Libro Investigacion Operaciones Saenz

M S
Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl 1

Cárdenas.
INTRODUCCION A LA INVESTIGACIÓN DE OPERACIONES
Y SU APLICACIÓN EN LA TOMA DE DECISIONES GERENCIALES
3a. edición, junio de 2006.

2a. edición, julio de 2004
1a. edición, febrero de 2003.
Impreso en Guatemala. –Ediciones Mayte –
Derechos de autor reservados ©
De conformidad con la ley se prohíbe la reproducción parcial o total de esta obra

en cualquier tipo de soporte, sea éste mecánico, fotocopiado, electrónico,
digitalizado o de cualquier tecnología, ni su transmisión o traducción, sin la
respectiva autorización
por escrito del titular de los derechos .
GUATEMALA, C.A.
M S ÍNDICE
C
PREFACIO vii
CAPITULO I 1
INVESTIGACIÓN DE OPERACIONES 1
_ Concepto 1
_ Origen y antecedentes 2
_ Aplicaciones 3
_ Introducción a la toma de decisiones 4
_ Proceso general para la toma de decisiones 4
_ Abstracción y Simplificación 5
_ Técnicas para la construcción de modelos 5
_ Clasificación de modelos 7
_ Construcción de modelos 8
_ Variables de decisión. 9
_ Variables exógenas. 9
_ Políticas y restricciones. 10
_ Medidas de rendimiento. 10
_ Variables intermedias. 10
CAPITULO II 11
PROGRAMACION LINEAL 11
_ Concepto 11
_ Formulación de modelos 11
_ Método de solución gráfica 24
_ Método Simplex 33
_ Técnica "M" 41
_ Soluciones Especiales del Método Símplex 45
_ Problemas Sugeridos del Capítulo 47
Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl i

Cárdenas.
CAPITULO III 55
MODELO DEL PROBLEMA DE TRANSPORTE 55
_ Concepto 55
_ Balanceo del modelo de transporte 55
_ Pasos básicos de la técnica de transporte 56
_ Métodos de solución para obtener una solución factible básica de inicio 57
_ Métodos de optimización 57
_ Representación utilizada para el desarrollo de la técnica de transporte 57
_ Consideraciones importantes 58
_ Método de Esquina Nor-Oeste 59
_ Método de Costo Mínimo 64
_ Método de Aproximación de Vogel 69
_ Método de Banquillo o de Stepping Stone (optimización) 76
CAPITULO IV 91
ASIGNACIÓN DE RECURSOS 91
_ Concepto 91
_ Representación General del Modelo de Asignación 91
_ Consideraciones para el procedimiento de solución 92
_ Métodos de Solución 92
_ Método cuando existe solución factible óptima inicial 92
_ Método cuando no existe solución factible óptima inicial 94
_ Método cuando no existe solución factible óptima inicial y la matriz no es
cuadrada 98
_ Maximización de recursos 100
CAPITULO V 111
ANÁLISIS DE REDES POR EL MÉTODO DEL CAMINO CRÍTICO 111

_ Concepto 111
_ Proyecto 111
_ Fases de un proyecto 112
_ Técnicas utilizadas para planificar, programar y controlar proyectos 112
_ Diagrama de Barras o de Gantt 113
_ Orígenes y aplicaciones del método del camino crítico 114
_ Método de la Ruta Crítica –CPM- 115
_ Elementos del CPM: 115
_ Técnica de Evaluación y Revisión de Programas –PERT- 131
_ Elección entre PERT y CPM 139
_ Diferencias entre PERT y CPM 139
_ Otras Técnicas utilizadas para la Planificación, Programación y Control de
Proyectos 140
_ MAN Scheduling (Manpower Alocation Procedure) 140
_ Distribución de Recursos y Programación de Proyectos Múltiples (Resource
Allocation and Multi-Project Scheduling) –RAMPS- 141
_ Project Reliability Index System Maturity –PRISM- 141
_ Analysis Bar Charting –ABC- 141
_ Scheduling Program for Allocation Resources –SPAR- 141
_ Resource Planning & Scheduling Method –RPSM- 142
_ Ejemplo Ilustrativo para el cálculo de Holguras de un proyecto: 142
CAPITULO VI 161
PROCESOS ESTOCÁSTICOS 161
CADENAS DE MARKOV 165
_ Cadenas de Markov para más de dos estados posibles: 175

_ Programación Dinámica: 179
_ Problemas Sugeridos del Capítulo: 184
CAPITULO VII 189
INVENTARIOS 189
_ Concepto 189
_ Modelo generalizado de inventario: 189
_ Tipos de demanda en los inventarios: 193
_ MODELOS DETERMINÍSTICOS DE INVENTARIOS: 193
_ Modelo 1: Tamaño Económico del Lote (EOQ): 193
_ Modelo 2: EOQ para lotes de producción (entregas graduales): 199
_ Modelo 3: EOQ con descuentos por cantidad: 206
_ MODELOS DE INVENTARIOS CON DEMANDA INCIERTA Y CON REORDEN: 213
_ Modelo 1: Modelo de Costo de Escasez: 214

_ Modelo 2: Modelo de Nivel de Servicio: 225
CAPITULO VIII 233
TEORIA DE COLAS 233
_ Concepto 233
_ Estructura básica de los modelos de colas 233
_ Consideraciones generales para un estudio de colas 234
_ Modelo 1: Sistemas de colas con un servidor 235
_ Modelo 2: Sistemas de colas con varios servidores 240
_ Modelo 3: Sistemas de colas finitos con un servidor 244
_ Modelo 4: Sistemas de colas de capacidad finita y varios servidores 248
_ Modelo 5: Sistemas de colas de capacidad finita con tiempos dependiendo
del estado (tasas variables) 253
CAPITULO IX 233
SIMULACIÓN 267
_ Concepto 267
_ Formulación e implantación de un modelo de simulación 270
_ Generación de números aleatorios 271
_ Principales aplicaciones 273
_ Proceso General de Simulación 274
_ Método Montecarlo 275
_ Método Gráfico de Montecarlo 276
CASOS DE APLICACIÓN 287
RESPUESTAS A LOS PROBLEMAS SUGERIDOS 297
APÉNDICES 301
BIBLIOGRAFIA 309
PREFACIO
La aplicación de la Investigación de Operaciones en las organizaciones

implica llevar a cabo un proceso cuidadoso de observación, identificación de
problemas, construcción de modelos matemáticos (que representen éstos
últimos), validación de los modelos, análisis de los resultados e
implementación de las soluciones alcanzadas. En muchos casos los modelos
garantizan una solución óptima, es decir, la mejor solución de acuerdo a las
condiciones existentes o actuales de una situación en particular. Sin
embargo, dicho proceso de observación – construcción de
modelos – validación – implementación – solución
óptima, requiere del estudio y aplicación de un enfoque de sistemas
organizacional.
La Investigación de Operaciones es un conjunto de herramientas

matemáticas, estadísticas y de ciencias físicas, económicas, informáticas y
administrativas; que se integran en modelos o representaciones de problemas
empresariales en búsqueda de soluciones óptimas, funcionales y/o
satisfactorias que garantizan resultados orientados a la optimización y/o mejor
aprovechamiento de los recursos.
Muchas empresas alrededor del mundo han obtenido ahorros

significativos en sus costos de operación mediante la aplicación de distintas
herramientas de IO (Investigación de Operaciones).
Toda persona a cargo de tomar decisiones dentro de las organizaciones ya

sea privadas o públicas, tiene la responsabilidad de planificar y hacer uso
M S
racional de los recursos limitados. La IO brinda al administrador de recursos la
metodología de solución necesaria para dar respuesta a las necesidades básicas
C
del mejor aprovechamiento de los recursos.
El contenido del presente libro está enfocado hacia el desarrollo de los

principales temas de la Investigación de Operaciones, presentándolos de una
manera práctica y haciendo énfasis en el procedimiento de solución y aplicación
de cada una de las herramientas y técnicas presentadas.
En esta 3a. edición se han realizado cambios, ampliaciones y revisiones

muy importantes que han permitido la actualización satisfactoria de los temas.
La obra desarrolla los conceptos y orígenes de la IO, formulación de modelos,
métodos de optimización de recursos como la programación lineal, modelos
de transporte y de asignación de recursos, planificación y programación de
proyectos CPM-Costo, CPM-PERT; cadenas de Markov y la programación
dinámica; teoría de inventarios para demanda determinista y probabilística;
teoría de las líneas de espera en la prestación de servicios internos y/o
externos; y procesos de simulación.
Así mismo, se presentan nuevos tipos de problemas modelo, sugeridos

para su desarrollo y análisis por parte del estudiante; ampliándose de esta forma,
el material de estudio y repaso, incluyéndose las respuestas de cada uno al final
del libro, con el fin de motivar en el estudiante su nivel de comprensión y
autoconfianza en la solución de problemas.
Por otra parte, se incluye una serie de casos integrados, aplicados a

problemas reales que requieren el uso de las principales herramientas
desarrolladas en el libro y que fortalecerán en el estudiante su visión sobre la
viii Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl

Cárdenas.
importancia y aplicación de la Investigación de Operaciones y del enfoque de
sistemas en las empresas de nuestro medio.
Se sugiere al estudiante reforzar temas complementarios tales como los

conceptos y usos generales de matrices, desarrollo algebraico de ecuaciones
e inecuaciones, conceptos generales de probabilidad y principales
distribuciones estadísticas, etc.
De igual manera se le exhorta al estudiante a practicar constantemente los

ejercicios sugeridos y a buscar nuevo material a desarrollar de otras fuentes
bibliográficas, pues la única manera de ampliar su entendimiento sobre los temas
presentados y otros más complejos de la Investigación de Operaciones, es a
través de su estudio detenido y prolongado.
Ingenieros:
Jorge Morales Dávila
Rodolfo Sáenz
Raúl Cárdenas
M S
C CAPITULO I
INVESTIGACIÓN DE OPERACIONES
 Concepto
a Investigación de Operaciones comprende el estudio y aplicación de
métodos matemáticos y analíticos de las ciencias físicas y de conocimientos científicos

utilizados para resolver problemas que se presentan en las áreas de administración, de
producción, de finanzas y otras, dentro de las empresas.
Es la aplicación del método científico por un grupo multidisciplinario de personas a

un problema, apoyados con el enfoque de sistemas.
El proceso de aplicación implica la recopilación de datos y el análisis

correspondiente de las operaciones de la empresa.
El objetivo primordial de la Investigación de Operaciones, consiste en la utilización

más efectiva de los recursos limitados, proporcionando a los administradores una base
cuantitativa para la toma de decisiones.
Para su correcta aplicación, se requiere tener conocimientos y habilidades diversas

con un enfoque de trabajo en equipo. Es indispensable la aplicación y desarrollo de
habilidades matemáticas, estadísticas, económicas, administrativas, informáticas, de
ingeniería, etc.

Cárdenas.
La mayoría de aplicaciones y estudios de la Investigación de Operaciones,
requiere el uso de una computadora debido a la complejidad de los modelos matemáticos
que representan una situación en particular, al volumen de los datos que deben operarse
y a las mismas necesidades de cómputo que deben realizarse.
 Origen y antecedentes
A principios de la Segunda Guerra Mundial, surgieron los primeros enfoques para la

toma de decisiones con bases matemáticas, a los cuales se les dio el nombre de
"Investigación de Operaciones"; desplazando las decisiones basadas en intuiciones que
fueron aplicadas durante mucho tiempo.
Fue durante la Segunda Guerra Mundial que la Administración Militar de Gran

Bretaña realizó las primeras aplicaciones de este nuevo concepto en la toma de
decisiones; siendo las principales las siguientes:
 Estudios de la forma de utilizar el radar

 Efectividad de nuevos tipos de bombas
 Utilización efectiva de equipo electrónico
 Invención de nuevos modelos de vuelo
 Planeación de minas en el mar.
Finalizada la guerra, los investigadores de operaciones que formaron parte de los

equipos interdisciplinarios, se integraron a las universidades, la industria, entidades de
gobierno y firmas consultoras; transmitiendo sus conocimientos en búsqueda de nuevas
aplicaciones hasta convertirse en lo que hoy conocemos. En 1947, en los Estados Unidos,
George Dantzig desarrolló el método simplex para el problema de programación lineal.
 Aplicaciones
En la actualidad, las principales aplicaciones de la Investigación de

Operaciones, se encuentran en la toma de decisiones empresariales en áreas de
producción y manufactura; dirección de actividades y operaciones administrativas;
compras de materias primas y materiales en general; ventas, distribución y marketing;
finanzas y contabilidad. Específicamente, en actividades como las siguientes:
 Minimización de tiempos de operación

 Optimización de la capacidad de producción de una planta
 Programación de proyectos para la utilización óptima de los recursos
disponibles
 Estudio y análisis de la demanda de servicios
 Optimización de tiempos y costos de brindar un servicio
 Planificación de cantidades de materiales a comprar.
 Localización de centros de distribución, almacenes o sucursales, para
hacer mínimos los costos de fletes.
 Maximización de utilidades de diversos procesos, planes de acción o
decisiones.
Las principales características de la Investigación de Operaciones a tomar en

cuenta para su aplicación, son las siguientes:
a. Para la solución de un problema, se considera la aplicación del enfoque de

sistemas.
b. Es interdisciplinaria, aplicando técnicas de ciencias como la biología, la física,
la química, las matemáticas y la economía.
c. Su enfoque principal está orientado hacia la toma de decisiones.
d. Es indispensable la construcción de un modelo del sistema que le permita
desarrollar la experimentación del mismo.
e. El uso de computadoras es generalizado y éstas representan la herramienta
fundamental de la Investigación de Operaciones.
 Introducción a la toma de decisiones
La toma de decisiones consiste en un proceso por medio del cual, los gerentes y
personas encargadas de decidir, se enfrentan a un problema en particular y, luego del
análisis correspondiente, definen un curso de acción que brinde la mejor solución, entre
un conjunto de alternativas posibles.
Sin embargo, dadas las características que rodean al proceso de toma de

decisiones, no es posible asegurar en un cien por ciento las consecuencias de la decisión
elegida, ni asegurar que ésta producirá los mejores resultados.
Las principales características que rodean el proceso de la toma de decisiones, son

las siguientes:
 Existe incertidumbre
 Existe riesgo.
 Proceso general para la toma de decisiones
Cada problema específico, exige un curso de acción propio para su solución,

dependiendo su complejidad, características y recursos disponibles; sin embargo, es
posible generalizar las siguientes actividades aplicables a todos los tipos de situaciones
de toma de decisiones con el propósito de simplificar el camino hacia la solución.
1. Identificación del problema

2. Identificación de los criterios de decisión
3. Desarrollo de alternativas
4. Desarrollar el modelo matemático de acuerdo a las necesidades
5. Análisis de alternativas
6. Selección de una alternativa de acuerdo a la evaluación realizada a cada
una, identificando la que optimiza o produce la mejor solución al criterio
identificado en la segunda actividad.
7. Implantación de la alternativa
8. Evaluación de la eficacia de la decisión
 Abstracción y Simplificación
Es el proceso de omitir algunos de los atributos del problema para facilitar el tomar
una decisión. Durante este proceso, la persona a cargo de decidir, determina cuáles son
los factores más importantes para el problema en particular en búsqueda de la mejor
solución y con el propósito de mejorar la toma de decisiones.
La aplicación de este proceso es indispensable para resolver cualquier

problema del mundo real, debido a que éstos tienden a contener un grado
considerable de complejidad y, por lo tanto, una cantidad infinita de factores propios
a cada uno de ellos que dificultan el proceso de decisión al considerarlos todos,
imposibilitando la decisión final, debido a la incontable cantidad de factores y la
ilimitada cadena de causas, efectos e interacciones que se generan.
 Técnicas para la construcción de modelos
Previo a comentar las principales técnicas para la construcción de modelos, es

necesario definir el concepto de un "modelo".
Un modelo es una representación simplificada de un problema real que resalta el
comportamiento básico del mismo a través de variables que se relacionan de manera
sencilla, eliminando en gran parte, la complejidad del problema inicial.
Una vez finalizado el proceso de abstracción y simplificación, habiéndose

seleccionado los factores decisivos y variables importantes de la situación real, éstos se
combinan de manera lógica para construir un modelo del problema real.
La técnica apropiada para definir y relacionar las variables seleccionadas para

el funcionamiento de un modelo en particular, depende principalmente de la
naturaleza representada en forma cuantitativa o cualitativa de estas variables.
Cuando a las variables que intervienen en el modelo, puede asignársele una

representación cuantitativa, entonces resulta conveniente aplicar un modelo con base
matemática debido a la eficacia de estos modelos para relacionar variables y obtener
conclusiones lógicas.
En muchas situaciones empresariales, las variables que intervienen, son de

naturaleza cualitativa, sin que sea posible su expresión en términos cuantitativos. Por lo
tanto, en el proceso de toma de decisiones, no deben excluirse los factores cualitativos
asumiendo que éstos no son importantes. Lo más conveniente es encontrar un equilibrio
adecuado entre ambos tipos de factores; analizando el problema a través de un modelo
cuantitativo para los aspectos cuantificables de la situación y combinándolo con un modelo
intuitivo que considere las variables cualitativas.
El propósito principal consiste en diseñar un modelo sencillo que pronostique los

resultados con precisión razonable y que sea consistente con la realidad.
 Clasificación de modelos
La modelación de problemas puede clasificarse de distintas formas. Suele resultar

más práctico, clasificarlos de acuerdo a su aplicación en el campo de la Investigación de
Operaciones, y de acuerdo a su grado de complejidad.
A) Clasificación de acuerdo a su aplicación :
 Modelos esquemáticos: Se refieren a los modelos que muestran

una relación pictórica entre las variables; es decir que la utilización
de mapas y diagramas resultan muy práctica para mostrar dicha
relación. En todo mapa o diagrama, deben explicarse claramente
todos los letreros, símbolos y escalas utilizadas.
 Modelos iconográficos: Consiste en la reproducción física a escala

de objetos o procesos.
 Modelos matemáticos: Son los que muestran la relación entre

variables a través de símbolos y ecuaciones matemáticas.
 Modelos de optimización: Son modelos que garantizan encontrar

la mejor solución para una meta en particular. Para el efecto,
aplican algoritmos que identifican los pasos a seguir para dicho fin.
 Modelos heurísticos: Son estrategias que utilizan la aplicación de

ciertas reglas, normas, procesos o procedimientos de decisión
definidos previamente, para poder resolver un problema. Este tipo
de modelos no busca alcanzar la mejor solución, sino más bien, su
propósito consiste en encontrar rápidamente una solución
satisfactoria. Son útiles y aplicables generalmente, cuando no es
posible aplicar algoritmos de optimización.
M S
B) Clasificación de acuerdo a su complejidad:
C
Se clasifican en modelos sencillos, complejos y dinámicos.
 Sencillos: Se identifican cuando existe una cantidad reducida de

factores o variables y pocas alternativas. Pueden subdividirse en
modelos "ciertos" cuando se supone que se conocen todos los
factores principales; o bien, en "inciertos" cuando se desconocen
algunos factores. En este último caso, deben aplicarse los árboles
de decisión para encontrar la solución.
 Complejos: Se aplican cuando existe un gran número de factores

o de variables importantes, así como variedad de alternativas. Las
principales técnicas aplicables para resolver este tipo de modelos
son, la "programación lineal" y la "simulación" para casos inciertos.
 Dinámicos: Son modelos de decisión que comprenden un tipo de

complejidad especial. Aplican una secuencia de decisiones
relacionadas que se presentan en varios periodos. Los modelos de
inventarios, modelos de programación CPM-PERT, modelos de
colas y procesos de Markov, son aplicaciones de problemas
dinámicos.
 Construcción de modelos
La construcción de modelos se refiere a la creación de representaciones

matemáticas de los problemas de administración, con el propósito de encontrar
respuestas y cursos de acción a seguir.
8 Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl

Cárdenas.
Un modelo suele eliminar los elementos extraños para proporcionar mayor
importancia a los factores de mayor peso y relevancia en la situación.
Dentro de un modelo existen ciertas variables que se expresan generalmente en

forma matemática y su utilización sirve para resaltar los diferentes resultados que podrían
obtenerse dentro de distintas alternativas posibles.
La identificación de las variables y factores que afectan el modelo, constituye el

primer paso para la construcción de un modelo. El gerente debe seleccionar las variables
más importantes, clasificándolas de la siguiente manera:
 Variables de decisión.
Son aquellas variables que se encuentran bajo el control del decisor y representan
alternativas para el director. Dentro de un modelo matemático, representan las
incógnitas del modelo.
Ejemplos: Precio de venta, cantidad de producción, cantidad de inversión,
etc.
 Variables exógenas.
Son las variables que tienen importancia para el problema de decisión, pero
que sin embargo, se encuentra bajo el control de factores totalmente ajenos
al decisor. Ejemplos: Condiciones económicas, la competencia, precio de
materias primas, reacción de la demanda, etc.
 Políticas y restricciones.
Representan toda restricción o limitación existente dentro del contexto de una

situación. Una decisión gerencial puede verse afectada por políticas internas
de la empresa, limitaciones legales, limitaciones físicas, etc. Ejemplos:
Capacidad de producción de una planta, política interna de compras,
políticas de calidad, etc.
 Medidas de rendimiento.
Las medidas de rendimiento son las expresiones cuantitativas de las metas u

objetivos que los gerentes tratan de alcanzar al tomar una decisión. Ejemplos:
Utilidades, cuota de mercado, tasa interna de retorno, etc.
 Variables intermedias.
Son las variables que se utilizan para relacionar las variables de decisión y las
exógenas, con las medidas de rendimiento. Generalmente son variables contables
relativas a los factores de costo o ingresos.
Ejemplos: Ingresos, Gastos operativos, Costo de materias primas, Costo de mano
de obra, Cantidad de horas de trabajo requeridas, Gastos de Venta, Gastos Fijos,
etc.
CAPITULO II
PROGRAMACION LINEAL
 Concepto
rogramación Lineal es una técnica matemática de optimización en donde
las relaciones entre variables son lineales y donde hay un solo objetivo o medida de
rendimiento.
Esta técnica brinda la ventaja de que determina la mejor decisión (óptima), sin
importar la cantidad de variables y relaciones existentes.
En términos generales, ésta consiste en la planificación de actividades que incluye

la aplicación de modelos matemáticos con funciones lineales, con el propósito de obtener
un resultado óptimo.
Los principales métodos de programación lineal, son: el método gráfico, el método

simplex y el método de transporte o distribución. Cada uno de los cuales tiene un tipo de
aplicación específico.
 Formulación de modelos
La formulación de modelos consiste en el proceso de definir las variables,

ecuaciones e inecuaciones que en términos generales representan un problema
empresarial.
Durante este proceso deben seleccionarse los elementos importantes del
problema y definir la forma en que éstos se relacionan entre sí. Más que un procedimiento,
consiste en un arte debido a que en el caso de problemas reales, la tarea resulta difícil y
requiere de pruebas, experiencia y juicio común.
Sin embargo, algunos consejos para la formulación de modelos, son los siguientes:
1. Defina claramente el objetivo que pretende alcanzar, identificando

únicamente un objetivo. Generalmente estará relacionado con "aumentar
beneficios" o "reducir costos".
2. Defina claramente las variables de decisión. Es importante que incluya

dentro de su lista de variables, las especificaciones de unidades de medida
para cada una de ellas.
3. Elabore una lista de los factores restrictivos que afectan su objetivo y sus
probables decisiones. Algunos tipos de restricciones son los siguientes:
 Restricciones de capacidad que se deben a la cantidad de

equipo, de tiempo, de espacio o de mano de obra disponible.
 Restricciones de mercado , identificados como límites de la
cantidad de producto que puede venderse o usarse.
 Restricciones de disponibilidad ocasionados por la escasez de
materias primas, fuerza de trabajo, financiamiento u otros recursos.
 Restricciones de calidad o de mezcla que limitan la mezcla de
ingredientes y que por lo general definen la calidad de los
productos resultantes.
 Restricciones de tecnología de producción o de equilibrio de
materiales que definen la salida de un proceso como una función
de las entradas, muchas veces con una pérdida por desperdicios.
4. Defina las restricciones con base a las variables de decisión y a los factores
restrictivos establecidos. Al finalizar este paso, usted tendrá un conjunto de
restricciones.
5. Defina su función objetivo como una ecuación y revise que ésta, así como
sus restricciones y variables de decisión estén planteadas únicamente en
términos de costos o beneficios que varíen con las decisiones, es decir, que
debe excluir los costos fijos de la función objetivo.
A continuación, se presentan algunos ejemplos de formulación de modelos en

programación lineal. En esta sección se presenta únicamente la formulación del modelo
para cada ejemplo, con el fin de mostrar diversidad de casos e iniciar la habilidad del
estudiante en la construcción de modelos. Más adelante se presentará la solución
concreta para cada uno de estos mismos ejemplos mediante métodos específicos de
solución.
Ejemplo No. 1: (Decisiones de producción)
Cierta compañía utiliza dos distintas máquinas para fabricar dos productos diferentes
identificados como A y B. La fabricación del producto A, requiere utilizar la máquina
"X" media hora y la máquina "Y" una hora. Mientras que el producto B, utiliza cada
máquina dos horas. Por especificaciones técnicas, la máquina "X" no debe operar
más de ocho horas al día y la máquina "Y", no debe operar más de doce horas
diarias. Las ganancias unitarias de los productos A y B son de Q.20.00 y Q.50.00,
respectivamente. La empresa puede vender todas las unidades que puede fabricar
de los dos productos y su objetivo consiste en maximizar su ganancia diaria.
Formulación:
1. Objetivo:
Maximizar la ganancia diaria.
2. Variables de decisión:
La cantidad de unidades de los productos A y B que deben
producirse dentro de los límites de capacidad.
Por lo tanto,
X1 = Número de unidades del producto A que se fabricarán

diariamente.
X2 = Número de unidades del producto B que se fabricarán

diariamente.
3. Factores restrictivos:
Horas disponibles al día en máquinas "X" y "Y".
4. Restricciones:
La primera restricción se refiere a la disponibilidad de tiempo en la primera
máquina, la cual puede expresarse de la siguiente manera:
0.5X1 + 2X2  8
Cada unidad de A, utiliza media hora de esta máquina, y cada unidad

de B utiliza dos horas esta misma máquina. Por lo tanto, el total de horas
utilizadas en la máquina "X", se expresa mediante la suma total de tiempos
utilizados por ambos productos y debe ser igual o menor al total de horas
disponibles en el día, que para este caso, corresponde a ocho horas.
La segunda restricción se refiere a la disponibilidad de tiempo en la
segunda máquina, la cual puede expresarse de la siguiente manera:
1X1 + 2X2  12
Cada unidad de A, utiliza una hora de esta máquina, y cada unidad de

B utiliza dos horas esta misma máquina. Por lo tanto, el total de horas
utilizadas en la máquina "Y", se expresa mediante la suma total de tiempos
utilizados por ambos productos y debe ser igual o menor al total de horas
disponibles en el día, que para este caso, corresponde a doce horas.
A todo conjunto de restricciones en programación lineal, se le debe

especificar la restricción de no negatividad de las variables de decisión; es decir,
que la empresa sólo puede producir cantidades positivas o cero. Para este caso,
esta restricción debe plantearse así:
X1, X2  0
5. Función Objetivo:
La función objetivo vista como una ecuación lineal, en términos de su
ganancia diaria, queda así:
Xo = 20X1 + 50X2
Esta ecuación establece que la ganancia total de la compañía se

forma con el total de ganancia que genera el producto A (al multiplicar su
ganancia unitaria por el total de unidades a fabricar "X ") más el total de
1
ganancia que genera el producto B (al multiplicar su ganancia unitaria por el

total de unidades a fabricar de "X 2 ").
La formulación final del problema, queda de la siguiente manera:
Maximizar:
Xo = 20X1 + 50X2
Sujeta a: 0.5X1 + 2X2  8

1X1 + 2X2  12
X1, X2  0
Este problema, resulta sencillo y no requiere de programación lineal para

resolverlo. Sin embargo, en la práctica suelen presentarse problemas que implican
docenas de productos y variedad de restricciones que no pueden resolverse en
forma intuitiva y en donde la programación lineal, ha resultado una herramienta
sumamente eficaz.
Ejemplo No. 2: (Decisiones sobre mezclas y producción).
Una compañía productora de nueces vende dos mezclas diferentes en época

navideña. La primera mezcla está destinada a un mercado de clientes de clase
media, la cual contiene un 80% de cacahuates y un 20% de nueces. La segunda
mezcla está elaborada para un selecto grupo de clientes quienes pagarán más por
una mezcla que contiene 50% de cacahuates y 50% de nueces. Semanalmente la
compañía adquiere 1800 kilos de cacahuates y 1200 kilos de nueces. Las ganancias
unitarias son de Q.10.00 por cada kilo de la mezcla barata y de Q.15.00 por cada kilo
de mezcla más cara. ¿Cuántos kilos de cada mezcla deberá de producir la
compañía, si desea maximizar su utilidad?.
Formulación:
1. Objetivo:
Maximizar la utilidad semanal.
La cantidad de kilos de las mezclas I y II que deben producirse
dentro de los límites de capacidad.
Por lo tanto,
X1 = Cantidad de kilos de la mezcla I que se producirán

semanalmente.
X2 = Cantidad de kilos de la mezcla II que se producirán

semanalmente.
Cantidad de kilos de cacahuates y nueces suministrados
semanalmente.
4. Restricciones:
La primera restricción se refiere a la disponibilidad de cacahuates
suministrados semanalmente, utilizados en la elaboración de mezclas I y II:
0.80X1 + 0.50X2  1800
Cada kilo de la mezcla I utiliza 80% de cacahuates y cada kilo de la

mezcla II, utiliza 50% de cacahuates. Por lo tanto, el total de kilos de
cacahuate utilizados en la producción semanal de las mezclas I y II, se
expresa mediante la suma total de kilos utilizados en cada mezcla y debe ser
igual o menor al total de kilos disponibles en una semana, que para este caso,
corresponde a 1800 kilos.
La segunda restricción se refiere a la disponibilidad de nueces suministrados
semanalmente, la cual puede expresarse de la siguiente manera:
0.20X1 + 0.50X2  1200
Cada kilo de la mezcla I utiliza 20% de nueces y cada kilo de la mezcla

II, utiliza 50% de nueces. Por lo tanto, el total de kilos de nueces utilizados en la
producción semanal de las mezclas I y II, se expresa mediante la suma total de
kilos utilizados en cada mezcla y debe ser igual o menor al total de kilos
disponibles en una semana, que para este caso, corresponde a 1200 kilos.
La restricción de no negatividad:
X1, X2  0
La función objetivo vista como una ecuación lineal, en términos de su
ganancia diaria, queda así:
Xo = 10X1 + 15X2
Esta ecuación establece que la ganancia total de la compañía se

forma con el total de ganancia que genera la mezcla I (al multiplicar su
ganancia unitaria por el total de kilos a producir de "X ") más el total de
1
ganancia que genera la mezcla II (al multiplicar su ganancia unitaria por el total
de kilos a producir de "X 2").
Maximizar: Xo = 10X1 + 15X2

Sujeta a: 0.80X1 + 0.50X2  1800
0.20X1 + 0.50X2  1200
X1, X2  0
Ejemplo No. 3: (Decisiones sobre comercialización y ventas).
Una compañía desea anunciar su producto mediante el uso de estaciones de radio y

televisión nacional. Sin embargo, cuenta con un presupuesto máximo para
publicidad mensual de Q.1,000.00. De acuerdo a los estudios realizados, cada minuto
de anuncio en la radio cuesta Q.5.00, mientras que cada minuto de publicidad en
televisión cuesta Q.100.00. La compañía desea utilizar la radio cuando menos dos
veces más que la televisión debido a que considera que cubrirá más su mercado
meta a través de este medio. La experiencia pasada muestra que cada minuto de
publicidad por televisión generará en términos generales, veinticinco veces más
ventas que cada minuto de publicidad por la radio. Si la compañía desea maximizar
sus ventas, determine la asignación de tiempo óptima para anuncios por radio y
televisión.
Formulación:
1. Objetivo:
Maximizar las ventas mensuales.
La cantidad de tiempo en minutos que serán utilizados para
publicidad en estaciones de radio y televisión.
Por lo tanto,
X1 = Cantidad de minutos de publicidad al mes en estaciones de radio.
X2 = Cantidad de minutos de publicidad al mes en estaciones de

televisión.
a. Cantidad de presupuesto mensual disponible para publicidad.
b. Proporción de uso de la radio con respecto a la televisión.
4. Restricciones:
La primera restricción se refiere a la disponibilidad de presupuesto mensual
para publicidad:
5X1 + 100X2  1000
Cada minuto de publicidad en la radio cuesta Q.5.00 y cada minuto de

publicidad en la televisión cuesta Q.100.00. Por lo tanto, el costo total de publicidad
mensual, se expresa mediante la suma total del costo de publicidad en la radio
más el costo total de publicidad en la televisión y debe ser igual o menor al total de
presupuesto disponible al mes, correspondiente a Q.1000.00.
La segunda restricción se refiere a la proporción de uso de la radio con

respecto a la televisión, la cual puede expresarse de la siguiente manera:
1X1  2X2
Esta desigualdad expresa el deseo de la compañía de utilizar la radio

(X1) por lo menos dos veces más que la televisión (X 2).
Al transponer términos, la restricción puede expresarse de igual forma, de la
siguiente manera:
1X1 - 2X2  0
X1, X2  0
La función objetivo vista como una ecuación lineal, en términos de la venta
mensual, queda así:
Xo = 1X1 + 25X2
Esta ecuación establece que cada minuto de publicidad por televisión

genera veinticinco veces más de ventas que cada minuto de publicidad por la radio.
Maximizar:
Xo = 1X1 + 25X2
Sujeta a: 5X1 + 100X2  1000

1X1 - 2X2  0
X1, X2  0
Ejemplo No. 4: (Decisiones sobre planeación dietética).
La dietista de una prestigiosa clínica de reducción de peso, debe encontrar la

combinación más barata de dos productos alimenticios A y B que contienen al
menos 0.5 miligramos de tiamina y al menos 600 calorías. Los estudios indican que
cada onza de A contiene 0.12 miligramos de tiamina y 100 calorías; mientras que
cada onza de B contiene 0.08 miligramos de tiamina y 150 calorías. Si el costo de
cada alimento es de Q.10.00 por onza, ¿cuántas onzas de cada alimento deberán
combinarse de tal manera que se cumplan los requerimientos dietéticos y el costo de
alimentación sea mínimo?.
Formulación:
1. Objetivo:
Minimizar el costo de alimentación por paciente.
La cantidad de onzas de cada producto alimenticio A y B que
deberán combinarse.
Por lo tanto,
X1 = Cantidad de onzas del producto A.
X2 = Cantidad de onzas del producto B.
Requerimientos mínimos de tiamina y calorías.
4. Restricciones:
La primera restricción se refiere al requerimiento mínimo de tiamina que
deberá cubrir la combinación de productos:
0.12X1 + 0.08X2  0.50
Cada onza del producto A contiene 0.12 miligramos de tiamina y cada onza
del producto B contiene 0.08 miligramos de tiamina. Por lo tanto, la suma total de
tiamina de ambos productos debe ser igual o mayor al requerimiento dietético
mínimo de tiamina que corresponde a 0.50.
La segunda restricción se refiere al requerimiento mínimo de calorías

que deberá cubrir la combinación de productos:
100X1 + 150X2  600
Cada onza del producto A contiene 100 calorías y cada onza del producto B
contiene 150 calorías. Por lo tanto, la suma total de calorías de ambos productos
debe ser igual o mayor al requerimiento dietético mínimo de calorías que
corresponde a 600.
X1, X2  0
La función objetivo vista como una ecuación lineal, en términos del costo de
alimentación, queda así:
Xo = 10X1 + 10X2
Esta ecuación establece que cada onza del producto A y B tiene un costo
de Q.10.00.
Minimizar:
Xo = 10X1 + 10X2
Sujeta a: 0.12X1 + 0.08X2  0.5

100X1 + 150X2  600
X1, X2  0
 Método de solución grá fica
La aplicación de este método tiene como propósito demostrar los conceptos

básicos para el desarrollo de la técnica algebraica para programas lineales con más
de dos variables. Es un método que se utiliza para la solución de programas lineales
con dos variables y bajo ningún punto de vista pretende ser un método de aplicación
práctica; únicamente de introducción y comprobación de los conceptos básicos en
lo que se basan otros métodos y programas.
El método se basa en la idea de graficar el espacio de soluciones factible que

se define como el espacio encerrado por las restricciones existentes. La solución
óptima es el punto del espacio de soluciones que maximiza (o minimiza) el valor de la
función objetivo. Está demostrado que el óptimo es el punto extremo factible que
proporciona el mejor valor de la función objetivo.
Es importante resaltar que la búsqueda del óptimo se reduce a considerar

únicamente un número finito de puntos factibles que son los puntos esquina del espacio
de solución, conocidos como puntos extremos factibles.
Para ilustrar el funcionamiento del método, en casos de maximización, se presenta a

continuación, la solución del ejemplo número uno de la sección de formulación de
modelos.
Cierta compañía utiliza dos distintas máquinas para fabricar dos productos diferentes
identificados como A y B. La fabricación del producto A, requiere utilizar la máquina
"X" media hora y la máquina "Y" una hora. Mientras que el producto B, utiliza cada
máquina dos horas. Por especificaciones técnicas, la máquina "X" no debe operar
más de ocho horas al día y la máquina "Y", no debe operar más de doce horas
diarias. Las ganancias unitarias de los productos A y B son de Q.20.00 y Q.50.00,
respectivamente. La empresa puede vender todas las unidades que puede fabricar
de los dos productos y su objetivo consiste en maximizar su ganancia diaria.
Formulación:
Maximizar:
Xo = 20X1 + 50X2
Sujeta a: 0.5X1 + 2X2  8
1X1 + 2X2  12
X1, X2  0
Solución:
Siga cuidadosamente los siguientes pasos:
1. Encuentre los puntos donde cada restricción corta ambos ejes del plano
cartesiano en su primer cuadrante (números positivos). Para el efecto, encuentre
el valor de una variable de decisión cuando la otra variable asume un valor de
cero y viceversa. El procedimiento queda de la siguiente manera para cada
restricción:
1.1. 0.5X1 + 2X2 8
a. Encuentre el valor de X 1, cuando X 2 = 0:

Sustituyendo valores:
0.5 X1 + 2*(0) = 8
0.5 X1 = 8
X1 = 8 / 0.5
X1 = 16
Coordenadas del primer punto de la primera restricción: (16, 0)
b. Encuentre el valor de X 2, cuando X 1 = 0:

0.5*(0) + 2X2 = 8
2 X2 = 8
X2 = 8 / 2
X2 = 4
Coordenadas del segundo punto de la primera restricción: (0, 4)
1.2. 1X1 + 2X2 12

1 X1 + 2*(0) = 12
1 X1 = 12
X1 = 12 / 1
X1 = 12

1*(0) + 2X2 = 12
2 X2 = 12
X2 = 12 / 2
X2 = 6
2. Elabore la gráfica de las restricciones.

Sea X 1 = al eje de las "x" o abcisas y sea X 2 = al eje de las "y" u ordenadas.
La gráfica, es la siguiente:
Area que satisface únicamente la restricción 2.
POLÍGONO FACTIBLE DE SOLUCIONES (ÁREA QUE SATISFACE AMBAS RESTRICCIONES)

3. Encuentre el valor de los puntos donde hay intersección de dos o más

restricciones.
El punto de intersección de las dos restricciones, tiene coordenadas (8,2).
4. Identifique el espacio factible de soluciones (aquella área que satisface todas las
restricciones del modelo) y sus puntos extremos.
Este está encerrado por los puntos de coordenadas: (0,0); (0,4); (8,2) y
(12,0).
5. Valúe los puntos extremos en la función objetivo.
Xo = 20X1 + 50X2
(0,0): 20*(0) + 50*(0) = 0

(0,4): 20*(0) + 50*(4) = 200
(8,2): 20*(8) + 50*(2) = 260
(12,0): 20*(12) + 50*(0) = 240
6. Determine cuál de los puntos optimiza su función objetivo.
El punto de coordenadas (8,2) es el que optimiza el criterio de maximización

de la función objetivo.
7. Concluya su resultado.
La compañía debe fabricar diariamente 8 unidades del producto A y 2

unidades del producto B para maximizar su ganancia en Q.260.00 al día.
Para ilustrar el funcionamiento del método, en casos de minimización, se presenta a

continuación, la solución del ejemplo número cuatro de la sección de formulación de
modelos.
Ejemplo No. 2: (Decisiones sobre planeación dietética).
La dietista de una prestigiosa clínica de reducción de peso, debe encontrar la

combinación más barata de dos productos alimenticios A y B que contienen al
menos 0.5 miligramos de tiamina y al menos 600 calorías. Los estudios indican que
cada onza de A contiene 0.12 miligramos de tiamina y 100 calorías; mientras que
cada onza de B contiene 0.08 miligramos de tiamina y 150 calorías. Si el costo de
cada alimento es de Q.10.00 por onza, ¿cuántas onzas de cada alimento deberán
combinarse de tal manera que se cumplan los requerimientos dietéticos y el costo de
alimentación sea mínimo?.
Formulación:
Minimizar:
Xo = 10X1 + 10X2
Sujeta a: 0.12X1 + 0.08X2  0.5
100X1 + 150X2  600
X1, X2  0
Solución:
1. Encuentre los puntos donde cada restricción corta ambos ejes del plano
cartesiano en su primer cuadrante (números positivos). Para el efecto,
encuentre el valor de una variable de decisión cuando la otra variable
asume un valor de cero y viceversa. El procedimiento queda de la siguiente
manera para cada restricción:
1.1 0.12X1 + 0.08X2 0.5

0.12 X1 + 0.08*(0) = 0.5
0.12 X1 = 0.5
X1 = 0.5 / 0.12
X1 = 4.1667
Coordenadas del primer punto de la primera restricción: (4.17, 0)

0.12*(0) + 0.08X2 = 0.5
0.08 X2 = 0.5
X2 = 0.5 / 0.08
X2 = 6.25
Coordenadas del segundo punto de la primera restricción: (0, 6.25)
1.2 100X1 + 150X2 600

100 X1 + 150*(0) = 600
100 X1 = 600
X1 = 600 / 100
X1 = 6

100*(0) + 150X2 = 600
150 X2 = 600
X2 = 600 / 150
X2 = 4
2. Elabore la gráfica de las restricciones.

Sea X 1 = al eje de las "x" o abcisas y sea X 2 = al eje de las "y" u ordenadas.
La gráfica, es la siguiente:
Area que satisface únicamente la restricción 2. ESPACIO FACTIBLE DE SOLUCIONES (ÁREA QUE SATISFACE AMBAS RESTRICCIONES)
3. Encuentre el valor de los puntos donde hay intersección de dos o más

restricciones.

El punto de intersección de las dos restricciones, tiene coordenadas
(2.7,2.2).
4. Identifique el espacio factible de soluciones (Aquella área que satisface

todas las restricciones del modelo) y sus puntos extremos.
Este está delimitado por los puntos de coordenadas: (0, 6.25); (2.7,2.2) y (6,0).
5. Valúe los puntos extremos en la función objetivo.
Xo = 10X1 + 10X2
(0, 6.25): 10*(0) + 10*(6.25) = 62.5

(2.7, 2.2): 10*(2.7) + 10*(2.2) = 49
(6, 0): 10*(6) + 10*(0) = 60
6. Determine cuál de los puntos optimiza su función objetivo.
El punto de coordenadas (2.7,2.2) es el que optimiza el criterio de

minimización de la función objetivo.
7. Concluya su resultado.
La dietista de la clínica debe combinar 2.7 onzas del producto alimenticio A y

2.2 onzas del producto alimenticio B para cumplir con los requerimientos mínimos de
dieta en tiamina y calorías a un costo mínimo de Q.49.00 por alimento combinado.
 Método Simplex
Es un algoritmo iterativo que converge a la solución óptima en un número finito

de iteraciones y que está diseñado para evitar ineficiencias tales como resolver una
combinación de "m" ecuaciones y "n" incógnitas donde se origina un gran número de
ecuaciones simultáneas a resolver y en ocasiones con muchas de sus soluciones de
tipo infactible o no existentes. Dentro del procedimiento de solución, la función
objetivo juega un papel pasivo en el cálculo, utilizándose únicamente después de
que todas las soluciones básicas factibles han sido determinadas (puntos extremos).
Fue desarrollado alrededor de 1947 en los Estados Unidos por George Dantzig.
Para comprender el funcionamiento del método, es necesario introducir y aclarar nuevos
conceptos relacionados, los cuales son los siguientes.
a. Variables de Holgura.
Una variable de holgura es aquella que se introduce en las restricciones

identificadas en la formulación del modelo con el propósito de convertir las
desigualdades de la restricción, en igualdades o ecuaciones para el
correcto funcionamiento del método.
Suelen simbolizarse como "Sn" donde "n" corresponde al número de

variable de holgura.
Es importante saber que si la restricción que está transformando en una

igualdad es de tipo " ", entonces es indispensable sumar una variable
de holgura "Sn" para compensar el valor que haga falta, en caso que el
lado izquierdo de la operación resulte "menor" que el lado derecho y,
de esta manera, asegurar que se convertirá en una igualdad.
De manera similar, si la restricción es de tipo " ", entonces es
indispensable restar una variable de holgura "Sn" para rebajar el valor
excedente, en caso que el lado izquierdo de la operación resulte
"mayor" que el lado derecho y, de esta manera, asegurar que se
convertirá en una igualdad.
b. Condición de Optimidad del Método Simplex

El método simplex asegura a través de cada iteración que realiza, que
nunca encontrará una solución inferior al punto de solución actual. Esta
propiedad es conocida como condición de optimidad.
Relacionada a esta condición se encuentra asociado el criterio de la

variable de entrada que consiste en elegir en maximización a la variable
que tiene el mayor coeficiente negativo de la ecuación "Xo" (función
objetivo). En minimización el criterio a elegir es el más positivo. Un empate
entre variables se rompe arbitrariamente. De acuerdo a esta condición, se
llega al óptimo cuando todos los coeficientes del lado izquierdo de la
ecuación "Xo" son no negativos en maximización o bien, no positivos en
minimización.
c. Condición de Factibilidad del Método Simplex

El funcionamiento del método asegura que partiendo de una solución
básica factible, únicamente se encontrarán durante el cálculo,
soluciones básicas factibles. Esta propiedad es conocida como
condición de factibilidad.
Relacionada a esta condición se encuentra asociado el criterio de la
variable de salida que consiste en elegir la variable correspondiente al
cociente más pequeño positivo de los valores actuales de solución entre los
coeficientes positivos de las restricciones de la variable que entra. Un
empate se rompe arbitrariamente. El criterio para seleccionar la variable de
salida es el mismo independientemente si el objetivo es de tipo maximización
o minimización.
Para ilustrar el funcionamiento del método, tomaremos como caso modelo el

ejemplo número uno de la sección de formulación de modelos. Es importante que el
estudiante compare los resultados de este método con la solución gráfica.
Recuerde que el método gráfico no es un método práctico en situaciones

complejas como suele ser la mayoría de casos de la vida real. El hecho de que los
resultados sean los mismos en ambos métodos no significa que la solución gráfica
sea mejor que el método simplex. En todo caso, este último método es capaz de
resolver cualquier problema con cualquier cantidad de variables y restricciones.

Véase el enunciado del ejemplo número uno de la sección de formulación de modelos y
método de solución gráfica.
Formulación:
Maximizar:
Xo = 20X1 + 50X2
Sujeta a: 0.5X1 + 2X2  8
1X1 + 2X2  12
X1, X2  0
Solución:
1. Convierta la función objetivo en su forma estándar, igualándola a cero.

Xo - 20X1 - 50X2 = 0
2. Convierta las desigualdades de las restricciones, en igualdades, introduciendo

variables de holgura "Sn".
0.5X1 + 2X2 + S1 = 8
1X1 + 2X2 + S2 = 12
X1, X2, S1, S2  0
3. Prepare el tablero de inicio para el desarrollo del método, con los datos obtenidos
de los dos pasos anteriores.
Tablero Inicial Método Simplex

ELEMENTO
PIVOTE V.
E.
Xo X1 X2 S1 S2 Solución
Xo 1 -20 -50 0 0 0
V. S. S1 0 0.5 2 1 0 8
S2 0 1 2 0 1 12
Note que para construir el tablero, se elabora una columna para cada variable de
decisión y cada variable de holgura, así como para la función objetivo y una columna
solución. Para elaborar las filas, se inicia siempre con una fila para la función objetivo y
tantas filas como variables de holgura existan.
Para registrar los datos iniciales dentro del tablero, debe trasladar los valores
numéricos (considerando su signo) que anteceden a cada variable de la función
objetivo identificada en el paso uno, hacia la primera fila del tablero.
Posteriormente, debe trasladar los valores numéricos que anteceden a cada
variable de la primera restricción, hacia la segunda fila y, finalmente, los valores
correspondientes a la segunda restricción, hacia la tercera fila del tablero.
4. Aplique los criterios de variables de entrada y salida y realice tantas iteraciones

como sea necesario, hasta alcanzar la solución óptima.
En el tablero inicial debe seleccionar la variable de entrada identificándola como

la variable más negativa (en caso de aplicar criterio de maximización) de la
función objetivo (Xo). Para este ejemplo, es la variable X 2 la variable que tiene el
valor más negativo, por lo que ésta se seleccionó como la variable de entrada
(V.E.).
Para identificar la variable de salida (V.S.), debe realizar la división entre los valores de
la columna solución entre los valores positivos de la columna donde se encuentra la
variable de entrada y donde encuentre el cociente menor positivo, corresponderá a la
variable ubicada en dicha fila, salir del ciclo de iteraciones.
Para este ejemplo, si usted divide los valores (8  2 = 4) de la fila S 1 y (12  2 = 6) de
la fila S 2, entonces se concluye que será la variable S 1 la que saldrá del ciclo de
iteraciones.
El elemento que se encuentra en la intersección de la columna donde está la

variable de entrada con la fila donde está la variable de salida, es conocido como
elemento pivote porque es alrededor de éste, que girarán todos los demás cálculos de
cada iteración.
Para realizar los cálculos para la primera iteración, debe construir una tabla similar
al tablero inicial, con los mismos encabezados de las columnas que no variarán en ningún
caso y con la diferencia que en las filas debe sustituir el término de la variable de salida,
por el término de la variable de entrada y luego, para registrar los valores numéricos, debe
seguir los siguientes pasos:
1. Como primer punto debe convertir el elemento pivote en valor uno (1), para el
efecto, divida cada elemento de la fila donde se encuentra la variable de
salida dentro del valor del elemento pivote y coloque los resultados en el nuevo
tablero.
2. Es indispensable convertir en elementos "cero" todo valor que se encuentre
arriba del elemento pivote y debajo de éste. Para lograrlo, multiplique cada
elemento de la fila donde está el elemento pivote ya convertido en valor uno
(1), por el número que desea volver "cero" con signo cambiado y a este
resultado, súmele cada valor de la fila donde se encuentra el valor que desea
convertir en "cero" del tablero anterior y coloque los resultados en cada casilla
del nuevo tablero.
3. Identifique nueva variable de entrada, salida y elemento pivote y repita tantas
iteraciones como sea necesario hasta encontrar la optimización buscada. El
criterio de paro en la realización de ciclos o iteraciones se identifica cuando ya
no existen valores negativos en la función objetivo.
Los resultados de la primera iteración, se presentan a continuación:
Iteración 1
ELEMENTO
PIVOTEV. E.
XoX1 X2 S1 S2 Solución
Xo1-7.5 0 25 0 200 (X2*50)+Xo
X200.25 1 0.5 0 4 (S1  2)
S200.5 0 -1 1 4
V. S. (X2 * -2)+
S2
El paso descrito en el numeral 1 anterior, se resume mediante la expresión (S 1 

2) en el nuevo tablero de la iteración 1. Note que la punta de flecha de la operación
no señala ninguna celda en particular, sino más bien indica, desde afuera, que dicha
operación debe aplicarse para toda casilla de la fila "X 2".
El paso descrito en el numeral 2, lo identificamos de manera resumida
mediante la expresión (X 2*50)+Xo, la cual debe aplicarse para toda casilla de la fila
Xo del nuevo tablero y mediante la expresión (X 2 *-2)+S2 que debe aplicarse para
toda casilla de la fila S 2. Es importante que verifique que la regla aplicable siempre es
la misma, "multiplicar cada elemento de la fila donde está el elemento pivote
convertido en valor uno, por el valor que se desea cambiar a cero con signo
cambiado y sumar cada valor de la fila donde está el elemento que se desea
convertir en elemento cero".
El paso descrito en el numeral 3, indica que debe seleccionarse ahora una

nueva variable de entrada. Al evaluar toda la fila de elementos de la función
objetivo, concluimos que el valor más negativo le corresponde a la variable "X 1". La
nueva variable de salida la identificamos como S 2 luego de dividir los valores de la
columna solución entre los valores positivos donde está la nueva variable de entrada.
Al operar (4  0.25 = 16) y (4  0.5 = 8), encontramos la nueva variable de salida en el
cociente menor positivo.
Ahora identificamos el nuevo elemento pivote y construimos un nuevo tablero para

registrar los valores de la segunda iteración.
Iteración 2
Xo X1 X2 S1 S2 Solución
Xo 1 0 0 10 15 260 (X1*7.5)+Xo
X2 0 0 1 1 -0.5 2 (X1 * -0.25)+X2
X1 0 1 0 -2 2 8 (S2  0.5)
Note que en el nuevo tablero, la variable de entrada sustituyó la posición de la

variable de salida y el procedimiento de convertir el elemento pivote en valor uno y
los elementos arriba y debajo de éste en valores cero, se aplica nuevamente
mediante la regla que se resume en las operaciones expresadas a un costado del
tablero, para identificar la forma en que se obtienen los valores finales.
Luego de obtener este nuevo tablero, puede observarse que se ha llegado al

criterio de paro de ciclos o iteraciones debido a que ya no es posible seleccionar una
variable de entrada porque ya no existen valores negativos en la función objetivo.
Por lo tanto, los resultados finales indican que la función objetivo se maximiza
con valor de 260, al producir 8 unidades del producto X 1 y 2 unidades del producto
X2.
Compare estos resultados con los obtenidos en el ejemplo uno del método gráfico
y concluya de acuerdo al enunciado original del problema.
Recomendación al estudiante:
Resuelva el ejemplo número dos del método gráfico, por el método
simplex. En dicho problema, el objetivo es minimizar costos, por lo que debe
considerar que la variable de entrada le corresponderá al valor más positivo
de la función objetivo y la variable de salida no sufre ningún cambio en su
criterio. Además recuerde que a las restricciones de tipo  debe restarles las
variables de holgura "Sn" y considerar su signo dentro del tablero inicial del
método simplex.
¿Qué conclusiones obtiene de este método para problemas con objetivos

relacionados con la minimización?.
 Técnica "M"
Técnica matemática diseñada para resolver principalmente problemas de

minimización, corrigiendo ineficiencias que presenta el método simplex en ciertos
problemas con tal objetivo.
Al igual que el método simplex, es un algoritmo iterativo que converge a la solución

óptima en un número finito de iteraciones.
Para comprender el funcionamiento del método, es necesario introducir y aclarar un

nuevo concepto:
a. Variables Artificiales.
Son variables que se agregan a las restricciones y función objetivo de un
modelo únicamente como un artificio matemático para funcionalidad
de la técnica.
Suelen simbolizarse con "Rn" donde "n" corresponde al número de variable

artificial.
Es importante saber que si la restricción que está transformando en una

igualdad es de tipo " ", entonces es indispensable sumar únicamente una variable de
holgura "Sn". Si la restricción es de tipo " ", entonces es indispensable restar una
variable de holgura "Sn" y sumar una variable artificial "Rn" a la misma restricción.
Finalmente, en el caso de tener restricciones de tipo "=", entonces debe sumar
únicamente una variable artificial "Rn". En el caso específico y exclusivo de la función
objetivo que es una igualdad, debe sumar variables artificiales de tipo "MRn".
El valor "M" consiste en una penalización "muy grande" asignada

principalmente a las variables de la función objetivo para asegurar la funcionalidad
del método.
Para ilustrar la técnica, considere el siguiente ejemplo:
Ejemplo No. 1:
Formulación:
Minimizar:
Xo = 0.05X1 + 0.03X2
Sujeta a: 2X1 + 1X2  40
1X1 + 1X2  30
X1, X2  0
Solución:
1. Agregue variables de holgura y variables artificiales en las restricciones.
2X1 + 1X2 - S1 + R1 = 40
1X1 + 1X2 - S2 + R2 = 30
X1, X2, S1, S2, R1, R2  0
2. Agregue en la función objetivo igual número de variables artificiales como las hay
en las restricciones.
Xo = 0.05X1 + 0.03X2 + MR1 + MR2
3. Iguale a "cero" la función objetivo. (Identifique esta ecuación con el numeral I).
Xo - 0.05X1 - 0.03X2 - MR1 - MR2 = 0 I
4. Multiplique las restricciones por el valor "M" y sume los resultados. (Identifique esta
ecuación con el numeral II).
2X1 + 1X2 - S1 + R1 = 40 *M
1X1 + 1X2 - S2 + R2 = 30 *M
X1 X2 S1 S2 R1 R2 Solución
2M M -M 0 M 0 40M
+
M M 0 -M 0 M 30M
3M 2M -M -M M M 70M II
5. Encuentre una nueva función objetivo, sumando la ecuación identificada en el

paso 3 con la ecuación identificada en el paso 4 (I + II).
X1 X2 S1 S2 R1 R2 Solución
- 0.05 - 0.03 0 0 -M -M 0 +
3M 2M -M -M M M 70M
-0.05 + 3M -0.03 + 2M -M -M 0 0 70M
6. Proceda a resolver el modelo con los mismos pasos del método simplex, utilizando
la nueva función objetivo encontrada en el paso 5 y las restricciones establecidas
en el paso 1. Es importante aclarar que ahora deberá agregar tantas columnas
como necesite en su tablero, para identificar las variables artificiales y, además,
considere que en las filas iniciará siempre identificando la función objetivo y luego
únicamente las variables artificiales.
Tablero Inicial
PIVOTE V. E.
Xo X1 X2 S1 S2 R1 R2 Sol.
Xo 1 -0.05+3M -0.03+2M -M -M 0 0 70M
V. S. R1 0 2 1 -1 0 1 0 40
R2 0 1 1 0 -1 0 1 30
Para seleccionar la variable de entrada, por tratarse de minimización, ésta
deberá corresponder al valor más positivo de la función objetivo. Sustituya
arbitrariamente un valor "muy grande positivo" como valor "M" de manera constante
y coincidirá en que el valor más positivo le corresponde a "X 1".
Proceda al igual que en el método simplex, a convertir el elemento pivote en valor

uno y a convertir los elementos arriba y debajo de él, en valores cero.
Iteración 1
PIVO
TE
V. E.
Xo 1 0 -0.005+0.5M -0.025+0.5M -M 0.025-1.5M 0 1+10M [X1*(0.05-3M)]+Xo
X1 0 1 0.5 -0.5 0 0.5 0 20 (R1  2)
V. S. R2 0 0 0.5 0.5 -1 -0.5 1 10
[X1*(-1)]+R 2
En el tablero anterior vuelve a buscar el valor más positivo de la función objetivo y

repite el procedimiento.
Iteración 2
[X2*(0.005-0.5M)]+Xo
Xo 1 0 0 - 0.02 - 0.01 0.02 - M 0.01 - M 1.10
X1 1 0
[X2 *(-0.5)]+X 1 0 -1 1 1 -1 10
X2 0 0 1 1 -2 -1 2 20 (R1  2)
Observe que ya no existen valores positivos dentro de la función objetivo ni

valores "M" en la solución, por lo tanto ya se ha llegado al criterio de paro del método
y a la respuesta óptima.
 Soluciones Especiales del Método Símplex
En muchas ocasiones se presentan casos especiales en el desarrollo del

método símplex, a los cuales debe dárseles una solución adecuada mediante un
tratamiento e interpretación especial.
Dentro de las soluciones especiales del método símplex, tenemos:

 Soluciones degeneradas
 Soluciones no acotadas
 Soluciones óptimas alternativas
 Soluciones factibles no existentes.
a. Soluciones degeneradas
La degeneración de una solución se presenta cuando en una
iteración, una o más variables básicas toman el valor de cero.
Cuando una variable llega a este punto, no existe certeza sobre si el
valor de la función objetivo mejorará o entrará en un ciclaje sin
alcanzar nunca la solución óptima.
En el método de solución gráfica, la degeneración puede identificarse

cuando más restricciones de las necesarias determinan un punto
extremo.
b. Soluciones no acotadas
Este caso se presenta cuando el espacio factible de soluciones
está no acotado o delimitado, de manera que el valor de la
función objetivo puede aumentarse indefinidamente, sin afectar
la factibilidad del problema.
c. Soluciones óptimas alternativas
Una solución alternativa se presenta cuando la función objetivo
posee el mismo valor óptimo en más de una solución. Es decir,
que puede presentarse el caso que para un problema en
particular exista un número finito o infinito de soluciones, donde
cada una proporcionará el mismo resultado o valor a la función
objetivo.
Generalmente una solución alternativa se identifica cuando en la fila

de la función objetivo se observa una o más variables a nivel cero,
las cuales podrían ser candidatas elegibles para convertirse en
variable de entrada y dar inicio a un ciclo de iteraciones. El hecho de
estar a nivel cero, significa que puede iniciarse una nueva iteración
sin que necesariamente se aumente o disminuya el resultado de la
función objetivo, manteniéndose constante el valor de la solución.
Todas las soluciones alternativas cumplirán con las restricciones del

problema, por lo que todas serán soluciones óptimas igualmente
válidas.
d. Soluciones no existentes
Este caso se presenta cuando ningún punto satisface las
restricciones de un problema. Gráficamente, una solución no
existente se visualiza cuando no es posible identificar puntos
extremos de solución debido a que no se cumplen todas las
restricciones del problema. Quizás se satisface una o más
restricciones, pero no todas; por lo que se dice que no existe
solución al problema en particular.
 Problemas Sugeridos del Capítulo
A continuación encontrará una serie de problemas caso que se le sugiere

estudiar y analizar detenidamente. Formule la construcción del modelo para cada
uno y resuelva aplicando los métodos aprendidos en el desarrollo de este capítulo.
Compare resultados y concluya de una manera profesional.
1. Una empresa dedicada a la venta de dos productos manufactureros, necesita

saber cuántas unidades de cada producto debe producir para el próximo mes si
el propósito consiste en maximizar los beneficios de los mismos. Los detalles de
producción son los siguientes: Para producir una unidad del producto A, se
necesitan dos horas de máquina y tres horas de mano de obra. Cada unidad del
producto B necesita tres horas de tiempo de máquina y dos horas de tiempo de
mano de obra. El tiempo semanal disponible de máquina es de 250 horas,
mientras que de mano de obra se dispone de 180 horas semanales. Si la ganancia
que se obtiene por cada producto A, es de Q.35.00 y por cada producto B, de
Q.30.00; determine la utilidad máxima.
2. Una empresa dedicada a la venta de muebles de uso comercial, introdujo

recientemente al mercado dos tipos de muebles, el tipo I es un mueble para
computadora y el tipo II es un mueble para televisión. El gerente general le solicita
al administrador del taller, le presente un informe sobre cuántos muebles de estos
dos tipos se deben producir para el próximo mes si se desea obtener el beneficio
máximo de los mismos. Los detalles de producción son los siguientes: Para
producir un mueble para computadora se necesitan dos horas de máquina y una
hora de mano de obra. Cada mueble para televisión necesita seis horas de
máquina y cuatro horas de mano de obra. Por razones técnicas, la máquina tiene
un tiempo máximo disponible de doce horas y la mano de obra, siete horas. La
ganancia que se obtiene por cada mueble de computadora es de Q.150.00 y por
cada mueble de televisión es de Q.275.00.
3. Cierto fabricante produce sillas y mesas para las que requiere la utilización de
dos secciones de producción, la sección de montaje y la de pintura. La
producción de una silla requiere una hora de trabajo en la sección de montaje y
de dos horas en la de pintura. Por su parte, la fabricación de una mesa precisa de
tres horas en la sección de montaje y de una hora en la de pintura. La sección de
montaje sólo puede estar nueve horas diarias en funcionamiento, mientras que la
de pintura sólo ocho horas. El beneficio produciendo mesas es el doble que el de
sillas. ¿Cuál ha de ser la producción diaria de mesas y sillas para que el beneficio
sea máximo?.
4. Una industria papelera fabrica dos tipos de cuadernos universitarios. El tipo 3010
posee ciertas características especiales en el diseño de su portada y se vende a
Q.1.25 cada unidad. El tipo 2020 no tiene ningún diseño especial y se vende a
Q.0.90 cada cuaderno. Los costos en materiales por unidad para éstos cuadernos son
de 50 cts. y 45 cts. respectivamente. Estos cuadernos están constituidos por tres tipos
de materiales: materiales para hojas, para pastas y resorte. El cuaderno tipo 3010
utiliza 8 onzas de material para las hojas, 4 onzas de material para la pasta y 1 onza
de material para resorte; mientras que el tipo 2020 utiliza 10 onzas, 6 onzas y 1 onza
respectivamente. Cada mes la compañía recibe un suministro por parte de sus
proveedores de 10 toneladas de material para hojas, 8 toneladas de material para
pasta y una tonelada de material para resorte. ¿Qué cantidad de cada tipo de
cuaderno deben producirse a fin de obtener la máxima utilidad?. (Considere que 1 Ton
= 2000 Lbs.).
5. Una empresa fabricante ingresó al negocio produciendo una calculadora de 12

funciones, la FC-12; que se vende a $6.00. Luego agregó una versión mejorada de
18 funciones, la FC-18 que se vende a $9.00. Los costos unitarios de producción
son, para la FC-12 de $2.00 y para la FC-18 de $3.00. La empresa puede fabricar
cualquier combinación de calculadoras siempre y cuando no exceda su
capacidad disponible. El tiempo de montaje para cada calculadora FC-12 es de
0.20 horas y para la FC-18 es de 0.70 horas; disponiendo de 8,000 horas de trabajo en
el mes. El departamento de mercadeo ha establecido que la empresa puede vender
hasta 12,000 calculadoras en el mes sin importar la combinación en la cantidad de
cada estilo de calculadora, pues ambas tienen aceptación en el mercado. Determine la
cantidad de calculadoras de cada estilo que deben producirse a fin de maximizar la
utilidad.
6. Una compañía manufacturera de productos ensamblados, desea evaluar sus

productos líderes en juguetería para niños de uno a siete años, los cuales son
motocicletas y automóviles. Cada producto de éstos requiere un tiempo de
manufacturación específico en cada uno de los siguientes departamentos:
Moldeado, Pintura y Empaque. La disponibilidad de tiempo de trabajo diario en
cada departamento, se sabe que corresponde a 300 minutos en el
departamento de moldeado; 400 minutos en pintura y 400 minutos en empaque.
Cada motocicleta requiere 1 minuto de tiempo de moldeado, 2 minutos de
pintura y 1 minuto de empaque. Cada automóvil requiere 2 minutos de tiempo de
moldeado, 1 minuto de pintura y 2 minutos de empaque. La compañía desea
saber cuál es la cantidad de juguetes consistentes en motocicletas y automóviles
que debe producir, a fin de maximizar su ganancia; para ello, ha determinado
que tanto motocicletas como autos, contribuyen con Q.1.00 a la utilidad unitaria.
7. En una granja de crianza de cerdos y conejos, se dispone de un espacio para

almacenamiento de concentrado hasta para 2,300 kilogramos. Si cada cerdo
necesita 30 kilogramos de concentrado al mes y cada conejo 18 kilogramos; y se
sabe que las horas de cuidados requeridos para un cerdo son 30 y para un conejo
son 60, disponiendo de 3,500 horas presupuestadas al mes; Determine la cantidad
de animales que deben criarse si la venta de cada uno representa un beneficio
de Q.525.00 por cabeza de cerdo y Q.375.00 por cabeza de conejo, de tal
manera de maximizar la utilidad.
8. Una planta productora de aparatos eléctricos tiene cuatro máquinas que son
utilizadas para fabricar televisores a color y videograbadoras, los requerimientos
de tiempos de manufacturación de cada unidad, de cada aparato, en horas son
los siguientes: Para cada televisor, 0.5 horas en máquina 1; 0.5 horas en máquina
2; 1 hora en máquina 3; y 1 hora en máquina 4. Para cada videograbadora se
requiere: 1 hora en máquina 1; 0.5 horas en máquina 2; 1 hora en máquina 3; y 1.5
horas en máquina 4. El número de horas disponible mensualmente por máquina es
de 150; 200; 250 y 300 horas, respectivamente. El objetivo consiste en diseñar un
plan de producción mensual de televisores y videograbadoras, a fin de maximizar
la ganancia; para lo cual se ha determinado que las utilidades unitarias son de
Q.25.0 para cada televisor y Q.20.00 para cada videograbadora.
9. Una conocida industria de calzado, lanza dos nuevos estilos en zapatos de

seguridad industrial. El estilo R-metálico y el estilo R-seguridad. Se conoce que el
estilo metálico aporta a las utilidades de la empresa Q.55.00 por unidad y que el
estilo seguridad aporta Q.45.00 por unidad. El proceso general de la elaboración
de los dos estilos conlleva tres fases dentro de la empresa; el departamento de
troquelado, el de cosido y el de empaque. El estilo metálico requiere 0.30 horas
en el primer departamento, 0.80 horas en el segundo y 0.50 horas en el tercero. El
estilo seguridad requiere 0.30 horas, 0.75 horas y 0.30 horas de producción en
cada departamento, respectivamente. Las horas disponibles al mes son de 750
horas en troquelado, 1800 horas en cosido y 900 horas en empaque. Determine el
volumen de producción óptimo de cada producto a fin de maximizar la utilidad
total.
10. Un granjero tiene 100 acres en los cuales desea sembrar dos cultivos. La
recolección de cada acre del primer cultivo demanda de 5 horas hombre y cada
acre del segundo cultivo 20 horas hombre. El granjero puede confiar en un total
de 1,350 horas hombre destinadas a la recolección de los dos cultivos. Si la utilidad
es de $100 por acre en el caso del primer cultivo y de $300 por acre para el
segundo, determine la porción del terreno deberá plantarse con cada cultivo a fin de
maximizar la utilidad.
11. Una industria maquiladora dedicada a la confección de prendas de vestir para

dama, se enfrenta al problema de maximizar la cantidad de docenas que puede
producir de dos prendas líderes en el mercado en función de su capacidad
disponible. Las dos prendas son el “Panty estilo 3000” y el “Baby Doll, estilo 2025”.
En ambos casos, se utilizan para su confección las máquinas Zig-Zag y Overlock.
Se tiene determinado el total de horas estándar a utilizar por cada docena
producida, para cada máquina y estilo de la siguiente manera:
Estilo Prenda Zig-Zag Overlock

3000 0.185 hrs/ doc 0.238 hrs/ doc
2025 0.404 hrs/ doc 1.84 hrs/ doc
La jornada laboral es de 8 horas diarias y se cuenta con tres máquinas de overlock y

tres máquinas de zig-zag para la confección de prendas, las cuales funcionan
simultáneamente cada día para producir las cantidades necesarias.
12. Una compañía se dedica a producir dos tipos de estilo de zapatos. Cada tipo de
zapato del tipo A requiere el doble de tiempo en mano de obra que del tipo B. Si
la producción total de zapatos es sólo del segundo tipo, la empresa puede
producir un total de 600 pares al día. En el mercado se limitan las ventas diarias de
zapatos del tipo A y B, a 400 pares y 150 pares respectivamente. Si los beneficios
por cada par, para el tipo A son de Q.50.00 y de Q.45.00 para el tipo B, determine
el número de pares de zapatos que debe producirse de cada tipo a fin de
maximizar la utilidad.
13. Recientemente el departamento de mercadotecnia de una empresa productora

de artículos para el hogar, determinó que los dos principales productos de la
empresa, por el volumen de ventas que normalmente generan, estaban
decreciendo en sus aportes de beneficios financieros. Por lo tanto, se estableció
que el volumen de ventas del producto I es cuando menos el 60% de las ventas totales
de los dos productos. Ambos productos utilizan la misma materia prima, cuya
disponibilidad diaria está limitada a 100 libras. Ambos productos I y II utilizan esta
materia prima a razón de 2 lbs./unidad y 4 lbs./unidad, respectivamente. El precio de
venta de los dos productos es de Q.20.00 y Q.40.00 por unidad. ¿Qué cantidad de
cada producto debe promocionar y vender el departamento de mercadeo y ventas para
maximizar la utilidad?
14. Una compañía productora vende tres tipos de nueces diferentes en el mercado
durante la época navideña. La marca regular contiene 80% de cacahuates y 20%
de nueces. La marca superior contiene 50% de cacahuates, 30% de nueces y 20%
de pistaches y la marca de lujo contiene 30% de cacahuates, 30% de nueces y
40% de pistaches. La empresa tiene asegurados suministros por 4300 libras de
cacahuates, 2500 libras de nueces y 2200 libras de pistaches, semanalmente. Si la
utilidad es de 10 centavos por libra de cada mezcla, ¿cuántas libras de cada
marca deberían venderse con objeto de maximizar la utilidad total?
15. Un agricultor de un área rural, se dedica a la crianza de cerdos que consumen

una mezcla de comida especial todos los días. El alimento puede prepararse con
maíz y harina de soya de acuerdo a la siguiente descripción: Cada libra de maíz
contiene: 0.01 lb. De calcio, 0.9 lb. De proteína y 0.2 lb. De fibra. Cada libra de
harina de soya contiene: 0.02 lb. De calcio, 0.6 lb. De proteína y 0.6 lb. De fibra. El
costo por cada libra de maíz es de $0.20 y por cada libra de harina de soya es de
$ 0.60. Los requisitos diarios de alimentación de cada cerdo son: Al menos 1% de
calcio; Al menos 60% de proteína y máximo 40% de fibra. Determine la mezcla de
alimentos por cada cerdo con el mínimo costo diario.
16. Una compañía dedicada a la purificación de minerales cuenta con dos minas "Y"
y "Z" para su extracción. Cada tonelada de mineral de la primera mina produce
50 libras de cobre, 4 libras de cinc y una libra de molibdeno. Cada tonelada de
mineral procedente de "Z" produce 15 libras de cobre, 8 de cinc y 3 libras de
molibdeno. La compañía debe producir al menos 87,500 libras de cobre; 16,000 de cinc
y 5,000 de molibdeno, semanalmente. Si tiene un costo de Q.50.00 por tonelada
obtener mineral de "Y" y Q.60.00 por tonelada extraerlo de la mina "Z",
¿cuánto mineral deberá obtenerse de cada mina con objeto de cumplir los
requerimientos de producción a un costo mínimo?
17. El filete de lomo tiene un costo de $12 por kilo y cada kilo contiene 83 calorías y 6
gramos de proteínas. El pollo rostizado tiene un costo de $9 por kilo y cada kilo
contiene 65 calorías y 2 gramos de proteínas. Con la información anterior, se
desea realizar una planeación dietética para una persona que debe consumir al
menos 2,900 calorías y 190 gramos de proteínas. Determine la cantidad de filete
de lomo y de pollo que debe consumir esta persona para cumplir con los
requerimientos de dieta a un costo mínimo.
18. Una persona está considerando reemplazar en su dieta parte de la carne por
brócoli. Una onza de carne contiene en promedio 6 gramos de proteína y 4
miligramos de vitaminas; mientras que una onza de brócoli contiene 1/2 gramo de
proteína y 3 miligramos de vitaminas. Si requiere que su consumo diario de
proteína y vitaminas que obtiene de la carne y del brócoli combinados debe ser
al menos 75 gramos de proteína y 220 miligramos de vitamina; determine la
cantidad de carne y brócoli que debe consumir esta persona para cumplir con
los requerimientos de dieta a un costo mínimo, si la onza de carne cuesta $14 y la
onza de brócoli cuesta $8.
CAPITULO III
MODELO DEL PROBLEMA DE TRANSPORTE
 Concepto
n tipo de problema especial de programación lineal, es el llamado
problema de transporte . Recibe este nombre debido a que muchas de sus

aplicaciones involucran determinar la manera óptima de transportar bienes. Sin
embargo, algunas de sus aplicaciones importantes, tal es el caso de la
programación de la producción, de hecho, no tienen nada que ver con el
transporte.
Este tipo de problema empezó a estudiarse alrededor de 1939 por L.V.

Kantorovich, quien resaltó las propiedades matemáticas que permiten una
aplicación simplificada dentro de la industria.
El problema de transporte se refiere a la distribución de cualquier bien desde

cualquier grupo de centros de abastecimiento, llamados "orígenes", hacia
cualquier grupo de centros de recepción, llamados "destinos"; de tal manera que
se minimicen los costos totales de distribución.
 Ba lanceo del modelo de tra nsporte
Significa que la oferta en todos los orígenes debe igualar la demanda de todos los
destinos. En problemas reales esta restricción no siempre se cumple, en la mayoría de
los casos la oferta disponible puede ser menor que la demanda o puede excederla. En
este caso se dice que el modelo "no está balanceado".
Sin embargo, para poder desarrollar el modelo eficazmente, se impone la restricción
de balanceo únicamente porque es fundamental al desarrollar la técnica, de tal manera
que cualquier problema real puede balancearse "artificialmente" convirtiéndolo a un
problema con igual oferta y demanda.
Si la demanda excede a la oferta, se aumenta un origen ficticio y si existe

exceso de oferta, se utiliza un destino ficticio para absorber la cantidad excedente.
Los costos de transporte por unidad desde el origen ficticio a todos los destinos, son
cero, ya que esto es equivalente a no transportar desde el origen ficticio. En forma
semejante, los costos de transporte por unidad desde todas las fuentes a todos los
destinos ficticios son cero. Físicamente las cantidades enviadas desde un origen
ficticio pueden interpretarse como escasez de la demanda, mientras que los
asignados a un destino ficticio pueden interpretarse como capacidades no utilizadas
en el origen.
 Pasos básicos de la técnica de transporte
Para encontrar una solución óptima en costos de distribución, es importante aplicar

los siguientes pasos generalizados.
1. Determine una solución factible básica de inicio.

2. Determine una variable que entra de las variables no básicas. Si todas, de
tales variables satisfacen la condición de optimidad, entonces pare; de lo
contrario, vaya al paso 3.
3. Determine una variable que sale (usando la condición de factibilidad) de
entre las variables de la solución básica real, entonces encuentre la nueva
solución básica. Regrese al paso 2.
 Métodos de solución para obtener una solución factible básica de inicio
1. Método de la esquina nor-oeste.

2. Método de costo mínimo.
3. Método de aproximación de Vogel (MAV).
 Métodos de optimización
1. Método de Banquillo (Stepping Stone ó Multiplicadores de Lagrange)

2. Solución Numérica de Houthakker
3. Método de Wagener
4. Primal Dual para el Transporte
5. Primal de Balinski y Gómory
 Representación utilizada para el desarro lo de la técnica de tra nsporte
Destino "j"
Origen "i" 1 2 3 OFERTA
C11 C12 C13
1 X11 X12 a1 X13
C21 C22 C23
2
X21 X22 a2 X23
DEMANDA b1 b2 b3
 Consideraciones importa ntes
1. La cantidad de variables que conforman la solución básica de inicio, está

determinada por la fórmula: "n" (orígenes) + "m" (destinos) - 1. Compruebe
en su tablero final que el número de variables coincida con lo que determina
la fórmula.
2. Las variables que conforman la solución básica de inicio en el tablero final,
son conocidas como "variables básicas". Las restantes casillas (en blanco),
representan variables "no básicas".
3. Cuando una columna y una fila se satisfacen simultáneamente en la
cantidad ofertada y demandada, la variable siguiente que debe agregarse
a la solución básica, necesariamente estará en un nivel cero (0).
Estudiaremos ahora un ejemplo para explicar el funcionamiento de los tres

métodos para encontrar una solución básica de inicio. La distribución sugerida para
el transporte, por cada uno de ellos representa únicamente una solución de inicio
que debe optimizarse mediante otro método complementario (banquillo) para
asegurar que los costos de distribución serán mínimos.
Ejemplo Ilustrativo
Una compañía desea minimizar sus costos de distribución de productos. Cuenta con tres
fábricas y cinco distribuidores. La producción semanal de las fábricas es de 20, 25 y 30
unidades, respectivamente. Los requerimientos de los distribuidores corresponden a 10,
12, 14, 16 y 18 unidades semanales, respectivamente. Los costos de enviar una unidad
entre cada fábrica y los distribuidores, se presentan a continuación.
Distribuidores
Fábrica 1 A B C D E
2 42 32 33 39 36
3 34 36 37 32 37
38la solución aplicando
Se determinará 31 40 de los métodos
cada uno 35 de transporte.
35
 Método de Esquina Nor-Oeste
Se basa en el principio de asignar la cantidad máxima permitida por la oferta y la

demanda, a la variable que está ubicada en la esquina noroeste de la tabla.
En toda tabla, inicialmente la variable ubicada en la esquina nor oeste, es la

variable X 11.
Antes de resolver cualquier problema de transporte, se debe verificar si el modelo

está balanceado. Para el ejemplo en análisis, sume las cantidades ofertadas (por las
fábricas) y las cantidades demandadas (por los distribuidores).
El total de unidades ofertadas es de 75; mientras que el total de unidades

demandadas es de 70. Como la suma no es igual, se dice que el modelo "no está
balanceado". Para que el método sea aplicable, se debe agregar una "columna
ficticia" con una demanda "artificial" de 5 unidades y de esta manera, balancear el
modelo. Además, los costos asociados a dicho distribuidor "artificial", son costos con
valor cero. La matriz que se trabajará deberá tener entonces 6 columnas
identificadas de la A hasta la E, para poder desarrollar la metodología de solución.
Para comprender la metodología para realizar los registros de valores dentro de la

matriz, repasemos paso a paso la secuencia. Se sugiere que el estudiante prepare una
matriz sin valores en sus casillas y aplique los pasos indicados para comparar sus
resultados con la tabla presentada.
1. Inicialmente usted tiene la matriz sin ningún valor dentro de sus casillas. Proceda a
identificar la esquina nor-oeste de la tabla. Concluirá que le corresponde a la
variable X 11. Evalúe la oferta disponible (20 unidades) y la demanda (10
unidades) en dicha casilla. Asigne lo máximo permitido. En este caso 10 unidades
y actualice sus saldos de unidades en la oferta (10 unidades) y demanda
(ninguna unidad). Proceda a "eliminar" la columna 1 (debido a que ya no hay
demanda que cubrir en esta columna) con una línea vertical y asígnele un
correlativo número uno para guardar orden en la secuencia.
Distribuidores
Fábri A B C D E F OFERTA
1
ca
1 42 32 33 39 36 0 20 10
10
( 11)
X (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0
30
(X31) (X32) (X33) (X34) (X35) (X36)

10 12 14 16 18 5
De- 75
man 75
---
da
2. Haga de cuenta que la columna 1, que ya se "eliminó", ya no forma parte de la

matriz. Determine nuevamente la nueva esquina nor-oeste de la tabla. Le
corresponde a la variable X 12. Evalúe oferta y demanda y asigne lo máximo
permitido. En este caso puede asignar 10 unidades- Actualice saldos disponibles.
Elimine la fila 1 debido a que ya no hay disponibilidad de oferta en esta fila. Lleve
el correlativo de las eliminaciones de filas y columnas (número 2).
Distribuidores
Fábri ca A B C D E F OFERTA
1 1
42 32 33 39 36 0 20 10 ---
10 (X11) 10 (X12) 2
(X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

3 38 31 40 35 35 0 30
(X31) 10 (X32) 12 (X33) (X34) (X35) (X36)

--- 2 14 16 18 5
De- 75
man
75
da
3. El procedimiento es repetitivo. La nueva esquina nor-oeste es donde está la

variable X 22. Asigne lo máximo permitido (2 unidades). Actualice saldos. Elimine
la columna o fila donde ya no exista disponibilidad y encuentre nueva esquina nor-
oeste.
Distribuidores
1 3
ca
1 42 32 33 39 36 0 20 10 ---
10 10 2
( X11) ( X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25 23
2
( X21) ( X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0 30
X( 31) 10 X( 32) 12 (X33) (X34) (X35) (X36)

--- 2 14 16 18 5
De- 75
man
75
da
---
4. Continúe el mismo procedimiento, identificando y asignando la mayor cantidad

posible en la esquina nor oeste de la tabla. Por ahora toca asignar en la casilla
X23 , luego eliminando las filas o columnas (sólo una a la vez) que hayan quedado
a nivel cero y así sucesivamente hasta finalizar el llenado de la tabla. Al final,
verifique que tanto oferta como demanda quedan sin ningún valor y que ha
quedado únicamente una fila sin "eliminar". La tabla completa deberá quedarle
así:
Distribuidores
1 3 4 6 7 8
ca
1 42 32 33 39 36 0 20 10 ---
10 10 2
( X11) ( X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25 23 9 ---
2 14 (X23) 9 (X24) 5
( X21) ( X22) (X25) (X26)
3 38 31 40 35 35 0 30 23 5 ---
7 (X34) 18 (X35) 5 (X36)

X( 31) 10 X( 32) 12 (X33) 14 16 18 5
--- 2 --- 7 --- ---
De- 75
man
75
da
--- ---
Es importante tener presente que sólo se efectúa una eliminación a la vez. No es

permitido realizar una doble eliminación simultánea. Por lo tanto, el procedimiento termina
cuando exactamente ha quedado una fila o una columna sin eliminar. Para este ejemplo,
pudo haberse eliminado al final la fila 3 y dejar libre la columna F. El resultado sería el
mismo. Lo importante es que al final queda exactamente una fila o columna sin tachar.
El costo total de transporte asociado se determina por la sumatoria de la

multiplicación de la cantidad de unidades asignadas en cada casilla, por su costo unitario
correspondiente. Para este método, el costo de transporte asociado se determina así:
(10*42) + (10*32) + (2*36) + (14*37) +(9*32) + (7*35) + (18*35) + (5*0) = Q.2,493.00

 Método de Costo Mínimo
Se basa en el principio de asignar la cantidad máxima permitida por la oferta y la

demanda, a la variable que tenga el costo unitario más pequeño en la tabla completa. Un
empate se rompe arbitrariamente.
Recuerde de preparar su matriz sin valores asignados en sus casillas y aplique el

procedimiento indicado de manera comparativa con la tabla presentada.

matriz, repasemos paso a paso la secuencia.
1. Inicialmente usted tiene la matriz sin ningún valor dentro de sus casillas.
Proceda a identificar la casilla con el costo más pequeño de toda la tabla.
Concluirá que tiene tres casillas con costo "cero"; por lo tanto usted rompe
arbitrariamente el empate y empieza a asignar en cualquiera de las tres
casillas. En este ejemplo, se decidió empezar por la casilla con variable X 36 .
Al igual que en el método anterior, evalúe la oferta y demanda disponible
en dicha casilla. Asigne lo máximo permitido. Actualice sus saldos de
unidades. Proceda a "eliminar" la columna 6 (debido a que ya no hay
demanda que cubrir en esta columna) con una línea vertical y asígnele un
correlativo número uno para guardar orden en la secuencia.
Distribuidores
1
ca
1 42 32 33 39 36 0 20
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

38 31 40 35 35 0
3 30 25
5
(X31) (X32) (X33) (X34) (X35) (X36)
10 12 14 16 18 5
De- 75
man --- 75
da
2. Haga de cuenta que la columna 6, que ya se "eliminó", ya no forma parte de

la matriz. Determine nuevamente la casilla con el costo unitario más
pequeño. Le corresponde a la variable X 32. Evalúe oferta y demanda y
asigne lo máximo permitido. Actualice saldos disponibles. Elimine la columna
2 debido a que ya no hay demanda que cubrir en esta columna. Lleve el
correlativo de las eliminaciones de filas y columnas (número 2).
M S
C Distribuidores
21
ca
1 42 32 33 39 36 0 20
(X11) (X12) (X13) (X14) (X15) (X16)

2 34 36 37 32 37 0 25
(X21) (X22) (X23) (X24) (X25) (X26)

3 38 31 40 35 35 0 30 25 13
12 (X32) 5 (X36)
(X31) 12 (X33) (X34) (X35) 5
10 --- 14 16 18 ---
De- 75
man 75
da
3. El procedimiento es repetitivo. La nueva casilla con el costo más pequeño es

donde está la variable X 24. Asigne lo máximo permitido. Actualice saldos.
Elimine la columna o fila donde ya no exista disponibilidad y encuentre la
nueva casilla con el costo más pequeño.

Cárdenas.
Distribuidores
2 3 1
ca
1 42 32 33 39 36 0 20
(X11) (X12) (X13) (X14) (X15) (X16

)
2 25 9
34 36 37 32 37 0
16
(X21) (X22) (X23) (X24) (X25) (X26
) 30 25 13
3 38 31 40 35 35 0
12 5
man
(X31) (X32) (X33) (X34) (X35) (X36)
75
De-
da 10 12 14 16 18 5 75
--- --- ---
4. Continúe el mismo procedimiento, identificando y asignando la mayor

cantidad posible en la casilla libre (no tachada) con el costo más pequeño
de toda la tabla. Tenga presente que no se sigue ningún orden en particular,
simplemente se asigna en la casilla libre con el costo más bajo. Cualquier
empate lo rompe arbitrariamente. Por ahora toca asignar en la casilla X 13 ,
luego elimine las filas o columnas (sólo una a la vez) que hayan quedado a
nivel cero y así sucesivamente hasta finalizar el llenado de la tabla. Al final,
verifique que tanto oferta como demanda quedan sin ningún valor y que ha
quedado únicamente una fila sin "eliminar". La tabla completa deberá
quedarle así:.
ca 8 2 1
4 7
3
1
42 32 33 39 5 36 0 20 6 1 ---
(X 2 3
1 (X (X31)
14 (X33)
(X12) (X13) (X14) (X15) (X16)
36 3 32 37 0 25 9 ---
7
5
16
(X22) (X24) (X25) (X26)
(X23)
31 35 35 0 30 25 13 ---
4
6
0
12 (X32) 13 5
(X34) (X35) (X36)
De-
10 12 14 16 18 5 75
man
75
da 1 --- --- --- 5 ---
--- ---
5. Al final, verifique que tanto oferta como demanda, quedan sin ningún valor y
que ha quedado únicamente una fila o columna sin "eliminar".

correspondiente.
Para este método, el costo de transporte asociado se determina así:
(1*42) + (14*33) + (5*36) + (9*34) +(16*32) + (12*31) + (13*35) + (5*0) = Q.2,329.00

 Método de Aproximación de Vogel
Es un método que generalmente proporciona una mejor solución de inicio que

los dos métodos anteriores.
La solución mediante este método es la siguiente. Prepare su matriz y siga los pasos
indicados para comparar sus resultados con la solución presentada.

matriz, repasemos paso a paso la secuencia.
1. Determine un conjunto de penalizaciones, calculando la diferencia entre los

dos valores de costo más pequeños de cada fila y de cada columna. Para
la fila uno, los dos costos menores son "0" y "32", siendo la diferencia entre
ambos de 32. Para la columna uno, los dos costos menores son "34" y "38",
siendo la diferencia entre ambos de 4. Continúe calculando diferencias y
registre las penalizaciones correspondientes al primer juego de
penalizaciones para filas y columnas.
2. Identifique la penalización mayor del primer juego de resultados,
comparando tanto valores de filas como de columnas. El valor mayor del
primer juego, le corresponde a la penalización 32 de la segunda fila.
3. Identifique la variable con el costo unitario más pequeño dentro de la fila o
columna con la penalización mayor. Para este ejemplo, dentro de la fila 2, el
costo menor, es de "0". Ahora asigne lo máximo permitido por la oferta y la
demanda, en esta casilla con el costo menor.
4. Actualice saldos en oferta y demanda y proceda a "eliminar" la fila o
columna que quede satisfecha. En el ejemplo, la columna 6 queda
eliminada debido a que ya no hay demanda que cubrir. Se numera la línea
que tacha la columna para guardar el orden de la correlatividad en la
asignación de valores. La tabla, luego de los pasos indicados, queda así:
Fábri 1
ca
2 PENALIZA-
A B C D E F OFERTA
CIONES
1
DE FILAS
20 42 32 33 39 36 0 32
3
(X11) (X12) (X13) (X14) (X15) (X16)
34 36 37 32 37 0 25 20 32
5
(X21) (X22) (X23) (X24) (X25) (X26)
38 31 40 35 35 0 30 31
(X31) (X32) (X33) (X34) (X35) (X36)
De-
10 12 14 16 18 5
75
man 75
---
da
1er. JUEGO
4 COLUMNAS
PENALIZACIONES 1 4 3 1 0
5. Determine nuevo conjunto de penalizaciones para cada fila y para cada

columna haciendo de cuenta que la columna 6 ya no forma parte de la
matriz. Verifique sus resultados con las penalizaciones indicadas del 2º.
Juego. La matriz, luego del 2o. Juego de Penalizaciones, queda así:
Distribuidores
Fábri PENALIZA-
A 2
B C D E F OFERTA
CIONES
1
ca DE FILAS
1 42 32 33 39 36 0 20 32 1
(X11) (X12) (X13) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 20 32 2
5
(X21) (X22) (X23) (X24) (X25) (X26)
3 38 31 40 35 35 0
30 31 4
18
12
(X31) (X32) (X33) (X34) (X35) (X36)
10 12 14 16 18 5
De-
75
man 75
--- ---
da
1er. JUEGO
4 1 4 3 1 0
4 1 4 3 1 --- 2o. JUEGO
PENALIZACIONES COLUMNAS
En este ejemplo, al momento de decidir esta segunda asignación de un valor, se presenta

la problemática que se tienen tres penalizaciones con valor 4 (la tercera fila, la primera y
tercera columnas). ¿Dónde asignar?. Se debe tomar en cuenta que todo empate se
rompe arbitrariamente. De esta manera, se decidió asignar en la casilla con el costo más
bajo de la fila tres y por esta razón está sombreada dicha penalización y no las otras.
6. Repita los pasos del 2 al 5 de manera cíclica por cada asignación que vaya
a realizar hasta que ya no le sea posible calcular más juegos de
penalizaciones o ya no existan valores por asignar. Luego de la 6a.
penalización y asignación, ya no le será posible, calcular más juegos de
penalizaciones, por lo que la matriz, le quedará así:
Fábri ca A B 3 C D E F OFERTA
4 2 6 1
1
42 32 33 39 36 0 20 6
14 (X13)
(X11) (X12) (X14) (X15) (X16)
2 34 36 37 32 37 0 25 20 10 ---
10 10 5
(X21) (X22) (X23) (X24) (X25) (X26) 5
3 38 31 40 35 35 0 30 18 12
12 (X32) 6 (X34)
(X31) 10 12 (X33) 14 16 (X35) (X36) 5
--- --- --- 6 18 ---
De- 75
man
75
da
---
RESUMEN DE LOS CÁLCULOS DE PENALIZACIONES:
Cálculo de Penalizaciones de filas:

1er Juego 2o Juego 3er Juego 4o Juego 5o Juego 6o Juego
32 1 3 3 3 3
32 2 2 2 5 -----
31 4 0 0 0 0
Cálculo de Penalizaciones de columnas:
1er. juego 4 1 4 3 1 0
2º. Juego 4 1 4 3 1 -----
3er.Juego 4 ----- 4 3 1 -----
4º. Juego 4 ----- ----- 3 1 -----
5º. Juego ----- ----- ----- 3 1 -----
6º. Juego ----- ----- ----- 4 1
7. En este momento, luego del 6o. juego de penalizaciones, ya no pueden

calcularse más juegos, debido a que la columna E, es la única columna libre
y sus costos no pueden compararse contra los costos de otra columna para
determinar las diferencias que conceptualizan las penalizaciones. Por lo
tanto, cuando ya no sea posible calcular juegos de penalizaciones o ya no
sea posible determinar una penalización mayor por falta otros valores para
su comparación, entonces detenga el procedimiento y luego continúe sus
asignaciones de valores a sus variables, mediante el método del costo
mínimo. En ese momento, sólo hay dos casillas libres correspondientes a las
variables X 15 y X35, de las cuales, la que tiene el costo más pequeño, es la
última mencionada, lo que significa que a esta casilla asignaremos la mayor
cantidad posible y, finalmente, completaremos la matriz, asignando en la
casilla X 15. La matriz final, queda así:
M S
Distribuidores
C
Fábri ca A B 3 C 6
D E F OFERTA
4 2 8 1
1
42 32 33 39 36 0 20 6 ---
14 (X13) 6 (X15)
(X11) (X12) (X14) (X16)
2 34 36 37 32 37 0 25 20 10 ---
10 (X21) 10 5
(X22) (X23) (X24) (X25) (X26) 5
3 38 31 40 35 35 0 30 18 12 ---
12 6 12 7
(X31) (X32) (X33) (X34) (X35) (X36)

De- 10 12 14 16 18 5 75
man
--- --- --- 6 6 --- 75
da
--- ---
Durante el desarrollo del método, tenga presente siempre las siguientes
consideraciones:
Consideraciones importantes del método:

 Para el cálculo de penalizaciones considere que no se utiliza
ninguna fila o columna "eliminada" (tachada), ni tampoco
ninguna fila o columna con oferta o demanda igual a cero.
 Todo empate en el valor de penalizaciones, se rompe
arbitrariamente.

correspondiente.
Para este método, el costo de transporte asociado se determina así:

Cárdenas.
(14*33) + (6*36) + (10*34) + (10*32) +(5*0) + (12*31) + (6*35) + (12*35) = Q.2,340.00
Comentarios sobre los métodos para encontrar una solución básica de inicio:
Luego del desarrollo práctico del mismo ejercicio con los tres métodos
conocidos para encontrar una solución básica de inicio, puede concluirse que para
este ejemplo, la distribución de transporte sugerida por el método de costo mínimo,
es la mejor hasta el momento, debido a que es la que presenta un menor costo de
transporte asociado.
Sin embargo, esta distribución no es más que una sugerencia, no significa, ni

garantiza que el costo de transporte sea el óptimo. Recuerde que sólo son métodos
para encontrar una solución inicial, luego usted deberá seleccionar la distribución
que presente el menor costo y a ésta, aplicarle el método de optimización conocido
como "banquillo" para optimizar sus costos de transporte.
Los tres métodos para una solución de inicio se desarrollan porque no se sabe con
certeza cuál de los tres presentará una mejor distribución inicial, aunque generalmente, el
método de esquina nor-oeste está más alejado de la optimización y el método de Vogel
está más próximo. Para nuestro ejemplo, resultó ser el método de costo mínimo el que
está más próximo de la optimización, por lo que tomaremos la distribución sugerida por
este método para desarrollar el método de banquillo.
Es importante saber que se puede optimizar mediante el método de banquillo

cualquier distribución sugerida por cualquiera de los tres métodos para una solución de
inicio. La diferencia está en que el método de optimización funciona de manera análoga o
similar al método simplex, con iteraciones y variables de entrada y salida; por lo que una
distribución de transporte más cercana al costo óptimo, requerirá de un menor número de
iteraciones que una distribución con un costo mayor o más
alejado de la optimización. El resultado óptimo siempre será el mismo
independientemente de la distribución (de cualquier método) que se tome para
optimizar, la única variación consiste en la cantidad de trabajo que deberá realizarse
para uno u otro caso.
 Método de Banquillo o de Stepping Stone (optimización)
Es un mé todo que se utiliza para verificar si la solución actual puede mejorarse

mediante la práctica de examinar las variables no básicas actuales (aquellas que no tienen
ningún valor asignado en la matriz de transporte), en busca de mejoras potenciales en el
valor de la función objetivo.
El método fue desarrollado originalmente por los matemáticos Charnes y Cooper y

posteriormente fue modificado y simplificado por Dantzig.
Para cada variable no básica, se identifica un circuito cerrado que comienza y

termina en la variable no básica designada. Sus puntos extremos deben ser variables
básicas, exceptuándose su inicia y final.
Consideraremos ahora, la distribución sugerida por el método de aproximación de

vogel del ejemplo en análisis, para explicar el funcionamiento del método de optimización.
Lo más acertado es tomar la distribución con el costo menor porque ésta

requerirá menos iteraciones que las otras, sin embargo, se decidió, para efectos
didácticos tomar la distribución de costo intermedio. Se sugiere al estudiante,
optimizar las distribuciones sugeridas por el método de esquina nor-oeste y costo
mínimo para que verifique que el resultado de la optimización es el mismo y la única
diferencia la encontrará en la cantidad de iteraciones a realizar en la optimización.
Distribuidores
Fábri OFER
1 2 3 4 5 6
ca TA
42 32 33 39 36 0
1 14 6 20
(X11) (X12) (X13) (X14) (X15) (X16)
34 36 37 32 37 0
2 10 10 5 25
(X21) (X22) (X23) (X24) (X25) (X26)
38 31 40 35 35 0
3 12 6 12 30
(X31) (X32) (X33) (X34) (X35) (X36)
Demanda 10 12 14 16 18 5
Los pasos a seguir son los siguientes.
1. Determine los circuitos cerrados para cada variable no básica, es decir, para
aquellas variables ubicadas en las casillas que no tienen ningún valor asignado
dentro de la matriz.
Las variables no básicas de la distribución anterior son:

X11, X12, X14, X16, X22, X23, X25, X31, X33, X36.
Para determinar los circuitos asociados, debe tener en cuenta que el circuito dará
inicio con la variable no básica y luego ésta deberá conectarse en forma horizontal y
vertical estrictamente con variables básicas (puntos intermedios), formando
generalmente cuadrados o rectángulos, hasta finalizar el circuito en la misma variable
no básica inicial. Debe evitar siempre conexiones diagonales.
Para cada circuito deberá determinarse la cantidad de aumento o disminución en
costo neto por unidad transportada. Para determinar este valor, debe considerar que
la variable inicial del circuito tiene un costo positivo, la siguiente variable del circuito
tendrá valor negativo, la siguiente tendrá costo positivo, la siguiente negativo y así
sucesivamente.
Los circuitos asociados para cada variable no básica, así como su valor de costo
en aumento o disminución para cada uno, se detalla a continuación.
Variable Circuito Asociado Aumento o Disminución

No en Costo
Básica
X11 X11 X15 X35 X34 X24 X21 X11 42-36+35-35+32-34 = +4
X12 X12 X32 X35 X15 X12 32-31+35-36 = 0
X14 X14 X15 X35 X34 X14 39-36+35-35 = +3
X16 X16 X15 X35 X34 X24 X26 X16 0-36+35-35+32-0 = - 4 V.E.
X22 X22 X32 X34 X24 X22 36-31+35-32 = +8

X23 X23 X13 X15 X35 X34 X24 X23 37-33+36-35+35-32 = +8
X25 X25 X24 X34 X35 X25 37-32+35-35 = +5
X31 X31 X34 X24 X21 X31 38-35+32-34 = +1
X33 X33 X35 X15 X13 X33 40-35+36-33 = +8
X36 X36 X34 X24 X26 X36 0-35+32-0 = -3
2. Identifique la variable de entrada del circuito. Esta se determina mediante el

valor más negativo de los resultados de la columna "aumento o disminución en
costo". Se escoge el valor más negativo debido a que representa la mayor
disminución neta en costo por unidad. Para el ejemplo, la variable de entrada es
la variable X 16.
3. Represente gráficamente el circuito asociado a la variable de entrada. Recuerde
que la variable que inicia el circuito empieza con signo positivo, la siguiente
variable tendrá signo negativo e irán alternándose los signos de manera
continua. El circuito asociado a la variable X 16 , es el siguiente:
Distribuidores
OFER
Fábri 1 2 3 4 5 6
Ca TA
42 32 33 39 36 0
1 14 - 6 + 20
(X13) (X15) (X16)
(X11) (X12) (X14)
34 36 37 32 37 0
10 + 10 -
2 25
(X21) (X24) 5
38 (X22) (X23) 35 (X25) (X26) V.S.
31 40 -6 35 0
12 (X34) + 12
3 (X32) (X35) 30
(X31) (X33) (X36)
Demanda
10 12 14 16 18 5
4. Determine la variable de salida del circuito. Para el efecto, elija entre las variables
con signo negativo del circuito, aquella que tiene el valor más pequeño
cuantitativamente, debido a que esta variable será la primera que llegue al valor
"cero" y cualquier disminución adicional, causará su negatividad (como la
condición de factibilidad en el método simplex, donde la variable que sale está
asociada con la relación mínima). Para nuestro ejemplo, las variables del circuito
con signo negativo son: X 15, X34 y X26. De estas variables, la que tiene un menor valor,
es la variable X 26, por lo tanto, ésta es la variable de salida. En este caso también se
aplica el criterio de que cualquier empate, se rompe arbitrariamente.
5. Analice si el objetivo de minimizar el costo, puede mejorarse, aumentando el
valor actual de la variable no básica asociada. El número de unidades que se
aumente a la variable no básica asociada (X ), debe ajustarse a los elementos
16
del circuito, a fin de mantener la factibilidad de la solución, disminuyendo y

aumentando el mismo número de unidades a cada elemento siguiente
dependiendo del signo asignado a la variable. Este cambio mantendrá satisfechas las
restricciones de oferta y demanda. La nueva solución de distribución de transporte se
presenta en la siguiente matriz:
Distribuidores
Fábri
OFER
ca 1 2 3 4 5 6
TA
42 32 33 39 36 0
1
14 1 5 20
(X11) (X12) (X13) (X14) (X15) (X16)
34 36 37 32 37 0 25
2 10 15
(X21) (X22) (X23) (X24) (X25) (X26)
38 31 40 35 35 0
30
3 12 1 17
(X31) (X32) (X33) (X34) (X35) (X36)
Demanda
10 12 14 16 18 5
Es importante notar que la variable no básica que inicia el circuito X ,

16
aumenta 5 unidades y las demás variables básicas del circuito asociado, disminuyen
o aumentan también 5 unidades dependiendo su signo "-" o "+". Además, note que la
variable X 26 ya no forma parte de la matriz debido a que ésta se identificó como la
variable de salida.
6. Repita los mismos pasos del 1 al 5 cuantas veces sea necesario (iteraciones),
hasta que obtenga sólo valores positivos en la columna de "aumento o
disminución en costo".
Luego de aplicar nuevamente el paso 1, se determina lo siguiente:
Variable Circuito Asociado Aumento o Disminución

No en Costo
Básica
X11 X11 X15 X35 X34 X24 X21 X11 42-36+35-35+32-34 = +4
X12 X12 X32 X35 X15 X12 32-31+35-36 = 0
X14 X14 X15 X35 X34 X14 39-36+35-35 = +3
X22 X22 X32 X34 X24 X22 36-31+35-32 = +8
X23 X23 X13 X15 X35 X34 X24 X23 37-33+36-35+35-32 = +8
X25 X25 X24 X34 X35 X25 37-32+35-35 = +5
X26 X26 X24 X34 X35 X15 X16 X26 0-32+35-35+36-0 = +4
X31 X31 X34 X24 X21 X31 38-35+32-34 = +1
X33 X33 X35 X15 X13 X33 40-35+36-33 = +8
X36 X36 X35 X15 X16 X36 0-35+36-0 = +1
Como todos los valores anteriores, son positivos, se deduce que un aumento en el
valor de cualquier variable no básica sobre su valor actual, aumentará los costos netos
totales; por lo que la solución obtenida en el paso 5, representa la distribución óptima de
transporte.
Tenga siempre claro que el criterio de paro lo identifica cuando se tengan sólo
aumentos en los costos netos, es decir, sólo valores positivos para las variables no
básicas.
El costo total óptimo de transporte asociado se determina así:
(14*33) + (1*36) + (5*0) + (10*34) +(15*32) + (12*31) + (1*35) + (17*35) = Q.2,320.00

A continuación encontrará una serie de problemas caso que se le sugiere estudiar y

analizar detenidamente. Para cada caso utilice los tres métodos para encontrar una
solución básica de inicio, analice resultados y optimice la distribución que más le
convenga mediante el método de banquillo.
1. Una compañía desea minimizar sus costos de distribución de productos. Cuenta

con tres fábricas y seis distribuidores. La producción semanal de las fábricas es de
25, 45 y 15 unidades, respectivamente. Los requerimientos de los distribuidores
corresponden a 5, 10, 15, 10, 25 y 20 unidades semanales, respectivamente. Los
costos de enviar una unidad entre cada fábrica y los distribuidores, se presentan
a continuación.
Distribuidores
Fábrica 1 X Y Z P Q R
2 50 38 28 34 42 26
3 35 33 35 28 30 40
45 30 50 36 25 10
2. Una compañía desea saber qué política de distribución minimizará sus costos
totales. Cuenta con tres fábricas para la producción y cuatro clientes potenciales
a quienes debe cumplir sus demandas. Cada fábrica produce diariamente 550,
300 y 260 unidades, respectivamente. Las necesidades de sus clientes son de
240, 300, 200 y 160 unidades. Los costos de enviar una unidad entre cada fábrica
y clientes se resume a continuación.
Clientes
Fábrica 1 2 3 4 Oferta
A 8 3 4 5 550
B 7 6 5 2 300
C 2 4 3 3 260
Demanda 250 300 200 160
3. Una compañía cuenta con tres centros productores y cuatro clientes hacia
donde debe despacharles mercadería diariamente. La producción diaria es de
16, 8 y 12 unidades por cada centro productor, respectivamente. La demanda
de los clientes es de 10, 8, 12 y 6 unidades. Los costos de enviar una unidad entre
cada centro productor y cada cliente, son los siguientes.
Clientes
Centro 1 2 3 4 Oferta
1 8 9 5 3 16
2 4 12 10 6 8
3 13 16 11 5 12
Demanda 10 8 12 6
4. Una fábrica productora de artículos desechables se encuentra con el problema

de determinar la mejor combinación de producción de su producto para
distribuirlo hacia tres clientes potenciales. Para producción, cuenta con tres
plantas A, B y C, habiendo determinado por datos históricos que sus costos de
envío por unidad, desde cada planta hacia cada cliente, son los siguientes:
Clientes
Planta 1 2 3
A 3 4 2
B 2 1 4
C 2 4 8
Semanalmente, se debe despachar la demanda siguiente: 30,000 unidades al cliente
1; 40,000 unidades al cliente 2 y 25,000 unidades al cliente 3. Si la capacidad de
producción de cada planta, se conoce que es de 20,000 unidades para la planta A;
30,000 unidades para la B y 40,000 unidades para la C; determine el plan de
transporte semanal que minimice el costo.
5. Una compañía desea saber qué política de distribución minimizará sus costos
totales. Cuenta con tres fábricas para la producción y cuatro clientes potenciales
a quienes debe cumplir sus demandas. Cada fábrica produce diariamente 500,
900 y 700 unidades, respectivamente. Las necesidades de sus clientes son de
400, 600, 400 y 700 unidades. Los costos de enviar una unidad entre cada fábrica
y clientes se resume a continuación.
Clientes
Fábrica 1 2 3 4 Oferta
A 8 12 9 1 500
B 10 7 8 4 900
C 15 6 3 9 700
Demanda 400 600 400 700
6. Tres fábricas envían su producto a cinco distribuidores. Las disponibilidades, los

requerimientos y costos unitarios de transporte, se resumen la siguiente tabla.
Distribuidores
Fabrica 1 2 3 4 5 Disponibilidades
1 20 19 14 21 16 40
2 15 20 13 19 16 60
3 18 15 18 20 15 70
Requerimientos 30 40 50 40 60
7. Se envían automóviles en camión desde tres centros de distribución hacia cinco
distribuidores menores. El costo de envío está basado en la distancia recorrida
entre las fuentes y destinos. El costo es independiente de si el camión hace el
recorrido con una carga parcial o completa. La tabla que sigue hace un
resumen de las distancias a recorrer entre los centros de distribución y
distribuidores y también las cifras mensuales de oferta y demanda calculadas en
número de automóviles.
Distribuidores
Centros de 1 2 3 4 5 Oferta
Distribución
1 100 150 200 140 35 400
2 50 70 60 65 80 200
3 40 90 100 150 130 150
Demanda 100 200 150 160 140
8. Una fábrica produce pequeños motores eléctricos para 4 fabricantes de

instrumentos. La capacidad mensual corresponde a 800 unidades para la planta
A; 600 unidades para la planta B y 700 unidades para la planta C. Los pedidos
que se deben satisfacer consisten en 300 motores para el cliente 1, 500 motores
para el 2; 400 para el 3 y 600 motores para el cliente 4. El costo de
abastecimiento varía entre una planta y otra, resumiéndose los costos de
transporte por unidad a continuación.
Clientes
Planta 1 2 3 4
A 3 2 5 7
B 6 4 8 3
C 9 1 5 4
9. Una cadena de cinco almacenes ubicados en diferentes partes del país,
requiere cierta mercancía para cada uno de sus almacenes. Las empresas
abastecedoras han informado que disponen de la mercancía solicitada pero en
tres diferentes fábricas. La escasez del producto hace que la cadena de
almacenes deba transportar la mercancía. En base a los costos del transporte
por unidad, a los requerimientos de los almacenes y a la disponibilidad de las
fábricas que se muestra en el siguiente cuadro, determine el costo óptimo de
transporte.
Almacenes
Fabrica 1 2 3 4 5 Disponibilidades
1 10 20 40 30 50 1000
2 20 30 50 40 10 1000
3 30 40 10 50 20 1500
10. Una cadena de restaurantes cuenta actualmente con tres sucursales en el país.
El problema al que se enfrenta consiste en que debe transportar desde tres
distintos puntos que representan centros de distribución, hacia cada
restaurante, materiales para su funcionamiento. El costo de transporte varía de
acuerdo al siguiente cuadro resumen.
Restaurante No.
Centro 1 2 3 Oferta
1 0.95 0.30 0.40 35,000
2 0.60 0.35 0.60 80,000
3 0.40 0.50 0.40 140,000
Demanda 35,000 70,000 130,000
11. Una compañía posee cinco centros de venta de productos que están ubicados
en diferentes partes del país, a los cuales les abastece de mercadería a través de
diferentes medios de transporte, movilizados desde tres plantas de producción.
Con base a los costos del transporte por unidad, a los requerimientos de los
centros de venta y a la capacidad de las plantas productoras que se muestra en el
siguiente cuadro, determine el costo óptimo de transporte.
Centros de Venta
Fabrica 1 2 3 4 5 Capacidades
1 11 20 19 11 16 800
2 14 13 11 15 17 1000
3 16 12 18 14 19 600
12. Una industria de gas propano posee 4 almacenadoras de gas ubicadas en

Puerto Barrios, Puerto Quetzal, San Miguel Petapa y Champerico; desde las
cuales debe trasladar su producto hacia las plantas de envase ubicadas en
Retalhuleu,
Cobán, Chimaltenango, San Marcos y Chiquimula. La capacidad mensual de las
almacenadoras es de 175,000 lbs; 175,000 lbs; 125,000 lbs y 100,000 lbs;
respectivamente. Las plantas de envase requieren mensualmente: 80,000 lbs;
170,000 lbs; 75,000 lbs; 95,000 lbs y 155,000 lbs; respectivamente. Los costos de
trasladado por cada mil libras desde un destino a otros, se resumen a
continuación.
Plantas de Envase
Almacena 1 2 3 4 5
dora
1 125 65 90 125 78
2 80 150 85 120 98
3 85 140 80 70 80
4 90 120 95 80 80
13. La empresa de pisos “Pisos El Aguila, S.A.” dedicada a la fabricación y

distribución de losa, pretende reducir sus costos de distribución, por lo que le
solicita realizar el estudio y análisis de distribución, así como su costo asociado
correspondiente.
Destino No.
Fábrica A B C Disponib.
1 30 170 90 1,400
2 400 310 300 1,600
3 0 0 1000 1,800
Demanda 1,600 1,600 1,600
14. La empresa “Hierros, S.A.” dedicada a la fabricación y distribución de varillas de

hierro, pretende reducir sus costos de distribución, por lo que le solicita realizar el
estudio y análisis de distribución, así como su costo asociado correspondiente.
Destino No.
1 50 70 90 50
2 40 110 30 80
3 0 20 100 50
Demanda 60 60 60
15. Una empresa productora de cemento, posee cinco plantas de producción,

desde las cuales debe transportar su producto hacia tres importantes
distribuidores de materiales de construcción. La información sobre costos de
distribución, es la siguiente.
Distribuidores
1 75 110 130 40
2 25 50 75 30
3 25 150 175 15
4 200 50 225 20
5 20 10 5 10
Demanda 40 40 35
16. Una empresa productora de cemento, posee cinco plantas de producción,

desde las cuales debe transportar su producto hacia tres importantes
distribuidores de materiales de construcción. La información sobre costos de
distribución, es la siguiente.
Distribuidores
1 60 55 70 10
2 30 35 40 25
3 110 65 112 10
4 75 100 85 45
5 90 95 55 35
Demanda 15 75 35
CAPITULO IV
ASIGNACIÓN DE RECURSOS
 Concepto
onsiste en asignar al mínimo costo los requerimientos necesarios para
cumplir con una necesidad, encontrando la solución óptima por medio de una matriz de
"n" columnas por "m" filas, donde "n" debe ser igual a "m".
La formulación de este problema puede considerarse como un caso especial del

modelo de transporte. Aquí los trabajos representan "orígenes" y las máquinas
representan "destinos". La oferta disponible en cada fuente es igual a 1. De igual manera,
la demanda requerida en cada destino es igual a 1.
Antes de que el modelo pueda resolverse es necesario balancear primero el

problema, añadiendo trabajos ficticios o máquinas ficticias, dependiendo de, si m<n
o m>n. Por consiguiente, deberá ajustar el modelo de tal forma que m = n sin pérdida
de generalidad.
El principal objetivo consiste en asignar los trabajos a las máquinas (un trabajo por
máquina), con el costo mínimo total.
 Representación General del Modelo de Asignación
MAQUINA (Destinos)
1 2 ... n
1 C11 C11 ... C11
TRABAJO 2 C11 C11 ... C11
(Origen) ...
m C11 C11 ... C11
 Consideraciones para el procedimiento de solución
1. El conjunto de soluciones factibles = n = m.

2. La solución del modelo permanece igual si una constante se agrega o se resta
a cualquier renglón o columna de la matriz de costo.
3. El propósito es crear una nueva matriz con cantidades "cero", los cuales
constituyen una solución factible.
4. Los elementos "cero" se crean restando el elemento más pequeño en cada
renglón o columna, de los demás elementos del mismo renglón o columna
correspondiente.
5. Si un trabajo no puede asignarse a cierta máquina, el costo correspondiente
se considera con un valor "M", es decir, un costo muy alto.
 Métodos de Solución
1. Método cuando existe solución factible óptima inicial.

2. Método cuando no existe solución factible óptima inicial.
3. Método cuando no existe solución factible óptima inicial y la matriz no
es cuadrada.
 Método cuando existe solución factible óptima inicial
Ejemplo 1
Deben efectuarse cuatro reparaciones a cuatro distintas máquinas. El objetivo es
determinar la asignación de estas reparaciones al mecánico que nos cobre más barato,
según la matriz de costos siguiente.
MECANICOS
A B C D
1 0.16 0.14 0.15 0.18
Máquina a 2 0.12 0.13 0.16 0.14
Reparar 3 0.14 0.13 0.11 0.12
4 0.16 0.18 0.15 0.17
Solución:
1. Reste el menor valor de cada fila, de cada elemento de esa misma fila. El menor
valor de cada renglón se simboliza como "p m " Para nuestra matriz, el valor más
pequeño de la fila 1 = 0.14 (p 1); para la fila 2 = 0.12 (p 2); para la fila 3 = 0.11 (p 3) y
para la fila 4 = 0.15 (p 4). Presente sus resultados en una nueva matriz de costos.
A B C D
1 0.02 0 0.01 0.04
2 0 0.01 0.04 0.02
3 0.03 0.02 0 0.01
4 0.01 0.03 0 0.02
2. Reste el menor valor de cada columna, de cada elemento de esa misma

columna. El menor valor de cada columna se simboliza como "q ". Para la matriz
n
anterior, el valor más pequeño de las primeras tres columnas "q ", "q 2" y "q 3"
1
corresponde al valor cero. Para la columna 4, el menor valor "q " es igual a 0.01.
4
Los resultados se presentan en la siguiente matriz.

A B C D
1 0.02 0 0.01 0.03
2 0 0.01 0.04 0.01
3 0.03 0.02 0 0
4 0.01 0.03 0 0.01
3. Como los elementos "cero" representan una solución factible, se busca asociar
estos elementos con la asignación de cada máquina a cada mecánico, siendo
ésta, la solución óptima de asignación que se visualiza mediante el sombreado
de los valores "cero" en la tabla anterior y de la cual se concluye lo siguiente:
Se debe asignar la máquina 1 al mecánico B, a un costo de Q.0.14
Se debe asignar la máquina 2 al mecánico A, a un costo de Q.0.12
Se debe asignar la máquina 3 al mecánico D, a un costo de Q.0.12
Se debe asignar la máquina 4 al mecánico C, a un costo de Q.0.15
COSTO TOTAL : Q.0.53
Los costos presentados anteriormente se obtienen de la tabla inicial de costos,

tomando únicamente los valores ubicados en la misma posición que indican los
valores "cero" en la última matriz.
Puede verificar que el costo total de asignación también lo puede encontrar mediante
la suma de los elementos p 1 + p 2 + p 3 +... + p m + q 1 +q 2 + q 3 +... + q n.
 Método cuando no existe solución factible óptima inicial
No siempre es posible obtener una asignación factible como en el ejemplo

anterior; para estos casos, debe considerarse un conjunto de pasos adicionales.
Ejemplo 1
Deben efectuarse cuatro reparaciones a cuatro distintas máquinas. El objetivo es
determinar la asignación de estas reparaciones al mecánico que nos cobre más barato,
según la matriz de costos siguiente.
MECÁNICOS
A B C D
1 2 6 8 5
Máquina a 2 11 9 12 11
Reparar 3 6 7 13 9
4 10 9 10 7
Solución:
1. Reste el menor valor de cada fila, de cada elemento de esa misma fila. El valor
más pequeño de la fila 1 = 2 (p 1); para la fila 2 = 9 (p 2); para la fila 3 = 6 (p 3) y para
la fila 4 = 7 (p 4). Presente sus resultados en una nueva matriz de costos.
A B C D
1 0 4 6 3
2 2 0 3 2
3 0 1 7 3
4 3 2 3 0

columna. Para la matriz anterior, el valor más pequeño de las columnas 1, 2 y 4
representados por "q 1", "q 2" y "q 4", es "cero". Para la columna 3, el menor valor "q
" es igual a 3. Los resultados se presentan en la siguiente matriz.

3
A B C D
1 0 4 3 3
2 2 0 0 2
3 0 1 4 3
4 3 2 0 0
Para este caso no es posible realizar una asignación factible a los elementos cero
debido a que las máquinas 1 y 3 tienen únicamente como opción de asignación al
mecánico A y la forma correcta de asignar indica que debe ser sólo "una máquina por
mecánico". De tal forma que ahora debemos continuar con los pasos adicionales.
3. Trace un número mínimo de líneas a través de algunos de los renglones y

columnas, de tal manera que todos los ceros sean tachados. La matriz queda así:
A B C D
1 0 4 3 3
2 2 0 0 2
3 0 1 4 3
4 3 2 0 0
4. Identifique y seleccione el elemento más pequeño que no esté tachado en la
tabla. Observe bien que en la tabla anterior el elemento menor que no está
tachado es el número 1.
5. Reste el elemento identificado en el paso anterior, a todo elemento "no tachado"

de la tabla; y súmelo a todo elemento ubicado en la intersección de dos líneas.
Los demás elementos que sí están tachados pero que no están ubicados en la
intersección de dos líneas permanecen con su mismo valor. Los resultados son
los siguientes.
A B C D
1 0 3 2 2
2 3 0 0 2
3 0 0 3 2
4 4 2 0 0
La conclusión se resume así:

Se debe asignar la máquina 1 al mecánico A, a un costo de Q. 2.00
Se debe asignar la máquina 3 al mecánico B, a un costo de Q. 7.00
Se debe asignar la máquina 4 al mecánico D, a un costo de Q. 7.00
COSTO TOTAL : Q. 28.00
6. Si la solución óptima no se obtuviera en el paso anterior, entonces el

procedimiento de tachar líneas debe repetirse hasta que se logre una asignación
factible.
Ejemplo 2
Considere el problema de asignar cuatro operadores a cuatro máquinas. Los costos
de asignación se presentan en tabla siguiente. Tenga en cuenta que el operador 1
no sabe utilizar la máquina 4 y el operador 4 no puede utilizar la máquina 1.
Encuentre la asignación óptima.
MAQUINA
1 2 3 4
1 65 65 62 M
Operador 2 67 64 62 63
3 69 63 65 67
4 M 62 66 67
Solución:
1. Al restar el menor valor de cada fila se obtiene la siguiente matriz.
1 2 3 4
1 3 3 0 (M-62)
2 5 2 0 1
3 6 0 2 4
4 (M-62) 0 4 5
2. Al restar el menor valor de cada columna se obtiene la siguiente matriz.
1 2 3 4
1 0 3 0 (M-63) 0
2 2 2 0 3
3 3 (M-65) 0 2 4
4 0 4
3. Luego de trazar líneas para tachar los elementos cero, obtenemos lo siguiente:
1 2 3 4
1 0 5 0 (M-63)
2 2 4 0 0
3 1 0 0 1
4 (M-67) 0 2 2

Se debe asignar el operador 1 a la máquina 1, a un costo de Q.65.00
COSTO TOTAL : Q. 255.00
 Método cuando no existe solución factible óptima inicial y la ma triz no
es cuadrada
Antes de resolver un problema recuerde que debe ajustar sus orígenes y

destinos de tal manera que m = n en todos los casos.
Ejemplo 1
Deben efectuarse cinco reparaciones a cinco distintas máquinas. Para ello, se
cuenta con seis mecánicos. El objetivo es determinar la asignación de estas
reparaciones al mecánico que nos cobre más barato, según la matriz de costos
siguiente.
MECANICO
A B C D E F
1 16 14 19 26 22 12
2 14 22 29 19 20 16
MAQUINA 3 15 14 7 12 9 13
4 10 18 12 17 17 16
5 12 16 15 11 17 14
Solución:
1. Como en este caso m < n, entonces debe balancearse el problema agregando
una máquina ficticia.
A B C D E F
1 16 14 19 26 22 12
2 14 22 29 19 20 16
3 15 14 7 12 9 13
4 10 18 12 17 17 16
5 12 16 15 11 17 14
6 0 0 0 0 0 0
2. Al restar el elemento menor de cada fila, obtenemos la siguiente matriz.
A B C D E F
1 4 2 7 14 10 0
2 0 8 15 5 6 2
3 8 7 0 5 2 6
4 0 8 2 7 7 6
5 1 5 4 0 6 3
6 0 0 0 0 0 0
3. El elemento menor de cada columna es "cero" en todos los casos, por lo tanto, la
matriz permanece igual. Luego de realizar el procedimiento de trazar líneas para
tachar todos los ceros, se obtienen los siguientes resultados.
A B C D E F
6 2 7 14 10 0
1
0 6 13 3 4 0
2
10 7 0 5 2 6
3
0 6 0 5 5 4
4
3 5 4 0 6 3
5
2 0 0 0 0 0
6
4. Como no se obtuvo una solución factible en el paso anterior, se repite el

procedimiento de trazar líneas para tachar ceros y se obtiene la matriz que se
detalla a continuación.
A B C D E F
1 6 0 7 12 8 0
2 0 4 13 1 2 0
3 10 5 0 3 0 6
4 0 4 0 3 3 4
5 5 5 6 0 6 5
6 4 0 2 0 0 2

Se debe asignar la máquina 1 al mecánico F, a un costo de Q.12.00
Se debe asignar la máquina 2 al mecánico A, a un costo de Q.14.00
Se debe asignar la máquina 3 al mecánico E, a un costo de Q.09.00
Se debe asignar la máquina 5 al mecánico D, a un costo de Q.11.00
COSTO TOTAL : Q.58.00
Al mecánico B no debe asignársele ninguna reparación debido a que la reparación

6 es ficticia.
 Maximización de recursos
No siempre el objetivo de una matriz de asignación corresponderá al criterio

de minimización de costos o tiempo. Existe diversidad de aplicaciones en donde el
objetivo de la matriz es la maximización de los recursos, tales como, ingresos
generados, calificaciones obtenidas, capacidad de trabajo, etc.
En este último caso, los pasos generales aplicables en cada uno de los métodos o
situaciones descritas con anterioridad, son aplicables de la misma forma para maximizar la
matriz, con excepción del primer paso que cambia de criterio, quedando así:
Ejemplo 1
Considere el Ejemplo 1 de la Sección “ Método cuando no existe solución óptima inicial”,
del cual obtenemos los siguientes datos.
REGIÓN
A B C D
1 2 6 8 5
Vendedor 2 11 9 12 11
3 6 7 13 9
4 10 9 10 7
Piense ahora que no estamos hablando de costos de reparación de máquinas, sino más
bien, de ingresos generados por ventas, por cuatro personas (vendedores), según la
región que se les ha asignado con anterioridad. El objetivo consistirá ahora en asignar
cada uno de los vendedores, en la región más conveniente, a fin de maximizar los
ingresos por ventas.
Solución:
1. Reste el elemento de mayor valor de cada fila, de cada elemento de esa misma
fila. El valor más alto de la fila 1 = 8 (p 1); para la fila 2 = 12 (p 2); para la fila 3 = 13
(p 3) y para la fila 4 = 10 (p 4). Presente sus resultados en valores absolutos en una
nueva matriz de costos.
A B C D
1 6 2 0 3
2 1 3 0 1
3 7 6 0 4
4 0 1 0 3

columna. Para la matriz anterior, el valor más pequeño de la columnas 1 (q 1) = 0;
columna 2 (q 2) = 1; columnas 3 (q 3) = 0; y columna 4 (q 4) = 1. Los resultados se
presentan en la siguiente matriz.
A B C D
1 6 1 0 2
2 1 2 0 0
3 7 5 0 3
4 0 0 0 2
Para este caso no es posible realizar una asignación factible a los elementos cero
debido a que los vendedores 1 y 3 tienen únicamente como opción de
asignación, la región C. De tal forma que ahora debemos continuar con los pasos
adicionales.
3. Trace un número mínimo de líneas a través de algunos de los renglones y

columnas, de tal manera que todos los ceros sean tachados. La matriz queda así:
A B C D
1 5 1 0 2
2 1 2 0 0
3 7 4 0 3
4 0 0 0 2
4. Identifique y seleccione el elemento más pequeño que no esté tachado en la

tabla. Observe bien que en la tabla anterior el elemento menor que no está
tachado es el número 1.
5. Reste el elemento identificado en el paso anterior, a todo elemento "no tachado"

de la tabla; y súmelo a todo elemento ubicado en la intersección de dos líneas.
Los demás elementos que sí están tachados pero que no están ubicados en la
intersección de dos líneas permanecen con su mismo valor. Los resultados son los
siguientes.
A B C D
1 4 0 0 2
2 0 1 0 0
3 6 3 0 3
4 0 0 1 3
Se debe asignar el vendedor 1 a la región B: Q. 6.00

Se debe asignar el vendedor 2 a la región D: Q. 11.00
Se debe asignar el vendedor 3 a la región C: Q. 13.00
Se debe asignar el vendedor 4 a la región A: Q. 10.00
INGRESO TOTAL ESPERADO : Q. 40.00
Si la solución óptima no se obtuviera en el paso anterior, entonces el procedimiento de

tachar líneas debe repetirse hasta que se logre una asignación factible.

analizar detenidamente. Resuélvalos mediante el modelo de asignación para lo cual
deberá desarrollar el método que sea aplicable según las necesidades que se le
presenten.
1. En el área de producción de una empresa, se han presentado una serie de

desperfectos en cuatro máquinas. El área de mantenimiento industrial de la
misma empresa, cuenta con cuatro mecánicos que consumen tiempos distintos
para la reparación de cada máquina. Determine la asignación más
recomendable de conformidad a la siguiente tabla.
MECÁNICOS
A B C D
1 400 500 700 500
MAQUINA 2 450 400 300 400
3 500 700 800 700
4 300 700 400 700
2. Una fábrica adquirió cuatro máquinas. Existen cuatro lugares diferentes
donde se pueden asignar. Algunos de los lugares son más deseables que
otros. El objetivo consiste en asignar las nuevas máquinas a los lugares
disponibles para minimizar los costos estimados por unidad de tiempo. Los
costos se dan en la tabla siguiente.
LUGAR
L1 L2 L3 L4
1 13 10 15 20
MAQUINA 2 30 18 17 15
3 9 7 3 22
4 8 31 32 34
3. En el área de producción de una empresa, se han presentado una serie de

desperfectos en cinco máquinas. Esta empresa cuenta con cinco talleres para la
reparación de las máquinas. Determine la asignación más recomendable de
conformidad a la siguiente tabla de costos.
TALLERES
A B C D E
1 7 5 6 4 5
MAQUINA 2 3 4 5 4.5 4
3 8 7 7 5 7
4 4 7 9 3 7
5 9 7 9 8 4
4. Una empresa industrial necesita elaborar cuatro piezas maquinadas en torno,

para lo cual cuenta con cuatro talleres. El objetivo es determinar la asignación
óptima de las piezas a los talleres para que resulte un costo mínimo. La tabla de
costos se presenta a continuación.
TALLER
A B C D
1 16 14 15 18
PIEZA 2 12 13 16 14
3 14 13 11 12
4 16 18 15 17
5. Determine el costo mínimo de asignación de la siguiente matriz.
X Y Z
A 2 3 6
B 2 1 5
C 4 6 12
6. Determine el costo mínimo de asignación de la siguiente matriz.
A B C D
1 10 9 7 9
2 9 9 7 8
3 8 10 8 9
4 7 8 8 6
7. Una fábrica de zapatos deportivos elabora cinco modelos diferentes de tenis:

Running; Walking; Football; Gym; y Confort. Para cumplir con los pedidos de sus
diferentes clientes cuenta con cinco empleados: Juan, Mario, Pedro, María y
Juana. Los tiempos (en horas) que cada uno de ellos se tarda en elaborar cada
modelo, se detalla a continuación.
MODELO
Running Walking Football Gym Confort
Juan 4.5 6.5 3 3.5 3.5
EMPLEADO Mario 5 6 3.5 6.5 4
Pedro 5.5 5 3.5 8 4.5
María 4 5.5 3 7 4
Juana 6 4.5 4 6 3
8. Resuelva el problema 7, considerando la tabla de datos como unidades

producidas por cada empleado. ¿Cuál es la asignación más adecuada?.
9. Una compañía necesita asignar cuatro trabajadores en cuatro máquinas.

Determine la asignación óptima para que los costos sean mínimos.
MAQUINAS
1 2 3 4
1 25 18 19 9
TRABAJADOR 2 40 12 14 5
3 15 22 32 17
4 10 28 17 35
10. Se utilizarán cuatro camiones de carga para transportar bienes hacia cuatro
distintos lugares en el interior de la República. Se puede utilizar cualquier camión
para hacer cualquiera de los cuatro viajes. Sin embargo, dadas algunas
diferencias entre los camiones y las cargas, el costo total de transporte de bienes
para las distintas combinaciones de camiones y lugares de destino, varía mucho.
Estos costos se muestran en la siguiente tabla.
DESTINO
1 2 3 4
1 3 5 6 4
CAMION 2 5 6 4 5
3 4 7 5 6
4 3 6 5 4
11. Cierta empresa industrial posee cuatro máquinas nuevas para lo cual contrató a
cuatro operadores para el manejo de las mismas. La empresa desea saber qué
máquina debe asignar a cada operador de manera que el costo sea mínimo.
MAQUINAS
1 2 3 4
1 1 4 6 3
OPERADOR 2 9 7 10 9
3 4 5 11 7
4 8 7 8 5
12. El gerente administrativo de una granja avícola desea ampliar su mercado y para
ello ha planeado cinco nuevas rutas hacia distintas regiones, para lo cual ha
adquirido cinco vehículos. Según estudios realizados con anterioridad se ha
determinado el costo que representaría para la empresa el desplazamiento de
cada vehículo a cada región. Los datos, a continuación.
REGIÓN
1 2 3 4 5
1 25 17 25 14 36
VEHÍCULO 2 15 10 18 24 40
3 16 20 8 13 26
4 35 27 35 24 33
5 30 25 33 39 35
13. Resuelva el problema 12, considerando la tabla de datos como volumen de
ventas generados por cada vendedor. ¿Cuál es la asignación más adecuada?.
14. Una empresa cuenta con cinco candidatos para realizar cuatro tareas
específicas y temporales muy importantes. De acuerdo a las características de
los candidatos y otras circunstancias relacionadas, se determinó que los costos
de ejecución de cada tarea varía para cada candidato. Además, todos los
candidatos resultan muy eficientes, por lo que resulta difícil determinar cuál de
ellos no será tomado en cuenta. Los costos se resumen a continuación.
TAREA
1 2 3 4
1 3,770 4,340 3,330 2,920
CANDIDATO 2 3,290 3,310 2,850 2,640
3 3,380 4,220 3,890 2,960
4 3,700 3,470 3,040 2,850
5 3,540 4,180 3,360 3,110
15. Una industria química elabora seis tipos de componentes diferentes, los cuales
son aceptados indistintamente por seis fábricas que los requieren. La ganancia
obtenida depende no sólo del compuesto que se produce, sino también de la
fábrica que lo requiere. La ganancia en quetzales se indica en la siguiente tabla.
FÁBRICA
1 2 3 4 5 6
A 0 250 300 100 0 170
COMPUESTO B 250 0 160 0 270 150
C 300 160 0 230 0 140
D 100 0 230 0 220 0
E 0 270 0 220 0 100
F 170 150 140 0 100 0
16. Resuelva el problema 11, pero ahora considerando que el operador 1 no sabe
operar la máquina 1 y el operador 4, no sabe operar la máquina 4. ¿Cuál es la
asignación más adecuada?.
17. Resuelva el problema 9, pero ahora considerando que el operador 2 no sabe

operar la máquina 2 y el operador 3, no sabe operar la máquina 1. ¿Cuál es la
asignación más adecuada?.
CAPITULO V
ANÁLISIS DE REDES POR EL MÉTODO DEL CAMINO CRÍTICO
 Concepto
l método de la Ruta Crítica conocido como CPM por sus iniciales en inglés
Critical Path Method, es muy utilizado eficazmente para planificar, programar y

controlar proyectos. Se basa en la determinación de un programa de tiempo
relacionando los costos y recursos requeridos.
El CPM es por naturaleza un método determinístico, es decir, que su propósito

consiste en encontrar valores de tiempo concretos y concisos, partiendo de tiempos
estimados con un alto grado de certeza o confianza. Para su desarrollo es indispensable
determinar un circuito o diagrama de actividades y una trayectoria o camino llamado
crítico.
Antes de entrar de lleno al desarrollo del método CPM, es indispensable conocer

algunos conceptos complementarios; desde la definición de lo que es un proyecto, las
fases que conlleva, hasta las diversas técnicas o métodos aplicables que se tratan a
continuación.
 Proyecto
Es todo proceso de conversión que se debe seguir para obtener un producto.

En otras palabras, es un conjunto de actividades relacionadas entre sí con una secuencia
lógica.
M C S Para la ejecución de todo proyecto, deben realizarse ciertas actividades
que al ejecutarse en un orden determinado, se llega al fin deseado, organizando
para el efecto, los recursos, el tiempo, material, etc. Se dice que una actividad es
todo trabajo que requiere tiempo y recursos para su terminación.
 Fases de un proyecto
1. Planificación: Consiste en decidir por anticipado, qué es lo que se va a

hacer (establecer metas deseadas, desarrollar planes de acción para el
logro de metas). Esta fase se inicia descomponiendo el proyecto en
actividades distintas y construyendo una red o diagrama de flechas o
actividades.
2. Programación: Consiste en la asignación de los tiempos de ejecución a las

actividades que forman un proyecto (horarios y erogaciones para cada
actividad). Muestra los tiempos de inicio y terminación para cada
actividad, así como la relación con otras actividades del proyecto. Es la
enmarcación del proyecto dentro del tiempo.
3. Control: Consiste en la verificación de lo planeado contra lo realizado,

introduciendo algún correctivo si se demandara (evaluación y toma de
decisiones).
 Técnicas utilizadas para planifica r, programar y controlar proyectos
Las principales técnicas aplicables son: El diagrama de barras o de Gantt; el CPM

y el PERT. Cada uno de ellos tiene distintas características y aplicaciones en ciertas
situaciones en particular.

Cárdenas.
M

S Diagrama de Ba rras o de Gantt
C Es muy utilizado principalmente en trabajos de ingeniería y de la industria.

Generalmente, este diagrama se elabora antes del inicio de cualquier proyecto. Los pasos
generales para su elaboración son:
1) Determinar actividades generales en las que se divide el proyecto;

2) Estimar la duración de cada actividad;
3) Establecer un orden de ejecución de actividades;
4) Representar cada actividad por medio de una barra recta cuya
longitud es la duración de la actividad.
Las ventajas que ofrece el diagrama, se dan cuando se utiliza como gráfico de
control, siendo las principales las siguientes.
1. Muestra el tiempo de retraso de cualquier actividad y la causa de ello.

2. Muestra el estado actual del programa y su comparación con el propuesto.
3. Se conoce fácilmente el tiempo total que trabaja cada departamento o máquina.
Las principales desventajas del diagrama se presentan cuando se quiere utilizar

para programar, estas desventajas son:
1. Es de mucha dificultad determinar la relación existente entre las actividades del

proyecto.
2. Es difícil comprimir o compactar un programa para mejorar tiempos o costos.
3. No muestra actividades claves que fijarán la duración de un proyecto.
 Orígenes y aplicaciones del método del camino crítico
Los orígenes del método del camino crítico se encuentran en el desarrollo

del método PERT (Program Evaluation and Review Technique) alrededor del año
de 1957 y en el desarrollo del método CPM (Critical Path Method), también
desarrollado alrededor de 1957 en búsqueda del control y la optimización de los
costos de operación.
Ambos métodos aportaron los elementos administrativos necesarios para formar el

método del camino crítico actual, utilizando el control de los tiempos de ejecución y los
costos de operación, con el fin de ejecutar el proyecto en el menor tiempo y al menor
costo posible.
Debido a la flexibilidad del método del camino crítico y a su adaptabilidad a

cualquier proyecto grande o pequeño, el cambio de acción de éste, es muy amplio. Sin
embargo, se obtienen mejores resultados cuando se aplica a proyectos que tienen las
siguientes características:
 Que el proyecto sea único, no repetitivo, en algunas partes o en su totalidad.

 Cuando el proyecto debe ejecutarse en un tiempo mínimo, es decir, en un
tiempo crítico.
 Cuando se busca que el costo de operación sea el más bajo dentro de un
tiempo disponible.
Las principales aplicaciones del método se encuentran en la actualidad en las

siguientes actividades y áreas:
 Construcción de presas
 Apertura de caminos
 Pavimentación
 Construcción de casas y edificios

Cárdenas.
 Reparación de barcos
 Investigación de mercados
 Movimientos de colonización
 Estudios económicos regionales
 Auditorías
 Distribución de tiempos de salas de operaciones
 Ampliaciones de fábrica
 Planeación de itinerarios para cobranzas
 Planes de venta
 Censos de población, etc.
 Método de la Ruta Crítica –CPM-
Como se mencionó con anterioridad, el CPM ( Critical Path Method ) o Método

de la Ruta Crítica, es un método eficaz y muy utilizado para planificar, programar y
controlar proyectos. Fue propuesto por los técnicos de la Compañía Du Pont, J.M.
Kelly & M.R. Walker entre 1957 y 1959, buscando una mejor forma de planificar y
programar, aplicándolo a plantas químicas. Debido a los resultados obtenidos, a
partir de esa fecha, se ha generalizado en todo el mundo.
El método define una ruta crítica (la ruta más larga en tiempo de un proyecto), la
cual es la base para su desarrollo. Además, se consideran sus tiempos como
deterministas, es decir que son predecibles con un alto grado de exactitud.
 Elementos del CPM:
1º. Listado de tareas (actividades)

2º. Red de Actividades o Diagrama de flechas: Estructura básica que
representa de manera gráfica, lógica y secuencial, el desarrollo de las
actividades que componen el proyecto, interrelacionando las mismas y
permitiendo el análisis del plan para la toma de decisiones.
3º. Análisis de COSTOS para la reducción de la duración del proyecto,

considerando tiempos de compresión posibles por actividad y el costo
incremental (pendiente de costo) por día de reducción al aplicar un programa
urgente.
 Elementos de la Red de Actividades o diagrama de flechas:
Se llama red a la representación gráfica de las actividades que muestran sus

eventos, secuencias, interrelaciones y el camino crítico.
No solamente se llama camino crítico al método, sino también a la serie de

actividades contadas desde la iniciación del proyecto hasta su terminación, que no tienen
flexibilidad en su tiempo de ejecución, por lo que cualquier retraso que sufriera alguna de
las actividades de la serie, provocaría un retraso en todo el proyecto.
Desde otro punto de vista, camino crítico es la serie de actividades que indica la
duración total del proyecto.
1. Evento: Se define como el inicio o terminación de una actividad.

No consume tiempo ni recursos. A los eventos se les
conoce también con el nombre de Nodos.
2. Actividad:
2.1 Real: Consume tiempo y recursos. Es una parte del proyecto

que se desarrolla entre dos eventos sucesivos. Posee
dirección. La longitud no representa ninguna magnitud.
2.2 Ficticia: Se utiliza cuando existe la necesidad de indicar una

dependencia entre actividades. No consume
tiempo ni recursos.
El diagrama de flechas está constituido por un número de caminos o

cadenas de eventos y actividades consecutivas necesarias para desarrollar
completamente el proyecto.
Para establecer un diagrama de flechas se debe localizar cada actividad en

la estructura del proyecto determinado
 Condiciones para la correcta elaboración:
1. Cada actividad está representada por una flecha y a cada flecha

corresponde una sola y única actividad (entre dos eventos, sólo puede
haber una actividad).
2. Todas las actividades que terminan en un mismo punto, deben preceder a

aquellas que empiezan en ese punto. (A y B preceden a C).
A
C
3. Todas las actividades que empiezan en un punto deben estar precedidas

por todas aquellas que terminan en ese punto.
4. El diagrama no puede tener ningún circuito cerrado, es decir que cuando una
actividad es ejecutada, ya no se puede volver a ella.
NO
5. Una actividad no puede iniciarse hasta que aquella o aquellas que la

preceden en forma inmediata, no sean realizadas.
6. Deben prevenirse las redundancias que provienen de la mala aplicación

del concepto de dependencia.
7. Debe evitarse que dos actividades que parten de un mismo evento lleguen
a finalizar en el mismo evento siguiente. Esto produce confusión de tiempo
y de continuidad. Para el efecto, debe abrirse el evento inicial o el evento
final en dos eventos y unirlos con una actividad ficticia.
C
C
A A
Ficticia
B
INCORRECTO B
CORRECTO
8. Deben evitarse los eventos sueltos al inicio o al finalizar la red. Todos los
eventos deben estar relacionados con el evento inicial o con el evento
final.
 Ejemplos de diagramas:
1. Actividades simultáneas:
2. Para realizar C y D, se necesita realizar antes A y B.
A C
B D
3. Para realizar la actividad C, es indispensable realizar las actividades A y B,

pero para realizar D, sólo es necesario la actividad B.
B D
A C
 Numeración de Eventos:
Los eventos deben numerarse en secuencia lógica de izquierda a derecha y de
arriba hacia abajo.
 Determinación de la duración de las actividades:

1) Por registros referentes a la duración de actividades iguales.
2) Por estimaciones del programador, sobre todo en actividades que no se
han realizado antes. Trabajos de investigación, programas de desarrollo,
etc.
3) Por experiencia del programador en la ejecución de proyectos iguales o
similares.
M S
 Tiempos considerados en CPM:
C
a) Tiempo de terminación más temprano: Es el tiempo más temprano posible
en que pueden terminarse todas las actividades que llegan a un evento
determinado. En otras palabras, puede decirse que representa el tiempo en el
que ocurrirá el inicio de una actividad si las actividades que la preceden
comienzan lo más pronto posible. Se analizan todas las flechas que convergen
a un evento y se elige el mayor valor.
b) Tiempo de terminación más tardío: Es la fecha extrema o la última fecha

aceptable en que un evento puede ser realizado sin atrasar el proyecto.
Este tiempo representa el último momento en el que puede ocurrir una
actividad sin retrasar la terminación del proyecto. Se calcula de modo
inverso al empleado anteriormente; es decir, que se recorre el diagrama
de derecha a izquierda, restando acumulativamente la duración al evento
final y colocando el menor valor.
 Holguras:
Las actividades que no son del camino crítico, cuentan con mayor tiempo para su
terminación. Sus tiempos de inicio y terminación pueden ser alterados hasta cierto límite,
sin afectar la duración del proyecto. A estos tiempos se les conoce como Holguras o
tiempos flotantes.
Generalmente los tiempos de holgura sirven como márgenes de seguridad,

equilibrio en las necesidades de la mano de obra y permiten cierto atraso en la
aplicación de recursos.
La Holgura Total de una actividad está definida por la siguiente fórmula:

HT = Lj – (Ei + D).

Cárdenas.
De donde;
Lj = Tiempo de terminación más tardío del evento final de la actividad. Ei
= Tiempo de terminación más temprano del evento inicial.
D = Duración de la actividad.
 Definición del Camino Crítico:

Es la ruta más larga del diagrama en términos de tiempo. Es la cadena de
actividades cuya realización consume más tiempo. A las actividades de este camino se
les llama actividades críticas y el retraso de cualquiera de ellas provoca el retraso
equivalente de todo el proyecto. Un diagrama puede tener más de un camino crítico.
 Consideraciones de costo en el CPM:

La relación típica entre la duración y el costo directo asociado para cada una de
las actividades, se muestra en la siguiente gráfica.
C
A
CL
CN B
TL TN T
La ejecución de esta actividad en un tiempo normal (TN), tiene un costo
normal (CN). Si se desea disminuir el tiempo en que se realiza la actividad, éste puede
disminuirse hasta cierto límite (TL) y el costo asociado aumenta también hasta llegar
un límite (CL). Después del punto A, el costo aumenta sin que el tiempo disminuya
más. A la derecha del punto B, el costo y el tiempo aumentan proporcionalmente.
El costo que significa acelerar la actividad por unidad de tiempo es conocido

matemáticamente como la pendiente de la curva y ésta se calcula mediante la relación
entre la diferencia de costos con la diferencia de tiempos. En otras palabras,
Pendiente = CL - CN
TL - TN
No se debe dejar de considerar los costos indirectos asociados en todo proyecto,

tales como los gastos de supervisión, administración, arrendamiento de locales y equipos
utilizados, energía y otros similares; los cuales se relacionan de manera directamente
proporcional con el transcurrir del tiempo. A mayor tiempo de ejecución, mayores serán
los costos indirectos. El efecto de costos directos e indirectos se puede visualizar en la
siguiente gráfica de costos totales.
C COSTOS TOTALES
CL COSTOS INDIRECTOS
Co
COSTOS DIRECTOS
CN
TL To TN T
En la gráfica anterior, To y Co, representa el tiempo y costo óptimo del

programa.
 Ejemplo Ilustrativo CPM-Costo
Un contratista le solicita a usted como administrador de una empresa, la ejecución de

un proyecto en particular. Las actividades y estimación de recursos se resumen en la
siguiente tabla. Las cifras están en quetzales por actividad y la duración en días.
Actividad Precedencia COSTO COSTO DURACIÓN DURACIÓN

NORMAL LIMITE NORMAL LIMITE
A ----- 100 350 8 5
B A 200 400 6 3
C B 80 175 6 4
D B 150 300 7 4
E C 75 325 7 3
F D 120 450 2 1
G C 125 250 4 2
H E, F 190 320 4 1
I G, H 95 170 5 4
Los costos indirectos del proyecto se estiman en Q.75.00 diarios.

El contrato especifica que el proyecto debe ser concluido en 23 días. Su función
como planificador de este proyecto es cumplir con las especificaciones de tiempo
del proyecto e indicar el costo total asociado.
Solución:
En la tabla anterior, se presenta la duración normal a un costo normal para cada
actividad. Sin embargo, también se tiene cuantificado un tiempo límite de reducción
de cada actividad y el costo que representaría su reducción (costo límite). Por
ejemplo, la actividad A que normalmente duraría 8 días a un costo de Q.100.00;
puede reducirse hasta un límite de 5 días al invertir más recursos y por lo tanto, el
costo se incrementaría a Q.350.00. De manera similar la persona analista del proyecto
debe cuantificar el costo límite y tiempo límite para cada actividad. Estos datos de
reducción representan la planificación de un programa urgente en el proyecto.
Luego de comprender los datos presentados, siga cuidadosamente los siguientes pasos:
1. Construya su red de actividades o diagrama de flechas respetando las

precedencias de actividades y calculando a la vez, los tiempos de terminación
más temprano y más tardío para cada actividad; con el propósito de visualizar
las holguras disponibles en el proyecto.
31
20
31 36
20
G I 36
0 8 14 4 7 8
0 8 14 C E
H
A B 6
1
2 3
27
F
D 5 27
21
25
El tiempo de terminación más temprano es el que se presenta en la parte superior de

los cuadros, mientras que el tiempo de terminación más tardío de cada actividad, se
presenta en la parte inferior de los cuadros.
2. Tome como base el cuadro inicial del proyecto y proceda a calcular el tiempo
máximo de compresión o reducción permitido (Tc); el costo incremental (CI) por
actividad y el costo incremental por unidad de tiempo (pendiente de costo). El
Tc se determina mediante la diferencia entre la duración normal con la duración
límite. El costo incremental es el resultado de la diferencia entre el costo límite y
el costo normal. El costo incremental por unidad de tiempo (pendiente de costo)
es
M S
el resultado de dividir el dato del costo incremental entre el dato del tiempo de
compresión. Los resultados se presentan en la siguiente tabla.
C
Actividad Precedencia CN CL DN DL Tc CI CI/ dia
A - 100 350 8 5 3 250 83.3
B A 200 400 6 3 3 200 66.7
C B 80 175 6 4 2 95 47.5
D B 150 300 7 4 3 150 50
E C 75 325 7 3 4 250 62.5
F D 120 450 2 1 1 330 330
G C 125 250 4 2 2 125 62.5
H E,F 190 320 4 1 3 130 43.3
I G,H 95 170 5 4 1 75 75
COSTO
DIRECTO TOTAL 1,135
3. Prepare ahora una tabla en donde relacione el conjunto de actividades que

integran su proyecto con los distintos caminos, rutas o cadenas que éstas forman
en el diagrama de flechas para recorrerlo desde su inicio hasta el fin y determine
el tiempo de duración en el recorrido de cada ruta o camino.
DURACIÓN NORMAL 8 6 6 7 7 2 4 4 5
Ruta A B C D E F G H I Tiempo
1 X X X X X 29
Ruta Crítica 2 X X X X X X 36
3 X X X X X X 32
Para construir la tabla anterior, debe verificar en su red de actividades,

cuántas rutas o caminos existen para recorrer el diagrama desde su evento inicial
hasta su evento final. Una ruta está integrada por la cadena A-B-C-G-I y la
sumatoria de las duraciones normales de estas actividades da como resultado 29
días. Una segunda ruta está compuesta por la cadena de actividades A-B-C-E-H-I
y la sumatoria de sus duraciones normales da como resultado 36. Finalmente la
última ruta para recorrer el diagrama, está compuesto por la cadena A-B-D-F-H-I
y el tiempo total suma 32 días. En el cuadro de arriba, para cada ruta se marca

Cárdenas.
con una "X" cada actividad que la integra y se totaliza la duración de la cadena de
actividades.
La ruta crítica es aquella más larga en duración, por lo tanto, la ruta crítica del
proyecto es la ruta 2 y sus actividades que la integran se dice que son
actividades críticas, sin holgura de tiempo, lo cual significa que cualquier retraso
en alguna de estas actividades, causará el retraso en la ejecución de todo el
proyecto. La duración de la ruta crítica, define la duración normal del proyecto,
en este caso, 36 días.
Las actividades críticas se marcan en el cuadro del paso 2, porque será a partir de
ellas, que se realizará la compresión o reducción de la duración del proyecto.
4. Ahora deberá empezar a comprimir la duración de su proyecto. Para lograrlo,

debe comprimir las actividades críticas del mismo. Al igual que si usted retrasa
la ejecución de una actividad crítica, retrasará la duración de todo el proyecto;
de igual forma, si usted logra reducir la duración de estas actividades críticas,
logrará reducir la duración del proyecto.
Del conjunto de actividades críticas, debe empezar a comprimir aquella que

presente el menor costo incremental por unidad de tiempo (pendiente de costo
más pequeña) y continuar así sucesivamente. Usted puede reducir su proyecto
hasta un punto mínimo, el cual está definido por la compresión total de todas las
actividades críticas, o bien, por la imposibilidad de mantener un equilibrio en
duración con otras rutas o caminos. La duración óptima del proyecto la
encontrará en algún punto intermedio, inicial o final de las compresiones y podrá
identificarlo porque los costos totales en este punto serán los menores.
Debe analizar simultáneamente la compresión que realice con el efecto en

costos directos que causa dicha reducción, para lo cual deberá trabajar dos
cuadros de manera simultánea, uno para las compresiones de tiempo en las
distintas rutas del diagrama, y otro para calcular los costos directos que se originan de
la compresión. Los resultados del ejemplo, a continuación.
8 6 6 7 7 2 4 4 5
Ruta A B C D E F G H I Tiempo
1 X X X X X 29 29 27 27 27 27 24 23 20
2 X X X X X X 36 33 31 29 29 27 24 23 20
3 X X X X X X 32 29 29 29 27 27 24 23 20
H C E D E B I A
COSTO
Compresión DIRECTO
36 1,135.00
(3*43.3) = 129.90 33 1,264.90 H
(2*47.5) = 95 31 1,359.90 C
(2*62.5) = 125 29 1,484.90 E
(2*50) + (2*62.5) = 225 27 D,E B I 1,709.90
(3*66.7) = 200.10 24 A 1,910.00
(1*75) = 75 23 1,985.00
(3*83.3) = 249.90 20 2,234.90
De las actividades críticas, la de menor costo incremental diario (pendiente de costo),

es la "H". Esta actividad tiene un tiempo de compresión permitido de 3 días, por lo
que se procede a reducir en tres días, la duración de las cadenas de actividades en
donde aparezca la actividad H. Para el ejemplo, son las rutas 2 y 3 las que se
reducen en 3 días, porque es parte de ellas esta actividad. La ruta 1 permanece con
su duración inicial de 29 días.
Si la ruta crítica se ha reducido en 3 días, quiere decir que la duración del proyecto
ahora será de 33 días, pero esta reducción representa un aumento en los costos
directos. Para determinar este aumento, se multiplican los tres días reducidos por el
costo incremental diario para la actividad H. El resultado de
Q.129.90 debe sumársele al costo directo anterior de Q.1,135.00 para obtener el
costo directo actual para los 33 días. Esta suma totaliza Q.1,264.90.
La siguiente actividad crítica con menor costo incremental, es la actividad C. El
procedimiento de reducción es el mismo que se aplicó para la actividad H.
La actividad E, es la siguiente actividad de menor pendiente de costo. Note que tiene

un tiempo de compresión permitido de 4 días, sin embargo, si se reducen los 4 de un
solo paso, la ruta 3 tendría una duración mayor y ésta pasaría a ser la nueva ruta
crítica y la duración del proyecto estaría definida por esta última duración y no por la
"aparente reducción" obtenida en la ruta 2. Por lo tanto, nos vemos obligados a
reducir sólo 2 días de los 4 permitidos de la actividad E, para mantener un equilibrio
de rutas críticas entre los caminos 2 y 3. En este momento la duración del proyecto es
de 29 días.
De la ruta 3 deben seleccionarse sus actividades que la integran y verificar cuál

de ellas no ha sido comprimida y cuál tiene el menor costo incremental y que a
su vez no forme parte de la ruta crítica original. Se determina que en este caso es
la actividad D la que cumple tales requisitos. Del tiempo de compresión permitido
por esta actividad se toman 2 días para reducir esta ruta 3 y poder mantener el
equilibrio en duración con la ruta 2 luego que ésta sea comprimida en los 2 días
pendientes de la actividad crítica E. Seguidamente, realice la reducción de los 2
días pendientes de la actividad crítica E y luego registre el incremento de costos
directos por las compresiones realizadas. En este momento la duración del
proyecto es de 27 días y para obtener este tiempo, fue necesario reducir dos días
de la actividad D y dos días de la actividad E. La incidencia en el costo directo
debe reflejarse mediante el producto de los dos días de D por su pendiente de
costo, más el producto de los dos días de E por su pendiente de costo.
Las siguientes actividades que deben comprimirse son las actividades B, I y A. Para
cada una de ellas se aplica el procedimiento de compresión y registro de costos
directos, de igual manera como se realizó para las actividades H y C, respetando el
orden B, I, A; debido a la priorización del costo incremental menor de cada actividad.
El resultado de reducir el proyecto hasta 20 días, se determina en los costos
directos, haciendo el cálculo de reducir todas las actividades críticas del
proyecto y dos días de la actividad D para la ruta 3 que fue indispensable para
mantener un equilibrio entre rutas y no caer en el error de concluir sobre una
aparente duración del proyecto que no es real.
En muchos casos, no es posible realizar la compresión de todas las actividades

críticas debido a que sería imposible mantener la paridad o equilibrio entre duración
de rutas o caminos; razón por la cual resulta de suma importancia la correcta
priorización del orden de compresión a través de las pendientes de costo.
5. Como último paso, debe analizar sus costos indirectos del proyecto, los cuales
tienen relación directa con la duración del mismo. Para este ejemplo, los costos
indirectos son de Q.75.00 por día; por lo que deberá multiplicar este dato por
cada duración probable del proyecto obtenida en la tabla anterior y sumar el
resultado al costo directo de cada opción. Los resultados se presentan a
continuación.
CI
Tiempo CD (Q. 75/ DIA) CT
36 1,135.00 2,700 3,835.00
33 1,264.90 2,475 3,739.90
31 1,359.90 2,325 3,684.90
29 1,484.90 2,175 3,659.90
27 1,709.90 2,025 3,734.90
24 1,910.00 1,800 3,710.00
23 1,985.00 1,725 3,710.00
20 2,234.90 1,500 3,734.90
De los anteriores resultados puede concluirse lo siguiente:
 La duración normal del proyecto es de 36 días a un costo total de

Q.3,835.00.
 La duración mínima en que puede realizarse el proyecto en las
condiciones actuales de inversión de recursos, es de 20 días a un costo de
Q.3,734.90.
 La duración óptima del proyecto es de 29 días a un costo total de
Q.3,659.90.
 Si la entrega del proyecto se realiza exactamente en el día 23 que fue
pactado en el contrato, el costo total del mismo sería de Q.3,710.00.
 Técnica de Evaluación y Revisión de Programas –PERT-
La Técnica de evaluación y control de programas conocida comúnmente

como PERT por sus siglas en inglés Program Evaluation and Review Technique, fue
desarrollada en 1958 por la Marina de los Estados Unidos de Norte América para un
proyecto de nombre Polaris, relacionado con la construcción de una serie de
submarinos nucleares, con la intervención de 250 empresas y alrededor de 3,000
contratistas. Con el desarrollo del PERT, el proyecto terminó dos años antes de lo
planificado y se optimizaron los recursos estimados inicialmente. Actualmente se
utiliza en todo el programa espacial.
El objetivo del método PERT consiste en ayudar en la planeación y el control.

Algunas veces el objetivo primario consiste en determinar la probabilidad de cumplir con
fechas de entrega específicas. También identifica las actividades que tienen mayor
probabilidad de convertirse en cuellos de botella y por lo tanto, señala los puntos en los
cuales debe hacerse un mayor esfuerzo para no tener retrasos. Asimismo, se tiene como
objetivo la evaluación de los efectos por cambios realizados al programa.
Al igual que el CPM, también emplea una red del proyecto para visualizar
gráficamente las interrelaciones entre sus elementos. Para la determinación de sus
tiempos, se consideran condiciones de probabilidad de ocurrencia, estableciendo tres
tipos de tiempos, el tiempo optimista, el tiempo más probable de ocurrencia y el tiempo
pesimista; los cuales están sujetos a condiciones aleatorias.
El tiempo optimista (t o) representa un tiempo calculado para la pronta finalización

de una actividad bajo ciertas condiciones favorables. Se dice que existe una probabilidad
muy remota de finalizar la actividad en un tiempo menor al tiempo optimista, pudiendo
suceder rara vez bajo condiciones extremadamente favorables.
El tiempo pesimista (t p ) por el contrario, representa un tiempo calculado para

la finalización extrema o límite de una actividad, considerando ciertas condiciones
desfavorables e imprevistas. Se dice que existe una probabilidad muy remota de
finalizar la actividad en un tiempo mayor al tiempo pesimista, pudiendo suceder rara
vez bajo condiciones extremadamente desfavorables.
El tiempo más probable de ocurrencia (t m ) es aquel tiempo en el que se

supone debe finalizar una actividad. Se dice que es el tiempo de duración más
probable debido a que representa la moda estadística de la distribución de los
tiempos de duración de las actividades.
A partir de los tres tiempos descritos anteriormente, es posible calcular

mediante fórmula, el tiempo esperado (t e ) de una actividad, el cual representa un
promedio ponderado de duración de la actividad y que se estima con una
probabilidad de 50-50 de ser rebasado o de no ser alcanzado.
El PERT, básicamente es un método estadístico que define probabilidades de

cumplir con una actividad o con el mismo proyecto en un tiempo específico. Este
tipo de probabilidades se calculan empleando la variación de tiempos esperados y
las tablas que definen a una distribución normal.
En muchas ocasiones, el tiempo estimado para cada una de las actividades, se
calcula a base de experiencia o datos anteriores; sin embargo, algunas veces es muy
difícil determinar este tiempo de ejecución por diversos motivos, y debido a esto, se
calcula un tiempo medio o esperado para cada actividad a través de probabilidades. El
método PERT es muy útil principalmente en proyectos donde existen actividades nuevas
donde no se dispone de experiencia.
FORMULAS UTILIZADAS:
Previo a la presentación de fórmulas, es necesario definir la siguiente simbología:
a. te = Tiempo esperado .
b.  = Desviación estándar por actividad.
c. Ve = Varianza esperada por actividad.
d. e = Desviación esperada en la duración del proyecto.
e. Z = Cantidad de desviaciones estándar con respecto a la media
aritmética en una distribución de probabilidad normal.
f. ts = Tiempo solicitado para la finalización del proyecto .
Las fórmulas son las siguientes:
a) T e = to + 4 t m + t p .
6
b)  = t p - to .
6
c) V e = 2
d) e =   Ve de Ruta Crítica
e) Z = t s - te ruta crítica .
e
Ejemplo Ilustrativo PERT
Un contratista le solicita a usted como administrador de una empresa, la ejecución
de un proyecto en particular. Las actividades y estimación de recursos de tiempo (en
días) se resumen en la siguiente tabla.
Actividad Precedencia to tm tp
A ----- 15 20 25
B ----- 20 25 30
C ----- 10 15 20
D A 5 10 15
E B 15 20 25
F C 20 25 30
G E 5 10 15
H E 20 25 30
I E 15 20 25
J D,G 5 10 15
K J, H 10 15 20
L F, H, I 20 25 30
M L 15 20 25
Su función como planificador del proyecto es determinar la duración esperada de

finalización. Asimismo, determine: a) la probabilidad de finalizar el proyecto si le
proporcionan 5 días adicionales a la duración esperada; b) ¿cuál es el tiempo en el que
se puede realizar el proyecto con una probabilidad del 85%?.
Solución:
1. Para cada actividad del proyecto, calcule los valores del Tiempo esperado (Te),
Desviación Estándar ( ) y Varianza Esperada (Ve), de conformidad con las
fórmulas correspondientes.
 Te = to + 4 t m + tp .
6
  = t p - to .
6
 Ve = 2
De donde se obtiene la siguiente tabla de resultados:

Actividad Preceden to tm tp Te Ve
cia
A ----- 15 20 25 20 1.667 2.777
B ----- 20 25 30 25 1.667 2.777
C ----- 10 15 20 15 1.667 2.777
D A 5 10 15 10 1.667 2.777
E B 15 20 25 20 1.667 2.777
F C 20 25 30 25 1.667 2.777
G E 5 10 15 10 1.667 2.777
H E 20 25 30 25 1.667 2.777
I E 15 20 25 20 1.667 2.777
J D,G 5 10 15 10 1.667 2.777
K J, H 10 15 20 15 1.667 2.777
L F, H, I 20 25 30 25 1.667 2.777
M L 15 20 25 20 1.667 2.777
2. Construya su red de actividades o diagrama de flechas respetando las

precedencias de actividades y calculando a la vez, los tiempos de terminación
más temprano y más tardío para cada actividad; con el propósito de visualizar
las holguras disponibles en el proyecto. Como duración de cada actividad,
considere los tiempos esperados (T e) calculados en el paso anterior.
20 55
50 60
D J
26
A 25 70
G
25 70
B E H
1 3 5 7 K
10
45
I Fi1 M
C 45
0 4 9 115
8
0 FL 115
15 70 95
45 70 95
3. Prepare ahora una tabla en donde relacione el conjunto de actividades que

integran su proyecto con los distintos caminos, rutas o cadenas que éstas forman
en el diagrama de flechas para recorrerlo desde su inicio hasta el fin y determine
el tiempo de duración en el recorrido de cada ruta o camino.
Te 20 25 15 10 20 25 10 25 20 10 15 25 20
Ruta A B C D E F G H I J K L M Tiempo
1 X X X X 55
2 X X X X X 85
3 X X X X X 80
4 X X X X X X 110
5 X X X X 85
R.C. 6 X X X X X 115
7 X X X X X 110
8 X X X X 85
La ruta crítica es aquella más larga en duración, por lo tanto, la ruta crítica del
proyecto es la ruta 6. Para el presente caso, la duración esperada del proyecto
es de 115 días.
Las actividades críticas se marcan en el cuadro del paso 1, porque será a partir de
ellas, que se realizará el cálculo de desviaciones estándar y demás probabilidades.
4. Para dar respuesta a las interrogantes planteadas en los incisos del problema,
realice lo siguiente:
4.1 Cálculo de la desviación estándar esperada del proyecto:
e =   Ve de Ruta Crítica
e =  2.777 + 2.777 + 2.777 + 2.777 + 2.777
e = 3.72
4.2 Cálculo del valor “ Z” para una distribución normal:
Z= ts - te ruta crítica .
e
Como se le indica en el inciso a) del planteamiento del problema, que determine la

probabilidad de finalizar el proyecto si le conceden 5 días adicionales, entonces se
debe interpretar que se cuenta con 5 días más a los 115 días de duración
estimados según la ruta crítica, para la terminación del proyecto. Por lo tanto, el
valor del tiempo solicitado (t s) es de 120 días.
Sustituyendo valores, se tiene:

Z= 120 - 115 .
3.72
Z = 1.34
4.3 Con el valor de “ Z” encontrado, se procede a buscar el valor de

probabilidad correspondiente, en una tabla de distribución normal de
probabilidad (Apéndice B):
Para un valor Z = 1.34, se obtiene de la tabla de distribución normal, un valor
de probabilidad = 0.90988; es decir, aproximadamente el 91% de probabilidad.
Se concluye para el inciso a) que se tiene una probabilidad del 91% para
finalizar el proyecto dentro de 120 días solicitados.
4.4 Para el inciso b) se desea determinar el tiempo que debe solicitarse para
tener una probabilidad del 85% de finalizar el proyecto a tiempo. Por lo
tanto, realice su análisis a partir de la siguiente fórmula de “ Z” :
Z = ts - te ruta crítica .
e
Despejando el valor de t s que representa el tiempo que deberá solicitarse para

cumplir con la entrega del proyecto con un nivel de probabilidad definido, se
tiene:
Ts = (Z* e ) + t e ruta crítica
Previo a sustituir valores en la expresión anterior, es necesario encontrar el

valor Z para una probabilidad del 85%. Para el efecto, consulte su tabla de
distribución normal de probabilidad y busque dentro de todo el conjunto
de probabilidades, aquel valor igual o más próximo mayor de la
probabilidad deseada. Para el presente caso, se obtiene de la tabla
indicada (Apéndice B), un valor Z = 1.04, en donde se tiene un valor =
0.85083.
Con el valor de Z encontrado (1.04), sustituya valores:
Ts = (1.04* 3.72 ) + 115

Ts = 118.87  119 días.
Se concluye para el inciso b) que el proyecto puede finalizarse en 119 días
con una probabilidad del 85%. Deberán solicitarse 4 días adicionales para
terminar el proyecto con un 85% de probabilidad.
 Elección entre PERT y CPM
La aplicación del enfoque PERT o el método CPM-Costo depende

fundamentalmente del tipo de proyecto y de los objetivos gerenciales. El PERT es en
particular apropiado cuando se maneja mucha incertidumbre al predecir los tiempos
de las actividades y cuando es importante controlar de una manera efectiva la
programación del proyecto; por ejemplo, la mayor parte de los proyectos de
investigación y desarrollo caen dentro de esta categoría. Por otro lado, el CPM
resulta muy apropiado cuando se pueden predecir bien los tiempos de las
actividades y cuando estos tiempos se pueden ajustar con facilidad, al igual que
cuando es importante planear una combinación apropiada entre el tiempo y el
costo del proyecto. Este último tipo lo representan muchos proyectos de construcción
y mantenimiento.
 Diferencias entre PERT y CPM
La diferencia entre PERT y CPM es la manera en que se realizan los estimados de

tiempo. El PERT supone que el tiempo para realizar cada una de las actividades es una
variable aleatoria descrita por una distribución de probabilidad. El CPM por otra parte,
infiere que los tiempos de las actividades se conocen en forma determinística y se puede
variar cambiando el nivel de recursos utilizados.
En la actualidad, las diferencias entre las versiones de PERT y CPM no son tan
marcadas como se describe en la teoría original de los métodos. Muchas versiones
de PERT permiten emplear una sola estimación (la más probable) para cada
actividad y omiten así la investigación probabilística. Una versión llamada PERT/Costo
considera también combinaciones de tiempo y costo en forma parecida al CPM.
 Otras Técnicas utilizadas para la Planificación, Programación y Control

de Proyectos
En la actualidad existe diversidad de técnicas y métodos para la

programación y control de proyectos. En su mayoría, son técnicas derivadas y
basadas en la metodología del método de la ruta crítica y técnica PERT.
Entre las principales técnicas utilizadas, tenemos: Manpower Alocation

Procedure Scheduling (MAN Scheduling); Resource Allocation and Multi-Project
Scheduling (RAMPS); Project Reliability Index System Maturity (PRISM); Análisis Bar
Charting (ABC); Scheduling Program for Allocation Resources (SPAR); Resource
Planning & Scheduling Method (RPSM); Least Cost Estimating & Scheduling (LESS);
Técnica para la Revisión y Evaluación de Planes (TREP); Milestone Control Path
Procedure (CPPM); etc.
La herramienta de software más popular para la administración de proyectos es el

MS-Project.
 MAN Scheduling (Manpower Aloca tion Procedure)
Es un método asociado con el PERT que procura la optimización en la distribución

de mano de obra y otros recursos. Es aplicable cuando los recursos son limitados,
procurando la reducción del tiempo y de recursos humanos, materiales y financieros. La
concentración de los recursos se hace a lo largo de la ruta crítica.
 Distribución de Recursos y Programación de Proyectos Múltiples (Resource
A loca tion and Multi-Project Scheduling) –RAMPS-
Es un técnica desarrollada por Du Pont junto con la oficina estadounidense de

asesoramientos CEIR Inc. Es aplicable cuando se desea la mejor utilización de
recursos limitados para varios proyectos desarrollados simultáneamente.
 Project Reliability Index System Maturity –PRISM-
Es un método derivado del PERT, aplicable y eficaz para la evaluación y el control.

Desarrolla un procedimiento para evaluar, medir y estabilizar un programa de “seguridad”.
Mejora el control de la comunicación y documentación técnica.
 Analysis Bar Cha rting –ABC-
Fue desarrollado en 1969 por John Mulvaney con el objetivo de idear un método de
planificación de proyectos de fácil aprendizaje y utilización. Su estructura se basa en el
análisis del método de la ruta crítica –CPM-. Es un método aplicable en la Administración
de Empresas, Ingeniería Industrial y proyectos de comercialización de productos
alimenticios.
 Scheduling Program for Allocation Resources –SPAR-
Método desarrollado por J.D. West alrededor de 1963 con el propósito de nivelar o
equilibrar las cargas de trabajo en un proyecto; es decir que su aplicación principal radica
cuando se desea un equilibrio en la carga de trabajo en proyectos múltiples y simultáneos.
 Resource Pla nning & Scheduling Method –RPSM-
Es un método capaz de administrar hasta 1,600 actividades o más de manera

simultánea. Para el efecto, se apoya en un paquete computarizado introducido por
la IBM. Las fases principales del RPSM consisten en: 1) cálculo del tiempo de la ruta
crítica; 2) ciclo no limitado del RPSM o compilación de recursos; y 3) Asignación y
distribución de recursos disponibles en función del tiempo. Con la aplicación del
RPSM es posible reducir de manera considerable las horas de trabajo extraordinario y
la optimización de recursos.
 Ejemplo Ilustra tivo para el cá lculo de Holguras de un proyecto:

Considere el siguiente proyecto:
NORMAL MÍNIMO
Actividad Precedencia
Duración Costo (Q) Duración Costo (Q)
A 4 400 2 500 ----
B 10 300 8 450 ----
C 5 800 4 1000 ----
D 4 100 3 250 A, B
E 6 200 5 250 C
F 8 700 6 950 C
G 4 200 3 320 D, B
H 3 180 2 225 E, F
I 2 1200 1 1800 H
SE LE PIDE: a) Elaborar diagrama de flechas, indicando la ruta crítica; b) Tiempos de

terminación más tempranos y más tardíos por actividad; c) Duración normal del proyecto;
d) Cálculo de holguras: Total, Libre e Independiente; para cada actividad;
e) Diagrama de Gantt; f) Cállculo de pendientes de costo por actividad; g) Actividad
susceptible de compresión; h) Red de actividades comprimida y nueva ruta crítica.
SOLUCIÓN:
Diagrama de flechas:
E2 = 10
L2 = 10 E5 = 14
L5 = 14
D4
2 5
4A 4
Fi2
E1 = 0 Fi1 G
E = 13
7
L1 = 0
B 10 L7 = 13
1 3 E9 = 18
7 8 9 L9 = 18
H I
E3 = 10 6 3 2
L3 = 10 E E8 = 16
C Fi3 L8 = 16
5
46
F 8
E4 = 5
L4 = 5 E6 = 13
L6 = 13
Ocurrencias más tempranas:
o E1 = 0 (siempre inicia en 0)
o E2 = Elegir la sumatoria mayor, entre: (E 1 + duración de actividad A = 0+ 4
= 4); o bien, (E 3 + duración de actividad ficticia 1 = 10+ 0 = 10). Por lo
tanto, E 2 = 10.
o E3 = E1 + duración de actividad B = 0+ 10 = 10
o E4 = E1 + duración de actividad C = 0+ 5 = 5
o E5 = Elegir la sumatoria mayor, entre: (E 2 + duración de actividad D = 10+
4 = 14); o bien, (E 3 + duración de actividad ficticia 2 = 10+ 0 = 10). Por lo
tanto, E 5 = 14.
o E6 = E4 + duración de actividad F = 5+ 8 = 13
o E7 = Elegir la sumatoria mayor, entre: (E 4 + duración de actividad E = 5+ 6
tanto, E 7 = 13.
o E8 = E7 + duración de actividad H = 13+ 3 = 16
o E9 = Elegir la sumatoria mayor, entre: (E 5 + duración de actividad G = 14+
4 = 18); o bien, (E 8 + duración de actividad I = 16+ 2 = 18). Por lo tanto, E 9
= 18.
Ocurrencias más tardías:
o L9 = 18 (siempre inicia con el mismo tiempo de ocurrencia más

temprano del último evento)
o L8 = L9 - duración de actividad I = 18 - 2 = 16
o L7 = L8 - duración de actividad H = 16 - 3 = 13
o L6 = L7 - duración de actividad ficticia 3 = 13 - 0 = 13
o L5 = L9 - duración de actividad G = 18 – 4 = 14.
o L4 = Elegir la resta menor, entre: (L 7 - duración de actividad E = 13 - 6 = 7);
o bien, (L 6 - duración de actividad F = 13 - 8 = 5). Por lo tanto, L 4 = 5.
o L3 = Elegir la resta menor, entre: (L 5 - duración de actividad ficticia 2 = 14
- 0 = 14); o bien, (L 2 - duración de actividad ficticia 1 = 10 - 0 = 10). Por lo
tanto, L 3 = 10.
o L2 = L5 - duración de actividad D = 14 - 4 = 10
o L1 = Elegir la resta menor, entre: (L 2 - duración de actividad A = 10 - 4 =
6); o bien, (L 3 - duración de actividad B = 10 – 10 = 0); o bien, (L 4 -
duración de actividad C = 5 - 5 = 0). Por lo tanto, L 1 = 0.
 Ruta Crítica:
Ruta Cadena de Tiempo

Actividades (días) *
1 A-D–G 12
2 B – Fi1 - D - G 18
3 B - Fi2 - G 14
4 C-E-H-I 16
5 C - F - Fi 3 - H - I 18
* Se determina mediante la sumatoria de la duración normal de cada actividad que
integra la ruta.
Se concluye:
o La duración del proyecto, es de 18 días.

o Existen dos rutas críticas para su ejecución. La primera, compuesta por
las actividades B – Fi 1 - D - G (Ruta 2); y la segunda, por las actividades
C - F - Fi3 - H – I (Ruta 5).
Se procederá ahora, a realizar el cálculo de holguras por actividad, elaborando

previamente, presentando los resultados en la siguiente tabla resúmen y el deslgose de
cálculos, debajo de la misma.
 Tabla de Holguras:
OCURRENCIAS HOLGURAS
Dura- Einicial + Indepe

Actividad Inicio Fin ción Einicial Linicial Efinal Lfinal Duración Total Libre ndiente
A 1 2 4 0 0 10 10 4 6 6 6
B 1 3 10 0 0 10 10 10 0 0 0
C 1 4 5 0 0 5 5 5 0 0 0
D 2 5 4 10 10 14 14 14 0 0 0
E 4 7 6 5 5 13 13 11 2 2 2
F 4 6 8 5 5 13 13 13 0 0 0
G 5 9 4 14 14 18 18 18 0 0 0
H 7 8 3 13 13 16 16 16 0 0 0
I 8 9 2 16 16 18 18 18 0 0 0
Fi1 3 2 0 10 10 10 10 10 0 0 0
Fi2 3 5 0 10 10 14 14 10 4 4 4
Fi3 6 7 0 13 13 13 13 13 0 0 0
 Holgura Total:
Se calcula para cada actividad, mediante la fórmula:
HT = Levento final - ( Eevento inicial + duración de la actividad)
o HTA = L2 - (E1 + d A) = 10 - (0 + 4) = 6
o HTB = L3 - (E1 + d B) = 10 - (0 + 10) = 0
o HTC = L4 - (E1 + d C) = 5 - (0 + 5) = 0
o HTD = L5 - (E2 + d D) = 14 - (10 + 4) = 0
o HTE = L7 - (E4 + d E) = 13 - (5 + 6) = 2
o HTF = L6 - (E4+ d F) = 13 - (5 + 8) = 0
o HTG = L9 - (E5 + d G) = 18 - (14 + 4) = 0
o HTH = L8 - (E7 + d H) = 16 - (13 + 3) = 0
o HTI = L9 - (E8 + d I) = 18 - (16 + 2) = 0
o HTfi1 = L2 - (E3 + dfi 1) = 10 - (10 + 0) = 0
o HTfi2 = L5 - (E3 + dfi 2) = 14 - (10 + 0) = 4
o HTfi3 = L7 - (E6 + dfi 3) = 13 - (13 + 0) = 0
 Holgura Libre:
HL = Eevento final - ( Eevento inicial + duración de la actividad)
o HTA = L2 - (E1 + d A) = 10 - (0 + 4) = 6
o HTB = L3 - (E1 + d B) = 10 - (0 + 10) = 0
o HTC = L4 - (E1 + d C) = 5 - (0 + 5) = 0
o HTD = L5 - (E2 + d D) = 14 - (10 + 4) = 0
o HTE = L7 - (E4 + d E) = 13 - (5 + 6) = 2
o HTF = L6 - (E4+ d F) = 13 - (5 + 8) = 0
o HTG = L9 - (E5 + d G) = 18 - (14 + 4) = 0
o HTH = L8 - (E7 + d H) = 16 - (13 + 3) = 0
o HTI = L9 - (E8 + d I) = 18 - (16 + 2) = 0
o HTfi1 = L2 - (E3 + dfi 1) = 10 - (10 + 0) = 0
o HTfi2 = L5 - (E3 + dfi 2) = 14 - (10 + 0) = 4
o HTfi3 = L7 - (E6 + dfi 3) = 13 - (13 + 0) = 0
 Holgura Independiente:
HI = Eevento final - ( Levento inicial + duración de la actividad)
o HTA = L2 - (E1 + d A) = 10 - (0 + 4) = 6
o HTB = L3 - (E1 + d B) = 10 - (0 + 10) = 0
o HTC = L4 - (E1 + d C) = 5 - (0 + 5) = 0
o HTD = L5 - (E2 + d D) = 14 - (10 + 4) = 0
o HTE = L7 - (E4 + d E) = 13 - (5 + 6) = 2
o HTF = L6 - (E4+ d F) = 13 - (5 + 8) = 0
o HTG = L9 - (E5 + d G) = 18 - (14 + 4) = 0
o HTH = L8 - (E7 + d H) = 16 - (13 + 3) = 0
o HTI = L9 - (E8 + d I) = 18 - (16 + 2) = 0
o HTfi1 = L2 - (E3 + dfi 1) = 10 - (10 + 0) = 0
o HTfi2 = L5 - (E3 + dfi 2) = 14 - (10 + 0) = 4
o HTfi3 = L7 - (E6 + dfi 3) = 13 - (13 + 0) = 0
 Diagrama de GANTT:
HOLGURAS
Independie
Actividad Duraci—n Total Libre nte 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
B 10 0 0 0
D 4 0 0 0
G 4 0 0 0
C 5 0 0 0
F 8 0 0 0
H 3 0 0 0
I 2 0 0 0
A 4 6 6 6
E 6 2 2 2
ACTIVIDAD CRêTICA Ruta Cr’tica 1:

ACTIVIDAD CRêTICA Ruta Cr’tica 2:
ACTIVIDAD NO CRêTICA:
HOLGURA TOTAL:
 Determinación de la Pendiente:
Activ Duración Costo Duración Costo (Costo (Duración Pendien-

idad Normal Normal Mínima Mínimo Mínimo – Normal – te
Costo Duración
Normal) Mínima)
A 4 400 2 500 100 2 50
B 10 300 8 450 150 2 75
C 5 800 4 1000 200 1 200
D 4 100 3 250 150 1 150
E 6 200 5 250 50 1 50
F 8 700 6 950 250 2 125
G 4 200 3 320 120 1 120
H 3 180 2 225 45 1 45
I 2 1200 1 1800 600 1 600
Se concluye:
o Que la actividad susceptible de ser reducida, es la actividad H, debido a

que ésta es la actividad crítica con menor pendiente.
o La actividad H puede ser reducida a la duración mínima de 2 días.
 Diagrama de flechas reducido: considerando H = 2:
E2 = 10 E5 = 14
L2 = 10 L5 = 14
D4
2 5
4A 4
Fi2
E1 = 0 Fi1 G
E7 = 13
L1 = 0
L7 = 14
B 10
1 3 E9 = 18
7 8 9 L9 = 18
H I
E3 = 10 6 2 2
L3 = 10 E E8 = 15
C
Fi3L8 = 16
5
4 6
F8
E4 = 5 E6 = 13
L4 = 6 L6 = 14
 Ocurrencias más tempranas de la red reducida:
o E1 = 0 (siempre inicia en 0)
o E2 = Elegir la sumatoria mayor, entre: (E 1 + duración de actividad A = 0+ 4
tanto, E 2 = 10.
o E3 = E1 + duración de actividad B = 0+ 10 = 10
o E4 = E1 + duración de actividad C = 0+ 5 = 5
o E5 = Elegir la sumatoria mayor, entre: (E 2 + duración de actividad D = 10+
4 = 14); o bien, (E 3 + duración de actividad ficticia 2 = 10+ 0 = 10). Por lo
tanto, E 5 = 14.
o E6 = E4 + duración de actividad F = 5+ 8 = 13
o E7 = Elegir la sumatoria mayor, entre: (E 4 + duración de actividad E = 5+ 6
tanto, E 7 = 13.
o E8 = E7 + duración de actividad H = 13+ 2 = 15
o E9 = Elegir la sumatoria mayor, entre: (E 5 + duración de actividad G = 14+
4 = 18); o bien, (E 8 + duración de actividad I = 15+ 2 = 17). Por lo tanto, E 9
= 18.
 Ocurrencias más tardías de la red reducida:
o L9 = 18 (siempre inicia con el mismo tiempo de ocurrencia más

temprano del último evento)
o L8 = L9 - duración de actividad I = 18 - 2 = 16
o L7 = L8 - duración de actividad H = 16 - 2 = 14
o L6 = L7 - duración de actividad ficticia 3 = 14 - 0 = 14
o L5 = L9 - duración de actividad G = 18 – 4 = 14.
o L4 = Elegir la resta menor, entre: (L 7 - duración de actividad E = 14 - 6 = 8);
o bien, (L 6 - duración de actividad F = 14 - 8 = 6). Por lo tanto, L 4 = 6.
o L3 = Elegir la resta menor, entre: (L 5 - duración de actividad ficticia 2 = 14
- 0 = 14); o bien, (L 2 - duración de actividad ficticia 1 = 10 - 0 = 10). Por lo
tanto, L 3 = 10.
o L2 = L5 - duración de actividad D = 14 - 4 = 10
o L1 = Elegir la resta menor, entre: (L 2 - duración de actividad A = 10 - 4 =
6); o bien, (L 3 - duración de actividad B = 10 – 10 = 0); o bien, (L 4 -
duración de actividad C = 6 - 5 = 1). Por lo tanto, L 1 = 0.
 Ruta Crítica de la red reducida:
Ruta Cadena de Tiempo

Actividades (días) *
1 A-D–G 12
2 B – Fi1 - D - G 18
3 B - Fi2 - G 14
4 C-E-H-I 15
5 C - F - Fi3 - H - I 17
* Se determina mediante la sumatoria de la duración normal de cada actividad que
integra la ruta.
Se concluye:
o La duración del proyecto, es de 18 días.

o La ruta crítica está compuesta por las actividades B – Fi 1 - D - G (Ruta 2)

analizar detenidamente. Resuélvalos mediante la técnica CPM Costo y presente las
conclusiones correspondientes.
1. Un contratista solicita la ejecución de un proyecto en particular. Las actividades y

estimación de recursos se resumen en la siguiente tabla. Las cifras están en
quetzales por actividad y la duración en semanas.
A --- 100 350 8 5
B A 200 400 6 3
C B 80 175 4 3
D A 150 300 7 4
E D 75 325 5 2
F A 120 450 10 6
G F 125 250 4 2
H C, G 190 320 4 1
I F 95 170 9 5
J E 160 390 7 3
K I, J 140 200 6 5
L H,K 150 250 7 5
Los costos indirectos del proyecto se estiman en Q.75.00 por semana.

quetzales por actividad y la duración en días.
A ----- 100 500 6 2
B ----- 300 700 5 4
C A 500 800 7 7
D B 150 650 2 2
E C 200 350 6 1
F C 80 250 9 8
G D, E 90 125 3 3
H F 90 160 9 9

A --- 100 350 8 5
B A 200 400 6 3
C B 80 175 4 3
D A 150 300 9 6
E D 75 325 7 4
F B 120 450 6 2
G A 125 250 4 2
H F, G 190 320 4 1
I E, H 95 170 5 4
J C, I 160 390 7 3
4. Considere el siguiente proyecto Las cifras están en quetzales por actividad y la
duración en días.
A ----- 100 500 6 2
B ----- 300 700 5 4
C ----- 500 800 7 7
D A 150 650 2 2
E D 200 350 6 1
F B 80 250 9 8
G F 90 125 3 3
H C 120 135 3 2
I H 140 165 7 5
J E,G,I 90 160 9 9
5. Considere el siguiente proyecto Las cifras están en quetzales por actividad y la

duración en semanas.
A ----- 100 200 8 6
B ----- 150 350 4 2
C A 50 90 2 1
D A 100 400 10 5
E B 100 200 5 1
F C,E 80 100 3 1
Los costos indirectos del proyecto se estiman en Q.50.00 semanales.
6. Un contratista solicita la ejecución de un proyecto en particular. Las actividades
y estimación de recursos se resumen en la siguiente tabla. Las cifras están en
A ----- 200 300 4 2
B ----- 100 100 2 2
C A 150 150 3 3
D B 100 150 5 3
E C 300 550 4 2
F C 150 200 2 1
G D, E 100 100 3 3
H F 400 650 4 2

Actividad Precedencia CN CL DN DL
A ----- 180 210 31 20
B ----- 320 420 28 14
C A 620 720 36 18
D B 410 490 52 32
E B 260 480 32 24
F B 210 340 16 6
G F, D 180 220 18 4
H E,G 900 1110 20 8
I E,G 430 560 34 18
J C,H 200 410 16 4
8. Considere el siguiente proyecto. Las cifras están en quetzales por actividad y
la duración en días.
A ----- 100 150 28 26
B ----- 200 300 20 18
C B 400 600 4 3
D A 100 300 24 22
E A 200 400 8 6
F C, D 300 350 12 10
G E 400 600 20 16
H E 500 500 10 8
I F, G 400 400 4 3
J F, G, H 300 350 30 28
K I, J 600 650 10 8

Actividad Precedencia COSTO COSTO LIMITE DURACIÓN DURACIÓN
NORMAL NORMAL LIMITE
A ----- 100 350 8 5

B A 200 400 6 3
C B 80 175 4 3
D A 150 300 7 4
E C 75 325 5 2
F D,E 120 450 6 2
G F 125 250 4 2
H F 190 320 4 1
I G,H 95 170 5 4


A ----- 100 350 8 5
B ----- 200 400 6 3
C B 80 175 4 3
D A 150 300 7 4
E A 75 325 5 2
F C,D 120 450 6 2
G E 125 250 4 2
H E 190 320 4 1
I F,G 95 170 5 4
J F,G,H 160 390 7 3
K I,J 140 200 6 5

A ----- 5 8 15
B ----- 3 6 12
C ----- 3 4 8
D A 6 9 14
E B 4 7 20
F C 2 6 13
G C 2 4 10
H D, E 1 4 12
I F 4 5 9
J G 3 7 20
Determine: a) Probabilidad de finalizar el proyecto en 25 días; b) La probabilidad de
finalizar el proyecto si le conceden 7 días adicionales; c) La cantidad de días adicionales
que deberán solicitarse si se desea contar con un 90% de probabilidad de finalizarlo a
tiempo.

A ----- 28 32 36
B ----- 22 28 32
C A 26 36 46
D B 14 16 18
E B 32 32 32
F B 40 52 74
G D 12 16 24
H E, G 16 20 26
I E, G 26 34 42
J C, F, H 12 16 30
Determine: a) Probabilidad de finalizar el proyecto en 100 días; b) La probabilidad de
finalizar el proyecto si le conceden 10 días adicionales; c) La cantidad de días adicionales
que deberán solicitarse si se desea contar con un 85% de probabilidad de finalizarlo a
tiempo.

A ----- 15 20 30
B ----- 20 25 40
C ----- 10 15 25
D ---- 5 10 18
E A 10 20 28
F B 15 20 30
G C 20 25 40
H D 5 10 18
I E,F,G,H 5 15 24
J G,H 15 20 36
Determine: a) Probabilidad de finalizar el proyecto al término de 60 días; b) La
probabilidad de finalizar el proyecto si le conceden 3 días adicionales; c) La cantidad de
días adicionales que deberán solicitarse si se desea contar con un 95% de probabilidad
de finalizarlo a tiempo.

A ----- 20 31 45
B ----- 14 28 38
C A 18 36 43
D B 32 52 100
E B 24 32 63
F B 6 16 28
G F, D 4 18 40
H E, G 8 20 36
I E, G 18 34 42
J C, H 4 16 24

A ----- 26 28 39
B ----- 18 20 34
C B 3 4 10
D A 22 24 33
E A 6 8 14
F C, D 10 12 20
G E 16 20 32
H E 8 10 25
I F, G 3 4 10
J F, G, H 28 30 45
K I, J 8 10 22
M S CAPITULO VI
C PROCESOS ESTOCÁSTICOS
stos se definen como los procesos dependientes de leyes causales y
probabilísticas , por lo que están sometidos al azar y son objeto de análisis estadístico.
Este tipo de procesos sirven para poder entender la correlación, la cual se entiende
estadísticamente como la relación entre varios datos, por ejemplo la estatura de los
padres con los hijos.
Se dice que un proceso estocástico es aquel en el que se representan todos y

cada uno de los pasos necesarios para realizar una actividad, además de las formas o
maneras en que cada uno de los pasos puede ser llevado a cabo y sus respectivas
probabilidades, dicho de otra manera, cualquier proceso en el que se involucren
probabilidades es un proceso estocástico.
En síntesis, es todo proceso que evoluciona en el tiempo de una manera

probabilística. Dicho proceso se presenta como un modelo de probabilidad con un
conjunto de variables aleatorias ( X t ), en donde “ t” representa una característica medible
en el tiempo.
Un proceso estocástico depende de un valor aleatorio y del tiempo como se puede

observar en la siguiente figura.

Cárdenas.
Figura 1. Proceso Estocástico
Figura. Proceso estocástico
Si sumamos estos valores en un instante determinado por ejemplo en t 1, nos
genera una variable aleatoria x ( ,t1) ==> x ( t 1 ). Así podemos observar que pueden
generarse por ejemplo para dos instantes t 1 y t 2 , quedando las siguientes funciones
de densidad de probabilidad.
Figura 2. Funciones de Densidad de Probabilidad en t 1 y t2

Si estas variables aleatorias tienen iguales valores, en un mismo instante y su
esperanza y varianza son iguales generan “ Procesos Estacionarios”.
En un proceso estacionario, las probabilidades de transición entre estados son

constantes e iguales todo el tiempo. Un estado estacionario se caracteriza por la
probabilidad de hallarse en este estado después de un número de transiciones que
tiende a un valor constante cualquiera que sea la distribución inicial de probabilidad
definida sobre los estados.
Si un proceso posee probabilidad límite o de estado estacionario, para todo estado

posible, recibe el nombre de proceso ergódico. Un proceso ergódico es aquel en el cual
los promedios estadísticos son iguales a los temporales. También se dice que un estado
ergódico es aquél estado recurrente positivo que no es periódico.
Aplicaciones de procesos estocásticos:

1. Modelos de inventarios
2. Niveles de inventario semanales de un producto
3. Demanda semanal de un producto
4. Análisis probabilístico de producto defectuoso
5. Análisis de fallas en maquinaria
6. Cadenas de Markov
7. Líneas de espera
Ejemplo Ilustrativo:
1. En un lote de autos usados, el 25% son de la marca Ford, el 45% son Chevrolet y
el 30% son Chrysler, de los cuales, 2 de cada 8 autos Ford son estándar, 1 de
cada
10 autos Chevrolet son estándar y 2 de cada 10 autos Chrysler son también
estándar, un cliente compra un auto de este lote, a. ¿cuál es la probabilidad de
que el auto seleccionado por el cliente sea estándar?, b. ¿cuál es la
probabilidad de que haya seleccionado un auto Chevrolet estándar?, c. ¿cuál
es la probabilidad de que el auto seleccionado sea Ford o Chrysler automático?
Solución:
a. Haciendo uso de un diagrama de árbol como se muestra, se facilita hacer el

cálculo de probabilidades
S 2/8
F
25% A 6/8
S 1/10
CH
45%
A 9/10
30% S 2/10
Chr
A 8/10
P(seleccionar un auto estándar) =
p(seleccionar un Chevrolet o Chrysler o Ford estándar) =
p(Ch S) + p(Chr S) + p(FS)
= p(Ch)p(S Ch) + p(Chr)p(S Chr) + p(F)p(S F)
= 0.45*1/10 + 0.30*2/10 + 0.25*2/8
= 0.045 + 0.06 + 0.0625
= 0.1675
b. p(seleccionar un Chevrolet estándar) = 0.45*1/10 = 0.045
c. p(seleccionar un Ford o Chrysler automático) = p(F A) + p(Chr A)
= p(F)p(A F) + p(Chr)p(A Chr)
= 0.25*6/8 + 0.30*8/10
= 0.1875 + 0.24 = 0.4275

CADENAS DE MARKOV
onsisten en un tipo especial de proceso estocástico que tienen la
particularidad de que las probabilidades que describen la forma en que el proceso

evoluciona dependen únicamente del estado actual del proceso, de manera que éstas
son independientes de los eventos ocurridos en el pasado.
Muchas situaciones empresariales se pueden formular mediante modelos que

describan estados separados de un sistema de manera que este sistema puede estar en
un sólo estado cada vez y el cambio entre estados es probabilístico.
Las cadenas de Markov consisten en procesos modelizados que describen

estados independientes de un sistema a través del uso de las probabilidades, el álgebra
de vectores y matrices. Mediante su aplicación se determina el estado del proceso
después de un tiempo finito o infinito.
Su precursor fue el matemático y lingüista Andrei Andreyevich Markov, nacido

en Ryazan, Rusia, el 14 de junio de 1,856. Estudió y se doctoró en la Universidad de
San Petersburgo, donde comenzó su labor docente en 1886. En sus inicios laborales,
focalizó su trabajo en el análisis y la teoría del número, fracciones continuas, límite de
integrales, teoría de aproximación y la serie de convergencias. Después del año 1900,
Markov comienza a aplicar el método de fracciones continuas, iniciado por su
profesor Pafnuty Chebyshev, a la teoría de las probabilidades. A su vez, estudia las
secuencias de las variables mutuamente dependientes, esperando con ello
establecer, de manera general, las leyes limitantes de las probabilidades. Probó el
teorema del límite central bajo supuestos bastante generales.
Markov es recordado, particularmente, por su estudio de las cadenas secuenciales

(Cadenas de Markov), que consisten en un conjunto de variables al
azar en las cuales la variable futura es determinada por la preexistente pero
independiente de la manera en que ésta se generó de sus precursores. Este trabajo
lanzó la teoría de los procesos estocásticos.
En 1923, Norbert Wiener se convirtió en el primero que trató rigurosamente el

proceso continuo de Markov. La fundación de una teoría general fue proporcionada
durante los años 30 por Andrei Kolmogorov. Markov también estuvo interesado en la
poesía e hizo estudios de los distintos estilos poéticos. Kolmogorov tenía intereses
similares.
Su obra tuvo continuidad en su hijo, de igual nombre que él, Andrei Markov (1903-
1979). Falleció en San Petersburgo, el 20 de julio de 1922.
En las organizaciones de hoy en día, intervienen factores que no se pueden

pronosticar con precisión dentro de los sistemas, por lo que para el estudio de éstos, es
conveniente medir la incertidumbre a través del uso de la probabilidad.
El estudio de sistemas donde está presente la incertidumbre ha dado lugar a los

modelos estocásticos que tratan de explicar el funcionamiento de estos sistemas usando
probabilidad.
Como ya se explicó con anterioridad, un proceso estocástico se define

sencillamente como un conjunto de variables aleatorias { X 1 }, donde el subíndice t
toma valores de un conjunto T dado. Con frecuencia T, se toma como el conjunto de
enteros no negativos y X, representa una característica de interés medible en el
tiempo t.
En puntos específicos del tiempo t, el sistema se encuentra exactamente en

una, de un número finito de estados mutuamente excluyentes. Los periodos en el
tiempo pueden encontrarse a intervalos iguales o su esparcimiento puede depender
del comportamiento general del sistema en el que se encuentra sumergido el proceso
estocástico.
Aunque los estados pueden constituir una caracterización tanto cualitativa

como cuantitativa del sistema, no hay pérdida de generalidad con las
identificaciones numéricas 0, 1, . . , M, Así la representación matemática del sistema
físico es la de un proceso estocástico {X i }, en donde las variables aleatorias se
observan en t = 0, 1, 2,. . ., y en donde cada variable aleatoria puede tomar el valor
de cualquiera de los M + 1 enteros 0, 1, .. , M. Estos enteros son una caracterización de
los M + 1 estados del proceso.
En una cadena de Markov, se define:
Pij = { tn =j tn-1=i}

La probabilidad de transición de un paso de ir del estado “i” en t n-1 al estado
“j” en t n y el conjunto de probabilidades que se generan por los cambios de estado,
son estacionarias a través del tiempo. Las probabilidades de transición del estado E i
al estado E j se arreglan de manera más conveniente en forma matricial como sigue:
p00 p01 p02 ....

P= p10 p11 p12 ....
p20 p21 p22 ....
p30 p31 p32 ....
. . .
. . .
. . .
La matriz P se llama “ transición homogénea” o “matriz estocástica” porque
todas las probabilidades p ij son fijas e independientes en el tiempo. Las
probabilidades p ij deben satisfacer las condiciones
pij = 1, para toda i j
pij 0, para toda i y j

Una matriz de transición P junto con las probabilidades iniciales asociadas con
los estados E j definen completamente una cadena de Markov.
Un proceso estocástico es una cadena de Markov si cumple con la propiedad

markoviana que establece que la probabilidad condicional de cualquier evento
futuro dado cualquier evento pasado y el estado actual, es independiente del
evento pasado y sólo depende del estado actual del proceso. Las probabilidades
condicionales son las probabilidades de transición.
Generalmente, se analizan las cadenas de Markov que cumplen con las siguientes
propiedades: a) Poseen un número finito de estados; b) Las probabilidades de transición
son estacionarias (implica que las probabilidades no cambian con el tiempo).
Fórmulas generales para las probabilidades de estado estacionario de un proceso de

Markov de dos estados.
P1 = p 21 .
P12 + p 21
P2 = p 12 .
P12 + p 21
Ejemplo Ilustrativo No. 1: (Cadenas de Markov para dos estados posibles)
Cierta compañía desea emprender una gran campaña publicitaria para que los
consumidores prueben su marca de café. A partir de los datos obtenidos en la
investigación de mercado, la empresa pudo estimar las probabilidades actuales de
que los consumidores cambien de la marca que produce la compañía, “X” a otra
marca “Y”, luego de una semana, así: 0.8 de probabilidad de continuar en la marca
X y 0.2 de cambiar de marca de X a Y. Asimismo, existe una probabilidad de 0.2 de
que los consumidores cambian de la marca Y a la X y 0.8 de que continúen en la
marca Y. Los investigadores de mercado han estimado las probabilidades
correspondientes que existirán después de una semana de realizada la campaña
publicitaria, así: Existe 0.8 de probabilidad de que se continúe consumiendo la marca
X y 0.2 de que los consumidores cambian de marca de X a Y. Mientras que existe 0.3
de probabilidad de que los consumidores cambien de marca de Y a X y 0.7 de que
continúen en la marca Y. Si la campaña publicitaria tiene un costo de 12 millones de
dólares anuales y si hay 50 millones de compradores de café en el mercado y si el
beneficio promedio anual por cliente, antes de pagar impuestos, es de dos dólares,
entonces determine si la compañía debe o no debe realizar la campaña publicitaria.
Solución:
I) Análisis de la situación previa a la campaña publicitaria:
1. Estados del proceso: El consumidor prefiere el producto
X Estado 1: Se compra la marca X
Estado 2: Se compra la marca Y
2. Matríz de probabilidad de
transición: P = ( pij )
P= p11 p12 = 0.8 0.2

p21 p22 0.2 0.8
3. Vector de probabilidad de estado
inicial: El consumidor prefiere el
producto X Vpe(0) = ( 1, 0 )
4. Cálculo de vectores de probabilidad de estados

"n+1": FÓRMULAS:
Vpe(n+1) = Vpe(n) * P
Vpe(n+1) =( p(E1), p(E2) ) * p11p12

p21p22
* Vector de estado
inicial:
Vpe(0) = ( 1, 0 )
* Vector de probabilidad de estado, luego de 1 semana:

Vpe(1) = ( 1, 0 ) * 0.8 0.2
0.2 0.8
Vpe(1) = ( (1 * 0.8) + (0 * 0.2) , (1 * 0.2) + (0 * 0.8) )
Vpe(1) = ( 0.80 , 0.20 )
Análisis: Al terminar la primera semana, el 80% continúa en el estado 1 y el 20%

se cambia al estado 2.
* Vector de probabilidad de estado, luego de 2 semanas:

Vpe(2) = (0.8 , 0.2) * 0.8 0.2
0.2 0.8
Vpe(1) = ( (0.8 * 0.8)+ (0.2 * 0.2) , (0.8 * 0.2) + (0.2 * 0.8) )

Vpe(1) = ( 0.68 , 0.32 )
Análisis: Al terminar la segunda semana, el 68% continúa en el estado 1 y el 32%

Se continúa el cálculo de vectores para las siguientes semanas y se consolidan los

resultados en la siguiente tabla resumen:
Resultados para 20 semanas:
n p(E1) p(E2)
0 1 0
1 0.80000 0.20000
2 0.68000 0.32000
3 0.60800 0.39200
4 0.56480 0.43520
5 0.53888 0.46112
6 0.52333 0.47667
7 0.51400 0.48600
8 0.50840 0.49160
9 0.50504 0.49496
10 0.50302 0.49698
11 0.50181 0.49819
12 0.50109 0.49891
13 0.50065 0.49935
14 0.50039 0.49961
15 0.50024 0.49976
16 0.50014 0.49986
17 0.50008 0.49992
18 0.50005 0.49995
19 0.50003 0.49997
20 0.50002 0.49998
Análisis: Si la compañía NO REALIZA LA CAMPAÑA PUBLICITARIA, los valores de

probabilidades tienden a estabilizarse en aproximadamente 50.00 % para ambos
estados posibles; es decir que en esta proporción el mercado continuará
consumiendo ambas marcas de café X e Y, a lo largo del tiempo.
II) Análisis de la situación posterior a la campaña publicitaria:
1. Estados del proceso: El consumidor prefiere el producto
X Estado 1: Se compra la marca X
Estado 2: Se compra la marca Y
P= p11 p12 = 0.8 0.2

p21 p22 0.3 0.7
3. Vector de probabilidad de estado

inicial: El consumidor prefiere el
producto X Vpe(0) = ( 1, 0 )

"n+1": FÓRMULAS:
Vpe(n+1) =( p(E1), p(E2) ) * p11p12

p21p22
* Vector de estado
inicial:
Vpe(0) = ( 1, 0 )

Vpe(1) = ( 1, 0 ) * 0.8 0.2
0.3 0.7
Vpe(1) = ( (1 * 0.8) + (0 * 0.3) , (1 * 0.2) + (0 * 0.7) )
Vpe(1) = ( 0.80 , 0.20 )
Análisis: Al terminar la primera semana, el 80% continúa en el estado 1 y el 20%

* Vector de probabilidad de estado, luego de 2 semanas:
Vpe(2) = (0.8 , 0.2) * 0.8 0.2

0.3 0.7
Vpe(1) = ( (0.8 * 0.8)+ (0.2 * 0.3) , (0.8 * 0.2) + (0.2 * 0.7) )
Vpe(1) = ( 0.70 , 0.30 )
Análisis: Al terminar la segunda semana, el 70% continúa en el estado 1 y el 30%

Se continúa el cálculo de vectores para las siguientes semanas y se consolidan los

resultados en la siguiente tabla resumen:
M S
Resultados para 20 semanas:
C n p(E1) p(E2)
0 1 0
1 0.80000 0.20000
2 0.70000 0.30000
3 0.65000 0.35000
4 0.62500 0.37500
5 0.61250 0.38750
6 0.60625 0.39375
7 0.60313 0.39688
8 0.60156 0.39844
9 0.60078 0.39922
10 0.60039 0.39961
11 0.60020 0.39980
12 0.60010 0.39990
13 0.60005 0.39995
14 0.60002 0.39998
15 0.60001 0.39999
16 0.60001 0.39999
17 0.60000 0.40000
18 0.60000 0.40000
19 0.60000 0.40000
20 0.60000 0.40000
Análisis: Si la compañía SÍ REALIZA LA CAMPAÑA PUBLICITARIA, los valores de

probabilidades tienden a estabilizarse en aproximadamente un 60.00 % para el
consumo de la marca X y en un 40% de consumo para de la marca Y a lo largo del
tiempo.
La empresa en estudio espera estabilizar su mercado en un 50,00% el consumo de su

marca de café si no lleva a cabo el proyecto publicitario y en un 60,00% si se realiza
el proyecto.
Para determinar la conveniencia de llevar a cabo la campaña publicitaria, se procederá a

estimar y comparar los beneficios netos obtenidos por el crecimiento del mercado luego
de la realización del proyecto publicitario, contra el costo de dicho proyecto. Si los
beneficios obtenidos por el crecimiento del mercado son mayores al costo de la campaña,
entonces se concluye que sí es conveniente su ejecución.

Cárdenas.
Por lo tanto:
Cálculo del Beneficio anual de la alternativa de crecimiento:
Beneficio anual = Crecimiento del mercado * beneficio por cliente
Crecimiento del mercado

= Tamaño del mercado * (PE1 con campaña - PE1 sin campaña)
Crecimiento del mercado = 50,000,000.00 * ( 60.00 - 50.00)

= 5,000,000.00 de consumidores.
Beneficio anual = 5,000,000.00 * 2.00
Beneficio anual = 10,000,000.00
Conclusión: Como el beneficio anual ($10,000,000.00) es menor que el costo de la

inversión ($12,000,000.00), entonces no se recomienda realizar la campaña
publicitaria.
 Cadenas de Markov para más de dos estados posibles:
Pueden presentarse casos en los cuales, los estados de transición de un

proceso no se limiten únicamente a dos opciones (comprar marca X o comprar
marca Y), es decir que existan más alternativas posibles. En estos casos, la
metodología de solución de las cadenas de markov sin importar la cantidad de
estados, consiste en plantear un sistema de “ n” ecuaciones con “ n” incógnitas
(según la cantidad de estados identificados) y resolver algebráicamente para
obtener la solución.
Ejemplo Ilustrativo No. 2: (Cadenas de Markov para más de dos estados posibles)
Una compañía ha tabulado las siguientes probabilidades diarias de cambio:
De \ A Estado 1 Estado 2 Estado 3

Estado 1 0.5 0.3 0.2
Estado 2 0.3 0.5 0.2
Estado 3 0.6 0.35 0.05
Calcule las probabilidades de estado estacionario y concluya.
Solución:
1. Estados del proceso: 1
Estado 1: 1
Estado 2: 2
Estado 3: 3
P= p11 p12 p13 = 0.5 0.3 0.2

p21 p22 p23 0.3 0.5 0.2
p31 p32 p33 0.6 0.35 0.05
3. Vector de probabilidad de estado inicial:

Vpe(0) = ( 1, 0, 0)
"n+1": FÓRMULAS:
Vpe(n+1) = ( p(E1), p(E2), p(E3) ) * p11 p12 p13
p21 p22 p23
p31 p32 p33
* Vector de estado inicial:

Vpe(0) = ( 1, 0, 0)
Vpe(1) = ( 1, 0, 0) * 0.5 0.3 0.2

0.3 0.5 0.2
0.6 0.35 0.05
Desarrollando:
P1 = 0.5 P1 + 0.3 P2 + 0.6 P3 (1)
P2 = 0.3 P1 + 0.5 P2 + 0.35 P3 (2)
P3 = 0.2 P1 + 0.2 P2 + 0.05 P3 (3)
Por definición, se tiene:

P3 = 1 - P1 - P2 (4)
Sustituyendo ecuación (4) en (1) y (2), se obtiene:
P1 = 0.5 P1 + 0.3 P2 + 0.6 (1 - P1 - P2)

P2 = 0.3 P1 + 0.5 P2 + 0.35 (1- P1 - P2 )
Al desarrollar y agrupar términos, se obtiene:

1.10 P1 + 0.30 P2 = 0.60 (5)
0.05 P1 + 0.85 P2 = 0.35 (6)
Resolviendo el sistema de ecuaciones simultáneas:

1.10 P1 + 0.30 = 0.60 * -0.05
P2
0.05 P1 + 0.85 = 0.35 * 1.10
P2
-0.06 P1 + -0.02 P2 = -0.03 +

0.06 P1 + 0.94 P2 = 0.39
0.00 P1 + 0.92 P2 = 0.36
P2 = 0.3859
Sustituyendo P2 en (5):
1.10 P1 + 0.30 P2 = 0.60

1.10 P1 + ( 0.30 * 0.3859) = 0.60
1.10 P1 + 0.12 = 0.60
1.10 P1 = 0.48
P1 = 0.4402
Sustituyendo P1 y P2 en (4):
P3 = 1 - P1 - P2
P3 = 1.00 – 0.4402 – 0.3859
P3 = 0.1739
Conclusión: La empresa en estudio espera estabilizar la transición de estados a lo

largo del tiempo, así: estado 1 en un 44,02%, estado 2, en un 38,59% y estado 3, en un
17,39%.
 Programación Dinámica:
En algunos problemas de decisión puede existir una secuencia de decisiones

relacionadas. La programación dinámica es una técnica matemática diseñada para
resolver estos problemas. El método de solución consiste en dividir el problema total en
varios subproblemas y resolver cada uno de manera que se obtenga la solución óptima
global.
Es posible usar la técnica de programación dinámica para optimizar el

comportamiento a corto plazo de un proceso de Markov con decisiones.
La empresa Campañas Promocionales, S.A., planifica sustituir todo su equipo de
digitalización en un término de 3 años (N= 3). Se desea calcular el ingreso esperado
óptimo y se tienen dos políticas de acción: k=1 “ no hacer reparaciones ni mantenimiento
independiente del estado del equipo” y k = 2 “ hacer reparaciones y mantenimiento,
independiente del estado del equipo”. Los estados son: 1: bueno, 2: regular y 3: malo. Las
matrices de transición de probabilidad y de ingreso para las dos políticas son: P1, R1, P2,
R2.
POLÍTICA 1
Probabilidades de Transición Matriz de Rendimientos
B R M B R M
B 0.1 0.6 0.3 B 15 10 3
R 0 0.3 0.7 R 0 7 2
M 0 0 1 M 0 0 -1
POLÍTICA 2
Probabilidades de Transición Matriz de Rendimientos
B R M B R M
B 0.4 0.5 0.1 B 8 7 -1
R 0.2 0.6 0.2 R 6 5 0
M 0.1 0.4 0.5 M 7 4 -2
Solución:
1. Estados del proceso:
Estado 1: Bueno
Estado 2: Regular
Estado 3: Malo
2. Matrices de probabilidad de transición y de ingreso para las dos políticas:

Política 1: No realizar reparaciones ni mantenimiento independiente del estado del
equipo
P1 = ( pij )
B R M B R M B R M B R M
P1 = 1
p 11
1
p 12
1
p 13 0.1 0.6 0.3 1
R=
1
r 11
1
r 12
1
r 13 = 15 10 3
1 1 1 1 1 1
p 21 p 22 p 23 = 0 0.3 0.7 r 21 r 22 r 23 0 7 2
1 1 1 1 1 1
p 31 p 32 p 33 0 0 1 r 31 r 32 r 33 0 0 -1
Política 2: Hacer reparaciones y mantenimiento independiente del estado del equipo P2 =

( pij )
B R M B R M B R M B R M
P2 = p2 2
p 12
2
p 13 0.4 0.5 0.1 2
R =r 2 2
r 12
2
r 13 = 8 7 -1
211 11
p 21 2 2 2 2 2 6 5 0
2 p 22 p 23 = 0.2 0.6 0.2 r 21 r 22 r 23
p 31 2 2 2 2 2 7 4 -2
p 32 p 33 0.1 0.4 0.5 r 31 r 32 r 33
3. Desarrollo de la función de ingreso óptimo esperado:
fN( i ) = max vki m

k
,vki =  Pkij Rkij
j=1
m
fn( i ) = max vki+  Pkij ƒn+1( j ) para n = 1, 2, ..., N-1
k j=1
3.1 Para cada política de acción "K", se calcula:

m
vki =  Pkij Rkij
j=1
Por lo tanto: Los ingresos esperados por transición de estados para K=1 y K=2
son:
Para K = 1:
i = 1: v 1 1 = (0.1 * 15) + (0.6 * 10) + (0 * 3) = 8.4
i = 2: v 1 2 = ( 0 * 0) + (0.3 * 7) + (1 * 2) = 3.5
i = 3: v13 = ( 0 * 0) + (0 * 0) + (1 * -1) = -1
Para K = 2:
i = 1: v 2 1 = (0.4 * 8) + (0.5 * 7) + (0 * -1) = 6.6
i = 2: v 2 2 = (0.2 * 6) + (0.6 * 5) + (0 * 0) = 4.2
i = 3: v23 = (0.1 * 7) + (0.4 * 4) + (1 * -2) = 1.3
3.2 Se calcula la función de rendimiento óptimo:
fN( i ) =max vki válida para N = 3

k
N= 3 K=1 K=2 f N( i ) = max v

k
i
k
i v
1
i v
2
i k máximo
1 8.4 6.6 8.4 "j" K=1
2 3.5 4.2 4.2 "j" K=2
3 -1 1.3 1.3 "j" K=2
3.3 Se calcula la función de rendimiento óptimo: Válida para todo N = N-1 hasta
N = 1.
m
fn( i ) = max vki +  Pkij ƒn+1( j ) para n = 1, 2, ..., N-1
k j=1 Válida para toda N - 1
Desarrollo de la función para N= 2 y los tres estados posibles de transición:

Para i = 1 y vki, y N = 2 tenemos:
K = 1: 8.4 + [ (0.1 * 8.4) + (0.6 * 4.2) + (0.3 * 1.3) ] = 12.15
K = 2: 6.6 + [ (0.4 * 8.4) + (0.5 * 4.2) + (0.1 * 1.3) ] = 12.19

K = 1: 3.5 + [ (0 * 8.4) + (0.3 * 4.2) + (0.7 * 1.3) ] = 5.67
K = 2: 4.2 + [ (0.2 * 8.4) + (0.6 * 4.2) + (0.2 * 1.3) ] = 8.66

K = 1: -1 + [ (0 * 8.4) + (0 * 4.2) + (1 * 1.3) ] = 0.3
K = 2: 1.3 + [ (0.1 * 8.4) + (0.4 * 4.2) + (0.5 * 1.3) ] = 4.47
N= 2 K=1 K=2 vki +

m
 Pkij ƒn+1( j )
fn( i ) = max
i v
1
i v
2
i k j=1 K máximo
1 12.15 12.19 12.19 "j" K=2
2 5.67 8.66 8.66 "j" K=2
3 0.3 4.47 4.47 "j" K=2
Desarrollo de la función para N= 1 y los tres estados posibles de transición:

Para i = 1 y vk i, y N = 1 tenemos:
K = 1: 8.4 + [ (0.1 * 12.19) + (0.6 * 8.66) + (0.3 * 4.47) ] = 16.156
K = 2: 6.6 + [ (0.4 * 12.19) + (0.5 * 8.66) + (0.1 * 4.47) ] = 16.253

K = 1: 3.5 + [ (0 * 12.19) + (0.3 * 8.66) + (0.7 * 4.47) ] = 9.227
K = 2: 4.2 + [ (0.2 * 12.19) + (0.6 * 8.66) + (0.2 * 4.47) ] = 12.728

K = 1: -1 + [ (0 * 12.19) + (0 * 8.66) + (1 * 4.47) ] = 3.47
K = 2: 1.3 + [ (0.1 * 12.19) + (0.4 * 8.66) + (0.5 * 4.47) ] = 8.218
N= 1 K=1 K=2 fn( i ) = max vki +

m
 Pkij ƒn+1( j )
i 1
vi
2
vi
k j=1
k máximo
1 16,156 16,253 16,253 "j" K=2
2 9,227 12,728 12,728 "j" K=2
3 3,47 8,218 8,218 "j" K=2
CONCLUSIÓN: Para el problema de 3 años con dos políticas de acción, se
concluye que si el equipo al término del primer año está en estado 1: Bueno, la
política de acción: “Hacer reparaciones y mantenimiento independiente del estado”
(Política 2), es la recomendable y el ingreso óptimo esperado en ese caso es de
16.25 unidades
monetarias. Si el equipo al final del año 1 está en estado 2: Regular, se recomienda la
(Política 2), y el ingreso óptimo esperado al final del periodo en ese caso sería de:
12.73 u.m. Si la maquinaria al final del año 1 está en estado 3: Malo, se recomienda la
(Política 2), y el ingreso óptimo esperado al final del periodo en este caso sería de:
8.22 unidades monetarias.
NOTA:
La fórmula de función de ingreso óptimo se aplica en forma regresiva debido a
que se calcula el ingreso óptimo esperado al final de un periodo N, en caso se parta de
un estado inicial 1, en el periodo N = 1.
 Problemas Sugeridos del Capítulo:
1. La Gerencia de Mantenimiento Industrial de una fábrica, ha tabulado el

comportamiento de una máquina “B” que produce piezas componentes. Esta
puede estar ajustada o desajustada. Si está ajustada, la probabilidad de que
esté ajustada al día siguiente es de 0.8 y la probabilidad de que no lo esté es de
0.2. Si la máquina está desajustada, la probabilidad de que esté ajustada el día
siguiente es 0.5 y la probabilidad de que no lo esté es de 0.5 debido a que la máquina
tiene un mecanismo de ajuste automático que no está funcionando correctamente. Si
el estado 1 representa la situación que la máquina está ajustada y el estado 2
representa el caso que no lo está, calcule las probabilidades de estado para 10 días y
concluya.
2. Cierta compañía desea emprender una gran campaña publicitaria para que los
consumidores prueben su marca de bebida sabor cola. A partir de los datos
obtenidos en la investigación de mercado, la empresa pudo estimar las
probabilidades actuales de que los consumidores cambien de la marca que
produce la compañía: “Ko-La” a otra marca “Z”, así: 0.75 de probabilidad de
continuar en la marca “Ko-La” y 0.25 de cambiar de marca, de “Ko-La” a “Z”.
Asimismo, existe una probabilidad de 0.25 de que los consumidores cambien de
la marca “Z” a la “Ko-La” y 0.75 de que continúen en la marca “Z”. Los
investigadores de mercado han estimado las probabilidades correspondientes
que existirán después de realizar la campaña publicitaria, así: Existe 0.95 de
probabilidad de que se continúe consumiendo la marca “Ko-La” y 0.05 de que
los consumidores cambian de marca de “Ko-La” a “Z”. Mientras que existe un 0.3
de probabilidad de que los consumidores cambien de marca de “Z” a “Ko-La” y
0.7 de que continúen en la marca “Z”. Si la campaña publicitaria tiene un costo
de $850,000.00 anuales y si hay 600,000 compradores en el mercado y si el
beneficio promedio anual por cliente, es de $6, entonces determine si la
compañía debe o no debe realizar la campaña publicitaria.
3. Una compañía ha tabulado las siguientes probabilidades diarias de cambio:
Estado 1 0.20 0.60 0.20
Estado 2 0.10 0.50 0.40

Estado 3 0.05 0.30 0.65

De \ A Estado 1 Estado 2 Estado 3 Estado 4 Estado 5
Estado 1 0.45 0.10 0.25 0.15 0.05
Estado 2 0.50 0.20 0.15 0.10 0.05
Estado 3 0.15 0.25 0.10 0.45 0.05
Estado 4 0.25 0.15 0.10 0.45 0.05
Estado 5 0.35 0.20 0.15 0.10 0.20
Calcule las probabilidades de estado estacionario y concluya
5. Resuelva el ejemplo ilustrativo de Programación Dinámica resuelto en este

capítulo del libro para cadenas de Markov, utilizando un N = 5 años. Concluya.
6. La empresa “ Cocoa, S.A.”, produce tabletas de chocolate para bebida caliente,

de marca “ ABC”. En el mercado existe otro producto con características similares
de marca “XYZ”. El problema consiste en determinar cuál es la probabilidad de
que el cliente que ha comprado la marca “ ABC”, en la siguiente semana vuelva
a comprar la misma marca y cuál es la probabilidad de que el cliente siga
comprando el chocolate “ ABC” en lo sucesivo. Los datos son importantes para el
gerente de producción por lo que solicita al departamento de Mercadeo que
realice una investigación en las principales ciudades donde se venden ambos
productos y para que sea bastante confiable se recogieron datos de varias
semanas sucesivas. Al revisar todos los datos, se llega ala conclusión que el 55%
de los que compraron la marca “ ABC”, continuarán comprando la misma marca,
mientras que el 10% se cambiará a la marca “XYZ”. También se determinó que el
65% de los que compraron marca “XYZ” seguirá comprando esa misma marca, y
el 20% se cambiará a la marca “ ABC”. Con estos datos construya la matriz de
probabilidades de transición, calcule las probabilidades de estado y concluya.
7. Un agricultor cuidadoso atiende una porción de tierra durante cada año para
cuidado de sus cultivos. Regularmente realiza pruebas químicas para revisar la
condición del terreno. Dependiendo de los resultados de las pruebas puede
clasificar la productividad (condición) del terreno como Buena, Regular o
Deficiente. Al tabular sus datos, llega a establecer las siguientes probabilidades
de transición:

Estado 1 0.2 0.5 0.3
Estado 2 0 0.5 0.5
Estado 3 0 0 1
Comúnmente el agricultor puede decidir fertilizar el terreno para mejorar la

condición del mismo o bien, no hacerlo. En este último caso sus probabilidades
de transición se mantienen como en la tabla anterior, pero si lo hace, se
producirá la siguiente matriz de transición:

Estado 1 0.3 0.6 0.1
Estado 2 0.1 0.6 0.3
Estado 3 0.05 0.4 0.55
Como se tienen las opciones de fertilizar o no fertilizar el terreno, se espera que la

ganancia que generan los cultivos varíe según la decisión que se tome de acuerdo a
la siguiente información:
Matriz de Rendimientos de Cambio por la
aplicación de la Política 1
Estado 1 7 6 3
Estado 2 0 5 1
Estado 3 0 0 -1
Matriz de Rendimientos de Cambio por la

aplicación de la Política 2
Estado 1 6 5 -1
Estado 2 7 4 0
Estado 3 6 3 -2
Resuelva el problema con el objetivo de optimizar el ingreso esperado al término de 3

años aplicando el modelo de programación dinámica con cadenas de Markov.
Presente sus conclusiones respectivas.

Estado 1 0.50 0.30 0.20
Estado 2 0.20 0.40 0.40

Estado 3 0.10 0.20 0.70
9. El departamento de Control de Calidad de una fábrica de productos de

consumo masivo, tiene la responsabilidad de informar a la brevedad a la
Gerencia de Producción sobre la proporción de rechazos de lotes de producción
por contener producto defectuoso que se espera detectar durante las próximas
semanas y que corresponde a un producto nuevo. Por carecer de información
histórica, se implementa un plan piloto de muestreo por inspección en dos puntos
críticos del proceso. De la tabulación de datos obtenidos durante una semana,
se determina que la probabilidad de aceptar un lote por bueno en la primera
inspección y que continúe en este estado luego de la segunda inspección es de
0.95; mientras que la probabilidad de rechazarlo por defectuoso en la segunda
inspección es de 0.05. Asimismo, se estableció que existe una probabilidad de
0.45 de que un lote que es rechazado en la primera inspección, continúe en este
estado por no ser posible su solución inmediata; mientras que existe una probabilidad
de 0.55 de aceptar el lote en la segunda inspección luego de algunos ajustes
menores. SE LE PIDE: calcular las probabilidades de estado estacionario para 6
semanas y concluya tomando en cuenta que la Gerencia de Producción no desea
más de un 7% de lotes defectuosos.
10. Resuelva el problema propuesto número 7 de este capítulo, utilizando la

metodología de programación dinámica para cadenas de Markov, un N = 5
años. Concluya.
M S CAPITULO VII
C INVENTARIOS
 Concepto
n problema de inventario existe cuando es necesario guardar bienes físicos
o mercancías con el propósito de satisfacer la demanda sobre un horizonte de tiempo

especificado (finito o infinito).
Cada empresa debe almacenar bienes para asegurar un trabajo uniforme y

eficiente en sus operaciones. Las decisiones sobre “ cuándo” hacer pedidos y en “
qué cantidad”, son típicas de cada problema de inventario.
Un sobrealmacenamiento requeriría un capital invertido superior por unidad de

tiempo pero menos ocurrencias frecuentes de escasez y de colocación de pedidos. Un
subalmacenamiento, por otra parte, disminuiría el capital invertido por unidad de tiempo
pero aumentaría la frecuencia de los pedidos así como el tiempo de estar sin mercancía.
Los dos extremos son costosos.
Las decisiones considerando la cantidad ordenada y el tiempo en el cual se

ordena pueden, por consiguiente, estar basadas sobre la minimización de una función de
costo apropiada, la cual balancea los costos totales resultantes de sobrealmacenamiento
y subalmacenamiento.
 Modelo genera lizado de inventario:
El objetivo final de cualquier modelo de inventario es el de dar respuesta a dos

preguntas:

Cárdenas.
1. ¿Qué cantidad de artículos deben pedirse?
2. ¿Cuándo deben pedirse?
La respuesta a la primera pregunta se expresa en términos de lo que llamamos

“ cantidad de pedido”. Esta representa la cantidad óptima que debe ordenarse
cada vez que se haga un pedido y puede variar con el tiempo dependiendo de la
situación que se considere.
La respuesta a la segunda interrogante depende del tipo de sistema de

inventarios. Si el sistema requiere revisión periódica en intervalos de tiempo iguales
(por ejemplo cada semana o cada mes), el tiempo para adquirir un nuevo pedido
suele coincidir con el inicio de cada intervalo de tiempo. Por otra parte, si el sistema
es del tipo de revisión continua, el nivel de inventario en el cual debe colocarse un nuevo
pedido suele especificar un punto para un nuevo pedido.
Por tanto, podemos expresar las solución del problema general de inventarios de
la manera siguiente:
1. Caso de Revisión Periódica: Recepción de un nuevo pedido de la cantidad

específica por la cantidad del pedido en intervalos de tiempo iguales.
2. Caso de Revisión Continua: Cuando el nivel de inventario llega al punto para

un nuevo pedido se coloca un nuevo pedido.
La cantidad del pedido y el punto para un nuevo pedido suelen determinarse

normalmente minimizando el costo de inventario total que se puede expresar como una
función de estas dos variables.
El costo total de un modelo de inventarios general está compuesto de la siguiente

manera:
M S
C
COSTO TOTAL = COSTO DE + COSTO DE + COSTO DE + COSTO DE
DE INVENTARIO COMPRA PEDIDO ALMACENAJE ESCASEZ
El costo de compra se vuelve un factor importante cuando el precio de una unidad

de mercancía se hace dependiente del tamaño del pedido. Esta situación se expresa
normalmente en términos de un descuento de cantidad o una reducción del precio, donde
el precio unitario del artículo disminuye con el incremento de la cantidad ordenada.
El costo de pedido representa el gasto fijo en que se incurre cuando se hace

un pedido. Por lo tanto, para satisfacer la demanda en un periodo realizando
pedidos frecuentes de cantidades menores, dará origen a un costo fijo mayor
durante el periodo completo que si se satisfaciera la demanda haciendo pedidos
mayores y menos frecuentes.
El costo de almacenamiento representa los costos por el resguardo físico de los

bienes en bodega, por ejemplo, el interés sobre el capital invertido, el manejo, la
depreciación, el mantenimiento, etc. Normalmente este costo aumenta con el nivel de
inventario.
Por último, el costo de escasez es una penalización en la que se incurre

cuando se termina la existencia de un producto que se necesita. Por lo general
incluye costos que se acreditan a la pérdida de la benevolencia del cliente y
también a la pérdida potencial del ingreso.

Cárdenas.
Gráfica de Costos de Inventarios
Costo total por
año
Costo Total
Costo óptimo
Costo de
Almacenamiento
Costo de Costo de
Penalización Pedido
Costo de
Compra
Nivel de
Nivel óptimo inventario
En la gráfica anterior, se ilustra la variación de los principales tipos de costo para

un modelo general de inventario, en función del nivel de existencias.
El nivel de inventario óptimo corresponde al costo total mínimo de las cuatro

componentes. Sin embargo, en muchos casos, un modelo de inventarios no necesita
incluir los cuatro tipos de costo, ya sea porque algunos de los costos son insignificantes o
porque harán que la función de costo total sea demasiado compleja para el análisis
matemático. En la práctica, se puede suprimir una componente de costo sólo si su efecto
en el modelo de costo total es insignificante.
 Tipos de dema nda en los inventa rios:
Los tipos de demanda normalmente identifican un modelo de inventarios, según su

comportamiento.
Una demanda determinista puede ser estática en el sentido de que la tasa de

consumo permanece constante durante el transcurso del tiempo, o puede ser
dinámica cuando la demanda se conoce con certeza pero varía de un periodo al
siguiente.
La demanda probabilística tiene dos clasificaciones análogas; el caso

estacionario en el cual la función de densidad de probabilidad de la demanda se
mantiene sin cambio con el tiempo; y el caso no estacionario, donde la función de
densidad de probabilidad varía con el tiempo.
 MODELOS DETERMINÍSTICOS DE INVENTARIOS:
 Modelo 1: Tamaño Económico del Lote (EOQ):
Características:
 Modelo de cantidad fija de reorden

 La demanda es constante
 El abastecimiento es instantáneo
 El tiempo de entrega es constante
 Los costos son constantes.
Comportamiento gráfico:
R R
0 t Tiempo
De donde:
Q = Tamaño del inventario (lote o pedido) t

= Tiempo de entrega
T = Periodo de agotamiento del inventario
R = Nivel de reorden
Fórmulas utilizadas:
1. Cantidad óptima:
Q= 2 D Co.
Ch
2. Periodo de agotamiento:
T=Q/D
3. # de órdenes:
# de órdenes = D / Q
4. Nivel de reorden:
R = t *D
5. Costo total del periodo:
Costo total = Costo total de pedidos + Costo total de almacenamiento
Costo total = Co D . + Ch Q .
Q 2
6. El Nivel promedio de inventario = (Inventario máximo + Inventario mínimo ) / 2
= (Q + 0) /2
=Q/2
Deducción de la fórmula de la cantidad económica de pedido:

La cantidad óptima de pedido se encuentra al obtener la derivada del costo total respecto
a Q y hacerla igual a cero y a continuación resolver en función de Q.
1. La fórmula del costo total es:

CT = Co D . + Ch Q .
Q 2
2. La derivada del costo total respecto a Q es:
d (CT) / d (Q) = Ch/2 + ( - D Co / Q 2 )
3. Igualando la derivada de CT a cero y resolviendo en función de Q:
Ch/2 + ( -D Co / Q 2 ) = 0
- D Co / Q 2 = - Ch / 2
Q2 = 2 D Co .
Ch
4. La cantidad óptima (EOQ), es por lo tanto:
Q= 2 D Co.
Ch
Ejemplo Ilustrativo Modelo 1 –EOQ Demanda constante-:
La compañía “Resortes Industriales, S.A.” almacena miles de resortes para maquinaria

industrial. El gerente general de la empresa, se pregunta cuánto dinero podría ahorrarse
todos los años si se utilizara EOQ en lugar de las reglas prácticas actuales de la empresa.
Le da instrucciones al analista de inventarios para que realice un análisis sobre el resorte
“R-Q13” para determinar si es posible cuantificar ahorros significativos usando el EOQ. De
la información contable, se tienen las siguientes estimaciones: La demanda anual es D=
16,800 resortes por año; la cantidad de compra actual que se mantiene fija por política
contable es de Q = 100 resortes por pedido; el costo de almacenaje es: Ch = $0.60 por
resorte al año; y el costo de pedir se estima en: Co =
$3.50 por pedido.
Solución:
1. Demanda anual:
D= 16,800.00 resortes
2. Costo de pedido unitario:

Co = 3.5 $ / pedido
3. Costo de almacenamiento unitario:
Ch = 0.6 $/resorte-año
4. Tiempo de entrega:
t = 1 semana
t = 7 días
5. EOQ:
EOQ = 2 D Co.
Ch
Q= 2 * 16,800.00 * 3.5
0.6
Q= 442.72 resortes
Aproximando a valores enteros:

Q= 443.00 resortes
6. Ciclo de inventario:
T= Q/D
T = 443.00 / 16,800.00
T = 0.02637 años = T= 9.62 días
7. # de órdenes:
# ordenes = D/ Q
# ordenes = 16,800.00 / 443.00
# ordenes = 37.92 órdenes al año

# ordenes = 38.00 órdenes
R=t*D
R = 7 días/ año * 16,800.00 repuestos * 1 año /365 días
R = 322.19 repuestos

R = 323.00 repuestos
9. Costo total anual de administración del inventario (con aplicación de EOQ):
CT = Co * (D / Q) + Ch * (Q / 2)
CT = [ 3.50 * (16.800.00 / 443.00) ] + [ 0.6 * (443.00 / 2) ]
CT = 265.63 $/ año
10. Análisis de costos:

Ahorros = Costo total actual - Costo total EOQ
Con aplicación de la política de compra actual:

CT actual = Co * (D / Q) + Ch * (Q / 2)
CT = [ 3.50 * (16.800.00 / 100.00) ] + [ 0.6 * (100.00 / 2) ]
CT actual= 618.00 $/ año
Ahorros = 618.00 - 265.63

Ahorros = 352.37 $/ año
11. Conclusión:
Debido a que existen ahorros anuales que aplicados a todos los artículos de inventario,
resultarían significativos, entonces, se concluye que SÍ es conveniente
la aplicación de EOQ.
12. Gráfica:
Q = 443
R
R = 323
0 7 días Tiempo
t=
T = 9.62 días
 Modelo 2: EOQ para lotes de producción (entregas gradua les):
Este modelo es útil para la determinación del tamaño de los pedidos, si se produce
un material en una etapa de la producción, se almacena en inventario y después se envía
a la siguiente etapa de producción o se embarca a los clientes.
Se genera la producción y fluye al inventario a una tasa (p) superior a la tasa

de uso de demanda (d) a la que está saliendo el material del inventario, por lo que
este modelo es muy adecuado para planear el tamaño de los lotes de producción
para manufacturar los productos dentro de la misma empresa.
Este modelo tiene sólo una pequeña modificación con relación con el Modelo I, se
supone que los pedidos se liberan o producen a una tasa uniforme, y no todo de una vez.
Características :
 Es posible estimar la demanda anual, el costo de almacenar y el costo de

pedir de un material.
 No se utiliza existencia de seguridad.
 Los materiales se suministran a una tasa uniforme (p) y se utilizan a una tasa
uniforme (d), y cuando el siguiente pedido llega los materiales se utilizaron
totalmente.
 No son importantes los costos de faltantes de inventario ni de los clientes, así
como otros costos diferentes al de almacenar y de pedir.
 No existen descuentos por cantidad.
 La tasa de suministro (p) es superior a la tasa de uso (d)
Fórmulas utilizadas :
Q= ( 2 D Co / Ch ) [ p / (p – d) ] .

Costo total = Costo total de pedidos + Costo total de almacenamiento
Costo total = Co D . + Ch [ ( p – d ) / p] * Q.
Q 2
3. El Nivel promedio de inventario = (Inventario máximo + Inventario mínimo ) / 2
Inventario máximo = Tasa de acumulación de inventarios * Periodo de entrega

Inv. Máx. = ( p – d ) ( Q/ p )
El Nivel promedio de inventario = [ ( p – d ) ( Q/ p ) + 0 ] / 2
El Nivel promedio de inventario = ( Q / 2 ) * [ ( p – d ) / p ]

3. Ciclo de inventario:
T = inv. Máx. / D
R=t*D
5. # de órdenes:
# ord. = D / inv. Máx.
6. Tiempo de entrega:
t=Q/p
7. Tasa de uso de demanda:

d = D / días efectivos al año *
* Sólo los días efectivos laborales debido a que el consumo del artículo depende del
funcionamiento de la planta de producción.
Deducción de la fórmula de la cantidad económica de pedido :
1. La fórmula del costo total es:

Costo total = Co D . + Ch [ ( p – d ) / p] * Q.
Q 2
2. La derivada del costo total respecto a Q es:

d (CT) / d (Q) = [( p – d ) / 2p] Ch + ( - D Co / Q 2 )
3. Igualando la derivada de CT a cero y resolviendo en función de Q:

[( p – d ) / 2p] Ch + ( - D Co / Q 2 ) = 0
Q 2 = ( 2 D Co / Ch ) [ p / (p – d) ]
4. La cantidad óptima (EOQ), es por lo tanto:
Q= ( 2 D Co / Ch ) [ p / (p – d) ] .
Ejemplo ilustrativo Modelo 2 –EOQ con entregas graduales-:
La compañía “Resortes Industriales, S.A.” tiene un área en producción destinada a la

fabricación del resorte “RQ13”. Si los resortes se produjeran en la empresa en lotes
de producción, fluirían gradualmente hacia el inventario en el almacén principal para
su uso. El costo de almacenar, de pedir o de preparación y la demanda anual se
conservarían aproximadamente igual. Dado que los resortes realmente fluyen hacia
el inventario en lugar de recibirse todas a la vez. El gerente general se pregunta de
qué manera ello afectaría la cantidad de pedido y el costo anual de
almacenamiento. El analista de inventarios desarrolla las siguientes estimaciones: D=
16,800 resortes al año, Ch = $0.60 por resorte al año, Co = $3.50 por pedido y p = 70
resortes diarios. Los días laborables en el año son 266. Calcule los ahorros de costo
estimados con EOQ si se fabrica en la planta de producción, comparado contra los
costos totales si se entregan todos los resortes de una sola vez por un proveedor externo.
Solución:
1. Demanda anual:

Co = 3.5 $/ pedido

Ch = 0.6 $/resorte-año
4. Tasa a la que se utilizan las unidades saliendo del
inventario: d = D / días efectivos laborales al
año
d= 16,800.00 / 266
d= 63.16 resortes/ día
5. EOQ por lotes:
Q= ( 2 D Co / Ch ) [ p / (p – d) ] .
[ (2 * 16,800.00 * 3.5) / (0.60) ] * [ (70) / (70 – 63.16) ]

Q=
Q= 1,416.06 resortes
Aproximando a valores enteros: (Asumiendo un criterio de sobrestimación):

Q= 1,417.00 resortes
6. EOQ una sóla entrega:

EOQ = 2 D Co .
Ch
Q= 2 * 16,800.00 * 3.5
0.6
Q= 442.72 resortes

Q= 443.00 resortes
7. Costo total anual de administración del inventario:
CT 1 sóla entrega = Co * (D / Q) + Ch * (Q / 2)
CT = [ 3.50 * (16.800.00 / 443.00) ] + [ 0.6 * (443.00 / 2) ]
CT = 265.63 $/ año
CT lotes: Co ( D/Q ) + Ch [ ( p - d ) / p ] * ( Q / 2 )
CT = [ 3.50 * (16,800.00 / 1,417.00) ] + [ [ 0.6 * (70 - 63.16) / (70) ] * (1,417.00 / 2) ]
CT = 83.05 $/ año
10. Análisis de costos:
Ahorros = Costo total EOQ 1 sóla entrega - Costo total EOQ entregas
graduales Ahorros = 265.63 - 83.05
Ahorros = 182.58 $/ año
Cálculo de las demás variables del modelo:

11. Ciclo del Inventario:
T = Inv. Máx / D = [ (p – d) * (Q/ p) ] / D
T = [ ( 70 – 63.16) * (1,417.00 / 70) ] / 16,800.00
T = 0.008 años = 3.020 días
12. Periodo de entrega :

t = Q / p = 1,417.00 / 70.00
t = 20.243 dias
R = t * D = ( 20.243 * 16,800.00 ) / 365

R = 932 resortes
14. No. ordenes:
No = D / inv. Máx. = 16,800.00 / 139

No. órdenes = 120.86 órdenes
Aproximando: 121 órdenes
15. Conclusión:
Debido a que existen ahorros anuales que aplicados a todos los artículos de inventario,
resultarían significativos, entonces, se concluye que SÍ es conveniente la aplicación de
EOQ para entregas graduales.
16. Gráfica:
Q = 1,417.00
Q
Inventario máximo = (p-d) (Q/p)

Inv. Máx = 139.00
R = 932
0
Tiempo
Lt =
(p - d)
6.84
 Modelo 3: EOQ con descuentos por cantidad:
Si se piden cantidades mayores, los proveedores pueden ofrecer sus productos a

precios unitarios inferiores. Esto ocurre porque pedidos de cantidad mayor pueden ser
menos costosos de producir y embarcar.
Características:
 Es posible estimar la demanda anual, el costo de almacenar y el costo de

pedir de un material.
 Se pueden estimar los niveles promedio de inventarios
como: Q/2 si son válidos los supuestos del Modelo I.
Q/2 [ ( p – d ) / p ]. Prevalecen los supuestos del Modelo II.
 No son importantes los costos de faltantes de inventario ni de los clientes, así

como otros costos.
 Sí existen descuentos por cantidad.
Las fórmulas del Modelo I o del Modelo II, son aplicables al Modelo III, dependiendo cuál
de los supuestos se adecúa mejor a la situación de los inventarios.
Modelo I: Pedido entregado todo de una vez .
Q= 2 D Co.
Ch
Costo total = Costo total de pedidos + Costo total de almacenamiento + (D) ac
Costo total = Co D . + Ch Q . + (D)ac

Q 2
Modelo II: Entregas graduales.
Q= ( 2 D Co / Ch ) [ p / (p – d) ] .
Costo total = Costo total de pedidos + Costo total de almacenamiento + Costo

Adquisición.
Costo total = Co D . + Ch [ ( p – d ) / p] * Q . + (D)(ac)

Q 2
Metodología de solución:
1. Calcular el EOQ, utilizando cada uno de los precios de venta.

2. Determinar cuáles de los EOQ obtenidos en el paso 1, son factibles, es decir,
identificar si el EOQ calculado está dentro del rango de cantidades para ese
precio.
3. El costo total anual (CT) se calcula para los EOQ factibles y para las
cantidades en donde existen cambios en los precios de venta.
4. La cantidad de pedido que tenga el costo total anual menor, es la cantidad
económica de pedido.
Ejemplo ilustrativo Modelo 3 –EOQ con entregas graduales-:
Un proveedor de la compañía “Resortes Industriales, S.A.”, ha ofrecido al gerente

general, descuentos por cantidad comprada del resorte “RQ13”. Los volúmenes y precios
ofrecidos, son:
Rango de Costo de adquisición
cantidades de por válvula (ac)
pedido
1 – 399 $4.25
400 – 699 $3.75
700 + $2,99
El gerente general le pide al analista de inventarios que investigue los nuevos precios bajo
dos supuestos: I) Los pedidos se reciben todos a la vez y II) Las entregas son graduales.
Las estimaciones con que se cuentan son: D= 16,800 resortes al año, Ch = 15% del costo
de adquisición (ac) por válvula por año, Co = $3.50 por pedido y p = 70 resortes diarios.
Los días laborables en el año son 266.
Solución:
1. Demanda anual:

Co = 3.5 $/
pedido

Ch = 0.15 * Costo de adquisición (ac)
Ch 1 = 0.15 * 4.25 = 0.6375 $/ resorte-año
Ch 2 = 0.15 * 3.75 = 0.5625 $/ resorte-año
Ch 3 = 0.15 * 2.99 = 0.4485 $/ resorte-año
4. Tasa a la que se utilizan las unidades saliendo del
inventario: d = D / días efectivos laborales al
año
d= 16,800.00 / 266
d= 63.16 resortes/ día
Supuesto I:
5. EOQ una sóla entrega:
EOQ = 2 D Co .
Ch
 Para ac = 4.25:
EOQ 1 = 2 * 16,800.00 * 3.5

0.6375
EOQ 1 = 429.50 resortes

 Para ac = 3.75:
EOQ 2 = 2 * 16,800.00 * 3.5

0.5625

 Para ac =2.99:
EOQ 3 = 2 * 16,800.00 * 3.5

0.4485

5.1 Análisis de EOQ's Factibles:
Cantidad Precio ¿EOQ Factible? Cantidad clave por

(ac) analizar
1 - 399 4.25 No Factible
400 - 699 3.75 458.00 458.00 700.00
700 - + 2.99 No Factible
6. Análisis de Costos para el caso de una sola
entrega: CT = Co * (D / Q) + Ch * (Q / 2) +
(D) (ac)
Se aplica la fórmula de costo total para una entrega, para las cantidades clave por
analizar. En este caso, corresponde calcular costos para Q = 458 y para Q = 700
debido a que en esta última cantidad existe un cambio en el precio unitario.
Recuerde que de conformidad con la metodología de solución, se debe calcular el
costo para los EOQ’s factibles y para aquellas cantidades en donde se dan cambios
de precio unitario.
 CT para Q = 458:
CT = [ 3.50 * (16,800.00 / 458 ) ] + [ 0.5625 * (458.00 / 2) ] + (16,800.00 * 3.75)
CT = 63,257.20 $ / año
 CT para Q = 700:
CT = [ 3.50 * (16,800.00 / 700 ) ] + [ 0.4485 * (700.00 / 2) ] + (16,800.00 * 2.99)
CT = 50,472.98 $ / año
7. CONCLUSIÓN (Para supuesto I: Una sola Entrega):
Si los pedidos se entregan todos a la vez, deben ordenarse: 700 resortes

en cada reabastecimiento de inventario.
8. EOQ entregas graduales:
Q= ( 2 D Co / Ch ) [ p / (p – d) ] .
 Para ac = 4.25:
[ (2 * 16,800.00 * 3.5) / (0.6375) ] * [ (70) / (70 – 63.16) ]

EOQ 1 =
EOQ 1 = 1,373.78 resortes
EOQ 1 = 1,374 resortes
 Para ac = 3.75:
[ (2 * 16,800.00 * 3.5) / (0.5625) ] * [ (70) / (70 – 63.16) ]

EOQ 2 =

 Para ac =2.99:
EOQ 3 = [ (2 * 16,800.00 * 3.5) / (0.4485) ] * [ (70) / (70 – 63.16) ]
8.1 Análisis de EOQ's Factibles:
Cantidad Precio ¿EOQ Factible? Cantidad clave por

(ac) analizar
1 - 399 4.25 No Factible
400 - 699 3.75 No Factible
700 - + 2.99 1,638 1,638
9. Análisis de Costos para entregas graduales:

CT lotes: Co ( D/Q ) + Ch [ ( p - d ) / p ] * ( Q / 2 ) + ( D * ac )
 CT para Q =1,638:
CT = [ 3.50 * (16,800.00 / 1,638 ) ] + [ 0.4485 * [ (70 – 63.16) / 70) ] * (1,638 / 2) ]

+ (16,800.00 * 2.99)
CT = 50,303.80 $ / año
9. CONCLUSIÓN (Para supuesto II: Entregas Graduales):
Si los pedidos se entregan en forma gradual, deben ordenarse: 1,638 resortes

en cada lote o pedido.
10. CONCLUSIÓN FINAL:
Si es posible elegir entre entregas parciales o una sola entrega y desde el

punto de vista del costo total de inventario anual, entonces se recomienda que el
abastecimiento se realice en forma parcial, por la cantidad de 1,638 resortes, debido
a que el costo de inventario en este caso es de: $50,303.80/ año que resulta más bajo
que la otra opción.
 MODELOS DE INVENTARIOS CON DEMANDA INCIERTA Y CON REORDEN:
Existen casos en los cuales la tasa de demanda no tiene un comportamiento

conocido ni constante, por el contrario, se conoce únicamente la distribución de
probabilidad de la demanda durante el tiempo de entrega. Por lo tanto, en este
caso, al establecer el punto de pedido o de reorden, existe la posibilidad de que el
inventario se agote y se incurra en costos de escasez.
El tipo de demanda a analizar se refiere a un tipo de demanda

“independiente” que se presenta por lo general con los inventarios de producto
terminado, pero no con las materias primas ni los componentes de manufactura. En
estos casos, la demanda es “dependiente” debido a que la demanda de un
componente o materia prima depende del programa de producción. Para esta
situación de demanda dependiente, se utiliza la técnica “ MRP” (Planeación de los
Requerimientos de los Materiales).
Resulta conveniente dividir el inventario en dos tipos:
1. Existencias de ciclo: Corresponden al inventario promedio que debe tenerse

como función del tamaño de pedido. (Q/2).
2. Existencias de seguridad: Se determinan mediante la diferencia entre el punto

de pedido (R) y la demanda promedio durante el tiempo de entrega del
reabastecimiento.
Cuanto mayores son las existencias de seguridad, menor es la posibilidad de que

se produzcan inexistencias. Sin embargo, es importante analizar la interacción entre los
diversos costos y las dos variables (punto de pedido y tamaño del pedido).
 Modelo 1: Modelo de Costo de Escasez:
Al igual que los casos anteriores, el objetivo consiste en minimizar el costo total de
inventario en un periodo determinado. Para este caso se consideran tres tipos de costo: a)
costo de pedido (Co); b) Costo de almacenamiento (Ch); y c) Costo de escasez (Ku).
Características:
 El tiempo de reabastecimiento es conocido.
 Costo de escasez unitario e independiente de la duración de la situación de
inexistencias.
 La demanda durante el tiempo de entrega tiene una distribución normal. ( D )
 Las existencias de seguridad (R – D), siempre son positivas, debido a que el

punto óptimo de pedido (R) es mayor que la demanda promedio durante el
tiempo de entrega ( D ).
 El inventario siempre contará en promedio con existencias de seguridad.
Comportamiento gráfico:
Q Q
Q
R R
Existencias de seguridad
0 t Tiempo
T
M S
De donde:
C
Q = Cantidad de pedido (Existencias de ciclo) D
= Demanda anual promedio
D = Número promedio de unidades de demanda durante el tiempo de entrega
D = Desviación estándar de la demanda durante el tiempo de entrega.
t = Tiempo de entrega
T = Periodo de agotamiento del inventario
R = Nivel de reorden o punto de pedido
Q= 2 D Co.
Ch
Se utiliza la misma fórmula de cantidad óptima de pedido que se aplica para

el caso de demanda constante. Esto debido a que no existe ninguna consecuencia
seria en la determinación de costos anuales si se aplica Q para demanda
probabilística.
El único error grave que puede existir al utilizar esta fórmula para el caso
probabilístico, se da cuando la cantidad óptima resulta menor que la desviación
estándar de la demanda durante el tiempo de entrega ( D). Para esta situación se
puede aplicar un método heurístico que consiste en hacer que la cantidad de
pedido sea igual a la D.

Cárdenas.
2. Punto óptimo de pedido (Nivel de reorden):
Primero se debe determinar la probabilidad de que la demanda durante el

tiempo de entrega, sea menor o igual que R para una distribución normal
estandarizada, así:
F ( R ) = 1 - Ch Q .
Ku D
Luego, se obtiene el punto de pedido óptimo, así:
R= D + Z D
Por definición, el punto óptimo de pedido es igual a la demanda promedio durante

el tiempo de entrega, más las existencias de seguridad, por lo tanto, las existencias de
seguridad se determinan por: Z D
La fórmula del punto óptimo de pedido se obtiene mediante la aplicación del

análisis marginal, iniciando el punto de pedido “R” con un valor cualquiera, por
ejemplo la demanda promedio durante el tiempo de entrega ( )D. Luego, se hace
la pregunta si vale la pena aumentar otra unidad a R, frente al costo anual esperado
de no agregar la unidad.
El costo anual incremental de añadir una unidad a R es aproximadamente igual al

costo anual de almacenamiento de una unidad en inventario, ya que la unidad adicional
se agregará a las existencias de seguridad y por consiguiente se mantendrá en inventario
casi todo el tiempo.
El costo anual incremental esperado de no añadir la unidad a R, será igual a la

probabilidad de que se demande la unidad adicional o más, durante el tiempo de entrega,
multiplicada por el costo unitario de escasez (Ku), todo ello multiplicado por el número de
ciclos de inventario en el año (D/Q).
M S
Costo incremental
C de no agregar la =
Prob
Demanda de
la siguiente * Ku (D/Q )
unidad adicional Unidad o más
Si F( R ), es la probabilidad de que la demanda durante el tiempo de entrega sea

menor o igual que el valor actual de R; entonces: F ( R ) = P (D  R).
Y por lo tanto, la probabilidad de que se requiera la siguiente unidad o más, es

igual a 1 – F ( R ).
En el punto óptimo de pedido, los costos de no añadir la siguiente unidad son

iguales a los costos de añadir la siguiente unidad (almacenamiento), como se muestra en
la siguiente figura:
Costos Costo de no añadir la siguiente unidad

Incrementales [ 1 – F(R) ] * Ku * (D/ Q)
Costo de añadir la siguiente unidad “ Ch”
Ch
R óptimo
Por lo tanto:
Ch = [ 1 – F ( R ) ] * Ku * ( D / Q )
Es decir:
[ 1 – F (R) ] = ( Ch Q ) / ( Ku D )
Finalmente:

Cárdenas.
M S
F ( R ) = 1 - Ch Q .
C
Ku D
Adicionalmente, también se deduce que el punto de pedido óptimo es igual a:
R= D + Z D
Fórmula que se obtiene derivada del análisis de la siguiente figura que muestra la
distribución normal de la demanda durante el tiempo de entrega:
D R
3. Costo total esperado óptimo:
CT = [ Co + Ku* D * N(Z) ] * ( D/Q ) + [ ( Q/2 ) + ( R - D) ] * Ch
De donde: N(Z), se refiere a la función de pérdida unitaria para la distribución

normal estandarizada (Ver Apéndice C), y Z es igual a R convertida en unidades de
deviación estándar con respecto a la demanda media durante el tiempo de
entrega, así:
Z= R - D .
D

Cárdenas.
4. Desviación estándar de la demanda durante el tiempo de entrega:
D =  t 1
El tiempo de entrega del reabastecimiento generalmente es distinto del

periodo normal que se usa para recopilar los datos de la demanda. Es decir que
puede darse el caso que la demanda se estima de manera semanal para poder
cubrir un programa maestro a corto plazo, pero los tiempos de entrega pueden
durar más de una semana, quizás dos, tres, o más. Entonces ante esta
discrepancia en la duración de tiempos, se hace necesario el ajuste de la
desviación estándar para el tiempo de entrega ( D), a partir de las desviaciones
independientes de la demanda.
También es importante saber que: D= t D
Ejemplo Ilustrativo No.1:
1. Si el inventario del resorte “RQ13” de Resortes Industriales, S.A., presenta las

características de una demanda probabilística y si las estimaciones se mantienen
en: EOQ = 433 unidades; Demanda anual = 16,800 resortes. El costo de
almacenamiento por unidad al año es de $0.60, el costo de pedir es de $3.50
/ pedido y el costo de escasez se estima en $1.00 por unidad faltante. La demanda
promedio durante el tiempo de entrega es 3,360 resortes y la desviación estándar
estimada durante el tiempo de entrega es de 800. Calcule el punto de pedido
óptimo, existencias de seguridad, costo total de inventario y concluya.
Solución:
1. Encontrando la probabilidad de que la demanda durante el tiempo de entrega,

sea menor que el punto de pedido (que no existan faltantes):
F ( R ) = 1 - Ch Q .
Ku D
F ( R ) = 1 – [ ( 0.60 * 433 ) / ( 1 * 16,800 ) ]
F ( R ) = 0.98454
2. De la tabla de distribución normal (Apéndice B), se obtiene: Z = 2.16
3. El punto óptimo de pedido es:
R= D + Z D
R = 3,360 + (2.16) (800) =
R = 5,088 resortes
4. Existencia de seguridad: Z D
ES = (2.16 * 800)
ES = 1,728 resortes
5. Costo total esperado:
CT = [ Co + Ku * D*N(Z) ] * ( D/Q ) + [ ( Q/2 ) + ( R - D) ] * Ch
Por tabla, se sabe que: Z = 2.16, o bien:

M S Z= R - D .
D
C
Por lo tanto: Z = (5,088 – 3,360) / 800; Z = 2.16
Hallando N(Z):
Por tabla de función de pérdida para una distribución normal (Apéndice C), se
determina que N(2.16) = 0.005472.
Sustituyendo valores en la fórmula:
CT = [ 3.50 + (1*800*0.005472) ] * ( 16,800/433 ) + [ (433/2) + (5,088 – 3,360)]*0.60
CT = $ 1,472.34 / año.
Análisis: Con un punto de pedido de 5,088 resortes, no se presentará escasez de

existencias aproximadamente el 98.45% del tiempo durante el periodo de pedido. La
existencia de seguridad debe ser de 1,728 resortes.
2. Una empresa cuenta con las siguientes estimaciones de inventario: Demanda

anual = 20,000 unidades. El costo de efectuar un pedido es de $5. El costo de
almacenamiento por unidad al año es de $0.95 y el costo de escasez se estima en
$3 por unidad faltante. La demanda promedio durante el tiempo de entrega es 4,200
unidades y la desviación estándar estimada durante el tiempo de entrega es de 1,100.
Con los datos anteriores, calcule el punto de pedido óptimo, costo total y concluya.
Solución:

Cárdenas.
1. Encontrar la cantidad óptima de pedido:
Q= 2 D Co.
Ch
Q = 2 x 20,000 x 5 .
0.95
Q = 459 unidades.
2. Encontrando la probabilidad de que la demanda durante el tiempo de entrega,

sea menor que el punto de pedido (que no existan faltantes):
F ( R ) = 1 - Ch Q .
Ku D
F ( R ) = 1 – [ ( 0.95 * 459 ) / ( 5 * 20,000 ) ]
F ( R ) = 0.99273
2. De la tabla de distribución normal, se obtiene: Z = 2.44
3. El punto óptimo de pedido es:
R= D + Z D
R = 4,200 + (2.44) (1,100) =
R = 6,884
M S ES = (2.44 * 1,100)
C ES = 2,684
NOTA:
Cuanto mayor sea el costo de escasez y mayor sea la variación de la demanda
durante el tiempo de entrega, mayor deberá ser la existencia de seguridad
(compare valores de ejemplo 2 con ejemplo 1).
Por tabla, se sabe que: Z = 2.44, o bien:
Z= R - D .
D
Por lo tanto: Z = (6,884 – 4,200) / 1,100; Z = 2.44.
Hallando N(Z):
Por tabla de función de pérdida para una distribución normal (Apéndice C), se
determina que N(2.44) = 0.002410.
CT = [ 5 + (3*1,100* 0.002410) ] * ( 20,000/459 ) + [ (459/2) + (6,884 - 4,200)]*0.95
CT = $ 3,332.23 / año

Cárdenas.
Análisis: Con un punto de pedido de 6.884 unidades, no se presentará escasez de
existencias aproximadamente el 99.27% del tiempo durante el periodo de pedido. La
existencia de seguridad debe ser de 2,684 unidades.
3. Si la demanda semanal de un artículo tiene una media de 350 unidades y

desviación estándar de 21 unidades; y si el tiempo de entrega es de dos semanas,
calcule la media y desviación estándar de la demanda durante el tiempo de
entrega.
Solución:
Encontrando la Demanda durante el tiempo de entrega:
D=tD
D = (2 * 350 )
D = 700 Unidades
Encontrando la desviación estándar durante el tiempo de entrega:

D =  t 1
D =  2 (21)
D = 29.70 unidades
 Modelo 2: Modelo de Nivel de Servicio:
En muchas ocasiones existe el interés de satisfacer una fracción específica de la

demanda, con las existencias disponibles, a un costo mínimo, por lo que el objetivo
consiste en determinar un nivel de servicio deseado.
El nivel de servicio se define como el porcentaje de demanda que se satisface con

las existencias (sin pedidos atrasados).
Para este modelo se aplican las mismas características y supuestos del modelo
anterior. Adicionalmente, se considera:
Fracción de pedidos no satisfechos por ciclo = 1 - P
De donde P = Nivel de servicio (fracción de demanda que se cubre con las

existencias).
Por lo tanto:
1–P =  D * N(Z) .
Q
De donde se obtiene:
N(Z) = Q (1 – P ) .
D
Es importante mencionar que el nivel de servicio a que se refiere este modelo

no es lo mismo que la probabilidad de que no haya faltantes durante el tiempo de
entrega. En otras palabras, se puede tener un nivel de servicio alto del 90% que
indica que la demanda se satisface en esta proporción a partir de las existencias
disponibles; pero a la vez, puede existir una probabilidad de que no haya faltantes
durante el tiempo de entrega del proveedor con una probabilidad media del 60%.
Esto es, porque en este último caso, la probabilidad de inexistencias tiene una
relación directa con el tamaño de la cantidad de pedido Q con respecto al tamaño
de la desviación estándar de la demanda durante el tiempo de entrega, mientras
que el nivel de servicio es un concepto independiente del otro concepto.
Son conceptos independientes porque si bien es cierto que si de 10 días que

tarda un proveedor en entregar un pedido, 6 días se cuenta con existencias y 4 se
tienen faltantes (probabilidad de que no haya faltantes del 60%); eso no significa que
obligadamente se tendrán pedidos de clientes durante el periodo de inexistencia.
Puede darse el caso que la mayor cantidad de demanda se presenta durante los
días con cobertura.
1. Se considerará ahora el ejemplo ilustrativo No.1 del Modelo de Costo de Escasez

de demanda probabilística. Las estimaciones relacionadas con el resorte “RQ13”
se mantienen en: EOQ = 433 resortes; Demanda anual = 16,800 resortes. El costo
de almacenamiento por unidad al año es de $0.60; el costo de pedir es de $3.50 /
pedido; el costo de escasez se estima en $1.00 por unidad faltante. La demanda
promedio durante el tiempo de entrega es 3,360 resortes y la desviación estándar
estimada durante el tiempo de entrega es de 800. Como dato adicional se debe
tomar en cuenta ahora que la gerencia desea satisfacer el 96% de la demanda a
partir de las existencias. Con la información proporcionada, calcule el punto de
pedido óptimo, existencias de seguridad, costo total de inventario y concluya.
Solución:
1. Encontrando el valor de la función de pérdida de la distribución normal N (Z):

N(Z) = Q (1 – P ) .
D
N(Z) = 433 (1 – 0.96 ) .

800
N (Z) = 0.02165
2. Por tabla de función de pérdida para una distribución normal (Apéndice C), se
determina que para N(Z) = 0.02165, el valor de Z = 2.16.
3. Nivel óptimo de Pedido:
R= D + Z D
R = 3,360 + (1.63) (800) =
R = 4,664 resortes
ES = (1.63 * 800)
ES = 1,304 resortes
CT = [ 3.50 + (1*800*0.02165) ] * ( 16,800/433 ) + [ (433/2) + (4,664 – 3,360)]*0.60
CT = $ 1,720.10 / año.
6. Probabilidad de escasez durante el tiempo de entrega:
De la tabla de distribución normal bajo la curva (apéndice B), se obtiene que para
un valor Z = 1.63, la probabilidad: P, F(R) = 0.94845.
Análisis: Con un punto de pedido de 4,664 resortes, se logra satisfacer

aproximadamente el 96% de la demanda y en un 94.85% del tiempo, no se
presentará escasez de existencias durante el periodo de pedido. La existencia de
seguridad debe ser de 1,304 resortes.
1. La compañía “ Manufacturas, S.A.” almacena miles de artículos dentro de los

cuales destaca el componente “ C-3000”, utilizado para el ensamble en tableros
electrónicos. El gerente general de la empresa, se pregunta cuánto dinero podría
ahorrarse todos los años si la compañía utilizara la política de cantidad óptima de
pedido (EOQ), en lugar de las reglas prácticas actuales de la empresa. Por lo
tanto, le da instrucciones al encargado de inventarios para que realice un análisis
sobre el componente C-3000, con el fin de determinar si es posible identificar
ahorros significativos usando el EOQ. De la información contable, se tienen las
siguientes estimaciones: Demanda anual (D) = 18,000 componentes; Cantidad fija
de compra actual (Q) = 100 componentes por pedido; costo de almacenamiento
(Ch) = $1.20 por componente por año; costo de pedir (Co) = $6 por pedido;
tiempo de entrega (t) = 2 semanas. Determine si es conveniente la aplicación de
EOQ desde el punto de vista del costo total anual y calcule las demás variables
del modelo.
2. La compañía “ Manufacturas, S.A.” cuenta con un área dentro del departamento
de producción, destinada a la fabricación del componente C-3000. Si los
componentes se produjeran en la empresa en lotes de producción, fluirían
gradualmente hacia el inventario en el almacén principal para su uso. El costo de
almacenar, de pedir y la demanda anual se conservarían aproximadamente igual.
Dado que los componentes realmente fluyen hacia el inventario en lugar de
recibirse todos a la vez, el gerente general se pregunta de qué manera ello
afectaría la cantidad de pedido y el costo anual de almacenamiento. El analista
de inventarios desarrolla las siguientes estimaciones: D= 18,000 componentes por
año, Ch = $1.20 por componente por año, Co = $6 por pedido y p = 80
componentes diarios. Los días efectivos de producción en el año para este artículo
son 250. Se le pide, calcular los ahorros de costo estimados con EOQ si se fabrica
en la planta de producción, comparado contra los costos totales si se entregan
todos los componentes de una sola vez por un proveedor externo. Así mismo,
determine el valor de las demás variables del modelo.
3. Un proveedor de la compañía “ Manufacturas, S.A.”, ha ofrecido al gerente

general, descuentos por cantidad comprada del componente C-3000. Los
volúmenes y precios ofrecidos, son:
cantidades de por componente (ac)
pedido
1 – 999 $8.00
1,000 – 1,199 $6.90
2,000 ó + $5,70
El gerente general le pide al analista de inventarios que investigue los nuevos precios bajo
dos supuestos: I) Los pedidos se reciben todos a la vez, y II) Las entregas son graduales.
Las siguientes son las estimaciones disponibles: D= 18,000 componentes por año, Ch =
18% del costo de adquisición (ac) por componente por año, Co = $6 por pedido y p = 80
componentes diarios. Los días efectivos de producción en el año son
250. Determine desde el punto de vista del costo total de inventario anual, si es más
conveniente la opción de una sola entrega, o bien, la de entregas graduales.
4. Una empresa que distribuye lubricantes tiene una demanda estable de 125 latas
por semana para un tipo especial de aceite. La tienda paga $2.25 por lata y
estima el costo de conservación anual en un 40% del valor del inventario. Se lleva
2 semanas en recibir una orden y cuesta $5 procesarla. Calcule la política de
inventario para esta empresa (EOQ, T, # órdenes, R, CT). Considere que 1 año
tiene 52 semanas.
5. Resuelva el problema anterior (#4), si además se le indica que: Ku = $ 1.50/unidad.

La demanda promedio durante el tiempo de entrega es 200 unidades y la
desviación estándar estimada durante el tiempo de entrega es de 20. La gerencia
desea satisfacer el 98% de la demanda a partir de las existencias. Con los datos
anteriores, haga cálculos para: I) Punto de pedido óptimo, existencia de seguridad
y costo total según el modelo 1 de inventarios con demanda probabilística
(Modelo de Costo de Escasez); y II) Punto de pedido óptimo; existencia de
seguridad; costo total esperado; probabilidad que no existan faltantes durante el
tiempo de entrega, según modelo 2 de demanda probabilística (Modelo de Nivel
de Servicio). Presente sus conclusiones.
6. Una industria papelera vende cada mes 5,000 libras de papel. Cada vez que el
distribuidor realiza la colocación de un pedido en la bodega de la industria en
estudio, cobra Q.100.00 de flete + Q.30.00/ libra por gastos de colocación. El costo
anual de almacenamiento de una libra de papel es de Q.325.00. Si el tiempo de
entrega es de 3 semanas, calcule la política óptima de inventario para la industria
papelera (EOQ, T, # órdenes, R, CT).
7. Una compañía almacena componentes como repuestos para maquinaria

industrial litogrtáfica.. El gerente de producción de la empresa, se pregunta
cuánto dinero podría ahorrarse todos los años si se utilizara EOQ en lugar de las
reglas prácticas actuales de la empresa. Le da instrucciones al analista de
inventarios para que realice un análisis sobre el rodillo de entintado para ver si
pudieran resultar ahorros significativos usando el EOQ. De la información contable,
se tienen las siguientes estimaciones: D= 3,333.3333 rodillos al mes, t = 2 semanas; Q
= 300 rodillos por pedido (cantidad de pedido actual definida por costumbre en el
pedido), Ch = $2.00 por rodillo y Co = $25.00 por pedido. Determine el ahorro anual de
costo, concluya y calcule las demás variables del modelo.
8. Considere el problema anterior (No.7), asumiendo que la compañía puede

fabricar el rodillo de entintado. Si los rodillos se produjeran en la empresa en lotes
de producción, fluirían gradualmente hacia el inventario en el almacén principal
para su uso. El costo de almacenar, de pedir y la demanda anual se conservarían
aproximadamente igual. Dado que los rodillos realmente fluyen hacia el inventario
en lugar de recibirse todos a la vez, el gerente general se pregunta de qué
manera ello afectaría la cantidad de pedido y el costo anual de
almacenamiento. El analista de inventarios desarrolla las siguientes estimaciones
adicionales a las encontradas en la solución del problema 7: p = 190 rodillos
diarios. Los días laborables en el año son 250. Calcule los ahorros de costo
estimados con EOQ si se fabrica en la planta de producción, comparado contra
los costos totales si se entregan todos los rodillos de una vez por un proveedor
externo. Además, calcule el resto de variables del modelo de inventarios
correspondiente.
9. Un proveedor de la compañía “Suministros, S.A.”, ha ofrecido al gerente general,

descuentos por cantidad comprada de la caja especial. Los volúmenes y precios
ofrecidos, son:
cantidades de por caja (ac)
pedido
1 – 599 $21.20
600 – 999 $17.50
1000 + $16.00
El gerente general le pide al analista de inventarios que investigue los nuevos precios
bajo dos supuestos: I) Los pedidos se reciben todos a la vez , y II) Las entregas son
graduales. Las siguientes, son las estimaciones disponibles: D= 25,000
cajas por año, Ch = 25% del costo de adquisición (ac) por caja por año, Co = $6.00 por
pedido y p = 200 cajas diarias. Los días laborables en el año son 265.
10. Una empresa cuenta con la información que a continuación se le presenta: D =

4,160 unidades / año; Co = $4 / orden; Ch = $0.30 /unidad; EOQ = 334
unidades. Si adicionalmente a los datos obtenidos, se le indica que: Ku =
5$/unidad; la demanda promedio durante el tiempo de entrega es 100
unidades ; la desviación estándar estimada durante el tiempo de entrega es
de 30 y que la gerencia desea satisfacer el 97% de la demanda a partir de las
existencias. Entonces, se le solicita que haga los siguientes cálculos: I) Con el
Modelo de Costo de Escasez: Punto de pedido óptimo, existencia de
seguridad y costo; II) Con el Modelo de Nivel de Servicio: Punto de pedido
óptimo; existencia de seguridad; costo total esperado; probabilidad que no
existan faltantes durante el tiempo de entrega. Presente sus conclusiones.
CAPITULO VIII
TEORIA DE COLAS
 Concepto
omprende el estudio matemático de las colas o líneas de espera, las cuales
se presentan siempre que la demanda actual de un servicio, es mayor que la capacidad

para proporcionarlo. En otras palabras, la Teoría de Colas comprende todos aquellos
estudios en donde se acumulan clientes en espera.
El estudio se caracteriza por que los sistemas en análisis presentan procesos

con llegadas a intervalos aleatorios y en donde hay costos relacionados con la
espera en la cola y costos por la prestación del servicio; por lo que el objetivo
consiste en minimizar la suma de estos costos asociados.
A través de su aplicación, es posible determinar el número de usuarios que se

esperan en la cola, el tiempo de espera estimado, el porcentaje de utilización de las
instalaciones de servicio y otras variables importantes que ayudarán a decidir sobre el
número de personas que prestarán el servicio.
 Estructura básica de los modelos de colas
SISTEMA
FUENTE DE ENTRADA CLIENTE SERVIDO

MECANISMO
DE
SERVICIO Ejemplo: Un cajero
COLA ESPERA automático
Aquel lugar donde se

originan los clientes
FUENTE DE ENTRADA:
Representa el origen de los clientes que llegan al sistema.
a. Finita: Cuando el número de clientes es identificable desde la fuente. Es decir,

que la fuente de entrada puede medirse e identificarse siempre. Ejemplo:
Un lote de máquinas que necesita mantenimiento.
b. Infinita: Cuando la fuente de entrada no es medible ni identificable.
COLA:
Representa la línea de espera de clientes en el sistema.
a. Finita: Se presenta cuando se restringe el acceso del cliente al sistema,

generalmente por motivos de capacidad física del local o bien por
medidas de seguridad. En este caso se dice que el sistema presenta una
cola "truncada".
b. Infinita: Cuando no se restringe el acceso del cliente al sistema en ningún

momento.
Consideraciones generales para un estudio de colas
1. Las llegadas son aleatorias y provienen de una distribución de probabilidad

Poisson.
2. El tiempo de servicio es también una variable aleatoria que sigue una
distribución exponencial.
3. Los tiempos de servicio son independientes entre sí e independiente
del proceso de llegada.
4. La disciplina de la cola se basa en el principio "primero en entrar, primero en
salir".
5. Las tasas de llegada y de servicio no cambian con el tiempo. El proceso ha
estado en funcionamiento el tiempo suficiente para eliminar los efectos de
las condiciones iniciales.
La distribución Poisson es una distribución discreta en donde la probabilidad de

que ocurra un evento en un breve periodo, es un número muy pequeño, la
probabilidad de que dos o más de esos eventos tengan lugar en el mismo intervalo es
prácticamente cero, y la probabilidad de que suceda un evento en un periodo, no
depende de dónde esté ni de las ocurrencias en cualquier otro intervalo. Esta
distribución se considera una buena aproximación para los procesos aleatorios. La
variable aleatoria en la distribución Poisson es el número de llegadas en una unidad
de tiempo.
La distribución exponencial es una distribución complementaria a la de Poisson

y tiene como variable aleatoria, el tiempo entre los sucesos.
Un sistema de colas puede tener cualquier combinación de sus elementos (llegadas,

servicios, número de puntos de servicio, comportamiento de la cola, etc.); por lo tanto, se
pretende analizar los principales tipos de modelos o sistemas de colas que son la base
para el estudio de otros.
Los principales modelos se describen a continuación.
 Modelo 1: Sistemas de colas con un servidor
Además de las consideraciones generales para un estudio de colas, este modelo

supone que únicamente existe un servidor atendiendo a los clientes o usuarios, sin ningún
tipo de restricción en el acceso al sistema.
FORMULAS UTILIZADAS:
Previo a la presentación de fórmulas, es necesario definir la siguiente simbología:
a.  = Tasa de llegada, con un comportamiento de distribución

Poisson.
b.  = Tasa de servicio, con un comportamiento de distribución
exponencial.
c. K = Cantidad de servidores que atienden la cola o línea de espera.
Las fórmulas son las siguientes:

1. Longitud promedio del sistema (L s): Mide el número de clientes promedio que
permanecen en el sistema en cualquier momento.
Ls =   .
-
2. Longitud promedio de cola (L q): Mide el número de clientes promedio que

permanecen en la cola en cualquier momento.
Lq = 2 .
 ( - )
3. Tiempo promedio de permanencia en el sistema (W s): Mide el tiempo

promedio que permanece un cliente dentro del sistema.
Ws = 1 .
-
4. Tiempo promedio de cola (W q): Mide el tiempo promedio que un cliente

permanece en la línea de espera.
Wq =   .
 ( - )
5. Probabilidad de que exista cualquier número de clientes "n" dentro del
sistema (Pn): Mide la probabilidad de que exista un número "n" específico de
clientes
dentro del sistema en cualquier momento.
Pn = Po * n
6. Probabilidad de que el sistema esté desocupado (P o): Mide la probabilidad de

atención inmediata a un cliente.
Po = 1 - 
7. Factor de utilización ( ): Mide el porcentaje de tiempo que el servidor

permanece ocupado.
=   .
K
8. Probabilidad de que se presenten exactamente "n" pedidos o clientes dentro

de un intervalo específico de tiempo "t".
Pn = e - ( t) *( t)n
n!
9. Costo total del sistema: Cuantifica la sumatoria de costos totales del sistema
por unidad de tiempo.
COSTO TOTAL = (L s * Costo Improductivo) + Otros Costos
Las fórmulas números 7, 8 y 9 son aplicables para todos los modelos de colas, es
decir, que no son exclusivas para el modelo 1.
Ejemplo Ilustrativo
A una estación de autobanco que es atendida por un solo receptor pagador, llega
un promedio de 10 vehículos por hora. El tiempo promedio de servicio para cada
cliente es de 4 minutos con un comportamiento exponencial. Las llegadas obedecen
a una distribución Poisson . El gerente de operaciones del banco necesita conocer: a)
La probabilidad de que el autobanco esté vacío; b) El número promedio de clientes
que esperan en la cola su turno; c) El tiempo promedio que un cliente tarda en ser
atendido, incluyendo la espera y el servicio; d) El número de clientes por hora que
realmente son atendidos en promedio por el servidor.
Solución:
Datos que brinda el enunciado:
 = 10 clientes / hora.
 = 4 minutos / cliente.
1. Estandarice preferentemente sus unidades de medida o dimensionales de las

tasas de llegada y de servicio a clientes por hora. Si usted no estandariza sus
unidades de medida al "mismo lenguaje", los resultados que obtenga de la
aplicación de fórmulas, no serán congruentes ni acordes a la realidad.
4 min  1 cliente * 60 min = 15 clientes

4 min.
cliente 1 hr 1 hr.
Por lo tanto,  = 15 clientes / hora.
2. Una vez se tengan estandarizados los datos proporcionados a las mismas

unidades de medida, se procede a dar solución a los incisos requeridos.
a. Po = 1 - .
Como se desconoce el valor del factor de utilización, se procede a calcular
este dato como primer punto.
Sustituyendo valores: = .
K
= 10 .
(1) (15)
 = 2/3
Sustituyendo la fórmula inicial:
Po = 1 - 2/3 = 1/3.
Por lo tanto, la probabilidad de que el sistema esté desocupado es de 1/

3.
b. Lq= 2 .
 ( - ).
Lq = 102 .
15*(15-10)
Lq = 1.33 clientes
Por lo tanto, se concluye que pueden existir a lo sumo 2 autos en cola.
c. W s= 1 .
-
Ws = 1 .
15 - 10
Ws = 0.20 horas  12 minutos
Por lo tanto, el tiempo promedio que un cliente tarda en ser atendido

incluyendo el tiempo de espera y del servicio, es de 12 minutos.
d. Si sabemos que  = 15 clientes / hora, debemos entender que este dato
representa la capacidad o rapidez del servidor. En otras palabras, el servidor es
capaz de atender 15 clientes en una hora, si y sólo si, el sistema estuviera
ocupado todo el tiempo. Por lo tanto, para determinar el número real de
clientes por hora que son atendidos en promedio por el servidor, debemos
multiplicar la tasa de servicio por el factor de utilización; quedando de la
siguiente manera:
*
(2/3) * (15) = 10 clientes / hora.
Por lo tanto, el servidor atiende en promedio a 10 clientes / hora.
 Modelo 2: Sistemas de colas con va rios servidores

supone que existen dos o más servidores atendiendo a los clientes o usuarios, sin ningún
tipo de restricción en el acceso al sistema.
FORMUL LAS UTIILIZADAS: :

Además de las fórmulas 7, 8 y 9 especificadas en el modelo 1, las fórmulas
aplicables a este modelo son las siguientes.
1. Probabilidad de que el sistema esté desocupado.
Po = 1 .
k-1
 1 * (/ )n + 1 * (/ )k  k .
n=0 n! k! k - 
2. Longitud promedio del
sistema.
* (Po) + 
Ls = () (/ )K. 
(k-1)! (K - )2
3. Longitud promedio de cola.
Lq = L s -   .

4. Tiempo promedio de permanencia en el sistema.

Ws = Ls .

5. Tiempo promedio de
cola.
Wq = Lq .

6. Probabilidad de que exista cualquier número de clientes "n" dentro del sistema.
(/ )n * (Po) (Se utiliza cuando: 0 < n < k)

n!
Pn =
(/ )n * (Po) (Se utiliza cuando: k  n  )
k! k(n-k)
Ejemplo Ilustrativo
Una compañía envía sus camiones al taller de mantenimiento propio de la empresa a recibir
mantenimiento de rutina. Los camiones llegan siguiendo un proceso poissoniano a un promedio
de 3.5 camiones por hora. El tiempo de servicio se distribuye exponencialmente con una media
de 15 minutos. Los administradores de la flotilla de camiones estiman que el costo de espera de
un camión es de Q.10/hora. El costo de operación del taller es en promedio de Q.20/camión.
Actualmente es un solo mecánico el que atiende con un salario de Q.15/hora. Sin embargo, la
compañía está considerando la opción de contratar otro mecánico para que el servicio de
mantenimiento sea más rápido y los costos totales disminuyan. Si el taller trabaja en una jornada
de 8 horas diarias de manera continua, ¿recomendaría usted la contratación de otro mecánico
desde el punto de vista del costo total diario?.
Solución:
 = 3.5 camiones / hora.
 = 15 minutos / camión.
Costo Improductivo = Q.10/hora.
Costo de operación = Q.20/camión.
Salario: Q.15/hora.
Jornada de trabajo: 8 horas diarias.
1. Estandarice sus tasas de llegada y de servicio en clientes por hora.
4 min  1 camión * 60 min = 4 camiones

15 min.
camión 1 hr 1 hr.
Por lo tanto,  = 4 camiones / hora.
2. Estandarice sus costos en unidades monetarias por hora.
Costo de Operación = 20 Q. * 
camión
Costo de Operación = 20 Q. * 3.5 camiones

camión
hora
Por lo tanto, el costo de operación = 70 Q./ hora.
3. Una vez se tengan estandarizados los datos proporcionados a las mismas

unidades de medida, se procede a dar solución a los incisos requeridos.
a. Análisis del sistema con un solo mecánico (Modelo 1, K = 1).
Ls =   .
-
Ls = 3.5 .
4 - 3.5
Ls = 7 camiones.

CT = [ (7 * Q.10/hr.) + Q.70/hr. + Q.15/hr.] * 8 horas / día.
CT = Q.1,240.00 / día.
b. Análisis del sistema con dos mecánicos (Modelo 2, K = 2).
Po = 1 .
1 * 3.5 0 + 1 * 3.5 1 + 1 * 3.5 2 (4)(2) .

0! 4 1! 4 2! 4 (4)(2) - 3.5
Po = 1 . = 0.3913
1.875 + 0.680555
Ls = () (/ )K (Po) . + 

(k-1)! (K - )2 
Ls = (3.5 * 4)*(3.5 / 4) 2 * (0.3913) . + 3.5

1! * [ (2)(4) - 3.5) ] 2 4
Ls = 1.08 camiones.

CT = [ (1.08 * Q.10/hr.) + Q.70/hr. + Q.30/hr.] * 8 horas / día.
CT = Q.886.57 / día.
Por lo tanto, se concluye que desde el punto de vista del costo total diario del
sistema, sí se recomienda contratar otro mecánico más para atender el taller
de mantenimiento.
 Modelo 3: Sistemas de colas finitos con un servidor

supone que existe un único servidor atendiendo a los clientes o usuarios y que el sistema
es finito o de cola truncada.

aplicables a este modelo son las siguientes. Dentro de las fórmulas, el símbolo "M"
representa el número máximo de clientes que pueden ocupar el sistema.
1. Probabilidad de que el sistema esté desocupado.

Po = 1- .
1 - (M+1)
2. Longitud promedio del sistema.
Ls =   . - (M+1) (M+1)
1- 1 - (M+1)
Lq = L s – ( 1 – P o )

Ws = Ls .

5. Tiempo promedio de
cola.
Wq = Lq .

6. Probabilidad de que exista cualquier número de clientes "n" dentro del sistema
hasta su capacidad máxima "M".
Pn = Po * n (n = 1 ... M)
7. Tasa efectiva de llegadas ( ): Mide sólo a los clientes que entran al sistema y
son atendidos. La diferencia con la tasa de llegada normal, consiste en que
ésta mide todas las llegadas, sin importar si entran o no al sistema.
 = *(1 - Pn) cuando n = M
8. Pérdida de clientes.
=-
Ejemplo Ilustrativo
Un autobanco ubicado a la orilla de una importante calzada dentro de la ciudad,
tiene una sola ventanilla para atender a sus clientes. Los autos llegan a realizar sus
transacciones a una tasa promedio de 10 por hora. El tiempo de servicio promedio es
de 5 minutos por cliente. El banco tiene problemas de espacio físico en el área de
atención ya que únicamente cabe un máximo de 4 automóviles incluyendo al que es
atendido. Cualquier otro auto que llegue al autobanco y lo encuentre lleno, debe
retirarse debido a que Ley de Tránsito prohíbe la espera sobre la calzada principal. En
base a la información anterior, determine: a) El número de autos que se encuentran
en promedio esperando realizar su transacción; b) El tiempo promedio que un cliente
debe esperar en el sistema; c) La cantidad de clientes por hora que no pueden
entrar al autobanco.
Solución:
 = 10 autos / hora.
 = 5 minutos / auto.
M = 4 autos.
1. Estandarice sus tasas de llegada y de servicio en clientes por

hora. 5 min  12 autos
auto 1 hr.
Por lo tanto,  = 12 autos / hora.
2. Calcule las variables requeridas.

a.
Lq = Ls - (1-Po)
Por lo tanto:
=   . = 10 . = 0.8333
K (1)(12)
Ls =  . - (M+1) (M+1)
1- 1 - (M+1)
Ls = 0.833 . - (4+1) * (0.833) (4+1)

1 - 0.833 1 - (0.833) (4+1)
Ls = 1.64 autos.
Po = 1- . = 1 - 0.833 . = 0.27866

1-(M+1) (1 - 0.833 )
5
Finalmente,
Lq = 1.64 - (1 - 0.27866) = 0.9187 autos.
Por lo tanto, se concluye que el número de autos que se encuentran en cola
esperando realizar su transacción, es a lo sumo 1 auto como promedio.
b.
Ws = Ls .

De donde,
 = *(1 - Pn) cuando n = M
 = *(1 - Pn) cuando n = 4
 = *(1 - P4)
Y además,
P4 = Po * 4 = (0.27866) * (0.8333) 4 = 0.13436
Sustituyendo,
 = 10*(1 - 0.13436) = 8.66 clientes / hora.
Finalmente,
Ws = 1.64 . = 0.1894 horas = 11.36 minutos.
8.66
Por lo tanto, se concluye que el tiempo promedio que un cliente permanece dentro
del sistema es de 11.36 minutos.
c. Pérdida de clientes.
 - 
10 - 8.67 = 1.33 clientes / hora.
Se concluye que la cantidad promedio de clientes por hora que no pueden entrar
al autobanco por estar lleno es a lo sumo de 2 clientes por hora.
 Modelo 4: Sistemas de colas de capacidad finita y va rios servidores

supone que existen dos o más servidores atendiendo a los clientes o usuarios y que el
sistema es finito o de cola truncada.

aplicables a este modelo son las siguientes.
(/ )n * (Po) (Se utiliza cuando: 0 < n < k)

n!
Pn =
(/ )n * (Po ) (Se utiliza cuando: k  n  M)
k! k(n-k)
Lq = (Po) ( / )k () . * 1 - (M-k) - (M-k) ( )(M-k) (1 - )

k! (1 - )2
3. Longitud promedio del sistema.
k-1 k-1
Ls =  nPn + Lq + k * 1-  Pn
n=0 n=0

Ws = Ls .

5. Tiempo promedio de cola.
Wq = Lq .
6. Tasa efectiva de llegadas ().
 = *(1 - Pn) cuando n = M
Ejemplo Ilustrativo
Una pequeña tienda de conveniencia ubicada en los alrededores de una zona residencial,
utiliza dos cajas para efectuar los cobros a los clientes. En el local caben a lo sumo seis
clientes (incluyendo el servicio) debido a lo limitado del espacio físico. A los clientes que
llegan cuando el negocio está lleno se les niega la entrada y se les da por perdidos. Los
clientes llegan a la caja siguiendo un proceso poissoniano a una tasa de 40 clientes por
hora. El tiempo de servicio prestado para cobrarle a cada cliente es de 1.5 minutos.
Determine: a) El tiempo total que un cliente permanece en el sistema; b) La pérdida de
ingresos por hora por aquellos clientes que no pueden entrar a la tienda, si la venta
promedio es de Q.25/cliente.
Solución:
 = 1.5 minutos / cliente = 40 clientes /hora.
M = 6 clientes.
K = 2 cajas.
Venta Promedio = Q.25/cliente.
1. En todo modelo 4, debe encontrar como primer paso, el conjunto de

probabilidades de estado, desde n = 1 hasta la capacidad máxima "M".
Fórmula:
Pn = (/ )n * (P o) (Se utiliza cuando: 0 < n < k)

n! ( 0 < n < 2)
Sustituyendo:
P1 = (40/40) 1 * (P o) = 1Po
1!
Fórmula:
Pn = (/ )n * (Po) (Se utiliza cuando: k  n  M)
k! k(n-k) ( 2  n  6)
Sustituyendo:
P2 = (40/40) 2 * (Po) = 0.5Po

2! 2(2-2)
P3 = (40/40) 3 * (P o) = 0.25Po
2! 2(3-2)
P4 = (40/40) 4 * (P o) = 0.125Po
2! 2(4-2)
P5 = (40/40) 5 * (Po) = 0.0625Po

2! 2(5-2)
P6 = (40/40) 6 * (P o) = 0.03125Po
Hallando P o: 2! 2(6-2)
M
Por lo tanto:  Pn = 1
n=0
Lo que equivale a: Po + P1 + P2 +P3 +P4 +P5 +P6 = 1

Po + 1P0 + 0.5 P0 + 0.25P0 + 0.125P0 + 0.0625P0 + 0.03125P0 = 1
2.96875P0 = 1
P0 = 0.3368
Al sustituir el valor de P 0 en el conjunto de probabilidades de estado que quedaron

anteriormente indicadas, tenemos:
P1 = 0.3368
P2 = 0.1684
P3 = 0.0842
P4 = 0.0421
P5 = 0.02105
P6 = 0.010525
2. Encontrar el valor de las variables necesarias.

= . = 40 . = 0.50
K (2)(40)
Lq = (Po) ( / )k () . * 1 - (M-k) - (M-k) ( )(M-k) (1 - )

k! (1 - )2
Lq = (0.3368) (40/40) 2 (0.5) . * 1 - 0.5 4 - (4) (0.5) 4 (1 - 0.5)

2! (1 - 0.5)2
Lq = 0.27365 clientes.
k-1 k-1
Ls =  nPn + Lq + k * 1-  Pn
n=0 n=0
1 1
Ls =  0P0 + 1P1 + Lq + k * 1-  P0 + P1
n=0 n=0
Ls = (0)(0.3368) + (1)(0.3368) + (0.27365) + 2 * [ 1 - (0.3368+0.3368) ]

Ls = 1.26325 clientes.
 = *(1 - Pn) cuando n = M
 = *(1 - Pn) cuando n = 6
 = *(1 - P6) = 40*(1 - 0.010525) = 39.579 clientes / hora .
Por lo tanto:
Ws = Ls .
Ws = 1.26325 . = 0.0319 horas = 1.915 minutos.

39.579
Se concluye que el tiempo promedio que un cliente permanece dentro de la tienda

es de 1.915 minutos.
La pérdida de clientes está definida por: - 

40 - 39.579 = 0.421 clientes / hora.
La pérdida de ingresos está definida por:
Venta Promedio * (  - )
Q.25/cliente * 0.421 clientes / hora = Q.10.525 / hora.
Se concluye que la pérdida de ingresos por hora por los clientes que no pueden
entrar a la tienda, es de Q.10.525.
 Modelo 5: Sistemas de colas de capacidad finita con
tiempos dependiendo del estado (tasas va riables)

supone que pueden existir uno o más servidores atendiendo a los clientes o usuarios, que
el sistema es finito o de cola truncada y que además, los tiempos de servicio y/o de
llegada son variables, debido a cansancio, mejoras en el servicio conforme se llena el
sistema y otros factores que influyen en el incremento o decremento de la eficiencia en la
prestación del servicio.
FOORM ULAS UTIILIZA DA S: :

Además de las fórmulas 7, 8 y 9 especificadas en el modelo 1 y de las fórmulas 4 y
5 especificadas en el modelo 4; las fórmulas aplicables a este modelo son las siguientes.
Pn =  n-1 * Pn-1
K n

M
Lq =  ( n – K ) * Pn
n=K
3. Longitud promedio del

sistema.
M
Ls =  nPn
n=0

Ws = Ls .

5. Tiempo promedio de cola.
6. Tasa efectiva de llegadas ().

6.1 Cuando  es constante: Wq = Lq .
 = *(1 - Pn) cuando n = M
6.2 Cuando  es variable:

M
 =  nPn
n=0
Ejemplo Ilustrativo
Los clientes llegan a un local pequeño donde se venden refacciones, con un proceso
poissoniano a una tasa media de 30 por hora. En el local caben a lo sumo cuatro
clientes, incluyendo el servicio. Siempre que el negocio está lleno, los clientes que
llegan no pueden entrar y se pierde su compra. El propietario de la tienda es el único
que atiende, y su tiempo de servicio se distribuye exponencialmente. Siempre que
hay un sólo cliente en la tienda el propietario es capaz dar servicio en un tiempo
medio de 5 minutos. Sin embargo, él se vuelve más eficiente conforme el local se va
llenando, ya que reduce su plática con los clientes y logra disminuir por lo tanto, el
tiempo promedio de servicio en 1 minuto por cada cliente que esté formado
esperando servicio. Determine: a) El número esperado de personas que están
simultáneamente en el local; b) El tiempo promedio de servicio por parte del
propietario.
Solución:
1 = 5 minutos / cliente (este tiempo disminuye 1 min. por c/cliente que ingresa al local)
M = 4 clientes.
K=1
Solución:
1. Como primer paso, se estandarizarán las unidades de medida de las tasas de
llegada y de servicio, transformándolas a clientes por minuto.
 = 30 clientes * 1 hora . = 0.50 clientes / min

hora 60 min
 = 5 min / cliente = 1 cliente / 5 minutos = 0.20 clientes / min.
2. Como el número máximo de clientes dentro del sistema es de 4 y los tiempos de

servicio disminuyen 1 min. por c/cliente que ingresa al negocio, entonces se trata de
tasas de servicio variables, quedando los tiempos de la siguiente manera:
No. Clientes en el sistema 1 2 3 4

Tiempo de servicio (Min/ cl) 5 4 3 2
Tasa de servicio (cl/ min) * 0.20 0.25 0.3333 0.50
* La tasa de servicio se calcula mediante la función inversa del tiempo de servicio que se ve disminuido 1 min.
por c/cliente. Es decir que debe hacerse la conversión para cada caso, al igual y como se hizo en el paso
anterior para  = 5 min/cliente; de la misma forma se pocede para 4, 3 y 2 min.
3. Luego de haber estandarizado las unidades de medida y de tener bien

identificados los tiempos de servicio variables, en todo modelo 5, debe iniciarse la
metodología de solución, calculando las probabilidades de estado del sistema,
desde n = 0 hasta n = M. Por lo tanto:
Fórmula:
Pn =  n-1 * Pn-1
K n
 P1 =  0 * P0 = 0.50 . * Po  P1 = 2.50 Po
K 1 (1)*(0.20)
 P2 =  1 * P1 = 0.50 . * (2.50 Po )  P2 = 5 Po
K 2 (1)*(0.50)
 P3 =  2 * P2 = 0.50 . * (5 Po )  P3 = 7.5 Po
K 3 (1)*(0.3333)
 P4 =  3 * P3 = 0.50 .* (7.5 Po )  P4 = 7.5 Po

K 4 (1)*(0.50)
Hallando P o:
M
 Pn = 1
n=0
Por lo tanto:
Po + P1 + P2 +P3 +P4 = 1
Lo que equivale a:
Po + 2.5P0 + 5 P0 + 7.5P0 + 7.5P0 = 1
23.5P0 = 1
P0 = 0.0426
Al sustituir el valor de P 0 en el conjunto de probabilidades de estado que quedaron

anteriormente indicadas, tenemos:
P1 = 0.1065
P2 = 0.2130
P3 = 0.3195
P4 = 0.3195
4. Encontrar el valor de la longitud del sistema para dar respuesta al inciso a)

M
Ls =  nPn
n=0
Desarrollando la fórmula, tenemos:
Ls = (0)(Po) + (1)(P1) + (2)(P2) + (3)(P3) + (4)(P4)
Ls = (0)(0.0426) + (1)(0.1065) + (2)(0.2130) + (3)(0.3195) + (4)(0.3195)
M S
Ls = 2.769 clientes
C
Se concluye que el número promedio de clientes que se
encuentran simultáneamente en el local es a lo sumo de 3 clientes.
5. El inciso b) del problema, plantea la interrogante de cuánto será el tiempo

promedio de servicio por parte del propietario. Se interpreta entonces, que debe
buscarse cuánto tiempo pasa un cliente exclusivamente siendo atendido por el
propietario. Por lo tanto, si “Ws” mide el tiempo dentro del sistema y “Wq” mide el
tiempo en cola, entonces se deduce que la diferencia entre ambos tiempos “(Ws –
Wq)”, determina el tiempo específico de servicio por parte del propietario.
Para resolver el inciso, entonces es necesario calcular antes algunas variables

intermedias, necesarias para determinar los valores de “Ws” y “Wq”; tales como: la
tasa efectiva de llegada y la longitud de cola.
Por lo tanto:
 Tasa efectiva de llegada: Como  es constante, entonces se aplica la fórmula 6.1,

así:
 =  ( 1 – Pn) cuando n = M
Sustituyendo el valor de n:
 =  ( 1 – P4) = 0.50 * ( 1 – 0.3195 )
= 0.34025 clientes / min.
 Longitud de cola:
M
Lq =  ( n – K ) * Pn
n=K
Sustituyendo valores de “ n” y “K” en la fórmula, se obtiene:

Cárdenas.
Lq =  (1-1)(P1) + (2-1)(P2) + (3-1)(P3) + (4-1)(P4)
n=1
4
Lq =  (0)(0.1065) + (1)(0.2130) + (2)(0.3195) + (3)(0.3195)
n=1
Lq = 1.8105 clientes
Sustituyendo los valores obtenidos en las fórmulas de “Ws” y “Wq”, se obtiene:
 Ws = Ls . = 2.769 . = 8.1381 min.

0.34025

 Wq = Lq . = 1.8105 . = 5.3211 min.

0.34025

Finalmente:
( Ws – Wq ) = (8.1381 – 5.3211) min
( Ws – Wq ) = 2.817 min.
Se concluye que el tiempo promedio que un cliente pasa específicamente siendo

atendido por el propietario del negocio es de 2.817 min.
CASOS ESSPECIALES: :
La mayor parte de fórmulas están planteadas en función a sistemas de servicio
estables, es decir, donde  < 1. Sin embargo, puede existir el caso de sistemas no
estables cuando las llegadas se presentan con una tasa mayor o igual que lo que el
servidor puede manejar. En este caso, la longitud de cola esperada, aumenta sin
límite y no se presenta un estado estable. Por lo tanto, cuando  = 1 o mayor, y
matemáticamente no pueden aplicarse las fórmulas desarrolladas, se utilizan, las
siguientes fórmulas:
Ls = M/2; Pn = 1 .
( M + 1)
Para todo n = 0 ... M
A continuación encontrará una serie de problemas caso que se le sugiere

estudiar y analizar detenidamente. Resuélvalos desarrollando los modelos de
sistemas de colas que sean aplicables para cada uno y presente las conclusiones
correspondientes.
1. Una empresa debe decidir a quién contratar entre dos mecánicos A y B con el
propósito de reparar las máquinas que se descomponen ocasionalmente. La
frecuencia de daños en las máquinas se sabe que obedece a una distribución
Poisson con una tasa de 1 máquina por hora. La compañía pierde ingresos por
máquina detenida a razón de Q.25/hora. El mecánico a pide Q.20/hora de
salario, mientras que el B pide Q.12/hora. De acuerdo a mediciones efectuadas,
el mecánico a es capaz de reparar las máquinas a una tasa de 1.8 máquinas por
hora; mientras que B repara 1.2 máquinas por hora. Desde el punto de vista del
costo total por hora, ¿a cuál de los dos mecánicos recomendaría contratar?
2. Se sabe que ciertos camiones llegan a un taller de mantenimiento que es

atendido por dos mecánicos siguiendo un proceso poissoniano a razón de 8 por
hora. La distribución del tiempo de servicio se aproxima en forma exponencial
con una tasa promedio de 5 minutos. Los administradores de la flotilla de
camiones estiman que el costo promedio de espera de un camión es de Q.10 por
hora. El costo del servicio es en promedio de Q.20 por unidad. Calcule el costo
total diario del sistema si cada día hábil es de 8 horas.
3. El patrón de llegadas de automóviles a la fila única de una ventanilla bancaria

de atención a automovilistas, es un proceso poissoniano con una tasa media de
uno por minuto. Aparentemente los tiempos de servicio se distribuyen
exponencialmente con una media de 45 segundos. Considerando que cada
auto que llega esperará tanto como sea necesario, Determine: a) El número
promedio de autos que esperan servicio; b) La cantidad de tiempo de espera por
el servicio, que un cliente debería estimar; c) El tiempo medio en el servicio para
un cliente; d) La probabilidad de que exista una línea de espera.
4. Los trabajadores de una fábrica tienen que llevar su trabajo al departamento de

control de calidad antes de que el producto llegue al final del proceso de
producción. Hay un gran número de empleados y las llegadas son
aproximadamente de 20 por hora, siguiendo un proceso de Poisson. El tiempo
para inspeccionar una pieza sigue una distribución exponencial con una media
de 4 minutos. Determine el número medio de trabajadores en el control de
calidad, si hay: a) 2 inspectores de calidad; b) 3 inspectores de calidad.
5. En cierta oficina de servicios estatales, las llamadas telefónicas son atendidas

por una sola persona operadora, quien tiene capacidad para conservar en
espera únicamente dos llamadas en espera cuando está ocupada con otra. Si
las tres líneas están ocupadas, quien realiza una llamada recibe una señal de
ocupado. Las llamadas se reciben de acuerdo a un proceso poissoniano, con
una tasa media de 20 por hora. Una vez que se logra contacto con la operadora,
la duración de una llamada se distribuye exponencialmente, con una duración
media de 1 minuto. Determine: a) La probabilidad de que una persona que
realiza una llamada, reciba señal de ocupado; b) La probabilidad de que una
persona que llama, permanezca en espera; c) La probabilidad de que una
persona que llama, hable de inmediato con la operadora.
6. Una compañía de transportes envía sus furgones a su taller de mantenimiento

cada cierto tiempo. Las instalaciones del taller están abiertas las 24 horas del día
y son atendidas por tres cuadrillas de tres hombres cada una. El tiempo que toma
dar el servicio a un furgón se distribuye exponencialmente, con una media de 5
horas. Los furgones llegan a las instalaciones siguiendo un proceso poissoniano
con una tasa media de 12 por día. Sin embargo, los conductores tienen
instrucciones de no entrar a las instalaciones si ya hay ahí 5 furgones, en cuyo
caso regresan a la administración para recibir instrucciones. Determine: a) El tiempo
total que permanece un furgón en el proceso de mantenimiento; b) El costo total
diario para la compañía si el costo improductivo por hora de estar en las instalaciones
de mantenimiento es de Q.5 por furgón y cada mecánico del taller gana Q.3 por hora;
c) La pérdida diaria para la compañía, si el costo d enviar un tractor a las
instalaciones y que regrese sin servicio es de Q.50.00.
7. Cierto restaurante de comida para llevar tiene espacio para un máximo de cinco
clientes. Durante la época de invierno, sucede que cuando los clientes llegan y el
local está lleno, prácticamente ninguno espera el servicio por la fría temperatura
exterior y se va a otro establecimiento. Los clientes llegan al restaurante de
acuerdo a un proceso poissoniano, con una tasa media de 15 por hora. El
restaurante atiende clientes a una tasa promedio de 15 por hora, con una
distribución exponencial. El servicio lo brinda únicamente el propietario del
negocio, quien se ocupa de los clientes de acuerdo al orden que llegan.
Determine: a) el número promedio de clientes en el restaurante en cualquier
momento dado; b) el tiempo estimado que un cliente deberá esperar por el
servicio; c) la tasa esperada a la cual se pierden ingresos debido al espacio
limitado del restaurante, si la cuenta promedio es de Q.10.00 por cliente.
8. Una tienda de dulces típicos es operada por una sola persona, el propietario. El
patrón de llegadas de clientes durante los sábados se comporta siguiendo una
distribución de poisson, con una tasa promedio de llegadas de 10 personas por
hora. A los clientes se les atiende siguiendo una distribución exponencial con un
tiempo promedio de servicio de 4 minutos por cliente. Determine: a) la
probabilidad de que haya una línea de espera; b) la longitud promedio de la
línea de espera; c) el tiempo esperado de permanencia en la línea de espera
por el cliente.
9. La agencia bancaria ubicada dentro de las instalaciones de la Universidad, tiene

regularmente dos receptores-pagadores igualmente eficientes y con capacidad
de atender un promedio de 60 operaciones-cliente por hora. Se tiene estipulado
que los tiempos de servicio están distribuidos exponencialmente. Los estudiantes
del campus central llegan a la agencia bancaria siguiendo un proceso
poissoniano a una tasa promedio de 100 por hora. Determine: a) la probabilidad
de que existan más de tres estudiantes simultáneamente en la agencia bancaria;
b) la probabilidad de que uno de los receptores-pagadores este ocioso.
10. Cierta tienda de abarrotes tiene dos cajas de pago para efectuar los cobros a los
clientes. En el local caben a lo sumo seis clientes incluyendo el servicio, debido a
lo limitado del espacio. A los clientes que llegan cuando el negocio está lleno se
les niega la entrada y se les da por perdidos. Los clientes llegan a la caja
siguiendo un proceso poissoniano a una tasa de 40 clientes por hora. El tiempo de
servicio prestado para cobrarle a cada cliente es de 1.5 minutos. Determine: a) El
tiempo total que un cliente permanece en el sistema; b) La tasa de pérdida de
ingresos por hora si cada cliente gasta en promedio $25.00.
11. Un mecanógrafo copia una carta en un tiempo medio de 8 minutos, el cual está
distribuido exponencialmente. Si el 40% de su tiempo lo dedica el mecanógrafo a
realizar otras actividades, determine cuántas cartas diarias se espera que él
escriba.
12. Un aeropuerto puede atender (despegue o aterrizaje) a tres aviones en 2

minutos. Determine cuál debe ser el tiempo medio entre llegadas
(aterrizajes/ despegues) para asegurar que el tiempo promedio de espera sea de
5 minutos como máximo.
13. Las refacciones de la maquinaria de una línea de producción requieren servicio

menor a una tasa de 10 por hora. Se puede comprar dos tipos de equipos para
dar servicio. El tipo A consiste en dos unidades y podría atender 6 refacciones
por hora. El tipo B consiste en una sola unidad con una tasa de 12 por hora.
Compare el tiempo esperado en el sistema y el número de refacciones esperado
en el
sistema para ambas alternativas y concluya sobre el equipo más conveniente a
comprar.
14. En una oficina de arquitectura, un dibujante digitaliza los planos y diseños de tres
arquitectos. Una digitalización de un plano requiere en promedio 30 minutos con
un comportamiento exponencial. Un arquitecto produce un plano o diseño
aproximadamente cada 3 horas. Determine: a) El tiempo que debe esperar un
plano o diseño que es trasladado al dibujante para ser comenzado a
digitalizarse; b) El tiempo promedio que tarda un plano específicamente en el
proceso de digitalización.
15. Una tienda de artículos de canasta básica tiene dos cajas para recibir los pagos
por la mercadería. Cuenta con un cajero de tiempo completo para efectuar los
cobros los clientes. En el local caben sólo seis clientes debido a lo limitado del
espacio. Los clientes que llegan cuando la tienda está llena no pueden entrar y
se les da por perdidos. Los clientes llegan con un proceso poissoniano a una tasa
de 40 por hora. Cuando únicamente hay un cliente en la caja, el servicio es
prestado solo por el cajero de tiempo completo con un tiempo medio de 1.5
minutos. Sin embargo, otro cajero tiene instrucciones de atender la otra caja
siempre que haya más de un cliente en el local. Esto reduce en dos segundos el
tiempo de servicio por cada cliente que llega a la tienda. Determine: a) Tiempo
total que un cliente permanece dentro de la tienda; b) La tasa de pérdida de
ingresos si cada cliente gasta en promedio $25.00.
16. La llegada de los operarios al almacén de materiales tiene una distribución

poisson. Los tiempos de servicio están distribuidos exponencialmente. La
velocidad de las llegadas promedia 45 empleados por hora, mientras que el
dependiente de almacén puede dar servicio a un promedio de 50 operarios por
hora. Si los operarios ganan Q.12.00 por hora y cada dependiente de almacén
gana Q.8/hora; determine el número óptimo de dependientes que deben
colocarse para atender el almacén desde el punto de vista del costo total por
hora.
17. El encarado de mantenimiento industrial en una planta de producción, atiende

los servicios menores que son requeridos con un comportamiento poissoniano
por las máquinas a una tasa de 2 horas. El tiempo promedio que toma realizar el
servicio es de 10 minutos. La maquinaria está funcionando todo el tiempo a
menos que sea detenida para el mantenimiento indicado. Determine cuál es la
proporción de utilización de la maquinaria.
18. Los pacientes llegan a una clínica con una tasa media de 5 por hora, con los
tiempos entre llegadas consecutivas con distribución poisson. Hay un médico
especialista que atiende toda la jornada pero sólo 4 sillas para espera cuando el
médico está ocupado. Cualquier otro paciente que llega cuando la clínica está
llena, se le da cita para otro día. El tiempo de servicio se distribuye
exponencialmente con una media que cambia según el número de pacientes,
así:
Número de pacientes en la clínica 1 2 3 4 5
Tiempo medio de atención (Min/ paciente) 9 10 10 13 20
Determine: a) el número medio de pacientes esperando ser atendidos; b) tiempo
promedio estimado para un paciente esperando ser atendido; c) porcentaje de
tiempo que el médico especialista permanece ocioso.
19. Una compañía internacional de aviación tiene cuatro aviones comerciales del
tipo Jumbo 747. Se han tabulado durante años los fallos ocurridos en las
turbinas. Los datos indican que el tiempo promedio entre fallos consecutivos es
de un año
(365) días. El tiempo medio de revisión y arreglo del fallo es de 45 días. Solamente
se cuenta con un equipo humano de expertos para dar servicio y se proporciona
bajo la política de primeo que entra en taller, primero que se repara. Durante el
periodo de mantenimiento, el avión no vuela. Determine: a) Conjunto de
probabilidades de estado del sistema; b) cantidad media de aviones que
esperan ser reparados; c) tiempo promedio que tarda un avión para entrar
específicamente a revisión y arreglo de fallos.
20. En el cruce fronterizo entre Guatemala (A) y El Salvador (B), la línea de tráfico de
A a B se bifurca en cinco puestos de inspección migratoria y aduanera. Las
llegadas de vehículos tienen una distribución poisson con 15 llegadas por hora,
mientras que el número de servicios tiene una distribución exponencial con 8
servicios por hora. Por política gubernamental, no existe prioridad de trato, así
que los puestos migratorios y aduaneros proporcionan servicio a medida que se
desocupan. Determine: a) Probabilidad de que el sistema esté vacío; b) cantidad
de vehículos promedio que esperan pasar a un puesto de inspección; c)
cantidad de vehículos que se encuentren en promedio en el cruce fronterizo; d)
tiempo promedio de espera por vehículo previo a ser atendido; e) tiempo
promedio que invierte un vehículo en el cruce fronterizo; f) analizar todas las
variables anteriores si se decide suprimir tres puestos fronterizos de inspección.
21. La Municipalidad de Guatemala tiene registros que indican que los nacimientos
en la ciudad capital presentan una distribución poisson a razón de 1 nacimiento
cada 7 minutos. Determine: a) El número de nacimientos estimados en la ciudad
al término de un año; b) la probabilidad de emitir 45 actas de nacimiento al final
de un periodo de 3 horas, si de hecho ya fueron emitidas 35 actas durante las
primeras dos horas.
CAPÍTULO IX
SIMULACIÓN
 Concepto
roceso matemático que tiene como objetivo desarrollar un modelo
“simulado” de una situación real, originado de un muestreo estadístico y

probabilístico.
En los últimos años se han desarrollado técnicas para probar los resultados de
decisiones empresariales a través de la simulación en un ordenador.
Las computadoras tienen la ventaja que pueden manipular grandes

cantidades de datos con rapidez; sin embargo, el procedimiento básico de una
simulación es independiente de la manera como se realicen los cálculos.
La simulación juega un papel importante en los estudios de Investigación de

Operaciones ( IO ). El equipo de IO se dedica a desarrollar un diseño para algún sistema
estocástico. Algunos de estos sistemas estocásticos recuerdan los ejemplos de cadenas
de Markov y líneas de espera. Por todo esto, un modelo de simulación sintetiza el sistema
mediante los distintos eventos que ocurren dentro de él.
La simulación implica construir una replica de algún sistema real y usarlo bajo
condiciones de prueba. En Administración, los modelos matemáticos se construyen y se
utilizan para comprobar los resultados de decisiones antes de aplicarlas en la realidad.
De forma general cualquier planteamiento de un problema de decisión de negocios
podría llamarse una simulación, ya que representa o simula algunos aspectos del
problema real.
Los modelos de simulación enmarcados dentro de este concepto, difieren de otros

modelos matemáticos, en tres aspectos:
1. Los modelos de simulación no suelen estar diseñados para encontrar la mejor

solución o solución óptima como en la programación lineal. En este caso se
evalúan varias propuestas y se toma la decisión con base en una comparación de
los resultados.
2. Los modelos de simulación suelen enfocarse en operaciones detalladas del

sistema, bien sean físicas o financieras. En el sistema, se estudia la manera como
funciona a través del tiempo y se incluyen los efectos de los resultados de un
período sobre el siguiente.
3. En los modelos de simulación se incluyen elementos aleatorios o probabilísticos,

que incluyen ejemplos de sistemas de colas, de inventario, y modelos de análisis
de riesgo, llamados simulación Monte Carlo.
Cuando es necesario usar simulación como parte de un estudio de

investigación de operaciones, es común que vaya precedida y seguida de los
mismos pasos del diseño al que simulará. Entonces, aunque la simulación tiende a ser
un proceso relativamente caro con frecuencia es el único enfoque práctico para un
problema.
Más que describir el comportamiento global de un sistema directamente, el
modelo de simulación describe la operación del mismo en términos de los eventos
individuales de cada uno de los componentes del sistema. Entonces la simulación
proporciona un medio para dividir el trabajo en componentes más pequeños que se
pueden formular con mayor facilidad y después combina estos componentes en su orden
natural.
Así la simulación, en general no es otra cosa que la técnica de realizar

experimentos de muestreo sobre el modelo del sistema. Los experimentos se llevan a
cabo en el modelo en lugar de hacerlo en el propio sistema real ya que esto último
resultaría inconveniente, muy caro y muy tardado. Por lo demás los experimentos
simulados deben considerarse en esencia iguales a los experimentos estadísticos
comunes, por lo que también deberán tener como fundamento la teoría estadística
formal.
Para ilustrar estas diferencias, consideramos la construcción del modelo de

una fábrica que elabora una serie de productos. Un modelo de programación lineal
podría desarrollar la mezcla de producto óptima. Un modelo de simulación más
detallado podría relacionarse con las cuestiones específicas de cuál debe ser la
programación de la fábrica para lograr la mezcla de productos deseada, tomando
en cuenta los períodos de configuración de las máquinas, el tiempo de espera antes
del procesamiento y otros detalles que no pueden incluirse en la formulación de
programación lineal.
 Formulación e implantación de un modelo de simulación
Construcción del modelo.
El primer paso en un estudio de simulación es elaborar un modelo que represente

el sistema que se va a investigar.
Este paso requiere que la persona analista esté ampliamente familiarizada con las
realidades operativas del sistema y con los objetivos de estudio. Dado este requisito tal
vez la persona analista intente reducir el sistema real a un diagrama de flujo lógico.
El sistema queda entonces dividido en un conjunto de componentes que se

encuentran unidos por un diagrama de flujo maestro, donde los componentes se pueden
dividir en subcomponentes, y así sucesivamente. En última instancia, el sistema se
descompone en un conjunto de elementos para los que se pueden establecer las reglas
de operación.
Después de especificar los elementos, las reglas y las uniones lógicas, es

necesario que el analista pruebe el modelo en forma exhaustiva, parte por parte.
También pueden probarse las componentes individuales del modelo para verificar
que su desempeño interno sea razonablemente congruente con la realidad.
Cuando no se puede predecir con exactitud el comportamiento de un

elemento dado el estado del sistema, es mejor generar observaciones aleatorias de
las distribuciones de probabilidad, que usar promedios para simular el funcionamiento
de este elemento.
Al construir los bloques de un modelo de simulación, un paso importante es
la definición del estado del sistema. El estado debe incluir la información relevante
sobre el estado actual del sistema de manera que, al generar la evolución simulada
a partir de este estado, se obtenga una representación fiel de su comportamiento
 Generación de números aleatorios
Al poner en práctica un modelo de simulación se necesitan números aleatorios

para obtener observaciones aleatorias a partir de distribuciones de probabilidad. Un
método para generar estos números consiste en utilizar un dispositivo físico como un
disco que da vueltas o un aleatorizador electrónico. De esta manera se han
generado varias tablas de números aleatorios, entre las que se cuenta una que
contiene un millón de dígitos aleatorios, publicada por la Rand Corporation.
Al realizar una simulación en la computadora, los números aleatorios que se

necesitan casi siempre se generan directamente en ella usando un generador de números
aleatorios, esto es un algoritmo que produce sucesiones de números que siguen una
distribución de probabilidad especificada y que poseen la apariencia de aleatoria.
Los números aleatorios se pueden dividir en dos categorías principales:
1. Numero aleatorio ENTERO, es una observación aleatoria de una distribución

uniforme discreta sobre un rango de valores.
2. Número aleatorio UNIFORME, es una observación aleatoria a partir de una

distribución uniforme continua en un intervalo a, b.
 Simulación Probabilística
En muchas situaciones, la incertidumbre es una parte clave de las operaciones del

sistema, y es importante tomar en cuenta en el modelo esta condición aleatoria.
Los problemas de línea de espera pueden analizarse construyendo un modelo de

simulación de esta clase. Cuando puede resolverse de manera adecuada el problema con
métodos matemáticos, por lo general, es preferible hacerlo de ese modo. Sin embargo
hay muchas situaciones de colas que no pueden resolverse con facilidad con las
matemáticas y, por tanto se vuelve a la simulación.
El uso de la simulación no está restringido a los procesos de colas. Muchas fases

de operaciones de negocios han sido simuladas con resultados satisfactorios.
 Simulación y computadoras
En una aplicación real, se construiría un modelo por computadora para realizar

el análisis. En la actualidad existen varios paquetes de simulación disponibles para las
computadoras con capacidad para construir modelos muy complejos, generar
valores al azar a partir de un amplio rango de distribuciones estadísticas acumuladas,
y para generar resúmenes de los resultados. Incluso muchos tienen una interfaz
gráfica de usuario y animación, que permite que el usuario observe la simulación
cuando ésta ocurre.
 Principales aplicaciones
Aunque la simulación es una herramienta útil para el manejo de colas o líneas de

espera, inventarios, análisis de riesgos y otros problemas, quizás su mayor contribución se
encuentra en el análisis de sistemas complejos.
Muchos sistemas del mundo real involucran sistemas integrados por gran
cantidad de componentes que se interrelacionan. El sistema puede ser dinámico y
cambiar con el paso del tiempo y pueden incluir eventos probabilísticos o inciertos. La
simulación puede ser la única técnica par el análisis cuantitativo de dichos
problemas.
En términos generales, las aplicaciones destacadas son:
_ Diseño de reactores nucleares

_ Radioterapia contra el cáncer.
_ Densidad y flujo de tráfico aéreo, vehicular y otros.
_ Evolución estelar.
_ Econometría.
_ Pronóstico del índice de la bolsa.
_ Prospecciones en explotaciones petrolíferas.
_ Física de materiales
_ Ecología
_ Criptografía., etc.
 Tipos de simulación
 Modelos continuos : su comportamiento cambia continuamente con el tiempo.

 Modelos discretos: su comportamiento cambia sólo en instantes concretos de
tiempo.
 Modelo de simulación estática: es una representación de un sistema en un

instante del tiempo determinado.
 Simulación dinámica: es una representación de un sistema cuando evoluciona

con el tiempo.
 Modelo de simulación determinista: no contiene variables aleatorias.
 Modelo de simulación estocástica: contiene una o más variables aleatorias.
 Proceso General de Simulación
 Enunciado explícito de los objetivos que se persiguen.
 Creación del modelo y reunión de datos.
 Diseñar un programa de ordenador para el modelo.
 Verificar el programa
 Validar el modelo.
 Utilizar el modelo para experimentar y contestar a las preguntas iniciales.
 Reunir, procesar y analizar los datos generados como soluciones del modelo y en
términos de validez y confiabilidad estadística.
 Método Monteca rlo
Es un método probabilístico que sugiere la generación de números aleatorios

(random) para el análisis de los datos del modelo simulado. Esto se logra a través de
la tabulación de frecuencias de ocurrencia de determinado evento, del cálculo de
su probabilidad de ocurrencia y de la probabilidad acumulada de dicho evento.
A partir de la probabilidad acumulada, se deben generar los números aleatorios

mediante tablas estadísticas de números “Random”, o bien, mediante programas de
software que generan estos valores aleatorios de probabilidad. Generalmente es más
confiable utilizar un programa debido a que en las tablas suelen ser muy pocos los
números aleatorios y se tiende a dar muy poca diferencia de resultados.
La generación de números aleatorios se realiza con el fin de identificar los rangos

de probabilidad donde fluctúa el comportamiento del evento en estudio.
El método fue llamado así por el principado de Mónaco por ser la capital del juego
de azar, al tomar una ruleta como un generador simple de números aleatorios.
El nombre y el desarrollo sistemático de los métodos Montecarlo datan

aproximadamente de 1944 con el desarrollo de la computadora electrónica. Sin
embargo hay varias instancias anteriores a 1944.
El uso real de los métodos Montecarlo como una herramienta de investigación

viene del trabajo de la bomba atómica durante la Segunda Guerra Mundial. Este
trabajo involucraba la simulación directa de problemas probabilísticos de
hidrodinámica concernientes a la difusión de neutrones aleatorios en material de
fusión.
Algunas variantes del Método Montecarlo se usan para resolver problemas muy
diversos. De todas ellas en el caso de los cálculos computacionales relacionados con
sistemas moleculares, los más importantes son:
1. Método Clásico: aplicación de distribuciones de probabilidades.
2. Método cuántico: uso de trayectorias aleatorias para calcular funciones de onda

y energías de sistemas cuánticos.
3. Método de la integral a lo largo de la trayectoria: cálculo de las integrales de la

mecánica Estadística Cuántica para obtener propiedades termodinámicas y
constantes cinéticas.
4. Método Volumétrico: uso de números aleatorios y cuasi aleatorios para generar

volúmenes moleculares.
5. Método de simulación: uso de algoritmos aleatorios para generar las

condiciones iniciales de la simulación de trayectorias cuasi clásicas para introducir
efectos estocásticos en dinámica molecular.
 Método Gráfico de Montecarlo
Existen varios métodos de simulación. Uno de ellos es el método Gráfico de

Montecarlo, el cual se basa en la construcción de un histograma de probabilidades
acumuladas de un evento en particular, para determinar los rangos donde caen los
números aleatorios generados y para inferir sobre el comportamiento patrón que sugiere el
modelo simulado para el evento en estudio.
Sin embargo, es factible omitir la construcción del histograma siempre y
cuando se construyan acertadamente los rangos de probabilidad acumulada en
una tabla diseñada adecuadamente.
La Municipalidad de Guatemala cuenta con información relacionada con la

recolección de basura en la ciudad capital. En la siguiente tabla se presentan las
toneladas de basura que cada día han sido recolectada para un periodo de 100
días. A partir de esta información, se debe realizar un proceso de simulación para 10
días de recolección de basura y concluír sobre la cantidad de toneladas de basura
que se esperan recolectar en un día específico.
Toneladas de Basura Frecuencia de

recolectadas por día ocurrencia
10 6
20 10
30 13
40 22
50 26
60 18
70 5
TOTAL: 100
Solución:
1. Cálculo de probabilidades de ocurrencia y probabilidad acumulada:
Toneladas Frecuencia de Probabilidad Probabilidad
de Basura ocurrencia acumulada
por día
10 6 0.06 0.06
20 10 0.10 0.16
30 13 0.13 0.29
40 22 0.22 0.51
50 26 0.26 0.77
60 18 0.18 0.95
70 5 0.05 1.00
TOTAL: 100
2. Construcción del histograma de probabilidades acumuladas
Método Gráfico Montecarlo

1,2
1
0,95
1
0,77
0,8
0,6 0,51
0,4 0,29
0,16
0,2
0,06
0
Eje "X", Variable de Medición
10 20 30 40 50 60 70
3. Generar números aleatorios por tabla o por programa. Para este caso, se utilizará
la tabla de Números Aleatorios del Apéndice “ D” para llevar a cabo el proceso de
simulación.
Estos valores son producto del azar y por lo tanto, no existe un orden específico que
deba seguirse siempre. Es por ello, que con el fin de estandarizar resultados y para
efectos didácticos, se suele utilizar una columna específica de la tabla, esta
columna se le indica como dato al estudiante o lector para que utilice los valores
contenidos en ésta, como los números aleatorios del proceso.
En la práctica, generalmente no basta un proceso corto como el ejemplo en

estudio, es decir, que 10 días no son suficientes para concluir sobre un
comportamiento esperado. El modelo simulado debe analizarse durante un
tiempo prudencial para ir observando el comportamiento que más se repite a lo
largo del tiempo para poder concluir y tomar una decisión acertada.
Para este ejemplo se tomarán como números aleatorios los valores de la columna 3
de la tabla del apéndice D.
Día No. Aleatorio

1 0.57714
2 0.16955
3 0.67223
4 0.19399
5 0.02150
6 0.11649
7 0.67846
8 0.35595
9 0.84752
10 0.40610
4. Construir Rangos de Números Aleatorios:
Toneladas de Basura Frecuencia de Probabilidad Probabilidad Rango de números

recolectadas por día ocurrencia acumulada aleatorios
10 6 0.06 0.06 0 - 0.06

20 10 0.10 0.16 0.0601 - 0.16
30 13 0.13 0.29 0.1601 - 0.29
40 22 0.22 0.51 0.2901 - 0.51
50 26 0.26 0.77 0.5101 - 0.77
60 18 0.18 0.95 0.7701 - 0.95
70 5 0.05 1.00 0.9501 - 1.00
TOTAL: 50
Los rangos de números aleatorios no son más que intervalos de valores de
probabilidad en donde los valores superiores de cada rango son las probabilidades
acumuladas que definen el límite de cada uno. Los valores inferiores se crean
agregando una fracción muy pequeña al límite superior del rango anterior. Esto con
el fin de convertir los valores discretos de probabilidad, a valores continuos.
Generalmente se suman valores: 0.001 o 0.0001.
4. Ubicar cada número aleatorio obtenido, en el histograma de probabilidades

acumuladas (eje y); o bien, se pueden ubicar dentro de los rangos de números
aleatorios que fueron construidos en el paso anterior. Al ubicar cada número, se
obtienen las toneladas de basura esperadas para cada día (eje x), de donde se
obtiene:
Día No. Aleatorio Toneladas

1 0.57714 50
2 0.16955 30
3 0.67223 50
4 0.19399 30
5 0.02150 10
6 0.11649 20
7 0.67846 50
8 0.35595 40
9 0.84752 60
10 0.40610 40
Es importante mencionar que la metodología de solución no exige

necesariamente construir el histograma y la tabla con rangos de números aleatorios
de manera simultánea. Para la solución, puede optarse por resolver únicamente por
histograma (Método Gráfico de Montecarlo), o bien, únicamente por rangos de
números aleatorios (Método Montecarlo).
En el presente ejemplo se optó por ilustrar ambos casos dentro del mismo ejercicio
para que pueda observarse que el resultado es exactamente el mismo.
5. Tabular las frecuencias de ocurrencia de los datos obtenidos:
Toneladas Frecuencia
10 1
20 1
30 2
40 2
50 3
60 1
70 0
6. Concluir a partir de los resultados obtenidos. Donde se encuentre la frecuencia

mayor, corresponde la cantidad esperada de toneladas de basura para un día
específico.
Conclusión: Para una muestra de 10 días, se espera que en un día específico, la

Municipalidad de Guatemala, recolecte 50 toneladas de basura.
1. En una fábrica las descomposturas en las máquinas se presentan de acuerdo a la

tabla que se presenta a continuación. Los resultados fueron obtenidos de un
muestreo de 50 máquinas. El objetivo consiste en simular 10 días de trabajo para
determinar el tiempo esperado entre descomposturas por máquina. Utilice la
columna 9 del apéndice D.
Tiempo entre Frecuencia de

descomposturas (min.) ocurrencia
2 8
3 10
4 5
5 7
6 11
7 9
TOTAL: 50
2. En el siguiente conjunto de datos se expresa la demanda diaria de un artículo
específico. Este artículo es el principal producto que se vende en un negocio. El
administrador de la tienda lo compra a Q.25.00 c/u y lo vende a Q.40.00/unidad.
Lo que no se vende se puede devolver, obteniendo un reembolso de Q.5.00 por
unidad. El objetivo consiste en simular 12 días de operación del negocio para
determinar la utilidad esperada al término de este periodo, así como la utilidad
promedio diaria proveniente del producto, asumiendo que se puede vender el
90% de la demanda. Utilice la columna 2 de la tabla del apéndice D.
Demanda Frecuencia de
diaria ocurrencia
45 5
46 20
47 35
48 50
49 30
50 10
TOTAL: 150
3. El aeropuerto de la ciudad de Flores, Petén, se enfrenta al problema de que el

tráfico de aviones tiene una tendencia a duplicarse. En la actualidad, su única
pista es suficiente para manejar el tráfico en forma satisfactoria. Sin embargo, las
autoridades se preguntan si será necesaria otra pista en el momento que el tráfico
aéreo se duplique. Durante los periodos pico, los tiempos de llegada de los
aviones para despegues y aterrizajes ocurren con las siguientes probabilidades:
Tiempo de llegadas para Probabilidad de

despegues o aterrizajes ocurrencia
(Min)
6 0.5
7 0.25
8 0.1
9 0.1
10 0.025
11 0.025
TOTAL: 1
Un aterrizaje o un despegue dura en promedio 5 minutos. El aeropuerto no quiere que
existan más de 4 aviones esperando acceso a la pista. Con base en la información
disponible, realice un proceso de simulación para 1 hora de demanda pico a partir de
las 07:00 AM, suponiendo que la tasa de tráfico aéreo de hecho se ha duplicado y que
al inicio del proceso de simulación (7:00 AM) comienza el primer despegue/ aterrizaje.
Concluya sobre la necesidad de habilitar otra pista. UTILICE LA COLUMNA 3 DE LA
TABLA DE # ALEATORIOS.
4. La Superintendencia de Administración Tributaria, se enfrenta al problema de que

la afluencia de contribuyentes a una de sus agencias recién inaugurada, tiene una
tendencia creciente. En la actualidad, atiende únicamente una ventanilla a los
usuarios. Sin embargo, el encargado de la agencia desea establecer si será
necesario habilitar otra ventanilla para la atención de contribuyentes si durante los
periodos pico, los tiempos de llegada de los usuarios ocurren con las siguientes
probabilidades:
Tiempo de llegadas Probabilidad de

(Min) ocurrencia
3 0.1
3.5 0.2
4 0.3
4.5 0.2
5 0.1
5.5 0.1
TOTAL: 1
El tiempo de servicio (atención) a un contribuyente dura en promedio 6 minutos. La

política de la agencia consiste en que no deben haber más de 3 contribuyentes
esperando ser atendidos. Con base en la información disponible, realice un proceso de
simulación para 1 hora de demanda pico a partir de las 09:00 AM., suponiendo que
justo a esta hora comienza a ser atendido el primer contribuyente. Concluya sobre la
necesidad de habilitar otra ventanilla de atención. UTILICE LA COLUMNA 4 DE LA
TABLA DE # ALEATORIOS.
5. Los administradores han observado que el tiempo muerto (tiempo de espera) para
que una máquina sea reparada en el área de producción ocasiona pérdidas a la
empresa. Los ingenieros opinan que es posible reducir significativamente el
problema utilizando un número adecuado de personal de mantenimiento. El
salario por hora para el personal de mantenimiento es de $.8.00. El departamento
de producción considera que se pierden $.30 por hora cuando una máquina no
está operando. Esto incluye las utilidades que se pierden así como el costo del
tiempo muerto de los operadores. La empresa necesita determinar el número de
personal necesario para mantenimiento. La información recolectada, es la
siguiente:
Tiempo entre descomposturas:
Tiempo Frecuencia de
descomposturas ocurrencia
15 7
16 14
17 15
18 28
19 36
20 27
21 15
22 8
TOTAL: 150
Tiempos de servicio:
Tiempo servicio (Min) Probabilidad

5 –15 0.05
15 –25 0.25
25 – 35 0.40
35 – 45 0.25
45 – 55 0.05
TOTAL: 1
Cuando ocurre una descompostura se comienza el servicio de inmediato si está
disponible una persona de mantenimiento. Si no lo está, pasa a una línea de espera. Se
dará servicio a las máquinas sobre la base que la primera en llegar es la primera en ser
atendida.
Para el proceso de simulación, la fábrica cuenta con los siguientes números aleatorios
que fueron generados por programa:
Serie de números aleatorios relacionados con las descomposturas:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
.6279 .8234 .5273 .1828 .6383 .1471 .3208 .8224 .6331 .5482 .3445 .4611 .3193 .6273 .4841 .7303 .6203
Serie de números aleatorios relacionados con los servicios (reparaciones):

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
.4446 .6427 .5902 .0318 .5901 .3044 .1699 .5783 .8764 .2161 .3694 .6072 .8224 .1455 .1443 .6255 .4455
Se le pide simular un día de trabajo suponiendo una jornada de 8 horas que empieza
a las 8:00 AM., y que al inicio del día no existen máquinas descompuestas. (No
exceder el proceso de simulación más allá de las 8 horas de trabajo). Determine la
cantidad de máquinas esperando reparación al final del día y cuantifique el costo
total diario, si el mantenimiento estuviera a cargo de un sólo mecánico.
6. Realice un nuevo proceso de simulación con los datos proporcionados en el

ejercicio anterior (#5) con la variante que ahora deberá asumir que son dos los
mecánicos a cargo del mantenimiento. De igual manera determine la cantidad
de máquinas esperando reparación al final del día y cuantifique el costo total
diario. Compare resultados con el problema anterior y concluya sobre la
conveniencia de ubicar uno o dos mecánicos en el mantenimiento desde el punto
de vista del costo total diario.
CASOS DE APLICACIÓN
 C ASO 1: O PTIIM IZA C IÓ N DELL SUM INIST TR RO DE A G UA PO TA ABL LE
El alcalde de la municipalidad de Santa Catarina Pinula, debe proporcionar al menos 10

millones de galones de agua potable diarios a varias aldeas del municipio. Este es un
compromiso adquirido en campaña previo a las elecciones de la alcaldía municipal. Como el
señor alcalde tiene aspiraciones a re-elección, tiene un interés muy especial en cumplir sus
principales promesas de campaña. Para el efecto, cuenta con estudios que limitan las
alternativas de brindar el servicio de agua potable únicamente a dos fuentes de
abastecimiento: 1) Se cuenta con un depósito local; y 2) Se puede utilizar el abastecimiento
desde un municipio aledaño por medio de unas tuberías que interconectan ambos
municipios. Los mismos estudios demuestran que el rendimiento diario máximo del depósito
local es de 5 millones de galones de agua. Tradicionalmente, el municipio vecino ha brindado
agua potable a Santa Catarina Pinula a través de un contrato entre municipalidades, el cual
establece un mínimo de 6 millones de galones de agua al día que deben ser bombeados a
través de las tuberías. Sin embargo, esta municipalidad vecina no tiene capacidad de
abastecer más de 10 millones de galones diarios debido al ancho del diámetro de las
tuberías. Este es un contrato muy inflexible que no podrá modificarse durante los próximos 2
años. Del análisis financiero se sabe que el costo del suministro de agua por el depósito local
asciende a Q.3,000.00 por millón de galones; mientras que el costo del suministro a través de
las tuberías del municipio vecino asciende a Q.5,000.00 por millón de galones.
Los usuarios de la Municipalidad de Santa Catarina Pinula, previo a efectuar los pagos por el
servicio de agua potable, presentan sus quejas por errores en la facturación o inconformidad
con el servicio. De no existir ninguna queja, se cancela directamente en caja, el servicio de
agua del mes. El alcalde también está interesado en minimizar el número de quejas por el
servicio a mediano plazo y, en el corto plazo su objetivo consiste en optimizar los costos del
sistema en esta área de quejas. Para ello se cuenta con estadísticas que demuestran que los
usuarios llegan al área de quejas por el servicio de agua potable a razón de 45 por hora con
un comportamiento de distribución poisson. Los tiempos de servicio están distribuidos
exponencialmente con capacidad de atención de 50 personas por hora. Cada servidor en
esta área devenga un salario de Q.12.50 por hora y el costo por atender una queja se estima
en Q.65.00 por hora (que incluye: el ingreso monetario inmediato que se estaría generando en
la caja de la municipalidad de no existir problema en el servicio, más los costos de operación
en esta área que podrían estar siendo invertidos en una actividad de mayor provecho para la
municipalidad).
Con base en la información anterior, Desarrolle y DETERMINE lo siguiente:
 Formule el problema de suministro de agua como un modelo de programación lineal.

 Resuelva el modelo por el método gráfico.
 Resuelva el modelo por Técnica M.
 Compare resultados obtenidos, comente y concluya
 Indique cuál es la combinación óptima de suministro de galones de agua potable a través
de las alternativas disponibles que debe realizar el alcalde para cumplir su compromiso.
 Cuál es el costo mínimo del suministro diario de agua?
 Identifique variables de holgura, indique sus valores solución y concluya sobre éstas
Recomiende cómo podría mejorarse el servicio de suministro de agua en el municipio en
estudio, a largo plazo.
 Determine el número óptimo de servidores que debe colocar el alcalde en el área de
quejas en el corto plazo. (Recuerde el objetivo del alcalde en el corto plazo).
 A cuánto asciende el costo total diario del sistema optimizado en el área de quejas en la
actualidad.
 Cómo puede el alcalde minimizar el número de quejas en el largo plazo?
 Conclusiones, Recomendaciones y Comentarios generales del caso.
 C A SO 2: C O N SULLTOORE ES S DE M ERRC A DEO , S. .A .
La empresa “ Consultores de Mercadeo, S.A.”, se dedica a brindar asesoría a diferentes

organizaciones del país. Recientemente, un cliente importante contrató a dichos consultores para
que le realicen un estudio de investigación de mercados.
A pesar de que la empresa Consultores de Mercadeo, S.A. tiene experiencia en proyectos de

investigación de mercados, su gerente de mercadeo y ventas considera que cada proyecto
tiene tiempos de duración muy variables debido a las distintas características del producto y
de los recursos disponibles para invertir de parte de cada empresa interesada; por lo que
estableció una estimación basada en proyectos de naturaleza similar a la empresa que los ha
contratado, la cual determina las actividades principales del proyecto de investigación de
mercado y sus duraciones probables por actividad, siendo las siguientes:
ID ACTIVIDAD To Tn Tp Precedencia
A Formulación del problema 0.5 1 2 ----
B Formulación de objetivos e Hipótesis 0.5 1 2 A
C Definición del método de recopilación de 2 3 5 B
datos y diseño de cuestionarios, encuestas
y demás herramientas
D Investigación Preliminar 3 4 11 A
E Trabajo de Campo 4 5 10 C
F Tabulación, Interpretación y Análisis 1 2 3 D,E
G Conclusiones Preliminares 1 2 9 F
H Estudios complementarios y Análisis de 1 4 7 F
Sensibilidad
I Elaboración del informe final 2 3 4 G,H
To = Tiempo optimista; Tn = Tiempo normal; Tp = Tiempo pesimista. Tiempos en semanas.
La empresa contratante le ha indicado a Consultores de Mercadeo S.A. que el informe final

del estudio de investigación de mercados lo necesita a más tardar al término de 18 semanas
a partir de su fecha de inicio.
Como parte del estudio complementario, los consultores deben sugerir una estrategia de
publicidad para el lanzamiento del producto. Para el efecto, se sabe que del producto se
derivarán dos tipos de marcas que tienen como meta influir en su adquisición como mínimo
en el 60% de las familias con ingresos medios y en el 35% de las familias con ingresos altos.
Consultores, S.A. tiene estudios anteriores que la publicidad escrita y la publicidad por TV
resultan más eficaces para este tipo de productos. Asimismo, los estudios indican que la
publicidad por TV llega al 4% de las familias de ingresos altos y al 3% de las familias de
ingresos medios por cada comercial; y que la publicidad por medios escritos llega al 3% de las
familias de ingresos altos y al 8% de las familias de ingresos medios por cada anuncio escrito.
Por lo tanto, la estrategia que sea sugerida debe cumplir con las metas de cobertura deseada
y garantizar que los costos de inversión sean los menores posibles. De acuerdo a los
promedios del mercado, la publicidad por TV tiene un costo de Q.1,800.00 por comercial y la
publicidad por medios escritos tiene un costo de Q.300.00 por anuncio.
Adicionalmente, el gerente de mercadeo desea complementar la estrategia de publicidad

por TV y medios escritos, con una actividad de ventas de campo; por lo que se comprometió
a presentarle una oferta del servicio a su cliente contratante. Por lo tanto, el gerente necesita
determinar la forma en que debe asignar a 4 vendedores en 4 distritos potenciales, de tal
forma que el éxito en las ventas alcanzadas sea máximo. Para el efecto, cuenta con
información basada en el conocimiento de los vendedores, conocimiento del producto,
clientes potenciales y experiencia de los vendedores; de tal forma que las ponderaciones de
éxito en ventas alcanzadas por distrito, en escala de 1 a 10 para cada vendedor, son las
siguientes:
VENDEDOR NORTE ESTE SUR OESTE

PEDRO 10 9 7 9
JOSE 9 9 7 8
JUAN 8 10 8 9
ANTONIO 7 8 8 6
Con la información anterior, determine:
1. Red de actividades
2. Ruta Crítica
3. La Probabilidad de que la empresa Consultores de Mercadeo, S.A. pueda entregar el
estudio de mercado al término de 18 semanas.
4. La duración más aconsejable para la entrega del estudio de mercado.
5. La cantidad de comerciales por TV y de anuncios por medios escritos que debe
sugerir la empresa Consultores de Mercadeo, S.A. a su cliente contratante, para
garantizarle la cobertura de metas en el mercado y la inversión mínima de costo.
6. La asignación que debe realizar el gerente de Consultores de Mercadeo, S.A., para la
actividad de ventas de campo de tal manera que optimice dichas ventas.
7. Conclusiones y Recomendaciones.
 C ASO 3: IN DUSTR RI IAS DE PAPEELL, S. .A .
La empresa “Industrias de Papel, S.A.”, se dedica a la fabricación de diferentes productos y tipos

de papel, así como a la importación de algunos productos especiales relacionados con la industria.
Para la producción cuenta con varias plantas ubicadas en distintas zonas geográficas del país.
Recientemente, un socio mayoritario, decidió adquirir una pequeña corporación conformada por
tres empresas dedicadas a la industria de la impresión y las artes gráficas, las cuales por motivos
de la competencia líder, decidieron su venta. Sin embargo, otro grupo de socios, piensa que no es
conveniente el negocio de la adquisición de estas empresas, debido a que consideran que se
desencadenaría una serie de problemas administrativos y financieros, si se adquieren dichas
empresas. Además, este grupo de socios afirma que la empresa “Industrias de Papel” no necesita
cambiar o ampliar su actividad económica principal.
Todos los socios de “industrias de Papel”, son reconocidos empresarios en el medio y han confiado
en su experiencia acumulada durante muchos años el proceso de toma de decisiones. Sin
embargo, en este caso, están en desacuerdo y por lo tanto han convocado a una reunión con un
grupo selecto de empleados, el cual lo encabeza usted como gerente general y profesional en el
área de la Administración de Empresas.
Durante la reunión, le exponen el caso y le proporcionan la información referente a las

capacidades de las plantas de fabricación de papel, así como de los requerimientos
mensuales de materia prima (papel) que necesitan los tres empresas que se pretenden
adquirir, siendo éstos: 70,000 libras para la empresa 1; 90,000 libras para la empresa 2 y 60,000
libras para la empresa 3. De su experiencia en la empresa, usted puede determinar que las
plantas de papel más cercanas a estas empresas para que funcionen como abastecedoras
de materias primas, son las que identifica como A, B y C, las cuales tienen capacidad mensual
de 80,000 libras de papel; 60,000 libras y 110,000 libras; respectivamente. Asimismo, puede
determinar con alto grado de certeza, que los costos de traslado del papel podría variar
según las distancias a recorrer y los recursos disponibles en cada planta, pero que estaría de
acuerdo a la siguiente información:
De la planta A, el costo de traslado por cada 100 libras hacia la empresa 1, asciende a $1.00;
Hacia la empresa 2, $4.00
De la planta B, el costo de traslado por cada 100 libras hacia la empresa 1, asciende a $2.00;
De la planta C, el costo de traslado por cada 100 libras hacia la empresa 1, asciende a $1.00;
Para la próxima reunión, usted deberá exponer su opinión sobre la conveniencia o inconveniencia
de la adquisición de las empresas; la cual se basará en la información preliminar que le han
brindado. También se le ha solicitado que proponga candidatos para la gerencia de producción de
las tres empresas en mención, pero usted tiene el problema que cuenta con cuatro posibles
candidatos que han rendido con buenos resultados en función a costos bajos de producción y
contribución significativa a la utilidad de la empresa; por lo que
se le dificulta decidir a quién dejar fuera si le interesa asegurar que se obtendrán los
máximos beneficios.
Para el efecto, se ha tabulado la contribución a la utilidad esperada (en miles) por cada candidato,
según la empresa en donde podría desempeñar sus funciones, de acuerdo a registros históricos
del desempeño de los mismos en regiones cercanas:
EMPRESAS
1 2 3
Candidato 1 400 400 375
Candidato 2 325 525 400
Candidato 3 450 575 425
Candidato 4 225 450 500
Con toda la información proporcionada, se le pide que realice:

1. La distribución óptima de traslados de materia prima.
2. El costo óptimo (mínimo) mensual de traslados.
3. La mejor asignación de candidatos a gerencia de producción de las empresas
4. La contribución máxima a la utilidad.
5. Defina una postura preliminar sobre la conveniencia o inconveniencia de la
adquisición de las empresas, basándose en toda la información brindada y a su buen
juicio administrativo. (Justifique)
6. Indique qué otro tipo de información solicitaría para realizar un análisis completo del
caso.
7. Presente las conclusiones y recomendaciones que considere convenientes.
 CASO 4: TEEL LÉF FONOS MÓVILES S,,S. .A. (Proyecto de Automati ización)
La compañía en estudio se dedica a la prestación de servicios de telefonía móvil,

residencial y pública. En la actualidad se encuentra en una fase de crecimiento,
principalmente en el ámbito de la telefonía móvil celular en donde la demanda de este
servicio crece cada día por las ventajas que ofrece y el mejoramiento continuo en la calidad
del servicio.
El departamento de Logística de dicha compañía, es el responsable de la distribución de

los equipos de telefonía móvil celular a los centros de atención al cliente, centros de venta,
distribuidores y centros de atención personalizada; quienes representan los principales clientes de
este departamento.
Para el cumplimiento de los pedidos de sus clientes, el departamento de logística realiza

las siguientes actividades:
1. Recibe el pedido y le asigna un número de reserva

2. Verifica existencias
3. De no contar con existencias, elabora requisición a bodega central.
4. De contar con existencias, envía solicitud al encargado de sistemas para que
proceda a programar la cantidad de terminales requeridas.
5. Asigna número telefónico.
6. Maquila y ensambla
7. Empaca.
8. Efectúa registros en kárdex.
9. Verifica lista de chequeo como parte del control de calidad.
10. Realiza la distribución y entrega del equipo al cliente.
Sin embargo, se desea mejorar el sistema de registro sobre existencias mediante una
automatización que favorezca la fluidez del procedimiento de entregas y despachos a clientes.
PLLANTE EA AM IENTOO DEL L PRO BLEM A
Los datos que se efectúan en kárdex es una combinación de registros manuales con hojas
de cálculo, pero esta actividad se ha vuelto muy lenta y poco confiable, por lo que se pretende
automatizar el sistema de registros de inventario mediante el diseño de un proyecto que incluya la
instalación de equipo nuevo para el procesamiento de información, diseño de una aplicación de
software específica para el manejo de inventario que se convertirá en una bodega virtual,
instalaciones de red, capacitación a los empleados, etc.
Las principales actividades que se tienen establecidas para la implementación del proyecto
de automatización del sistema de registros de inventario de aparatos de telefonía celular, así como
el orden en que pueden ejecutarse y los responsables de su ejecución, son las siguientes:
ID ACTIVIDAD Precedencia Responsable
A Diagnóstico Situacional ---- Analista
B Instalación sistema operativo A Asistente
C Diseño base de datos B Analista
D Programar aplicación en Visual Basic B Programador
E Diseño de reportes del programa C Analista
F Pruebas del programa en red y puesta en marcha D Programador
G Capacitación a usuarios C Analista
H Evaluación de procesos de usuarios y del sistema E,F Programador
I Estadísticas y cambios correctivos G,H Analista,
Programador
Los responsables de la ejecución de cada actividad, son asesores de informática de la

compañía, quienes han venido del extranjero para la implementación, control y seguimiento
del proyecto. Los salarios de estas personas deben ser cubiertos por el presupuesto del
departamento de logística en tanto dure su permanencia por la ejecución de las actividades
asignadas. El monto devengado por cada uno, ha sido pactado de común acuerdo de
forma mensual con el compromiso del avance y finalización del proyecto en el menor tiempo
posible, elaborando reportes semanales de ejecución. El detalle es el siguiente:
 Analista: Q.16,800.00 / mes.

 Asistente: Q.9,600.00 / mes.
 Programador: Q.12,000.00 / mes.
Adicionalmente al costo del salario de los responsables ejecutores, debe
considerarse que para la ejecución de la actividad consistente en la instalación del sistema
operativo, debe invertirse cierta cantidad para la adquisición del hardware y software requerido, el
cual consiste en lo siguiente:
 2 Sistema operativo NT Server 4.0

 1 Paquete de desarrollo Visual Basic 6.0
 1 Reporteador Seagate Cristal Report 8.0
 2 Base de datos SQL Server
 2 Aplicación requerida
 2 Equipos de cómputo HP
 2 Impresoras HP 8150 de 34 ppm
De un estudio de mercado realizado relacionado con los precios del equipo requerido para
la instalación del sistema operativo, se concluyen los siguientes datos:
Canti Descripción Valor Unitario Valor Total Total en Q

dad US$ US$ (*)
2 Sistema Operativo Windows NT Server 4.0 415.00 830.00 6,640.00
1 Paquete de Desarrollo visual Basic 6.0 450.00 450.00 3,600.00
1 Reporteador Seagate Cristal Report 8.0 300.00 300.00 2,400.00
2 Base de Datos SQL Server 7.0 325.00 650.00 5,200.00
2 Aplicación requerida 5,500.00 11,000.00 88,000.00
2 Computadoras HP Compaq Evo 1,000.00 2,000.00 16,000.00
2 Impresoras HP 8150 de 34 ppm 2,500.00 5,000.00 40,000.00
TOTAL COSTO: 20,230.00 161,840,00
* A un tipo de cambio estimado de Q.8.00 por US$1.00
Durante el desarrollo del proyecto, será necesario el arrendamiento de un local vecino

para el trabajo de escritorio del equipo de asesores, así como el arrendamiento equipo
especial de informática que ha sido requerido para poder realizar el trabajo de escritorio y
para la realización de pruebas. De acuerdo a una estimación del gerente de logística, el
costo de arrendamiento total de ambos requerimientos, será de Q.2,000.00 por cada día.
De acuerdo a la experiencia de proyectos de automatización en otros departamentos de la

compañía, se tiene la siguiente expectativa de tiempos de duración por actividad:
ID ACTIVIDAD DURACIÓN (Días)

A Diagnóstico Situacional 17
B Instalación sistema operativo e impresoras 3
C Diseño base de datos 2
D Programar aplicación en Visual Basic 16
E Diseño de reportes del programa 5.5
F Pruebas del programa en red y puesta en marcha 7.5
G Capacitación a usuarios 22
H Evaluación de procesos de usuarios y del sistema 20
I Estadísticas y cambios correctivos 25
Sin embargo, el gerente del departamento de logística considera que la duración
puede resultar muy variable debido a la forma en que se presenten las circunstancias, por lo
que sugiere que los tiempos estimados se consideren como probabilísticos para un tiempo
normal, con las siguientes variaciones probables, como base para la estimación de un tiempo
esperado:
ID ACTIVIDAD Tiempo Tiempo Tiempo

Optimista Normal Pesimista
A Diagnóstico Situacional 15 17 25
B Instalación sistema operativo e impresoras 2 3 10
C Diseño base de datos 1 2 3
D Programar aplicación en Visual Basic 10 16 22
E Diseño de reportes del programa 1.5 5.5 6.5
F Pruebas del programa en red y puesta en 2 7.5 10
marcha
G Capacitación a usuarios 8 22 24
H Evaluación de procesos de usuarios y del 10 20 30
sistema
I Estadísticas y cambios correctivos 20 25 60
Las expectativas de finalización del proyecto por parte de la compañía, es de 75 días

debido a que deben cumplir con la calendarización establecida; por lo que se tiene contemplado
contar finalmente con dos analistas, dos asistentes y dos programadores para la ejecución de las
actividades designadas.
La incidencia esperada en la duración por actividad para el tiempo esperado, con el doble
de recurso humano, es la siguiente:
ID ACTIVIDAD DURACIÓN LÍMITE

A Diagnóstico Situacional 12
B Instalación sistema operativo e impresoras 2
C Diseño base de datos 1
D Programar aplicación en Visual Basic 10
E Diseño de reportes del programa 3
F Pruebas del programa en red y puesta en marcha 4
G Capacitación a usuarios 14
H Evaluación de procesos de usuarios y del sistema 14
I Estadísticas y cambios correctivos 18
Adicionalmente, la compañía tiene la expectativa que mediante la automatización

de sus sistemas de control de inventario, se favorecerá la rapidez en la atención a sus clientes,
por lo que considera que para el siguiente trimestre del año, la demanda en el mercado de
sus dos principales modelos de teléfono celular que promocionará por su costo accesible,
tendrá un alcance máximo de 700 aparatos mensuales para el primer modelo y de 400
aparatos mensuales para el segundo estilo. El tiempo de manufactura y distribución que
requiere el primer estilo por unidad es 120 minutos y de 140 minutos para el segundo estilo;
disponiendo de 105,600 minutos al mes para esta actividad.
La utilidad esperada para el primer estilo es de Q.350.00 por aparato telefónico y de
Q.405.00 por unidad, para el segundo estilo.
El problema consiste en optimizar la duración del proyecto para que los costos totales
sean los más bajos para el departamento de logística y asimismo, en sugerir a la compañía de
telefonía, la cantidad de aparatos telefónicos de ambos estilos que debe requerir a bodega
central para el próximo trimestre, con el fin de maximizar sus utilidades. Adicionalmente,
indique cuántos días adicionales deberán solicitarse para contar con un 98% de probabilidad
de finalizar el proyecto, e indique cuál sería el costo total en este caso. Presente el detalle de
sus cálculos realizados, analice, concluya y recomiende los aspectos que considere
necesarios.
RESPUESTAS A LOS PROBLEMAS SUGERIDOS
 CAPITULO II
1. X1 = 8; X2 = 78; Xo = Q.2,620.00.
2. X1 = 6; S2 = 1; Xo = Q.900.00.
3. X1 = 3; X2 = 2; Xo = Q.7.00
4. X1 = 32,000; S1 = 4,000; S2 = 8,000; Xo = Q.24,000.00
5. X1 = 800; X2 = 11,200; Xo = Q.70,400.00
6. X1 = 166.66; X2 = 66.66; S3 = 100; Xo = Q.233.33
7. X1 = 59.524; X2 = 28.571; Xo = Q.41,964.286
8. X1 = 250; S1 = 25; S2 = 75; S4 = 50; Xo = Q.6,250.00
9. X1 = 1,000; X2 = 1,333.33; S1 = 50; Xo = Q.115,000.00
10. X1 = 43.333; X2 = 56.667; Xo = Q.21,333.33
11. X1 = 100.84; S1 = 5.34; Xo = Q.100.84
12. X1 = 225; X2 = 150; S2 = 175; Xo = Q.18,000.00
13. X2 = 25; S2 = 60; Xo = Q.1,000.00
14. X1 = 2,000; X2 = 3,000; X3 = 4,000; Xo = Q.900.00
15. X1 = 100; S2 = 30; S3 = 20; Xo = Q.20.00
16. X1 = 1,352.94; X2 = 1,323.53; S3 = 323.53; Xo = Q.147,058.80
17. X1 = 29.241; X2 = 7.277; Xo = Q.416.384
18. X1 = 7.188; X2 = 63.75; Xo = Q.610.625
 CAPITULO III
1. Xo = 2,260; X12 = 5; X13 = 15; X16 = 5; X21 = 5; X22 = 5; X24 = 10; X25 = 25; X36 = 10.
2. Xo = 2,510; X12 = 300; X13 = 190; X15 = 60; X24 = 160; X25 = 140; X31 = 250; X33 = 10.
3. Xo = 244; X12 = 8; X13 = 8; X21 = 8; X31 = 2; X33 = 4; X34 = 6.
4. Xo = 170,000; X13 = 20,000; X22 = 30,000; X31 = 30,000; X32 = 10,000; X42 = 0; X43 = 5,000.
5. Xo = 10,400; X14 = 500; X21 = 400; X22 = 300; X24 = 200; X32 = 300; X33 = 400.
6. Xo = 2,490; X13 = 20; X15 = 20; X21 = 30; X23 = 30; X32 = 30; X35 = 40; X42 = 10; X44 = 40.
7. Xo = 63,300; X11 = 100; X14 = 160; X15 = 140; X22 = 50; X23 = 150; X31 = 0; X32 = 150.
8. Xo = 5,200; X11 = 300; X13 = 200; X15 = 300; X24 = 600; X25 = 0; X32 = 500; X33 = 200.
9. Xo = 84,000; X12 = 100; X14 = 800; X21 = 100; X22 = 600; X25 = 300; X31 = 900; X33 = 600.
10. Xo = 90,000; X12 = 10,000; X13 = 25,000; X22 = 60,000; X24 = 20,000; X31 = 35,000; X33 =
10,500.
11. Xo = 30,500; X11 = 300; X14 = 500; X21 = 100; X23 = 400; X25 = 500; X32 = 500; X34 = 100.
12. Xo = 43,225; X12 = 170,000; X15 = 5,000; X21 = 80,000; X23 = 75,000; X25 = 20,000; X34 =
95,000; X35 = 30,000; X45 = 100,000.
13. Xo = 52,200; X11 = 1,400; X23 = 1,600; X31 =200; X32 = 1,600.
14. Xo = 6,300; X11 = 40; X12 = 10; X21 =20; X23 = 60; X32 = 50.
15. Xo = 7,000; X11 = 25; X13 = 15; X22 =20; X23 = 10; X31 = 15; X42 = 20; X53 = 10..
16. Xo = 8,125; X12 = 10; X22 = 25; X32 =10; X41 = 15; X42 = 30; X53 = 35.
 C A PITU ULO IV
1. Costo = Q.1,800.00
2. Costo = Q.36.00
3. Costo = Q.22.00
4. Costo = Q.53.00
5. Costo = Q.11.00
6. Costo = Q.30.00
7. Tiempo = 19.00 Hrs
8. Producción = 28
unidades 9. Costo = Q.53.00
10. Costo = Q.17.00
11. Costo = Q.21.00
12. Costo = Q.95.00
13. Ingresos por venta = Q.159.00
14. Costo = Q.12,620.00
15. Ganancia = Q.1,340.00
16. Costo = Q.22.00
17. Costo = Q.55.00
 C APITU ULO V
(DN = Duración Normal; DM = Duración Mínima; DO = Duración Optima; CT = Costo

Total).
1. DN = 40 a un CT Q.4,585.00; DM = 26 a un CT Q.4,813.33; DO = 33 a un CT
Q.4,502.50
Q.3,370.00
Q.4,960.00
Q.4,890.00
Q.1,480.00
Q.2,800.00
Q.4,751.30
Q.6,100.00
Q.4,431.67
Q.3,135.00
11.  = 2.8137; a) 77.9362%; b) 99.3543%
12.  = 6.6249; a) 56%; b) 93.4415%
13.  = 5.4416; a) 21.2922%; b) 70.9067%
14.  = 14.6059; a) 26.1418%; b) 79.4277%
15.  = 4.9301; a) 38.0469%; b) 99.8822%
 CAPITULO VI
1. E1: 0.7143; E2: 0.2857

2. Sin campaña: E1: 0.50; E2: 0.50. Con campaña: E1: 0.8572; E2: 0.1428. Beneficio:
$1,285,920.00
3. E1: 0.0827; E2: 0.4060; E3: 0.5113
4. E1: 0.3419; E2: 0.1508; E3: 0.1593; E4: 0.3394; E5: 0.0026
5. E1: 24.29 u.m.; Política 2. E2: 20.721 u.m.; Política 2. E3: 16.084 u.m.; Política 2.
6. E1: 0.4375; E2: 0.5625
8. E1: 0.2128; E2: 0.2766; E3: 0.5106
9. E1: 0.9170; E2: 0.0830. (Sobrepasa el % tolerado de producto defectuoso)
 CAPITULO VII
1. CT con EOQ = $509.12. CT política actual = $1,140. EOQ = 425; T = 8.62 días;
# órdenes = 43; R ) 691.
2. CT entregas graduales = $161; CT una sola entrega = $ 509.12. EOQ entregas
graduales = 1,342; EOQ una entrega = 425; T = 2.738 días; t = 16.775 días; R = 828; #
órdenes = 134.
3. CT una sola entrega = $124,929.00; EOQ una entrega = 1,000; CT entregas
graduales = $102,756.60; EOQ entregas graduales = 2,000.
4. EOQ = 269; T = 15.11 días; # órdenes = 25; R = 250; CT = $241.87
5. I) Modelo Costo de Escasez: R = 240; ES = 40 ; CT = $283.99. II) Modelo de Nivel de
Servicio: R = 205; ES = 6; CT = $ 442.09; P, F(R) = 0.6141.
6. EOQ = 11,081 lbs; T = 67.41 días; # órdenes = 6; R = 3,453 lb.s; CT = $3,601,203.97/ año.
7. EOQ = 1,000; CT óptimo = $2,000.00; CT política actual = $3,623.33. Ahorro annual =
$1,633.33; T = 9.13; # órdenes = 40; R = 1,535.
8. PARA UNA SOLA ENTREGA: EOQ = 1,000; CT = 2,000.00; PARA ENTREGAS
GRADUALES: EOQ = 2,517; CT = $ 794.72. Ahorro anual = $1,205.28. T = 3.631 días; t
=
13.247 días; R = 1,452; # órdenes = 101.
9. Una sola entrega: EOQ = 600; CT = $439,062.50. Entregas Graduales: EOQ = 600
cajas; CT = $438,443.40.
10. I) Modelo de costo de Escasez: R = 178; ES = 78; CT = $126.05. II) Modelo de Nivel
de Servicio: R = 105; ES = 5; CT = 725.18; P, F(R) = 0.5557.
 CAPITULO VIII
1. Contrate al mecánico A, a un costo de Q.51.25/hora.

2. CT = Q.1,340.00/ día.
3. a) 2.25; b) 2.25; c) 0.75 minutos; d) 0.5625
4. a) 2.4; b) 1.4778.
5. a) 0.025; b) 0.30; c) 0.675.
6. a) 6.016 Hrs.; b) CT = Q.959.52; c) Q.82.15.
7. a) 2.5; b) 8 min.; c) Q.25.00/hora. 8.
a) 4/9; b) 4/3; c) 8 min.
9. a)0.5261; b) 0.1667
10. a) 1.92 min; b) $10.525/hr.
11. 36 cartas
12. No deberá ser mayor de 0.7555 min/ avión
13. A: Ls = 5.4545; Ws = 32.727min. B: Ls = 5; Ws = 30 min.
14. a) 5.58 min; b) 30.02 min.
15. a) 1.8195 min.; b) $7.65/hr.
16. 2 servidores, CT = Q.29.54/hr.
17. 91.67%
18. a) Lq = 1.6182; b) Wq = 24.69 min.; c) Po = 0.2272
19. a) P o =0.8766; P1 = 0.1080; P 2 = 0.01334; P 3 = 0.001647; P 4 = 0.0002036; b) Lq = 0.0187
aviones; c) Wq = 6.8298 días.
20. a) Po = 0.1526; b) Lq = 0.0283; c) Ls = 1.9033; d) Wq = 0.114 min; e)Ws = 7.614 min; f)
Po = 0.03226; Lq = 13.61; Ls = 15.49; Wq = 54.44min; Ws = 61.80 min.
21. a) 75,080 nacimientos; b) P 10 = 0.1117227
 C APITU ULO IX
1. 6 min.
2. U = Q.6,565.00. U = Q.547.08/ día.
3. Aviones en espera al término de 1 hora = 5.
4. Usuarios en espera al término de 1 hora = 3.
5. Máquinas en cola = 5. CT = $ 595.00/ día.
6. Máquinas en cola = 0. CT = $ 225.00/ día.
APÉNDICES
APÉNDICE “A”: FORMULARIOS UTILIZADOS. – A.1) TEORÍA DE COLAS –
– A.2) MODELOS DE INVENTARIOS –
EOQ = 2 D Co . Q= [ ( 2 D Co) /(Ch) ] * [ p / (p – d) ] .

Ch
CT = [ Co * (D/Q) ) + [ Ch [ ( p – d ) / p] *(Q /2) ]

T=Q/D
CT =[Co*(D/Q)) + [Ch[ (p–d)/ p] *(Q /2) ] + (D*ac)
# de órdenes = D / Q
Inv.Máx. = Tasa acum. de inv. * Periodo entrega
R = t *D = ( p – d ) ( Q/ p )
Costo total = [ Co * (D/Q) ] + [ Ch * (Q /2) ] CT Inv. Promedio = ( Q / 2 ) * [ ( p – d ) / p ]
= [ Co * (D/Q) ] + [ Ch * (Q /2) ] + (D * ac) T = inv máx / D d = D / días efectivos.
# órdenes = D / inv máx R=t*D
t=Q/p
F ( R ) = 1 - Ch Q . Z= R - D.
Ku D D
R= D + Z D D =  t 1
E.S. = Z D D =tD
CT=[Co+(Ku* D *N(Z))] *(D/Q) + [(Q/2) + (R - D) ]*Ch N(Z) = Q (1 – P ) .

D
– A.3) CADENAS DE MARKOV –
p11 p12
Vpe(n+1) = ( p(E1), p(E2) ) * p21 p22
max vk i m
fN( i ) = k
, i vk = P ij kkR ij
j=1
max vk i+  Pkij n+1

ƒ( j ) para n = 1, 2, ..., N-1
fn ( i ) = k j=1
P1 = p 21 .
P12 + p 21
P2 = p 12 .
P12 + p 21
– A.4) CPM - PERT –
te = to + 4 tn + tp . = Tp - To .
6 6
V=
2
e=  V ruta crítica
Z= Ts – Te ruta crítica .
e
HT = Levento final - ( Eevento inicial + duración de la actividad)

HL = Eevento final - ( Eevento inicial + duración de la actividad) HI
= Eevento final - ( Levento inicial + duración de la actividad)
APÉNDICE “B”: Tabla de Distribución Normal de Probabilidad
ÁREA BAJO LA CURVA
(Área Sombreada)
Z

Z 00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .50000 .50399 .50798 .51197 .51595 .51994 .52392 .52790 .53188 .53586
.1 .53983 .54380 .54776 .55172 .55567 .55962 .56356 .56749 .57142 .57535
.2 .57926 .58317 .58706 .59095 .59483 .59871 .60257 .60642 .61026 .61409
.3 .61791 .62172 .62552 .62930 .63307 .63683 .64058 .64431 .64803 .65173
.4 .65542 .65910 .66276 .66640 .67003 .67364 .67724 .68082 .68439 .68793
.5 .69146 .69497 .69847 .70194 .70540 .70884 .71226 .71566 .71904 .72240
.6 .72575 .72907 .73237 .73536 .73891 .74215 .74537 .74857 .75175 .75490
.7 .75804 .76115 .76424 .76760 .77035 .77337 .77637 .77935 .78230 .78524
.8 .78814 .79103 .79389 .79673 .79955 .80234 .80511 .80785 .81057 .81327
.9 .81594 .81859 .82121 .82381 .82639 .82894 .83147 .83398 .83646 .83891
1.0 .84134 .84375 .84614 .84849 .85083 .85314 .85543 .85769 .85993 .86214
1.1 .86433 .86650 .86864 .87076 .87286 .87493 .87698 .87900 .88100 .88298
1.2 .88493 .88686 .88877 .89065 .89251 .89435 .89617 .89796 .89973 .90147
1.3 .90320 .90490 .90658 .90824 .90988 .91149 .91309 .91466 .91621 .91774
1.4 .91924 .92073 .92220 .92364 .92507 .92647 .92785 .92922 .93056 .93189
1.5 .93319 .93448 .93574 .93699 .93822 .93943 .94062 .94179 .94295 .94408
1.6 .94520 .94630 .94738 .94845 .94950 .95053 .95154 .95254 .95352 .95449
1.7 .95543 .95637 .95728 .95818 .95907 .95994 .96080 .96164 .96246 .96327
1.8 .96407 .96485 .96562 .96638 .96712 .96784 .96856 .96926 .96995 .97062
1.9 .97128 .97193 .97257 .97320 .97381 .97441 .97500 .97558 .97615 .97670
2.0 .97725 .97784 .97831 .97882 .97932 .97982 .98030 .98077 .98124 .98169
2.1 .98214 .98257 .98300 .98341 .98382 .98422 .98461 .98500 .98537 .98574
2.2 .98610 .98645 .98679 .98713 .98745 .98778 .98809 .98840 .98870 .98899
2.3 .98928 .98956 .98983 .99010 .99036 .99061 .99086 .99111 .99134 .99158
2.4 .99180 .99202 .99224 .99245 .99266 .99286 .99305 .99324 .99343 .99361
2.5 .99379 .99396 .99413 .99430 .99446 .99461 .99477 .99492 .99506 .99520
2.6 .99534 .99547 .99560 .99573 .99585 .99598 .99606 .99621 .99632 .99643
2.7 .99653 .99664 .99674 .99683 .99693 .99702 .99711 .99720 .99728 .99736
2.8 .99744 .99752 .99760 .99767 .99774 .99781 .99788 .99795 .99801 .99807
2.9 .99813 .99819 .99825 .99831 .99836 .99841 .99846 .99851 .99856 .99861
3.0 .99865 .99869 .99874 .99878 .99882 .99886 .99889 .99893 .99896 .99900
3.1 .99903 .99906 .99910 .99913 .99916 .99918 .99921 .99924 .99926 .99929
3.2 .99931 .99934 .99936 .99938 .99940 .99942 .99944 .99946 .99948 .99950
3.3 .99952 .99953 .99955 .99957 .99958 .99960 .99961 .99962 .99964 .99965
3.4 .99966 .99968 .99969 .99970 .99971 .99972 .99973 .99974 .99975 .99976
3.5 .99977 .99978 .99978 .99979 .99980 .99981 .99981 .99982 .99983 .99983
3.6 .99984 .99985 .99985 .99986 .99986 .99987 .99987 .99988 .99988 .99989
3.7 .99989 .99990 .99990 .99990 .99991 .99991 .99992 .99992 .99992 .99992
3.8 .99993 .99993 .99993 .99994 .99994 .99994 .99994 .99995 .99995 .99995
3.9 .99995 .99995 .99996 .99996 .99996 .99996 .99996 .99996 .99997 .99997
FUENTE: GAITHER, Norman & Greg Frazier. Administración de Producción y Operaciones 4ª. Edición
APÉNDICE “C”: Tabla de la Función de Pérdida de la
Distribución Normal Estandarizada
D

DoZ 00 .01 .02 .03 .04 .05 .06 .07 .08 .09
.0 .3989 .3940 .3890 .3841 .3793 .3744 .3697 .3649 .3602 .3556
.1 .3509 .3464 .3418 .3373 .3328 .3284 .3240 .3197 .3154 .3111
.2 .3069 .3027 .2986 .2944 .2904 .2863 .2824 .2784 .2745 .2706
.3 .2668 .2630 .2592 .2555 .2518 .2481 .2445 .2409 .2374 .2339
.4 .2304 .2270 .2236 .2203 .2169 .2137 .2104 .2072 .2040 .2009
.5 .1978 .1947 .1917 .1887 .1857 .1828 .1799 .1771 .1742 .1714
.6 .1687 .1659 .1633 .1606 .1580 .1554 .1528 .1503 .1478 .1453
.7 .1429 .1405 .1381 .1358 .1334 .1312 .1289 .1267 .1245 .1223
.8 .1202 .1181 .1160 .1140 .1120 .1100 .1080 .1061 .1042 .1023
.9 .1004 .0986 .0968 .09503 .09328 .09156 .08986 .08819 .08654 .08491
1.0 .08332 .08174 .08019 .07866 .07716 .07568 .07422 .07279 .07138 .06999
1.1 .06862 .06727 .06595 .06465 .06336 .06210 .06086 .05964 .05844 .05726
1.2 .05610 .05496 .05384 .05274 .05165 .05059 .04954 .04851 .04750 .04650
1.3 .04553 .04457 .04363 .04270 .04179 .04090 .04002 .03916 .03831 .03748
1.4 .03667 .03587 .03508 .03431 .03356 .03281 .03208 .03137 .03067 .02998
1.5 .02931 .02865 .02800 .02736 .02674 .02612 .02552 .02494 .02436 .02380
1.6 .02324 .02270 .02217 .02165 .02114 .02064 .02015 .01967 .01920 .01874
1.7 .01829 .01785 .01742 .01699 .01658 .01617 .01578 .01539 .01501 .01464
1.8 .01428 .01392 .01357 .01323 .01290 .01257 .01226 .01195 .01164 .01134
1.9 .01105 .01077 .01049 .01022 .009957 .009698 .009445 .009198 .008957 .008721
2.0 .008491 .008266 .008046 .007832 .007623 .007418 .007219 .007024 .006835 .006649
2.1 .006468 .006292 .006120 .005952 .005788 .005628 .005472 .005320 .005172 .005028
2.2 .004887 .004750 .004616 .004486 .004358 .004235 .004114 .003996 .003882 .003770
2.3 .003662 .003556 .003453 .003352 .003255 .003159 .003067 .002977 .002889 .002804
2.4 .002720 .002640 .002561 .002484 .002410 .002337 .002267 .002199 .002132 .002067
2.5 .002005 .001943 .001883 .001826 .001769 .001715 .001662 .001610 .001560 .001511
3.0 3.822 E-4 3.689 E-4 3.560 E-4 3.436 E-4 3.316 E-4 3.199 E-4 3.087 E-4 2.978 E-4 2.873 E-4 2.771 E-4
3.5 5.848 E-5 5.620 E-5 5.400 E-5 5.188 E-5 4.984 E-5 4.788 E-5 4.599 E-5 4.417 E-5 4.242 E-5 4.073 E-5
-6 -6 -6 -6 -6 -6 -6 -6 -6
 4.0 - 7.145 E 6.835 E 6.538 E 6.253 E 5.980 E 5.718 E 5.468 E 5.227 E 4.997 E 4.777 E-6
  D N(D) se define así: N(D) = (-D – X) *(X) d X = (X - D) *(X) d X .
D -
Donde * (X) es la función de densidad normal estandarizada y D es positivo
FUENTE: BIERMAN Jr, Harold, BONINI, Charles P & asuman, Warren H. “ Análisis Cuantitativo para la
Toma de Decisiones. 8ª. Edición
APÉNDICE “D”: Tabla de Números Aleatorios
1 2 3 4 5 6 7 8 9 10
1 .85387 .51571 .57714 .00512 .61319 .69143 .08881 .01400 .55061 .82977
2 .84176 .03311 .16955 .59504 .54499 .32096 .79485 .98031 .99485 .16788
3 .27258 .51746 .67223 .98182 .43166 .54297 .26830 .29842 .78016 .73127
4 .99398 .46950 .19399 .65167 .35082 .30482 .86323 .41061 .21717 .48126
5 .72752 .89364 .02150 .85418 .05420 .84341 .02395 .27655 .59457 .55438
6 .69090 .93551 .11649 .54688 .57061 .77711 .24201 .16895 .64936 .62347
7 .39620 .54988 .67846 .71845 .54000 .26134 .84526 .16619 .82573 .01737
8 .81725 .49831 .35595 .29891 .46812 .57770 .03326 .31316 .75412 .80732
9 .87968 .85157 .84752 .93777 .62772 .78961 .30750 .76089 .23340 .64637
10 .07730 .01861 .40610 .73445 .70321 .26467 .53533 .20787 .46971 .29134
11 .32825 .82100 .67406 .44156 .21531 .67186 .39945 .04189 .79798 .41087
12 .34453 .05330 .40224 .04116 .24597 .93823 .28171 .47701 .76201 .68257
13 .00830 .34235 .40671 .66042 .06341 .54437 .81649 .70494 .01883 .18350
14 .24580 .05258 .37329 .59173 .62660 .72513 .82232 .49794 .36913 .05877
15 .59578 .08535 .77107 .19838 .40651 .01749 .58893 .99115 .05212 .92309
16 .75387 .24990 .12748 .71766 .17471 .15794 .68622 .59161 .14476 .75074
17 .02465 .34977 .48319 .53026 .53691 .80594 .58805 .76961 .62665 .82855
18 .49689 .08342 .81912 .92735 .30042 .47623 .60061 .69427 .21163 .68543
19 .60958 .20236 .79424 .04055 .54955 .73342 .14040 .72431 .99469 .41044
20 .79956 .98409 .79548 .39569 .83974 .43707 .77080 .08645 .20949 .56932
21 .04316 .01206 .08715 .77713 .20572 .13912 .94324 .14656 .11979 .53258
22 .78684 .28546 .06881 .66097 .53530 .42509 .54130 .30878 .77166 .98075
23 .69235 .18535 .61904 .99246 .84050 .15270 .07751 .90410 .96675 .62870
24 .81201 .04314 .92708 .44984 .83121 .33767 .56607 .46371 .20389 .08809
25 .80336 .59638 .44368 .33433 .97794 .10343 .19235 .82633 .17186 .63902
26 .65076 .87960 .92013 .60169 .49176 .50140 .39081 .04638 .96114 .63463
27 .90879 .70970 .50789 .59973 .47771 .94567 .35590 .23462 .33993 .99899
28 .50555 .84355 .97066 .82748 .98298 .14385 .82493 .40182 .20523 .69182
29 .48658 .41921 .86514 .46786 .74097 .62825 .46457 .24428 .09245 .86069
30 .26373 .19166 .88223 .32371 .11570 .62078 .92317 .13378 .05734 .71778
31 .20878 .80883 .26027 .29101 .58382 .17109 .53511 .95536 .21759 .10630
32 .20069 .60582 .55749 .88068 .48589 .01874 .42930 .40310 .34613 .97359
33 .46819 .38577 .20520 .94145 .99405 .47064 .25248 .27289 .41289 .54972
34 .83644 .04459 .73253 .58414 .94180 .09321 .59747 .07379 .56255 .45615
35 .08636 .31363 .56033 .49076 .88908 .51318 .39104 .56556 .23112 .63317
36 .92058 .38678 .12507 .90343 .17213 .24545 .66053 .76412 .29545 .89932
37 .05038 .18443 .87138 .05076 .25660 .23414 .84837 .87132 .84405 .15346
38 .41838 .68590 .93646 .82113 .25498 .33110 .15356 .81070 .84900 .42660
39 .15564 .81618 .99186 .73113 .99344 .13213 .07235 .90064 .89150 .86359
40 .74600 .40206 .15237 .37378 .96862 .78638 .14376 .46607 .55909 .46398
41 .78275 .77017 .60310 .13499 .35268 .47790 .77475 .44345 .14615 .25231
42 .30145 .71205 .10355 .18404 .85354 .22199 .90822 .35204 .47891 .69860
43 .46944 .00097 .39161 .50139 .60458 .44649 .85537 .90017 .18157 .13856
44 .85883 .21272 .89266 .94887 .00291 .70963 .28169 .95130 .27223 .35387
45 .83606 .98192 .82194 .26719 .24499 .28102 .97769 .98769 .30757 .81593
46 .66888 .81818 .52490 .54272 .70549 .69235 .74684 .96412 .65186 .87974
47 .63673 .73966 .34036 .44298 .60652 .05947 .05833 .27914 .57021 .58566
48 .37944 .16094 .39797 .63253 .64103 .32222 .65925 .64693 .34048 .75394
49 .93240 .66855 .29336 .28345 .71398 .45118 .01454 .72128 .09715 .29454
50 .40189 .76776 .70842 .32675 .81647 .75868 .21288 .12849 .94990 .21513
FUENTE: ADAM, Everett E. Jr. & Ronald J. Ebert. Administración de la Producción y las Operaciones 4ª. Edición.
Rand Corporation, A Million Random Digits with 100,000 Normal Deviates.
BIBLIOGRAFIA
1. Bierman Jr., Harold, Charles P. Bonini y otros. "Análisis Cuantitativo para la

toma de decisiones". 8ª. Ed. División Irwin, Madrid, España:1996. 756 pp.
2. Eppen, G.D. y otros. "Investigación de Operaciones en la Ciencia
Administrativa". 5ª. Ed. Prentice Hall Hispanoamericana, S.A., México: 2000. 702
pp.
3. Everett E. Jr., Adam & Ronald J. Ebert. "Administración de la Producción y
las Operaciones". 4ª. Ed. Prentice Hall Hispanoamericana, S.A., México: 1991.
739 pp.
4. Gaither, Norman & Greg Frazier. "Administración de Producción y
Operaciones". 8ª. Ed. International Thomson Editores, S.A. México: 2000. 846 pp.
5. Hillier, Frederick S. & Gerald J. Lieberman. "Investigación de Operaciones". 7ª.
Ed. Mc.Graw Hill. México: 2002. 1,223 pp.
6. Jauffred M, Francisco J. y otros. "Métodos de Optimización". Facultad de
Ingeniería de la Universidad Nacional Autónoma de México. Representaciones
y Servicios de Ingeniería, S.A. México: 1987. 720pp.
7. Meredith, Jack R. & Thomas E. Gibbs. "Administración de Operaciones". 1ª.
Ed. Limusa. México: 1986. 760 pp.
8. Zaderenko, S.G. "Sistemas de Programación por el Camino Crítico". Ed. Mitre.
Buenos Aires, Argentina: 1968.
9. Apuntes y resúmenes personales de cátedra de los autores (1999-2006).
Este libro se terminó de imprimir en
el mes de Julio de 2006
en los talleres de
EDICIONES MAYTE
Avenida Bolívar 28-45, Zona 8
2o. Nivel. Teléfono: 2471-2005.
Guatemala, C.A.
TIRAJE : 500 ejemplares

Libro Investigacion Operaciones Saenz

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Libro Investigacion Operaciones Saenz

Caricato da

Copyright:

Formati disponibili

M S

Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl 1

3a. edición, junio de 2006.

Impreso en Guatemala. –Ediciones Mayte –

Derechos de autor reservados ©

De conformidad con la ley se prohíbe la reproducción parcial o total de esta obra

Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl i

MODELO DEL PROBLEMA DE TRANSPORTE 55

ANÁLISIS DE REDES POR EL MÉTODO DEL CAMINO CRÍTICO 111

PROCESOS ESTOCÁSTICOS 161

CADENAS DE MARKOV 165

_ Cadenas de Markov para más de dos estados posibles: 175

CAPITULO VII 189

_ Modelo 1: Modelo de Costo de Escasez: 214

CAPITULO VIII 233

TEORIA DE COLAS 233

CASOS DE APLICACIÓN 287

RESPUESTAS A LOS PROBLEMAS SUGERIDOS 297

La aplicación de la Investigación de Operaciones en las organizaciones

La Investigación de Operaciones es un conjunto de herramientas

Muchas empresas alrededor del mundo han obtenido ahorros

Toda persona a cargo de tomar decisiones dentro de las organizaciones ya

El contenido del presente libro está enfocado hacia el desarrollo de los

En esta 3a. edición se han realizado cambios, ampliaciones y revisiones

Así mismo, se presentan nuevos tipos de problemas modelo, sugeridos

Por otra parte, se incluye una serie de casos integrados, aplicados a

viii Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl

Se sugiere al estudiante reforzar temas complementarios tales como los

De igual manera se le exhorta al estudiante a practicar constantemente los

a Investigación de Operaciones comprende el estudio y aplicación de

métodos matemáticos y analíticos de las ciencias físicas y de conocimientos científicos

Es la aplicación del método científico por un grupo multidisciplinario de personas a

El proceso de aplicación implica la recopilación de datos y el análisis

El objetivo primordial de la Investigación de Operaciones, consiste en la utilización

Para su correcta aplicación, se requiere tener conocimientos y habilidades diversas

Ings. Jorge Morales Dávila, Rodolfo Sáenz & Raúl 1

A principios de la Segunda Guerra Mundial, surgieron los primeros enfoques para la

Fue durante la Segunda Guerra Mundial que la Administración Militar de Gran

 Estudios de la forma de utilizar el radar

Finalizada la guerra, los investigadores de operaciones que formaron parte de los

En la actualidad, las principales aplicaciones de la Investigación de

 Minimización de tiempos de operación

Las principales características de la Investigación de Operaciones a tomar en

a. Para la solución de un problema, se considera la aplicación del enfoque de

 Introducción a la toma de decisiones

Sin embargo, dadas las características que rodean al proceso de toma de

Las principales características que rodean el proceso de la toma de decisiones, son

 Proceso general para la toma de decisiones

Cada problema específico, exige un curso de acción propio para su solución,

1. Identificación del problema

La aplicación de este proceso es indispensable para resolver cualquier

 Técnicas para la construcción de modelos

Previo a comentar las principales técnicas para la construcción de modelos, es

Una vez finalizado el proceso de abstracción y simplificación, habiéndose

La técnica apropiada para definir y relacionar las variables seleccionadas para

Cuando a las variables que intervienen en el modelo, puede asignársele una

En muchas situaciones empresariales, las variables que intervienen, son de

El propósito principal consiste en diseñar un modelo sencillo que pronostique los

La modelación de problemas puede clasificarse de distintas formas. Suele resultar

A) Clasificación de acuerdo a su aplicación :

 Modelos esquemáticos: Se refieren a los modelos que muestran

 Modelos iconográficos: Consiste en la reproducción física a escala

 Modelos matemáticos: Son los que muestran la relación entre