TECNOLOGICO DE ESTUDISO SUPERIORES DE SAN FELIPE DEL

PROGRESO
Modelos de optimización de recursos
TEMA: CARPETA DE EVIDENCIAS

NOMBRE DEL ESTUDIANTE:

ALEJANDRO JOAN ESPINOZA CHAPARRO
NOMBRE DEL DOCENTE
INGENIERA GABRIELA
GRUPO: 401

CICLO ESCOLAR: 2018-A

SAN FELIPE DEL PROGRESO, ESTADO DE MÉXICO, 10 DE JUNIO DE 2018
CARPETA DE EVIDENCIAS
1.1 Toma de decisiones y la investigación operativa

Definición de investigación de Operaciones

Teniendo en cuenta sus orígenes la investigación de Operaciones la podemos

definir como un enfoque científico de la toma de decisión. En este orden de ideas,
la toma de decisión es dada a través de la aplicación del método científico, de ahí
la definición antes dada.

La investigación de operaciones comienza describiendo algún sistema mediante un

modelo que luego se manipula y a través de este determinar la mejor forma de
operación de dicho sistema.

Es esta, tal vez la mejor forma de tomar una decisión, no obstante, nos
compromete a seguir un proceso de toma de decisiones racional.

Proceso racional de toma de decisiones.

¿Cómo debemos actuar al tomar una decisión? ¿Qué debemos hacer para tomar la
mejor decisión? Hacernos estas preguntas nos ha ocurrido en cualquier situación.
A través de los tiempos muchos intelectuales las discurrieron ya que en si forman
parte fundamental de la búsqueda de la verdad. En esa época muchos fueron los
debates al respecto, el resultado de este extenso debate fue un enfoque general
conocido como el método científico. Además, se han desarrollado varios modelos
matemáticos para problemas específicos.

La investigación de operaciones no hace distinción a los nombres proceso de toma

de decisiones y solución de problemas por tanto cualquier término se utilizará
indistintamente.

El método científico

El método científico surgió a través del tiempo, a partir de la experiencia práctica

de muchos científicos, astrónomos, químicos, físicos y biólogos; a continuación, se
enumeran los pasos del método científico para resolver problemas:

• Definir el problema. Este primer paso es crítico porque establece las fronteras
para todo lo que sigue. Debe definirse en magnitud, tiempo y grado de
importancia.
 • Recolección de datos. La razón para este paso es sencilla, pues se estará
más capacitado para resolver problemas si se tiene suficiente información
sobre el mismo. Deberá reunirse información pasada, hechos pertinentes,
así como soluciones previas a problemas semejantes.

• Evaluar las alternativas de solución. Una vez enumeradas todas las

alternativas de solución, deberán evaluarse. Esto puede lograrse
comparando una por una con un conjunto de criterios de solución u objetivos
que se deben cumplir.
• Seleccionar la mejor alternativa. Aquí se toma la decisión de cuál de las
alternativas cumple mejor con los criterios de solución.

1.2 Concepto y clasificación de sistemas

Un sistema es un conjunto de partes o elementos organizados y relacionados que
interactúan entre sí para lograr un objetivo. Los sistemas reciben (entrada) datos,
energía o materia del ambiente y proveen (salida) información, energía o materia.
Un sistema puede ser físico o concreto (una computadora, un televisor, un humano)
o puede ser abstracto o conceptual (un software)
Cada sistema existe dentro de otro más grande, por lo tanto, un sistema puede estar
formado por subsistemas y partes, y a la vez puede ser parte de un súper sistema.
Los sistemas tienen límites o fronteras, que los diferencian del ambiente. Ese límite
puede ser físico (el gabinete de una computadora) o conceptual. Si hay algún
intercambio entre el sistema y el ambiente a través de ese límite, el sistema es
abierto, de lo contrario, el sistema es cerrado.
Tipos de sistemas
Pueden ser Físicos o abstractos.
Sistemas físicos o concretos: compuestos por equipos, maquinaria, objetos y
cosas reales. El hardware.
Sistemas abstractos: compuestos por conceptos, planes, hipótesis e ideas.
Muchas veces solo existen en el pensamiento de las personas. Es el software.
En cuanto a su naturaleza
Pueden cerrados o abiertos.
Sistemas cerrados: no presentan intercambio con el medio ambiente que los
rodea, son herméticos a cualquier influencia ambiental.
Se da el nombre de sistema cerrado a aquellos sistemas cuyo comportamiento es
determinista y programado y que opera con muy pequeño intercambio de energía y
materia con el ambiente. Se aplica el término a los sistemas completamente
estructurados, donde los elementos y relaciones se combinan de una manera
peculiar y rígida produciendo una salida invariable, como las máquinas.
Sistemas abiertos: presentan intercambio con el ambiente, a través de entradas y
salidas. Intercambian energía y materia con el ambiente. Son adaptativos para
sobrevivir. Su estructura es óptima cuando el conjunto de elementos del sistema se
organiza, aproximándose a una operación adaptativa.
Sistemas aislados: son aquellos sistemas en los que no se produce intercambio
de materia ni energía.
Caracteristicas de los Sistemas
Sistema es un todo organizado y complejo; es un conjunto de objetos unidos por
alguna forma de interacción o interdependencia. Los límites o fronteras entre el
sistema y su ambiente.
Objeto: Todo sistema tiene uno o algunos propósitos. Los elementos (u objetos),
como también las relaciones, definen una distribución que trata siempre de alcanzar
un objetivo.
Goblalismo o totalidad: Un cambio en una de las unidades del sistema, con
probabilidad producirá cambios en las otras. El efecto total se presenta como un
ajuste a todo el sistema. Hay una relación de causa / efecto.

1.3 Concepto y tipología de modelos

Un modelo es una representación o abstracción de una situación u objeto real, que
muestra las relaciones (directas o indirectas) y las interrelaciones de la acción y la
reacción en términos de causa y efecto.
Tipos de modelos
 Icónico
 Analógicos
 Simbólicos o matemáticos

MODELO ICÓNICO:
Es una representación física de algunos objetos, ya sea en forma idealizada
(bosquejos) o a escala distinta.
Ejemplo:
•Planos y mapas (dos dimensiones).
•Maquetas y prototipos (4 dimensiones).
Ejemplo:

MODELO ANALÓGICO:
Puede representar situaciones dinámicas o cíclicas, son más usuales y pueden
representar las características y propiedades del acontecimiento que se estudia.
Ejemplo:
•Curvas de demanda.
•Curvas de distribución de frecuencia en las estadísticas y diagramas de flujo.
MODELO SIMBÓLICO O MATEMÁTICO:
Son representaciones de la realidad en forma de cifras, símbolos matemáticos y
funciones, para representar variables de decisión y relaciones que nos permiten
describir y analizar el comportamiento del sistema.
Tipos de modelos Matemáticos:
1. Cuantitativos y cualitativos
2. Estándares y hechos a la medida
3. Probabilísticas y determinísticos
4. Descriptivos y de optimización
5. Estáticos y dinámicos
6. De simulación y no simulación
Modelos Cuantitativos y Cualitativos:
La mayor parte de los problemas de un negocio u organización comienzan con un
análisis y definición de un modelo cualitativo y se avanza gradualmente hasta
obtener un modelo cuantitativo. La investigación de operaciones se ocupa de la
sistematización de los modelos cualitativos y de su desarrollo hasta el punto en que
pueden cuantificarse.
Cuando es posible construir unos modelos matemáticos insertando símbolos para
representar relaciones entre constantes y variables estamos ante un modelo
cuantitativo. Una ecuación es un modelo de este tipo. Las formulas, las matrices,
los diagramas o series de valores que se obtienen mediante procesos matemáticos.
Modelos Estándar:
Se llaman modelos estándar a los que solo hay que insertar o sustituir diferentes
valores con el fin de obtener un valor a una respuesta de un sistema y son aplicables
al mismo tipo de problemas en negocios afines.
Ejemplo:
•El cálculo de costos o gastos.
•El cálculo de las ganancias, etc.
Modelos hechos a la medida:
Se llaman modelos hechos a la medida cuando se crean modelos para resolver un
caso de problema en específico que se ajusta únicamente a este problema.
Modelos Probabilístico y determinístico:
Los los modelos que se basan en las probabilidades y estadísticas y que se ocupan
de incertidumbres futuras se llaman probabilísticas y los modelos que no tienen
consideraciones probabilísticas se llaman determinísticos; el PERT, los inventarios,
la programación lineal, enfocan su atención en aquellas circunstancias que son
críticas y en los que las cantidades son determinadas y exactas.
Modelo Descriptivo y de Optimización:
Cuando un modelo constituye sencillamente una descripción matemática de una
condición real del sistema se llama descriptivo. Algunos de estos modelos se
emplean para mostrar geográficamente una situación y ayudan al observador a
evaluar resultados por secciones una sobre otra.
Modelo Estático y Dinámico:
Los modelos estáticos se ocupan de determinar una respuesta para una serie
especial de condiciones fijas que probablemente no cambiaran significativamente a
corto plazo es decir, la solución está basada en una condición estática.
Modelos Simulados y No Simulados:
Con el uso de la computadora es fácil preparar un modelo simulado paso por paso
donde se puede reproducir el funcionamiento de sistemas o problemas de gran
escala. En un modelo de simulación los datos de entrada pueden ser reales o
generados en forma aleatoria.

Unidad 2
2. programación lineal
La investigación de operaciones utiliza una metodología sencilla para acercarse a
la solución de problemas que requieren de optimización. Tal metodología puede
expresarse como sigue:
• Identicación del problema que requiere de la investigación de
operaciones y recopilación de información.
• Planteamiento del modelo matemático.
• Solución del problema matemático y ajustes al mismo.
• Implementación de la mejor solución.
Uno de los modelos más utilizado en la investigación de operaciones es el Modelo
de Programación Lineal (PL), el cual tiene la característica de que todas las
expresiones que lo componen son lineales. El modelo de programación lineal cuenta
con una función objetivo, la cual se pretende optimizar, y una serie de expresiones
matemáticas que representan las restricciones que deben satisfacerse para que la
solución obtenida sea óptima y factible.
El siguiente es un ejemplo de un modelo de programación lineal: 0 1 Max Z x x = 5
12 + s. a 0 1 x + 2 125 x ≤ 0 1 3 65 x + x ≤ CNN 0 1 x , x ≥ 0

2.1. Planteamiento del modelo

Un modelo es la representación abstracta de un proceso en particular o de la
realidad en general. Dependiendo de la complejidad y del fin de lo que se
desea representar, se han desarrollado diferentes modelos como son los
diagramas de flujo, que indican el orden y secuencia de una serie de
actividades; los organigramas, que indican la jerarquía e interrelaciones de una
organización; o los modelos matemáticos, que son representaciones de problemas
o casos prácticos con números y signos matemáticos.
Ejemplo de estos últimos son las ecuaciones que representan la oferta y la demanda
y la expresión matemática de las utilidades o de los costos de producción de una
empresa.

2.1.1. Datos y variables de decisión

La identificación de un problema, proceso o situación que puede optimizarse
con la investigación de operaciones se basa en reconocer si el problema de estudio
cuenta con variables controlables, que llamaremos variables de decisión. Una
variable controlable o de decisión es aquella que se puede medir y
modificar en su valor deliberadamente.
Una empresa comercializa dos tipos de viaje en globo aerostático, uno llamado de
lujo y el segundo llamado económico a un precio de $3,000.00 y $2,000.00
respectivamente. Saben que en un día sólo pueden vender a lo más 6 viajes de
cualquier tipo, debido a que tienen prohibido volar de noche por razones de
seguridad. Cada viaje de lujo requiere de tres cilindros de gas y cada viaje
económico sólo dos cilindros, la empresa cuenta con 12 cilindros de gas en total.
Con esta información se desea conocer la combinación óptima de viajes necesaria
para maximizar los ingresos de la empresa.
De manera similar al primer ejemplo de la sección, las variables de decisión pueden
obtenerse respondiendo a la pregunta ¿qué se desea cuantificar?, y la
respuesta está en el planteamiento mismo como “...la combinación óptima de viajes
necesaria para maximizar los ingresos...”, entonces se definen como
variables de decisión aquellas que indiquen la cantidad de viajes de cada tipo:
x = Cantidad de viajes de lujo que se requiere vender. :

y = Cantidad de viajes económicos que se requiere vender.

A partir de este punto, las expresiones de “la función objetivo” y “las restricciones”
del problema en un modelo de P. L. deben escribirse en función de las variables de
decisión definidas.
2.1.2. Función objetivo y las restricciones
Toda vez que se han definido las variables de decisión, es momento de
indicar la forma en que estas variables y los datos se interrelacionan, obteniendo
de esto la función objetivo y las restricciones del problema.
Identificación de la función objetivo
La función objetivo es una expresión matemática que representa una cantidad, la
cual tratamos de optimizar (maximizar o minimizar) como pueden ser los ingresos,
las utilidades o los costos en una empresa.
Como la investigación de operaciones es una herramienta que permite tomar
decisiones de tipo operativo, estas decisiones son tomadas con la premisa de
maximizar las utilidades o minimizar los costos de la organización, los cuales
dependen de los siguientes factores:
• Costos de producción.
• Precio de venta.
• Volumen de venta.
Por lo tanto, toda función objetivo deberá estar conformada por este tipo de
componentes. De no ser así, se sugiere validar la función objetivo con las variables
y datos del problema.
La función objetivo se obtiene, primero, identificando si se trata de
maximizar ingresos o minimizar costos y, segundo, escribiendo la forma en la que
los ingresos o costos se cuantifican.
Para el ejemplo 2 de los viajes en globo (del cual tenemos identificadas las variables
de decisión) se trata de maximizar los ingresos de la empresa, ya que se indica
“combinación óptima de viajes necesaria para maximizar los ingresos”; la forma en
la que se cuantifican los ingresos es multiplicando el ingreso que cada tipo de
viaje genera por el número de viajes que se pueden comercializar. Esto es:
x = Cantidad de viajes de lujo que se requiere vender.:
y = Cantidad de viajes económicos que se requiere vender.:
Max Z x y = 3000 2000 +
2.2. Solución gráfica
La solución de un modelo de programación lineal es el siguiente paso después de
obtener el modelo matemático de un problema. Para seleccionar el método de
solución se requiere considerar la cantidad de variables de decisión del modelo
matemático; cuando se tienen dos variables de decisión puede obtenerse la
solución de manera gráfica; sin embargo, cuando se tienen más de dos
variables a graficar se torna complejo y por esta razón se han desarrollado
otros métodos que se estudiarán más adelante.
Aunque son pocos los ejemplos reales de dos dimensiones, éstos sirven como
antecedente para comprender mejor el método analítico de solución que se
estudiará más adelante, el cual se utiliza para resolver problemas de PL de n
variables.
Por otra parte realizaremos un análisis de sensibilidad, el cual consiste en estudiar
el comportamiento de la solución óptima de un modelo cuando los
coeficientes de la función objetivo o las cantidades limitantes de las
restricciones se modifican. Se debe tener presente que existen problemas cuya
solución no existe o bien no es única, lo cual se presenta continuamente en la
realidad.
2.2.1. Gráfica de rectas y desigualdades
Para utilizar el método gráfico se requiere graficar rectas y desigualdades
asociadas a la función objetivo y a cada restricción respectivamente, y debido a
esta razón revisaremos los siguientes apartados.
Una línea recta es un objeto geométrico que ha sido definido por diversos
autores con características bien definidas, las cuales utilizaremos para
dibujarlas.
Gráfica de rectas Para graficar líneas rectas consideraremos que sólo
necesitamos obtener dos puntos de una misma recta; para obtener dichos
puntos podemos utilizar dos caminos:
Partiendo de la ecuación general Ax + By + C = 0 se da un valor arbitrario a una de
las dos variables y se despeja o resuelve la ecuación para la otra variable. Como se
indica, puede sustituirse cualquier valor; sin embargo, se recomienda sustituir el
valor de cero para las dos variables (no al mismo tiempo), ya que esto facilita
los cálculos y la construcción de una gráfica más precisa y con esto se
determinan los puntos de intersección de la recta con los ejes coordenados.
Obtener la gráfica de la ecuación 2x + 6y − 6 = 0.
Comenzamos por sustituir arbitrariamente el valor de x = 0 en la ecuación general
de la recta dada y resolver la expresión para y , con lo que se tiene:
2(O) + y -6 = O
O+ y -6 = 0
y=6
Esto nos indica un primer punto por donde pasará nuestra recta, el punto es P1 = (
0,6). Ahora sustituimos el valor de y = 0 en la ecuación general de la recta dada y
se resuelve la expresión para x, con lo que se tiene:
2x + (0) − 6 = 0
2x − 6 = 0
2x = 6

x =6/2
x=3
Esto nos indica un segundo punto por donde pasará nuestra recta, el punto es 2 P
= (3,0). Los dos puntos recién obtenidos se grafican sobre ejes coordenados
y se unen mediante una línea recta, la cual representa la recta de la ecuación dada.
La línea recta que une los dos puntos puede prolongarse tanto como se requiera en
cualquier sentido.
Partiendo de la ecuación ordinaria y = mx + b , se da un valor arbitrario a una de las
dos variables y se despeja o resuelve la ecuación para la otra variable. Como en la
primera forma, en realidad se está realizando la misma operación; sin embargo, el
lector puede hacer uso de la que más fácil represente su manejo.
Gráfica de desigualdades Toda desigualdad de dos variables tiene asociada una
línea recta, la cual se obtiene graficando la restricción o desigualdad como una
igualdad.
2.2.2. Región factible
La región factible o región de soluciones factibles es una región del plano cartesiano
donde se satisfacen todas las restricciones de un modelo de programación lineal y,
por tanto, en ella se encuentran las probables soluciones del modelo. Existen
diferentes tipos de región factible e incluso problemas que no tienen región factible
debido a las condiciones que las restricciones imponen.
En un solo sistema coordenado se grafica el conjunto de restricciones
(rectas llamadas fronteras y regiones) cuya intersección será la región factible; es
importante señalar la región factible de cada modelo, por ejemplo, sombreando la
región, con una letra “R” o con el símbolo Ω, como algunos autores lo aconsejan.
2.2.3. Punto óptimo
Una vez que se ha obtenido la región factible –si ésta existe– de un
problema, es momento de localizar el punto óptimo en la gráfica generada
y para tal efecto es necesario graficar la recta asociada a la función
objetivo del modelo PL. Para graficar la función objetivo simplemente se
toma un par ordenado que pertenezca a la región factible y se sustituye en la
función Z, después se obtienen los puntos restantes de la recta por sustitución.
Cuando se tiene la gráfica de la función objetivo, la línea recta que se
obtuvo se desplaza de manera paralela a la recta original hasta alcanzar el último
punto de la región factible sin salirse de la misma, considerando lo siguiente:
i) Para maximizar se desplaza hacia la derecha y arriba de la región factible.
ii) ii) Para minimizar se desplaza hacia la izquierda y debajo de la región
factible.
Es importante recordar que los desplazamientos siempre se realizan de forma
paralela a la gráfica de la recta de la función objetivo. Una forma de realizar los
desplazamientos abarca los siguientes pasos:
1. Alinear una escuadra sobre la función objetivo.
2. Apoyar el otro lado recto de la escuadra sobre una regla o escuadra.
3. Desplazar la primera escuadra hacia la izquierda o derecha, según corresponda,
de la región factible hasta el último punto de la misma.
El punto localizado por este método se le conoce como punto óptimo del modelo y
representa los valores de las variables de decisión del problema, lo cual quiere decir
que con este punto podemos interpretar la solución de un modelo. Del ejemplo 8
recuperamos la región factible generada para graficar la función objetivo del
modelo PL sobre la región factible.
Una forma analítica de encontrar el punto óptimo de un modelo PL de dos variables
proviene de aplicar un teorema (el cual no se demuestra en este texto) que asegura
que la solución óptima de un problema (al maximizar o minimizar la función objetivo)
se encuentra en uno de los vértices de la región factible.
Con base en lo anterior, lo que debe hacerse es identificar los puntos de
todos los vértices de la región factible y evaluarlos en la función objetivo. Si el
propósito es maximizar, se selecciona el punto con resultado máximo en la función
objetivo; en caso de minimizar se escoge el punto cuyo valor en la función objetivo
sea mínimo.
Este método es más preciso por ser analítico, sin embargo, es indispensable
obtener la región factible y después estudiar el comportamiento de los vértices en
la función objetivo en lugar de los desplazamientos.
2.2.4. Análisis gráfico de sensibilidad
Debido a que los sistemas con los que se trabaja son dinámicos y no estáticos, es
necesario realizar un análisis de sensibilidad para conocer cómo se afecta la
solución a un modelo cuando se modifican los coeficientes de la función
objetivo o las cantidades limitantes del modelo.
Cambio en los coeficientes de la función objetivo
Los coeficientes de la función objetivo representan la utilidad o costo
unitario de cada uno de los bienes o servicios, y por esta razón un cambio en
alguno de estos datos representará una modificación a la función objetivo,
para lo cual se considera que la solución se mantendrá en el mismo vértice
mientras la pendiente m de la recta asociada a la función objetivo sea tal que Ri Rj
m ≤ m ≤ m ; siendo Ri m y Rj m las pendientes de las fronteras de la región factible
cuya intersección forma el vértice solución. Como se muestra en la Figura 2.13.
donde las curvas punteadas indican el cambio que la pendiente de la función
objetivo puede tener sin modificar la solución del problema.
Cambio en las cantidades limitantes Cuando cambia alguna de las cantidades
limitantes, la región factible cambia su tamaño, por lo que el vértice solución puede
cambiar. Al realizar el análisis debemos cuidar que el cambio que se haga no
provoque una región no factible.
2.3. Desigualdades lineales: Casos de inversión y distribución
Como una aplicación del modelo de programación lineal se encuentran los casos
de inversión y distribución, los cuales generalmente están sujetos a múltiples
restricciones que dependen de diversos contextos, desde reservas de capital hasta
cantidad de orígenes y destinos de un problema de distribución.
El problema de un caso de inversión puede ser la selección óptima de los
instrumentos financieros que conforman un portafolio de inversiones
donde las restricciones quizás estén asociadas al riesgo de cada instrumento, a la
tasa de rendimientos o al plazo de que cada uno maneje.
Otro problema útil en los negocios puede ser la selección de diferentes
fuentes de financiamiento, ya que generalmente los negocios requieren buscar
recursos de varias fuentes y por esta razón la toma de decisiones debe apoyarse
en información cuantitativa proveniente de la solución de modelos matemáticos. Las
variables de decisión serían la cantidad de unidades que deben ser
financiadas por cada opción de financiación y la finalidad es maximizar
los ingresos o minimizar los pagos del financiamiento.
2.4. Aplicaciones de la optimización en la toma de decisiones en
los negocios
En esta sección se muestra cómo la optimización puede aportar información válida
y confiable para sustentar una toma de decisión; es importante remarcar
que, a fin de cuentas, el gerente o administrador es quien tomará la
decisión; sin embargo, si se fundamenta esta decisión en resultados cuantitativos
se estará en posición de generar mejores resultados en un negocio. Al manejar el
término negocio podríamos pensar en diferentes definiciones, y para evitar
confusiones se presenta la siguiente definición: Se entiende por negocio:
cualquier ocupación, quehacer o trabajo que sea lucrativo o de interés. De acuerdo
con lo anterior: cualquier planteamiento referido a alguna actividad de producción,
transformación, distribución o en general que se apegue a la definición de negocio
se considera como tal; dentro de estas actividades también se tienen
negocios particularmente específicos, como los casos de inversión y
distribución.

Problemas de optimización de recursos empresariales

Max ó Min Z = C X

S.A:

AX≤B

XJ > 0 ; j = 1, 2, ..., n

Objetivo

Mediante una recopilación de problemas representativos de programación lineal se

busca desarrollar la capacidad inventiva para formular problemas de optimización
de recursos.
Programación Lineal - Problema General

Definición:

Dado un conjunto de m desigualdades lineales ó ecuaciones lineales, con n

variables, se requiere hallar valores no negativos de éstas variables que satisfagan
las restricciones y maximicen ó minimicen alguna función lineal de las variables
llamada Función Objetivo.

Matemáticamente:

Hallar XJ , J = 1, 2, . . . . . n para:

Maximizar
ó Z = C1X1 + C2X2 + . . . . . . + CnXn
Minimizar

Con las siguientes restricciones:

a11X1 + . . . . . . + a1jXj + . . . . . . + a1nXn ≤ ó ≥ b1

.
ai1X1 + . . . . . . + aijXj + . . . . . + ainXn ≤ ó ≥ bi
.
am1X1 + . . . . . . + amjXj+ . . . . . . + amnXn ≤ ó ≥ bm

Xj =0 ; j = 1, 2, . . . . . . n

Unidad 3 Algoritmos especiales en la programación en

3.1. El problema de transporte: planteamiento del problema, determinación de la
Solución Básica Factible Inicial, el criterio de optimalidad y el algoritmo de
mejoramiento de la solución (Ruta de los signos)

¿Qué significa problema de transporte? Supongamos que un fabricante tiene tres

plantas que producen el mismo producto. Estas plantas a su vez mandan el
producto a dos depósitos. Cada planta puede mandar productos a todos los
depósitos, pero el costo de transporte varía con las diferentes combinaciones. El
problema es determinar la cantidad que cada planta debe mandar a cada depósito
con el fin de minimizar el costo total de transporte.
La manera más fácil de reconocer un problema de transporte es por su naturaleza
o estructura “de-hacia”: de un origen hacia un destino, de una fuente hacia un
usuario, del presente hacia el futuro, de aquí hacia allá, una relación de uno a otroAl
enfrentar este tipo de problemas, la intuición dice que debe haber una manera de
obtener una solución. Se conocen las fuentes y los destinos, las capacidades y
demandas y los costos de cada trayectoria. Debe haber una combinación óptima
que minimice el costo (o maximice la ganancia). La dificultad está en el gran número
de combinaciones posibles, debido a eso el problema del transporte recurre a
buscar soluciones con la computara y software especializado.
El responsable de gestión del trasporte debe determinar una política óptima: cómo
hacer llegar los productos de sus diversos depósitos, plantas de producción o
bodegas a sus consumidores o clientes, con el objeto de satisfacer la demanda a
un costo mínimo de transporte o de envío.
Planteamiento del problema

El problema del transporte en general se especifica mediante la siguiente

información:
1. Un conjunto de m puntos de oferta desde los cuales se envían utilidades o bienes.
2. Una lista de capacidades de suministro máximo de cada sitio de oferta si para i =
1, 2, . . ., m.
3. Un conjunto de n puntos de demanda hacia los cuales se envía una utilidad o
bien.
4. Una lista de demandas de utilidades o bienes dj de cada punto de demanda j las
cuales deben satisfacerse mínimamente.
5. Una matriz de valores que indica el costo fijo en el que se incurre al enviar una
unidad producida en el punto de oferta i y enviada al punto de demanda j, cij .

Sea: X i j = Unidades enviadas del origen i (i =1,2,...m), al destino j ( j = 1,2,...,n)

C i j = Costo unitario desde el nodo origen i hasta el nodo destino j.
= Oferta del origen i, (i = 1, 2,...,m); b j = Demanda del destino j ( j = 1, 2,...,n)

El modelo de programación lineal aquí mostrado se presenta para un problema

balanceado con las restricciones de oferta y demanda en igualdad. Para el caso de
un problema no balanceado (oferta y demanda en desigualdad) es necesario el
Equilibrio: = b j; además, debe cumplirse que toda X i j >= 0

Determinación de la Solución Básica Factible

La utilización del método SIMPLEX no resulta eficiente para resolver el Problema
de Transporte, por lo cual se utilizan otros métodos como:
a) Método de la Esquina Nor-Oeste (N-O)
b) Método de la Matriz de Costo Mínimo
c) Método de Vógel
Método de la esquina noroeste
Características
Sencillo y fácil de hacer
No tiene en cuenta los costos para hacer las asignaciones
Generalmente nos deja lejos del óptimo
Algoritmo
1. Construya una tabla de ofertas (disponibilidades) y demandas (requerimientos).
2. Empiece por la esquina noroeste.
3. Asigne lo máximo posible (Lo menor entre la oferta y la demanda,
respectivamente)
4. Actualice la oferta y la demanda y rellene con ceros el resto de casillas (Filas ó
Columnas) en donde la oferta ó la demanda halla quedado satisfecha.
5. Muévase a la derecha o hacia abajo, según halla quedado disponibilidad para
asignar.
6. Repita los pasos del 3 al 5 sucesivamente hasta llegar a la esquina inferior
derecha en la que se elimina fila y columna al mismo tiempo.
Nota: No elimine fila y columna al mismo tiempo, a no ser que sea la última casilla.
El romper ésta regla ocasionará una solución en donde el número de variables
básicas es menor a m+n-1, produciendo una solución básica factible degenerada.

Problema de ejemplo

Una compañía tiene 3 fábricas ubicadas en A, B y C, las cuales proveen a los

almacenes que están ubicados en D, E, F y G. La capacidad de producción de las
fábricas es de 70, 90 y 115 unidades mensuales respectivamente, mientras que las
capacidades de los almacenes son de 50, 60, 70 y 95 unidades respectivamente.
El costo de envió de una unidad desde cada una de las fábricas a cada una de los
almacenes se presenta en el siguiente cuadro (en pesos):
Por consiguiente la solución es:

Método del costo mínimo

Características:
Es más elaborado que el método de la esquina noroeste
 Tiene en cuenta los costos para hacer las asignaciones
Generalmente nos deja alejados del óptimo
Algoritmo:
1. Construya una tabla de disponibilidades, requerimientos y costos
2. Empiece en la casilla que tenga el menor costo de toda la tabla, si hay empate,
escoja arbitrariamente (Cualquiera de los empatados).
3. Asigne lo máximo posible entre la disponibilidad y el requerimiento (El menor de
los dos).
4. Rellene con ceros (0) la fila o columna satisfecha y actualice la disponibilidad y el
requerimiento, restándoles lo asignado.
Nota: Recuerde que no debe eliminar ó satisfacer fila y columna al mismo tiempo,
caso en que la oferta sea igual a la demanda, en tal caso recuerde usar la ε
(Épsilon).
5. Muévase a la casilla con el costo mínimo de la tabla resultante (Sin tener en
cuenta la fila o columna satisfecha).
6. Regrese a los puntos 3, 4,5 sucesivamente, hasta que todas las casillas queden
Asignadas.

Método de Vogel

Características
Es más elaborado que los anteriores, más técnico y dispendioso.
Tiene en cuenta los costos, las ofertas y las demandas para hacer las
asignaciones.
Generalmente nos deja cerca al óptimo.
Algoritmo
1. Construir una tabla de disponibilidades (ofertas), requerimientos (demanda) y
costos.
2. Calcular la diferencia entre el costo más pequeño y el segundo costo más
pequeño, para cada fila y para cada columna.
3. Escoger entre las filas y columnas, la que tenga la mayor diferencia (en caso de
empate, decida arbitrariamente).
4. Asigne lo máximo posible en la casilla con menor costo en la fila o columna
escogida en el punto 3.
5. asigne cero (0) a las otras casillas de la fila o columna donde la disponibilidad ó
el requerimiento quede satisfecho.
6. Repita los pasos del 2 al 5, sin tener en cuenta la(s) fila(s) y/o columna(s)
satisfechas, hasta que todas las casillas queden asignadas.

Nota: Recuerde que no debe satisfacer filas y columnas al mismo tiempo; caso
enque la disponibilidad sea igual al requerimiento; en tal caso use el ε (epsilon).
3.2. El problema de asignación: planteamiento del problema, Algoritmo
para determinar la asignación óptima.
Muchas de las situaciones en la vida exigen una de dos respuestas posibles: si o
no. Así Muchas de las situaciones en la vida exigen una de dos respuestas posibles:
si o no. Así es que podemos representar éstas posibilidades con los valores 0 (no)
y 1 (si), y aprovechar las matemáticas para que nos den una mano ante decisiones
difíciles; a esto es lo que solemos llamar -por obvias razones Programación Binaria.

Una de las muchísimas aplicaciones de la Programación Binaria, es el problema de

la Asignación. Este método analiza el problema de asignar un cierto número de
recursos a un determinado número de tareas, con base en algún tipo de valoración
para cada recurso. Cada recurso, podrá ser asignado a una sola tarea.

El PA consiste en asignar recursos a tareas en función de un objetivo ligado a la

eficiencia del sistema. Un ejemplo típico es el de asignación de personas a turnos
horarios, o el de asignar personas a máquinas.

El esquema tabular del PA es:

Planteamiento del problema

Minimizar el costo total de operación de modo que:

 Cada tarea se asigne a una y sólo una máquina

 Cada máquina realice una y sólo una tarea

Algoritmo para determinar la asignación optima

La utilización del método SIMPLEX o los métodos del Problema de Transporte, no
resultan eficientes para resolver el Problema de Asignación, por lo cual se utiliza
otro método denominado METODO HÚNGARO.

El Método Húngaro se desarrolló por Kuhn, basado en un trabajo de Egerváry y

Konig. Fue Kuhn quien lo denominó: Método Húngaro.
Característica del Método Húngaro

El método a estudiar tiene la siguiente característica:

a) Se garantiza la solución óptima.

b) El procedimiento requiere que la matriz de costos sea no negativa.
c) La solución óptima se obtiene en una matriz de costos equivalente cuyo valor
óptimo es cero (0).
d) El problema planteado debe estar balanceado:

e) La solución óptima no varía si a la matriz original se le incrementa un valor k a

cada celda. Pero el valor Z se incrementa en nk.
f) La solución óptima no varía si a la matriz original se le incrementa un valor k a
una fila o columna. Pero el valor Z se incrementa en k.
Proceso del Método Húngaro
1) Reducción por filas
Determinar el mínimo valor de cada fila y restarlo a todas las celdas de su
correspondiente fila. Esto garantiza un cero en cada fila.
2) Reducción por columnas
Determinar el mínimo valor de cada columna y restarlo a todas las celdas de su
correspondiente columna. Esto garantiza un cero en cada columna.
3) Cubrimiento de ceros
Con el mínimo número de rectas cubrir los ceros de la matriz reducida.
Empezar por la fila o columna que tenga el mayor número de ceros.
Si el número de rectas resulta igual a n (número de tareas o equipos) se ha llegado
a la solución óptima Pasar al paso 5 de lo contrario pasar al óptima. 5, paso 4.
4) Reducción posterior
Localizar la celda no cubierta de menor costo. Restar el valor determinado a las
celdas no cubiertas. Sumar el valor determinado a las celdas que se encuentren en
la intersección de las rectas. Regresar al paso 3.
5) Localización de la solución
Determinar las filas que tengan un único valor cero y asignarlos, eliminar las
columnas correspondientes. Determinar las columnas que tengan un único valor
cero y asignarlos, eliminar las filas correspondientes.
Repetir este procedimiento tantas veces sea necesario.
En caso de celdas con empates seleccionar arbitrariamente.
La asignación localizada de valor cero, implantarla en la matriz de costos original y
determinar el valor de Z.
Problema ejemplo
Existen 5 operarios (A, B, C, D y C) que tienen que llenar 5 cargos (I, II, III, IV y V).
La matriz de costos que caracteriza el problema de asignación es la siguiente:

Determinar la asignación óptima

1- Se calcula C’ij= Cij – elemento más pequeño de cada columna
2. Se calcula C*ij = C’ij – elemento mas pequeño de cada fila

3. Procederemos a encontrar el número mínimo de recta r que cubren todos

los
ceros de la matriz C*

Vemos que r = 4 que es diferente de m=5, por consiguiente no se ha llegado

al óptimo
4. En este caso ⍬= 1 (elemento mínimo no cubierto por las rectas). Se resta
⍬ a todos los elementos no cubiertos por las rectas- Se suma ⍬ a todos los
elementos en las intersecciones entre 2 rectas y se vuelve al paso 3. La
matriz C* se transforma en

Se observa que r = 5 = m =5, por consiguiente se ha llegado al óptimo

6. Determinamos la asignación óptima

Hay dos soluciones óptimas:

A es asignado a IV
B es asignado a II
C es asignado a I
D es asignado a V
E es asignado a II

O bien:
A es asignado a V
 B es asignado a II
C es asignado a I
D es asignado a IV
E es asignado a III
El costo total del programa en ambos casos es Z = $ 18

3.3 El uso de software

El WinQsb maneja el problema del transporte en su módulo de Modelos de Redes,
el cual en su inicio nos muestra la siguiente ventana, que se debe diligenciar así:

Fíjese que éste módulo también resuelve otros modelos de redes, que se
especifican en la parte izquierda de la ventana.
Los datos se pueden ingresar de dos formas: En una matriz ó tablero de doble
entrada ó de forma gráfica.
A continuación se ilustra el ingreso de datos en la tabla de doble entrada.
El modo de edición del menú principal permite cambiar los rótulos de las fuentes y
los destinos. No es necesario que la oferta sea igual a la demanda, el software se
encarga de agregar fuentes ó destinos de holgura, según sea la necesidad.

Para solucionar el problema, se da clic sobre el icono que aparece en la parte

superior y que se señala en la figura siguiente:
El WinQsb le ofrecerá entonces una ventana con la respuesta óptima del problema,
indicando cuántas unidades enviar desde cada una de las ciudades de origen a
cada una de las ciudades de destino, con su costo por envío y el costo total de la
operación.
Unidad 4: Modelos De Flujos En Redes

Una red se compone de un conjunto de nodos unidos por arcos (o ramas). La

notación para describir una red es (N, A), donde N es el conjunto de nodos, y A es
el conjunto de arcos.

N = {1, 2, 3, 4, 5}

A = {(1, 2), (1, 3), (2, 3), (2, 5), (3, 4), (3, 5), (4, 2), (4, 5)}

4.1 El Modelo Del Camino Más Corto

Este problema determina la ruta más corta entre un origen y un destino en una red
de transporte. El mismo modelo puede representar otras situaciones.

Esta sección presenta dos algoritmos para resolver tanto redes cíclicas (es decir,
que contienen bucles) como redes acíclicas:

1. El algoritmo de Dijkstra para determinar las rutas más cortas entre el nodo origen
y los demás nodos en la red.
2. El algoritmo de Floyd para determinar la ruta más corta entre dos nodos
cualesquiera en la red.

En esencia, el algoritmo de Floyd incluye a Dijkstra.

Algoritmo de Dijkstra. Sea Ui la distancia más corta del nodo origen 1 al nodo i, y
defina Dij (≥ 0) como la longitud del arco (i,j). El algoritmo define la etiqueta para un
nodo j que sigue inmediatamente como:

La etiqueta para el nodo de inicio es [0, 2], que indica que el nodo no tiene
predecesor. Las etiquetas de nodo en el algoritmo de Dijkstra son de dos tipos:
temporales y permanentes. Una etiqueta temporal en un nodo se modifica si puede
hallarse una ruta más corta al nodo. De lo contrario, el estado temporal cambia a
permanente.

Ejemplo 1:
La red de la figura muestra las rutas permisibles y sus longitudes en millas entre la
ciudad 1 (nodo 1) y las otras cuatro ciudades (nodos 2 a 5). Determine las rutas más
cortas entre la ciudad 1 y cada una de las cuatro ciudades restantes.

Interacción 1. Se puede llegar a los nodos 2 y 3 desde el nodo 1 (el último

etiquetado permanentemente). Así, la lista de nodos etiquetados (temporales y
permanentes) es:

Para las dos etiquetas temporales [100,1] y [30,1], el nodo 3 da la distancia mínima
(u3 = 30). De este modo, el estado del nodo 3 cambia a permanente.

Interacción 2. Se puede llegar a los nodos 4 y 5 desde el nodo 3, y la lista de los

nodos etiquetados es:

La etiqueta temporal [40,3] en el nodo 4 ahora es permanente (u4 = 40).

Interacción 3. Desde el nodo 4 se puede llegar a los nodos 2 y 5 Así, la lista de los
nodos etiquetados se actualiza como:

En el nodo 2, la nueva etiqueta [55,4] reemplaza a la etiqueta temporal [100,1] de la

iteración 1 porque proporciona una ruta más corta. Además, en la iteración 3 el nodo
5 tiene dos etiquetas alternativas con la misma distancia (u5 5 90). La etiqueta
temporal [55,4] en el nodo 2 ahora es permanente (u2 = 55).

Iteración 4. Sólo el nodo 3 permanentemente etiquetado puede ser alcanzado

desde el nodo 2. Por consiguiente, el nodo 3 no puede ser reetiquetado. La nueva
lista de etiquetas permanece como estaba en la iteración 3 excepto que la etiqueta
en el nodo 2 ahora es permanente. Esto deja al nodo 5 como la única etiqueta
temporal. Como el nodo 5 no conduce a otros nodos, su etiqueta se hace
permanente, y el proceso termina.

Los cálculos del algoritmo pueden realizarse directamente en la red, como lo

demuestra la figura:

La ruta más corta entre el nodo 1 y cualquier otro nodo en la red se determina
partiendo del nodo destino deseado y retrocediendo hasta el nodo de inicio
utilizando la información en las etiquetas permanentes. Por ejemplo, la siguiente
secuencia determina la ruta más corta del nodo 1 al nodo 2:

Por lo tanto, la ruta deseada es 1 ⇒ 3 ⇒ 4 ⇒ 2 con una distancia total de 55 millas.

Ejemplo 2:

I. Q. Smart va en auto diariamente al trabajo. Habiendo completado un curso de

análisis de redes, Smart es capaz de determinar la ruta más corta al trabajo. Por
desgracia, la ruta seleccionada está fuertemente patrullada por la policía, y con
todas las multas pagadas por exceso de velocidad, la ruta más corta puede no ser
la mejor opción. Smart ha decidido por lo tanto elegir una ruta que maximice la
probabilidad de no ser detenido por la policía.

La red en la figura muestra las posibles rutas de la casa al trabajo y la probabilidad

asociada de no ser detenido en cada segmento. La probabilidad de no ser detenido
en la ruta es el producto de las probabilidades de sus segmentos. Por ejemplo, la
probabilidad de no ser multado en la ruta 1 ⇒ 3 ⇒ 5 ⇒ 7 es .9 3 .3 3 .25 5 .0675. El
objetivo de Smart es seleccionar la ruta que maximice la probabilidad de no ser
multado.

El problema puede formularse como un modelo de la ruta más corta por medio de
una transformación logarítmica para convertir el producto de las probabilidades en
la suma de los logaritmos de las probabilidades, esto es, p1k x p1 x p2 3 … x pk se
transforma en log p1k = log p1 1 log p2 1 … 1 log pk. Las dos funciones p1k y log
p1k son monótonas y decrecen en k, así pues, maximizar p1k es equivalente a
maximizar log p1k, lo que a su vez equivale a minimizar log p1k. Por lo tanto, al
reemplazar pj con log pj para toda la j en la red, el problema se convierte en la red
de la ruta más corta en la figura:

4.2 El Modelo De Flujo Máximo

Considere una red de oleoductos que transporta petróleo crudo desde pozos hasta
refinerías. Se instalan estaciones intermedias de reforzamiento y bombeo a
distancias apropiadas para mover el crudo en la red. Cada segmento de tubería
tiene una velocidad de descarga finita (o capacidad) de flujo de crudo. Un segmento
de tubería puede ser unidireccional o bidireccional, según su diseño. La figura 6.26
muestra una red de oleoductos típica. El objetivo es determinar la capacidad de flujo
máxima de la red. La solución del problema propuesto requiere agregar una sola
fuente y un solo sumidero o vertedero, utilizando arcos de capacidad infinita
unidireccionales, como se muestra mediante los arcos de rayas en la figura 6.26.
Para el arco (i,j), la notación proporciona las capacidades de flujo en las dos
direcciones i S j y j S i. Para eliminar la ambigüedad, colocamos a junto al nodo i y
a junto al nodo Cji, como se muestra en la figura.
Enumeración de cortes:

Un corte define un conjunto de arcos cuya eliminación de la red interrumpe el flujo

entre los nodos fuente y sumidero. La capacidad de corte es igual a la suma de las
capacidades de su conjunto de arcos. Entre todos los cortes posibles en la red, el
corte con la capacidad mínima es el cuello de botella que determina el flujo máximo
en la red.

Algoritmo de flujo máximo:

Este algoritmo se basa en el hallazgo de rutas de avance con flujo positivo entre los
nodos fuente y sumidero. Cada ruta destina una parte de o todas las capacidades
de sus arcos al flujo total en la red. Considere el arco (i, j) con las capacidades
bidireccionales (de diseño) (cij, cji). Como algunas partes de estas capacidades se
destinan al flujo en el arco, los residuos (capacidades no utilizadas, o flujo
remanente) del arco se actualizan. Utilizamos la notación (cij, cji) para representar
los residuos. Para un nodo j que recibe flujo del nodo i, anexamos la etiqueta [aj,i]
donde aj es el flujo del nodo i al nodo j.
Ejemplos:

Considere la red de la figura 6.28. Las capacidades bidireccionales se muestran en

los arcos respectivos por medio de la convención utilizada en la figura 6.27. Por
ejemplo, el límite de flujo para el arco (3,4) es de 10 unidades de 3 a 4, y de 5
unidades de 4 a 3. La figura 6.28 ilustra tres cortes con las siguientes capacidades:
La única información de los tres cortes es que el flujo máximo en la red no puede
exceder de 60 unidades. Para determinar el flujo máximo es necesario enumerar
todos los cortes, una tarea difícil para la red general. Por lo tanto, la necesidad de
un algoritmo eficiente es imperativa.

Determine el flujo máximo en la red del ejemplo 6.4-1 (figura 6.28). La figura 6.30
proporciona un resumen gráfico de las iteraciones del algoritmo. Verá que es útil
comparar la descripción de las iteraciones con el resumen gráfico.
4.3 El Modelo Del Árbol De Expansión Mínima

Este árbol vincula los nodos de una red valiéndose de la longitud mínima total de
las ramas de conexión. Una aplicación común se presenta en la pavimentación de
carreteras que unen poblaciones, o de forma directa, o que pasan por otras
poblaciones. La solución del árbol de mínima expansión proporciona el diseño del
sistema de carreteras.

Sea N = {1, 2,…,n} el conjunto de nodos de la red y defina

Ck = Conjunto de nodos que han estado conectados de manera permanente en la

iteración

Ck = Conjunto de nodos que se construirán permanentemente después de la

iteración k

Los siguientes pasos describen al algoritmo del árbol de mínima expansión:

Paso 0. Establezca CO = Ø Y C 0 = N

Paso 1. Inicie con cualquier nodo i en el conjunto no conectado C o y establezca C1

= [i] , lo que produce C1 = N – [i] . Establezca k = 2.

Paso general k. Seleccione un nodo, j*, en el conjunto no conectado Ck-1, que

produzca el arco más corto a un nodo en el conjunto Ck-1 conectado. Vincule j*
permanentemente a Ck-1 y elimínelo de CK- 1 para obtener CK Y CK
respectivamente. Deténgase si CK está vacío; de lo contrario, establezca k = k + 1
y repita el paso.

 Ejemplo 1
Dada la siguiente red obtenga el árbol de expansión mínima
 El árbol de expansión mínima es: 200 + 224 + 300 + 283 + 200 + 400 = 1607

 Ejemplo 2
Midwest TV Cable Company va a proporcionar servicio de cable a cinco
desarrollos habitacionales. La figura 6.6 ilustra las posibles conexiones de
TV a las cinco áreas, con las millas de cable anexadas a cada arco. El
objetivo es determinar la red de cables más económica. El algoritmo se inicia
en el nodo 1 (en realidad, cualquier otro nodo puede ser un punto de inicio),
el cual da por resultado Las iteraciones del algoritmo se resumen en la figura
6.7. Los arcos delgados proporcionan todos los candidatos entre C y. Los
arcos gruesos son los vínculos permanentes del conjunto conectado C, y el
arco de rayas es el nuevo vínculo (permanente) agregado en cada iteración.
Por ejemplo, en la iteración 1, la rama (1, 2) es el vínculo más corto (5 1 milla)
entre todas las ramas candidatas del nodo 1 a los nodos 2, 3, 4, 5 y 6 en el
conjunto no conectado. De ahí que el vínculo (1, 2) se hace permanente y j*
5 2, de lo cual resulta C2 = {1, 2}, C2 = {3, 4, 5, 6} C1 C
El árbol de mínima expansión que se muestra en la iteración 6 de la figura
6.7 da la solución. Las millas de cable mínimas resultantes que se necesitan
para proporcionar el servicio de cable deseado son 1 + 3 + 4 + 3 + 5 = 16
millas. Comentarios. En teoría, un árbol de mínima expansión puede
formularse y resolverse como un programa lineal. Sin embargo, la PL no es
una opción práctica porque deben agregarse numerosas restricciones para
excluir todos los ciclos y el resultado es una PL enorme, aun para redes
pequeñas.
Unidad 4: Modelos De Flujos En Redes
Una red se compone de un conjunto de nodos unidos por arcos (o ramas). La
notación para describir una red es (N, A), donde N es el conjunto de nodos, y A es
el conjunto de arcos.

N = {1, 2, 3, 4, 5}

A = {(1, 2), (1, 3), (2, 3), (2, 5), (3, 4), (3, 5), (4, 2), (4, 5)}

4.1 El Modelo Del Camino Más Corto

Este problema determina la ruta más corta entre un origen y un destino en una red
de transporte. El mismo modelo puede representar otras situaciones.

Esta sección presenta dos algoritmos para resolver tanto redes cíclicas (es decir,
que contienen bucles) como redes acíclicas:

1. El algoritmo de Dijkstra para determinar las rutas más cortas entre el nodo origen
y los demás nodos en la red.

2. El algoritmo de Floyd para determinar la ruta más corta entre dos nodos
cualesquiera en la red.

En esencia, el algoritmo de Floyd incluye a Dijkstra.

Algoritmo de Dijkstra. Sea Ui la distancia más corta del nodo origen 1 al nodo i, y
defina Dij (≥ 0) como la longitud del arco (i,j). El algoritmo define la etiqueta para un
nodo j que sigue inmediatamente como:

La etiqueta
para el nodo
de inicio es
[0, 2], que indica que el nodo no tiene predecesor. Las etiquetas de nodo en el
algoritmo de Dijkstra son de dos tipos: temporales y permanentes. Una etiqueta
temporal en un nodo se modifica si puede hallarse una ruta más corta al nodo. De
lo contrario, el estado temporal cambia a permanente.
Ejemplo 1:

La red de la figura muestra las rutas permisibles y sus longitudes en millas entre la
ciudad 1 (nodo 1) y las otras cuatro ciudades (nodos 2 a 5). Determine las rutas más
cortas entre la ciudad 1 y cada una de las cuatro ciudades restantes.

Iteración 0. Asigne una etiqueta permanente [0, 2] al nodo 1.

Iteración 1. Se puede llegar a los nodos 2 y 3 desde el nodo 1 (el último etiquetado
permanentemente). Así, la lista de nodos etiquetados (temporales y permanentes)
es:

Para las dos etiquetas temporales [100,1] y [30,1], el nodo 3 da la distancia mínima
(u3 = 30). De este modo, el estado del nodo 3 cambia a permanente.

Iteración 2. Se puede llegar a los nodos 4 y 5 desde el nodo 3, y la lista de los

nodos etiquetados es:
La etiqueta temporal [40,3] en el nodo 4 ahora es permanente (u4 = 40).

Iteración 3. Desde el nodo 4 se puede llegar a los nodos 2 y 5 Así, la lista de los
nodos etiquetados se actualiza como:

En el nodo 2, la nueva etiqueta [55,4] reemplaza a la etiqueta temporal [100,1] de la

iteración 1 porque proporciona una ruta más corta. Además, en la iteración 3 el nodo
5 tiene dos etiquetas alternativas con la misma distancia (u5 5 90). La etiqueta
temporal [55,4] en el nodo 2 ahora es permanente (u2 = 55).

Iteración 4. Sólo el nodo 3 permanentemente etiquetado puede ser alcanzado

desde el nodo 2. Por consiguiente el nodo 3 no puede ser reetiquetado. La nueva
lista de etiquetas permanece como estaba en la iteración 3 excepto que la etiqueta
en el nodo 2 ahora es permanente. Esto deja al nodo 5 como la única etiqueta
temporal. Como el nodo 5 no conduce a otros nodos, su etiqueta se hace
permanente, y el proceso termina.

Los cálculos del algoritmo pueden realizarse directamente en la red, como lo

demuestra la figura:
La ruta más corta entre el nodo 1 y cualquier otro nodo en la red se determina
partiendo del nodo destino deseado y retrocediendo hasta el nodo de inicio
utilizando la información en las etiquetas permanentes. Por ejemplo, la siguiente
secuencia determina la ruta más corta del nodo 1 al nodo 2:

Por lo tanto, la ruta deseada es 1 ⇒ 3 ⇒ 4 ⇒ 2 con una distancia total de 55 millas.

Ejemplo 2:

I. Q. Smart va en auto diariamente al trabajo. Habiendo completado un curso de

análisis de redes, Smart es capaz de determinar la ruta más corta al trabajo. Por
desgracia, la ruta seleccionada está fuertemente patrullada por la policía, y con
todas las multas pagadas por exceso de velocidad, la ruta más corta puede no ser
la mejor opción. Smart ha decidido por lo tanto elegir una ruta que maximice la
probabilidad de no ser detenido por la policía.

La red en la figura muestra las posibles rutas de la casa al trabajo y la probabilidad

asociada de no ser detenido en cada segmento. La probabilidad de no ser detenido
en la ruta es el producto de las probabilidades de sus segmentos. Por ejemplo, la
probabilidad de no ser multado en la ruta 1 ⇒ 3 ⇒ 5 ⇒ 7 es .9 3 .3 3 .25 5 .0675. El
objetivo de Smart es seleccionar la ruta que maximice la probabilidad de no ser
multado.
El problema puede formularse como un modelo de la ruta más corta por medio de
una transformación logarítmica para convertir el producto de las probabilidades en
la suma de los logaritmos de las probabilidades, esto es, p1k x p1 x p2 3 … x pk se
transforma en log p1k = log p1 1 log p2 1 … 1 log pk. Las dos funciones p1k y log
p1k son monótonas y decrecen en k, así pues, maximizar p1k es equivalente a
maximizar log p1k, lo que a su vez equivale a minimizar log p1k. Por lo tanto, al
reemplazar pj con log pj para toda la j en la red, el problema se convierte en la red
de la ruta más corta en la figura:

4.2 El Modelo De Flujo Máximo

Considere una red de oleoductos que transporta petróleo crudo desde pozos hasta
refinerías. Se instalan estaciones intermedias de reforzamiento y bombeo a
distancias apropiadas para mover el crudo en la red. Cada segmento de tubería
tiene una velocidad de descarga finita (o capacidad) de flujo de crudo. Un segmento
de tubería puede ser unidireccional o bidireccional, según su diseño. La figura 6.26
muestra una red de oleoductos típica. El objetivo es determinar la capacidad de flujo
máxima de la red. La solución del problema propuesto requiere agregar una sola
fuente y un solo sumidero o vertedero, utilizando arcos de capacidad infinita
unidireccionales, como se muestra mediante los arcos de rayas en la figura 6.26.
Para el arco (i,j), la notación proporciona las capacidades de flujo en las dos
direcciones i S j y j S i. Para eliminar la ambigüedad, colocamos a junto al nodo i y
a junto al nodo Cji, como se muestra en la figura.

Enumeración de cortes:

Un corte define un conjunto de arcos cuya eliminación de la red interrumpe el flujo

entre los nodos fuente y sumidero. La capacidad de corte es igual a la suma de las
capacidades de su conjunto de arcos. Entre todos los cortes posibles en la red, el
corte con la capacidad mínima es el cuello de botella que determina el flujo máximo
en la red.

Algoritmo de flujo máximo:

Este algoritmo se basa en el hallazgo de rutas de avance con flujo positivo entre los
nodos fuente y sumidero. Cada ruta destina una parte de o todas las capacidades
de sus arcos al flujo total en la red. Considere el arco (i, j) con las capacidades
bidireccionales (de diseño) (cij, cji). Como algunas partes de estas capacidades se
destinan al flujo en el arco, los residuos (capacidades no utilizadas, o flujo
remanente) del arco se actualizan. Utilizamos la notación (cij, cji) para representar
los residuos. Para un nodo j que recibe flujo del nodo i, anexamos la etiqueta [aj,i]
donde aj es el flujo del nodo i al nodo j.
Ejemplos:

Considere la red de la figura 6.28. Las capacidades bidireccionales se muestran en

los arcos respectivos por medio de la convención utilizada en la figura 6.27. Por
ejemplo, el límite de flujo para el arco (3,4) es de 10 unidades de 3 a 4, y de 5
unidades de 4 a 3. La figura 6.28 ilustra tres cortes con las siguientes capacidades:
La única información de los tres cortes es que el flujo máximo en la red no puede
exceder de 60 unidades. Para determinar el flujo máximo es necesario enumerar
todos los cortes, una tarea difícil para la red general. Por lo tanto, la necesidad de
un algoritmo eficiente es imperativa.

Determine el flujo máximo en la red del ejemplo 6.4-1 (figura 6.28). La figura 6.30
proporciona un resumen gráfico de las iteraciones del algoritmo. Verá que es útil
comparar la descripción de las iteraciones con el resumen gráfico.
4.3 El Modelo Del Árbol De Expansión Mínima

Este árbol vincula los nodos de una red valiéndose de la longitud mínima total de
las ramas de conexión. Una aplicación común se presenta en la pavimentación de
carreteras que unen poblaciones, o de forma directa, o que pasan por otras
poblaciones. La solución del árbol de mínima expansión proporciona el diseño del
sistema de carreteras.

Sea N = {1, 2,…,n} el conjunto de nodos de la red y defina

Ck = Conjunto de nodos que han estado conectados de manera permanente en la

iteración

Ck = Conjunto de nodos que se construirán permanentemente después de la

iteración k

Los siguientes pasos describen al algoritmo del árbol de mínima expansión:

Paso 0. Establezca CO = Ø Y C 0 = N

Paso 1. Inicie con cualquier nodo i en el conjunto no conectado C o y establezca C1

= [i] , lo que produce C1 = N – [i] . Establezca k = 2.

Paso general k. Seleccione un nodo, j*, en el conjunto no conectado Ck-1, que

produzca el arco más corto a un nodo en el conjunto Ck-1 conectado. Vincule j*
permanentemente a Ck-1 y elimínelo de CK- 1 para obtener CK Y CK
respectivamente. Deténgase si CK está vacío; de lo contrario, establezca k = k + 1
y repita el paso.

 Ejemplo 1
Dada la siguiente red obtenga el árbol de expansión mínima
 El árbol de expansión mínima es: 200 + 224 + 300 + 283 + 200 + 400 = 1607

 Ejemplo 2
Midwest TV Cable Company va a proporcionar servicio de cable a cinco
desarrollos habitacionales. La figura 6.6 ilustra las posibles conexiones de
TV a las cinco áreas, con las millas de cable anexadas a cada arco. El
objetivo es determinar la red de cables más económica. El algoritmo se inicia
en el nodo 1 (en realidad, cualquier otro nodo puede ser un punto de inicio),
el cual da por resultado Las iteraciones del algoritmo se resumen en la figura
6.7. Los arcos delgados proporcionan todos los candidatos entre C y. Los
arcos gruesos son los vínculos permanentes del conjunto conectado C, y el
arco de rayas es el nuevo vínculo (permanente) agregado en cada iteración.
Por ejemplo, en la iteración 1, la rama (1, 2) es el vínculo más corto (5 1 milla)
entre todas las ramas candidatas del nodo 1 a los nodos 2, 3, 4, 5 y 6 en el
conjunto no conectado. De ahí que el vínculo (1, 2) se hace permanente y j*
5 2, de lo cual resulta C2 = {1, 2}, C2 = {3, 4, 5, 6} C1 C
El árbol de mínima expansión que se muestra en la iteración 6 de la figura
6.7 da la solución. Las millas de cable mínimas resultantes que se necesitan
para proporcionar el servicio de cable deseado son 1 + 3 + 4 + 3 + 5 = 16
millas. Comentarios. En teoría, un árbol de mínima expansión puede
formularse y resolverse como un programa lineal. Sin embargo, la PL no es
una opción práctica porque deben agregarse numerosas restricciones para
excluir todos los ciclos y el resultado es una PL enorme, aun para redes
pequeñas.
5.1 Construcción de redes de actividades de un proyecto

El Método del Camino Crítico es una parte de la fase administrativa de planeación

que se encarga de la programación, ejecución y control de un proyecto que deba
realizarse con aprovechamiento óptimo de tiempo y costos destinados al mismo. No
solo se denomina Camino Crítico al sistema total, sino también se le llama así a la
serie de actividades, a partir de la iniciación y hasta la terminación del proyecto que
no tienen posibilidad de variación en su tiempo de ejecución, ya que si una de ellas
retrasara el proyecto total sufrirá el mismo efecto. También se entiende por camino
crítico a la secuencia de actividades que ocupan el mayor tiempo de ejecución del
proyecto y con lo cual definen la duración total del mismo. El Método del Camina
Crítico tiene una variada gama de aplicaciones dentro de la Administración
moderna, además de aquellas correspondientes a la industria de la construcción de
procesos industriales. Algunos de los proyectos de carácter administrativo
financiero o mercadotécnico que pueden ser desarrollados mediante el Método del
Camino Crítico son: Lanzamiento de un nuevo producto al mercado. Instalación y
puesta en marcha de un sistema de Cómputo Electrónico. Preparación del
presupuesto de una obra civil. Realización de Auditorías de Estados Financieros.
Etc. Prevaleciendo como características de los proyectos el que: No sean cíclicos o
repetitivos dentro del trabajo cotidiano. Se busque realizarlos con el óptimo
aprovechamiento de los recursos financieros, humanos y materiales dentro del
tiempo programado.
PASOS PARA ELABORAR UNA RED DE ACTIVIDADES.
En todo proyecto será necesario dividir el Método del Camino Crítico en dos etapas:
1.- Planeación y Programación
2.- Ejecución y Control

a) Definición y Objetivos del Proyecto. En él se evalúa la factibilidad de éxito del

mismo, si se cuenta con los recursos necesarios, así como la época más viable
para el inicio tomando en cuenta las necesidades de la empresa y sus directivos,
la carga del trabajo en determinadas temporadas, etc.
b) Lista de Actividades a realizar. Es el detalle de las funciones a ejecutar ya sean
físicas o mentales, que integran procesos o fases que se interrelacionan en el
desarrollo de un proyecto.

c) Matrices o tablas de información

•Matriz de antecedentes y secuencias. -esta tabla de información permite

interrelacionar las actividades indicando cuáles deberán ser elaboradas antes o
después según la secuencia del desarrollo del proyecto. Para ser llenada se
prepara una hoja con 4 columnas cuyos encabezados son: Antecedentes, Actividad
Núm., Secuencias y Anotaciones.

•Matriz de tiempos. - Se procede a elaborar la correspondiente a los tiempos

estimados para la realización de cada actividad programada y así obtener la
duración total de un proyecto. Aplicando la fórmula PERT permitirá calcular el
tiempo estándar (te) el cual será usado en el proyecto. Tiempo óptimo (o)
representa el mínimo posible de consumir la actividad. Tiempo Normal (M) es el
que en condiciones normales se necesita para la ejecución de las actividades
programadas. Tiempo pésimo (p) es el máximo necesario para realizar la actividad
si todo saliera mal. Tiempo estándar (te)
te = 0 + 4M + p 6

•Matriz de costos y pendientes. - Se solicita a los responsables del proyecto que

proporcionen el costo expresado en unidades monetarias; ya con los datos
solicitados se calcula la pendiente (m) que es la relación que guardan el tiempo y
el costo.

d) Red o gráfica de actividades (símbolos). Se llama así a la representación gráfica

de la matriz de antecedentes, secuencias y tiempos, mediante ella es posible
mostrar en forma clara y comprensible la relación, interrelación, secuencias,
 etc., de las actividades a realizar así como el camino crítico. Las actividades se
representan mediante flechas las cuales indican el tiempo que se ocupará en
su realización. Estas flechas pueden ser rectas, curvas, quebradas, etc., según
las necesidades en el trazo de la red, ejemplos:

En algunos casos, al trazar la red, es necesario indicar la relación de una actividad

con otro u horas, para lo cual es necesario dibujar flechas que indiquen dicha
relación; este tipo de flechas, al no representar consumo de tiempo y/o recursos, se
dibujan en forma punteada, ejemplos:

A estas actividades se les conoce con los nombres de actividades ficticias o "ligas".
Todas las ligas se dibujarán de izquierda a derecha (a excepción de aquellas
actividades reales que por ser muy breve su duración se represente con cero de
tiempo y
por lo tanto
se
dibujarán
en forma
ascendente o descendente), y tanto al inicio como al término de cada una de ellas
es necesario dibujar un pequeño círculo (o) el cual se denomina como "evento" o
"nodo", los que señalarán el principio o fin de la actividad, ejemplos:

Al evento de iniciación se le conoce como evento "i" y al de la finalización como

evento "j", el evento final de una actividad será el inicial de la actividad siguiente. De
un evento pueden iniciar o terminar varias actividades, ejemplo:

Al dibujar la Red es conveniente evitar:

1) Que dos o más actividades que inicien de un mismo evento terminen,

también, en un mismo evento, ejemplo:

Ya que puede provocar error al interpretarla, por lo que se recomienda el uso

de luna "liga" o actividad ficticia para relacionarlos, ejemplo:

2) No puede iniciar una actividad a la mitad de la otra

 Y para evitarlo es necesario dividir en dos la actividad en donde se origine el
problema.
3) No se deben tener al iniciar la red, varios eventos que parten de actividades
distintas sin relacionarlos entre sí, mediante ligas, ejemplo

4) El mismo cuidado se debe tener al finalizar la red, ejemplo

5) Cuando existe alguna actividad con duración de cero, se dibuja así:

Para trazar la red se utiliza, preferentemente, papel cuadriculado dibujando primero

una escala de tiempos que represente la división utilizada al calcular la matriz
(horas, días semanas, meses, etc.) Es siempre conveniente dibujar la red con lápiz
ya que, normalmente, se cambiarán de lugar algunas actividades para facilitar su
construcción. Para finalizar el dibujo de una red se trazan las ligas a partir de las
actividades hasta el último nodo o evento ya trazado, quedando totalmente
terminada la red del proyecto el cual tendrá una duración a tiempo estándar (te).
Una vez que la Red de Actividades del proyecto ha sido concluida, se conoce la
duración total del mismo el cual puede ser: Menor del tiempo previsto.- En este caso
se puede decir que la Red de está terminada y se procede a calcular los costos del
proyecto. Igual del tiempo previsto.- Se procede igual que en el inciso anterior.
Mayor del tiempo previsto.- En este caso obliga a cumplir el tiempo de algunas
actividades, con el objetivo de reducir el tiempo del proyecto obtenido por el
programado por la dirección.
e) Elasticidad y probabilidad de retraso. La segunda etapa se divide a su vez en:
a) Graficas de control de tiempos y costos
. b) Ajustes y Evaluación de resultados
5.2 Aplicación métodos de planeación, programación y control de proyectos para
determinar la ruta crítica bajo condiciones de certidumbre e incertidumbre.

Definición.El método del camino crítico es un proceso administrativo de planeación,

programación, ejecución y control de todas y cada una de las actividades

componentes de un proyecto que debe desarrollarse dentro de un tiempo crítico y

al costo óptimo.
Usos.
El campo de acción de este método es muy amplio, dada su gran flexibilidad y
adaptabilidad a cualquier proyecto grande o pequeño. Para obtener los mejores
resultados debe aplicarse a los proyectos que posean las siguientes características:

 Que el proyecto sea único, no repetitivo, en algunas partes o en su totalidad.

 Que se deba ejecutar todo el proyecto o parte de el, en un tiempo mínimo,
sin variaciones, es decir, en tiempo crítico.
 Que se desee el costo de operación más bajo posible dentro de un tiempo
disponible.

Dentro del ámbito aplicación, el método se ha estado usando para la planeación y

control de diversas actividades, tales como construcción de presas, apertura de
caminos, pavimentación, construcción de casas y edificios, reparación de barcos,
investigación de mercados, movimientos de colonización, estudios económicos
regionales, auditorías, planeación de carreras universitarias, distribución de tiempos
de salas de operaciones, ampliaciones de fábrica, planeación de itinerarios para
cobranzas, planes de venta, censos de población, etc., etc.
DIFERENCIAS ENTRE PERT Y CPM

Como se indicó antes, la principal diferencia entre PERT y CPM es la manera en

que se realizan los estimados de tiempo. E1 PERT supone que el tiempo para
realizar cada una de las actividades es una variable aleatoria descrita por una
distribución de probabilidad. E1 CPM por otra parte, infiere que los tiempos de las
actividades se conocen en forma determinísticas y se pueden variar cambiando el
nivel de recursos

utilizados.
La distribución de tiempo que supone el PERT para una actividad es una distribución
beta. La distribución para cualquier actividad se define por tres estimados:

(1) el estimado de tiempo más probable, m;

(2) el estimado de tiempo más optimista, a; y
(3) el estimado de tiempo más pesimista, b

La forma de la distribución se muestra en la siguiente Figura tiempo más probable

es el tiempo requerido para completar la actividad bajo condiciones normales.

Los tiempos optimistas y pesimistas proporcionan una medida de la incertidumbre

inherente en la actividad, incluyendo desperfectos en el equipo, disponibilidad de
mano de obra, retardo en los materiales y otros factores.

Con la distribución definida, la media (esperada) y la desviación estándar,

respectivamente, del tiempo de la actividad para la actividad Z puede calcularse por
medio de las fórmulas de aproximación

El tiempo esperado de finalización de un proyecto es la suma de todos los tiempos

esperados de las actividades sobre la ruta crítica. De modo similar, suponiendo que
las distribuciones de los tiempos de las actividades son independientes
(realísticamente, una suposición fuertemente cuestionable), la varianza del proyecto
es la suma de las varianzas de las actividades en la ruta crítica. Estas propiedades
se demostrarán posteriormente
En CPM solamente se requiere un estimado de tiempo. Todos los cálculos se hacen
con la suposición de que los tiempos de actividad se conocen. A medida que el
proyecto avanza, estos estimados se utilizan para controlar y monitorear el
progreso. Si ocurre algún retardo en el proyecto, se hacen esfuerzos por lograr que
el proyecto quede de nuevo en programa cambiando la asignación de recursos.

cambiando la asignación de recursos. Metodología. El Método del Camino Critico

consta de dos ciclos:

1. Planeación y Programación. 2. Ejecución y Control

Definición del proyecto Aprobación del proyecto
Lista de Actividades Ordenes de trabajo
Matriz de Secuencias Gráficas de control
Matriz de Tiempos Reportes y análisis de los
avances
 Red de Actividades Toma de decisiones y ajustes
Costos y pendientes
Compresión de la red
Limitaciones de tiempo, de recursos y
económicos
Matriz de elasticidad
Probabilidad de retraso

Definición del Proyecto

En toda actividad a realizar se requieren conocimientos precisos y claros de lo que

se va a ejecutar, de su finalidad, viabilidad, elementos disponibles, capacidad
financiera, etc. Esta etapa aunque esencial para la ejecución del proyecto no forma
parte del método. Es una etapa previa que se debe desarrollar separadamente y
para la cual también puede utilizarse el Método del Camino Critico. Es una
investigación de objetivos, métodos y elementos viables y disponibles.

Lista de Actividades

Es la relación de actividades físicas o mentales que forman procesos

interrelacionados en un proyecto total. En general esta información es obtenida de
las personas que intervendrán en la ejecución del proyecto, de acuerdo con la
asignación de responsabilidades y nombramientos realizados en la Definición del
Proyecto.

Las actividades pueden ser físicas o mentales, como construcciones, tramites,

estudios, inspecciones, dibujos, etc. En términos generales, se considera Actividad
a la serie de operaciones realizadas por una persona o grupo de personas en forma
continua, sin interrupciones, con tiempos determinables de iniciación y terminación.
Esta lista de actividades sirve de base a las personas responsables de cada proceso
para que elaboren sus presupuestos de ejecución.
Ejemplo:

Jefes de mantenimiento y producción.

Elaboración del proyecto parcial de 
ampliación.
Calculo del costo y preparación de 
presupuestos
Aprobación del proyecto 
Desempaque de las maquinas nuevas 
Colocación de las maquinas viejas y 
nuevas.
Instalación de las maquinas 
Pruebas generales 
Arranque general 
Revisión y limpieza de maquinas viejas 
Pintura de maquinas viejas 
Pintura y limpieza del edificio 

Ingeniero electricista.
Elaboración del proyecto eléctrico 
Calculo de los costos y presupuestos. 
Aprobación del proyecto 
Instalación de un transformador nuevo 
Instalación de nuevo alumbrado 
Instalación de interruptores y 
arrancadores

Ingeniero contratista
Elaboración del proyecto de obra muerta 
Calculo de los costos y presupuestos. 
Aprobación del proyecto 
Cimentación de las máquinas 
Pisos nuevos. 
Colocación de ventanas nuevas 

Esta es una lista de los responsables en un proyecto de ampliación de una fabrica

Matriz de Secuencias Existen dos procedimientos para conocer la secuencia de las
actividades:

(1) Por antecedentes

(2) Por secuencias

Por antecedentes,

se les preguntará a los responsables de los procesos cuales actividades deben

quedar terminadas para ejecutar cada una de las que aparecen en la lista. Debe
tenerse especial cuidado que todas y cada una de las actividades tenga por lo
menos una antecedente excepto en el caso de ser actividades iniciales, en cuyo
caso su antecedente será cero(0)
En el segundo procedimiento se preguntara a los responsables de la ejecución,
cuales actividades deben hacerse al terminar cada una de las que aparecen en la
lista. Para este efecto debemos presentar la matriz de secuencias iniciando con la
actividad cero(0) que servira para indicar solamente el punto de partida de las
demás. La información debe tomarse una por una de las actividades listadas, sin
pasar por alto ninguna de ellas

En la columna de "anotaciones" el programador hara todas las indicaciones que le

ayuden a aclarar situaciones de secuencias y presentación de la red. Estas
anotaciones se hacen a discreción, ya que esta matriz es solamente un papel de
trabajo. Si se hace una matriz de antecedentes es necesario hacer después una
matriz de secuencias, pues es ésta última la que se utiliza para dibujar la red. Esta
matriz no es definitiva, porque generalmente se hacen ajustes posteriores en
relación con la existencia y disponibilidades de materiales, mano de obra y otras
limitaciones de ejecución.
Por Matriz de Secuencias
Matriz de Tiempos En el estudio de tiempos se requieren tres cantidades estimadas
por los responsables de los procesos: El tiempo medio (M), el tiempo óptimo (o) y
el tiempo pésimo (p)
El tiempo medio (M) es el tiempo normal que se necesita para la ejecución de las
actividades, basado en la experiencia personal del informador. El tiempo óptimo (o)
es el que representa el tiempo mínimo posible sin importar el costo o cuantía de
elementos materiales y humanos que se requieran; es simplemente la posibilidad
física de realizar la actividad en el menor tiempo. El tiempo pésimo (p) es un tiempo
excepcionalmente grande que pudiera presentarse ocasionalmente como
consecuencia de accidentes, falta de suministros, retardos involuntarios, causas no
previstas, etc. Debe contarse sólo el tiempo en que se ponga remedio al problema
presentado y no debe contar el tiempo ocioso.