Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INVESTIGACIN
OPERATIVA II
TEORA Y EJERCICIOS
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.
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 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:
Debe observarse que las estrategias y estados de la naturaleza, se enumeran de tal forma que
sean mutuamente excluyentes y exhaustivos.
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:
Solucin
Estados de la Naturaleza.
Alternativas:
Matriz de Pagos
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
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.
E ( Ai ) RijP( j )
Luego escogemos el mximo valor esperado:
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.
1. Definicin de problema.
2. Diagnstico del problema.
3. Bsqueda de alternativas.
4. Evaluacin de resultados.
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.
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:
SOLUCION
- Se tiene conocimiento que en la temporada se ha de vender 60 docenas de
vestidos.
- Estados de la Naturaleza
Norma del fabricante, adquirir lotes de 10 doc. El supervisor considera los cursos de
accin;
Alternativas:
ALTERNATIVAS E. NATURALEZA
01: 60 doc
A1 Almacena 50 50 000
A1 Almacena 60 60 000
A1 Almacena 70 55 000
A.1.- INTRODUCCIN
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.
E
R
E
P
I E
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:
2.- Cul es la decisin que minimice el costo esperado, dado el resultado de un experimento?
4.- Cul es la cantidad mxima de dinero que podra gastarse con el fin de eliminar toda
incertidumbre.
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:
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:
( , ) () : Continuo
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.
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:
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:
Luego:
Se debe elegir la tercera alternativa, preparar 5 docenas de pan, con una utilidad esperada de
$24.6
Dnde:
K: Capital disponible
= + + 2
U (k) = Y
K=X
Entonces () = + 2
Expresin para un decisor que posee aversin al riesgo. Debemos determinar el valor
esperado de 2;
{()} = () ( 2 )
\ = = = =
A1 = 3 18 18 18 18
A2 = 4 15 24 24 24
A3 = 5 12 21 30 30
A4 = 6 9 18 27 36
{()} = () ( 2 )
() () ()
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:
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.
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
= = ( )( )
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
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:
= {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:
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
e1
0.30
L1 0.40 e2
0.30
e3
En trminos de conjuntos
L1 = {(0.30, e1), (0.40, e2), (0.30, e3)}
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:
De la lotera:
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}
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:
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
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
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
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}
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
50,000
u
1-u
-20,000
ndice de utilidad:
u(30,000) = 0.95
u(ej)
1.0
ej
-20 -10 0 10 20 30 40 50
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.
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.
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:
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
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
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.
SOLUCIN
{ } Para i = 1, 2, 3
{ } = 1 {2 } = 0.0 {3 } = 0.8
Luego:
Elegir la alternativa 3
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 )
Calculando y para i = 1, 2, 3
2.5 2.0 1.2
( ) = = 1,2,3, ,
Dnde: = 1 y equiprobables
Elegir la alternativa 2
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, ,
= { ( , )}
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
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.
D 8 9 10 11 12 13 14
P(D) .11 .16 .26 .22 .13 .08 .04
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
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:
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:
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.
Contrato A Contrato B
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:
Ej E1 E2 E3
p(Ej) .30 .60 .10
Considere usted el beneficio condicional como una variable aleatoria y calcule el valor
monetario esperado asociado con cada curso de accin.
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
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?
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.
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.
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.
- 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.
- 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.
- Tampoco es preciso que la flecha sea una lnea recta, puede dibujarse en curva.
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.
d) i Aij j
A Fic. 1
B
0 1 4 5
C
Fic. 2
3
BUENA
0 1 2 3
B
C
MALA
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
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
1
2
B D B D
Fig. II.8: REGLA 5
B D
B D
C C Fic. 2
Incorrecto Correcto
C
A B
Incorrecto
I II III
I
INICIAL FINAL
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.
3
D
B
A C E
1 2 4 5
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)
i
j
i
j
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
Para comenzar a dar forma a un grafo Pert-Cpm y plantearnos de las relaciones lgicas de
precedencia, debemos formularnos las siguientes preguntas:
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:
PROBLEMA 1
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
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
Actividades Precedencia
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
Actividades Precedencia
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
Actividades Precedencia
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
Actividades Precedencia
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
Actividades Precedencia
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.
H F
O G
I
B
M
Z
L A
A
C E
D
Problema 11
SOLUCION
A
D
TP F
B E
Problema 12
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.
i j
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.
Optimistic Time
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.
Generalmente tiene en cuenta los retrasos naturales que suelen producirse por causas
especiales o imprevistos.
Pessimistic Time
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.
COMIENZO TERMINO
i j
ti
tj
=
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.
TERMINAR
t *j
Terminacin ms lejana.
to tx
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.
i
Aij j
ti0 tj 0
tij
Aij j
i
ti+ tj +
tij
5 8 5
6
0 1 7
12
TP 4
7 15
3
19 6
17 7
3
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:
0 = 0 +
0 = [0 + ]
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:
+ = +
+ = [+ ]
La determinacin de la ruta crtica puede ser planteada mediante las holguras del PERT o
los tiempos colgantes del CPM.
i Aij j
ti0 tj +
tij
= + (0 )
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.
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.
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).
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.
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.
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
Siempre la duracin del proyecto determinado en base a los Te de la Ruta Crtica, tiene una
probabilidad de cumplirse de 50%.
Cuantificacin del tiempo con el que se podr jugar en la terminacin del proyecto o la
M TL TP TL (Te)r.c.
Referido a la duracin del proyecto.
M TL (t 0 j )n
Referido a la terminacin de la actividad Aij en el suceso n.
DESVIACION NORMALIZADA O FACTOR DE PROBABILIDAD (Z).
TL TP TL TP
Z
2 r.c. r.c.
Referido a la duracin del proyecto, donde:
TL (t 0 j ) n TL (t 0 j ) n
Z
2n n
Referido a la terminacin de la actividad Aij en el suceso 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:
duracin exigible, TL .
1.4 Cul es la probabilidad de que el proyecto est terminado entre 3 das antes y 3 das
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
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
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
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%.
TL TP
Z
r.c.
TL TP Z r.c
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)
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:
C 23.8 8.0
E 9.5 2.25
------------ ------------
= 33.3 = 10.25
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.
= + rc
PROBLEMA 3:
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
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.
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%.
= 29 UT
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.
V.1 COSTOS
En cualquier tipo de empresa, los gastos generales son clasificados en directos e indirectos.
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
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.
La grfica de la recta de premios pasa el punto que seala el plazo contractual y se extiende
con pendiente p. Fig. V.2.
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.
Entre la duracin Tope y la duracin Normal, existe una gama continua de posibles
duraciones (visualizados en los puntos de aceleracin).
(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.
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
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.
Solucin:
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:
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).
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
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
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.)
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
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.
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
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.
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
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.
Con esta programacin hemos llegado a la duracin tope del proyecto, tal como fue calcula
con la Segunda Programacin.
- Poner en el correo
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
- Montar la mquina
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
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
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.
INTRODUCCION
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.
Problema de Inventario:
La decisin de cuanto ordenar implicar la seleccin de una cantidad de pedido que signifique
un equilibrio entre:
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
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.
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
Entonces
Costo total / periodo
Cp = C1Q + C2 + C3t(Q/2) 1
C = (D/Q){C1Q + C2 + C3(Q2/2D)}
C = C1D + C2(D/Q) + C3(Q/2) 2
SOLUCIN
Datos:
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:
Costo de almacenamiento
= $ 1864.4
Tambin:
ANALISIS DE SENSIBILIDAD
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 = = [ + ]
Q = k.Q*
Dnde:
K = 1, entonces Q = Q*
QS = (1 + X)Q*
QI = (1 - X)Q*
Donde
X : Tasa de desviacin
Qs : Cantidad superior
Qi : Cantidad inferior
EJEMPLO
Cuesta $40 colocar un pedido y los costos de manejo se calculan 20% del costo del producto
$0.15. La Thompson desea conocer:
SOLUCION
Datos:
D = 150,000 C1 = $0.15 C3 = 0.15 Ao de 360 das
Q = 40,000 C2 = $40 x = 0.15
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
t2 : Tiempo de faltantes
Inventario mximo: Im = Q S
Remplazando valores:
Costo total/ao: C = N * Cp
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
f. Tiempo de existencias
t1 = (Q - S) = (3855 - 747)/18000 = 0.172
Para t1 = 0.172 (360) 62 das
g. Tiempo de 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:
R: Tasa de manufacturacin
t = t1 + t2 = Q / D
Im = t1 (R D)
Cp = C1Q + C2 + C3 t (Im/2)
Remplazando valores
Costo anual
Donde
22
Q=
3 (1 )
EJEMPLO
Solucin
a. Cantidad optima
2(500)(18000)2
Q= 18000 = 4472
1.8(1 )
36000
c. Inventario mximo
Im = 4472 (1-18000/36000) = 2236
g. Tiempo de existencias
t2 = Im/D = 2236/18000 = 0.124
Para = 0.124(360) 45 das
Costo/periodo
Donde
t1 + t4 = Q/R
t2 + t3 = (Im + S) /D
Im = Q (1- 1/D) S
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
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. Inventario mximo
Im = 4669 (1- 18000/36000) 193 = 2142
i. Numero de periodos
N = D/Q = 18000/4669 = 3.86
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:
= 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
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:
b. El punto de reorden.
d. Numero de rdenes.
Solucin:
C2 = $5 / orden.
C3 = $1.5.
L=7
2*2000*5
a. Q 115.47 115
1.5
b. R = 7(2000)/365 = 38.65 unid.
e. t = 1 / N = 0.058
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:
2* D * C2
QJ
C3
Considerando el costo unitario C1 de la categora j, dnde:
C3 = I * C1
- 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.
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.
Unidades % C1
(0 - 250) 0 20
(250 - 1000) 10 18
(1000 - mas) 25 15
Solucin:
PASO 1
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
PASO 3
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
D: Demanda anual.
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:
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:
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).
di
C3i Di (1 )
ri
N
2C2i
Como Q1 = D1/N
di
C 2C3i Di (1 )C2i
ri
SOLUCION
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:
Calcular:
Solucin:
Datos:
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.
D 18000
N=( )=( ) = 5.196 pedidos/ao
Q 3464.1
1 Q 3464.1
t = ( ) = ( )= ( ) = 0.192 aos
N D 18000
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:
22 3 +4 240018000 1.2+5
Q= * =Q= * = 3857.4603 unidades.
3 4 1.20 5
b) Costo total/ao:
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
C = 21733.0261 soles.
D 18000
N=( )=( ) = 4.6662 pedidos/ao
Q 3857.4603
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
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:
D= 4000 C1= s/. 5.00 C2= s/. 30.00 C3= s/. 1.50
Determinar
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.
Determinar:
Determinar:
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:
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.
= 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:
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
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
Caso 2:
C2: 80(12) = 960
C3: 160(15) = 2400
C4: 200
C1 = C2 + C3+ C4 = 3560
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.
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.
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.
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:
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.
Solucin:
= 60/60 = 1 servicio/minuto.
Calculando
OBS:
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
a/b/c/d/e/f
a: Distribucin de llegadas.
d: Disciplina de servicio.
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.
Disciplinas de servicio:
FIFO: Primero en llegar, primero en ser servido.
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.
SISTEMA
Factor de utilizacin: = /
Si > , las siguientes expresiones son vlidas:
Probabilidad de que un cliente este siendo servido en cualquier tiempo:
Pn = nP0 = n(1-) n0
La serie es convergente:
1
n-1 = , donde 0 < < 1
(1)2
Luego:
1
Ls = (1-)[(1)2 ] = (1) = (1)
Ls = Ws y Lq = Wq
Otra expresin general:
Ws = Wq + 1/
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:
P0 = 1- 0.75/1 = 0.25
0.752 0.5625
Lq = 1(10.75) = = 2.25 clientes
0.25
Solucin
Datos
Se cumple:
Tambin
1 1
P0 = 1 1
= 2.5 = 0.40
(0=0 ( ) )+ ( )
! 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.
M/M/K/FIFO//
Caractersticas de operacin:
( ) P0
Si n>k Pn = k! ()
( )
Lq = (1)!()2Po
( )
Ls = (1)!()2Po +
( )
Wq = (1)!()2Po
( ) 1
Ws = (1)!()2Po +
TABLA:
Valores de P0 para lneas de espera de canales mltiples con llegadas segn Poisson y tiempos
de servicio exponencial.
Solucin
Recordando:
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.
En esta expresin se observa, que no es necesario p<1 , es decir que el sistema sigue
estable cuando .
Numero esperado de clientes en la cola:
Lq = Ls (1 P0)
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
1
P0 = ! !
=1 =
=0 [()!!() ]+= [()!! () ]
M!
Pn = P0
(Mn)!k!knk
( )n Donde k n M
Caractersticas de operacin:
Ws = Ls/
Ws =0.6895/0.3310 =2.083
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.
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
Tambin:
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.
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.
Se pide:
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.
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:
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.
b) Cul es la probabilidad que un cliente llegue y tenga que esperar, porque el sistema est
ocupado?
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:
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:
c) Cual es el tiempo promedio que espera un cliente para que comience el servicio
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:
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.
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
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
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.
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
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
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
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
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
(0,426) (0,614)
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
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:
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
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.
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 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
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:
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)}
Etapa 1:
min{d(x1,x2)+f2(x2)}
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.
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
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.
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
El no asignar las cargas de fresas a un supermercado tiene valor asociado de cero dlares al
horizonte, porque se perdern.
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.
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.
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).
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?
1 13 15 12 16
2 15 15 12 16
3 16 16 17 19
4 17 19 18 19