIENTE DE OPTIMISMO (HURTWITZ)
En lugar de ser completamente pesimista o completamente optimista, el decisor puede tener

una actitud intermedia. Para acomodar esta posibilidad Hurtwitz propone una medida
llamada COEFICIENTE DE OPTIMISMO C que vara en valor 0 para un pesimismo
completo y 1 para un optimismo completo.
Si C = 0 la regla coincide con el maximin
Si C = 1 la regla coincide con el maximax
Si una persona es parcialmente optimista debe asignar pesos apropiados a los resultados
mximos y mnimos de cada acto. Este criterio es un promedio ponderado de las reglas
maximin y minimax. El valor de Hurtwitz se define:
( ) = { } + { }(1 )
Para nuestro ejemplo:
Calculando y para i = 1, 2, 3
2.5 2.0 1.2
-1.0 0.0 0.8
Si el decisor es cauteloso y pesimista asigna C = 0.25
(1 ) = 2.5(0.25) 1.0(0.75) = 0.125
(2 ) = 2.0(0.25) + 0.0(0.75) = 0.500
(3 ) = 1.2(0.25) + 0.8(0.75) = 0.900
Luego {0.125, 0.500, 0.900} = 0.9
C.2.2. CRITERIO DE LAPLACE
Puesto que no se conoce las probabilidades de ocurrencia de los estados de la naturaleza, se

supone que las probabilidades de su realizacin son las mismas para cada estado. Calculando
el valor monetario esperado a cada alternativa y se escoge la que tenga el valor monetario
ms elevado.
( ) = = 1,2,3, ,
Dnde: = 1 y equiprobables
Para nuestro ejemplo, calculando:
(1 ) = 2.5(0.333) + 1.5(0.333) + (1.0)(0.333) = 0.999
(2 ) = 1.6(0.333) + 2.0(0.333) + (0.0)(0.333) = 1.198
(3 ) = 1.2(0.333) + 1.2(0.333) + (0.8)(0.333) = 1.065
Entonces {0.999, 1.198, 1.065} = 1198
Elegir la alternativa 2
C.2.2. CRITERIO DE PRDIDA DE OPORTUNIDAD (SAVAGE)
La prdida de oportunidad para cualquier resultado es la diferencia entre el pago real y el que
habra obtenido, si el acto ptimo hubiera escogido para el estado de la naturaleza que fue
obtenido. La prdida de oportunidad para una alternativa y un estado particular est
representado por:
( , ) = ( , ) ( , ) = 1, 2, 3, , = 1, 2, 3, ,
Dnde: : Alternativa ptima para el estado
La nueva matriz de consistencias, aplicar criterio de:
= { ( , )}
Este criterio (de lamentacin) es la diferencia entre pago realmente recibido y el que podra
haber recibido el decisor, si hubiera conocido por anticipado qu estado de la naturaleza
prevalece.
\ 1 2 3 ( , )
0.0 0.5 1.8 1.8
0.9 0.0 0.8 0.9
1.3 0.8 0.0 1.3
{1.8, 0.9, 1.3} = 0.9

PRACTICA DIRIGIDA DE TEORIA DE DECISIONES
1. La compaa Rente un volks, S.A., le renta sus vehculos al pblico a razn de 90 pesos
por da; la duracin de cada contrato es exactamente un da.
A su vez, el gerente de esta compaa alquila sus unidades a una empresa mayorista, llamada
la organizacin, S.A. El mayorista es el cubre los costos de mantenimiento de cada unidad
alquilada de Rente un volks, S.A.
El gerente de Rente un volks, S.A. se enfrenta diariamente con el problema de decidir

cuntos vehculos debe alquilar para atender la demanda de la semana prxima. Si la
demanda es menor que el nmero de unidades disponibles, el gerente pierde el alquiler de 60
pesos por cada unidad alquilada y que no rent. Si la demanda es mayor que el nmero de
unidades disponibles, el gerente se priva de una ganancia de 30 pesos por unidad que no tuvo
disponible.
El gerente de Rente un volks, S.A. dispone de la distribucin de probabilidades para la

demanda aleatoria diaria de sus vehculos:
D 8 9 10 11 12 13 14
P(D) .11 .16 .26 .22 .13 .08 .04
Haciendo los supuestos necesarios, se pide esta informacin:
a) Establezca la matriz de los beneficios condicionales.

b) Calcule el beneficio esperado de cada estrategia.
c) Determine la estrategia ms conveniente por medio del uso del criterio VME
2. Cierto tipo de focos para linternas se recibe empacado en lote de 10 unidades. En cada
lote, el nmero de focos defectuoso puede variar de 0 a 10 inclusive. Se dispone de la
siguiente distribucin de probabilidades asociadas con el nmero de focos defectuosos:
X 0 1 2 3 4 5 6 7 8 9 10
p(X) 0.20 0.24 0.21 0.14 0.09 0.05 0.03 0.02 0.01 0.01 0
El comprador tiene estas alternativas:
A1: Comprar todos los focos sin inspeccionar el lote;
A2: Revisar el lote a un costo fijo de 20 pesos y devolverlo si los focos defectuosos son tan
numerosos que impiden obtener una ganancia con la venta del lote;
A3: Devolverle el lote al productor y perder entonces 10 pesos por cada lote devuelto. Como
el precio del lote es de 100 pesos, se recibe un crdito neto de noventa pesos por cada lote
devuelto.
Los focos se venden al pblico a razn de 15 pesos cada uno, y se extiende una garanta
adicional con la promesa de devolver 30 pesos al cliente por cada foco defectuoso devuelto.
Se pide:
a) Que se establezca la matriz de decisiones
b) Que se determine la estrategia ms conveniente por medio del criterio del VME.
3. Cierto detallista tiene suficiente espacio sobre sus estantes para almacenar 4 productos que
se descomponen fcilmente y, que si no se venden antes de las 24 horas se vuelven
inservibles. El precio de compra unitario es de 25 pesos y el precio unitario de venta es de 50
pesos. Conteste las preguntas siguientes, si se ignoran los gastos fijos del detallista:
a) Cuntas unidades debe almacenar el vendedor para maximizar su beneficio neto esperado,
si las probabilidades de la demanda para 0,1,2,3,4 unidades son, respectivamente:
.10; .30; .40; .10; .10?
b) Si no se sabe nada acerca de la demanda aleatoria para ese producto, Cuntas unidades
debera el detallista almacenar para minimizar las posibles prdidas monetarias?
4. Cierta organizacin comercial quiere construir una nueva fbrica en cierta ciudad de la
repblica. La alta gerencia tiene dos alternativas para elegir la capacidad de la planta
proyectada:
A1: Construir una fbrica con una capacidad de produccin anual de 10,000 unidades del
producto.
A2: Construir con una capacidad de 20,000 unidades.
La demanda futura para el producto considerado es aleatoria. El presidente del Consejo de

Administracin asign las siguientes probabilidades subjetivas a cuatro niveles posibles de
la demanda futura, despus de haber consultado a sus especialistas en mercadotecnia:
E1: la demanda ser de 5,000 unidades con P(E1) = .20
E2: la demanda ser de 10,000 unidades con P(E2)= .40

Por otra parte, el vicepresidente, encargado de las finanzas de esa empresa, prepar la
siguiente matriz de beneficios netos condicionales o prdidas netas condicionales, en
millones de pesos:
Alternativas Estados naturales

posibles E1 E2 E3 E4
A1 -.20 .80 .80 .90
A2 -.35 .60 1.00 1.20
Supongamos que la produccin obtenida puede exceder la capacidad instalada de produccin

mediante el uso de tiempo extra y de otras consideraciones similares.
Se pregunta: De qu tamao tiene que construirse la fbrica y por qu?
5. Cierto empresario, dueo de su negocio, se encuentra con esta situacin de decisiones:
Contrato A Contrato B
Resultados Probabilidades Resultados Probabilidades
$100,000 .35 $60,000 .30
$120,000 .30 $160,000 .50
-$20,000 .35 -$40,000 .20
Los recursos del empresario son limitados de tal manera que l no puede obtener los dos
contratos a la vez. Adems, la funcin de utilidad del empresario es esta:
u(160,000) = 1
u(120,000) = .96
u(100,000) = .94
u(60,000) = .80
u(0) = .60
u(-20,000) = .30
u(-40,000) = .06
Conteste estas preguntas:
a) Calcule la utilidad esperada de cada alternativa.

b) Usando el criterio de la utilidad esperada, diga cul contrato debe escoger el
empresario.
c) Tiene aversin por el riesgo ese empresario? Justifique su respuesta.
6. Sea la situacin de decisiones siguiente:
Se tiene el conjunto de estados naturales, Ej tal que:
Ej = {E1, E2, E3}
En donde: E1 representa un nivel alto de ventas,
E2 representa un nivel medio de ventas,
E3 representa un nivel bajo de ventas,
Tambin se conoce la siguiente distribucin de probabilidades asociada con los elementos

del conjunto Ej:
Ej E1 E2 E3
p(Ej) .30 .60 .10
CURSOS DE ESTADOS NATURALES

ACCIN E1 E2 E3
A1 5.000,000 3.000,000 800,000
A2 2.500,000 6.000,000 1.400,000
Considere usted el beneficio condicional como una variable aleatoria y calcule el valor
monetario esperado asociado con cada curso de accin.
7. La vendedora Phyllis Pauley vende peridicos en la esquina de la avenida Kirkwood y la

calle Indiana, y todos los das debe determinar cuntos peridicos pedir. Phyllis paga a la
compaa $ 20 por cada ejemplar y los vende a $ 25 cada uno. Los peridicos que no se
venden al terminar el da no tienen valor alguno. Phyllis sabe que cada da puede vender entre
6 y 10 ejemplares, cada uno con una posibilidad equiprobable. Demuestre cmo se ajusta
este problema en el modelo del estado del mundo.
8. Una empresa duda entre lanzar al mercado el producto A o el producto B. La decisin
depender de la reaccin de la competencia. Si la competencia no se adelanta, la empresa
estima que ganara 15.000 euros con el producto A y 12.000 euros con el producto B. Si la
competencia se adelanta, la empresa ganara 8.000 euros con el producto A y 9.000 euros
con el producto B.
9. Un empresario de espectculos tiene que organizar un concierto y se le ofrecen las opciones

de hacerlo en el Pachencho Romero o en el Belisario Aponte. Los beneficios van a depender
de la asistencia del pblico y sta a su vez del clima, que puede ser con lluvia, con nubes o
soleado. Los resultados esperados si lo organiza en el Pachencho son 10.000, 50.000 y 65.000
Bs si el tiempo es lluvioso, nublado o soleado respectivamente. Si el concierto se realiza en
el Belisario, los resultados seran 45.000, 40.000 y 35.000 Bs para cada estado climtico.
10. Se quiere elegir la mejor opcin para elegir la mejor opcin de clientes que toman una
bebidasi suponemos Que el coeficiente de optimismo es de 0.7
Alternativas Demanda alta Demanda Baja Demanda Media

Coca cola 290 200 215
Pepsi 450 100 380
Coca-cola y Pepsi 250 200 220
11. Pedro piensa apostar en el juego Indiana-Purdue, en finales de campeonato. Sin tener ms
informacin, cree que ambos equipos tienen probabilidades desiguales de ganar. Si gana la
apuesta, ganar 10 000 dlares; si pierde, perder 11 000 dlares. Antes de apostar puede
pagar 1 000 dlares a Roberto por su pronstico. Roberto predice, el 60% de las veces, que
Indiana gana, y 40% de las veces que gana Purdue. Cuando Roberto dice que Indiana va a
ganar, Indiana tiene 70% de probabilidades de ganar, y cuando Roberto dice que Purdue va
a ganar, Indiana slo tiene el 20% de probabilidades de ganar. Determinar cmo puede Pedro
aumentar sus utilidades totales esperadas al mximo. Cul es el VEIM y el VEIP?
Programacin PERT CPM

Desde su aparicin, las tcnicas del camino critico han sufrido una acelerada evolucin,
consecuencia de ello han aparecido diversos procedimientos en la soluciones, costos,
recursos, etc., procedimientos que han sido resumidos por Thomas V.Sobczak en la Fig.
1.4
PERT/ COST
PERT II
AMPSWSPAC
SR
LESS FASE II
PERT
LESS
MAN
SCHEDULING
PACT
TECHNIQUES
CRITICAL PATH
PLANNING SCANS SCANS FASE
II
CPM CPM
COST
CPM
MANO DE
OBRA
CPM
RECURSOS
PERT= Program Evaluation and Review Technique.
CPM= Critical Path Method
RAMPS = Resource Allocation and Manpower Scheduling
LESS = Least Cost Estimating and Scheduling
PACT = Production Analysis Control Technique
SCANS = Scheduling, Control, and Automation by Network Systems.
Como cada una de las tcnicas de direccin descritas presentan ventajas y

limitaciones en la planificacin de proyectos, en la actualidad, tanto el PERT y el CPM, se
les trata como una sola tcnica combinada, por tener ambas los mismos fundamentos: empleo
de una lgica secuencial y el uso de grafos para representar el desarrollo de un proyecto; de
esta forma se ha logrado ampliar y mejorar el campo de aplicaciones en las gestiones
administrativas.
Con el fin de alcanzar lograr los objetivos con xito, la programacin PERT- CPM,
bsicamente se emplear en la planeacin, programacin y control de los problemas de
produccin (fabricacin) por unidades, donde lo ms importante es la determinacin y control
de la variable tiempo.
BASES DEL NUEVO METODO DE PLANEACIN, PROGRAMACIN Y

CONTROL
El mtodo Pert-Cpm est sustentado en las siguientes bases:
1.- Dentro de la planificacin, considera separada la planeacin y la programacin.
2.- Descompone la etapa de la planeacin en dos fases:
- Determinacin de las actividades componentes para desarrollar el proyecto.
- Presenta la secuencia lgica de ejecucin de las actividades componentes del proyecto.
3.- Representacin de un plan de trabajo mediante una grfica de nudos y flechas.
4.- El mtodo Pert considera la duracin de una actividad como una variable aleatoria y
estimacin de tres duraciones para cada actividad: optimista, ms probable y pesimista;
mediante las cuales se ajusta a una distribucin conveniente de densidad de probabilidad para
la duracin de la actividad considerada.
5.- Analiza la forma de cmo aumenta el costo de una actividad al reducir su duracin.
6.- Analiza los recursos requeridos para cada duracin posible de cada actividad.
7.- Mtodos pertinentes de la rama de las matemticas conocidos con el nombre de

Programacin Lineal.
8.- El mtodo Pert se apoya en la estadstica y el mtodo Cpm en la experiencia.
FUNDAMENTO DE LA REPRESENTACIN GRAFICA DE UN PROYECTO.
Como ya hemos indicado, la Programacin Pert-Cpm usa el grafo para representar el

desarrollo de un proyecto especfico.
La finalidad de un grafo Pert-Cpm esquematizado, es representar la lgica del proyecto

entero y desarrollar los detalles del proyecto de acuerdo a las exigencias y restricciones
tcnicas.
Fig.1.11 REPRESENTACIN DE UN PROYECTO MEDIANTE UNA RED DE

ACTIVIDADES (NUDO)
(NUDO) (FLECHA) (NUDO)
SUCESO ACTIVIDAD SUCESO

[Evento hecho [Tarea, Trabajo [Evento, Hecho,
Acontecimiento] + Operacin, Proceso] + Acontecimiento]
Fig. 1.12 ELEMENTOS DEL GRAFO PERT- CPM
Las tareas, trabajos, operaciones o procesos son considerados como actividades.

Grficamente cada actividad est compuesta de dos partes bsicas
- La primera, la ejecucin del trabajo, est representado por una flecha orientada con
sentido de izquierda a derecha.
Se entiende que la actividad es un smbolo del trabajo en proceso de ejecucin,
requiriendo para ello el consumo de tiempo y recursos.
- La segunda, son los sucesos y generalmente se representan con dos crculos, elipses
o rectngulos que se colocan en los extremos de las flechas.
Un suceso es un instante especfico del tiempo y sirve como punto de control,
describiendo el momento de comienzo o trmino de una actividad y ello no consume
tiempo.
Algunas consideraciones para esquematizar el Grafo Pert-Cpm.
- El grafo comienza en un nico suceso inicial y no tiene actividades que la preceden.
- Una actividad no puede empezar hasta que todas las actividades precedentes hayan
sido terminadas.
- Una actividad debe estar terminada para que sus subsiguientes pueden comenzar.
- La longitud de la flecha no representa cantidad de tiempo.
- La direccin de la flecha no tiene sentido vectorial, es solamente una proyeccin del

tiempo, como el tiempo es irreversible, la orientacin de la flecha, es siempre de
izquierda a derecha.
- Tampoco es preciso que la flecha sea una lnea recta, puede dibujarse en curva.
- El grafo termina en un nico suceso final y no tiene actividades que la subsigan.
VENTAJAS QUE OFRECE LA TECNICA DE MALLAS PERT-CPM.
1 Es un mtodo nuevo que se emplea en la planificacin de proyectos.

2 Permite la planeacin, programacin y control de los recursos disponibles.
3 En forma clara muestra el plan para la realizacin de un proyecto especfico.
4 Sirve de gua para el refinamiento de un proyecto.
5 Es un medio para evaluar estrategias o planes alternativos de accin.
6 Permite la simulacin de las alternativas de operacin.
7 Es un medio de evitar la omisin de actividades que pertenecen a un proyecto.
8 Es un medio de deslindar responsabilidades en la ejecucin de las diferentes
actividades que intervienen en el proyecto.
9 Proporciona a la direccin las siguientes informaciones:
91 Qu trabajos sern necesarios primero y cundo se deben de realizar los
problemas de financiacin y los acopios de materiales.
92 Qu trabajos hay y cuntos sern requeridos en cada momento.
93 Cul es la situacin del proyecto que est en marcha en relacin con la
fecha programada para su terminacin.
94 Cules son las actividades crticas y cunto tiempo de holgura permite si
hay demora.
95 Cules son las actividades no crticas y cunto tiempo de holgura permite
si hay demora.
96 Si el proyecto est retrasado, dnde se puede reforzar la marcha para
contrarrestar la demora y qu costo produce.
97 Cmo es la planificacin y programacin de un proyecto con costo
mnimo y duracin ptima.
10 Nos permite mejorar la capacidad de conduccin y controlar el desarrollo
del proyecto debido a la correcta interpretacin de los resultados.
101 Cmo evitar los tiempos muertos y cuellos de botellas en la
maquinarias y mano de obra.
102 Cmo coordinar eficientemente un cierto nmero de sub-contratistas.
103 Cmo hacer uso de horas extraordinarias en el momento adecuado.
104 Cmo conocer y disminuir las posibles perturbaciones del desarrollo del
proyecto.
II. EL GRAFO PERT- CPM EN LA PLANIFICACION DE PROYECTOS
Como ya se ha visto, cada una de las actividades de un proyecto se representa

mediante flechas orientadas, las que se enlazan entre s formando una malla o red y
cuyo sentido indica el desarrollo del proyecto a lo largo del tiempo.
II.1 MALLA O RED DE FLECHAS
Es la representacin reticular de las actividades que comprenden la realizacin

de un proyecto especfico.
La malla o red de flechas orientadas, sirve al programador para representar
grficamente el desarrollo general de la Obra.
La tcnica de planificacin por mallas ordena todos los itinerarios de
trabajo- actividades, operaciones o procesos cuyas terminaciones sucesivas son
necesarias para la realizacin del proyecto, de tal forma que su ordenacin en el
tiempo corresponde a las necesidades tcnicas planeadas de antemano.
Concretamente:
Cada proyecto en particular, consta de una serie de actividades de distintas
naturaleza, donde algunas dependen unas de otras y otras que son independientes.
ELEMENTOS DE UNA MALLA
El elemento bsico del grafo PERT-CPM es la flecha, que comienza y finaliza

en nudos, los cuales representan los sucesos de inicio y terminacin de la actividad a
la que representa.
a) Nudo flecha Nudo
b) Suceso o actividad suceso
c) Suceso inicia la actividad Suceso final
d) i Aij j
Fig. II1: Representacin de un elemento de una malla Pert- Cpm
Con el propsito de facilitar la identificacin y clculos en la red y evitar confusiones, toda

actividad llevar un nombre y todo suceso un nmero.
Fig. II1.
TIEMPO DE PREPARACION (TP) Y RESTRICCIONES EXTERNAS
Generalmente en los modelos de red para proyectos, hay un tiempo de preparacin

antes de la etapa de ejecucin del mismo. En este tiempo se realiza una serie de actividades
restrictivas que condicionan la puesta en marcha del proyecto y entre las que se mencionan:
- Gestiones para obtener autorizaciones y licencias.

- Gestiones financieras
- Espera de la ltima decisin para lanzar el proyecto.
- Mejora de las condiciones ambientales.
El tiempo de preparacin (TP) se representa con una flecha de lnea sinuosa ( ) con tiempo
de duracin cero. Fig II.2.
Fig. II.2: Ubicacin del TP
En el diagrama se interpreta: el suceso O marca la iniciacin del proyecto y el suceso 1 marca

la iniciacin de la ejecucin fsica del proyecto.
ACTIVIDADES FICTICIAS (FIC)
La correcta enumeracin de los sucesos, permite identificar las diferentes actividades

mediante los sucesos de inicio (i) y de terminacin (j). Para que cada actividad pueda ser
identificada por una combinacin nica de sucesos de inicio y de terminacin, es necesario
incluir en la elaboracin de la red, las llamadas Actividades Ficticias (FIC) que no consumen
trabajo, tiempo o recursos, sino que sirven para dar consistencia a las interrelaciones de las
actividades en circunstancias especiales.
En teora de grafos PERT-CPM, a las Actividades Ficticias se la representa por una

flecha de trazo discontinuo (----------) Fig. II.3.
2
A Fic. 1
B
0 1 4 5
C
Fic. 2
3
BUENA
0 1 2 3
B
C
MALA
EN ESTA RED EXISTEN TRES ACTIVIDADES CON LA MISMA

CODIFICACIN
Fig. II.3: USO DE ACTIVIDADES FICTICIAS
II.2 REGLAS BASICAS PARA ELABORAR UNA RED O CADENA DE

FLECHAS
Para lograr una correcta representacin grfica de las dependencias internas en un diagrama
de mallas, se deber tener en cuenta las siguientes reglas:
1. La colocacin de dos flechas una a continuacin de la otra, segn la figura, indica que
la actividad A debe estar concluido para que se inicie la actividad B.
A B
Fig. II.4: REGLA 1
2. La disposicin de las flechas, segn la figura, indica que la actividad A debe estar
concluido para que puedan iniciarse las actividades B y C.
B
A
Fig. II.5: REGLA

2
3. La disposicin de las flechas, segn la figura, indica que la actividad A y B deben
estar concluidas antes de iniciarse la actividad C.
Fig. II.6: REGLA

3
4. La longitud y la forma de representar las flechas con a voluntad del programador, lo

cual quiere decir que las 4 figuras que se muestran son equivalentes
1
2
Fig. II.7: REGLA 4
5. Cuando dos o ms cadenas estn programadas en paralelo y existen prioridades, es

necesario introducir actividades ficticias para expresar correlaciones de tiempo.
A C
A C
B D B D
Fig. II.8: REGLA 5
La figura expresa que la actividad C Al indicar que la actividad D depende

solo puede iniciarse al concluir A y B, de A, esto no es cierto, pues tambin
pero que D depende tan solo de B. depende de B.
6. Se debe evitar la conexin de dos nudos mediante dos o ms flechas ficticias.

A
A Fic. 1
B D
B D
C C Fic. 2
Incorrecto Correcto
Fig. II.9: REGLA 6
7. Una actividad no debe conducir a un suceso que es previo al inicio de la actividad.

E
C
A B
Incorrecto
Fig. II.10: REGLA 7

8. Si el inicio de una actividad no depende de la culminacin de un proceso complejo,
sino tan slo de un parte del mismo, hay que descomponerla a sta de manera racional
segn criterios tecnolgicos.
Proyecto Libro A
ESCRIBIR CAPT. ESCRIBIR CAPT. ESCRIBIR CAPT.
I II III
I
Fig. II.11: REGLA 8
9. En la programacin Pert-Cpm, normalmente, los proyectos tienen un nudo de inicio

y uno de terminacin. Esta exigencia se lograr cumplir siempre si introducimos
actividades ficticias.
INICIAL FINAL
Fig. II.12: REGLA 9
10. Los proyectos pueden presentarse con diferentes grados de sintetizacin

B1 B4
B2
C
A B3 B5
RED PRINCIPAL
B C
RED SECUNDARIA
B1 B4
B2
B3 B5
Fig. II.13: REGLA 10
ENUMERACIN DE LOS SUCESOS
A fin de poder identificar las actividades componentes del proyecto y facilitar los clculos
en el ordenador es conveniente asignar nmeros naturales a cada uno de los sucesos desde
el inicial hasta el final. Fig. II. 14.
Para una correcta numeracin secuencial se deber observar:
a) El orden numrico de los sucesos ha de ser creciente en el sentido de las flechas y de

arriba hacia abajo.
b) En la numeracin de los sucesos, se debe utilizar una serie progresiva de razn mayor
que la unidad, para poder intercalar sucesos, de ser preciso sin alterar la numeracin
fundamental.
3
D
B
A C E
1 2 4 5
Fig. II.14: ENUMERACION DE LOS SUCESOS
De esta forma, todas las actividades estarn entonces identificadas nicamente por su suceso
inicial y final.
Actividad A= (1,2)
Actividad B= (2,3)
Actividad C= (2,4)
Actividad D= (3,4)
Actividad E= (4,5)
Generalizando en una malla de n sucesos, los sucesos de inicio y terminacin sern:
i
j
i
j
Fig. II.15: GENERALIZACIN DE LA ENUMERACIN DE LOS SUCESOS
i= 1, 2, 3, 4, 5, 6. (n-1)
j= 2, 3, 4, 5, 6 ,7... n
De tal forma que siempre: i < j Fig. II.15
TRAZADO DEL GRAFO
Para comenzar a dar forma a un grafo Pert-Cpm y plantearnos de las relaciones lgicas de
precedencia, debemos formularnos las siguientes preguntas:
1 Qu sucesos y actividades deben efectuarse inmediatamente antes de que tenga lugar

este suceso?
2 Qu sucesos y actividades se pueden realizar en paralelo?
3 Qu sucesos y actividades pueden efectuarse inmediatamente despus de este
suceso?
Inicialmente el grafo debe esbozarse con lpiz para poder borrar varias veces e ir mejorndolo
en sucesivos tanteos. Las siguientes indicaciones orientativas facilitan el procedimiento:
a) En lo posible las flechas deben ser rectas.

b) Evitar en lo posible que las flechas se crucen.
c) Evitar en lo posible que las longitudes de las flechas sean desproporcionadas unas
con otras.
d) Evitar en lo posible que las flechas tengan los ngulos entre ellas pequeos.
e) Evitar el desorden en la numeracin, procurando hacer esta de izquierda a derecha y
de arriba hacia abajo.
f) Evitar las flechas ficticias que no sean necesarias.
PROCEDIMIENTO PARA ESTABLECER LOS GRAFOS

El replanteo de la red debe hacerse de una forma lgica y secuencial segn las relaciones de
precedencia entre las actividades. As, si tenemos una serie de actividades que forman parte
de un proyecto especfico, existirn interdependencias de actividades entre s y adems,
existir otras condiciones limitantes que pueden intervenir en la realizacin de cada una de
ellas.
PROBLEMA 1
Un proyecto consta de 8 actividades las que estn interrelacionadas conforme se indica.
Actividades Precedencia (depende de)

A -
B -
C A
D F
E B, C
F A
G E
H D, G
Esboce el grafo Pert-Cpm correspondiente.
SOLUCION: Cada uno de los pasos est graficado en la Fig. II. 16.
1
SUCESO A
INICIAL
A, B NO DEPENDEN DE NINGUNA
OTRA ACTIVIDAD
B
A C
C DEPENDE DE A
B
3
A E DEPENDE DE B Y C
C
B
E
4
F
A
C
F DEPENDE DE E
B
E
5
F
A
D
C
B D DEPENDE DE F
E
6
F
A D
C
B G DEPENDE DE E
E
G
7 F
A D
C
H
B G
E
H DEPENDE DE D Y G
F
D
F
A
C H
B E G TERMINA EN UN
UNICO SUCESO
Fig. II.16: METODOLOGIA PARA ESBOZAR UNA RED
Una vez formada la red, debe verificarse que no existan incongruencias en las relaciones de
precedencia.
Problema 2
Se tiene una serie de actividades de un proyecto, las que estn interrelacionadas segn las
relaciones de precedencia que se indica:
Actividades Precedencia
A -
B A
C A
D B
E C
F D,E
SOLUCION
D
B
A
F
E
C
H
Problema 3
Dada una serie de actividades componentes de un proyecto, trace el grafo correspondiente.
R -
A -
B A, R
C A
D B
E C
T D, E
SOLUCION
B
D
R
T
E
A C
Problema 4
Dada una serie de actividades de un proyecto y sabiendo que la actividad A precede a las
actividades B, C, D y estas a E grafique la red de actividades.
SOLUCION
C E
A
D
Problema 5
Las actividades de un proyecto estn correlacionadas segn las relaciones de precedencia

que se indica. Grafique la red de flechas.
A -
B -
C -
D A
E C
F B,D
G E,F
SOLUCION
D
A
B F
G
C E
Problema 6
Nombre las actividades, enumere los sucesos y explique las relaciones de precedencia de
las actividades de la siguiente red.
SOLUCION
Problema 7
Un proyecto consta de 10 actividades, conforme se indica. Grafique la red de flechas.
A -
B -
C A
D A
E C, D
F B, E
G E
H C, D
I C, D
J C, D
K F, G, H, I, J
SOLUCION
J
C
I
D H K
A
E G
B F
Problema 8
Con los datos de precedencia de las actividades de un proyecto, determine la red

correspondiente.
A -
B -
C -
D C
E A
F B, D, E
G B, D, E
H B, D, E
I H
J A, F
L G, I, J
SOLUCION
E F J
A A G L
B
C D H I
Problema 9
Con los datos de precedencia que se indica, determine la red de actividades.
A -
B A
C A
D A
E C
F C
G E
H D, F, G
I B, H
SOLUCION
E
G
F
C I
D H
Problema 10
Haga una red de actividades, si las relaciones entre las actividades son las siguientes.
a) A es la primera actividad del proyecto.

b) B, C, L son actividades que se desarrollan simultneamente y dependen de la
realizacin de A.
c) D, E se desarrollan en paralelo y dependen de la realizacin de C, M.
d) F sigue a H y precede a G.
e) H, I, M deben iniciarse despus de la terminacin de B.
f) O sigue a H y precede a Z.
g) D, G, I, L, O deben estar terminadas antes de iniciar Z que es la ltima actividad del
proyecto.
h) E tambin es una actividad final.
SOLUCION
H F
O G
I
B
M
Z
L A
A
C E
D
Problema 11
Supongamos que tenemos seis actividades bien definidas componentes de un proyecto: A,

B, C, D, E, F; siendo las relaciones de precedencia las siguientes:
a) A y B pueden empezar simultneamente despus de la actividad TP.

b) Las actividades C, D pueden empezar solamente cuando termina A.
c) Al terminar la actividad B, solo puede comenzar E.
d) Antes de empezar la actividad F, deben estar terminadas C, D, E.
Bosqueje el diagrama de actividades.
SOLUCION
A
D
TP F
B E
Problema 12
Teniendo presente las siguientes relaciones de precedencia de un proyecto, diagrame la red

de flechas.
a) A, X son las primeras actividades que siguen a Tiempo de Preparacin del

proyecto.
b) B, C dependen de la realizacin de A.
c) G debe comenzar despus que ha terminado D, E.
d) Al terminar C deben comenzar simultneamente E, F, O.
e) D debe comenzar al terminar B, C, X pero depender solo de B, X.
f) H debe continuar a F.
g) I,J dependen de la realizacin de G,H,O.
h) Al terminar I deben comenzar en forma simultnea K, L.
i) M solo comenzara al terminar J, K.
j) N es la ltima actividad del proyecto dependiendo de la terminacin de L, M.
SOLUCION
III DURACIN DE UNA ACTIVIDAD
Cada actividad depende del tiempo calculado para su realizacin. La estimacin de los
tiempos de duracin se basa algunas veces en los datos experimentales y otras veces en el
clculo ponderado de probabilidades.
Duracin de una actividad segn el CPM.
i j
Duracin de una actividad segn el PERT.
i j

}

Se observa que el CPM utilizara los tiempos determinsticos, es decir la duracin mas
probable mientras que el PERT utiliza las tres duraciones que dan lugar a la duracin
promedia. Fig. III. 1.
DURACION OPTIMISTA (a)
Optimistic Time
Expresa el tiempo mnimo que sera necesario para realizar la actividad.
El clculo de este tiempo considera ideales todas las circunstancias que han de
concurrir en la realizacin de la actividad, pensando que todo va a salir bien, en perfecto
cronometraje y sin que se produzcan fallas que puedan afectar a su duracin. Por estos
motivos, este tiempo es de apreciacin poco realista.
DURACION MS PROBABLE (m)
Most Likely Time
Es aquel que se estima como justamente el necesario para realizar la actividad en

condiciones normales de trabajo con el empleo de los recursos determinados de antemano.
Este clculo de duracin normal viene apoyado por la experiencia o la estadstica.
Generalmente tiene en cuenta los retrasos naturales que suelen producirse por causas
especiales o imprevistos.
DURACION PESIMISTA (b)
Pessimistic Time
Es el tiempo mximo que puede estimarse para que se efecte la actividad en

condiciones desfavorables sin que lleguen a admitirse en esta ponderacin causas de fuerza
mayor o riesgo catastrfico, incontrolables en el orden lgico.
Obsrvese que tij o Teij significa duracin de la actividad, que cuando toma
valores definidos, servirn para determinar; cuando comenzar o cuando terminar la
realizacin de la actividad.
Es necesario expresar las duraciones de cada actividad, en unidades de tiempo, pudiendo

ser: horas, das, semanas, etc. Una vez elegida la unidad de tiempo, todas las actividades
estarn referidas a la misma base. La programacin del desarrollo del proyecto podr ser
correlacionado a fechas calendario de realizacin.
III.1 LOS TIEMPOS PARA COMEZAR Y TERMINAR UNA ACTIVIDAD

La determinacin de cuando comenzar y/o terminar cada actividad y los clculos en la red,
estn apoyados en el PERT.
COMIENZO TERMINO
i j
ti
tj
=
Fig.III.2: LOS TIEMPOS PARA COMENZAR Y TERMINAR
El cuadro III.1 resume los diversos nombres que adoptan estas terminaciones.
COMENZAR
OPTIMISTA t0i
t0
Inicio ms lejano.
Fecha ms temprana.
Fecha mnima esperada. TERMINAR
Lo ms pronto posible t0j
Terminacin ms prxima.
PERT-CPM TIEMPOS PESIMISTA

t* COMENZAR
t *i
Fecha ms tarda.
Fecha mxima esperada (TL). Inicio ms prximo.
Lo ms tarde posible
TERMINAR
t *j
Terminacin ms lejana.
CUADRO III.1: LOS TIEMPOS PARA COMENZAR Y TERMINAR UNA ACTIVIDAD
SIMBOLOGIA.- Adoptaremos una simbologa que facilita la realizacin de los clculos en

la red. Fig. III.3
to tx
Fig. III.3: SIMBOLOGIA
a) Los sucesos se representan por un circulo, el que estar dividido en tres campos:
En el campo superior se enumerar el nmero del suceso
En el campo izquierdo inferior se colocara el tiempo optimista t (t)
En el campo derecho inferior se colocara el tiempo pesimista t +- (t+)
b) La actividad se representar:
Aij j
i
ti+ tj 0 tj +
ti0 tij
Fig. III.4: LA ACTIVIDAD CON SUS DURACION Y LOS TIEMPOS PARA COMENZAR Y
TERMINAR
Es decir, en toda actividad; tanto el suceso inicial y final, llevaran los tiempos
optimistas y pesimistas para comenzar y terminar. Fig. III.4.
c) Los tiempos optimistas para comenzar y terminar una actividad:
i
Aij j
ti0 tj 0
tij
Fig. III.5: IDENTIFICACION DE LOS TIEMPOS OPTIMISTAS PARA COMENZAR Y TERMINAR

UNA ACTIVIDAD.
d) Los tiempos pesimistas para comenzar y terminar una actividad:
Aij j
i
ti+ tj +
tij
Fig. III.6: IDENTIFICACION DE LOS TIEMPOS PESIMISTAS PARA COMENZAR Y TERMINAR

UNA ACTIVIDAD.
COMO ENCONTRAR LOS TIEMPOS PARA COMENZAR Y TERMINAR UNA

ACTIVIDAD
Para comprender la metodologa de clculo, tomemos como ejemplo el siguiente
diagrama de flechas.
15
2
5 8 5
6
0 1 7
12
TP 4
7 15
3
19 6
17 7
3
Fig. III.7: RED CON DURACIONES DE LAS ACTVIDADES
CALCULO DE LOS TIEMPOS OPTIMISTAS EN LA RED (LO MS PRONTO

POSIBLE)
(Earliest Ocurrence Time)
(Earliest Expected Time)
La red propuesta deber ser trasladada a otra red de clculo, considerando los tres campos
de cada suceso y para ello se seguirn las siguientes reglas:
1 Considerar siempre que la primera actividad debe comenzar en cero.
2 Cuando en un suceso termina una actividad, se empleara la frmula:
0 = 0 +
3 Cuando en un suceso termina varias actividades se empleara la frmula:
0 = [0 + ]
4 El valor del ltimo tiempo optimista, marcara la duracin del proyecto.
Los clculos estn resumidos en la Fig.

Fig. III.8: RED DE CALCULOS CON LOS TIEMPOS OPTIMISTAS
CALCULO DE LOS TIEMPOS PESIMISTAS EN LA RED (LO MS TARDE

PERMISIBLE)
(Lastest Ocurrence Time)
(Lastest Allowable Time)
Se ir retrocediendo de suceso en suceso siguiendo las siguientes reglas:
1 Se comienza desde la duracin del proyecto, es decir se partir del valor del ltimo
suceso; determinado con los clculos de los tiempos optimistas.
0 ) = + )
2 Cuando del suceso comienza una sola actividad, la determinacin se har con la frmula:
+ = +
3 Cuando del suceso comienzan varias actividades, la formula ser:
+ = [+ ]
4 El valor en el primer suceso ser el comienzo del proyecto.

Fig. III.9: RED DE CALCULOS CON LOS TIEMPOS PESIMISTAS
III.2 DETERMINACION DE LA RUTA CRTICA
La determinacin de la ruta crtica puede ser planteada mediante las holguras del PERT o
los tiempos colgantes del CPM.
CALCULO DE LAS HOLGURAS EN EL PERT
El PERT considera dos tipos de Holguras de Tiempo: Holguras de Suceso y Holgura de

Actividad.
HOLGURAS DE SUCESO (HS)
Es la diferencia entre el tiempo pesimista y el tiempo optimista de un mismo suceso.

Fig. III10.
= + 0
n
n = nmero del suceso
tno tnx
SUCESO
Fig. III.10: DATOS PARA DETERMINAR LAS HOLGURAS DE SUCESO
HOLGURAS DE ACTIVIDAD (HA)
Es la diferencia entre el tiempo pesimista de terminacin y la sumatoria del tiempo

optimista de inicio y su duracin. Fig. III.11.
i Aij j
ti0 tj +
tij
= + (0 )
Fig. III.11: DATOS PARA DETERMINAR LAS HOLGURAS DE ACTIVIDAD
En la programacin de un proyecto, no nos pueden decir la fecha exacta de terminacin de

una actividad, pero si nos pueden decir el tiempo ms probable en que la actividad se
puede terminar segn experiencias anteriores y a juicio de los recursos actuales disponibles.
Duraciones de una actividad
Duracin Optimista (a). Periodo de tiempo ms corto que exigir la terminacin de una
actividad.
Duracin Pesimista (b). Periodo de tiempo ms largo que exigir la terminacin de una
actividad.
Duracin Ms Probable (m). Estimacin ms realista del tiempo que llevara la

realizacin de una actividad.
DURACION MEDIA DE UNA ACTIVIDAD (Tiempo Esperado o duracin Prevista)
Te.
Esta duracin ser determinada en base a las tres duraciones con la frmula propuesta por la
Distribucin Beta
a 4m b
Te
6
Certeza del valor Te.
El valor de Te en la distribucin de Beta (se comporta como mediana), divide al rea de

probabilidades en dos partes del 50% aproximadamente y su ubicacin respecto a la moda m
nos induce a deducir lo siguiente:
Cuando la duracin media ( Te ) calculada es mayor que la duracin ms probable (m) esta
tiende a la duracin optimista a, dando lugar a una distribucin simtrica a la izquierda; o sea
am es menor que mb (am < mb).
La duracin ms probable m, siempre coincide con la moda de la distribucin.
Cuando la duracin media ( Te ) calculada es menor que la duracin ms probable (m) esta
tiende a la duracin pesimista b, dando a lugar a una distribucin asimtrica a la derecha; o
sea que am es mayor que mb.
Cuando la duracin media ( Te ) calculada es igual a la duracin ms probable m, dar a lugar
a una distribucin simtrica.
Calculo de la incertidumbre de Te.
La medida adecuada de expresar la incertidumbre de Te es la varianza de la distribucin de

probabilidades.
LA VARIANZA ( 2 )
Indica el riesgo de no acertar el empleo del valor de la Duracin Prevista Te.
Su valor se determina con la frmula de la Distribucin Beta.
ba 2
( ) (
2
)
6
Cuando el valor de la varianza es mayor, mayor es el riesgo de no acertar el valor de Te.
Se observa en la figura que la varianza de A es mayor que la de B, lo que quiere decir que l
Te d A es menos certero que el de B.
Con algunos ejemplos despejaremos dudas respecto a la incertidumbre del empleo del valor
de Te.
Se observa que Te tiene los mismos valores en las diferentes curvas, pero su grado de certeza
es diferente.
Hemos expuesto que el modelo Pert hace uso de las tres duraciones: optimista, ms probable
y pesimista para determinar la duracin prevista Te para cada actividad y a la vez poder
calcular su grado de certeza al ser empelado en el proyecto.
DETERMINACION DE LA PROBABILIDAD DE TERMINAR EL PROYECTO

(TP ) O LA ACTIVIDAD Aij EN EL SUCESO n
Como la duracin de cada actividad del proyecto tiene su Te con un grado de incertidumbre
en su utilizacin y adems cada actividad puede tener su propia forma de distribucin de
probabilidades, sin embargo la duracin del proyecto, sigue una distribucin de forma
normal.
DURACION DEL PROYECTO ( TP )
El valor de la duracin del proyecto es determinar por la duracin de la Ruta Critica (r.c.).
TP (Te )r.c.
T j (t i )n 0
Referido a la terminacin de la actividad Aij en el suceso n.

La duracin media Te, era aquella duracin de la actividad que divida a la funcin de
distribucin en dos partes iguales, es decir que el 50% del rea situada debajo de la curva de
densidad de probabilidad (en la funcin Beta) quedaba a la izquierda de Te y el otro 50% a
la derecha. Por eso haba una probabilidad de 0.5 de que el proyecto sea terminado en el
plazo mnimo del suceso final.
Siempre la duracin del proyecto determinado en base a los Te de la Ruta Crtica, tiene una
probabilidad de cumplirse de 50%.
DURACION PROPUESTA O TIEMPO EXIGIBLE (TL )

Es el plazo de trmino programado o el plazo lmite que se exige para terminar el proyecto o
terminar con la realizacin de la actividad

Aij .
Su valor puede ser mayor o menor que TP o (t 0 j )n , dependiendo de las imposiciones

tcnicas o exigencias del contrato.
MARGEN DE TIEMPO (M).
Cuantificacin del tiempo con el que se podr jugar en la terminacin del proyecto o la
actividad Aij . Su valor puede ser positivo o negativo.
M TL TP TL (Te)r.c.
Referido a la duracin del proyecto.
M TL (t 0 j )n
DESVIACION NORMALIZADA O FACTOR DE PROBABILIDAD (Z).
Permitir medir la seguridad que tenemos de estar en la posibilidad del xito.
El valor de Z puede ser positivo o negativo y estar correlacionado con el % de

probabilidad que se encuentra en la Tabla de Distribucin Normal.
El valor de Z se obtendr con las siguientes ecuaciones:
TL TP TL TP
Z
2 r.c. r.c.
Referido a la duracin del proyecto, donde:
2 r.c. = Sumatoria de las varianzas de las actividades de la Ruta Crtica.
TL (t 0 j ) n TL (t 0 j ) n
Z
2n n
Dnde:
2 n = Sumatoria de las varianzas de las actividades que conforman el camino ms largo
para llegar al suceso n.
PROBLEMA N 1:
Las actividades de un proyecto y sus duraciones respectivas estn reportadas en el siguiente

cuadro; se pide:
1.1 La duracin del proyecto.

1.2 Cul es la probabilidad de terminar el proyecto en 52 das?
1.3 Si queremos tener una probabilidad de 97% en la terminacin del proyecto, determine la
duracin exigible, TL .
1.4 Cul es la probabilidad de que el proyecto est terminado entre 3 das antes y 3 das
despus de la Fecha Esperada Media, TP ?
TABLA DE LA FUNCIN DE LA DISTRIBUCIN NORMAL
PROBABILIDAD PROBABILIDAD
-Z Pr% +Z Pr%
-3.0 0.1 0.0 50.5
-2.9 0.2 0.1 53.4
-2.8 0.3 0.2 57.9
-2.7 0.4 0.3 61.8
-2.6 0.5 0.4 65.5
-2.5 0.5 0.5 69.1
-2.4 0.8 0.6 72.6
-2.3 1.1 0.7 75.8
-2.2 1.4 0.8 78.8
-2.1 1.8 0.9 81.6
-2.0 2.3 1.0 84.1
-1.9 2.9 1.1 86.4
-1.8 3.6 1.2 87.5
-1.7 4.5 1.3 90.3
-1.6 5.5 1.4 91.9
-1.5 6.7 1.5 93.3
-1.4 8.1 1.6 94.5
-1.3 9.7 1.7 95.5
-1.2 11.5 1.8 96.4
-1.1 13.8 1.9 97.1
-1.0 15.9 2.0 97.7
-0.9 18.4 2.1 98.2
-0.8 21.2 2.2 98.6
-0.7 24.2 2.3 98.9
-0.6 27.4 2.4 99.2
-0.5 30.6 2.5 99.4
-0.4 34.5 2.6 99.5
-0.3 38.2 2.7 99.6
-0.2 42.0 2.8 99.7
-0.1 46.0 2.9 99.8
0.0 50.5 3.0 99.9
La experiencia ha demostrado que la funcin de distribucin de probabilidad de de un

proyecto formado por un gran nmero de actividades, es aproximadamente la de una
distribucin normal.
Cul es la probabilidad de terminar el proyecto en 52 das?
Si queremos tener una probabilidad de 97% en la terminacin del proyecto. Determinar la

duracin exigible.
Actividades Duraciones
i j a m b
1 2 4 6 9
1 3 3 5 12
1 7 1 2 2
2 4 5 6 10
2 5 7 10 11
3 5 12 14 20
3 6 7 1 12
3 7 3 4 9
4 8 8 9 13
4 10 11 15 16
8 10 12 18
5 9 4 4 4
6 9 5 7 11
7 9 2 2 7
8 10 4 8 10
9 10 1 3 3
10 11 4 7 8
SOLUCIN
Proponemos los siguientes pasos en la solucin del problema
a) A partir de las duraciones se determinaran los Te y holguras para cada actividad

b) En una red de clculo se determinaran los tiempos optimistas y pesimistas para
comenzar y terminar cada actividad
c) Se determinaran las holguras de cada actividad
d) Se determina la Ruta Crtica y duracin media del proyecto Te
e) Se calcula la Varianza total C 2r.Cde las actividades de la Ruta Critica
f) Se analiza la probabilidad de terminar el proyecto en funcin de la Curva de
Distribucin Normal
LOS VALORES DE Y 2
Actividades

i j Te
1 2 6.166 0.604
1 3 5.5833 2.25
1 7 1.333 0.027
2 4 6.5 0.594
2 5 7.666 0.444
3 5 14.666 1.776
3 6 9.833 0.694
3 7 4.666 1
4 8 9.5 0.694
4 10 14.5 0.694
5 8 12.666 1.776
5 9 4 0
6 9 7.333 1
7 9 2.833 0.694
8 10 7.666 1
9 10 2.666 0.11
10 11 6.666 0.433
En la red de clculo se determinan: Tiempos optimistas y pesimistas, para comenzar y terminar

cada actividad. Las holguras de actividad y Ruta Critica
La duracin y la varianza de la Ruta Crtica:
1.1 la duracin del proyecto es TP 47.497 = das
La varianza de la Ruta Crtica es 2 r.c 7.245

La probabilidad de que el plan tenga xito, para esta duracin prevista TP es de 50%
1.2 la probabilidad si el contrato fija un plazo de 52 das TL es:
TL TP
Z
2 rc
52 47.497
Z
7.245
Z 1.672949194
Entrando en l atabla de la distribucin normal de probabilidades, para Z = 1.67, la
probabilidad de finalizar el proyecto de finalizar el proyecto antes d 52 das es de 95%.
1.3 Si queremos tener un probabilidad de 97% en la terminacin del proyecto, la manera de

calcular ser as:
Entrando en la tabla de distribucin se proceder a la inversa; se determina a que valor de Z
corresponde a una probabilidad de 97%.
Se encuentra as, que Z vale 1.88. De la frmula de la desviacin normalizada se despeja
TL
TL TP
Z
r.c.
TL TP Z r.c
=47.497+1.88 7.245 = 52.554
= 47.497 + 1.88 (2.691653767)
El nuevo valor ser entonces de 52.554 das, lo que significa que tomando aproximadamente
52.6 das, hay un 97% de probabilidad de realizar un proyecto.
La probabilidad de que el proyecto est terminado entre 3 das antes y 3 das despus de la
fecha esperada, se calculara as. Se calcula las desviaciones normalizadas (Z)
Para cada una de las restricciones.
Entrando en la tabla de Distribucin de Gauss, con Z = 1.11, se halla que la probabilidad es

de 86.6% (0.866).
Pero este valor es de , o sea que es el valor de la integral siguiente:

Y est representado por el rea de la figura. Pero segn lo pedido:
0.866 0.500 = 0.366 ; y el rea total ser: 0.366 x 2 = 0.732
Es decir que la probabilidad de cumplir con las restricciones de 3 das antes y 3 das despus
de la fecha esperada, es 73.2%.
PROBLEMA 2:
Para construir una obra de ingeniera necesitamos la realizacin de las siguientes actividades:
A, B, C, D, E, las que estn relacionadas entre s de la siguiente forma:
La actividad A precede a las actividades B, D.
La actividad B y C preceden a la actividad E.
Las actividades tienen las siguientes estimaciones en la duracin:

Se pide hallar:
a) El camino crtico y la duracin del proyecto.

b) La probabilidad de que el proyecto termine en 38 UT.
c) Tiempo necesario para tener una probabilidad de 99.5% de terminarlo en el pazo
previsto.
SOLUCION:
Se determina dos Te y las holguras de cada actividad, y posteriormente se hacen los

clculos de cuando comenzar y terminar cada actividad.
El camino crtico y su varianza.
Actividad Duracin Varianza
C 23.8 8.0
E 9.5 2.25
------------ ------------
= 33.3 = 10.25
La duracin de proyecto = 33.3 UT
La desviacin tipo rc. = 10.25 = 3.2 UT
Para visualizar la probabilidad de obtener el plazo de determinacin, representaremos la

distribucin terica que suponemos normal con una media igual al tiempo esperado
obtenido = 33 UT. Como hemos obtenido una desviacin tipo rc. = 3, con estos valores
podremos dibujar la siguiente curva.
En la escala de abcisas, hemos tomado las UT, de las ordenadas no representa inters ya
que la probabilidad est ligada al rea encerrada por la curva.
El rea total de la curva cubre todas las duraciones posibles, representando por lo tanto el
100%.
El rea rayada representa la probabilidad de que la duracin total sea inferior a 33 UT, que
es el 50%, ya que la distribucin normal es simtrica, siendo as cualquiera que sea la
desviacin tipo.
2.2 La probabilidad de que el proyecto termine en 38 UT.
Calculemos la desviacin normalizada por la frmula:

3833.3 4.7
Z= = = = 1.468
2 . 3.2 3.2
En la Tabla de Distribucin Normal, nos da para z = 1.468, una probabilidad de 92.5% de

terminar en el plazo previsto.
2.3 El tiempo necesario para tener una probabilidad de 99.5%.

Calculemos la desviacin normalizada (Z) para una probabilidad de 99.5%.
En la tabla de distribucin Normal se encuentra que Z = 2.6
El tiempo exigible o presupuesto ser:
= + rc
= 33.3 + 2.6 x 3.2 = 41.62 UT.
La probabilidad de cumplir con el plazo en 99.5% es 41.62 UT.
PROBLEMA 3:
Las actividades, duraciones optimistas, ms probable y pesimista de un proyecto son las

reportadas en el siguiente cuadro:
Las relaciones de precedencia entre las actividades son:

3.1 Dibuje el grafo Pert-Cpm, calcule el camino crtico, holguras de actividades y flotantes
libres de las actividades.
3.2 La posibilidad de que el proyecto termine en 30 UT.
3.3 Tiempo necesario para tener una probabilidad de 99% de terminar el proyecto.
SOLUCION
Se calcula los Te de las actividades, se traza el grafo de clculo y en ella se determina los
tiempos optimistas y pesimistas para comenzar y terminar cada actividad
A B C D E F G H I J
2.8 3.8 10.5 2 4 2.3 4 6.6 6.2 3.6

Existen 2 caminos crticos, los cuales tienen por duracin y varianza:
La duracin de los caminos crticos es 23 UT y las desviaciones tipo rc1 = 2.43 y rc2 =
2.55.
En proyectos donde existan ms de un camino crtico para determinar el , se tomara
aquella que tenga una desviacin tipo con mayor valor.
3.2 La probabilidad de que el proyecto termine en 30 UT.
Luego, la probabilidad ser 99.65% (caso ms desfavorable).
Obsrvese que se ha tomado la desviacin tipo con mayor incertidumbre, es decir la que
tiene un valor numrico ms alto.
3.3 El tiempo necesario para terminar el proyecto en 99%.
En la tabla de Distribucin Normal, para 99% el valor de Z = 2.35
Se tomara el tiempo exigible ms desfavorable (mayor tiempo necesario para terminar el

proyecto).
= 29 UT
V. costos y duracin ptima de un proyecto en el sistema pert-cpm

Planteado el grafo de actividades y la estimacin de cada duracin, se proceder a la
evaluacin de la duracin y el costo ptimo del proyecto.
El anlisis detallado de las implicancias de los premios y/o castigos (en dinero) sobre el plazo
contractual, es lo que determina que la culminacin del proyecto se mantenga en el plazo
previsto o se tenga que proceder a su aceleracin.
El Sistema PERT-CPM/COSTOS, nos presenta una tcnica de clculo de cmo determinar

el costo de un proyecto conociendo las limitaciones en la aceleracin de las actividades y las
posibles alternativas en las variaciones de los costos directos, mediante la combinacin
denominada duracin ptima costo mnimo. El planteamiento del clculo de este sistema,
considera que el costo total es el resultado de la sumatoria de un costo directo que crece a
medida que se acorta la duracin y un costo indirecto que aumenta proporcionalmente con el
tiempo de ejecucin.
V.1 COSTOS
En cualquier tipo de empresa, los gastos generales son clasificados en directos e indirectos.
COSTO DIRECTO (CD).-

Este costo est representado por el calor de los insumos consumidos directamente en
realizar la actividad (produccin): materiales, equipos, jornales de la mano de obra. Por la
forma del desarrollo de la actividad, el costo directo puede ser: costo normal o costo tope.
COSTO NORMAL (CN).-

Es el costo de una actividad realizada en condiciones normales de trabajo. Este costo es la
estimacin basada en la duracin normal (tN) de ejecucin de la actividad.
COSTO TOPE (CT).-

Es el mayor de los costos de una actividad, cuando ya es imposible lograr una disminucin
en la duracin de su ejecucin.
COSTO INDIRECTO (CI).-

Son aquellas derivadas de la estructura organizativa de la obra u empresa: administracin,
gastos generales (sueldo de empleados, financiacin, licencias, seguros, publicidad, etc.)
Los costos indirectos son directamente proporcionales al tiempo.
Grficamente se representa por una receta que puede nacer del origen del sistema de
coordenadas: costos versus tiempo. Fig.V.1.
Fig. V.1: VISUALIZACIN DEL COSTO INDIRECTO
COSTO TOTAL (CT).-

Los costos totales son iguales a la suma de los costos directos y los costos indirectos.
MULTAS Y PREMIOS
En la contratacin para la ejecucin de proyectos se seala el pago de multas en unidades
monetarias por cada unidad de tiempo de retraso en la entrega de la obra a partir del plazo
contractual.
La grfica de multas es una recta que nace en el punto correspondiente al plazo contractual
y se extiende con pendiente m.
En algunos contratos se especifica el pago de premios en favor del contratista por la

entrega anticipada de la obra a razn de unidades monetarias por cada unidad de tiempo
adelantado en la entrega.
La grfica de la recta de premios pasa el punto que seala el plazo contractual y se extiende
con pendiente p. Fig. V.2.
Fig. V.2: VISUALIZACIN DE PREMIOS Y MULTAS

La graficacin de los resultados de las alternativas de operacin para las condiciones, nos
reporta una curva.
A medida que aumentamos los turnos, se aumentan los costos de operacin, pero siempre
habr un tope donde por ms que podamos incrementar el costo, ya no se puede disminuir
la duracin de la actividad, a esta duracin se la conoce como duracin tope de smbolo
tij y el costo de esta duracin se denomina costo-tope Cij.
El Costo Tope, es el costo directo ms elevado de la actividad cuando la duracin ya no se

puede acortar ms.
El costo ms bajo de la realizacin de la actividad est relacionado con el punto de duracin

Normal tNij; ms all de esta duracin sera irreal, pues dar lugar a ms tiempo,
consecuentemente ms costoso.
Entre la duracin Tope y la duracin Normal, existe una gama continua de posibles
duraciones (visualizados en los puntos de aceleracin).
En la prctica, para facilitar el clculo de la pendiente de costos-duraciones, se sustituye la

curva por una lnea recta.
Fig. V.5: VISUALIZACIN DE LA PENDIENTE DE COSTOS
PENDIENTE DE COSTOS DIRECTOS DE UNA ACTIVIDAD (IJ)

La determinacin de la pendiente de costos, reporta el incremento del costo directo por la
unidad de tiempo.
La pendiente de costos se determina por la frmula:

( )
=
( )
Para el ejemplo propuesto, determinemos su pendiente de costos.
Duracin Normal tN = 10 das
Costo Normal CN = 54,400 UM
Duracin Tope tT = 4 das
Costo Tope CT = 67,840 UM
(54,400 67,840)
= = 2,240 /
(10 4)
Lo que quiere decir, que al disminuir en un da el trabajo, el costo directo aumenta 2,240
UM.
V.3 ACELERACIN DE UN PROYECTO EN FUNCIN DEL COSTO

Para acelerar o reducir la duracin de un proyecto o actividad, se puede utilizar diversos
procedimientos de operacin entre los que se encuentra:
a) Sobretiempo del personal existente.

b) Asignar ms personas a las tareas.
c) Uso de maquinaria ms sofisticada.
d) Uso de tecnologa ms avanzada o empleo de nuevas estrategias de ejecucin.
e) Trabajar con diferentes horarios.
f) Usar personal con ms experiencia, con mayores salarios.
g) Incentivar con premios al personal.
CRITERIO DE ELECCIN DE ACTIVIDADES PARA EL
ACORTAMIENTO DE LA DURACIN DEL PROYECTO
Para plantear la aceleracin del proyecto, se deber tener en cuenta los siguientes criterios
bsicos:
1 La reduccin de tiempos deber comprender a las actividades que pertenecen a las rutas
crticas.
2 Elegir por prioridades entre estas actividades, las que tienen menor incremento de
costo por unidad de tiempo.
El problema del trazado de la Curva de Costo Directo Total Mnimo del proyecto, se har
por el mtodo de las comprensiones sucesivas de las duraciones de las actividades,
puntos que sern valorados por la secuencia de un nmero necesario de programaciones.
Fig. V.6: VISUALIZACIN DEL COSTO DIRECTO TOTAL MNIMO DEL PROYECTO
PROCEDIMIENTO SISTEMTICO PARA TRAZAR LA CURVA DEL COSTO

TOTAL MNIMO DEL PROYECTO
Consideraciones preliminares:
1. Trazar la Red PERT-CPM en base a las relaciones de precedencia y/o restricciones

tcnicas que existieran para cada actividad.
2. Determinar la Duracin Normal y el Costo Directo Normal para cada actividad.
3. Determinar la Duracin Tope y el Costo Directo Tope para cada actividad componente
de la Red.
4. Determinar la Pendiente de Costos Directos para cada actividad.
Determinacin de Puntos de Aceleracin.
5. En una Red de Clculo, se determina la Duracin Normal del Proyecto en base a las
Duraciones Normales. Luego se obtiene el Costo Total Normal (sumatoria de los Costos
Normales de todas las actividades existentes).
De esta manera se obtiene el Punto PN, 1er. punto de la Curva de Aceleracin.
6. En una Red de Clculo, se determina la Duracin Tope del Proyecto en base a las
Duraciones Topes.
Con este paso determinamos el tiempo, hasta cunto podemos acelerar el
Proyecto.
7. Determinacin de otros puntos de la Curva de Aceleracin:
7.1. En una Red PERT-CPM se determina todos los caminos (o rutas) que existen y sus
duraciones; para ello todas las actividades se deben desarrollar normalmente.
7.2. Se comienza a comprimir la Red, teniendo presente que sta comprensin, slo
se harn en las actividades que pertenecen a la Ruta Crtica.
7.3. Se elegirn entre las actividades crticas, las que presentan menor incremento de
Costo Directo por Unidad de Tiempo.
7.4. Obsrvese que las duraciones de los caminos normales determinados en el tem 7.1.,
se tabularn en forma decreciente, para posteriormente en cada comprensin se
tratar de alcanzar el valor de la duracin de cada camino del tem 7.1.
7.5. En cada comprensin se determinar la duracin y su correspondiente costo.
8. Trazar la Curva de Costos Directos Totales Mnimos.
PROBLEMA 1:
Dado el grafo de actividades de un proyecto, detallando: actividades, duraciones normales,
duraciones topes de realizacin y sus costos respectivos, determine la Curva de Costos
Directos.
ACTIVIDADES DURACIONES COSTO DIRECTO UM

i j SIMB. tn tt Cn Ct
0 1 TP 0 0 0,000 0,000 0,000
1 2 A 8 4 600,000 1.000,000 100,000
1 3 B 10 7 900,000 1.400,000 166,667
1 4 C 12 9 1.200,000 1.500,000 100,000
2 4 D 9 6 200,000 750,000 183,334
2 6 E 20 10 2.200,000 2.500,000 30,000
3 4 F 15 10 750,000 1.400,000 130,000
3 5 G 16 12 320,000 850,000 132,500
4 5 H 13 5 2.800,000 3.200,000 50,000
4 6 I 5 5 600,000 600,000
5 6 J 7 5 150,000 1.000,000 425,000
6 7 K 5 3 450,000 750,000 150,000
Las duraciones son reportadas en meses.
Solucin:
Los Caminos de la Red.
Analicemos los posibles caminos con sus duraciones normales en el grafo correspondiente.
Camino 1: TP + A + E + K
0 8 20 5 = 33
Camino 2: TP + A + D + I + K
0 8 9 5 5 = 27
Camino 3: TP + A + D + H + J + K
0 8 9 13 7 5 = 42
Camino 4: TP + C + I + K
0 12 5 5 = 22
Camino 5: TP + C + H + J + K
0 12 13 7 5 = 37
Camino 6: TP + B + F + I + K
0 10 15 5 5 = 35
Camino 7: TP + B + F + H + J + K
0 10 15 13 7 5 = 50
Camino 8: TP + B + G + J + K
0 10 16 7 5 = 38
Es decir:
C7> C3> C8> C5> C6> C1> C2> C4>

50 42 38 37 35 33 27 22
El camino ms largo con duracin todo normal es el Camino 7, que por definicin es el
Camino Crtico.
PRIMERA PROGRAMACIN: CON DURACIONES TODO NORMAL

Para verificar la Ruta Crtica, hagamos los clculos en la siguiente red y resumamos los
valores en el Cuadro N1.
En esta primera programacin se tiene un costo directo total mnimo con duracin ms
larga.
SEGUNDA PROGRAMACIN: CON ACELERACIN DE LAS ACTIVIDADES

DE LA RUTA CRTICA
Como ya conocemos la duracin normal y la duracin tope, los puntos intermedios de la
curva, podrn ser determinadas por el mtodo de las comprensiones sucesivas de las
duraciones de las actividades.
Cul de las actividades debe ser reducido?
En qu cantidad se debe reducir la actividad elegida?
Para contestar a la primera pregunta, analicemos las actividades que estn en la Ruta Crtica
con duraciones todo normal.
Actividades Variacin
Ruta
Crtica Duracin
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
La actividad que tiene menor pendiente de costo directo es la H (4-5), sta se puede reducir
hasta 5 semanas, si la reducimos hasta su tope, tendremos que la duracin del proyecto es
igual al Camino 3 (42 semanas).
Los clculos de esta programacin estn resumidos en el Cuadro N 3.
TERCERA PROGRAMACIN: CON ACELERACIN DE LAS

ACTIVIDADES DE LA RUTA CRTICA.
En cada programacin debemos obtener para la duracin considerada, el menor costo
directo para el proyecto y esto se conseguir jugando con los valores de duraciones y
costos de las actividades.
Ruta
Crtica Duracin
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
La actividad H ya ha sido reducido a su tope, la actividad F es la que sigue con menor

pendiente de costo, pudiendo ser reducida hasta 10, por ahora slo vamos a reducirlo hasta
11 semanas, obteniendo que la duracin del proyecto es igual al Camino 8 (38 sem.). Se
observa que ha aparecido otra actividad crtica (3-5).
CUARTA PROGRAMACIN: CON ACELERACIN DE LAS ACTIVIDADES DE

LA RUTA CRTICA.
Analicemos las actividades crticas:
Ruta
Crtica Duracin
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
La actividad F slo puede ser reducido en 1 semana para llegar a su tope y necesariamente
la actividad G tambin tendr que ser reducido en 1 semana, obteniendo que la duracin del
proyecto es igual al del Camino N 5 (37 sem.)

QUINTA PROGRAMACIN: CON ACELERACIN DE LAS ACTIVIDADES DE
LA RUTA CRTICA.
Ruta
Crtica Duracin
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
Las actividades F y H ya han llegado a su tope, la actividad K es la que sigue con el menor
pendiente de costos directos, reducindola hasta su tope, tendremos que la duracin del
proyecto es 35 semanas igual al del Camino 6.

SEXTA PROGRAMACIN: CON ACELERACIN DE LAS ACTIVIDADES
DE LA RUTA CRTICA.
Ruta
Crtica Duracin
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
Las actividades F, H y K ya han llegado a su tope, la actividad B es la que sigue con el
menor pendiente de costos directos, vamos a reducirla hasta 8 semanas, obteniendo as que
la duracin del proyecto es igual al del Camino 1.

SEPTIMA PROGRAMACIN: CON ACELERACIN DE LAS
ACTIVIDADES DE LA RUTA CRTICA.
Se proceder de la misma forma que en las programaciones anteriores:
Ruta
Crtica Duracin
0 - 1 TP 0/0 0
1 - 3 B 10/7 166,667
3 - 4 F 15/10 130,000
3 - 5 G 16/12 132,500
4 - 5 H 13/5 50,000
5 - 6 J 7/5 425,000
6 - 7 K 5/3 150,000
Vamos a reducir la actividad B hasta su tope de 7 semanas.

OCTAVA PROGRAMACIN: CON ACELERACIN DE LAS ACTIVIDADES DE
LA RUTA CRTICA.
Las actividades B y F han llegado a su tope, lo que impide reducir a las actividades crticas
A y D. La nica actividad crtica que se puede reducir es la J, si a esta la reducimos a 6
semanas, dar lugar a la aparicin de una nueva actividad crtica (E).
Los resultados de esta programacin estn resumidos en el Cuadro N 9.
NOVENA PROGRAMACIN: CON ACELERACIN DE LAS ACTIVIDADES DE

LA RUTA CRTICA.
La actividad crtica J an se puede reducir en 1 semana para llegar a su tope, procediendo
as, consecutivamente la actividad E tambin debe ser reducida en 1 semana.
Con esta programacin hemos llegado a la duracin tope del proyecto, tal como fue calcula
con la Segunda Programacin.

PRACTICA DIRIGIDA: PERT CPM
1.- Proyecto pagar las facturas actividades:
- Examinar las facturas
- Poner en el correo
- Poner direccin en los sobres
- Elaborar los cheques
- Colocar las estampillas
- Insertar los cheques en los sobres
Hallar el diagrama de red del proyecto o dibujar el diagrama lgico de actividades.
2.- A continuacin se dan lo datos de tiempo y costo de un proyecto y costo de un proyecto.

Determine el diagrama lgico del proyecto
Normal Ruptura
Act. Precedentes Tiempo Costo S/. Tiempo Costo S/.
A - 5 5000 5 5000
B A 8 6000 3 1800
E A 6 3000 5 4500
C B 2 1000 2 1000
D B 6 5000 2 9000
H E 5 2000 4 3000
F C,D 7 18000 3 20000
G E,D 5 1000 3 4000
K H,F,G 8 15000 8 15000
3.- Con datos del problema 2. Determine la duracin del proyecto y la ruta crtica.
4.- Con los datos del problema 2. Determine el programa ptimo aplicando CPM.
5.- El jefe de mantenimiento de una fbrica desea reconstruir una mquina herramienta
durante el periodo de vacaciones. Deben efectuarse las siguientes operaciones:
- Desmontar la mquina
- Llevar la mquina al taller de reparaciones
- Encargar las piezas que van a sustituirse
- Quitar la antigua fundacin de la mquina
- Reparar las piezas de la mquina
- Construir la nueva fundacin de la mquina
- Llevar las piezas de la mquina a la fbrica
- Montar la mquina
Determinar el diagrama lgica de actividades.
6.- Determinar el Diagrama Lgico de actividad
Tiempo Depende de
Actividad T N
A 2 4 -
B 10 14 A
C 7 10 B
D 15 18 B
E 5 7 B
F 6 8 C
G 3 5 E,F
H 6 8 F
K 3 5 D,G,H
7.- Con la tabla anterior (6) determine la duracin del proyecto y la ruta crtica.
8.- Teniendo la siguiente informacin, determine el programa ptimo aplicando CPM.
Das $
Actividad DN DT CM CT Ci,j
1-2 8 5 150 280 43.33
1-3 4 2 160 300 70
1-4 12 7 380 520 28
2-3 3 2 90 200 110
2-4 9 6 250 480 76.66
3-4 8 5 200 360 53.33
9.- Tomando la informacin del problema 8. Grafique la relacin de tiempo- costo.
10.- Es necesario efectuar en forma peridicamente el trabajo de mantenimiento descrito en

la tabla, en cuanto a los intercambiadores de calor de una refinera.
ACTIVIDAD PRECEDEN H
A Desmantelar las - 14
conexiones de
tuberas.
B Desmantelar el A 22
cabezal envolvente
y tapa flotante.
C Quitar el as de B 10
tubos
D Limpiar los pernos B 16
E Limpiar el cabezal B 12
y la tapa flotante
del frente.
F Limpiar el as de C 10
tubos
G Limpiar la carcaza C 6
H Volver a colocar los F,G 8
as de los tubos
I Preparar la prueba D,E,H 24
de presin de la
carcaza
J Preparar la prueba I 16
de presin de los
tubos y ensamblar
11.- Se dan las actividades y requerimientos de secuencia, para completar un informe de

investigacin. Determinar la ruta crtica.
ACTIVIDAD PRECEDEN H
A Investigacin - 6
bibliogrfica
B Planteamiento de la - 5
hiptesis.
C Estudio preliminar B 2
de factibilidad.
D Propuesta formal C 2
E Anlisis de campo A,D 2
F Informe de avance D 1
G Investigacin A,D 6
formal
H Recoleccin de E 5
datos
I Anlisis de datos G,H 6
J Conclusiones I 2
K Manuscrito inicial G 4
L Ejemplar final J,K 3
M Preparacin de la L 1
presentacin oral
12.- El PC institute est preparando un revolucionario taller de terapia. El gerente del instituto
preocupado por los costos, recurre al PERT/CPM. Los datos se dan en la tabla. Los costos
indirectos tienen un monto de $500/ semana.
ACTIVIDAD PRECEDEN DURAC. TIEMPO D COSTO COSTO

DIAS REDUCCION TOTAL TOAL
NORMAL CON
$ REDUC.
A - 12 9 4200 200
Investigacin
del taller
B Eleccin de - 7 5 3000 400
grupos de
clientes
potenciales
C Diseo de A 10 7 2600 200
taller
D Preparacin A 4 3 1000 100
del material
para el taller
E Preparacin C 11 6 3400 300
del material
para el taller
F Envo por B, D 8 6 1400 100
correo de la
publicidad
acerca del
taller
G F 7 5 1000 100
Procesamiento
de solicitudes
H Taller de E,G 3 2 1300 400
terapia
TEORIA DE INVENTARIOS: DETERMINISTICOS Y ESTOCASTICOS
INTRODUCCION
La administracin del inventario tiene fuerte impacto en toda el rea de la empresa,

particularmente:
Produccin, Mercadotecnia y Finanzas.
Los inventarios son necesarios para el desarrollo de los negocios y ellos representan ciertos
costos que deben ser minimizados para maximizar las ganancias que tiene la empresa.
Definicin: Cantidad almacenada de artculos que se utilizan para facilitar la produccin o

para satisfacer las demandas del consumidor. Tambin, Conjunto de artculos, mercancas y
otros recursos econmicos que son almacenados o se mantiene inactivo en un instante del
tiempo.
Problema de Inventario:
En cualquier negocio los inventarios son una Fuente continua de problemas de

administracin cuando se busca una poltica de los inventarios, para tomar decisiones en base
a los siguientes interrogantes:
Que cantidad se debe pedir.

Cuanto se debe pedir
La decisin de cuanto ordenar implicar la seleccin de una cantidad de pedido que signifique
un equilibrio entre:
Mantener inventarios reducidos y hacer pedidos frecuentes.

Mantener inventarios numerosos y hacer pedidos poco frecuentes.
La primera opcin puede dar como resultado costos altos de pedidos. La segunda puede dar
como resultado costos altos de conservacin:
OBJETIVO DEL PROBLEMA DE INVETARIOS
Con el objeto de lograr un equilibrio entre:
Que cantidad pedir

Cuanto pedir
Se desarrolla un modelo matemtico que muestra el costo total del inventario.
El objetivo es minimizar el costo total; real o esperado del inventario. Sin embargo si el
inventario afecta la demanda, el objetivo puede ser maximizar las utilidades real o esperada.
Dentro de la empresa existen diferentes objetivos de inventario:
El departamento Financiero prefiere mantener los inventarios en un nivel bajo para conservar
el capital.
El departamento de Mercadotecnia se inclina por tener niveles altos de inventarios para

reforzar las ventas.
El departamento de Produccin desea inventarios adecuados para una produccin eficiente y

niveles de empleo homogneo.
FUNCION DE LOS INVENTARIOS
1. Inventario de trnsito o de conducto: Estn formados por suministros para cubrir

retardos en el manejo y el trnsito.
2. Inventario de tamao lote: Pedido por lote, por ser ms econmicos fluctuaciones
inciertas de la demanda.
3. Inventario de seguridad: Inventarios para prevenir faltantes debido a fluctuaciones
inciertas de la demanda.
4. Inventarios estacionales: Son diseados para cumplir ms econmicamente satisfacer
fluctuaciones en la demanda.
5. Inventarios de desacople: Tienen cmo funcin desunir funciones.
CARACTERISTICAS DE LOS SISTEMAS DE INVENTARIOS
1. COSTOS DE INVENTARIOS
A. Costo de pedido: costo asociados con el reabastecimiento del inventario, estos
varan con el nmero de pedidos.
B. Costo de mantenimiento: costos asociados por mantener un nivel dado de
inventarios disponibles. Comprenden:
a. Costo de oportunidad, costo de almacenamiento.
b. Deterioro del producto u obsolescencia.
c. Impuestos, depreciacin y seguros.
C. Costo de agotamiento: costo de penalizacin en que incurre, cuando se queda
sin mercanca, cuando esta se necesita.
D. Precio compra: precio de pedido, en l se asegura descuentos en cantidades o
cuando la produccin en grandes lotes, se traduce en la reduccin de costos
de produccin.
2. DEMANDA
Desde el punto de vista del conocimiento de informacin de la demanda este
puede ser:
Determinstico o probabilstico
A. Determinstico: las cantidades pedidas sobre los periodos subsiguientes se
conocen con certeza.
B. Probabilstico: La demanda sobre un periodo dado de tiempo es incierta y se
puede describir en trminos de una distribucin.
Tambin la podemos clasificar considerando el factor tiempo en:
A. Esttico: la demanda sobre periodos iguales de tiempo es constante.

B. Dinmico: La demanda vara en cada periodo de tiempo.
3. CICLO DE PEDIDO:
Un ciclo de pedido es el periodo de tiempo entre la colocacin de dos pedidos
sucesivos.
A. Revisin continua: El registro de nivel de inventario se monitorea
continuamente hasta un nuevo pedido.
B. Revisin peridica: Los pedidos se colocan en intervalos regulares de
tiempo.
4. TIEMPO DE ANTICIPACION: Tiempo entre la colacin y la recepcin. Puede

ser constante o variable, como tambin puede ser determinstico o probabilstico.
5. EXISTENCIAS DE SEGURIDAD: Sirven de amortiguador para absorber las
variaciones de la demanda y del tiempo de anticipacin.
MODELO DE COMPRA: SIN DEFICIT
Se supone lo siguiente
1. La demanda D se efecta a una tasa constante
2. La tasa de remplazo es instantneo.
3. Todos los coeficientes de costo, son constantes:
C1. Costo unitario/periodo.
C2. Costo de ordenar la compra.
C3. Costo de mantenimiento/unidad.
Suposicin: Q = Im
Dnde:
Im: Inventario mximo.
Q: Cantidad econmica pedido.
t : Tiempo entre pedido.
T: Tiempo planeado anual.
D: Demanda del articulo unidades/ao.
Calculando
Costo Total = Costo Unitario + Costo de Ordenar la + Costo de Mantener

el
/periodo /periodo compra/periodo inventario/periodo
Costo Total = Costo Total * Numero de periodos

/ao /periodo /ao
Dnde:
C1*Q : Costo de Q unidades / periodo.
C2 : Costo de ordenar la compra/periodo.
Q/2 : Inventario promedio por periodo.
C3 t (Q/2) : Costo de mantenimiento del inventario por periodo.
Entonces
Costo total / periodo
Cp = C1Q + C2 + C3t(Q/2) 1
Tiempo del periodo: t = Q/D

Periodos / aos o nmero de pedidos/ao: N = D/Q
Remplazando valores en: 1
Cp = C1Q + C2 + C3(Q/D) (Q/2)
Costo total por ao: C = N * Cp
C = (D/Q){C1Q + C2 + C3(Q2/2D)}
C = C1D + C2(D/Q) + C3(Q/2) 2
OBS: Tambin considerar:

C = C2(D/Q) + C3(Q/2)
Deseamos conocer la cantidad econmica a pedir en el periodo dado. Derivando

2
dC/dQ = -C2 D/Q2 + C3/2 = 0

Luego Q2 = 2C2D/C3 Entonces Q = 22 /3
EJEMPLO
La demanda de un artculo partculas es de 18 000 unidades / ao. El costo de
almacenamiento/unidad es de $1.20 por ao y el costo de ordenar una compra es
de $400, No se permite faltantes y la tasa de remplazo es instantnea. Costo
unitario $1. Calcular.
a. Cantidad optima pedida.
b. Costo total/ao.
c. Nmero de pedidos por ao.
d. Tiempo entre pedidos.
e. L = 7dias.
SOLUCIN
Datos:
D = 18 000/ao C1 = $1 C2 = $400 C3 = 1.2 /ao
Ao: 360 das
a. Q = 22 /3 = Q = 2 400 18000/120 = 3464

b. C = C1D + C2(D/Q) + C3(Q/2) = 1(18000) + 400(18000/3464) +
1.2(3464/2) = 22157
c. N = D/Q = 18000/3464 = 5.2 pedidos/ao
d. t = 1/N = Q/D = 3464/18000 = 0.192 aos
Si ao 360 das, entonces t = 0.192 * 360 69 das.
MODIFICACION DE LOS PERIODOS DE TIEMPO
En el modelo anterior, se planifico sobre la base de 1 ao. Lo fundamental con respecto a las
unidades de tiempo es la consistencia. Si los datos estn dados por mes:
Demanda / mes = 18000 /12 = 1500 unid/mes
Costo de almacenamiento
1.20/12 = $0.10 unid/mes
Q = Q = 22 /3 = Q = 2 15000 400 /0.1 = 3465
Costo total por mes
= 1(18000/12) + 400(18000/12)/3465 + (1.2/12)(3465/2)
= $ 1864.4
Tambin:
C= 22157 entonces 22157/12 = $1846.4/mes
ANALISIS DE SENSIBILIDAD
La poltica optima de la CEP deber aprovecharse en el futuro o no dependiendo del realismo

de las hiptesis. El modelo de la CEP no es ms que una representacin electiva de la
realidad; una abstraccin y una aproximacin. Que tan sensibles son los resultados del
modelo en cuanto a los resultados y los datos.
Se puede comparar la sensibilidad de los costos totales C de cualquier sistema operativo, con
los costos totales C* de un sistema ptimo de inventarios usando la relacin:

K = = [ + ]

Donde K: Medida de sensibilidad
Desviacin de la variable de decisin:
Q = k.Q*
Dnde:
K = 1, entonces Q = Q*
K > 1, entonces Q > Q*

K < 1, entonces Q < Q*
Intervalo administrativo de operacin
QS = (1 + X)Q*
QI = (1 - X)Q*
Donde
X : Tasa de desviacin
Qs : Cantidad superior
Qi : Cantidad inferior
EJEMPLO
La empresa Thompson tiene un contrato con el departamento de defensa por 150,000

rodamientos al ao. La Thompson ordena a un proveedor el metal para los rodamientos en
lotes de 40,000 unidades.
Cuesta $40 colocar un pedido y los costos de manejo se calculan 20% del costo del producto
$0.15. La Thompson desea conocer:
a. La cantidad optima a ordenar

b. El porcentaje de variacin de la cantidad pedida, con respecto al ptimo.
c. Cuanto le cuesta esta variacin
d. Calcular el intervalo de operacin para un tasa de 15%
SOLUCION
Datos:
D = 150,000 C1 = $0.15 C3 = 0.15 Ao de 360 das
Q = 40,000 C2 = $40 x = 0.15
a. Cantidad optima a pedir

Q* = 22 /3 = 2 40 150,000/0,03 = 20,000
b. Comparando la cantidad optima Q*, con la real Q

20,000 40,000
= [40,000 + 20,000] = 0.5 (0.5+2.0) = 1.25

La cantidad pedida 40,000 se desva de la ptima 20,000 en 100%.

c. Pero los costos solo son el 25% ms elevado que el ptimo.
Los costos suplementarios (marginales) de la cantidad ordenada no optima:
Costos Marginales = 0.25C*

= 0.25 [C2 + C3 2 ]
150,000 20,000
= 0.25 [40* 20,000 + 0.03* ]
2
= 0.25 (300+300) = $150.00
d. Intervalo de operacin del lote:
QS = 1.15 (20,000) = 23,000
Q1 = 0.85 (20,000) = 17,000
MODELO DE COMPRA: CON DEFICIT
Se considera las suposiciones del modelo anterior, pero se incurre en demandas postergadas.
Los costos de dficit son ocasionados por el agotamiento de existencias durante un periodo
de tiempo y no por perdidas de ventas.
Donde
S : Unidades agotadas / periodo

t1 : Tiempo de existencias
t2 : Tiempo de faltantes
S/2 : Promedio de unidades agotados
C4 : Costo de dficit de unidad/ periodo
Inventario mximo: Im = Q S
Por semejanza de tringulos

()
t1 = = y t2 =

Costo Total = Costo Unitario + Costo de Ordenarla + Costo de Mantener el + Costo de

Dficit
/periodo /periodo compra/periodo inventario/periodo /periodo
Cp = C1Q + C2 + C3t1(Im/2) + C4t2(S/2)
Remplazando valores:
= C1Q + C2 + C3{(Q - S)2/2D} + C4(S2/2D)
Costo total/ao: C = N * Cp
C = C1D + C2(D/Q) + C3(Q - S)2/2Q + C4(S2/2Q)
Derivando C con respeto a Q y S. Resolviendo para estos valores
22 3 +4
Q=
3 4
22 3
S=
4 3 +4
EJEMPLO:
Considerando los datos del problema anterior, donde el costo de dficit/ao es $5 / unidad
Solucin
D = 18000 / ao C2 = 400.00
C1 = 1.0 C3 = 1.20 / ao
a. Cantidad optima
240018000 1.20+5.0
Q= = 3464(1.113) = 3855.43
1.20 5.0
b. Nmero de unidades agotadas

240018000 1.20
S= = 1697.05 (0.4399) = 747
5.0 1.20+5.0
c. Costo total / ao
C = 1*18000 + 400(18000/3855) + 1.2 (3855-747)2/2*3855 + 5(747)2/2*3855 =
21732.94
d. Nmero de pedidos / ao
N = D/Q = 18000/3855 = 4.67 pedidos por ao
e. Tiempo entre pedidos
t = 1/N = Q/D = 3855/18000 = 0.214 aos
Para t = 0.214 (360) 62 das
f. Tiempo de existencias
t1 = (Q - S) = (3855 - 747)/18000 = 0.172
Para t1 = 0.172 (360) 62 das
g. Tiempo de faltantes
t2 = S/D = 747/18000 = 0.0415
Para t2 = 0.0415(360) 15 das
MODELO DE MANUFACTURACION SIN FALTANTES
Las suposiciones de este modelo son similares al de compra sin faltantes, excepto que
la tasa de remplazo es infinita y mayor que la tasa de demanda. El procedimiento para
hallar Q es el mismo, pero se remplaza el costo de ordenar la compra C2 por el costo
de organizar una tanda de produccin:
Dnde:
C2: Costo de tanda de produccin
R: Tasa de manufacturacin
t1: Tiempo de facturacin
t2: Tiempo de existencias
Im/2: Inventario promedio por periodo
Tiempo entre tandas de produccin / periodo:
t = t1 + t2 = Q / D
Inventario mximo/periodo est dado por el tiempo de manufacturacin t1 multiplicado por

la tasa de acumulacin R D.
Im = t1 (R D)
El tiempo de manufacturacin t1, tiempo para fabricar Q unidades.
Q = t1*R Dnde: t1 = Q/R
Costo por periodo:
Cp = C1Q + C2 + C3 t (Im/2)
Remplazando valores
Cp = C1Q + C2 + C3 (Q2/2D) (1-D/R)
Costo anual
C = N*Cp = C1D + C2 (D/Q) + C3 (Q/2) (1 D/R)
Derivando con respecto a Q, dC/dQ = 0
Donde
22
Q=
3 (1 )

EJEMPLO
La demanda de un artculo de una determinada Ca. es 18000 unidades/ao y la Ca. puede

producir ese artculo a una tasa de 3000/mes. El costo de una unidad/mes $0.15 y el
costo/unidad $2.
Solucin
D = 18000 unid/ao C1 = 2 Ao: 360 das
R = 3000 unid/mes = 3000(12) = 36000 C2 = 500 C3 = 0.15 unid/mes =

0.15 (12) = 1.8
a. Cantidad optima
2(500)(18000)2
Q= 18000 = 4472
1.8(1 )
36000
b. Costo total anual

C = 2(18000) + 500(18000/4472) + 1.8 (4472/2) (1 18000/36000) = 40025
c. Inventario mximo
Im = 4472 (1-18000/36000) = 2236
d. Nmero de pedidos por ao

N = D/Q = 18000/442 = 4.03 pedidos/ao
e. Tiempo entre tandas de produccin

t = Q/D = 4472/18000 = 0.2484
f. Tiempo de manufacturacin
t1 = Q/R = 4472/36000 = 0.124
Para = 0.124(360) 45 das
g. Tiempo de existencias
t2 = Im/D = 2236/18000 = 0.124
Para = 0.124(360) 45 das
MODELO DE MANUFACTURA CON DEFICIT
Se consideran las suposiciones del modelo de manufacturacin sin dficit y se adiciona el

costo de faltantes.
Costo/periodo
CP = C1Q + C2 +C3 (t1 + t2) (Im/2) + C4 (t3 + t4) (S/2)
Se deben determine los valores de t1, t2, t3, t4 y Im en funcin de Q y S
Donde
t1 + t2 = Im (1/(R -D) + 1/D)
t1 + t4 = Q/R
t3 + t4 = S (1/D + 1/(R -D))
t2 + t3 = (Im + S) /D
Im = Q (1- 1/D) S
Costo por periodo

C3 1 1 4 2 1 1
CP = C1Q + C2 + 2 [Q (1- ) - S]2( + ) (Im/2) + ( + )
2
Costo total anual
C = N * Cp = (D/Q) Cp
C3 1 4 2 1
C = C1D + C2 + 2 [Q (1- ) - S]2(1/) + ( )
2 1/
C3 1 4 2 1
C = C1D + C2 + 2 [QA - S]2() + ( )
2
Dnde: A = 1 D/R
Se desconocen los valores de Q y S. Derivando C con respecto a Q y S desarrollando:
DC/dQ = 0 y dC/dS = 0
Dnde:
3
S= Q (1 D/R)
3 +4
22 3 +4
Q= 4
3 (1 )

EJEMPLO
Considerando los datos del problema anterior, donde el costo/unidad agotada es $20 por ao
Solucin
D = 18000 und/ao C1 = 2 C4 = 20 /ao
R = 3000 und/mes = 3000(12) = 36000 C2 = 500 Ao: 360 das
C3 = 0.15 und/mes = 0.15 (12) = 1.8
a. Cantidad optima a pedir

250018000 1.8+2
Q= 18000 = 4669
1.8 (1 ) 2
36000
b. Nmero de unidades agotadas

1.84669
S= (1 18000/36000) = 38551*0.5 = 192.75 193
1.8+20
c. Costo total anual

50018000 1.8 [46690.5193]2 201932
C = 2*18000 + + 24669 + 246690.5 = 39855.16
36000 0.5
d. Inventario mximo
Im = 4669 (1- 18000/36000) 193 = 2142
e. Tiempo entre tandas de produccin

t = 4669/18000 = 0.269 ao
= 0.259(360) 93 das.
f. Tiempo de manufacturacin
t1 + t4 = Q/R = 4669/36000 = 0.129
= 0.129(360) 46 das
g. Tiempo de existencias
t1 + t2 = 85.67 das
h. Tiempo de faltantes
t3 + t4 = 7.71 das
i. Numero de periodos
N = D/Q = 18000/4669 = 3.86
MODELO DE LOTE ECONOMICO
El enfoque comn para desarrollar los modelos de inventarios es obtener una expresin
matemtica para los costos totales y despus buscar el mnimo. El tiempo de entrega es
constante por tanto no ocurren faltantes. Se omite el costo de compra, ya que es constante.
Suposiciones:
1. Demanda de uniforme (constante y continua).

2. El reabastecimiento se recibe todo junto.
3. Tiempo de entrega constante.
4. Todos los costos son constantes.
Con este modelo se determina:

1. Cantidad fija de orden.
2. Punto de reorden; cuando se debe hacer el pedido.
Costo total de inventario = costo de ordenar + costo de conservacin
= C2 (D / Q) + C3 (Q / 2)
Dnde:
dC/dQ = 0
Entonces:
2* D * C2
Qj
C3
I (t ) 38
Como el tiempo de entrega es constante, entonces el punto de reorden:
R = L * D/365
L: Tiempo de entrega en das.
Ejemplo:
Un fabricante necesita 2000 partes pequeas durante el prximo ao. El costo de las unidades
es de $5 cada una. Se tienen disponibles en la localidad con un tiempo de entrega de 1 semana,
peo el costo de ordenar para el fabricante es de $5 por orden. El costo de conservacin es de
$1.50 al ao por almacenamiento. Determinar:
a. Cuntas unidades debe ordenar.
b. El punto de reorden.
c. Costo total anual.
d. Numero de rdenes.
e. Das entre rdenes.
Solucin:
D = 2000 und. /ao.
C2 = $5 / orden.
C3 = $1.5.
L=7
Ao: 365 das.
2*2000*5
a. Q 115.47 115
1.5
b. R = 7(2000)/365 = 38.65 unid.
c. C = 2000 (5) / 115.47 + 115.47 (1.5) / 2 = 173.2
d. N = 2000 / 115 = 17.39 ordenes
e. t = 1 / N = 0.058
t = 365 (0.058) = 21.17
Luego: CEP = 115 si I (t ) 38

CEP CON DESCUENTOS POR CANTIDAD
Ocurren descuentos por cantidad en numerosos negocios e industrias en las que los
proveedores ofrecen incentivos para obtener cantidades grandes de pedidos, ofreciendo
menores costos de compra cuando se solicitan los artculos en lotes o cantidades grandes.
Observando que las mayores cantidades de pedido dan como resultado mayores costos de
tenencia del inventario, debe prepararse un anlisis completo de los costos antes de hacer una
recomendacin final sobre la poltica de pedidos o inventarios.
ALGORITMO:
PASO 1: para cada categora j de descuento, calcular
2* D * C2
QJ
C3
Considerando el costo unitario C1 de la categora j, dnde:
C3 = I * C1
I = Tasa de costo de tenencia anual.

PASO 2: Considerar lo siguiente:
- Las cantidades Qj que estn dentro del intervalo, respetar.
- Las cantidades Qj mayores a la cota superior del intervalo, descartar del anlisis.
- Las cantidades Qj menores a la cota inferior del intervalo, ajustar el Qj a esta cota.
PASO 3: Para cada Qj permitido, calcular:
D Q
D
C C1D C2 C3
Q C C1D C2 C3
Q 2 Q 2
La cantidad de pedido que arroje el costo total mnimo, es la cantidad ptima de pedido.
EJEMPLO
La Cia LST proveedor de la zapatera ILY est considerando descuentos al costo unitario por
cantidad de su artculo.
TAMAO DE PEDIDO DESCUENTOS COSTO UNITARIO
Unidades % C1
(0 - 250) 0 20
(250 - 1000) 10 18
(1000 - mas) 25 15
Dnde: D = 10 000 anual C2 = 9 I = 10% Ao = 360 das.
Cul es la cantidad que debe permitir la zapatera?
Solucin:
PASO 1
Calculando Qj, para j=1, 2,3 Donde C3 = I * C1
2(10, 000)9
Q1 300 250 No es factible
0.10(20)
Si es factible
2(10, 000)9
Q3 346 1000 Si es factible
0.10(15)
PASO 2
Manteniendo el valor de Q2 Q2 = 316 [250,1000]
Ajustando el valor de Q3 = 346 < 1000 Sea Q3 = 1000
PASO 3
Calculando el costo total anual para Q2 y Q3
CEP con descuentos por cantidad, factibles
La cantidad a pedir es de 1000 unidades con descuento de 25%, con costo de:
C = 15(10,000) + 9(10,000/1,000) + 1.5 (1000/2) = 150,840
MODELO DE PRODUCTOS MULTIPLES
Una variedad de tems se producen en una base cclica y utilizando en su produccin el

mismo equipo. Para evitar los conflictos de programacin en la produccin se ha
desarrollado un procedimiento para determinar lotes de produccin cclicos.
Determinando independientemente la cantidad econmica Q para cada producto en una

situacin:
Manufacturacin sin demandas postergadas
Considerando la situacin donde se tiene cinco productos diferentes y deseamos

producirlos en el mismo equipo o proceso.
Dnde:
D: Demanda anual.
d: Tasa de demanda (und/da).
r: Tasa de produccin (und/da)
C2: Costo del lote de produccin.
C3: Costo anual de mantenimiento de inventario.
Resolviendo esta situacin:
Cantidad econmica a pedir
2C2 D
Q
d
C3 (1 )
r
D Q d
C C2 ( ) C3 ( )(1 )
Q 2 r
Numero de periodos y su duracin: N = D/Q y t1 = Q/r
Se observa:
1. Ciclo de produccin es de 26.64 das.

2. Columna 7; nmero de das para consumir los lotes de cada producto a tasas de
demandas dadas.
3. Columna 5; nmero de das para producir los lotes de cada producto a las tasas de
produccin dadas.
Se concluye, el nmero de das de consumo (columna 7) para un tem es menor que el nmero
de das del ciclo de produccin 26.64 o tambin si es mayor, originndose conflicto en la
programacin de la produccin.
PLANEAMIENTO
Suposiciones:
Manufacturacin sin demandas postergadas.

Produccin de mltiples artculos que utilizan la misma instalacin de produccin.
Produccin cclica, produccin de n artculos.
El objetivo es determinar una longitud de ciclo que minice los costos de mantenimiento del
inventario y los costos de tanda de produccin.
FORMULACION
La funcin del costo total anual; para los N productos por lote es la suma de los costos de
mantenimiento del inventario ms los costos de la tanda de produccin.
N C2i Di N C3i Qi di
C (1 )
i 1 Qi i 1 2 ri
Como N = D1/Q1
Reemplazando:
N
1 N di
C N C2i C3i (1 )
i 1 2 N i 1 ri
El costo total anual est en funcin de la variable de decisin N (Numero de ciclos de
produccin).
La longitud de ciclo N al menor costo se determina: dC / dN = 0
Numero ptimo del ciclo de produccin.
di
C3i Di (1 )
ri
N
2C2i
Como Q1 = D1/N
Costo ptimo de los N ciclos
di
C 2C3i Di (1 )C2i
ri
SOLUCION
Determinacin del ciclo ptimo de produccin para los cinco productos
tem di/ri 1-di/ri C3iDi C3iDi(1-di/ri) C2

1 0.16 0.84 1000 840 20
2 0.40 0.60 5000 3000 15
3 0.10 0.90 3750 3375 25
4 0.08 0.92 8000 7360 10
5 0.20 0.80 6250 5000 15

$19575
$85.0
Numero de ciclos/aos
19575
N 10.73 11
2 x85
Cada tem se produce 11 veces al ao de los 235 das disponibles.
Ejemplos:
1. 1. La demanda de un artculo partculas es de 18 000 unidades / ao. El costo de

almacenamiento es de S/1.20 por ao y el costo de ordenar una compra es de S/400. No se
permiten faltantes y la tasa de reemplazo es instantnea. Costo unitario S/1.
Calcular:
a. Cantidad optima pedida.

b. Costo total/ao.
c. Nmero de pedidos por ao.
d. Tiempo entre pedidos.
Solucin:
Datos:
Demanda (D) = 18 000/ao

Costo Unitario (C1)= S/1.00
Costo de ordenar (C2)= S/400
Costo de mantenimiento (C3)= S/1.20
a) Cantidad ptima pedida:
22 240018000
Q= =Q= = 3464.1016 unidades.
3 1.20
b) Costo total/ao:

C = C1D + C2( ) + C3 ( )
2
18000 3464.1
C = 1(18000) + 400(
3464.1
) + 1.2 ( 2
) = 22156.9219
C =22157 soles.
c) Nmero de pedidos por ao:
D 18000
N=( )=( ) = 5.196 pedidos/ao
Q 3464.1
d) Tiempo entre pedidos:
1 Q 3464.1
t = ( ) = ( )= ( ) = 0.192 aos
N D 18000
Si un ao tiene 360 das, entonces t = 0.192 * 360 69 das.

Grfica
Verificacin en DECISOR
2. Considerando los datos del problema anterior, donde el costo de dficit/ao es de S/5.00 por
unidad.
Solucin:
Datos:
Demanda (D) = 18000 / ao

Costo Unitario (C1) = S/1.00
Costo de ordenar (C2) = S/400
Costo de mantenimiento (C3) = S/1.20
Costo de dficit (C4) = S/5.00
a) Cantidad ptima pedida:
22 3 +4 240018000 1.2+5
Q= * =Q= * = 3857.4603 unidades.
3 4 1.20 5
b) Costo total/ao:
Cantidad de unidades agotadas:
22 3 2(18000)(400) 1.2
S= * = * = 746.6052 unidades.
4 3 +4 5 1.2+5
Entonces:
()2 2
C = C1D + C2( ) + C3 ( ) + C4 (2)
2
18000 (3857.4603746.6052)2 746.6052 2

C = 1(18000) + 400( ) + 1.2 ( ) +5(2(3857.4603))
3857.4603 2(3857.4603)
C = 21733.0261 soles.
c) Nmero de pedidos por ao:
D 18000
N=( )=( ) = 4.6662 pedidos/ao
Q 3857.4603
d) Tiempo entre pedidos:
1 Q 3857.4603
t = ( ) = ( )= ( ) = 0.2143 aos
N D 18000
Si un ao tiene 360 das, entonces t = 0. 2143 * 360 77 das.
Grfica
Verificacin en DECISOR
PRACTICA DIRIGIDA: TEORIA DE INVENTARIOS
1) La demanda de un artculo particular es el 18000 unidades/ao. El costo de

almacenamiento es de S/. 1.20 por ao y el costo de ordenar una compra es de S/. 400.
No se permite faltantes y la tasa de reemplazo es instantnea y su costo unitario. Calcular:
a) Cantidad ptima pedida
b) Costo total/ao
c) Tiempo entre pedido
d) Nmero de pedidos por ao
Datos:
Demanda (D) = 18 000/ao
Costo Unitario (C1)= S/1.00
Costo de ordenar (C2)= S/400
Costo de mantenimiento (C3)= S/1.20
2) Considerando los datos del problema anterior, donde el costo de dficit/ao es de S/5.00
por unidad.
Datos:
Demanda (D) = 18000 / ao

Costo Unitario (C1) = S/1.00
Costo de ordenar (C2) = S/400
Costo de mantenimiento (C3) = S/1.20
Costo de dficit (C4) = S/5.00
3) Compra de componentes. Factory, Built, Home Inc. (F.B.H) compra components de

paneles de una planta cercana al Oeste de New Cork a s/. 5.00 por unidad, se espera usar
aproximadamente 4000 unidades durante el ao prximo F.B.H. Calcular que sus costos
son de s/. 30.00 para colocar una orden de s/. 1.50 por unidad anual para mantener y
almacenar.
D= 4000 C1= s/. 5.00 C2= s/. 30.00 C3= s/. 1.50
Determinar
a) Cul es la cantidad econmica de pedido

b) Cuantas ordenes por ao deben ser colocadas
c) Cul es el costo por pedido
d) Cul es el tiempo entre pedido
4) La demanda anual de rollo de cierto cable de dimetro especfico especial por la CIA
Lanier, es de 45000 rollos. A la empresa le cuesta S/. 160.00 la inversin o puesta en
marcha de ordenado el pedido, el costo mensual de mantener este artculo es S/. 2.00 y el
costo unitario S/. 1.00.
D = 45000 C1= S/.1.00 C2 = S/. 160.00 C3 = S/. 24.00 ao
Determinar:
a) Cul es la cantidad optima?

b) Cul es el tiempo entre pedidos?
c) Cul es el costo total anual?
d) Cul es el nmero de pedidos?
5) Una compaa ensambladora de computadoras, compra partes y componentes a una

importadora a S/. 8.00 por unidad. Como ha aumentado los requerimientos de
computadoras, se espera usar aproximadamente 6500 unidades durante el prximo ao
de dicho componente. La compaa ha estimado que sus costos son de S/. 45.00 para
colocar un orden y S/. 0.50 por unidad mensual, para mantener y almacenar y no se
permite faltantes.
D = 6500 C1 = S/. 8.00 C2 = S/. 45.00 C3 = S/. 0.50 (mes) = S/. 6 (ao)
Determinar:
a) Cul es la cantidad ms econmica de pedido?

b) Cuantas ordenes por ao deben ser colocadas?
c) Cul es el costo por pedido?
d) Cul es el costo total anual?
e) Cul es el tiempo entre pedidos?
6) Si la demanda de un artculo es uniforme de 9,000 unidades por ao, el costo de ordenar

S/. 2.50 por orden y el costo por conservacin es S/. 2.00 por unidad por ao.
a) Encuentre el tamao del lote econmico.
b) Cuntas rdenes se harn en un ao?
c) Si cada unidad cuesta S/. 7.00. Cul es el EOQ por orden?
d) Cul es el costo de inventario anual?
Datos:
D=9,000 C2=2.50 C3=2.00
7) En los Supermercados METRO, uno de sus productos de mayor demanda son las Cocinas
MADE, la cual se ha estimado una demanda de 1,200 cocinas para el presente ao y es
constante. El costo de hacer una orden de perdido a la fbrica es S/. 5,000 y el costo de
una cocina es de S/. 320.00 se sabe que el costo de mantener es de 10% de su costo.
Determinar:
a) Costo total/ao.
b) Nmero de pedido/ao.
c) Tiempo entre pedidos.
Datos:
D=1200 C2=5000 C1=320 C3=10%(5000)=500
8) Mc Bruger para su principal producto tiene una demanda de 2500 pizzas por mes. El
costo fijo de hacer una orden de pedido es de S/. 20 por mes. Cuesta S/. 0.003 por da por
almacenar pizzas. El costo unitario de cada pizza es de S/. 10. Se sabe adems que es
costo por demandas es de S/. 5 soles por ao. Determinar:
= 2500(12) = 30000
= 10.00 , = 20(12) = 240.00, = 0.003(360) = 1.08, = 5.00
Determinar:
a) Cantidad ptima
b) Nmero de unidades agotadas
c) Costo total por ao
d) Nmero de pedidos por ao
e) Tiempo entre pedidos
f) Tiempo de existencias
g) Tiempo de faltantes
9) La compaa manufacturera ACE tiene un contrato para suministrar refrigeradoras al ao
a una tasa mensual uniforme de 335 refrigeradoras, cuya demanda es de 3500 unidades
por ao. El costo de operacin es de S/. 50 por unidad, el costo del almacenamiento es de
S/. 6 y el costo de preparacin de una partida de produccin es de S/. 160.
= 3500, = 335(12) = 4020
= 50.00 = 160.00, = 6
Determinar:
a) De cuntas unidades es el lote de produccin?
b) Cul es el costo de las partidas de produccin por ao?
c) Con qu frecuencia se debe detener el proceso de produccin?
d) Cul es la duracin de las existencias?
10) La empresa de zapatos BATA S.A tiene la capacidad de producir 60 000 pares de zapatos
del modelo ABC por ao, la demanda de este artculo es 15,000 unidades por ao,
teniendo un costo unitario de $8 por par de zapato, el costo de tenencia de una unidad es
el 5% del costo unitario por mes, siendo el costo de compra de $150 el costo de faltantes
es de $2/artculo/ao. Calcular:
a. La cantidad ptima que debe comprarse
b. El nmero de unidades agotadas
c. El nmero de tandas de produccin
d. La duracin del periodo de inventario
e. El costo total anual
Datos:
D = 1500, P = 60000, 1 = 8.00 , 2 = 150.00 , 3 = 8(0.05)(12) = 4.8, 4 = 2.00
11) La siguiente tabla proporciona la demanda de un artculo para los primeros 12 meses de
un ao.
Ene Feb Marzo Abr Mayo Jun Jul Ago Set Oct Nov Dic
Mes 1 2 3 4 5 6 7 8 9 10 11 12
Demanda 20 40 40 60 40 60 80 60 40 40
80 80 80 80 80 80
Caso 1
a) En el ao se hacen 6 pedidos de 80 unidades cada uno, se reciben 1 enero,

1Marzo, 1 Mayo, 1Julio, 1 Setiembre, 1 Noviembre.
b) El costo de mantener una unidad de artculo en inventario durante un mes es S/15.
c) El costo por cada orden de pedido es S/80
d) El costo por demanda postergada es S/10
Mes Cantidad Inventario Demanda Inventario Demanda
Recibida Inicial Final Postergada
Enero 80 80 20 60 -
Febrero - 60 40 20 -
Marzo 80 100 40 60 -
Abril - 60 60 0 -
Mayo 80 80 40 40 -
Junio - 40 60 - 20
Julio 80 60 - 60 -
Agosto - 60 - 60 -
Septiembre 80 140 80 60 -
Octubre - 60 60 - -
Noviembre 80 80 40 40 -
Diciembre - 40 40 - -
Total 480 480 400 20
C2= 80
C3= 15
C4= 10
C1= C2 + C3 + C4
Caso 1:
C2: 80(6) = 480
C3: 400(15) = 6000
C4: 20(10) = 200
C1 = C2 + C3+ C4 = 6680
Caso 2
a) Al ao se hacen 12 pedidos de 40 unidades cada uno.

b) Con los mismos costos del caso 1
Determinar la poltica optima
Mes Cantidad Inventario Demanda Inventario Demanda

Recibida Inicial Final Postergada
Enero 40 40 20 20 -
Febrero 40 60 40 20 -
Marzo 40 60 40 20 -
Abril 40 60 60 - -
Mayo 40 40 40 - -
Junio 40 40 60 - 20
Julio 40 20 - 20 -
Agosto 40 60 - 60 -
Septiembre 40 100 80 20 -
Octubre 40 60 60 - -
Noviembre 40 40 40 - -
Diciembre 40 40 40 - -
Total 480 860 480 160 20
Caso 2:
C2: 80(12) = 960
C3: 160(15) = 2400
C4: 200
C1 = C2 + C3+ C4 = 3560
La poltica ptima del Caso 2 es mejor.

TEORIA DE COLAS
INTRODUCCION:
Para un Ingeniero Informtico es interesante saber que una de las herramientas matemticas
ms poderosas para realizar anlisis cuantitativos de las redes de ordenadores es la teora de
colas. Esta tcnica se desarroll primeramente para analizar el comportamiento estadstico
de los sistemas, de conmutacin telefnica, sin embargo, desde entonces, tambin ha sido
aplicada para resolver mucho problemas de redes.
Se pueden utilizar sistemas de colas para modelar procesos en los cuales los clientes van
llegando, esperan su turno para recibir el servicio, reciben el servicio y luego se marchan.
Ejemplos de sistemas de colas se encuentran en las cajas registradoras de los supermercados,
en las ventanillas de las entidades bancarias, en las salas de espera de los consultorios
mdicos, etc.
Los sistemas de colas pueden definirse mediante cinco componentes:
1. La funcin de densidad de probabilidad del tiempo entre llegadas.

2. La funcin de densidad de probabilidad del tiempo de servicio.
3. El nmero de servidores.
4. La disciplina de ordenamiento en las colas.
5. El tamao mximo de las colas.
La densidad de probabilidad del tiempo entre llegadas describe el intervalo de tiempo entre
llegadas consecutivas. Podramos imaginarnos que contratramos a alguna persona (por
ejemplo a un estudiante de ingeniera informtica) para observar la llegada de los clientes. A
cada llegada de un nuevo cliente, el observador registrara el tiempo transcurrido desde que
ocurri la llegada del anterior cliente.
Esquema de un sistema de colas

Despus de que hubiese transcurrido un tiempo suficientemente largo de estar registrando los
intervalos de tiempo entre llegadas consecutivas, estos datos podran clasificarse y agruparse.
La densidad de probabilidad de estas muestras caracteriza el proceso de llegada.
Cada cliente requiere cierta cantidad de tiempo, el que precise el servidor para realizar el
servicio que este cliente demanda. El tiempo de servicio requerido por cada cliente es tiempo
de trabajo activo para el servidor y vara entre un cliente y otro. Por ejemplo, en la caja de un
supermercado un cliente puede presentar un carro lleno de artculos y el siguiente puede traer
nicamente una lata de refresco. Por eso, para analizar un sistema de colas, adems de
conocer la densidad de probabilidad de los tiempos entre llegadas, debe conocerse tambin
la funcin de densidad de probabilidad del tiempo empleado en prestar servicio.
La cantidad de servidores se explica a travs de los ejemplos siguientes: muchos bancos, por
ejemplo, tienen una sola cola larga para todos sus clientes y, cada vez que uno de los cajeros
se libera, el cliente que se encuentre primero en la cola se dirige a la caja que ha quedado
libre. A este sistema se le denomina sistema de cola multiservidor. En otros bancos, cada
cajero o cajera, tiene su propia cola particular. En este caso tendremos un conjunto de colas
independientes en un solo servidor, y no un sistema multiservidor.
La disciplina de una cola describe el orden segn el cual los clientes van siendo atendidos.
Los supermercados utilizan el mtodo de servir primero al cliente que ha llegado antes. En
las salas de urgencia de los hospitales se utiliza, ms a menudo, el criterio de atender primero
al que est ms grave. El primero en ser atendido no es el que haya llegado antes. En una
oficina, ante la fotocopiadora, es frecuente que primero se despache al que tenga menor
trabajo, esto es, entra primero el que tenga que hacer menos fotocopias.
La capacidad de la cola es el nmero de clientes mximo que puede contener. No todos los
sistemas de colas poseen una capacidad ilimitada de recepcin de clientes. Cuando hay
demasiados clientes que quieren hacer cola, pero solo existe un numero finito de lugares de
espera, algunos de estos clientes pueden no ser admitidos en la cola.
En resumen: Las colas o lneas de espera son situaciones bastantes corrientes.
Clientes esperando servicio en un banco, alumnos que esperan matricularse, productos en

una lnea de produccin esperando ser procesados. Los sistemas que se caracterizan por
elementos que tienen que esperar para recibir un servicio se llaman Fenmenos de Espera.
Las colas se pueden caracterizar por los momentos de llegada de los clientes y por los
momentos de salida de estos, cuando ya han recibido el servicio solicitado. Las llegadas
suelen describirse por medio de una distribucin de probabilidad para los intervalos de
tiempo entre las llegadas de dos clientes consecutivos. Igualmente, los tiempos empleados
en prestar cada servicio siguen tambin una cierta distribucin de probabilidad. Adems, un
sistema de espera soporta dos costes: el de dar servicio y el de tener elementos esperado.
COSTOS DE LOS SISTEMAS DE COLAS
Un sistema de colas puede dividirse en sus dos componentes de mayor importancia, la cola
y la instalacin de servicio. Las llegadas son las unidades que entran en el sistema para recibir
el servicio.
Los elementos que llegan se unen primero a la cola, salvo que no haya lnea de espera en ese
instante. En ese caso se dice que la cola esta vaca. Desde la cola, las llegadas van a la
instalacin de servicio de acuerdo con la disciplina de la cola, es decir, de acuerdo con la
regla de decidir cul de las llegadas se sirve despus del que est actualmente recibiendo
servicio. Que el primero en llegar sea el primero en ser servido es una regla comn, pero
podra servirse con prioridades, o siguiendo alguna otra regla. Una vez que se completa el
servicio, las llegadas se convierten en salidas.
Ambas componentes del sistema tienen costos asociados que deben de considerarse.
Costo de Espera
Esperar significa desperdicio de algn recurso activo que bien se podra aprovechar en otra
cosa. El coste medio de una cola por unidad de tiempo est dado por CxL , donde C es
el costo de espera por cliente y unidad de tiempo y L=Numero promedio de clientes en la
cola.
Costo de Servicio
Este costo es el que est asociado a la compra de las instalaciones de servicio, as como los
gastos de ponerlas en uso como pueden ser los gastos de mantenimiento y personal.
Sistema de Costo Mnimo
Aqu hay que tomar en cuenta que tasas bajas de servicio normalmente darn lugar a largas
colas y costos de espera muy altos. Conforme aumenta el servicio disminuyen los costos de
espera, pero aumenta el costo de servicio. Entonces el propsito es encontrar el balance
adecuado para que el costo total sea el mnimo.
ESTRUCTURAS TIPICAS
Las llegadas pueden ser de personas, cartas, carros, incendios, ensambles intermedios en una
fbrica, etc. En la siguiente tabla se muestran algunos ejemplos de varios sistemas de colas.
TERMINOLOGIA
Caractersticas fsicas:
Servidor: Elemento que presta el servicio solicitado por los clientes.
Cola: Elementos esperando recibir servicio.
Sistema: Incluye cola, servidor y el elemento que est siendo servido.
Cadena: Nmero de lneas de cola del sistema. Los sistemas de colas son mono o
multicadenas. En los casos ms simples el nmero de cadenas es el nmero de servidores en
paralelo.
EJEMPLO APLICANDO LA DISTRIBUCION POISSON
En un sistema se procesan un promedio de 60 rdenes de cliente por hora. Calcular las

probabilidades que se pueden procesar un pedido en medio minuto o menos, en 1 minuto o
menos y en 2 minutos o menos.
Solucin:
Trabajando con minutos: Promedio de atenciones:
= 60/60 = 1 servicio/minuto.
Calculando
P (Tiempo de servicio 0.5 min) = 1 e-1 (0.5)= 1 0.3935

As, hay un probabilidad de 0.6321 e que se procese un pedido en 1 minuto o menos.
OBS:
Dado = 0.10 servicio/minuto
Esto significa que hay en promedio 0.1 servicios por minuto. Es decir el tiempo medio o
promedio de servicio es 10, ya que:
1/ = 1/0.10 = 10
NOTABLE DE KENDALL LEE PARA SISTEMAS DE COLAS
Para representar los sistemas de colas, KENDALL invento la siguiente notacin.
Cada sistema de colas se representa con seis caractersticas.
a/b/c/d/e/f
Donde los smbolos a, b, c, d, e y f representan elementos bsicos del modelo en la forma:
a: Distribucin de llegadas.
b: Distribucin del tiempo de servicio.
c: Nmero de servidores paralelos.
d: Disciplina de servicio.
e: Nmero mximo admitido en el sistema.
f: Tamao de la fuente de llamadas.
La notacin estndar reemplaza los smbolos a y b llegadas y servicios por los cdigos
siguientes:
M: Distribucin de Poisson para los arribos o una distribucin exponencial para los tiempos
de servicios.
D: Numero de arribos o tiempo de servicio es determinista o constante.
Ek: Distribucin de Erlang o Gamma de la distribucin de tiempo entre arribos o de servicios

para el parmetro K.
Gl: Distribucin de arribos empricos.
G: Distribucin general con media y varianza conocidos para el numero de arribos.
Disciplinas de servicio:
FIFO: Primero en llegar, primero en ser servido.
LIFO: ltimo en llegar, primero en ser servido.
SEOA: Servicio en orden aleatorio.
Los parmetros e y f, deben ser asignados con los valores siguientes:
: Tamao de la cola es infinito.
N: Tamao de la cola es acotado.
MODELO DE COLAS: POBLACION INFINITA
Elementos de un problema de colas, caso de un servidor:
1. Arribos
Los arribos ingresan al sistema aleatoriamente.
Los arribos vienen de una poblacin infinita.
No se permiten arribos simultneos.
Los arribos tienen una distribucin de Poisson, la poblacin de una llegada en
cualquier instante de tiempo es la misma que en cualquier otro momento.
2. Cola
El tamao de servicio es aleatorio.
Los arribos no pueden cambiar lugares en la cola.
3. Servidor
El tiempo de servicio es aleatorio.
Pueden haber interrumpido en el servicio.
Disciplina de servicio: Primero en arribar, primero en ser servido.
Tiene una distribucin exponencial.
4. Salida
No se permite que las unidades que salen vuelvan a ingresar al sistema.
ARRIBOS COLA SERVICIO SALIDA
SISTEMA
A. MODELO DE UN SERVIDOR Y UN COLA

Segn la notacin Kendall: M/M/I/FIFO//
Consideraciones que se deben conocer para el estudio de sistemas de colas.
Puede atender la atencin de servicio las demandas de los clientes?, debemos
averiguarlo comparando la tasa de arribos y la tasa de servicios.
1. Si > , la cola aumenta sin lmite.

2. Si = , no esta tan claro que la cola aumentara sin lmites.
3. Si < , el sistema es funcional, y las expresiones a usar son validad. Si esto se
cumple, se tiene la siguiente informacin:
: Tasa de arribos; arribos, unidades/periodos de tiempo.
1/ : Media del tiempo entre arribos.
: Tasas de servicios; unidades/periodo de tiempo.
1/: Media del tiempo de servicio.
Factor de utilizacin: = /
Si > , las siguientes expresiones son vlidas:
Probabilidad de que un cliente este siendo servido en cualquier tiempo:
Pn >0, Pn > 1 P0 = 1- (1-) =
Probabilidad que la estacin de servicio este ociosa: P0 = 1

Probabilidad de tener un cliente en el sistema: P 1 = 0
Probabilidad de tener dos clientes en el sistema: P2 = P1 = 2P0
Generalizando: Probabilidad de tener clientes en el sistema:
Pn = nP0 = n(1-) n0
Numero esperado de clientes en el sistema:

Ls =
=1 = (1 ) = (1-) = (1-)
n n n+1
La serie es convergente:
1
n-1 = , donde 0 < < 1
(1)2
Luego:
1
Ls = (1-)[(1)2 ] = (1) = (1)
Numero esperado de clientes en la cola:

2 2
Lq = Ls = = =
(1) (1) ()
Tiempo promedio de espera de una unidad en la cola:

Si la frecuencia media de servicio es , y el tiempo esperado para prestar servicio
es 1/ . Esto significa que una llegada al azar puede esperar encontrar n clientes
en el sistema y cada uno de ellos requiere un promedio 1/ unidades de tiempo
para ser servidos.
1 1
Wq = Ls () = () = ()
Tiempo promedio de espera de una unidad en el Sistema:
1 1 1
Ws = Wq + = () + = ()

Probabilidad de que la cola exceda a n:

P(L>n) = ()n+1
RELACIONES PARA LOS MODELOS DE COLAS

Es posible determinar Wq, Ws, Lq, Ls, a partir de una de estas relaciones. Para
cualquier sistema de colas, sin importar las distribuciones de arribos, servicio y
numero de servidores.
Dos de las expresiones generales, a alas que se denominan ecuaciones de flujo de
Little son:
Ls = Ws y Lq = Wq
Otra expresin general:
Ws = Wq + 1/
EJEMPLO: RESTAURANT BURGER DONE
Este negocio vende hamburguesa, queso, hamburguesas, papas fritas, refrescos y leche
malteada, as como tambin artculos espaciales y postres.
Aunque el administrador pretende dar un servicio inmediato a todos los clientes, en ocasiones
llegan ms de los que el personal pueden atender.
La operacin actual de la Burger Done, con una sola caja de pago, un empleado recibe el
pedido, determina su costo total, recibe el dinero del cliente y despus surte el pedido. Luego
al siguiente de la cola.
Los datos de arribo al restaurant siguen una distribucin de Poisson con una tasa promedio
de 45 clientes/hora. El proceso de recepcin y surtido de rdenes por el nico empleado sigue
una distribucin exponencial con una tasa promedio de 60 servicios/hora.
Solucin:
Datos: = 45 clientes/hr. y = 60 servicios/hr., donde

> .
Estudiando el comportamiento del sistema en minutos:
1. Promedio de arribos/minuto
= 45/60 = 0.75 arribos/min Entonces 1/ = 1.33 minutos/arribo
2. Promedio de los servicios/minuto
= 60/60 = 1 servicios/min. Entonces 1/ = 1 minuto/servicio
3. Se cumple = 1> = 0.75
Porcentaje de utilizacin del servicio:
= (0.75/1)*100 = 75%
Probabilidad que un cliente que arriba al sistema lo encuentra vaco:
P0 = 1- 0.75/1 = 0.25
Numero promedio de clientes en la cola
0.752 0.5625
Lq = 1(10.75) = = 2.25 clientes
0.25
Numero promedio de clientes en el sistema de colas

0.75
Ls = 10.75 = 3 clientes
Tiempo promedio de espera de un cliente en la cola:

0.75
Wq = 1(10.75) = 3 minutos
Tiempo promedio de espera de un cliente en el sistema de colas

1
Ws = 10.75 = 4 minutos
MEJORAMIENTO DE LA OPERACIN DE SERVICIO
El administrador de Burger Done es consciente de que se puede mejorar el sistema. Esto lo

podemos hacer utilizando cualquiera de las alternativas:
1. Aumentar la tasa promedio de servicio , haciendo un cambio creativo en el diseo

o utilizando una nueva tecnologa.
2. Aadiendo servicios de manera que sea posible atender a ms unidades a la vez.
EJEMPLO: RESTAURANT BURGER DONE
Si se considera la alternativa 1: donde el servidor registra y cobra el pedido, luego el cliente

selecciona su pedido el cual se encuentra listo en el aparador para ser recogido. Mediante
esta modalidad la tasa promedio de servicio es = 75 clientes/hora.
Solucin
Datos
: 45 clientes/hr. Entonces 1/ = 1.33 minutos/arribo
: 75 clientes/hr. Donde = 1.25 servicios/min.
Entonces 1/ = 0.8 minuto/servicio
Se cumple:
1.25 = serv/min. > = 0.75 arrb/min.
Caracterstica de operacin en minutos:
Probabilidad que el sistema este desocupado:
Po = 1 / = 1 0 (0.75 /1.25) = 1- 0.6 = 0.40
Tambin
1 1
P0 = 1 1
= 2.5 = 0.40
(0=0 ( ) )+ ( )
! 1!
Promedio del nmero de clientes en la cola : 0.900 clientes
Promedio del nmero de clientes en el sistema : 1.500 clientes
Tiempo promedio de espera en la cola : 1.200 min.
Tiempo promedio de espera en el sistema : 2.000 min
B. MODELO DE COLA MULTISERVICIO

Se pueden deducir expresiones semejantes para un problema de cola multicanal siempre y
cuando se suponga una poblacin infinita. Estas ecuaciones son ms generales que las
anteriores, ellas pueden reducirse al caso de canal simple haciendo k =1.
Las caractersticas de operacin de las lneas de espera de canales mltiples pueden aplicarse
solo a situaciones donde k > . La tasa promedio de servicio del sistema con k servidores
es k el factor de utilizacin del sistema.
Segn la notacin de Kendall:
M/M/K/FIFO//
Caractersticas de operacin:
LA probabilidad P0 de hallar vaco de sistema es:

1
P0 = 1 1 k
(=1
=0 !() )+ !() k
La probabilidad de Pn clientes en el sistema:

( ) P0

Si nk Pn = n!

( ) P0

Si n>k Pn = k! ()
Numero promedio de unidades en la cola:

( )

Lq = (1)!()2Po
Numero promedio de unidades en el sistema de colas:

( )

Ls = (1)!()2Po +
Tiempo promedio de espera de una unidad en la cola:

( )

Wq = (1)!()2Po
Tiempo promedio de espera de una unidad en el sistema de colas:

( ) 1

Ws = (1)!()2Po +
TABLA:
Valores de P0 para lneas de espera de canales mltiples con llegadas segn Poisson y tiempos
de servicio exponencial.
NMERO DE CANALES (K)

RAZON / 2 3 4 5
0.15 0.8605 0.8607 0.8607 0.8607
0.20 0.8182 0.8182 0.8182 0.8182
0.25 0.7778 0.7778 0.7778 0.7778
0.30 0.7391 0.7391 0.7391 0.7391
0.35 0.7021 0.7021 0.7021 0.7021
0.40 0.6667 0.6667 0.6667 0.6667
0.45 0.6327 0.6327 0.6327 0.6327
0.50 0.6000 0.6061 0.6065 0.6065
0.55 0.5686 0.5763 0.5769 0.5769
0.60 0.5385 0.5479 0.5487 0.5488
0.65 0.5094 0.5209 0.5219 0.5220
0.70 0.4815 0.4952 0.4965 0.4966
0.75 0.4545 0.4706 0.4722 0.4724
0.80 0.4286 0.4472 0.4491 0.4493
0.85 0.4035 0.4248 0.4271 0.4274
0.90 0.3793 0.4035 0.4062 0.4065
0.95 0.3559 0.3831 0.3863 0.3867
1.00 0.3333 0.3636 0.3673 0.3678
1.20 0.2500 0.2941 0.3002 0.3011
1.40 0.1765 0.2360 0.2449 0.2463
1.60 0.1111 0.1872 0.1993 0.2014
1.80 0.0526 0.1460 0.1616 0.1646
2.00 0.1111 0.1304 0.1343
2.20 0.0815 0.1046 0.1094
EJEMPLO: RESTAURANTE BRUGER DONE
Ampliando el sistema del Restaurante de Burger Done; mantenimiento la tasa de servicio

para dos servidores k=2 y una sola cola.
Solucin
Recordando:
Promedio del nmero de arribos/minuto = 0.75
Media del tiempo entre arribos: 1/ = 1.33 minutos
Promedio del nmero de servicios/minuto = 1

Media del tiempo de servicio: 1/ = 1 minutos
Se cumple k = 2(1) > = 0.75
Numero promedio de clientes en la cola:

0.75 2
0.751( )
1
Lq = (21)!(210.75)2(0.4545) = 0.1227 clientes
Numero promedio de clientes en el sistema:
Ls = Lq + / = 0.1227 + 0.75 = 0.8727 clientes
Tiempo promedio de un cliente en la cola
Wq = Lq/ = 0.1227/0.75 = 0.16 minutos
Tiempo promedio de un cliente en el sistema:
Ws = Wq + 1/ = 0.16 + 1 = 1.16 minutos
MODELO DE COLAS: POBLACION FINITA
En algunos casos, el nmero de clientes potenciales es tan pequeo, que el arribo de un cliente
para ser atendido o la terminacin de un servicio afecta la probabilidad de futuras llegadas.
Como regla emprica, si la poblacin es menor que 30 deben usarse las ecuaciones
correspondientes a una poblacin finita.
Por ejemplo, si un operador atiende tres mquinas y cada una requiere atencin a intervalos
aleatorios, las maquinas (clientes) provienen de una poblacin finita.
A. MODELO DE COLA SIMPLE

La probabilidad P0 de hallar vaco el sistema es:
1 1
P0 =
, P0 = !
(
=0 ) )
( (
=0 ()! ) ])
[ (
La probabilidad Pn de hallar n clientes en el sistema

M!
Pn =
()!
( ) P0 n= 0,1,..

P1 (1)
Ls = - Po
1 1 1
En esta expresin se observa, que no es necesario p<1 , es decir que el sistema sigue
estable cuando .
Lq = Ls (1 P0)

Wq = Lq/ , = * (1 P(M))
Tiempo promedio de un cliente en el sistema:

Ws = Wq + 1/
EJEMPLO: REPARACION DE MAQUINAS

UN MECANICO ATIENDE CUATRO MAQUINAS. Para cada mquina, el tiempo
medio entre requerimiento de servicio es de 10 horas y se supone que tiene una
distribucin exponencial. El tiempo de reparacin tiende a seguir la misma
distribucin y tiene un tiempo medio de 2 horas. Cuando una maquina queda en
reparacin, el tiempo perdido tiene un valor de $20/hora. El servicio del mecnico
cuesta $50/hora.
Solucin:
Mecnico (k = 1) que atiende cuatro mquinas: M =4
X1: Arribos
Media del tiempo entre arribos:
E(X1) = 1/1 = 0 hrs. Promedio del nmero de arribos/hrs.
1 = 0.10
X2: Servicio:
Media del tiempo de servicio.
E(X2) = 1/2 = 2 hrs. Promedio del nmero de arribos/hrs.
2 = 0.50
a. Probabilidad que el sistema este vaco o probabilidad de que no haya maquinas
malogradas:
P0 = 1/1.2496 = 0.80025
b. Nmero esperado de mquinas que no funcionan(malogrados) en el sistema de
cola:
Ls = 0.2/0.8 5*0.00032/0.99968 = 0.25 0.0016 = 0.248
c. Nmero esperado de mquinas que esperan servicio:

Lq = 0.248 0.19975 = 0.04825
d. Numero esperado de mquinas que funcionan en el sistema:
M Ls = 4 0.28 = 3.752
e. Tiempo promedio de espera de una maquina en la cola:
4! 0.1 4
P4 = ( ) (0.80025) = 0.0307296, = 0.1(1 0.0307296) = 0.096926
0! 0.5
Wq = 0.04825/0.096926 0.4825
f. Tiempo promedio de una maquina en el sistema de colas:
Ws = 0.4825 + 1/0.5 = 2.4978
g. Costo total/hora = costo total de espera + costo total de servicio:

Ct = 20(2.4825)0.10 + 50(1) = 54.965
MEJORAMIENTO DDE LA OPERACIN DE SERVICIO

Sera deseable tener dos mecnicos para cada uno tienda solo dos mquinas?.
Considerando este caso responde a las preguntas de a) a i).
Solucin:
Considerando que tienen dos mquinas con las mismas caractersticas, cada
mecnico atiende dos mquinas.
a. Probabilidad que no haya maquinas malogradas:
1
P0 = = 1/1.240 = 0.08064516
2=0 0.2
b. Numero esperado de mquinas en el sistema de colas(maquinas que no
funcionan):
0.2 (21)0.23
Ls = - = 0.25 0.024/0.992 = 0.2258
10.2 10.23
c. Nmero de mquinas que esperan servicio:

Lq = 0.2258 0.194 = 0.0322
d. Numero de mquinas que funcionan en el sistema:
M Ls = 2 0.2258 = .7742
e. Tiempo promedio de espera de una mquina en la cola:
P2 = 2!/0! *(0.2)2(0.806) = 0. 06448, = 0.1 (1-0.06448) = 0.093552
Wq = Lq/ = 0.0322/0.093552 = 0.322
f. Tiempo promedio de espera de una maquina en el sistema de cola:
Ws = 0.322 + 1/0.5 = 2.322
g. Coso total/hora = Costo total de espera + costo total de servicio:

Costo total/hora = CqWs + Csk
Ct = 20(2.322)0.10 + 50(1) = 54.644
Por los dos sistemas Ct = 2*54.965 = 109.288
Luego: 109.288 > 54.965. No se justifica emplear dos hombres.
B. MODELO DE COLA MULTISERVICIO
Se supone que el numero k de servicios es mayor que 1, por tanto 1 <k M, el sistema
se mantiene estable aun cuando k, esto se debe porque, = 0ara todo n>M.
Probabilidad de hallar vaco el sistema:
1
P0 = ! !
=1 =
=0 [()!!() ]+= [()!! () ]
Probabilidad de hallar n clientes en el sistema:

M!
Pn = P0
(Mn)!n!
( )n Donde 0n<k

M!
Pn = P0
(Mn)!k!knk
( )n Donde k n M


=
Lq = =+1( )Pn

Ls = =+1 Pn

Wq= Lq/ Donde: = ( )
Tiempo promedio de espera de un cliente en el sistema:

Ws =

EJEMPLO: REPARACION DE MAQUINAS
Poblacin: M = 4 mquinas, Numero de mecnicos K =2
Arribos: 1 = 0.10 hrs y Servicio 2 = 0.50 hrs
= 0.10 hrs = 0.50 hrs
Caractersticas de operacin:
a. Probabilidad que no haya maquinas malogradas:

1
P0 = 4! 0.1 4! 0.1 = .0928 = 0.4778
=1 =4
=0 [(4)!!(0.5) ]+=2[(4)!2!22 (0.5) ]
Calculando las probabilidades:

4!
n=0 (0.20 ) = 1
4!0!
4!
n=1 (0.21 ) = 0.8 => P1 = 0.4778*0.8 = 0.38224
4!0!
4!
n=2 (0.22 ) = 0.24 => P= 0.4778*0.24 = 0.11467
2!2!20
4!
n=3 (0.23 ) = 0.048 => P1 = 0.4778*0.048 = 0.02293
1!2!2
4!
n=4 (0.24 ) = 0.0048 => P1 = 0.4778*0.0048 = 0.0.00229
1!2!22
b. Numero esperado de mquinas que se noe3 separaran en la cola:

Lq = (3-2)P3 + (4-2)P4 = 0.02751
c. Numero esperado de mquinas que no funcionan(malogradas) en el sistema:
Ls =
=0
Ls =0*P0 + 1 *P1 + 2*P2+ 3*P3+4*P4
d. Nmero esperado de mquinas que funcionen en el sistema

= 4 0.6895 = 3.3105
e. Tiempo promedio de espera de una mquina en la cola:

Wq = Lq/
W20.02751/0.331 0 0.0831 donde = 0.10(4 0.68953 = 0.33
f. Tiempo promedio de espera de una maquina en el sistema.
Ws = Ls/
Ws =0.6895/0.3310 =2.083
g. Costo total/hora = Costo total de espera + costo total de servicio:
Costo total/hora = Cq Ws + Csk = 20*2.083*0.1+50*2 = 104.166
ANALISIS ECONOMICO DE LINEAS DE ESPERA

Con mucha frecuencia, las decisiones sobre el diseo de lneas de espera, como la
determinacin del nmero de canales, se basa en una evaluacin subjetiva de las
caractersticas de la cola. La naturaleza de los costos de servicios influye en el mtodo para
encontrar el sistema de menor costo.
Pueden utilizarse los modelos que se presentaron anteriormente para determinar el nmero
de servidores que es posible emplear para satisfacer las metas de desempeo de las lneas de
espera que fijan los administradores. Con objeto de realizar un anlisis econmico de un
sistema de lnea de espera y el de ofrecer el servicio.
EVALUACION DEL SISTEMA CUANDO SE CONOCE EL COSTO DE ESPERA:
Cuando los costos de servicio cambian en forma escalonada, se usa la tcnica de prueba y
error para encontrar el Sistema de menos costo. Se calcula el costo total para una tasa de
servicio, despus para la siguiente y as sucesivamente.
Esto se contina hasta que se encuentra un lmite inferior o un mnimo tal, que al aumentar
o disminuir las tasas de servicio de costo total ms altos. Con una Buena seleccin de las
tasas que se van a examinar, casi siempre puede encontrarse el mnimo en tres o cuatro
pruebas.
EJEMPLO: TAMANO DE UNA VRIGADA
Se tiene un muelle de carga y descarga de camiones, se desea saber cuntos miembros debe
tener la brigada para atender a los mineros. El muelle tiene espacio solo para un camin, pero
el tiempo de carga o descarga puede reducirse aumentando el tamao de la brigada.
Las llegadas tienen distribucin Poisson y los tiempos de servicio una distribucin
exponencial, la tasa promedio de servicio es un camin/hora para un cargar, los cargadores
adicionales aumentan la tasa de servicio proporcionalmente.
Los camiones llegan con una tasa de dos/horas en promedio y que el costo de espera es de
$20/hora por camin. Si se paga $5/hora a cada miembro de la brigada. Cul es el mejor
tamao de la muestra?
Solucin
Datos: = 2 camiones/hor. Entonces 1/ = 0.5hr/camin
= 1 camin/hora/camin Entonces 1/= 1 hr/camin
Cq = costo de espera $20/hora/camin.
Cs = Costo por servicio $5/hora/persona
K = Nmero de personas en la brigada.
Para una brigada de 4 personas:

2
Ls = 42 = 1 camin
Ct = 20(1) + 4(5) = $40
Para una brigada de 5 personas:

2
Ls = = 52 = 0.67 camiones
Ct = 20(0.67) + 5(5) = $38.33
Para una brigada de 6 personas

2
Ls = = 62 = 0.5 camiones
Ct = 20(0.5) + 6(5) = $40
Este costo es mayor que el de la brigada 5. Entonces el tamao de la abrigada es de 5

personas. Observando el grfico.
Tambin:
Costo total/hora = CQWS+CSK
EVALUACION DEL SISTEMA CON COSTOS DE ESPERA DESCONOCIDOS
Existen muchas situaciones en las que se prefiere no dar un valor monetario al costo de
espera, porque no se tiene una forma razonable de estimar este costo. Cul es el costo de
espera de un cliente en un banco, supermercado o restaurant? Tambin es realmente lineal el
costo de espera?, preguntas difciles de contestar. Pero se cuenta con otro mtodo que no
requiere datos explcitos de este costo.
En lugar de estimar el costo de espera, el administrador puede especificar un promedio

mnimo de tiempo de espera en la cola(o para Lq, la longitud de la lnea en la cola).
Con este lmite superior puede encontrarse la tasa de servicios necesaria para cualquier tasa
de llegada dada. Aunque este mtodo no proporciona un Sistema optimo, se da un diseo que
est de acuerdo con las especificaciones de la administracin.
PRACTICA DIRIGIDA: TEORIA DE COLAS
1. Mac Donalds de San Borja, en su operacin es con una sola caja de pago, un empleado
recibe el pedido, determina su costo total, recibe el dinero del cliente y despus surte el
pedido. Luego al siguiente de la cola. Los datos del arribo del restante siguen una distribucin
de Poisson con una tasa promedio de 60 clientes/hora. El proceso de recepcin y surtido de
rdenes por el nico empleado sigue una distribucin exponencial con una tasa promedio de
75 servicios/hora.
2. En un servidor de la universidad se mandan programas de ordenador para ser ejecutados.

Los programas llegan al servidor con una tasa de 10 por minuto. El tiempo medio de
ejecucin de cada programa es de 5 segundos y tanto los tiempos entre llegadas como los
tiempos de ejecucin se distribuyen exponencialmente.
Se pide:
a) Qu proporcin de tiempo est el servidor desocupado?

b) Cul es el tiempo esperado total de salida de un programa?
c) Cul es el nmero medio de programas esperando en la cola del sistema?
3. Los trabajadores de una fbrica tienen que llevar su trabajo al departamento de control de
calidad antes de que el producto llegue al final del proceso de produccin. Hay un gran
nmero de empleados y las llegadas son aproximadamente de 20 por hora, siguiendo un
proceso de Poisson. El tiempo para inspeccionar una pieza sigue una distribucin exponencial
de media 4 minutos. Calcula el nmero medio de trabajadores en el control de calidad si hay:
a) 2 inspectores.
b) 3 inspectores.
4. PETROPER estudia la utilizacin de la gasolinera. La gasolinera tiene 6 bombas, 4 para

gasolina NOVA, 1 para gasolina EXTRA y otra para DIESEL. Las llegadas de autobuses que
cargan DIESEL muestran una distribucin que se aproxima a la de Poisson, mientras que el
servicio muestra una distribucin exponencial. El promedio de llegadas a la bomba de
DIESEL es de 5 autobuses por hora, mientras que los servicios promedios en esa bomba son
de 7 por hora. Slo se puede dar servicio en esa bomba a un autobs a la vez, y se sirve a los
autobuses en el orden en que llegan a la bomba. Encuentre todos los parmetros que describen
cuantitativamente a esta bomba DIESEL, para que posteriormente se pueda tomar una
decisin acerca de la instalacin de otras bombas DIESEL en este lugar.
a. Probabilidad de encontrar la bomba DIESEL vaca:

b. La probabilidad de encontrar un autobs cargando y otros dos esperando en cola:
c. El nmero esperado de autobuses haciendo cola:
d. El nmero promedio de autobuses en el sistema (esperando en la cola y en el taller):
e. El tiempo promedio de espera en la cola para recibir servicio:
f. El tiempo promedio en el sistema:
5. Suponga que en una estacin con un solo servidor llegan en promedio 45 clientes por hora,
se tiene capacidad para atender en promedio a 60 clientes por hora. Se sabe que los clientes
esperan en promedio 3 minutos en la cola.
Se pide:
a) Tiempo promedio que un cliente pasa en el sistema.
b) Nmero promedio de clientes en la cola.
c) Nmero promedio de clientes en el Sistema en un momento dado
6. Suponga un restaurante de comidas rpidas al cual llegan en promedio 100 clientes por
hora. Se tiene capacidad para atender en promedio a 150 clientes por hora Se sabe que los
clientes esperan en promedio 2 minutos en la cola Calcule las medidas de desempeo del
sistema.
a) Cul es la probabilidad que el sistema este ocioso?
b) Cul es la probabilidad que un cliente llegue y tenga que esperar, porque el sistema est
ocupado?
c) Cul es el nmero promedio de clientes en la cola?
d) Cul es la probabilidad que hayan 10 clientes en la cola?
7. El restaurante Burger King vende, hamburguesas, papas fritas, refrescos, etc. Aunque el
administrador pretende dar un servicio inmediato a todos los clientes en ocasiones llegan
ms de los que el personal puede atender. La operacin actual de Burger King es con dos
cajas de pago dos empleados recibe el pedido, determina su coste total, recibe el dinero
del cliente y hace el pedido. Luego el siguiente de la cola. Los datos de arribo del restaurante
siguen una distribucin de Poisson con una tasa promedio de 45 clientes/hora. El proceso
de recepcin y surtido de rdenes por 2 empleados sigue una distribucin exponencial con
una tasa promedio de 60 servicios/hora. Determinar:
a) Probabilidad de hallar el sistema vaco
b) Numero promedio de clientes en la cola
c) Numero promedio de clientes en el sistema

d) Tiempo promedio de un cliente en la cola
e) Tiempo promedio de un cliente en el sistema
8. Movies Edu es un establecimiento tpico de renta de videos y de DVD para clientes que
acostumbran ver pelculas en casa. Durante la noche los clientes llegan a una tasa promedio
de 1.25clientes/minutos, el encargado del establecimiento puede tener una tasa promedio de
2 servicios/minuto. Los datos siguen una distribucin de Poisson y tiempos de servicios
exponenciales.
Se pide:
a) Probabilidad que establecimiento se encuentre sin clientes
b) Numero promedio de clientes en la cola
c) Cual es el tiempo promedio que espera un cliente para que comience el servicio
d) Cual es el tiempo promedio de un cliente en el sistema
9. Una compaa de taxis atiende al Centro de Lima. La compaa posee 4 taxis. Las llamadas
llegan a las despachadoras a una tasa de 16 clientes/horas. El tiempo promedio por viaje es 12
minutos. Las llamadas llegan de acuerdo con una distribucin de Poisson y el tiempo de viaje
exponencial. Determinar:
a) Probabilidad que el sistema est vaco.
b) Numero de promedio de clientes en la cola.
c) Tiempo promedio de espera en la cola (Wq).
10. Un lava carro puede atender un auto cada 5 minutos y la tasa media de llegadas es de
9 autos por hora. Obtenga las medidas de desempeo de acuerdo con el modelo M/M/1.
Adems la probabilidad de tener 0 clientes en el sistema, la probabilidad de tener una cola

de ms de 3 clientes y la probabilidad de esperar ms de 30 minutos en la cola y en el sistema.
Elementos de Diseo ptimo
Tcnicas de Optimizacin: Programacin Dinmica
1. Conceptos bsicos de Programacin Dinmica

Como ya quedase dicho, las llamadas programaciones constituyen uno de los grandes
captulos de las Tcnicas de Optimizacin. Su aplicacin se restringe a problemas que se
pueden formular bajo una estructura especfica, para la cual se desarrolla una estrategia de
optimizacin sumamente eficiente.
La ms antigua de estas tcnicas es la Programacin Lineal, cuyos conceptos y algoritmos
operativos bsicos datan de las dcadas del 40 y 50; fundados, principalmente, en los trabajos
de Dantzig y el grupo de la Rand Corp.
En este caso las exigencias se refieren al tipo de ecuaciones que definen el problema: tanto
la funcin objetivo como las relaciones de diseo y restricciones deben ser lineales y las
variables no negativas, esto es
j n
mn c j x j
j 1
j n
con aij x j bi i 1..m
j 1
x j 0 j
Con este tipo de exigencias se encuentran distintos tipos de programaciones: cuadrtica,
geomtrica, etc.
La que ha de ocupar la atencin de este captulo no pertenece a las tcnicas que requieren
funcionalidades determinadas en la formulacin del problema.
Programacin Dinmica es una
tcnica de optimizacin que se r N
r N -1
r r 2 1
aplica exclusivamente a sistemas

cuyos diagramas de flujo de S N +1 S N
S S S
N -1 3
S 2 1
informacin son seriados

multietapas, entendiendo por
seriados aquellos diagramas d N
d N -1
d d 2 1
donde en toda etapa las variables

que ingresan a ella son de Fig. 5.1.1
decisin o provienen solo de la etapa que la precede de acuerdo al flujo de informacin,
tal como el que se muestra en la figura 5.1.1.
All se ha buscado representar con flecha entera gruesa conjuntos de variables, por
ejemplo dN debe entenderse como un vector de componentes dn1, dn2,...
Las variables individuales, como todas las ri, por ejemplo, se indican con una media flecha
fina. Estas variables ri representan el aporte que realiza en forma individual cada etapa a la
funcin objetivo del sistema. En definitiva, el problema puede ser formulado como sigue
N N *
FON opt ri ri
i 1 i 1
con f ( S i 1 , S i , d i ) 0
g ( S i 1 , S i , d i ) 0
ri ri ( S i 1 , S i , d i ) i 1..N
Donde fi y gi deben tomarse como vectores de funciones de componentes fi1, fi2,..., gi1, gi2,...
Resulta importante aclarar que en todo el captulo, al hacerse referencia a las variables de
estado de una etapa, esto es, que abandonan esa etapa, solo se han de considerar, salvo
expresa mencin en contrario, las que se conectan con otra etapa, lo que de modo alguno
quiere decir que sean las nicas que existan. Son las que interesan desde el punto de vista de
Programacin Dinmica, que es algo muy distinto, pero al momento de calcular los aportes
a la funcin objetivo deben tenerse en cuenta, como es obvio, todas las variables, sean o no
de interconexin.
Volviendo al diagrama de flujo de la figura 5.1.1, la particular estructura que presenta
permite inferir rpidamente que las consecuencias de cualquier decisin que se tome en
cualquier etapa se pueden proyectar solo hacia adelante en el flujo de informacin, en rigor,
en forma directa, a la etapa siguiente y, a travs de sta, a las restantes.
Esto es tpico, por ejemplo, en todo proceso que se desarrolla a lo largo del tiempo1, donde
las acciones que se toman en el presente solo han de tener consecuencias en el futuro. La
situacin presente, en tanto, es la resultante de las decisiones del pasado, inmodificable, por
cierto, ante la cual, en consecuencia, solo cabe aceptar la realidad y determinar el curso a
seguir, en aras de alcanzar el mejor futuro posible.
Esta dinmica se repite en sistemas seriados multietapas, donde un "presente" en particular
es el valor que toman las variables de interconexin que ingresan a una etapa k cualquiera
("estado" del sistema a la entrada de la misma2), en tanto que el "futuro" lo constituye el
subdiagrama que comienza en la etapa k y concluye con la final.
Para un determinado estado Sk+1, v.g. Sk+1j, existe un conjunto de decisiones (podra
decirse "en el futuro") dkj,...,dlj que logran un valor ptimo para el conjunto de aportes
parciales r1,...,rk.
Dado que al fijarse dkj queda perfectamente determinado Skj y que, con esto, se tiene una
situacin, para las ltimas k-1 etapas, equivalente por completo a lo anterior, se puede poner
que
i N
FOk ( S k 1 ) opt ri opt rk FOk 1 ( S k ) 5.1.1
d k ..d 1 i k dk
Donde ahora Sk+1 tiene un valor genrico y las dk,...,d1 que logran el ptimo de FOk (y ste
mismo) resultan ser funciones de ese valor.
Cuando lo anterior es cierto para cualquier valor de k entre 1 y N se tiene el ptimo para el
sistema, segn lo expresa el llamado principio de optimalidad de Bellman3 por el que se
establece que la poltica ptima dN*,...,d1* para un sistema de N etapas debe ser tal que el
subconjunto de decisiones para las k ltimas etapas dk*,...,d1* resulta ptimo para el estado
Sk+1, para todo k entre 1 y N.
La expresin 5.1.1, asimismo, establece la estructura fundamental de la estrategia de
optimizacin por Programacin Dinmica, como podr verse en seguida.
2. Estrategia bsica. Ejemplos demostrativos
En la exposicin de la estrategia o algoritmo bsico de Programacin Dinmica, para una
mayor claridad en la exposicin, se admitir que en el diagrama de flujo general de la figura
5.1.1 hay solo una variable de interconexin y una de decisin por etapa.
Esto permite que, en la determinacin del estado a la entrada de cada etapa, se logre la
mayor simplicidad de tratamiento pues basta con fijar el valor de una sola variable. Otro tanto
ocurre con la bsqueda de los ptimos parciales (esbozada en 5-1-1), la que se ha de efectuar,
tambin, sobre una variable.
De modo alguno esto resta generalidad al tratamiento. Si se incrementase en uno o ms
puntos del diagrama el nmero de variables de interconexin habra de crecer la complejidad
en la determinacin del estado a la entrada de la etapa, o etapas, correspondientes, pero el
concepto de estado ha de seguir siendo singular, con independencia de cuantas variables lo
determinan. En forma anloga, si las modificaciones ocurriesen sobre las variables de
decisin, sera cuestin de elegir, en cada caso, la metodologa de optimizacin que mejor se
ajuste al nmero de variables y tipo de problema particular.
Hecha esta aclaracin es posible, ahora, entrar de lleno en el proceso de anlisis que se
desprende del principio de Bellman.
De acuerdo a 5.1.1 se deber comenzar por la ltima etapa, la nmero 1 en el diagrama (la
numeracin elegida obedece a que el proceso de anlisis "transcurre" en sentido inverso al
flujo de informacin), donde deber encontrarse
Si se admite que el paso de optimizacin indicado solo puede ser llevado a cabo en forma
FO1 ( S 2 ) opt r1 ( S 2 , S1 , d1 ) opt r1 ( S 2 , S1S 2 , d1 , d1 )
d1 dk
r1 a numrica (de hecho, la nica va de
ataque siempre posible) habr que
S 22 determinar el ptimo de r1 para varios
S 32 valores de S2, de modo de disponer,
en forma tabulada, las funciones F1
S '2 d1 (S2) y d1*(S2).
Lo anterior se muestra en la figura
d*1 b r*1 c 5.2.1, donde, en la parte a de la
misma, se representa la bsqueda de
los ptimos de r1 (mximo, en este
caso) para distintos valores de S2,
mientras que en b y c las relaciones
F1(S2) y d1*(S2) (En ambas figuras se
S2 S2
han extrapolado los resultados para
obtener lo indicado con las curvas
Figura 5.2.1
gruesas).
En la segunda fase de optimizacin deben considerarse las dos ltimas etapas y encontrar
La cuestin es, en esencia, la misma que antes: debe buscarse el ptimo de r1+ r2 para
FO 2 ( S 3 ) ( r2 r1 )* opt r2 ( S 3 , S 2 , d 2 ) FO1 ( S 2 )
d2
opt r2 ( S 3 , S 2 ( S 3 , d 2 ), d 2 ) FO1 ( S 2 ( S 3 , d 2 ))
d2
distintos valores de S3, obteniendo, asimismo, los respectivos d2*.
La nica diferencia radica en que, dado un valor de S3, para obtener el correspondiente a
cada d2 en la funcin a optimizar, al resultado del clculo de r2 debe agregarse el valor de
FO1 que corresponda al S3 elegido. (Esto
a
r2 + r1*
se muestra en la figura 5.2.2.a donde la
ordenada est constituida por dos partes, r1*
S33
r2 y r1*). r2
S32
El valor de FO1 surge interpolando en S3 1

la tabla obtenida en la etapa anterior, d2
para lo que debe tenerse en cuenta el
estado a la salida (S2) que resulta de la b
(r2 + r1)*
c
d 2*
combinacin de la entrada (S3) y la
decisin (d2).Todo esto se ha de repetir
en el anlisis de las etapas 3,4,..,N-1.
S3 S3
Para la ltima etapa, en cambio, lo
usual es que el estado a la entrada de la Figura 5.2.2
misma se encuentre perfectamente determinado
rN + (rN-1 ++r1)*
(Si no lo estuviera, el tratamiento que sigue
deber efectuarse para cada uno de los posibles
FON ( S N 1 ) opt rN FON 1 ( S N )

dN
valores). Con esto, la bsqueda de
se reduce a
una nica bsqueda sobre dN para determinar el
ptimo de la funcin objetivo total, tal como se
opt rN ( S N (d N ), d N ) FON 1 ( S N (d N )
dN
indica en la figura 5.2.3.
Figura 5.2.3
A partir del valor encontrado de dN* es posible
el clculo de SN* y con sta, a travs de la tabla respectiva, determinar dN-1* y as, siguiendo
ahora el sentido del flujo de informacin, hasta lograr d1*.
Resumiendo: la estrategia que plantea Programacin Dinmica consta de dos fases, una,
primera, por la cual se han de obtener los ptimos parciales de las k ltimas etapas y las
decisiones ptimas de las mismas en funcin del estado a la entrada al subsistema; la otra
fase, siguiendo el flujo de la informacin, permite obtener los valores de los estados y
decisiones ptimas para todas y cada una de las etapas que componen el sistema.
Tal vez resulte conveniente fijar estos conceptos a travs del anlisis de algunos ejemplos
sencillos.
En el primero de ellos -la extraccin en tres etapas de un soluto con agregados parciales
de solvente de extraccin presentado en captulos anteriores- es posible encontrar
expresiones funcionales tanto para FOi*(Si+1) como para di*(Si+1); en cambio, en el segundo
- una red de intercambio trmico con divisin de corrientes, similar a la vista en el captulo
de ordenamiento de clculo - debe acudirse a la solucin numrica planteada como estrategia
general.
Problema 5.1 En el problema de
q W3 W2 W1
extraccin en tres etapas en
x4 x3 x2 x1 equilibrio que se representa en la
3 2 1 figura 5.2.4 se admitir: a) la
inmiscibilidad del solvente de
extraccin y b) una relacin de
y3 y2 y1
equilibrio lineal yi=k xi, con lo que,
Fig. 5.2.4 adems de sta, la otra ecuacin
qx i 1 qx i W i y i
para cada etapa es
Se busca maximizar la diferencia venta de soluto extrado y gasto de solvente de
extraccin, siendo C la relacin de costo de este ltimo al precio de venta del primero. Con
esto, la funcin objetivo tendr la forma
Mx B = q(x4 - x1) - i.
Los datos del problema sern el caudal q W3 W2 W1

y la fraccin x4. q q q
y3 y2 y1
La figura 5.2.5 muestra el diagrama de 3 2 1
X4
flujo de informacin correspondiente, el
X3 X2
que, como puede apreciarse, rene los
requerimientos exigidos para la aplicacin X3 X2 X1
de Programacin Dinmica. Fig. 5.2.5

En las etapas 2 y 3 se ha aadido una ecuacin (xi = xi ) a fin de clarificar el uso de la tcnica,
al evitar que una misma variable, xi, aparezca, en puntos sucesivos del diagrama, como de
decisin y de estado interconectando etapas (Esto slo por razones didcticas, ya que el
tratamiento podra haberse realizado sin recurrir a este artificio).
Para el primer paso de optimizacin se puede considerar
mxr1 q( x 4 x 1 ) CW 1
x1
x'2 x 1
W1 q
kx1
Con lo cual
x' C
r1 q x 4 x1 p 2 1 , p
x1 k

r1
1 px 2' x1 2 0 x1* px 2' 5 2 1
x1
FO1 ( x 2' ) r 1* q x 4 p 2 px 2'

Como se puede apreciar, las relaciones 5-2-1 concluyen por determinar sendas
expresiones analticas para el ptimo parcial y la decisin de la etapa, FO1 y x1*, en funcin
del estado a la entrada de la misma x2. Estas expresiones corresponden a las curvas estimadas
en la figura 5.2.1 b y c.
Debe hacerse notar que debe verificarse la naturaleza del punto estacionario determinado,
lo que, en este caso, resulta inmediato ya que 2 r 1 / x 2 1 2 px'2 x 13 0
Para el segundo paso deben considerarse las dos ltimas etapas buscando
x3' x 2
mx r2 FO1 FO1 CW2 FO1 Cq
kx2
x
'
q x 4 p 2 3 2 px2
x 2

Esto lleva a
( r 2 FO1 )
px'3 x 2 2 p / x2 0 x *2 3 px'32
x 2
FO 2 ( x'3 ) ( r1 r2 )* q x 4 2 p 3 3 p 2 x'3

(Se deja a cargo del lector el verificar que la derivada segunda es igual a -3/2x3 < 0).
Antes de pasar al tercer, y ltimo, paso de optimizacin conviene hacer notar que, hasta
ahora, las funciones objetivos parciales dependan tanto de la decisin en la etapa inicial
del respectivo subdiagrama como del estado a la entrada de la misma.
Al tratar el conjunto de las tres etapas la entrada al sistema est fija (x4 es un dato), por lo
que x3* no ser ya funcin de la misma sino simplemente un valor nico (Advirtase el
abandono de la utilizacin de la derivada parcial en la determinacin del punto estacionario).
Conviene recordar esto dado que, en la formulacin del problema, se ha omitido el darle
valores numricos a los datos y podra aparecer como que se
x
mxr3 FO 2 FO 2 CW 3 q x 4 3 p 3 3 p 2 x 3 p 4
x3 x3
( r 3 FO 2 ) 2
px 4 x 3 3 ( p / x 3 )2 0 x*
3
4 px 3
4
x 3
FO 3 ( r3 r2 r1 )* q x 4 3 p 4 4 p 3 x
x3'* x3* 4 px43 x2* px4 x2'* x1* 4 p 34x4
Reiteran las situaciones anteriores. Se trata, entonces, de encontrar y ahora conocido x3*
surgen de inmediato x2* y x1*, en la segunda fase de la estrategia de Programacin Dinmica,
siguiendo el flujo de la informacin:
Ae
Ac
500 180 100
A
V
A1
540 1-r T22
T3
240 200
W3 W2 320
T4 280 r T21
W4
320 T1 140
W1
A3
A2
Figura 5.2.6
Problema 5.2 El otro ejemplo al que se hizo referencia es un esquema con una nica divisin
de corrientes para resolver el problema de sntesis de redes de intercambio trmico similar al
visto al considerar el acpite 4 del tema mtodos de optimizacin, esquema que se muestra
en la figura 5.2.6.
Las ecuaciones que definan el modelo matemtico del problema eran:
Calentador
15 4
657,5 qv = 10 ( 500 - T 3 )
13
15 4 540 - T 3
10 ln = 200 Ac
13 40
Intercambiador 1
15 4
2 10 4 ( 480 - T 4 ) = 10 ( T 3 - 240 ) T 3 240
13
480 - T 3 1 13
ln = 150 A1 - 10 - 4 T 4 480 ; T 3 480
T 4 - 240 2 15
Intercambiador 2
13 4
2 10 4 ( T 4 - 280 ) = 10 ( 320 - T1 )
9
T - 320 1 9 -4
ln 4 = 150 A2 2 - 13 10 T 4 320 ; T 1 280
280 - T 1
Intercambiador 3
15 4 13
f 10 ( 320 - T 21 ) = 10 4 ( T 1 - 140 ) T 1 140
9 9
320 - T 1 9 9 -4
ln = 150 A3 15 f - 13 10 T 21 140
T 21 - 140
Enfriador
15 4
80 q a = ( 1 - f ) 10 ( 320 - T 22 ) T 22 320
9
140 9 10 - 4 1
ln = 150 A e -
T 22 - 100 15 ( 1 - f ) q a
Mezclador
f T 21 + ( 1 - f) T 22 = 200 0 f 1
y la funcin objetivo
FO = 39 A0,65 + 3,6 q v + 0,24 q a
La estrategia de clculo
A1 A2 A3 qa para este problema determina
Ac qV Ae T 22 como variables de decisin a
T1 y al factor de
fraccionamiento f.
T3
T4 T 21
El diagrama de flujo
resultante se indica en la
T '1 figura 5.2.7 (Otra vez se ha
recurrido al artificio de
T1 f
introducir una variable de
conexin, T1 = T1)
Fig. 5.2.7
Por las caractersticas del
diagrama queda claro que es aplicable Programacin Dinmica, aunque la naturaleza
matemtica de las ecuaciones hace imposible una solucin analtica como en el problema
anterior.

Habr que buscar mn r1 39( Ae0.65 A30.65 ) 0,24q a para distintos valores de T1, lo
f
que dar lugar a una tabla donde han de figurar los respectivos FO1, necesarios para el
siguiente paso de optimizacin, y de f*, requeridos para la segunda fase de la tcnica.
Una vez realizado esto habr que proceder a resolver un nico problema:

mn r2 FO1 39( Ac0.65 A10.65 A20.65 ) 3 ,6 q v FO1
T 1

Puede advertirse que ahora se est, en principio, frente a dos problemas de una variable
en lugar de uno de dos, que fuera la forma como se resolvi anteriormente.
Esta reduccin de la dimensionalidad de los problemas parciales, un aspecto fundamental
de Programacin Dinmica, se logra a costa de resolver reiteradamente cada uno de estos
subproblemas (Recurdense las figuras 5.1.1a y 5.1.2a). De aqu la nota de prevencin en
principio expresada ms arriba, ya que estas reiteraciones pueden llegar a anular los efectos
derivados del menor nmero de variables de decisin por problema y, an, a resultar
perjudiciales, cuestin sobre la cual se ha de volver ms adelante.
Retomando el problema planteado; la generacin de la tabla requiere la adopcin de una serie
de valores de T1. Para ello debe considerarse que existe un lmite superior implcito sobre
T1, que surge del umbral de necesidad de refrigeracin en el enfriador, equipo
complementario del intercambiador 3 .
Estos umbrales se pueden calcular mediante la Tabla del Problema, utilizando una
aproximacin mnima nula. Los consumos de servicios auxiliares que as se determinen
constituirn un mnimo de ndole termodinmica, ya que los intercambios que se propongan
sobre el Pinch deberan realizarse en equipos con rea infinita.
Para el problema, el umbral de refrigeracin es del orden de 63 104, lo que arroja un valor
mximo de 2351, aproximadamente, para T1.
En la construccin de la tabla, se ha tomado como lmite superior 234,5 y 174,5 como el
mnimo, con un total de 7 valores igualmente espaciados. Se estima, a priori, que el valor
ptimo de T1 se ha de ubicar ms cerca del lmite superior que a la inversa, como un modo
de ahorrar en el consumo de servicios auxiliares, ms significativos en costo que la
amortizacin de los equipos.
La tabla siguiente muestra los valores encontrados en el primer paso de optimizacin
T1 f* FO1
174,5 0,300 5578,46
184,5 0,373 5183,54
194,5 0,445 4786,64
204,5 0,514 4389,10
214,5 0,582 3992,01
224,5 0,649 3596,33
234,5 0,715 3202,98
Como resultado del segundo paso se encuentra el valor ptimo de T1 , 230,501 y de la

funcin objetivo global 9015 $/ao, valores totalmente coincidentes con los encontrados en
anterior oportunidad. El valor de f* surge por interpolacin en la tabla anterior, resultando ser
0,688, igual que antes.
3. Programacin Dinmica con variables discretas

Hasta aqu se han considerado problemas cuya formulacin se estructuraba sobre variables
esencialmente continuas (caudales, concentraciones, temperaturas).
Hay otro grupo de problemas, de gran importancia prctica, donde a las variables solo se
les permite adoptar ciertos y determinados valores, esto es, poseen, o tienen definido, un
comportamiento discreto.
En este punto se suele utilizar lo que en la literatura se denomina diagramas de rutas,
aludiendo a la situacin que pude observarse sobre cualquier mapa vial, donde aparecen las
ciudades vinculadas entre s por una red caminera.
En la parte superior de la figura 5.3.1 se esquematiza, en una forma extremadamente
simple, lo que podra ser un mapa de ese
7 10 9
tipo4. 0
14 7 2
10 5 2
All aparecen una serie de nodos (las
ciudades) vinculadas por arcos o lneas de
9 2 2
unin (los tramos carreteros).
11 7 4 3 2 9 0
Sobre cada uno de este tramo aparece una 10 7 4
cifra que representara la distancia a cubrir.
10 9 9
Se podra plantear como trasladarse de 3
13 8 5 2 3 0
una cualquiera de las localidades del
"extremo este" a otra cualquiera del otro
extremo, avanzando siempre en direccin
oeste y de modo tal que el viaje resulte lo
ms corto posible. Fig. 5.3.1
En adelante se adoptar un sistema de ejes coordenados para ubicar los nodos,
correspondiendo la fila 1, columna 1 al extremo superior izquierdo y la fila 3, columna 4 al
inferior derecho, nodos n1,1 y n3,4 respectivamente5.
Puede verse que en cada columna hay un nmero finito de nodos, tres en este caso, as
como que, ubicado en un nodo, para avanzar a la columna siguiente, es posible elegir alguno
de los, como mximo tres, arcos que salen del mismo.
En la parte inferior de la figura 5.3.1 se muestra un diagrama de flujo de informacin que
podra asociarse al "mapa" simplificado de arriba. Para ello, bastara admitir que todos los
estados (inicial, intermedios y final) pueden tomar solo tres valores, los que corresponden a
las filas 1,2 y 3 respectivamente, y que las decisiones en las etapas han de incrementar en
uno la columna, manteniendo, incrementando o disminuyendo en uno el valor de la fila,
siempre que el estado al que se arribe sea uno permitido.
Esta equivalencia entre un diagrama de rutas y otro de flujo de informacin posee, como
se ha de ver ms adelante, un real inters prctico, que supera a la actual circunstancia de
servir como justificacin terica para el uso de una determinada tcnica.
La aplicacin de la estrategia de Programacin Dinmica -el diagrama lo permite- debe
comenzar analizando el aporte en la ltima etapa, esto en las transiciones que vinculan las
"ciudades" de la columna 3 con las de la 4. El ptimo de este aporte, menor trayecto,
depender, como ya se ha visto, del estado a la entrada de la etapa.
Puesto en los trminos del mapa carretero simplificado, si uno se encontrase en el nodo
1,3 podra trasladarse al 1,4, recorriendo una distancia 9, o al nodo 2,4, ubicado a una
distancia 2. La decisin ptima, en consecuencia, ser esta ltima lo que genera un aporte de
2 a la distancia total a recorrer.
Si la posicin fuese, en cambio, el nodo 2,3 lo mejor sera trasladarse al 1,4 con un aporte
de 2. Para el 3,3 debe el viaje debe concluirse en el nodo 3,4, con un recorrido parcial de 3.
En la figura se han indicado las decisiones ptimas, as como los aportes a la distancia
total que corresponda, esto dentro de los crculos que marcan los nodos.
Al pasar a considerar las dos ltimas etapas el recorrido hasta el final resulta de la suma
del aporte de la transicin de que se trate y la distancia ptima a recorrer desde la "ciudad"
a que se llega hasta el final.
As, por ejemplo, si se estuviese en el nodo 1,2 y se tomara la decisin de mantenerse en
la fila, habra que cubrir una distancia de 10 para llegar a 1,3 y de all, se sabe, 2 hasta el
final, lo que hace un total de 12. En cambio si uno se trasladara al nodo 2,3 el recorrido sera
de 5 + 2 = 7, obviamente, mejor que lo anterior.
De esta forma se alcanzan los estados iniciales, columna 1, encontrndose que el menor
recorrido total corresponde al nodo 2,1 con un valor de 11 y que las decisiones ptimas -
segunda fase de la tcnica- marcan el camino n2,1 - n2,2 - n1,3 - n2,4.
Hay un caso de optimizacin de diagramas de rutas de gran importancia prctica, pues en l
se basan todas las tcnicas de planificacin de tareas, cronogramas de ejecucin de obras,
etc. que se explicitan en mtodos como PERT o CPM6.
En este tipo de problemas se encuentran fijos tanto el estado inicial, la entrada al sistema,
como el final, a la salida de la ltima etapa.
Un caso como ste se muestra en la figura 5.3.2, donde se ha colocado, junto al diagrama de
rutas, el de flujo de informacin del que podra provenir.
El que exista un nico nodo inicial y slo otro final (la entrada y la salida estn fijas) es
10
perfectamente entendible si ese diagrama de
14 2 rutas est representando un conjunto de tareas
5 2 en las que se ha subdividido un determinado
trabajo (limpiar el terreno, poner los
9
2 cimientos,... para construir una casa), donde,
7 3 9
28 16 9 0 necesariamente, ha de existir un momento en
10 7 el que pone en marcha el programa de trabajo
y otro donde todo ha concluido.
9
9 Cada arco en el diagrama debe entenderse
2
18 9
como una tarea, siendo su duracin el valor
que se encuentra sobre el mismo. Cada nodo
indica el momento en que concluye una tarea
o est en condiciones de comenzar otra. De
aqu que en el diagrama se est indicando,
Fig. 5.3.2
tambin, la relacin que existe entre las
distintas tareas del programa: cuales son las que deben estar concluidas antes de poder
comenzar con cada una.
Para este caso la funcin objetivo que se plantea es el menor tiempo en el que el programa
puede estar concluido, respetando, claro est, las relaciones entre las tareas que lo componen.
Esto ltimo significa que deber buscarse el camino ms largo, el de mayor duracin, ya
que permitir que las restantes tareas, las que no se encuentran sobre el camino crtico,
pueden concluirse sin inconvenientes.
De la misma forma que antes es posible ir determinando los mximos parciales que
corresponden a cada estado, esto es, cuanto tiempo ha de transcurrir, an, desde ese punto
hasta que el programa se encuentre concluido.
Por ejemplo, resulta inmediato que las tareas que concluyen en el nodo 1,3 debern estar
terminadas 2 unidades de tiempo antes que el programa global, as como que las que lo hacen
en el 2,3 lo debern estar 9 unidades antes. Para determinar el valor correspondiente al nodo
1,2 (es decir, para las tareas que all terminan) ha de tenerse en cuenta que por una va, la que
pasa por n1,3, el lapso sera 12 (10 + 2), mientras que por otro circuito, el que se conecta con
n2,3, el valor es 14 (5 + 9) y ser esto ltimo lo que deba considerarse como fecha de
terminacin del nodo para permitir que ambas ramas terminen en tiempo.
Al llegar al estado inicial, se tendr el tiempo total y, pasando a la segunda fase de la tcnica,
la posibilidad de determinar el conjunto de tareas que determinan este tiempo, integrando el
camino crtico.
Este concepto de criticidad aparece en virtud de que una demora en la ejecucin de cualquiera
de estas tareas determinar la correspondiente prolongacin del tiempo total de
completamiento del programa.
En la figura 5.3.2 se han indicado, como siempre, en el interior de los nodos, el valor del
mximo parcial, encontrndose que el tiempo mnimo de ejecucin es 28 y el camino crtico
est determinado por la secuencia n2,1 - n3,2 - n2,3 - n2,4.
Adicionalmente a lo anterior pueden determinarse un conjunto de parmetros de suma
importancia en la planificacin de un trabajo.
En la figura 5.3.3 se muestra la resolucin del
10
mismo problema pero ejecutando las 9 19
5 2
operaciones en sentido inverso al anterior (Se
estara siguiendo el sentido del flujo de la
9 2
informacin). 7 3 9
0 7 19 28
Con esto es posible determinar la fecha ms 10 7
temprana fp en la que puede comenzar una

tarea cualquiera, siendo sta el valor que se 9 9
encuentra en el nodo donde la tarea 10 2 14
comienza.
Fig. 5.3.3
As, cualquiera de las que lo hacen en el 1,3
no podrn empezar antes de la fecha 19 (max[ 9 + 10;7 + 2] = 19 O tiempo en que se encuentra
concluida la tarea que determinan los nodos 2,2 y 1,3).
A partir de haber "fechado" los nodos, calculando el lapso hasta la terminacin, lf (fig. 5.3.2),
as como la fecha temprana o prxima, fp (fig. 5.3.3) se pueden determinar, para cada tarea,
lo que se conoce con el nombre de fecha tarda ft, plazo ltimo para concluirla sin que se
retrase el conjunto y, en relacin con sta, el margen de flotacin m, que representa el mayor
lapso de demora admisible.
fpt fpi, j ; ftt DT lf k ,l ; mt ftt ( fpt dt )

Para una tarea t que comienza en ni,j y termina en nk,l ser
Correspondiendo el subndice t a la tarea y los dobles a los nodos. Con d t se indica la duracin
de la tarea y con DT la del programa total.
En la tabla se muestran los valores de fp, ft y m para cada una de las tareas del ejemplo.
Puede notarse que para las que componen el camino crtico el margen de flotacin es nulo,
indicando que no puede registrarse el menor retraso en las mismas, sin que ello determine
una demora en el tiempo total de ejecucin del programa.
Tarea Duracin Fecha Fecha Margen
de a prxima tarda
1,2 9 0 14 5
2,1 2,2 7 0 12 5
2,3 10 0 10 0
1,3 10 9 26 7
1,2
2,3 5 9 19 5
1,3 2 7 26 17
2,2
2,3 3 7 19 9
3,3 7 7 19 5
2,3 9 10 19 0
3,2
3,3 2 10 19 7
1,3 2 19 28 7
2,3 2,4 9 19 28 0
3,3 9 14 28 5
No se puede terminar este acpite sin advertir que, primero, los casos reales que son
abordados mediante PERT o CPM presentan diagramas (grafos en la terminologa tcnica)
totalmente irregulares lo que, sin embargo, no invalida la aplicacin de todo lo visto 7 y,
segundo, que, si bien la tcnica bsica es la expuesta, se abordan otras cuestiones tales como
costos, asignacin de recursos, duraciones indeterminadas, etc., cuyo tratamiento escapa a la
intencin de esta obra.
4. Diagrama de rutas equivalente
Del mismo modo en que antes se vinculaba un diagrama de flujo de informacin a uno de
rutas es posible realizar la operacin inversa, generando un diagrama de rutas equivalente,
sobre el que ser factible la aplicacin de las tcnicas ya vistas, resolviendo el problema
original en forma aproximada.
En la figura 5.4.1 se esquematiza una etapa genrica de un diagrama de flujo de informacin.
Uno de rutas con el que estuviese vinculado tendra determinados valores para los estados
Si+1 y Si.
Si por un momento se omite la consideracin del estado a la entrada de la etapa -para quien
acta, en todos los casos, como un dato del problema- un diagrama de rutas con el que
estuviese vinculado el de informacin, debera tener fijados un cierto nmero de posibles
estados Si los que, conectados con los correspondientes a Si+1, han de generar las rutas o
transiciones posibles.
Para fijar un estado en Si es preciso darle valores a todas
las variables que lo definen, reiterando que en tal
definicin solo se incluyen las que interconectan etapas.
Tales valores pueden ser fijados dentro de ciertos
mrgenes razonables o habrn de surgir por clculos en
la etapa.
En la primera de las alternativas, fijar valores para las
variables de salida, admitiendo siempre que el estado a
la entrada es un dato conocido, ha de ser necesaria una
inversin del flujo de informacin, transformando en
variables de estado tantas decisiones como salidas se
pretenda fijar.
Hay, pues, tres casos por analizar: Fig. 5.4.1
a) Si < di b) Si = di c) Si > di
que se muestran en la fig. 5.4.2
a b c
ri ri ri
di
S i+1 i Si S i+1 i Si S i+1 i
Si- d i
S i d i- S i di di
Fig. 5.4.2
Debe aclararse que en los esquemas se ha tomado di como el nmero de variables que definen
la decisin di y Si la cantidad de las que determinan el estado Si.
Puede verse que slo en los casos a y b es posible fijar completamente la salida, mientras
que en el caso c algunas de las variables que la determinan surgen por clculo. A su vez, en
el caso a, quedan an variables de decisin por determinar, ya que la modificacin del sentido
del flujo de informacin no alcanza a invertirlas a todas.
En este ltimo caso, para lograr establecer el aporte sobre una transicin cualquiera -desde
un determinado Si+1 a un dado Si -, se requiere conocer los valores de las variables de decisin
que han quedado libres, lo que significa un problema de optimizacin para definir tal aporte.
Este problema, obviamente, tiene una dimensionalidad menor que la que le corresponde a la
etapa (Se ha reducido en Si variables).
El otro caso interesante es el c, donde se puede fijar slo parte del estado a la salida y el
resto debe ser calculado. En este clculo participa el estado a la entrada de la etapa y, en
consecuencia, aunque permanezcan invariables los valores fijados para la salida, al cambiar
el estado Si+1, habrn de generarse diferentes estados Si, por la modificacin de las
componentes que surgen por clculo8.
En la circunstancia descripta el diagrama de rutas aparecer con ramificaciones
divergentes, originadas en cada uno de los valores elegidos para el estado Si+1.
En la figura 5.4.3 puede apreciarse la
transformacin de un diagrama de flujo
de informacin en otro de rutas
equivalente. 21
Se ha supuesto que se dan dos valores 31 11

22
a cada una de las variables que participan 40
en la definicin de los estados 21

32 12
interetapas, variables que aparecen
22
"tachadas" en el diagrama de flujo de
informacin. Los valores se indican Fig.5.4.3
mediante dos dgitos en el interior de los
nodos que representan los estados. Adems se han marcado con un punto las transiciones
sobre las cuales el clculo del aporte a la funcin objetivo requiere de un proceso de
optimizacin.
8
Podra decirse que se est en condiciones de fijar, por ejemplo, la latitud del punto de destino,
pero la longitud depende de aquella y del cual sea el punto de origen.
Puede advertirse que en los tramos que corresponden a la etapa 2 aparecen repetidos los
valores fijados de la variable de salida, un par para cada valor del estado S3.
Como quedase dicho, esta ramificacin aparece toda vez que resulta imposible fijar la
totalidad de las variables que determinan el estado S2.
Merece un comentario final lo que sucede al aplicar esta metodologa en la ltima etapa.
All las variables de salida no se interconectan con nada y, por consiguiente, no existe un
estado, tal como se ha expuesto para los restantes casos. No se requiere, necesariamente,
invertir el flujo de informacin ni tiene importancia cuntas variables definen el estado y
cuntas la decisin.
No obstante, por conveniencia en el clculo, se ha de mantener en la ltima etapa el
concepto de estado a la salida, fijando valores (discretizando) para las variables que se hayan
elegido, en el nmero corresponda, estn stas integradas al estado de salida o a la decisin.
Por todo lo dicho resulta claro que las transiciones en este punto nunca podrn presentarse
en un esquema ramificado.
La precisin que se puede alcanzar por esta va depende, como es obvio, de la cantidad
de estados intermedios que se generan. Si bien cuando el problema est formulado en
trminos de variables continuas el nmero posible para los mismos es infinito, no resulta
conveniente, en aras de una mayor exactitud, aplicar la estrategia expuesta sobre un
nmero grande de estados intermedios.
En su lugar, es ms efectivo proceder a una primera bsqueda que permita acotar un
mbito donde reiterar el procedimiento y, as, todas las veces que resulte necesario.
T '1
El ejemplo 5.1, ya resuelto mediante
T21
el procedimiento riguroso, puede servir
datos
T1 f para fijar las ideas antes expuestas.
5.88 160
169.5
5.79
En la figura 5.4.4 se esquematiza la
8.96 5.86 estructura bsica del diagrama de rutas
inic 200
equivalente.
6.55 3.49 Al igual que antes, para la variable

234.5
3.21
260
T1 se ha adoptado el rango 169,5-
234,5.
Fig. 5.4.4 En la ltima etapa se ha preferido
utilizar la variable T21 en lugar del factor de fraccionamiento f, por ser ms sencillo acotar,
en forma efectiva, los lmites de variacin, elegidos, para el caso, 160 y 260.
La tabla siguiente muestra los resultados obtenidos para 6 valores en cada uno de los
estados.
T1 169.5 182.5 195.5 208.5 221.5 234.5
T21 r2> 8960 8058 7193 6398 5761 6553
160 5879 5397 4912 4429 3954 3489
(0,160) (0,230) (0,301) (0,371) (0,441) (0,512)
180 5816 5313 4805 4298 3793 3294
(0,183) (0,263) (0,344) (0,424) (0,505) (0,585)
200 5786 5274 4757 4239* 3722* 3209*
(0,213) (0,307) (0,401) (0,424) (0,589) (0,682)
220 5775* 5263* 4750* 4242 3755 3445
(0,256) (0,368) (0,481) (0,594) (0,706) (0,819)

240 5785 5297 4857 NF NF NF
(0,320) (0,460) (0,601)
260 5856 5877 NF NF NF NF
(0,426) (0,614)
r2+r1* 14735 13321 11943 10637 9483* 9762
En la primera fila y columna de la tabla figuran los valores de los distintos estados. En la
segunda fila los aportes sobre las transiciones entre el nodo inicial y los correspondientes a
T1.
De las filas tercera a octava se encuentran los aportes de la ltima etapa y, entre parntesis,
el valor de f*. Con la sigla NF se marca el hecho que la transicin correspondiente no resulta
posible (T22 o f exceden los lmites establecidos).
La lectura de una columna, considerando desde la tercera a la octava fila, permite decidir,
para el respectivo valor de T1, cual es la mejor eleccin en la ltima etapa; por ejemplo: para
T1=182,5 resulta lo ms adecuado T21 = 220 o, lo que es equivalente, f = 0,368. Puede notarse
que las transiciones ptimas para cada estado se indican con un asterisco.
En la ltima fila se muestra el resultado, r2 + r1*, para las distintas decisiones posibles en la
primera etapa. El menor de todos ellos representa el ptimo global, 9483 $/ao,
aproximadamente un 5% superior al valor encontrado anteriormente.
Las decisiones ptimas seran T1 = 221,5 y f = 0,589.
Pero an sera posible ajustar este resultado. De la inspeccin de la tabla surge una zona, a la
que se ha recuadrado, donde, evidentemente, se encuentra el ptimo del problema. Si se
ampla la bsqueda en dicha zona, agregando dos nuevos valores de T1' , 215 y 228, y otros
dos de T21, 190 y 2109, se encuentra el ptimo para T1= 228, f=0,693 y un costo de 9076
$/ao, apenas un 0,66% superior al valor exacto.
5.-Programacin Dinmica en sistemas ramificados
Hasta el momento slo se han considerado, para la aplicacin de las tcnicas de Programacin
Dinmica, solo aquellos problemas cuyos diagramas de flujo de informacin cumpliesen
estrictamente las caractersticas de seriados multietapas, tal como fuera definido al iniciar el
tratamiento del tema.
Cabra preguntarse si son ellos los nicos sobre los que puede ser aplicada la tcnica o si
resulta posible adecuar los diagramas, de modo tal que pueda hacrselo.
La respuesta que Programacin Dinmica extiende su aplicacin, en forma directa, a
problemas cuyos diagramas de flujo de informacin son algo ms complejos que lo vistos,
as como resulta posible usarla en otros, adaptando el respectivo diagrama.
Algunos de ellos sern vistos en este captulo; como ser los sistemas ramificados, donde
existen, en algn sector del flujo de informacin, al menos dos ramas o vas independientes,
que surgen de un punto comn (sistemas divergentes) o concurren a uno determinado
(sistemas convergentes). Los diagramas con reciclo de informacin ser otro caso a
considerar.
En la figura 5.5.1 se muestra
A la estructura bsica de un
sistema ramificado divergente,
S kA
N k+1 k donde puede apreciarse la
S k+1
S existencia de dos ramas, A y B,
S kB
que se separan a partir de la
dN d k+1 dk B
etapa k. Cada una de ellas est
constituida por un sistema
Fig. 5.5.1 seriado multietapas como el que
se indicara al principio de este captulo (Por simplicidad, esto no se ha indicado en el dibujo).
Si se omite por un momento la particular estructura del diagrama, considerando cada una
de las ramas por separado, puede plantearse
FO A ( S kA) opt subsist A
FOB ( S kB ) opt subsist B

Luego, evidentemente, es posible plantear
FOk ( S k 1 ) opt rk FOA ( S kA) FOB ( S kB )

dk
con lo que, en consecuencia, la metodologa a aplicar es esencialmente la misma que la ya
vista, con la nica particularidad de que deben resolverse la totalidad de las ramas antes del
tratamiento de la etapa donde se produce la divergencia.
La figura 5.5.2 presenta otro

caso de sistema ramificado: dM d N+1
aqu hay dos ramas que
convergen en un punto del M N+1
S Me
diagrama y, a partir de all, este S N+1
presenta un flujo unificado.
Comparado con el caso N k+1 k 1
anterior, el tratamiento reviste S Ne S k+1 S1
una mayor complejidad.

dN d k+1 dk d1
Hasta la etapa k, incluida, no
Fig. 5.5.2
existe problema alguno porque,
de hecho, esa porcin del diagrama no tiene ninguna alteracin. En ese punto se dispondra
de FOk ( S k 1 , S N 1 ) opt rk FOk 1 ( S k ), donde puede apreciarse que el ptimo parcial
dk
depende de estados sobre los que no se puede actuar en forma simultnea, ya que la decisin
dk+1 puede modificar a Sk+1 pero no a SN+1 y, a la inversa, dN+1.
La solucin a esto es instrumentar un tratamiento secuencial, resolviendo, por ejemplo, las
etapas N, N-1,...k...1 como si fuesen la ltima etapa de la rama M...N+1.
Ello significa que habr que resolver, para distintos valores del estado SN+1
FOk 1 ( S N 1, S k 2 ) opt rk 1 FOk ( S N 1, S k 1 )

dk

FON ( S N 1 ) opt rN FON 1 ( S N 1, S N )
dN
es decir que para lograr transformar el subdiagrama constituido por las etapas N...k...1 en la
ltima de la secuencia M...N+1 habr que optimizar al primero, considerando al estado SN+1
como un dato, tantas veces como valores se establezcan para el mismo.
Una vez que lo anterior ha sido completado -sin duda, el paso computacionalmente ms
engorroso- el procedimiento contina con la obtencin de
FON 1 ( S N 2 ) opt rN 1 FON ( S N 1 ) , de acuerdo a lo visto.
d N 1
Si se cumple que Si+1 + di > Si y Si+1 < Si ; i = M...N+1 es posible aplicar otra va de solucin:
invertir por completo el sentido del flujo de informacin en la rama superior, con lo que el
sistema, ahora, ser divergente a partir de la etapa k.
En el caso de querer aplicar esta estrategia para un diagrama donde existen ms de dos ramas
que convergen en un punto, la condicin anterior deber verificarse, al menos, para todas
ellas menos una.
Otro de los casos donde es posible aplicar Programacin Dinmica es sobre sistemas que
presentan una derivacin paralela (bypass), como el que se muestra en la figura 5.5.3.
La respuesta general a esta situacin es modificar el diagrama, mediante la creacin de
variables interetapas, de forma que se elimine la rama lateral, como se muestra a la derecha
de la figura. Esto significa el crecimiento de la dimensionalidad en los estados, cuestin que,
como se ver, aumenta la dificultad en la aplicacin de la tcnica.
k1 km
S jk S kp S jk S kp
j e1 ex p
j l1 ln p S jl S lp
S jl S lp
Fig. 5.5.3
Por esta razn se suele acudir al artificio
k1 km
de modificar el diagrama, mediante un corte
de la derivacin lateral, de modo de obtener S jk S kp
un sistema divergente. Esto se logra
j l1 ln p
adoptando el estado Skp como una decisin e
S jl S lp
invirtiendo el flujo de informacin, con la
salvedad de mantener el carcter divergente
Fig. 5.5.4
requerido para el nuevo diagrama (Se debe
privilegiar la inversin de las decisiones por sobre los estados, lo que en la figura se
representa en el cambio de sentido en dkm).
Debe advertirse que la va de solucin expuesta requiere el sostenimiento de Skp a lo largo
del proceso de optimizacin de ambas ramas divergentes generadas; esto es, en la etapa p se
tiene FOp(Slp, Skp) y en ese momento se asigna el subesquema ya tratado a la rama l1...ln,
manejando Skp como un dato (Numricamente, habr que resolver para varios valores de
Skp).Al final se tendr FOl1(Sjl, Skp), punto en el cual se comienza el tratamiento de la rama
k, comenzando por la etapa km, dejando a Skp como dato hasta obtener FOk1(Sjk,Skp).Es
recin en este punto, al tratar la etapa donde se produce la divergencia, cuando se ha de
producir la optimizacin con respecto a Skp.
El ltimo tipo de diagrama de flujo de informacin anmalo donde se ha de considerar la
aplicacin de Programacin Dinmica sern aquellos donde existen reciclos de informacin,
como el que se muestra en la figura 5.5.5
La nica posibilidad que existe de aplicar la tcnica es a travs de la eliminacin del reciclo,
lo que implica una modificacin sustancial del diagrama de flujo.
En la parte derecha de la figura 5.5.5 se esquematiza el procedimiento. El estado Skj se
transforma en decisin simultneamente en las etapas j1 y kr, lo que obliga a invertir el flujo
en la rama superior.
kr k1 kr k1
S kj S jk S kj S jk
j1 jp j1 jp
S j+1 S j+1
Fig. 5.5.5
La eleccin de Skj no es arbitraria, ya que se busca que el sistema ramificado resultante sea
divergente (Lo es en la etapa jp), por su mayor simplicidad en el tratamiento posterior. De
aqu que la inversin a la que se hiciese referencia deber privilegiar, otra vez y por la misma
razn que antes, las decisiones por sobre los estados.
El procedimiento a seguir en la optimizacin del esquema modificado presenta la
particularidad de que, por actuar Skj en dos puntos diferentes del mismo, el tratamiento de la
rama k1...kr deber hacerse manteniendo a Skj como un dato; ms an, esta caracterizacin se
ha de prolongar hasta el momento de considerar la etapa j1, punto en el cual, recin, se podr
tratar a Skj como una decisin.
El estudio de las tcnicas de optimizacin es importante no slo por la posibilidad de resolver
problemas que presentan determinadas caractersticas sino -lo que tal vez sea ms
importante- porque
su conocimiento
permite estructurar
los problemas de
forma tal que
puedan ser
utilizadas
determinadas
tcnicas.
En la figura 5.5.6 se
Fig. 5.5.6 muestra la estructura
de la red de intercambio analizada en el captulo de ordenamiento de clculo.
Como se vio, en aquella oportunidad, el nmero de grados de libertad para esta red es 3 y
una de las alternativas era considerar, como variables de decisin, a la temperatura T1 y a los
factores de fraccionamiento f1 y f2.
Este problema de tres variables puede ser resuelto mediante Programacin Dinmica, con
una importante reduccin en la complejidad de los clculos (Debe advertirse que se ha
omitido, en razn de tratarse del mismo problema ya visto, el detalle de las ecuaciones que
definen el modelo matemtico del sistema).
En la parte superior de la figura
Ac A1 A2 A3 AE
5.5.7 se muestra el diagrama de f1 f2
flujo de informacin del C 1 2 3 E
qV qE
problema. Los bloques E, C, 1, T 41 T 42 T 21 T 22
2 y 3 se corresponden con los m1 m2
equipos de intercambio
trmico, mientras que m1 y m2
C-1-2-m1
representan los puntos de T' 1
f1
mezcla de las corrientes 4 y 2 T'' 1
(La parte superior de la figura 3-E-m2
T1
5.5.7 es equivalente a la f2
3.2.10).
Fig. 5.5.7
Puede verse, en este diagrama,
que existen dos grandes segmentos, cada cual con uno de los factores f como variable de
decisin exclusiva y compartiendo ambos a T1.
La circunstancia apuntada conduce a pensar en la posibilidad de reestructurar el flujo de
informacin bajo la forma de un sistema ramificado divergente, como se muestra en la parte
inferior de la figura (Ntese que se ha recurrido al artificio de crear una etapa de
interconexin y dos variables adicionales, T1 y T1, ambas, lgicamente, iguales a T1).
El planteo, ahora, es sencillo: hay que obtener el mnimo de cada una de las ramas,
FOc..m1(T1) y FO3..m2(T1), operando sobre el correspondiente factor de fraccionamiento,
para luego considerar la suma mnima de ambos factores, ya que la etapa de interconexin
no efecta aporte alguno a la funcin objetivo, tal como se indica en la tabla siguiente:
T1= T1 f1* FOc..m1 f2* FO3..m2

174,5 0,545 8689,6 0,300 5578,5
184,5 0,575 8009,5 0,373 5183,5
194,5 0,605 7356,7 0,445 4786,6
204,5 0,635 6748,6 0,514 4389,1
214,5 0,665 6224,3 0,582 3992,0
224,5 0,696 5907,3 0,649 3596,3
234,5 0,734 7611,6 0,715 3203,0
El ptimo para el sistema se encuentra para T1=228,7, f1=0,710, f2=0,676, con un costo
de 9384 $/ao.
6. Problemas de clculo en Programacin Dinmica
Hasta ahora se han podido apreciar las ventajas de Programacin Dinmica, al reducir la
dimensionalidad de los problemas y, consecuentemente, la complejidad numrica de su
tratamiento.
Pero esto no es gratuito: tal reduccin exige resolver, repetidamente, cada uno de los
subproblemas que genera la estrategia de optimizacin.
Si el nmero de veces que hay que repetir la solucin de los problemas es muy grande, aun
cuando el nmero de grados de libertad de cada uno, esto es, su dimensionalidad, sea
pequeo, bien podra suceder que resultase ms sencillo "olvidar" la estructura del diagrama
de flujo de informacin, no aplicar Programacin Dinmica y resolver el caso por bsqueda
simultnea, entendiendo por esto el uso de cualquier tcnica que aborde el tratamiento
conjunto de las variables de decisin.
Para lograr enfocar la cuestin desde un punto de vista analtico se requiere contar con algn
tipo de funcionalidad que vincule la dimensionalidad de un problema con la dificultad de
optimizarlo. Tales expresiones son, en rigor, de dudosa generalidad para los mtodos ms
difundidos.
Resulta posible, en cambio, establecer una cota superior a esta dificultad: basta con tomar un
mtodo ineficiente de optimizacin, para el que sea posible encontrar una funcionalidad del
tipo buscado.
Un mtodo que rene estas caractersticas es el nmero de oro extendido a multivariables,
donde el nmero de clculos a realizar para obtener el ptimo de una funcin de t variables
puede expresarse bajo la forma bt, siendo b una constante que depende de la exactitud
deseada.
Volviendo al esquema general de
rN r N -1 r2 r1
la figura 5.1.1, supngase que
todas las etapas tienen decisiones
S N +1 SN S N -1 S3 S2 S1 y estados de interconexin
definidos por D y S variables,
respectivamente, estando fijo el
estado a la entrada al sistema.
dN d N -1 d2 d1
Supngase, tambin, que en la
bsqueda de FOi(Si+1) se consideran a valores para cada una de las variables que integran el
estado Si+1.Esto dar aS problemas con D variables de decisin para cada una de las etapas,
salvo para el ltimo paso de optimizacin, donde ha de existir uno solo, en virtud de estar
fijo el estado a la entrada del sistema.
Con esto, la cota superior para las dificultades de clculo inherentes a la estrategia de
optimizacin por Programacin Dinmica PD y bsqueda simultnea BS han de ser

PD b D ( N 1)a S 1 ; BS b ND
siendo la relacin entre ambos
PD
BS
b D ( N 1) ( N 1)a S 1

y la dificultad relativa aumenta (Programacin Dinmica resulta menos atractiva frente a
bsqueda simultnea) con el incremento del nmero de variables de interconexin mientras
que disminuye con el aumento del nmero de variables de decisin por etapas o la cantidad
de stas.
Lo anterior puede tomarse como una consideracin de tipo general; la tendencia que se
verifica al aplicar la tcnica. Pero an resulta posible, frente a un caso concreto, moverse
dentro de los extremos que se han examinado; esto es, utilizar Programacin Dinmica sobre
un diagrama se han agrupado etapas, para ser optimizadas en forma conjunta.
Esto puede ser comprendido mejor mediante el anlisis de un ejemplo simple, para el cual se
tomar a=b=8 en la correspondiente expresin de (Esto ltimo implica una reduccin del
intervalo de incertidumbre menor al 5% en cada variable en el mtodo del nmero de oro
extendido a n dimensiones).Dichos valores sern utilizados en todo el anlisis que sigue.
En la figura 5.6.1 (a) se muestra un
hipottico diagrama de flujo de
informacin, donde se han indicado slo
las variables que componen las
decisiones y los estados de
interconexin, en virtud de constituir
ellas los nicos elementos a tener en
cuenta.
Fig. 5.6.1
Ntese que aqu no hay constancia en el
nmero de variables por etapa, lo que obliga a un anlisis caso por caso.
Si el problema fuese resuelto por Programacin Dinmica, sin efectuar ninguna modificacin
en el diagrama, la cota superior de la dificultad de clculo sera
1-2-3 = 82 81 + 83 82 + 80 82 = 83 + 85 + 82
Donde cada uno de los monomios se compone por el producto de 8Si+1 y 8Di
Si la solucin se encara a travs de una bsqueda simultnea, lo que , esquemticamente, se
indica en 5.6.1 (b) como una etapa nica -se ignora, en absoluto, la existencia de subsistemas-
, el grado de dificultad asociado sera [1-2-3]=85
Pero estas dos no son las nicas estructuras posibles. Existe la alternativa de apelar a
estrategias mixtas: agrupar, por ejemplo, solo las dos primeras etapas, o las dos ltimas, como
se indica en 5.6.1 (c) y (d). Para estos casos se tendr
1-[2-3] = 82 81 + 84 = 83 + 84
[1-2]-3 = 83 83 + 82 = 86 + 82
lo que lleva a la conclusin de que la mejor estrategia resulta de considerar en forma conjunta
las etapas 2 y 3, agrupamiento que ha de formar parte de un diagrama seriado con la etapa 1.
Resulta obvia la imposibilidad de efectuar este anlisis en detalle para todos los casos, donde,
con seguridad, habr que vrselas con diagramas de flujo, y alternativas, por ende, de mayor
complejidad.
Sera deseable contar con un criterio simple,
que no se viese afectado por las caractersticas
estructurales del flujo de la informacin. Es
posible contar con tal criterio, al menos en lo que
concierne al agrupamiento de etapas.
En la figura 5.6.2 (a) se esquematiza un
segmento, etapas i y j, del diagrama de flujo
genrico. All Si y di indican el nmero de
variables que componen el estado y la decisin de
la etapa, respectivamente.
Fig. 5.6.2
Para estas dos etapas solamente, las estrategias
posibles son tratarlas en forma separada o agruparlas.
Este anlisis focalizado puede efectuarse, y sus conclusiones son vlidas para cuando se
considera el segmento dentro del sistema total, por la estructura matemtica (suma de
monomios) que posee la expresin que permite el clculo del grado de dificultad.
Volviendo al esquema, si las etapas se tratan en forma separada o conjunta, se tendr, como
dificultad relativa de la primera con respecto a la segunda
Si d j
.. j i.. 8 8 S i 1 d i
S i 1 d i d j
. j i . 8
rel 8S i S i 1 d i 8 j
d
y queda claro que esta dificultad relativa es mayor que 1 (conviene el agrupamiento) toda
vez que Si - Si+1 i.
Debe tenerse en cuenta que en la expresin anterior se consideran la totalidad de las

variables que componen el estado a la entrada a la etapa pero solo las variables que integran
el estado que la interconecta con quien se analiza el agrupamiento. Lo anterior es
particularmente importante cuando se consideran los puntos de divergencia en un sistema
ramificado.
En la parte b de la figura 5.6.2 se presenta el caso de una etapa sin decisin. Aqu es posible
ensayar cuatro estrategias: el tratamiento del diagrama tal como est, la bsqueda simultnea
en todo el segmento o agrupar la etapa j con la k o la i. Los grados de dificultad para cada
alternativa sern10
S j di
..k j i.. 8 8 S i1 d i
S i1 d i d j
k j i 8
S j dk
k . j i 8 8 S i1 d i
k j i 8 S i d k 8 S i1 d i
con lo que, como puede verse, siempre resulta conveniente el agrupamiento de j con una
etapa contigua, por lo menos para eliminar el estado de interconexin definido por el mayor
nmero de variables, Si o Sj, con independencia de que convenga el tratamiento unificado de
las tres etapas, lo que puede analizarse, luego, con el criterio expuesto anteriormente.
El ltimo caso de agrupamiento a considerar es el de pequeos reciclos.
Ya se ha visto que es posible aplicar Programacin Dinmica a este tipo de diagramas,
aunque resulte bastante engorroso hacerlo.
De aqu que se pudiera pensar en un tratamiento conjunto de las etapas que se encuentran
involucradas en un reciclo de informacin.
No resulta posible un tratamiento generalizado como en el caso anterior, por lo que se
recurrir a un enfoque de tipo heurstico.
En la figura 5.6.3 se muestra un sector de un diagrama de flujo donde aparece un reciclo,

donde se supondr que cada estado y decisin, que interesan en el anlisis del reciclo, se
componen de una sola variable.
Como ya qued visto, la solucin por
programacin dinmica exige el manejo de la
variable de reciclo como una decisin en
suspenso, un dato, lo que lleva a invertir el
flujo en la etapa 1, que quedara sin decisin
y, consecuentemente, se agrupar con la 2. Fig. 5.6.3
La dificultad relativa del tratamiento por separado de las, ahora, N-1 etapas con respecto al
enfoque simultneo ser

81 ( N 2)811 81
rel

8N

donde se ha tenido en cuenta la bsqueda para un solo valor del estado a la entrada de la etapa
N, en razn de ser algo comn para ambas estrategias.
La expresin anterior resulta ser menor que la unidad para N mayor o igual que 4, por lo que,
extendiendo el criterio a otros diagramas de flujo de informacin, se puede plantear que
reciclos con menos de cuatro variables involucradas en las decisiones deben ser
resueltos por bsqueda simultnea.
Estos criterios de agrupamiento de etapas deben constituir un paso previo a la optimizacin
efectiva del sistema, el que, en definitiva, debera realizarse de acuerdo al siguiente esquema:
1.- Formulacin matemtica del problema
2.- Determinacin de una estrategia de clculo
3.- Construccin del diagrama de flujo de informacin
4.- Anlisis de agrupamiento de etapas en el diagrama.
5.- Optimizacin efectiva del sistema.
En el desarrollo de la estrategia mixta, que presupone el quinto y ltimo paso, est implcita
la seleccin del o de los mtodos que resulten ms adecuados para llevar a cabo el proceso
de optimizacin.
Ejercicio
Encuentre el camino ms corto desde el nodo 1 hasta el nodo 10 en la red mostrada en la

figura siguiente:
2 5
8
1 3 6
10
4 7
Descomponemos en etapas:
2 2 5 5
8
1 3 3 6 6
10
9
4 4 7 0
7
Etapa 4:
d(x4,x5) Solucin ptima

X4 X5= 10 f4 (X4) X5*
8 3 3 10
9 4 4 10
Etapa 3:
d(x3,x4)+f4(x4)
X3 X4= 8 X4= 9 f3(x3) X4*
5 1+3=4 3+4=7 4 8
6 6+3=9 3+4=7 7 9
7 3+3=6 3+4=7 6 8
Etapa 2:
min{d(x2,x3)+f3(x3)}
X2 X3=5 X3=6 X3=7 f2(x2) X3*

2 7+4=11 4+7=11 6+6=12 11 5,6
3 0+4=4 0+7=7 0+6=6 4 5
4 6+4=10 6+7=13 5+6=11 10 5
Etapa 1:
min{d(x1,x2)+f2(x2)}
X1 X2=2 X2=3 X2=4 f1(x1) X3*

1 2+11=13 4+4=8 3+10=13 8 3
PRACTICA DIRIGIDA: PROGRAMACION DINAMICA
1. El grupo empresarial DELOSI quiere asignar a 3 fbricas distintas, 4 operadores de
maquinaria que son indistintos. Para ello se sabe la eficiencia expresada en produccin
adicional por persona asignada a cada fbrica, la cual se expresa en la siguiente tabla.
2. Problema del camino mnimo
Se tiene una lista de ciudades con sus respectivas distancias en kilmetros, se nos pide encontrar el
camino mnimo o el camino con menor longitud entre la ciudad 1 y la 8.
Xn: ciudades que se pueden visitar
dn: ciudad que se decide visitar
rn: distancia en kilmetros
E3 E2 E1
9
2 5 15
10
7 5
8 7
9
3 7 8
1 6
8 14
14
5
4
7
3. planificacin de la generacin
Existe un coste adicional de 15 S/ por ao si se construye al menos un generador.
No se pueden instalar ms de 3000 MW de generacin en ningn ao.
Se parte de un sistema elctrico sin ningn generador instalado.

4. Cierto estudiante desea destinar los siete das de la semana prxima a estudiar cuatro cursos.
Necesita al menos un da para cada curso y el puntaje que puede lograr se da en la siguiente tabla:
Cuantos das debe estudiar cada curso para lograr un puntaje?
5. Una compaa ha recibido un pedido para surtir un solo artculo muy especial y de una
calidad tan rigurosa que es posible que el fabricante tenga que producir ms de un artculo
para obtener uno aceptable. La probabilidad estimada para que sea aceptable es 1/3 y de que
sea defectuoso sin posibilidad de reparacin 2/3. Por lo tanto la probabilidad de producir cero
artculos aceptables en un lote de tamao L es (2/3)L.
Los costos marginales de produccin son de $ 100 por artculo, incluso si es defectuoso (los
artculos en exceso no tienen valor). El costo de preparacin es $ 200, cada vez que se monte
el proceso de produccin de este artculo, el cual puede hacerlo como mximo 3 veces. Si no
se ha obtenido un artculo aceptable al final de la tercera serie de produccin, el costo por
ventas perdidas y de penalizacin ser de $ 1500. El objetivo es determinar la poltica
referente al tamao del lote para las series de produccin de manera de minimizar el costo
total esperado.
6. Una empresa ha contratado a tres personas para tres tareas, el mximo nmero de personas
asignadas por tarea son 2.
La utilidad de los trabajadores en cada tarea es:
Se nos pide a cuantas personas se debe asignar a cada tarea para maximizar la utilidad.
Tabla de
Utilidades 0 personas 1 persona 2 personas
TAREA A 0 3 8
TAREA B 0 4 5
TAREA
C 0 5 7
7. Un dueo de tres supermercados tiene 5 cargas de fresas frescas. Su problema es destinar

las fresas a cada supermercado, ya que cada uno de las fresas tiene distinto valor. El ingreso
en los supermercados, segn la asignacin de cargas se indica a continuacin:
Cargamentos / Supermercado 1 Supermercado 2 Supermercado 3

destino
0 0 0 0
1 5 6 4
2 9 11 9
3 14 15 13
4 17 19 18
5 21 22 20
El no asignar las cargas de fresas a un supermercado tiene valor asociado de cero dlares al
horizonte, porque se perdern.
Cul es el mximo o ingreso posible y cul es la asignacin que para ello?
8. Suponga que hay 30 cerillas sobre una mesa. Yo empiezo eligiendo 1,2, 3 cerillas. Luego
mi contrincante debe recoger 1,2, 3 cerillas. Continuamos as hasta que la ltima cerilla es
recogida. El jugador que toma la ltima cerilla es el perdedor. Puedo estar seguro de mi
victoria? Si es as Cmo puedo hacerlo?. Utilice el concepto de recursin hacia atrs.
9. Un estudiante est llevando 3 cursos este semestre, y la fecha de los exmenes se acerca.
l debe de planificar el tiempo que dedicar al estudio de cada curso de manera que minimice
la probabilidad de reprobar los cursos. La tabla muestra la probabilidad de reprobar un curso
dado el nmero de horas que ha dedicado al estudio de cada curso.
Horas Clculo Estadstica Optimizacin

0 0,80 0,75 0,90
1 0,70 0,70 0,70
2 0,65 0,67 0,60
3 0,62 0,65 0,55
4 0,60 0,65 0,50
Determine el nmero de horas que se debe dedicar de forma que minimice la probabilidad de
reprobar el curso, dado que dispone de 15 horas.
Qu pasa si el estudiante est a un da de los exmenes y dispone solo de 4 horas de estudio.
10. Encuentre el camino ms corto desde el nodo 1 hasta el nodo 10 en la red

mostrada en la figura siguiente:
2 5
8
1 3 6
10
4 7
11. Jenny necesita aprobar por lo menos una de las 3 materias que est cursando este semestre
para graduarse en la universidad. Los cursos que toma son Francs, Alemn y estadstica. El
horario tan apretado de las actividades extracurriculares de Jenny solo le permite 4 horas de
estudio a la semana. La probabilidad de que Jenny apruebe todos los cursos depende de la
cantidad de horas que ella ocupa en estudiar (ver tabla).
Determine cuantas horas por semana debe estudiar Jenny.
Probabilidad de aprobar curso

Hrs. Francs Alemn Estadstica
Estudio x semana
0 0.20 0.25 0.10
1 0.30 0.30 0.30
2 0.35 0.33 0.40
3 0.38 0.35 0.44
4 0.40 0.38 0.50
12. Se tiene el siguiente diagrama con las distancias en kilmetros y los caminos para ir de
una ciudad a otra, Determinar la ruta ms corta para ir de la ciudad 1 a la 12 y realizar el
diagrama de las ciudades que debera visitar.
13. Un estudiante debe elegir diez cursos optativos de cuatro departamentos diferentes. Debe
seleccionar al menos un curso de cada departamento. Su objetivo es repartir sus diez cursos
en los cuatro departamentos, de tal manera que maximice sus conocimientos en los cuatro
campos. Comprende que si toma un cierto nmero de cursos en un departamento, su
experiencia sobre la materia no aumentara apreciablemente porque el material ser
demasiado complicado para que lo comprenda o porque los cursos se repiten. Por
consiguiente, mide su capacidad de aprendizaje como una funcin del nmero de cursos que
toma en cada departamento en una escala de 100 puntos y produce el diagrama siguiente. (Se
supone que los agrupamientos de cursos satisfacen los prerrequisitos para cada
departamento.) Formule el problema como un modelo de programacin dinmica utilizando
las ecuaciones recursivas de avance y de retroceso.
14. Cierto estudiante desea destinar los 7 das de la semana prxima a estudiar cuatro cursos. Necesita
al menos un da para cada curso y el puntaje que puede lograr se da en la siguiente tabla.
Cuntos das debe dedicar a cada curso para lograr el mayor puntaje posible? Y Cul sera ese
puntaje?
Curso Curso Curso Curso

Das 1 2 3 4
1 13 15 12 16
2 15 15 12 16
3 16 16 17 19
4 17 19 18 19

IO-2 Teoria

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

IO-2 Teoria

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Facultad de Ciencias Matemticas

Ciudad Universitaria 2016

El propsito de la Investigacin de Operaciones es pronosticar las condiciones ptimas de

De la experiencia personal, muchas decisiones se toman sin hacer referencia al mtodo

La costumbre, la tradicin, la fe, la intuicin, las preferencias, predisposiciones y el factor

Cmo debe actuarse al tomar una decisin?

La decisin se traduce en coordinar un conjunto de actividades cuyas consecuencias se

D = d {R, I} I: Intuicin, R: Razn

Prestigio personal, poltico, etc.

El mtodo cientfico surgi a travs del tiempo a partir de la experiencia de muchos

La aplicacin exhaustiva del mtodo cientfico, considera:

a. Estar bien informado: Deben conocerse todos lo hecho y relaciones pertinentes.

A.3. Elementos de un Problema de Decisiones

1. Una persona responsable toma la decisin, considerando sus objetivos.

dan en el medio ambiente: estados de la naturaleza j.

A.4. Matriz de Decisiones

representa un estado de la naturaleza j :

Alternativas Estados de la Naturaleza

A.5. Determinacin de los estados de la naturaleza.

1. Considerar todos los eventos j posibles, de omitirse uno de ellos tambin se

B. Tipologa de la Toma de Decisiones.

B.1. Primera Tipologa.

Extensa base de datos.

B.2. Segunda Tipologa

1. Decisiones En Condiciones De Certeza.

2. Decisiones En Condiciones De Riesgos.

3. Decisiones En Condiciones De Incertidumbre.

C. Ilustracin: Venta De Arboles

Modelo de decisin bajo riesgo, se recoge informacin de los vendedores:

Utilidad $4.5/rbol, Costos $3.5/rbol Precio $8/rbol

Lotes de 100 rboles; Demandas: 100, 200 y 300

01: Vender 100 arboles

02: Vender 200 arboles

03: Vender 300 rboles.

El personal puede producir: 100, 200 y 300.

A1: Producir 100 rboles.

A2: Producir 200 rboles.

A3: Producir 300 rboles.

Las consecuencias se expresan en trminos de utilidades

R32=200(4.5) 100(3.5)=900 350=550

Si se ordena 200 unid., las ganancias estn en el rango de $100 a $900.

Si se ordena 300 unid., la utilidad potencial esta entre $-250 y $1350.

Evaluamos las alternativas, utilizando el criterio del Valor Esperado.

Max {450, 660, 630}=660

D. Fases De La Toma De Decisiones.

1. Definicin Del Problema

A. Definicin De Las Necesidades.

D. Definicin De Las Condiciones Ambientales.

2. Diagnstico Del Problema.

Estimaciones, Corazonadas, La experimentacin, Modelos Empricos, Modelos

B. EJEMPLOS DE TOMA DE DECISIONES EN CONDICIONES

01: Demanda de 60 docenas.

A1: Almacenar 50 docenas

Matriz de pagos: Utilidades:

A.- DECISIONES EN CONDICIONES DE RIESGO E INCERTIDUMBRE

La disponibilidad de informacin parcial o imperfecta sobre un problema, lleva a dos nuevas

1.- Decisiones con riesgo

2.- Decisiones con incertidumbre

La estadstica clsica, resuelve problemas (P) de decisin en casos de riesgo R e

En algunas ocasiones, podemos agregar informacin pasada o de situaciones similares a

Si la experimentacin no es factible E, el anlisis estadstico (enfoque objetivo) no es til

1.- Siendo la poltica optima, Cul es el costo esperado?