Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
GLOSARIO
ALUMNO:
Manríquez Aguilar Juan Manuel
PROFESOR
Zavala Berdeja Jesús
2|Página
Cliente................................................................................................................ 40
Capacidad de la cola ......................................................................................... 41
Disciplina de la cola ........................................................................................... 41
Mecanismo de servicio ...................................................................................... 41
La cola ............................................................................................................... 41
El sistema de la cola .......................................................................................... 41
Distribución de Poisson ..................................................................................... 42
UNIDAD 5: USOS DE LOS PRONÓSTICOS EN PRODUCCIÓN ......................... 44
Pronóstico .......................................................................................................... 44
Métodos cualitativos .......................................................................................... 45
Métodos cuantitativos de pronósticos ................................................................ 46
Pronósticos de la demanda ............................................................................... 46
Serie de tiempo.................................................................................................. 48
Pronóstico de series de tiempo.......................................................................... 48
Tendencia Secular ............................................................................................. 49
Variación estacional ........................................................................................... 49
Variación cíclica ................................................................................................. 50
Variación Irregular ............................................................................................. 50
Causales ............................................................................................................ 50
Inventario ........................................................................................................... 52
Costos de inventarios ........................................................................................ 53
Modelos probabilísticos ..................................................................................... 57
Modelo “EOQ”.................................................................................................... 58
UNIDAD 6: REDES ............................................................................................... 61
Redes ................................................................................................................ 61
Gráfica ............................................................................................................... 62
Red .................................................................................................................... 62
Cadena .............................................................................................................. 62
Ruta ................................................................................................................... 62
Ciclo ................................................................................................................... 63
Ramal orientado ................................................................................................ 63
Gráfica orientada ............................................................................................... 64
3|Página
Árbol .................................................................................................................. 64
Árbol de expansión ............................................................................................ 64
Nodo fuente ....................................................................................................... 65
Nodo destino...................................................................................................... 65
Gráfica de Gantt ................................................................................................ 73
Método de la ruta crítica (pert/cpm) ................................................................... 75
Red pert ............................................................................................................. 80
4|Página
UNIDAD 1: TOMA DE DECISIONES
Investigación de operaciones
La Investigación de Operaciones (IO) o Investigación Operativa es una rama de las
matemáticas que hace uso de modelos matemáticos y algoritmos con el objetivo de
ser usado como apoyo a la toma de decisiones. Se busca que las soluciones
obtenidas sean significativamente más eficientes (en tiempo, recursos, beneficios,
costos, etc.) en comparación a aquellas decisiones tomadas en forma intuitiva o sin
el apoyo de una herramienta para la toma de decisiones.
Ejemplo de producción:
Una empresa ha dejado de fabricar ciertos productos, liberando de esta forma las
cargas de producción que tenían sus equipos en los departamentos de maquinado.
Ahora se tienen horas máquina que se pueden utilizar en los productos
denominados 1, 2,3 de la siguiente manera:
Máquina Horas por pieza de producto Rectificadora 3 - 2 150
Horas Maq. Disponibles
Utilidad$/ pieza 50 20 25
1 2 3 por semana
Recomendación del Mínimo Mínimo
Fresadora 9 3 5 500 Mínimo
Torno 5 4 – 350 Depto. Vtas a Prod. 30 15 20
Formular un modelo de P.L para este problema:
•Definición de variables a utilizar en el método de programación linealSea: Xj =
número de piezas de producto j(j=1,2,3) a fabricar para maximizar la utilidad.
•Función económica y objetivo:MAX Z= 50X1 + 20X2 + 25X3 [ (Dls/Unidad)
(Unidad/Sem)] = [Dls/Sem.]
Sujeta a restricciones de horas máquina disponibles por semana
Fresadora: 9X1 + 3X2 + 5X3 * 500 horas máquina fresadora. Torno: 5X1 + 4X2 *
350 horas máquina tornoRectificadora: 3X1 + 2X3 * 150 horas maquina
rectificadora. Condiciones de signos pare las variables:X1 * 30 piezasX2 * 15
piezasX3 * 20 piezas
5|Página
Algoritmo
Se denomina algoritmo a un grupo finito de operaciones organizadas de manera
lógica y ordenada que permite solucionar un determinado problema. Se trata de una
serie de instrucciones o reglas establecidas que, por medio de una sucesión de
pasos, permiten arribar a un resultado o solución.
Según los expertos en matemática, los algoritmos permiten trabajar a partir de un
estado básico o inicial y, tras seguir los pasos propuestos, llegar a una solución.
Cabe resaltar que, si bien los algoritmos suelen estar asociados al ámbito
matemático (ya que permiten, por citar casos concretos, averiguar el cociente entre
un par de dígitos o determinar cuál es el máximo común divisor entre dos cifras
pertenecientes al grupo de los enteros), aunque no siempre implican la presencia
de números.
Ejemplo
ALGORITMO: Promedio
DESCRIPCIÓN: Calcular la media (promedio) de 3 números
CONSTANTES: --------------------------------
VARIABLES: Entero: N1, N2, N3 Real: Prom
INICIO
1. Leer N1, N2, N3
2. Prom= (N1+ N2+ N3)/3
3. Escribir Prom
Decisión
“Decisión” va a suponer una “elección” o “selección” fundamentada en criterios de
algún carácter bien establecido, esto es, “decisión” va a suponer una elección de
acuerdo con un cuerpo de criterios que contemple, no solo el conocimiento previo
de la gama de opciones, sino además una evaluación de los resultados posibles y
la existencia de un ente decisor. Ello a su vez entraña que las condiciones de
adopción de decisiones puede dar origen a formulaciones claramente diferenciadas,
por lo que debemos tener claros los elementos que componen una situación de
decisión.
Elementos que componen una situación de decisión
La existencia de un conjunto de soluciones alternativas (acciones,
estrategias)
6|Página
Conjunto de acciones externas que enfrenta el que tomo la decisión, que se
denominan estados de la naturaleza, y que constituye el ambiente donde se
presenta el problema. 4.
Los resultados que se obtienen por el uso de una alternativa determinada
para los posibles estados de la naturaleza.
La existencia de un decisor a quien corresponde proponer los criterios de
selección y aplicarlo.
El grado de conocimiento que se tiene sobre el comportamiento de los
estados de la naturaleza.
De los cinco elementos antes mencionados los 3 primeros son esenciales, mientras
que los otros 2 tienen más bien un carácter metodológico.
Ejemplo:
Si una empresa decide ampliar sus horizontes en el mercado regional abriendo
sucursales, entonces hablamos de una decisión empresarial. Cuando las empresas
deciden optimizar la producción a partir de la implementación de nuevas
tecnologías.
Naturaleza
Matriz de pago
7|Página
Para el desarrollo del análisis de decisiones es fundamental la matriz de pagos que
en realidad es una lista de posibles estados de la naturaleza versus las diferentes
alternativas de decisión. Dentro del cuerpo de la tabla, es decir, para el cruce de
cada estado de la naturaleza y cada decisión figuran las utilidades (o pérdidas).
Ejemplo.
Consideremos el juego piedra, papel o tijera, donde el perdedor debe pagar una
unidad monetaria al ganador y en caso de empate no hay pago para ninguno. La
siguiente tabla puede considerarse una matriz de pagos para el juego:
Piedra 0 -1 +1
Papel +1 0 -1
Tijera -1 +1 0
Árbol de decisión
8|Página
o estimular la demanda con publicidad local. La respuesta a la publicidad puede ser
modesta o considerable, con probabilidades estimadas de un 30% y 70%,
respectivamente. Si es modesta, la ganancia estimada será sólo de $20; si la
respuesta es considerable, la ganancia aumenta a $220; y por último, si construye
una instalación grande y la demanda resulta ser alta, la ganancia estimada es de
$800.
Dibuje un árbol de decisiones. Después analícelo para determinar el pago esperado
de cada decisión y nodo de evento. ¿Qué alternativa tiene la ganancia esperada
más alta?.
Para estos efectos es importante comprender la nomenclatura comúnmente
utilizada para representar un árbol de decisión.
1. Los nodos de decisión se anotan como cuadrados.
2. Los nodos de incertidumbre se anotan como círculos.
3. Los nodos de resultados finales se anotan como triángulos.
4. Los eventos se unen con líneas o ramas del árbol.
5. Los costos o beneficios asociados a una decisión o evento se anotan en
la rama (para efectos de recordar aplicarlos al final de esa rama).
6. Las probabilidades de un evento se anotan entre paréntesis en la rama
correspondiente a ese evento.
7. Los valores asociados a cada pago final se anotan junto al triangulo
correspondiente, e incluyen costos asociados a la rama.
8. Se diseñan comenzando por la decisión inicial, y una rama a la vez. Es
importante tener claro el orden temporal de los eventos.
9. Es importante distinguir entre eventos sobre los cuales se tiene poder de
decisión, y aquellos que no.
10. Se debe estimar el valor o resultado final de cada extremo del árbol.
11. Se deben estimar o calcular las probabilidades de ocurrencia de los eventos
inciertos.
12. Se deben estimar los correspondientes valores esperados para cada rama
del árbol. La resolución es hacia atrás.
9|Página
Criterio intermedio
El criterio de Wald y el criterio maximax. Dado que muy pocas personas son tan
extremadamente pesimistas u optimistas como sugieren dichos criterios, Hurwicz
(1951) considera que el decisor debe ordenar las alternativas de acuerdo con una
media ponderada de los niveles de seguridad y optimismo:
Maximin
Lo que propone el modelo de Maximin o de Wald es fijarnos en las valoraciones
más bajas dentro de todas las soluciones es decir, las valoraciones más bajas son:
1 para la solución A, 2 para la B y 4 para la C,
10 | P á g i n a
Entonces dentro de este rango nos quedamos con C, pues es la más alta dentro de
las peores, la filosofía es la mejor de las peores , esto supone una pérdida de
información porque no se tienen en cuenta el resto de campos y la opción elegida
no podría ser la más óptima.
Estamos hablando de una forma Pesimista de elegir según Wald.
Maximax
Al contrario que el anterior, el modelo Maximax propone trabajar con los datos que
mayor puntuación han obtenido, por ejemplo, en nuestro cuadro las de mayor
puntuación son:
8 para A, 10 para B y de 9 para C, aplicando la lógica de este modelo tomaríamos
como decisión final la B pues su puntuación es superior al resto, la mejor de las
mejores, por lo que es la que más beneficios daría. Nos encontramos en la misma
tesitura que antes, no contamos con toda la información y podemos estar eligiendo,
como antes, no la mejor de las decisiones.
Como hemos comentado esta vez la forma de tomar la decisión sería Optimista.
11 | P á g i n a
UNIDAD 2: MODELOS DE PROGRAMACIÓN LINEAL
Programación lineal
La programación lineal es un conjunto de técnicas racionales de análisis y de
resolución de problemas que tiene por objeto ayudar a los responsables en las
decisiones sobre asuntos en los que interviene un gran número de variables.
Ejemplo:
Unos grandes almacenes encargan a un fabricante pantalones y chaquetas
deportivas.
El fabricante dispone para confección de 750 m de tejido de algodón y 1000 m de
tejido de poliéster. Cada pantalón precisa 1 m de algodón y 2 m de poliéster. Para
cada chaqueta se necesita 1.5 m de algodón y 1 m de poliéster.
El precio del pantalón se fija en $ 50 y de la chaqueta en $40.
¿Qué número de pantalones y chaquetas debe suministrar el fabricante a los
almacenes para que estos consignan una venta máxima?
1. Elección de las incógnitas.
X= número de pantalones
Y= número de chaquetas
2. Función objetivo
F(x,y)=50x + 40y
3. Restricciones
Para escribir las restricciones vamos a ayudarnos de una tabla:
Poliéster 2 1 1000
12 | P á g i n a
Tenemos que representar gráficamente las restricciones.
Al ser x > 0 e y > 0, trabajaremos en el primer cuadrante.
Representamos las rectas, a partir de sus puntos de corte con los ejes.
Programación lineal
Resolvemos gráficamente la inecuación: 2x + 3y < 1500, para ello tomamos un
punto del plano, por ejemplo el (0,0).
Modelo matemático
Un modelo matemático describe teóricamente un objeto que existe fuera del campo
de las Matemáticas. Las previsiones del tiempo y los pronósticos económicos, por
ejemplo, están basados en modelos matemáticos. Su éxito o fracaso depende de la
precisión con la que se construya esta representación numérica, la fidelidad con la
que se concreticen hechos y situaciones naturales en forma de variables
relacionadas entre sí.
La utilidad de estos modelos radica en que ayudan a estudiar cómo se comportan
las estructuras complejas frente a aquellas situaciones que no pueden verse con
facilidad en el ámbito real.
Existen modelos que funcionan en ciertos casos y que resultan poco precisos en
otros, como ocurre con la mecánica newtoniana, cuya fiabilidad fue cuestionada por
el propio Albert Einstein.
Puede decirse que los modelos matemáticos son conjuntos con ciertas relaciones
ya definidas, que posibilitan la satisfacción de proposiciones que derivan de los
axiomas teóricos. Para ello, se sirven de diversas herramientas, como ser el álgebra
13 | P á g i n a
lineal que, por ejemplo, facilita la fase de análisis, gracias a la representación gráfica
de las distintas funciones.
Ejemplo:
Según el objetivo del modelo, podemos describir los siguientes tipos:
* Modelo de simulación, que intenta adelantarse a un resultado en una determinada
situación, sea que ésta se pueda medir en forma precisa o aleatoria;
* Modelo de optimización, que contempla distintos casos y condiciones, alternando
valores, para encontrar la configuración más satisfactoria;
* Modelo de control, a través del cual se pueden determinar los ajustes necesarios
para obtener un resultado particular.
Variable
Es un símbolo constituyente de un predicado, fórmula, algoritmo o de una
proposición. El término «variable» se utiliza aun fuera del ámbito matemático para
designar una cantidad susceptible de tomar distintos valores numéricos dentro de
un conjunto de números especificado.1
En contraste, una constante es un valor que no cambia (aunque puede no ser
conocido, o indeterminado). En este contexto, debe diferenciarse de una constante
matemática, que es una magnitud numérica específica, independientemente de la
naturaleza del problema dado.
Las variables de decisión son los elementos a través de los cuales se logra el
objetivo que se persigue. La definición de las variables de decisión se identifica con
cada una de las actividades en que se descompone el problema que se estudia y
se realiza en dos etapas fundamentales: Definición conceptual y definición
dimensional. Existe un tercer elemento que puede estar definido o no, esto es la
definición temporal de las mismas.
Definición conceptual Esta definición se refiere a lo que significa la variable en el
contexto del problema. Para definir la variable desde el punto de vista conceptual
hay que tener en cuenta el principio de unicidad. La unicidad puede ser de cuatro
tipos:
Unicidad de origen
Unicidad de destino
Unicidad de estructura tecnológica
Unicidad de coeficiente económico.
14 | P á g i n a
Definición dimensional. Esta definición está ligada al aspecto cuantitativo. Es decir
es necesario definir las unidades de medidas en que se va a expresar las variables.
Por ejemplo, toneladas, cajas, unidades, galones, etc.
Ejemplo:
En un enfoque "clínico", por ejemplo, si se desea estudiar el comportamiento de las
infecciones hospitalarias de un establecimiento, la unidad de análisis podría
corresponder al evento "infección hospitalaria" o a "paciente con infección
intrahospitalaria". Es evidente que la cifra en ambos casos puede ser diferente: un
"paciente" con infección intrahospitalaria puede tener más de un "evento" de
infección intrahospitalaria.
Esquema de unidades de análisis y Variables con ejemplo.
Método gráfico
El método gráfico es un procedimiento de solución de problemas de programación
lineal, muy limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si es
3D) pero muy rico en materia de interpretación de resultados e incluso análisis de
sensibilidad.
Este consiste en representar cada una de las restricciones y encontrar en la medida
de lo posible el polígono (poliedro) factible, comúnmente llamado el conjunto
solución o región factible, en el cual por razones trigonométricas en uno de sus
vértices se encuentra la mejor respuesta (solución óptima).
Ejemplo:
La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad
diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo
c. Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y
15 | P á g i n a
72 gr de c; para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de
b y 27 gr de c.
RESTRICCIONES
XT = x
16 | P á g i n a
XT' = y
Acto seguido iniciamos con la primera restricción, hallamos las primeras dos
coordenadas. Para hallar las coordenadas regularmente llevamos una de las
variables a cero, para de esta manera despejar más fácilmente la segunda.
y para un y = 0
17 | P á g i n a
Seguimos con la segunda restricción,
18 | P á g i n a
Tercera restricción,
19 | P á g i n a
En el siguiente gráfico se muestra el polígono solución de color gris, en este
conjunto es donde cada coordenada cumple con todas las restricciones, las cuales
se caracterizan por ser restricciones de menor o igual y esta característica se
representa con una flecha hacía abajo.
20 | P á g i n a
Una vez se llega a este punto es indispensable saber que las soluciones óptimas
se alojan en los vértices del polígono solución (color gris) y que identificar a la
solución óptima es cuestión de elegir la mejor alternativa dependiendo de las
herramientas disponibles (tecnológicas y conocimientos matemáticos).
Función objetivo,
luego igualamos a 0.
4000x + 5000y = 0
luego tabulamos para obtener las coordenadas necesarias para esbozar la gráfica
correspondientes a la ecuación (en esta ocasión es recomendable más de dos
coordenadas, incluyendo la coordenada (x = 0, y = 0).
21 | P á g i n a
FUNCIÓN OBJETIVO
Método Simplex
Aunque en la realidad rara vez surgen problemas únicamente con dos o tres
variables de decisión resulta, sin embargo, muy útil esta metodología de resolución.
Al reproducir gráficamente las situaciones posibles como son la existencia de una
solución óptima única, soluciones óptimas alternativas, la no existencia de solución
y la no acotación, constituye una ayuda visual para interpretar y entender el
22 | P á g i n a
algoritmo del método Simplex (bastante más sofisticado y abstracto) y los conceptos
que lo rodean.
Análisis de sensibilidad
23 | P á g i n a
UNIDAD 3: TRANSPORTE Y ASIGNACIÓN
Problema de asignación
Consiste en encontrar la forma de asignar ciertos recursos disponibles (máquinas o
personas) para la realización de determinadas tareas al menor coste, suponiendo
que cada recurso se destina a una sola tarea, y que cada tarea es ejecutada por
uno solo de los recursos.
Es uno de los problemas fundamentales de optimización combinatoria de la rama
de optimización o investigación operativa en matemática.
El modelo se puede aplicar a la asignación de empleados a tareas, de fábricas a
productos, de vendedores a territorios, de postores a contratos, etc.
Con una sencilla manipulación, el método también se puede aplicar al caso en el
que se pretende maximizar cierta cantidad.
l problema de asignación presenta las siguientes características:
El Problema de Asignación debe estar equilibrado, es decir, que las ofertas
y las demandas sean igual a 1. Un elemento importante para el problema de
asignación es la matriz de costos. Si el número de renglones o columnas no
son iguales el problema está desbalanceado y se puede obtener una solución
incorrecta. Para obtener una solución correcta la matriz debe ser cuadrada.
Si el número de agentes y tareas son iguales y el coste total de la asignación
para todas las tareas es igual a la suma de los costes de cada agente (o la
suma de los costes de cada tarea, que es lo mismo en este caso), entonces
el problema es llamado problema de asignación lineal. Normalmente, cuando
hablamos de problema de asignación sin ninguna matización adicional, nos
referimos al problema de asignación lineal.
Problema de Transporte
Es, en matemáticas y economía, un caso particular de problema de programación
lineal en el cual se debe minimizar el coste del abastecimiento a una serie de puntos
de demanda a partir de un grupo puntos de oferta —posiblemente de distinto
número—, teniendo en cuenta los distintos precios de envío de cada punto de oferta
a cada punto de demanda.
Ejemplo:
24 | P á g i n a
Algoritmo del simplex
El método o algoritmo del símplex se utiliza para hallar las soluciones óptimas de
un problema de programación lineal con tres o más variables. Es un procedimiento
iterativo de programación lineal que va desechando las soluciones no factibles y, en
cada paso, evalúa si la solución obtenida es óptima o no. Las etapas de este
algoritmo son:
1. Planteamiento del problema: identificación de las variables y definición de
la función objetivo y del sistema de inecuaciones lineales para restricciones.
2. Conversión de las desigualdades en igualdades; en cada restricción se
introduce una variable de holgura en el miembro menor (o menor o igual) de
la desigualdad.
3. Igualación a cero de la función objetivo.
4. Escritura de una tabla inicial símplex (matriz): en las columnas, las
variables del problema; una fila para cada conjunto de coeficientes de una
restricción y una fila más para los coeficientes de la función objetivo.
5. Determinación de las variables y los coeficientes.
Ejemplo de tabla inicial símplex:
x1 x2 x3 h1 h2 h3
25 | P á g i n a
h1 3 4 2 1 0 0 0 300
h2 2 1 2 0 1 0 0 200
h3 1 3 3 0 0 1 0 150
Z -2 -4 -5 0 0 1 1 0
Ejemplo:
Una compañía tiene 3 almacenes con 15, 25 y 5 artículos disponibles
respectivamente. Con estos productos disponibles desea satisfacer la demanda de
4 clientes que requieren 5, 15, 15 y 10 unidades respectivamente. Los costos
asociados con el envío de mercancía del almacén al cliente por unidad se dan en la
siguiente tabla.
26 | P á g i n a
Clientes
Almacén 1 2 3 4
1 10 0 20 11
2 12 7 9 20
3 0 14 16 18
El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores,
dado que se trata simplemente de la asignación de la mayor cantidad de unidades
posibles (sujeta a las restricciones de oferta y/o demanda) a la celda menos costosa
de toda la matriz hasta finalizar el método.
Ejemplo:
Por medio de este método resolveremos el problema de transporte propuesto y
resuelto en módulos anteriores mediante programación lineal.
EL PROBLEMA
Una empresa energética colombiana dispone de cuatro plantas de generación para
satisfacer la demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y
Barranquilla. Las plantas 1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW
al día respectivamente. Las necesidades de las ciudades de Cali, Bogotá, Medellín
y Barranquilla son de 70, 40, 70 y 35 millones de Kw al día respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW entre
cada planta y cada ciudad son los registrados en la siguiente tabla.
27 | P á g i n a
Formule un modelo de programación lineal que permita satisfacer las necesidades
de todas las ciudades al tiempo que minimice los costos asociados al transporte.
Optimización
Es la acción y efecto de optimizar. Este verbo hace referencia a buscar la mejor
manera de realizar una actividad. El término se utiliza mucho en el ámbito de la
informática.
La optimización puede realizarse en diversos ámbitos, pero siempre con el mismo
objetivo: mejorar el funcionamiento de algo o el desarrollo de un proyecto a través
de una gestión perfeccionada de los recursos. La optimización puede realizarse en
distintos niveles, aunque lo recomendable es concretarla hacia el final de un
proceso.
Una persona que desea optimizar su tiempo laboral, por ejemplo, puede cambiar la
organización de sus actividades, buscar apoyo en la tecnología o trabajar con
alguien que le aporte conocimientos complementarios. Si la optimización es exitosa,
el sujeto podrá realizar más trabajo en menos tiempo y utilizando menos energías
en el proceso.
Optimización es un concepto que casi todas las personas aprendemos de manera
natural desde la infancia, aunque no conozcamos el término hasta alcanzada un
cierta edad. Los colegios primarios suelen incluir en sus programas la realización
de trabajos prácticos en grupo, y es a través de esta actividad en particular que
tenemos uno de nuestros primeros acercamientos a la búsqueda de la mejor
organización posible: intentamos dividir las tareas, de manera tal que cada
integrante se haga cargo de aquello que mejor sabe hacer.
Método de asignación
Estos problemas ocurren en muchos contextos de la administración. En general
consisten en el problema para determinar la asignación óptima de agentes objetos
“indivisibles”, en el sentido de que ningún agente se puede dividir entre varias
28 | P á g i n a
tareas. La restricción importante, para cada agente, es que será designado a una
solo una tarea.
Elaboración de la tabla de costos por asignación.
PASO 2 Restar el valor mas pequeño de cada uno de los demás valores de la
columna:
En la priemra columna Leipzig, el valor más pequeño es 11. Este valor se le resta a
los demás valores de la columna.
29 | P á g i n a
PASO 3. Resta el valor más pequeño de cada renglon de los demàs valores de ese
renglon.
En el primer renglon, el valor más pequeño es 0.
En el segundo renglon, el valor más pequeño es 0.
En el tercer renglon, el valor más pequeño es 4.
En el cuarto renglon, el valor más pequeño es o.
PASO 4. Se traza el
minimo número de líneas que puedan pasar através de todos los ceros de la tabla.
Las lineas diagonales no se permiten. En algunos casos este paso causa
dificultades, ya que ordinariamente hay muchas formas de trazar estas lineas. Las
diferentes alternativas son posibles siempre y cuando el número de lineas sea
mínimo.
30 | P á g i n a
Por ejemplo se pueden trazar las líneas en la tabla de la siguente manera :
31 | P á g i n a
PASO 6. Esta tabla es posible solución, por l otanto hay que realizar el
procedimiento a partir del paso 4.
Trazando el mínimo número de líneas para cubrir todos los ceros, se obtiene lo
siguiente
La prueba de
optimalidad: ¿número de líneas= número de reglón/columna? En este caso hay 3
líneas y 4 renglones/columnas, por lo tanto hay que continuar con el procedimiento.
Se elige el mínimo valor de los valores de la tabla que no estàn cruzados. En este
caso 1.
Se resta valor a todos los valores de la tabla no cruzados de la tabla y se suma a
los valores de las casillas situadas en la intersección de líneas, los demás valores
permanecen inalterados.
32 | P á g i n a
El resultado de la nueva
tabla es:
33 | P á g i n a
Se traza el mínimo número de líneas que cubran todos los ceros de la tabla.
Método hungaro
El método Húngaro es un método de optimización de problemas de asignación,
conocido como tal gracias a que los primeros aportes al método clásico definitivo
fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros.
34 | P á g i n a
El algoritmo tal como se detallará a continuación está diseñado para la resolución
de problemas de minimización únicamente, será entonces cuestión de agregar un
paso adicional para abordar ejercicios de maximización.
Ejemplo:
EL PROBLEMA
La compañía de manufactura "Jiménez y Asociados" desea realizar una jornada
de mantenimiento preventivo a sus tres máquinas principales A, B y C. El tiempo
que demanda realizar el mantenimiento de cada máquina es de 1 día, sin embargo
la jornada de mantenimiento no puede durar más de un día, teniendo en cuenta
que la compañía cuenta con tres proveedores de servicios de mantenimiento debe
de asignarse un equipo de mantenimiento a cada máquina para poder cumplir con
la realización del mantenimiento preventivo. Teniendo en cuenta que según el
grado de especialización de cada equipo prestador de servicios de mantenimiento
el costo de la tarea varía para cada máquina en particular, debe de asignarse el
equipo correcto a la máquina indicada con el objetivo de minimizar el costo total de
la jornada. Los costos asociados se pueden observar en la siguiente tabla:
www.ingenieriaindustrialonline.com
PASO 1
Encontramos el menor elemento de cada fila
PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.
35 | P á g i n a
PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta
vez en relación a las columnas, por ende escogemos el elemento menor de cada
columna. Igualmente construimos una nueva matriz con la diferencia entre los
valores de la matriz 2 y el elemento menor de la columna a la cual corresponde
cada valor.
PASO 4
En este paso trazaremos la menor cantidad de combinaciones de líneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz de
costos reducidos.
36 | P á g i n a
Como se puede observar el menor número de líneas horizontales y/o verticales
necesarias para cubrir los ceros de la matriz de costos reducidos es igual a 2, por
ende al ser menor que el número de filas o columnas es necesario recurrir al paso
5.
PASO 5
En este paso seleccionamos el menor elemento de los elementos no subrayados.
37 | P á g i n a
Ahora ya efectuado este paso pasamos al paso 4.
Ahora observamos cómo se hace necesario trazar tres líneas (la misma cantidad
de filas o columnas de la matriz) por ende se ha llegado al tabulado final, en el que
por simple observación se determina las asignaciones óptimas.
38 | P á g i n a
UNIDAD 4: LINEAS DE ESPERA
Teoría de colas
La teoría de colas es el estudio de los sistemas de líneas de espera en sus distintas
modalidades. El estudio de estos modelos sirve para determinar la forma más
efectiva de gestionar un sistema de colas.
La teoría de colas es el estudio matemático del comportamiento de líneas de espera.
Esta se presenta cuando los clientes llegan a un lugar demandando un servicio a
un “servidor”, el cual tiene una cierta capacidad de atención. Si el servidor no está
disponible inmediatamente y el cliente decide esperar, entonces se forma la línea
de espera.
¿PARA QUÉ SIRVE LA TEORÍA DE COLAS?
El estudio de las colas nos sirve para proporcionar tanto una base teórica del tipo
de servicio que podemos esperar de un determinado recurso, como la forma en la
cual dicho recurso puede ser diseñado para proporcionar un determinado grado de
servicio a sus clientes.
Aplicaciones de la teoría de colas:
Facturación en aeropuertos.
Cajeros automáticos.
Restaurantes de comida rápida.
Esperas en líneas de atención telefónica.
Intersecciones de tráfico.
Aviones en espera para aterrizar.
Llamadas a la policía o a compañías de servicios públicos.
Estándares de calidad del servicio.
Análisis económicos que incluyan comparaciones entre costes de
explotación, inversiones de capital.
OBJETIVOS DE LA TEORÍA DE COLAS
Identificar el nivel óptimo de capacidad del sistema que minimiza el coste
global del mismo.
Evaluar el impacto que las posibles alternativas de modificación de la
capacidad del sistema tendrían en el coste total del mismo.
39 | P á g i n a
Establecer un balance equilibrado (“óptimo”) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
Hay que prestar atención al tiempo de permanencia en el sistema o en la
cola: la “paciencia” de los clientes depende del tipo de servicio específico
considerado y eso puede hacer que un cliente “abandone” el sistema.
Ejemplo:
Un ejemplo de cola es cuando se va a comprar un boleto para viajar, si existen
pocas personas para ser atendidas será una cola pequeña, sin embargo, si hay un
gran número de personas esperando ser atendidas será una cola muy grande, el
número de servidores dependerá de cuantas personas están atendiendo y el cliente
será la persona que quiere comprar el boleto el número de servidores podrá ser de
uno hasta infinito.
Un sistema de colas se justifica por seis características principales:
El tiempo de distribución de entradas o llegadas.
El tipo de distribución de salidas o retiros.
Los canales de servicio.
La disciplina del servicio.
El número máximo de clientes permitidos en el sistema.
La fuente o población.
Cliente
Es todo individuo de la población potencial que solicita servicio. Suponiendo que los
tiempos de llegada de clientes consecutivos son 0<t1<t2<…, será importante
conocer el patrón de probabilidad según el cual la fuente de entrada genera clientes.
40 | P á g i n a
Capacidad de la cola
Disciplina de la cola
Es el modo en el que los clientes son seleccionados para ser servidos. Las
disciplinas más habituales son:
La disciplina FIFO (first in first out), también llamada FCFS (first come first served):
según la cual se atiende primero al cliente que antes haya llegado.
La disciplina LIFO (last in first out), también conocida como LCFS (last come first
served) o pila: que consiste en atender primero al cliente que ha llegado el último.
La RSS (random selection of service), o SIRO (service in random order), que
selecciona a los clientes de forma aleatoria.
Mecanismo de servicio
Es el procedimiento por el cual se da servicio a los clientes que lo solicitan. Para
determinar totalmente el mecanismo de servicio se debe conocer el número de
servidores de dicho mecanismo (si dicho número fuese aleatorio, la distribución de
probabilidad del mismo) y la distribución de probabilidad del tiempo que le lleva a
cada servidor dar un servicio. En caso de que los servidores tengan distinta destreza
para dar el servicio, se debe especificar la distribución del tiempo de servicio para
cada uno.
La cola
El sistema de la cola
41 | P á g i n a
Es el conjunto formado por la cola y el mecanismo de servicio, junto con la disciplina
de la cola, que es lo que indica el criterio de qué cliente de la cola elegir para pasar
al mecanismo de servicio. Estos elementos pueden verse más claramente en la
siguiente figura:
Un modelo de sistema de colas debe especificar la distribución de probabilidad de
los tiempos de servicio para cada servidor.
Distribución de Poisson
42 | P á g i n a
2.
1. Los valores permitidos para x en la distribución de Poisson no tienen
cota superior (0,1,2,3…) al contrario que la binomial que si estaba
acotada (0,1,2,3…n).
Aplicaciones
el número de muertes por caballo patadas en el ejército prusiano (primera
aplicación)
defectos de nacimiento y mutaciones genéticas
las enfermedades raras (como la leucemia, pero no el SIDA porque es
infecciosa y por tanto no independiente) – especialmente en casos legales
accidentes automovilísticos
el flujo de tráfico y la distancia de seguridad
número de errores de escritura en una página
pelos encontrados en las hamburguesas de McDonald
propagación de un animal en peligro de extinción en África
fallos de una máquina en un mes
43 | P á g i n a
UNIDAD 5: USOS DE LOS PRONÓSTICOS EN
PRODUCCIÓN
Pronóstico
3. Corto Plazo.
Son estimaciones de situaciones futuras que van desde unos días hasta varias
semanas. Estos pronósticos pueden abarcar periodos tan cortos de tiempo que los
44 | P á g i n a
ciclos, la estacionalidad y los patrones de tendencia surten muy poco efecto. El
patrón principal de datos que afecta a estos pronósticos es la fluctuación aleatoria
Según su atención al detalle se clasifican en:
Micropronósticos. Involucran pequeños detalles e interesan a los niveles
medios y de primera línea.
Macropronósticos. Se realizan a gran escala y son del interés de la alta
dirección.
Según la intensidad del uso de datos se clasifican en:
Pronósticos cualitativos. Se basan en el juicio de individuos o grupos de
individuos, se pueden presentar en forma numérica pero generalmente no
están basados en series de datos históricos.
Pronósticos cuantitativos. Emplean cantidades significativas de datos previos
como base de predicción. Pueden ser:
o Simples (no formales): proyectan datos pasados hacia el futuro sin
explicar las tendencias futuras.
o Causales (explicativos): intentan explicar las relaciones funcionales
entre la variable a ser estimada (variable dependiente) y la variable o
variables que explican los cambios (variables independientes).
Métodos cualitativos
Las técnicas cualitativas se usan cuando los datos son escasos, por ejemplo cuando
se introduce un producto nuevo al mercado. Estas técnicas usan el criterio de la
persona y ciertas relaciones para transformar información cualitativa en estimados
cuantitativos. Algunos son:
Jurado de opinión ejecutiva. Un grupo de ejecutivos corporativos se
reúnen, sus opiniones se promedian para generar el pronóstico.
Composición de la fuerza de ventas. Combina estimaciones de los
vendedores sobre las compras esperadas de los clientes.
Método Delphi. Empleada predominantemente en la predicción de
tendencias y cambios tecnológicos. Emplea un panel de expertos que no se
reúnen sino que el proceso se lleva a cabo mediante una serie secuencial de
preguntas y respuestas escritas.
Encuestas de opinión. Permiten identificar cambios en las tendencias, se
llevan a cabo en muestras de la población.
45 | P á g i n a
Investigación de mercado. Se usa para evaluar y probar hipótesis acerca
de mercados reales.
Evaluación de clientes. Combina estimaciones de los clientes habituales.
En el siguiente video, de la UPV, se presentan las características de cuatro de los
métodos cualitativos más empleados en la elaboración de pronósticos.
Pronósticos de la demanda
46 | P á g i n a
El pronóstico de la demanda da origen a varias clases de proyecciones. Por
ejemplo, un pronóstico puede referirse a una industria entera, a una línea de
productos o bien a una marca individual. Puede aplicarse a la totalidad de un
mercado o a un segmento en particular. La estimación puede basarse en factores
generales o en un plan específico de comercialización. Por lo tanto, para que un
pronóstico se entienda y sea útil, es importante aclarar exactamente qué cosa
describe.
Algunos métodos para pronosticar la demanda
Una compañía puede pronosticar las ventas mediante un método de “arriba abajo”
descendente o de “abajo a arriba” ascendente.
47 | P á g i n a
Serie de tiempo
Una serie de tiempo es una lista de fechas, cada una de las cuales se asocia a un
valor (un número). Las series de tiempo son un modo estructurado de representar
datos. Visualmente, es una curva que evoluciona a lo largo del tiempo. Por ejemplo,
las ventas diarias de un producto pueden representarse como una serie de tiempo.
En el sector minorista o en el de manufactura, las series de tiempo son importantes
porque son las representaciones más canónicas del flujo de artículos vendido o
producido. La representación de datos comerciales como series de tiempo
generalmente ayuda a los encargados a visualizar la actividad de sus comercios.
Ejemplo de series de tiempo
El gráfico que se encuentra arriba representa, como dos series de tiempo agregadas
mensualmente, la actividad de búsqueda en la red en Estados Unidos de dos
expresiones: cloud computing y asp.net mvc.
El pronóstico de las series de tiempo significa que extendemos los valores históricos
al futuro, donde aún no hay mediciones disponibles. El pronóstico se realiza
generalmente para optimizar áreas como los niveles de inventario, la capacidad de
producción o los niveles de personal.
48 | P á g i n a
Existen dos variables estructurales principales que definen un pronóstico de serie
de tiempo:
El período, que representa el nivel de agregación. Los períodos más
comunes son meses, semanas y días en la cadena de suministro (para la
optimización del inventario). Los centros de atención telefónica utilizan
períodos de cuartos de hora (para la optimización del personal).
El horizonte, que representa la cantidad de períodos por adelantado que
deben ser pronosticados. En la cadena de suministro, el horizonte es
generalmente igual o mayor que el tiempo de entrega.
Ejemplo:
Luego, existen algunas sutilezas relacionadas con la definición del período mismo,
principalmente debido a irregularidades del calendario. Por ejemplo, uno puede
decidir que la agregación mensual comienza el día N de cada mes (en lugar del 1.º),
pero si N es mayor que 28, causa problemas porque no todos los meses tienen más
de 28 días.
Tendencia Secular
Variación estacional
49 | P á g i n a
Por ejemplo: Un fabricante de albercas inflables espera poca actividad de ventas
durante los meses de otoño e invierno y tiene ventas máximas en los de primavera
y verano, mientras que los fabricantes de equipo para la nieve y ropa de abrigo
esperan un comportamiento anual opuesto al del fabricante de albercas.
Variación cíclica
Con frecuencia las series de tiempo presentan secuencias alternas de puntos abajo
y arriba de la línea de tendencia que duran más de un año, esta variación se
mantiene después de que se han eliminado las variaciones o tendencias estacional
e irregular. Un ejemplo de este tipo de variación son los ciclos comerciales cuyos
períodos recurrentes dependen de la prosperidad, recesión, depresión y
recuperación, las cuales no dependen de factores como el clima o las costumbres
sociales.
Variación Irregular
Causales
50 | P á g i n a
relativas se han encontrado, se construye y utiliza un modelo estadístico para
pronosticar la variable de interés. Este intento es más poderoso que los métodos de
serie de tiempo que únicamente utilizan los datos históricos para pronosticar la
variable.
Se pueden considerar muchos factores en un análisis causal.
Por ejemplo:
Las ventas de un producto pueden estar relacionadas con el presupuesto de
publicidad de la empresa, los precios de competidores y las estrategias
promociónales, o aun las tasas económicas y de desempleo. En este caso, las
ventas serían llamadas variable dependiente y otras variables serían llamadas
variables independientes. El trabajo del administrador es de desarrollar la mejor
relación estadística entre las ventas y las variables independientes. El modelo de
pronóstico causal cuantitativo más común es el análisis de regresión lineal.
Ejemplo 4- 8:
Carvajal suministra oficinas en el territorio colombiano. Al paso del tiempo, la
compañía se ha percatado que el volumen en pesos de su trabajo de renovación es
dependiente de la nómina de sus clientes en Colombia. La siguiente tabla enumera
ingresos y la cantidad de dinero ganada por los trabajadores asalariados en
Colombia durante los años 2.004-2005:
51 | P á g i n a
Ventas = 1.75 + 0.25x
Si se predice que la nómina será de 6.000 millones para el próximo año, es posible
estimar las ventas de Carvajal con la ecuación de regresión: o Ventas = 1.75 + 0.25
(6) x ($000.000.000) o Ventas = $ 3.250´000.000
Inventario
52 | P á g i n a
necesidades de producción que tenemos nos puede ayudar a reducir los
costes.
Ejemplo de inventario:
Panificadora la Moderna del Sur S.A de C.V
Inventario de materias primas:
Existencias a inicio de semana
Aceite 80 litros
Chocolate 50 kilos
Mermelada de
40 kilos
fresa
Mermelada de 60 kilos
piña
50 tablillas
Cobertura simple
Costos de inventarios
53 | P á g i n a
bastante altos. Normalmente, se acepta que los costes de almacenamiento por sí
solos representen el 25 % del valor de inventario disponible.
Para los minoristas y los mayoristas, así como para los propietarios de eCommerce,
el inventario es generalmente el mayor activo, así como el mayor generador de
gastos. La evaluación de los costes de inventario es, por lo tanto, esencial, y tiene
repercusiones en las finanzas de la compañía, así como en su gestión. Ayuda a las
compañías a determinar cuánto beneficio pueden obtener del inventario, de qué
modo pueden reducir los costes, dónde se pueden realizar cambios, qué
proveedores o qué artículos se deben elegir, cómo se debe asignar el capital, etc.
Dificultades para evaluar correctamente los costes de inventario
Constantemente observamos que muchas compañías no saben con exactitud
cuáles son los costes totales vinculados con su inventario. Lo que es peor, muchas
compañías se apoyan en la falsa premisa de que una contabilidad regular les da
una estima razonable de los costes de su inventario.
54 | P á g i n a
de utilizar proveedores de servicios terceros o de aplicar una política de inventario
justo a tiempo, etc.).
Categorización de costes de inventario
Una vez más, si bien en la literatura pueden hallarse muchos puntos comunes, las
categorías y subcategorías de inventario fluctúan y se superponen, o se designan
con nombres diferentes. No pretendemos exponer a continuación la clasificación
correcta, sino simplemente una que, con suerte, pueda tener sentido (nuevamente,
concentrándonos en el comercio) y pueda ser útil para que los encargados tengan
una idea acabada de los costes del inventario.
Definimos brevemente estos conceptos pero, entre esas tres categorías, los costes
de almacenamiento se ganan casi toda nuestra atención.
Más detalles: Existen otras clasificaciones, algunas de ellas más relevantes para
los fabricantes. Por ejemplo, Mary Lu Harding (ver Referencias nro. 1 más abajo)
adopta una perspectiva diferente, con categorías como coste de no entrega, coste
de no calidad, costes relacionados con el uso, etc., adecuadas principalmente para
el procesamiento comercial de materias primas, y útiles para determinar cómo
seleccionar a los proveedores de materias primas.
Costes de ordenamiento
El coste de ordenamiento (también llamado coste de preparación, en el sector de
los fabricantes), o el coste de reabastecimiento de inventario, cubre la fricción
creada por las órdenes mismas, es decir, los costes en que se incurre cada vez que
se realiza una orden. Estos costes se pueden dividir en dos partes:
El coste del proceso de ordenamiento en sí mismo: puede considerarse
un coste fijo, independiente de la cantidad de unidades ordenada.
Generalmente incluye las tarifas de la realización de la orden y los costes
administrativos relacionados con la facturación, la contabilidad o la
comunicación. Para actividades comerciales grandes, en especial para los
minoristas, esto puede reducirse al coste amortizado del sistema EDI
(intercambio electrónico de datos), que permite reducir significativamente los
costes del proceso de ordenamiento (a veces, de varias órdenes de
magnitud).
55 | P á g i n a
Los costes de logística entrante, relacionados con el transporte y la
recepción (descarga e inspección). Esos costes son variables. Luego, el
coste de envío del proveedor depende del volumen total ordenado, lo que a
veces produce variaciones importantes en el coste por unidad de la orden.
Costes de almacenamiento
Los costes de almacenamiento son esenciales para un punto de vista estático del
inventario; es decir, al concentrarse en el impacto de tener más o menos inventario,
independientemente del flujo de inventario.
Una vez más, la clasificación varía en la literatura; la categorización que
proponemos es la siguiente:
Costes de capital (o cargos financieros)
Costes de espacio de almacenamiento
Costes de servicios de inventario
Costes de riesgo de inventario
Costes de capital
Es el componente más grande entre los costes de almacenamiento de inventario.
Incluye todo lo relacionado con la inversión, los intereses sobre el capital de trabajo
y el costo de oportunidad del dinero invertido en el inventario (en lugar de en títulos
del tesoro, fondos de inversión, etc.). Determinar los costes de capital puede ser
más o menos complicado según la actividad comercial. Es posible, no obstante, dar
algunas reglas básicas: es importante entender cuál es la parte financiada
externamente y cuál la parte financiada mediante flujo de caja interno; y es igual de
importante evaluar el riesgo de inventario en la propia actividad.
Costes de espacio de almacenamiento
Incluyen el coste del mantenimiento del establecimiento y los servicios (luz, aire
acondicionado, calefacción, etc.), el coste de la compra, la depreciación, o el alquiler
y los impuestos de la propiedad.
Costes de servicios de inventario
Incluyen seguro, hardware de TI y aplicaciones (para algunas actividades, equipos
RFID y otros), pero también el manejo físico con los correspondientes recursos
humanos, gestión, etc. También podemos poner en esta categoría los gastos
relacionados con el control de inventario y el recuento de ciclos. Por último, si bien
son una especie de categoría en sí mismos, es posible incluir los impuestos en esta
categoría.
56 | P á g i n a
Ejemplo:
Consideremos una empresa con un valor de inventario promedio de $10M. Para
calcular los costes de almacenamiento, primero necesitamos sumar todos los costes
no capitalizables. Supongamos que fuera así:
Modelos probabilísticos
57 | P á g i n a
Las asunciones o hipótesis de un modelo estadístico describen un conjunto de
distribuciones de probabilidad, que son capaces de aproximar de manera adecuada
un conjunto de datos. Las distribuciones de probabilidad inherentes de los modelos
estadísticos son lo que distinguen a los modelos de otros modelos matemáticos
deterministas.
Ejemplo:
Modelos de regresión
Un modelo estadístico de regresión es una expresión simbólica en forma de
igualdad o ecuación que se emplea en todos los diseños experimentales y en la
regresión para indicar los diferentes factores que modifican la variable de respuesta.
El modelo estadístico más simple es el usado en los diseños completos
aleatorizados (DCA). Su modelo es:
Donde
Y = es la variable de respuesta de interés.
μ = promedio general de la población sobre la cual se está trabajando
t = es la variación que se atribuye a los niveles del factor que se está evaluando
(efecto de los tratamientos).
ξ = es la variación de los factores no controlados ( el error experimental)
i = i -ésimo tratamiento
j = j -ésima repetición de cada tratamientos
j(i) = es la variación de las unidades experimentales anidado en los tratamientos.
Los modelos estadísticos pueden ser lineales o no lineales.
Modelo “EOQ”
Una de las herramientas que se utilizan para determinar el monto óptimo de pedido
para un artículo de inventario es el modelo de la cantidad económica de pedido
(CEP). Tiene en cuenta los diferentes costos financieros y de operación y determina
el monto de pedido que minimice los costos de inventario de la empresa.
58 | P á g i n a
El modelo de Cantidad Económica de Pedido o simplemente EOQ (Economic Order
Quantity) por sus siglas en inglés, es una de las herramientas más sencillas en la
Gestión de Inventarios que permite obtener el tamaño del pedido que minimizan los
costos totales asociados a la gestión del inventario.
Como todo modelo necesita de algunos supuestos que dependiendo de la situación
práctica que se desee modelar serán más o menos realistas. Los supuestos más
fuertes o característicos de EOQ es que la demanda es constante y conocida y que
el tiempo de entrega (o lead time) del pedido es constante y conocido.
El Costo Anual total del Inventario queda definido por la suma de los costos de
adquisición o compra (D*C), costos de emisión de pedidos (D/Q)*S y costos de
almacenamiento (Q/2)*H.
La Fórmula del modelo de Tamaño Económico de Pedido EOQ que representa el
costo total del inventario es la siguiente:
CT = D*C + (D/Q)*S + (Q/2)*H
Para obtener la cantidad de pedido que minimiza la función de costos totales se
deriva la fórmula respecto a Q y se iguala a cero, para posteriormente despejar el
parámetro Q. Notar que el costo de adquisición (C*D) será constante
independiente de la política de pedido (tamaño de pedido) en la medida que no
existan descuentos por cantidad.
59 | P á g i n a
Se puede corroborar (recomendamos fuertemente al lector hacer esto) que
cualquier otra cantidad de pedido proporciona un costo anual del inventario superior
al obtenido con el modelo EOQ. Esto debido a que el tamaño del pedido obtenido
con EOQ equilibra explícitamente los costos de emisión con los costos de
almacenamiento.
Notar que para tamaños de pedido grandes los costos de emisión se minimizan (se
requerirá de menos pedidos en el año) y los costos de almacenamiento se
maximizan (dado que se tendrá un inventario promedio mayor en las bodegas). De
forma análoga, para pedidos pequeños los costos de emisión se maximizan a la vez
que los costos de almacenamiento se minimizan.
60 | P á g i n a
UNIDAD 6: REDES
Redes
Esta teoría que constituye una técnica matemática que ha aportado una ayuda
eficaz en el tratamiento de los problemas de transportación de la producción.
La modelación de redes permite la resolución de múltiples problemas de
programación matemática mediante la implementación de algoritmos especiales
creados para tal fin, conocidos como Algoritmos de optimización de redes.
Dentro de los problemas más comúnmente resueltos mediante la modelación de
redes se encuentran los ya vistos modelos de transporte, transbordo además de los
muy conocidos modelos de determinación de cronograma de actividades para
proyectos como lo son el PERT y el CPM.
Problemas fundamentales
Problema del camino más corto
Modelos del flujo máximo.
Planeación, programación y control de proyecto de actividades.
En cada caso, una función es definida en los arcos de la red, pero el álgebra para
la manipulación de estas medidas cuantitativas es diferente de modelo a modelo.
Un concepto clave en los modelos de redes es que aunque la estructura de varias
redes puede ser idéntica, el análisis de las relaciones funcionales definidas sobre la
red pueden ser diferentes para modelos diferentes, de ahí que los resultados del
análisis sean distintos.
Problema del camino más corto
El problema del camino más corto tiene como característica común el hecho de ser
representado mediante una red en la cual se le asocia a cada arco o arista un
determinado valor y la solución del problema planteado está dada por la búsqueda
de un conjunto de secuencias o caminos de valor extremal, o sea, de valor mínimo
o máximo.
Modelos del flujo máximo
Los modelos de flujo máximo en una red permiten determinar el flujo máximo posible
entre dos nodos específicos de la red. El problema físico surge casi siempre que las
mercancías, físicas o de otra clase, fluyen de una fuente u origen s a un terminal t..
Por tanto si en una red que describa tal situación existen puntos desde los cuales
se envía el flujo (Ej. fábricas), puntos a los cuales se envía el flujo (ejemplo:
almacenes, fábricas, etc.) y rutas por las cuales puede ser enviado el flujo que
61 | P á g i n a
conecta los puntos de orígenes y puntos de destino pasando por puntos
intermedios.
Gráfica
Una gráfica es una serie de puntos llamados nodos que van unidos por unas líneas
llamadas ramales o arcos.
Red
Una red es una gráfica que presenta algún tipo de flujo en sus ramales. Por ejemplo
una gráfica cuyo flujo en sus ramales sea la electricidad es una red eléctrica. En las
redes se usa una simbología específica para denotar su tamaño y elementos que la
constituyen, dicha notación es la (N, A) donde N representa el número de nodos
que contiene la red y A representa el número de arcos o ramales.
Cadena
Una cadena corresponde a una serie de elementos ramales que van de un nodo a
otro. En el siguiente caso se resalta una cadena que va desde el nodo 1 hasta el
nodo 7 y que se compone por los elementos [1-4, 4-7].
Ruta
62 | P á g i n a
Una ruta corresponde a los nodos que constituyen una cadena, en el siguiente caso
[1, 4, 7].
Ciclo
Un ciclo corresponde a la cadena que une a un nodo con sigo mismo, en el siguiente
ejemplo el ciclo está compuesto por la cadena [4-2, 2-5, 5-7, 7-4].
Ramal orientado
Un ramal o arco orientado es aquel que tiene un sentido determinado, es decir que
posee un nodo fuente y un nodo destino.
63 | P á g i n a
Gráfica orientada
Árbol
Árbol de expansión
Un árbol de expansión es aquel árbol que enlaza todos los nodos de la red, de igual
manera no permite la existencia de ciclos.
64 | P á g i n a
Nodo fuente
El nodo fuente es aquel nodo en el cual todos sus ramales se encuentran orientados
hacia afuera.
Nodo destino
Ejemplo
65 | P á g i n a
La ciudad de Cali cuenta con un nuevo plan parcial de vivienda el cual contará con
la urbanización de más de 7 proyectos habitacionales que se ubicarán a las afueras
de la ciudad. Dado que el terreno en el que se construirá no se encontraba hasta
ahora dentro de las zonas urbanizables de la ciudad, el acueducto municipal no
cuenta con la infraestructura necesaria para satisfacer las necesidades de servicios
públicos en materia de suministro de agua. Cada uno de los proyectos de vivienda
inició la construcción de un nodo de acueducto madre, el cual cuenta con las
conexiones de las unidades de vivienda propias de cada proyecto (es decir que
cada nodo madre solo necesita estar conectado con un ducto madre del acueducto
municipal para contar con su suministro). El acueducto municipal al ver la situación
del plan parcial debe de realizar las obras correspondientes a la instalación de
ductos madres que enlacen todos los nodos del plan con el nodo Meléndez (nodo
que se encuentra con suministro de agua y que no pertenece al plan parcial de
vivienda, además es el más cercano al mismo), la instalación de los ductos implica
obras de excavación, mano de obra y costos de los ductos mismos, por lo cual
optimizar la longitud total de los enlaces es fundamental. Las distancias existentes
(dadas en kilómetros) correspondientes a las rutas factibles capaces de enlazar los
nodos del plan parcial se presentan a continuación. Además la capacidad de
bombeo del nodo Meléndez es más que suficiente para satisfacer las necesidades
de presión que necesita la red madre.
66 | P á g i n a
1,2,3,4,5,6,7,8} que corresponde al conjunto de nodos pendientes por enlazar de
manera permanente en la iteración indicada en el subíndice.
PASO 1:
Se debe definir de manera arbitraria el primer nodo permanente del conjunto Č0, en
este caso escogeremos el nodo 1 (puede ser cualquier otro), que algebraicamente
se representa con la letra i, se procede a actualizar los conjuntos iniciales, por ende
C1 = {i} = {1} y Č0 = {N - i} = {2,3,4,5,6,7,8}, actualizamos k por ende ahora será igual
a 2.
PASO 2:
Ahora se debe seleccionar el nodo j del conjunto ČK-1 (es decir del conjunto del paso
1) el cual presente el arco con la menor longitud y que se encuentre enlazado con
uno de los nodos de enlace permanente del conjunto Ck-1 en el cual ahora solo se
encuentra el nodo 1 (es decir que se debe de encontrar un nodo que tenga el arco
de menor longitud enlazado al nodo 1).
Los arcos o ramales de color naranja representan los arcos que enlazan el conjunto
ČK-1 (es decir del conjunto del paso 1, recordemos que K en este paso es igual a 2,
por ende ČK-1= Č1) con los nodos de enlace permanente del conjunto Ck-1 en el cual
ahora solo se encuentra el nodo 1, por ende ahora solo falta escoger el de menor
longitud, que en este caso es el arco cuya longitud es 2, que enlaza de forma
permanente ahora el nodo 2.
67 | P á g i n a
Al actualizar los conjuntos quedan así:
C2 = {1,2} y Č2 = {3,4,5,6,7,8}
Los arcos de color naranja representan los enlaces posibles y dado que existe
empate entre las menores longitudes se elige de manera arbitraria, en este caso se
representa nuestra elección con un arco de color verde, enlazando de forma
permanente ahora el nodo 4.
68 | P á g i n a
Lo que representan los arcos naranja y verde es ya conocido, ahora la línea azul
interrumpida irá trazando nuestro árbol de expansión final. Dado a que el arco menor
es el de longitud 3, ahora se enlazará de manera permanente el nodo 5.
69 | P á g i n a
Ahora se enlazará de manera permanente el nodo 7.
70 | P á g i n a
C6 = {1,2,4,5,7,6} y Č6 = {3,8}
71 | P á g i n a
Ahora se enlazará de manera permanente el nodo 8.
73 | P á g i n a
Origen del gráfico de Gantt
El famoso cronograma pudo tener otro nombre. Aunque se atribuye el éxito de este
tipo de gráfica al ingeniero mecánico y consultor en administración de empresas
Henry Laurence Gantt, lo cierto es que el nuevo método de visualización fue
desarrollado unos años antes (1896) por el también ingeniero Karol Adamiecki. Sin
embargo, la publicación se escribió en polaco, por lo que Gantt pudo popularizar el
diagrama, ligeramente modificado, entre los años 1910 y 1915, a través de varios
artículos publicados en la Revista de Ingeniería en Nueva York.
Ventajas y limitaciones del gráfico de Gantt
Siendo como fuere y con un siglo de historia, el famoso diagrama de Gantt es una
de las herramientas de gestión que más se siguen usando en la actualidad, sin
apenas variación. Sólo una modificación a destacar en los software de gestión más
potentes: la técnica PERT (Project Evaluation and Review Techniques). Gantt no
fue capaz de añadir una red de relaciones entre un volumen amplio de actividades,
por lo que, algunas aplicaciones especializadas en la gestión de proyectos
complejos, han agregado al gráfico esta técnica que interrelaciona las dependencias
entre tareas.
A pesar de todo ello, el cronograma de Gantt tiene una ventaja importante que forma
parte de la comunicación entre manager y equipo: proporciona una visualización
rápida y tremendamente útil entre el tiempo y las cargas de trabajo. No sólo con el
74 | P á g i n a
fin de compensar el esfuerzo entre los colaboradores de un proyecto, sino para
controlar realmente el uso de los diferentes recursos en un momento determinado.
Esto nos permite actuar con rapidez y tomar decisiones más eficientes.
Regla 2: Cada actividad debe estar identificada por dos nodos distintos. En el caso
de existir actividades concurrentes (que inicien al mismo tiempo, o que el inicio de
una actividad dependa de la finalización de 2 o más actividades distintas) se debe
recurrir a actividades ficticias (representadas por arcos punteados que no consumen
ni tiempo ni recursos) para satisfacer esta regla.
Por ejemplo, la actividad C para su inicio requiere que finalicen A y B. Las
actividades A y B inician al mismo tiempo.
75 | P á g i n a
PASO 1: ACTIVIDADES DEL PROYECTO
La primera fase corresponde a identificar todas las actividades que intervienen en
el proyecto, sus interrelaciones, sucesiones, reglas de precedencia. Con la inclusión
de cada actividad al proyecto se debe cuestionar respecto a que actividades
preceden a esta, y a cuales siguen inmediatamente esta finalice. Además, deberá
relacionarse el tiempo estimado para el desarrollo de cada actividad.
T1: Tiempo más temprano de realización de un evento. Para calcular este indicador
deberá recorrerse la red de izquierda a derecha y considerando lo siguiente:
T1 del primer nodo es igual a 0.
76 | P á g i n a
T1 del nodo n = T1 del nodo n-1 (nodo anterior) + duración de la actividad
que finaliza en el nodo n.
Si en un nodo finaliza más de una actividad, se toma el tiempo de la actividad
con mayor valor.
T1 (nodo 3) + Fb = 4 + 0 = 4
T1 (nodo 2) + C = 3 + 2 = 5
T1 ( nodo 5) + Fd = 5 + 0 = 5
77 | P á g i n a
En este caso para el cálculo del T2 del nodo 2, en el que concurren el inicio de
varias actividades deberá entonces considerarse lo siguiente:
T2 nodo 3 - B = 5 - 1 = 4
T2 nodo 4 - C = 5 - 2 = 3
T2 nodo 5 - D = 5 - 2 = 3
78 | P á g i n a
Las actividades críticas por definición constituyen la ruta más larga que abarca el
proyecto, es decir que la sumatoria de las actividades de una ruta crítica determinará
la duración estimada del proyecto. Puede darse el caso en el que se encuentren
más de una ruta crítica, como es el caso del problema que hemos desarrollado.
Ruta crítica 1:
79 | P á g i n a
Red pert
80 | P á g i n a
Red PERT
Las técnicas PERT y CPM nos ayudan a programar un proyecto con el coste
mínimo y la duración más adecuada, tal y como lo hace Sinnaps. Con ambas
técnicas, el Project Manager podrá encontrar una compensación del esfuerzo en su
proyecto. Teniendo en cuenta las actividades que no están dentro del camino crítico,
el equipo trabajará en estas tareas cuando tenga disponibles los recursos,
dejándolas al servicio de las actividades críticas en las fases más complicadas del
proceso.
81 | P á g i n a