Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Minimizar
m n
X0 C i 1 j 1
ij X ij
Sujeto a :
m
X
i 1
ij bj
n
X
j 1
ij ai
X ij 0 i 1, 2, . . . , m
j 1, 2, . . . , n
PRIMERA EDICION-2011
i
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU
DE SISTEMAS
INFORME FINAL
INVESTIGACION DE OPERACIONES
PRESENTADO POR:
HUANCAYO - PERU
2011
ii
INVESTIGACION DE
OPERACIONES APLICADA A
LOS NEGOCIOS
iii
AUTOR: FIDEL ONESIMO ARAUCO CANTURIN
PRIMERA EDICION.
INVESTIGACIÓN DE OPERACIONES
AUTOR-EDITOR
FIDEL ONESIMO ARAUCO CANTURÍN
Calle Ucayali, Mz. B-8, Of. 201, Urb. Tila Ate, Lima.
Teléfono: 01-3551140
Correo electrónico: ingenieroarauco@yahoo.com
iv
PRODUCTOR:
Bubu’s.NET
Av. Alfredo Benavides 5409, Stand 7
Urb. Las Gardenias – Santiago de Surco, Lima
Teléfono: 01-6529257
Correo electrónico: mvcopy@yahoo.es
v
EL AUTOR
Magíster en Administración e
Ingeniero Industrial egresado
de la Universidad de Lima, con
más de 20 años de experiencia
en la docencia universitaria en
universidades estatales y
privadas, impartiendo la
cátedra de Investigación de
operaciones a nivel de
pregrado y postgrado; con
amplia experiencia en la
asesoría y consultoría de
empresas en temas de
optimización.
vi
PROLOGO
vii
campos de la actividad humana, para el diseño o rediseño de
sistemas empresariales, procesos productivos y comerciales.
Este libro ofrece un tratamiento exhaustivo de la optimización
lineal, así como los pasos para el modelamiento con el software
apropiado, se enfatiza el uso de los Softwares Lindo y lingo.
Los objetivos que persigue esta obra son proporcionar los
conocimientos y técnicas necesarias para que el lector pueda
iniciarse y profundizar en el trabajo del modelamiento y simulación
de sistemas, utilizarlo como una herramienta poderosa de apoyo a
la toma de decisiones (DSS) e inculcar la cultura para que su uso
sea común en todas la empresas industriales y comerciales de
modo que logren sus objetivos bien sea maximizar sus beneficios o
minimizar sus costos.
El Autor.
viii
PRESENTACIÓN
La presente obra ofrece un tratamiento amplio de las técnicas de la
Investigación de Operaciones, comprende el Enfoque Sistémico en
La Toma de Decisiones, Optimización Lineal, Administración de
Proyectos, Teoría de Inventarios, Teoría de Líneas de Espera,
Programación Dinámica y Procesos de Markov.
La obra se puede utilizar para impartir la asignatura tanto a nivel de
sistemas.
ix
CONTENIDO GENERAL
PÁG.
CAPITULO I: EL PROCESO DE TOMA DE DECISIONES
SIGNIFICADO .......................................................................05
LINEALES..............................................................................26
SIMPLEX ..............................................................................48
x
2.6. INTERPRETACIÓN DE RESULTADOS Y ANALISIS DE
SENSIBILIDAD ......................................................................50
SIGNIFICADO .............................................................58
OPTIMIZACION LINEAL........................................................73
xi
2.8.4. INVESTIGACIÓN DE MERCADOS.............................82
xii
CAPÍTULO III: PLANIFICACIÓN Y ADMINISTRACIÓN DE
EN PERT .............................................................................211
INVENTARIOS ....................................................................224
xiii
4.4.1. COSTOS DE INVENTARIO ......................................224
COLAS ................................................................................250
xiv
5.4. CASO ATENCIÓN EN UNA AGENCIA BANCARIA: BANCO
MÓDULOS ................................................................262
xv
CAPITULO VII: PROCESOS DE MARKOV
BIBLIOGRAFÍA ..............................................................................325
xvi
AGRADECIMIENTO
Agradeciendo, a la
Universidad Nacional del
Centro del Perú, a la Facultad
de Ingeniería de Sistemas y al
Instituto de Investigación de la
Facultad de Ingeniería de
Sistemas, por haber permitido
la inscripción de este
Proyecto de Elaboración de
libro.
xvii
INTRODUCCIÓN
xviii
aplicaciones de la programación lineal en los negocios y casos
desarrollados en las organizaciones.
xix
CAPITULO I
INVESTIGACIÓN DE OPERACIONES
1.8. INTRODUCCION
fundamentales.
1
principalmente relacionado con la distribución óptima de los
modelo de optimización.
2
ausentismo laboral, productos finales con calidad
5. Implantación
3
inversiones, después de haber hecho un análisis costo
beneficio.
6. Conclusiones
modelo de optimización.
4
1.10. LOS MODELOS DE OPTIMIZACIÓN TIPOS Y SU
SIGNIFICADO
matemático.
5
mismo, en la figura Nº 1.3 se representa el modelo, que sale
2. Restricciones
6
una de las variables de decisión representa el número
3. Función Objetivo
variables.
x1, x2,..., xn
7
1.11. CLASIFICACIÓN DE MODELOS
8
sistema en módulos básicos o elementales que se enlazan
sus componentes.
9
1.12. LOS METODOS DE OPTIMIZACION
10
3. METODOS HIBRIDOS: Es una combinación entre los
11
organización, problemas de empleo, contaminación u otras
de responsabilidad social.
encontrar.
12
Optimizar z = f(x1, x2,.., xn) (1)
utilizados se tienen:
a) PROGRAMACIÓN LINEAL
Ejemplo Nº 1.1:
13
Modelo de programación lineal con dos variables y la
Maximizar Z = 5 X1 + 3 X2
Con restricciones:
2X1 + X2 <= 40
X1 + 2X2 <= 50
tipo <=
b) PROGRAMACIÓN ENTERA
Ejemplo Nº 1.2:
14
el modelo B requiere una unidad de material y 8 horas de
Material: 2x1 + x2 6
c) PROGRAMACIÓN NO LINEAL
Optimizar z = f(x)
restringida y se transforma a
15
Optimizar z = f(x), con la condición a x b.
Gi (X) = 0
Ejemplo Nº 1.3:
la siguiente manera:
respecto de A.
16
Utilizando la fórmula de la distancia, debe minimizarse la
d (x12 + x22) +d ((x1 - 300)2 + (x2 - 400)2) + d ((x1 - 700)2 + (x2 - 300)2)
sin restricciones.
e) PROGRAMACIÓN CUADRÁTICA
Ejemplo Nº 1.4:
X2 3
17
Donde ambas restricciones son lineales, con n = 2 (dos
variables):
f) PROGRAMACIÓN DINÁMICA
El programa matemático:
Ejemplo Nº 1.5:
18
desee en las tres opciones. Las ganancias esperadas se
INVERSION
siguiente manera:
19
Las condiciones son:
X1 +x2 + x3 4000
1.14. GLOSARIO
Óptimo.
modelo.
máximo.
20
Toma de decisiones. Proceso mediante el cual se decide
análisis de sensibilidad.
21
CAPÍTULO II
OPTIMIZACIÓN LINEAL
22
nivel de rendimiento, es decir, un problema de "búsqueda de
existencias, etc.
23
Los problemas de optimización generalmente se clasifican
24
importante empresa petrolera recientemente calculó que del
similares.
aplicaciones.
25
Es importante que el lector entienda desde el comienzo que
26
Budismo entre otras, prescriben vivir una vida abstemia. Sin
es un programa lineal.
LINEALES
siguientes pasos:
27
Lea la descripción del problema completamente para
claves.
objetivo como:
28
¿Cuáles son las variables de decisión? Es decir, ¿cuáles
de decisión
29
son las conexiones entre las variables? Escríbalas con
de decisión.
Comunicaciones Electrónicas
son:
30
distribución. Además, el costo de publicidad y el esfuerzo de
distribución.
unidad vendida)
TIEMPO
31
DISTRIBUCIÓN NETA PUBLICIDAD PERSONAL
Distribuidores
marinos $ 90 $ 10 2 horas
Distribuidores de
oficinas $ 84 $8 3 horas
de distribución.
SOLUCIÓN
32
Función objetivo: Maximizar la utilidad
debido a:
un requerimiento de producción.
menudeo.
disponible
de la Adm.
por contrato
33
En el caso del problema de la empresa de
decisión.
menudeo.
de la forma:
34
10x1 + 8x2 + 9x3 + 15x4 ≤ 5, 000
de 1800 horas,
restricción:
1x3 ≥ 150
problema de la empresa:
Sujeto a:
35
publicidad
de la fuerza de ventas
tiendas al menudeo
e) SOLUCIÓN
LA EMPRESA
36
Variable Value Reduced Costs
X1 25.000 0.000
X2 425.000 0.000
X3 150.000 0.000
X4 0.000 45.000
Constraint Slack/Surplus Dual Prices
1 0.000 3.000
2 25.000 0.000
3 0.000 60.000
4 0.000 -17.000
optimizar la producción.
37
debemos ir al negocio del carpintero y observar lo que
3.00 respectivamente.
es de 1 y 2 unidades, respectivamente. El
38
SOLUCIÓN
respectivamente.
Para X1 y X2 no negativas.
carpintero.
39
X2. Todas las funciones empleadas en este modelo
40
si el Carpintero continúa fabricando estos productos.
siguiente semana.
41
Con esta estrategia (óptima), los ingresos netos son
de US $ 110.
42
variables es mayor), cómo el número de vértices (y de
cual f aumenta.
siguiente modelo:
MAXIMIZAR Z = f (x, y) = 3X + 2Y
SUJETO A: 2X +Y <= 18
2X +3Y <= 42
3X +Y <= 24
X, Y >= 0
2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
43
Siendo h, s y d variables de holgura
- 3x - 2y + Z = 0
cuadro Nº 2.3.
Variable Variable
Valores
Base de de
solución
decisión holgura
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
Z -3 -2 0 0 0 0
44
d) Encontrar la variable de decisión que entra en la base y
cualquiera de ellos.
columna pivote
45
columna pivote, siempre que estos últimos sean mayores
seguir.
46
Los nuevos coeficientes de x se obtienen dividiendo
cuadro Nº 2.4.
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Z 0 -1 0 0 1 24
47
Como en los elementos de la última fila hay uno
1/3.
x y h s d
y 0 1 3 0 -2 6
48
s 0 0 -7 0 4 12
x 1 0 -1 0 1 6
Z 0 0 3 0 -1 30
49
Variable de Variable de Valores
Base
decisión holgura solución
x y h s d
y 0 1 -1/2 0 0 12
d 0 0 -7/4 0 1 3
x 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
óptima.
D (3,12)
50
Si en lugar de maximizar se trata de un problema de
contrario.
SIMPLEX
iniciales y de holgura.
51
Sigue por la arista BC, hasta llegar a C, donde se para y
(6,6)=30.
llegar al vértice D. Los datos que se reflejan son los del cuadro
Nº 2.6.
2.1.
PROGRAMACIÓN LINEAL
52
2.16. INTERPRETACIÓN DE RESULTADOS Y ANALISIS DE
SENSIBILIDAD
siguiente:
SOLUCIÓN
53
Cuadro Nº 2.7.- RESULTADO POR COMPUTADORA Y
X1 25.000 0.000
X2 425.000 0.000
X3 150.000 0.000
X4 0.000 45.000
1 0.000 3.000
2 25.000 0.000
3 0.000 60.000
4 0.000 -17.000
manera:
dados por:
54
Entonces la estrategia óptima para la empresa es
solución óptima.
55
utilidad de los nuevos radios distribuidos vía el canal de
56
El precio dual correspondiente de 3 indica que un dólar
seriamente la empresa.
57
recurso limitante. El precio dual negativo indica que, al
unidad.
PARA EL PROBLEMA
OBJECTIVE COEFFICIENT
Variable RANGES
Lower Limit Current Upper Limit
Valué
X1 84.000 No Upper
X2 50.000 90.000 Limit
X3 No Lower Limit 84.000 90.000
58
X4 No Lower Limit 70.000 87.000
60.000 105.000
50 ≤ c2 ≤ 90
59
hasta 105 dólares antes de que el canal de distribución de
en el cuadro Nº 2.10.
LOS RANGOS
60
publicidad muestra que esta declaración sobre el valor de
unidad.
61
ventas. En vista de que la solución óptima es x1, = 25, x2
SIGNIFICADO
problema dual.
62
Objetivo: Max (por
Objetivo: Min (por
ejemplo las
ejemplo los costos)
utilidades) Tipos de
variables: Tipos de
Tipos de
restricciones:
restricciones: > 0 una condición
PROBLEMAS DUALES
63
Si el problema primario es un problema de maximización,
minimización (y viceversa).
otro problema.
EJEMPLO:
MINIMIZAR X1 - 2X2
SUJETO A:
X1 + X2 >= 2
64
X1 - X2 >= -1
X2 >= -
X1, X2 >= 0
SUJETO A:
U1 + U2 <= 1
U1 - U2 + U3 <= -2
U1 <= 0
U2 <= 0
U3 <= 0
Ejemplo:
Sujeto a:
2X1 + X2 <= 40
X1 + 2X2 <= 50
X1 <= 0
X2 <= 0
65
Minimizar 40U1 + 50U2
Sujeto a:
2U1 + U2 >= 5
U1 + 2U2 >= 3
U1 >= 0
U2 >= 0
tales como:
66
la forma de una mejora de maximización de utilidades
Complementarias de Holgura.
67
Ejemplo:
interpretación.
2.11.
CONTROLABLES
Mano de obra 2 1 40
Materia prima 1 2 50
Ingresos netos 5 3
Y su formulación de PL
Maximizar Z = 5 X1 + 3 X2
68
X1 + 2X2 <= 50 restricción de materialestanto X1
sillas a fabricar.
ejemplo),
ejemplo).
69
En consecuencia, el problema de la compañía de
seguros es:
Minimizar 40 U1 + 50 U2
Sujeta a:
seguros.
problema original.
70
Tal como vimos en el Problema del Carpintero y su
Dual.
inferior a US $ 2.67.
respectivamente.
71
Ahora ya sabe que los precios sombra son la solución del
numérico.
Maximizar - X1 + 2X2
Sujeto a:
X1 + X2 <= 5
X1 2X2 <= 6
Sujeto a:
U1 + U2 >= -1
U1 + 2U2 >= 2
72
La solución del problema dual (utilizando por ejemplo el
esperar.
73
permanece igual según la restricción sea obligatoria o no
obligatoria.
obligatoria.
obligatoria).
obligatoria.
74
Para restricción de = el cambio puede ser en cualquier
del RHS.
sensibilidad.
75
Desafortunadamente, existen interpretaciones erróneas
precios duales?
76
Minimizar 16X1 + 24X2
sujeto a:
X1 + 3X2 >= 6
Su dual es:
sujeto a:
U1 + 2U2 <= 16
son soluciones.
77
restricciones lineales independientes son condición
OPTIMIZACION LINEAL
OPTIMIZACIÓN LINEAL
incluyen:
Programación de la producción.
Selección de medios.
Planeación financiera.
Inversiones de capital.
Transporte.
Localización de plantas.
Mezclas de productos.
78
Planeamiento de necesidades de personal.
Composición de mezclas.
resultados.
79
cota inferior con respecto a la eficiencia. Además, puede
la investigación de mercados.
de la exposición.
80
puede formularse un problema de selección de medios y
Ejemplo:
mes.
81
La evaluación de la calidad se mide en función de una
deberá recomendarse?
SOLUCIÓN:
82
La decisión a tomar es cuantas veces utilizar cada uno de
decisión:
diurna
nocturna
cotidiano
dominical
83
Número de Número
* El máximo número de veces que está disponible el medio es el número máximo de veces que puede utilizarse el medio (por
ejemplo, cuatro domingos del medio 4) o el número máximo de veces que BP&J recomienda que se utilice cada uno
84
Maximizar 65 X1 + 90 X2 + 40 X3 + 60 X4 + 20 X5
(calidad de la exposición).
X1 ≤ 15
X2 ≤ 10
X3 ≤ 25 Disponibilidad
X4 ≤ 4 de los medios
X5 ≤ 30
1500 X1 + 3000 X2 + 400 X3 + 1000 X4 + 100 X5 ≤ 30,000 Presupuesto
X1 + X2 ≥ 10
1500 X1 + 3OOO X2 ≤ 18,000 Restricciones
deClientes
1000 X1 + 2000 X2 + 1500 X3 + 2500 X4 + 300 X5 ≥ 50,000 la televisión
Xi ≥ 0
La solución por computadora de este modelo de
85
Variable Value Reduced Costs
X1 10.000 0.000
X2 0.000 65.000
X3 25.000 0.000
X4 2.000 0.000
X5 30.000 0.000
86
un incremento de un dólar en el presupuesto de
calidad de exposición.
87
objetivo a maximizar, el plan de publicidad para la
TURISTICA
Radio 30 3.000
$ 30.000
88
nombre de las organizaciones cliente. Los servicios
encuestarse.
Ejemplo:
introducido en el mercado.
89
obtener respuestas en hogares con niños y en hogares
acción.
90
de los costos de entrevistas se indican en el cuadro Nº
2.15.
SOLUCIÓN:
variables de decisión:
niños.
niños.
91
X4 = número de entrevistas nocturnas en hogares sin
niños.
Mínimizar 20 X1 + 25 X2 + 18 X3 + 20 X4
X1 + X2 + X3 + X4 = 1000
X1 + X2 ≥ 400
X3 + X4 ≥; 400
diurnas:
X2 + X4 ≥ X1 + X3
92
(posiblemente cero), por lo que volvemos a escribir esta
restricción de la forma
-X1 + X2 – X3 + X4 ≥ 0
restricciones se convierte en
Minimizar 20 X1 + 25 X2 + 18 X3 + 20 X4
Sujeto a
con niños
93
sin niños
Número de entrevistas
Diurno Nocturno Totales
Hogar
240 160 400
Con niños
240 360 600
Sin niños
480 520 100
Totales
0
INVESTIGACIÓN DE MERCADOS
94
Variable Value Reduced Costs
X1 240.000 0.000
X2 160.000 0.000
X3 240.000 0.000
X4 360.000 0.000
1 0.000 -19.200
2 0.000 -2.800
3 200.000 0.000
4 40.000 0.000
5 0.000 -5.000
6 0.000 -2.000
95
2.18.5. APLICACIONES FINANCIERAS
96
la capacidad de producción de los productos. Las
de problemas.
97
Por lo general, la función objetivo para los
Ejemplo:
98
se efectúen en la industria petrolera, en la industria del
cuadro Nº 2.18.
petrolera.
SOLUCIÓN
99
presupuestales y por la administración, respondemos a
inversión.
LA FINANCIERA
TASA DE RENDIMIENTO
Nº INVERSIÓN EN
PROYECTADO
100
Utilizando las tasas de rendimiento proyectadas, que
cartera, de la forma:
X1 + X2 + X3 + X4 + X5 = 100,000
X1 + X2 + X3 ≤50,000
X4 ≤50,000
expresa de la forma:
X5 ≥ 0.25 (X4)
Es decir - 0.25 X4 + X5 ≥ 0
petrolera es
101
X2 ≤ 0.60 (X1 + X2 + X3)
Sujeto a:
X1 + X2 + X3 + X4 + X5 = 100,000 Fondos disponibles
102
- 0.25X4 + X5 ≥ 0 Tope de los bonos del gobierno
DE LA FINANCIERA
X1 20000.000 0.000
X2 30000.000 0.000
X3 0.000 0.011
X4 40000.000 0.000
X5 10000.000 0.000
103
Constraint Slack/Surplus Dual Prices
1 0.000 0.069
2 0.000 0.022
3 1000.000 0.000
4 0.000 -0.024
5 0.000 0.030
104
otro lugar (distinto de estas cuatro inversiones) la
esta cartera.
es 8%).
105
6.9% - 4.5% = 2.4%.
106
La programación lineal se ha utilizado para una
apalancado.
Ejemplo:
2.20.
107
Años 1 2 3 4 5 6 7 8
Nec.de
(miles de
soles)
el cuadro Nº 2.21.
$ %
01 1150 8.875 5
02 1000 5.500 6
03 1350 11.750 7
108
Los bonos del gobierno tienen un valor a la par de 1000
4%.
SOLUCIÓN
manera:
= $1000)
= $1000)
= $1000)
109
La función objetivo es minimizar los dólares totales
Minimizar F
110
Las inversiones en bonos solo pueden ocurrir este primer
valor a la par del bono 1, 5.5% del valor a la par del bono
es:
111
principio del Año 6 quedara disponible el Valor par del bo-
ingresos por bonos, mes los intereses del ahorro del año
112
La solución del programa lineal con 12 variables y 8
como sigue:
113
suficientes para cubrir las necesidades de efectivo del
programa de retiro.
POSITIVA
F 1728.79385 0.00000
B1 144.98815 0.00000
B2 187.85585 0.00000
B3 228.18792 0.00000
S1 636.14794 0.00000
S2 501.60571 0.00000
S3 349.68179 0.00000
S4 182.68091 0.00000
114
S5 0.00000 0.06403
S6 0.00000 0.01261
S7 0.00000 0.02132
S8 0.00000 0.67084
1 0.00000 -1.00000
2 0.00000 -0.96154
3 0.00000 -0.92456
4 0.00000 -0.88900
5 0.00000 -0.85480
6 0.00000 -0.76036
7 0.00000 -0.71899
8 0.00000 -0.67084
115
2.18.6. APLICACIONES EN LA ADMINISTRACIÓN DE LA
116
control de inventarios y planeamiento de la capacidad. En
comprar.
Ejemplo:
Technician.
117
Cada calculadora tiene tres componentes: una
2.24.
118
tiempos de fabricación (en minutos) de dichos
componentes.
SOLUCIÓN
119
Cuadro Nº 2.24.- COSTOS DE MANUFACTURA Y PRECIOS DE
CALCULADORAS DE JANDERS
Manufactura
JANDERS
Tiempo de
Componente manufactura
Base 1.0
120
Carátula Financial 1.0
programar:
tiempo extra.
3.9TCP
121
5000 bases, y el volumen de los otros dos
demanda son:
BM + BP = 5000 Bases
OT≤ 50
122
minutos, convirtiéndose las 200 horas de capacidad
restricción:
producción:
manera:
Sujeto a:
BM + JSP = 5000 Bases
123
FCM + FCP = 3000
Cartuchos financial
TCM + TCP = 2000
Cartuchos Technician
FTM + FTP = 3000
Carátulas Financial
TTM + TTP = 2000
Carátulas Technician
OT ≤ 50 Horas de
tiempo extra
BM + 3FCM + 2.5TCM + FTM + 1.5TTM - 60OT ≤ 12,000 Capacidad
de Produc.
La solución por computadora de este programa lineal
cuadro Nº 2.26.
de 24,443.33 dólares.
124
El análisis de sensibilidad nos da alguna información
125
También indica el análisis de sensibilidad que una
óptima.
126
BM 5000,000 0,000
BP 0,000 0,017
OT 0,000 4,000
1 0,000 -0,583
2 0,000 -4,000
3 0,000 -3,508
4 0,000 -0,650
5 0,000 -0,780
6 50,000 0,000
7 0,000 0,083
2.18.6.2.PROGRAMACIÓN DE LA PRODUCCIÓN
127
Una de las aplicaciones de mayor importancia
periodos.
128
Una ventaja del uso de la programación lineal
así sucesivamente.
producción.
129
capacidades, etc. correspondientes a un periodo
Ejemplo:
tres meses.
130
control de la producción, que entonces debe
de los componentes.
Aquí i = 1, 2, y m = 1, 2, 3; i = 1 se refiere al
131
802 B 1000 500 3000
3).
132
En aquellos casos en los que se espera que el
problema.
133
Una hipótesis común que se hace al utilizar el
+0.15S23
adicionales:
134
Después de estimar el efecto por separación de
135
el nivel de producción en función de horas
unidades producidas.
+ 0.20D3
la forma:
136
Inventario
Inventario
final producción Demanda
del mes actual
final de
este mes
de este mes
anterior
convierten en:
137
De manera similar, necesitaremos restricciones
sigue:
Mes 2
Mes 3
s13 400
s23 200
en el cuadro Nº 2.28.
138
Las necesidades de máquina, mano de obra y
MANUFACTURAS
139
Las siguientes restricciones son necesarias para
Capacidad de máquina
Capacidad de almacenamiento
140
ducción, han sido de 1500 unidades del
partir de la relación:
unidades se tiene:
141
Naturalmente, durante un mismo mes no se
D1 será igual a 0.
producción, I1 = 500 y D1 = 0
= 00 y D2 = 300
producción.
positivos.
142
actual) obtenemos las restricciones del segundo y
producción:
D2
D3
143
problemas reales de programación de la
computadora.
144
Cuadro Nº 2.30.- LA SOLUCIÓN DE LINGO PARA
EL PROBLEMA DE MANUFACTURAS
I1 500,000 0,000
I2 2200,000 0,000
I3 0,000 0,072
D1 0,000 0,700
D2 0,000 0,700
D3 0,000 0,628
145
Constraint Slack/Surplus Dual Prices
1 0,000 -20,000
2 0,000 -10,000
3 0,000 -20,128
4 0,000 -10,150
5 0,000 -20,428
6 0,000 -10,300
7 0,000 -20,728
8 0,000 -10,450
9 150,000 0,000
10 20,000 0,000
11 80,000 0,000
12 100,000 0,000
13 0,000 1,111
14 40,000 0,000
15 4900,000 0,000
16 0,000 0,000
17 8600,000 0,000
18 0,000 0,500
19 0,000 0,500
146
20 0,000 0,428
Producción
Inventario final
Uso de máquina
Almacenamiento
147
inventarios y de suavización
de la producción =
1.11 dólares.
148
información valiosa por lo que se refiere a identificar un
planeación dado.
149
puede asignarse a más de un departamento o centro de
trabajo.
$10 y $9 respectivamente.
MANUFACTURING COMPANY
150
Total de horas
TRANSFERENCIAS
151
DE LA FUERZA DE TRABAJO
P1 5743,590 0,000
P2 1794,872 0,000
1 1061,538 0,000
2 1889,744 0,000
3 0,000 8,462
4 0,000 10,256
152
de los departamentos 1 y 2, pudiera transferirse a los que
o al 3.
153
La columna del lado derecho muestra que, para el
TRABAJO
P1 5743,590 0,000
P2 1794,872 0,000
1 1061,538 0,000
2 1889,744 0,000
3 0,000 8,462
4 0,000 10,256
E INFORMACIÓN DE CAPACIDADES
154
Transferencias por capacitación cruzada
permitidas al departamento
departamento 1 2 3 4 transferibles
1 -- si si -- 400
2 -- -- si si 800
3 -- -- -- si 100
4 si si -- -- 200
Sean:
para i = 1, 2, 3 y 4
i al j
155
Con la adición de las variables de decisión b1 b2, b3 y b4,
0.65P1 + 0.95P2 b1
0.45P1 + 0.85P2 b2
1.00P1 + 0.70P2 b3
0.15P1 + 0.30P2 b4
son:
0.65P1 + 0.95P2 – b1 0
0.45P1 + 0.85P2 – b2 0
1.00P1 + 0.70P2 – b3 0
156
Es decir, de restricciones que incluyan el número de
departamento.
departamento 1.
157
asignación total de la fuerza de trabajo del departamento
1 de la forma:
158
t34 100
159
Cuadro Nº 2.36.- SOLUCIÓN DE LINGO PARA EL PROBLEMA DE
Pl 6824.859 0.000
P2 1751.412 0.000
Bl 6100.000
0.000
B2 5200.000 0.000
B3 8050.847 0.000
B4 1549.153 0.000
T3 4 0.000 0.000
Prices
1 0.000 0.791
160
2 640.113 0.000
3 0.000 8.249
4 0.000 8.249
5 0.000 0.791
6 0.000 0.000
7 0.000 8.249
8 0.000 8.249
9 0.000 7.458
10 0.000 8.249
11 100.000 0.000
12 200.000 0.000
161
Interpretación de resultados:
problemas de mezclas.
162
En estas situaciones, los recursos contienen uno o más
industria petrolera.
Ejemplo:
163
produce las gasolinas mezclando tres componentes de
164
la mezcla de gasolina normal y cuántos en la de gasolina
extra.
PROBLEMA DE MEZCLAS
Producto Especificaciones
SOLUCIÓN
165
La solución de mezcla óptima deberá maximizar la
la gasolina j
y j = r, si es normal o j = p si es extra
166
Total de galones producidos:
componentes de petróleo
167
- 0.50(x1r + x1p) - 0.60(x2r + x1p) - 0.84(x3r + x3p)
convierte en
0.48x2p + 0.24x3p
2.40.
queda:
168
La especificación del segundo producto listado en el
y por lo tanto:
de la forma:
gasolina normal es
siguiente manera:
Sujeto a:
169
x3r x3 p 10,000
-0.70x1r - 0.30x2r - 0.30x3r 0
-0.40x1r - 0.60x2r - 0.40x3r 0
-0.20x1r - 0.20x2r - 0.80x3r 0
0.75x1p – 0.25x3 p – 0.25x3 p 0
-0.40x1p – 0.60x3 p – 0.40x3 p 0
0.30x1p – 0.30x3 p – 0.70x3 p 0
DE LA EMPRESA
170
1 0.000 0.580
2 0.000 0.480
3 0.000 0.240
4 3000.000 0.000
5 4000.000 0.000
6 0.000 0.000
7 1250.000 0.000
8 4000.000 0.000
9 3500.000 0.000
10 0.000 -0.080
gasolina extra.
Galones de componente
1 2 3
171
La gasolina normal debe manufacturarse como la
restricción.
172
Si la restricción por especificación de producto es tipo ,
OPTIMIZACIÓN LINEAL
173
1 16500 0.99 0.66 0.80
1 4.63 --
2 4.63 --
3 5.23 5.23
4 5.23 5.23
5 4.17 4.17
dobbie
174
El tiempo requerido para producir una tela a otra es
de otra fábrica.
DEFINICION DE VARIABLES
en la maquina j
(j=1, 2, 3, 4,5)
z=utilidad
producción de tela.
PRODUCCION
175
Variable Descripción Variable Descripción
compra de tela.
COMPRAS
176
Variable Descripción
Compradas
Compradas
Compradas
Compradas
Compradas
telar.
TELARES
177
Donde T1, T2, T3, T4 y T5 son los telares; q la cantidad
de telares.
en la maquina:
(i=1, 2, 3, 4, 5)
z=utilidad
178
! HORAS MAQUINA DISPONIBLE DE LOS TELARES
NORMALES;
(1/5.23)*X32 + (1/5.23)*X42 + (1/4.17)*X52 <= 24*30*30;
¡DEMANDA DE TELAS!
X11 + Y1 = 16500; Demanda de tela tipo 1;
X21 + Y2 = 22000; Demanda de tela tipo 2;
X31 + X32 + Y3 = 62000; Demanda de tela tipo 3;
X41 + X42 + Y4 = 7500; Demanda de tela tipo 4;
X51 + X52 + Y5 = 62000; Demanda de tela tipo 5;
d) SOLUCIÓN CON EL PROGRAMA LINGO
la solución.
PRODUCCIÓN TEXTIL
179
X51 0.000000 0.1748201E-01
Y1 11831.20 0.000000
Y2 0.000000 0.1000000E-01
Y3 34292.19 0.000000
Y4 0.000000 0.8000000E-01
Y5 0.000000 0.6203837E-01
1 62531.49 1.000000
2 0.000000 0.6482000
3 0.000000 0.5753000
4 0.000000 0.1900000
5 0.000000 0.1700000
6 0.000000 0.5000000
7 0.000000 0.6200000
8 0.000000 0.6203837E-01
e) INTERPRETACION DE RESULTADOS
180
En el cuadro Nº 2.47 se detalla el programa de
tipo 1 y 3.
62531.49 dólares.
181
Análisis del valor de tiempo adicional del telar
182
los trimestres I y II incurre en un costo de mantenimiento
500 barcos.
trimestre.
DEMANDA
INICIAL
183
En el cuadro Nº 2.49 se detallan la capacidad de
PRODUCCIÓN
CAPACIDAD DE PRODUCCION
unidad
COSTOS DE MANTENIMIENTO
por unidad
184
La gerencia solicita que Formule un modelo de
trimestre 4
SOLUCIÓN
trimestre I
trimestre II
el trimestre III
trimestre IV
inventario
10000X1+11000X2+12100X3+13310X4
185
Para la obtención del costo de inventario se consideran
el trimestre I
el trimestre II
el trimestre III
el trimestre IV
250S1+250S2+300S3+300S4
restricciones
MIN Z = 10000X1+11000X2+12100X3+13310X4+
250S1+250S2+300S3+300S4
186
Inventario
Inventario
final producción Demanda
del mes actual final de
de este mes
anterior este mes
100+X1-S1=2000
S1+X2-S2=4000
S2+X3-S3=3000
S3+X4-S4=1500
S4>=500
siguientes restricciones:
X1<=4000
X2<=3000
X3<=2000
X4<=4000
MIN
=10000*X1+11000*X2+12100*X3+13310*X4+250*S1+250*S2+
300*S3+300*S4;
187
Sujeto a: 100+X1-S1=2000;
S1+X2-S2=4000;
S2+X3-S3=3000;
S3+X4-S4=1500;
S4>=500;
X1<=4000;
X2<=3000;
X3<=2000;
X4<=4000;
El inventario final del trimestre 4 debe ser por lo menos
500 barcos.
Minimizar costo total.
PROGRAMACIÓN LINEAL
188
f) Interpretación de resultados
A EN TOTAL $
FABRICAR INVENTARIO
189
III 3000 300 12100
Sport 50 30 25
Normal 30 22 20
Disponibilidad de
maquina
2.53.
190
Hilos 10 30
Terokal 5 30
Pvc 5 10
modelos
b) SOLUCIÓN
Variables a utilizar:
i---tipo de calzado.
LINEAL:
Función objetiva:
191
max = 95*(x11+x12+x13+x14+x15) +80*(x21+x22+x23+x24+x25)-
30*(x13+x23)-200*(x11+x21)-50*(x12+x22)-30*(x14+x24)-
10*(x15+25);
Restricciones:
x11+x12+x13+x14+x15>= 90;
x21+x22+x23+x24+x25>=150;
50*(x11+x12+x13+x14+x15)+30*(x21+x22+x23+x24+x25)<=500;
30*(x11+x12+x13+x14+x15)+22*(x21+x22+x23+x24+x25) <=400;
25*(x11+x12+x13+x14+x15)+20*(x21+x22+x23+x24+x25)<=300;
Disponibilidad de cuero:
x11+x21<=500;
Disponibilidad de cromo:
x12+x22<=300;
Disponibilidad de hilos:
192
x13+x23<=10;
Disponibilidad de terokal:
x14+x24<=5;
Disponibilidad de PVC:
x15+x25<=5;
Objective value:
660.0000
Variable Value
Reduced Cost
X11 0.000000
170.0000
X12 0.000000
20.00000
X13 0.000000
0.000000
193
X14 4.000000
0.000000
X15 0.000000
10.00000
X21 0.000000
170.0000
X22 0.000000
20.00000
X23 4.000000
0.000000
X24 1.000000
0.000000
X25 5.000000
0.000000
1 660.0000 1.000000
2 86.00000 0.000000
3 140.0000 0.000000
4 0.000000 0.2000000
5 60.00000 0.000000
6 0.000000 2.200000
7 500.0000 0.000000
194
8 300.0000 0.000000
9 6.000000 0.000000
10 0.000000 0.000000
11 0.000000 30.00000
c) Interpretación de resultados
Variables de decisión
superfluas:
*Y1=86
Interpretación:
195
Se han producido 86 unidades más de calzado Sport:
*Y2=140
Interpretación:
*Y3=0
Interpretación:
*Y4=60
Interpretación:
*Y5=0
Interpretación:
*Y6=500
Interpretación:
*Y7=300
Interpretación:
*Y8=6
Interpretación:
196
Quedan disponibles 6 kilos de hilo
*Y9=0
Interpretación:
*Y10=0
Interpretación:
Para x11=170:
objetivo disminuye en
660-m (170);
Para x12=20:
objetivo disminuye en
660-m (20);
Para x13=0:
objetivo no varia
Para x14=0:
197
*si se produce “m” unidad adicional del x14 la función
objetivo no varia
Para x15=10;
objetivo varia en
660-m(10)
Para x21=170
objetivo varia en
660-x21(170)
Para x22=20:
objetivo varia en
660-m(20)
Para x23=0:
objetivo no varia
Para x24=0:
objetivo no varia
Para x25:
198
*si se produce “m” unidad adicional del x25 la función
objetivo no varía.
meses es el siguiente:
Eje 1 Eje 2
Octubre 50 000 30 000
Noviembre 80 000 50 000
Diciembre 50 000 40 000
MAQUINA A MAQUINA B
Eje 1 10 % 6%
Eje 2 10/6 % 8%
199
por cada eje el costo por hora de la maquina A es de S/. 2
Sea:
Función objetivo:
200
( )(
( )(
( )(
( )(
Restricciones:
Octubre:
Noviembre:
201
Diciembre:
Octubre:
Noviembre:
Diciembre:
202
Tiempo fabricación Eje 1:
Maquina A:
Octubre:
Noviembre:
Diciembre:
203
Maquina B:
Octubre:
Noviembre:
Diciembre:
Maquina A:
Octubre:
Noviembre:
Diciembre:
Maquina B:
Octubre:
204
Noviembre:
Diciembre:
No negatividad
!SEA:
Xijkl
DONDE:
i->TIPO DE EJE(1,2)
j->MODELO DE MAQUINA(A,B)
k->TURNO(D,N)
l->MES(1,2,3);
!FUNCION OBJETIVO;
MIN = (200-
2700/50)*(4/50*(X1AD1+X1AD2+X1AD3)+6/50*(X1AN1+X1AN2+X1AN3))
+(200-
2900/50)*(4/50*(X1BD1+X1BD2+X1BD3)+6/50*(X1BN1+X1BN2+X1BN3))+
(200-
2700/60)*(4/60*(X2AD1+X2AD2+X2AD3)+6/60*(X2AN1+X2AN2+X2AN3))
+(200-
2900/60)*(4/60*(X2BD1+X2BD2+X2BD3)+6/50*(X2BN1+X2BN2+X2BN3));
205
!RESTRICCIONES;
!EJE 1;
9*(X1AD1+X1AN1)/10+47*(X1BD1+X1BN1)/50>= 50000;
9*(X1AD2+X1AN2)/10+47*(X1BD2+X1BN2)/50>= 80000;
9*(X1AD3+X1AN3)/10+47*(X1BD3+X1BN3)/50>= 50000;
! EJE2;
59*(X2AD1+X2AN1)/60+23*(X2BD1+X2BN1)/25>= 30000;
59*(X2AD2+X2AN2)/60+23*(X2BD2+X2BN2)/25>= 50000;
59*(X2AD3+X2AN3)/60+23*(X2BD3+X2BN3)/25>= 40000;
! INVENTARIO FINAL EJE 1;
2000+9*(X1AD1+X1AN1)/10+47*(X1BD1+X1BN1)/50-
50000+9*(X1AD2+X1AN2)/10+47*(X1BD2+X1BN2)/50-
80000+9*(X1AD3+X1AN3)/10+47*(X1BD3+X1BN3)/50-50000=10000;
! INVENTARIO FINAL EJE 2;
3000+59*(X2AD1+X2AN1)/60+23*(X2BD1+X2BN1)/25-
30000+59*(X2AD2+X2AN2)/60+23*(X2BD2+X2BN2)/25-
50000+59*(X2AD3+X2AN3)/60+23*(X2BD3+X2BN3)/25-
40000=10000;
! TIEMPO DE FABRICACION;
! EJE 1;
(X1AD1+X1AN1)/50<=48*4*2*2;
(X1AD2+X1AN2)/50<=48*4*2*2;
(X1AD3+X1AN3)/50<=48*4*2*2;
(X1BD1+X1BN1)/50<=48*4*2*3;
(X1BD2+X1BN2)/50<=48*4*2*3;
(X2BD3+X2BN3)/50<=48*4*2*3;
! EJE 2;
(X2AD1+X2AN1)/60<=48*4*2*2;
(X2AD2+X2AN2)/60<=48*4*2*2;
206
(X2AD3+X2AN3)/60<=48*4*2*2;
(X2BD1+X2BN1)/60<=48*4*2*3;
(X2BD2+X2BN2)/60<=48*4*2*3;
(X2BD3+X2BN3)/60<=48*4*2*3;
207
Solución del modelo:
208
Interpretación de resultados:
mes de octubre.
en el mes de noviembre.
mes de diciembre.
en el mes de octubre.
en el mes de noviembre.
en el mes de diciembre.
en el mes de octubre.
en el mes de noviembre.
en el mes de diciembre.
209
0 ejes tipo 1 en la maquina B en el turno de noche
en el mes de octubre.
en el mes de noviembre.
en el mes de diciembre.
en el mes de octubre.
en el mes de noviembre.
en el mes de diciembre.
en el mes de octubre.
en el mes de noviembre.
en el mes de diciembre.
mes de octubre.
210
5 095 ejes tipo 2 en la maquina B en el turno de día
en el mes de noviembre.
mes de diciembre.
en el mes de octubre.
en el mes de noviembre.
en el mes de diciembre.
211
misma parcela; en cambio, el cultivo C2 ha de
rendimientos.
Sea:
Función objetivo:
Restricciones:
212
Rotación de cosechas:
Capacidad de agua:
No negatividad:
!SEA:
Xi
DONDE:
!FUNCION OBJETIVO;
MAX = 14000*X1+15000*X2-6000*(X1+X2);
! RESTRICCIONES;
! ROTACION DE COSECHAS;
X2<=X1;
! CAPACIDAD DE AGUA;
213
X2<= 60;
214
Solución del modelo:
Interpretación de resultados:
debe de producir:
215
Actualmente se producen tres tipos de guantes,
rubros:
216
Formulación del modelo:
Sea:
Función objetivo
Restricciones:
Costos:
Mano de obra:
Materiales:
Tipo B y C:
No negatividad
217
Implementación del modelo:
! SEA:
Xi
DONDE:
i->TIPO DE GUANTE(A,B,C);
! FUNCION OBJETIVO;
MAX = 4.15*XA+4.33*XB+3.80*XC-
((0.57+1.90+0.85)*XA+(0.46+2.20+0.72)*XB+(0.44+
1.62+0.56)*XC);
! RESTRICCIONES;
! COSTOS;
0.57*XA+0.46*XB+0.44*XC<=8000;
1.90*XA+2.20*XB+1.62*XC<=40000;
0.85*XA+0.72*XB+0.56*XC<=12000;
! DEMANDA;
XA >= 10000;
XC/XB <= 0.60;
218
Interpretación de resultados:
2.20. GLOSARIO
219
de decisión, decremento para uno de decisión), antes de que la
decisión óptima.
220
Rango de factibilidad. Rango de valores en el cual puede variar
Regla del 100 por ciento. Regla que indica cuando cambios
dual.
recursos.
221
Aplicación. Utilización de una herramienta para un propósito
específico.
dispone la empresa.
222
Planeación financiera. Previsión de las necesidades de
periodos futuros.
de productos.
empresa.
CAPÍTULO III
223
PLANIFICACIÓN Y ADMINISTRACIÓN DE PROYECTOS CON
PERT – CPM
224
realizan los estimados de tiempo para las actividades del
PERT.
1. Planificación.
proyecto.
225
2. Programación.
Actividades.
camino crítico.
económicos
3. Ejecución.
226
3.3. CONSTRUCCIÓN DE LA RED DEL PROYECTO
Construcción de la Red:
flecha en la red.
pueda comenzar?
esta actividad?
terminal.
227
Para resolver el caso anterior se introduce una actividad
ficticia D
228
Una actividad se puede descomponer en segmentos, cada
actividad ficticia D.
próximo (TIPi).
229
Si i = 0 entonces estamos en el nodo inicial y TIP0 = 0. Si Dij
230
Las actividades críticas se distinguen en la red con un color
diferente:
y su duración.
231
La holgura libre HL para la actividad (i, j) es el exceso de
posible.
a) Diagrama de red
232
las actividades y eventos que intervienen en un
b) Actividad
o dada en un proyecto.
233
tienen tiempo cero. Las actividades ficticias permiten
punteada.
c) Evento
proyecto.
234
denomina ruta crítica o camino crítico de la red del
el proyecto.
total.
235
3.5. TIEMPOS DE CULMINACIÓN DE UNA ACTIVIDAD Y
EN PERT
estimaciones de tiempo:
236
Figura Nº 3.1.- DISTRIBUCIÓN DE PROBABILIDAD BETA
237
Para calcular el valor esperado suponemos que el punto
238
proyecto avanza, los tiempos estimados se utilizan para
DEL PROYECTO
239
proyecto quede de nuevo según lo programado cambiando
la asignación de recursos.
E {μi} = ΣDi
calcular la probabilidad:
media 0 y varianza 1.
240
Figura Nº 3.3.- PROBABILIDAD DE CULMINACIÓN ANTES DE T
de recursos.
3.7.2. COSTOS
válido).
242
aquella actividad crítica con pendiente de costo más
243
Figura Nº 3.5.- DETERMINACIÓN DEL PROGRAMA DE COSTO
MÍNIMO
3.8. GLOSARIO
con certeza.
244
Probabilístico. Los eventos son probables, existe un cierto
otra.
245
CAPITULO IV
TEORIA DE INVENTARIOS
4.1. INTRODUCCIÓN
246
Los recursos anteriormente mencionados, que están
Mercadotecnia, Finanzas
interrogantes:
247
Mantener inventarios numerosos y hacer pedidos poco
frecuentes
Inventario:
un nivel
248
FLUJO DE LOS INVENTA
Demanda
Cliente
Inventario
Venta Su
Función de los inventarios
3. Económicos.
249
5. Inventarios estaciónales, diseñados para cumplir mas
demanda.
funciones.
INVENTARIOS
características:
de pedidos.
• Costos de Oportunidad
• Costos de Almacenamiento
250
c) Costos de Agotamiento: Las paralizaciones en que se
incurre.
a) Demanda Determinística
b) Demanda Probabilística.
distribución.
periodo de tiempo.
251
a) Revisión Continua.- El registro del nivel de
un nuevo pedido.
252
MODELO DE INVENTARIO
Supongamos que:
I= tasa de costo anual.
20%
C=costo unitario de un
elemento del inventario.
$ 26
Ch=Costo anual de
posesión de una unidad en
el inventario
Ch=0, 2*26=5, 2
253
Existen dos tipos de modelo de inventarios: modelo de
Se supone lo siguiente:
Suposición Q = Im
Tenemos:
Im inventario máximo
254
t tiempo entre pedido
de Ordenar/periodo+Costo de Mantener/Periodo
Periodos /Año
Donde:
C2 Costo de Ordenar/periodo
Por periodo
Cp = C1*Q+C2+C3*t*Q/2..................1
Periodos/Año N = D/Q
Reemplazando Valores en 1:
Cp = C1*Q + C2 + C3*(Q/D)*(Q/2)
255
Costo Total por Año: C = N*Cp
de compra
aQ
Q
t
Análisis de sensibilidad
256
La política optima de la Cantidad Económica de Pedido
Q = K Q*
Si
K = 1 entonces Q = Q*
Existencias de seguridad
257
Sirven de amortiguador para absorber las variaciones de
Qs = (1 + X) Q*
Qi = (1- X) Q*
Donde:
X tasa de desviación
Qs cantidad superior
Qi cantidad inferior
258
CASO:
desea conocer:
Solución:
C3) = 20000
100%
259
Los costos solo son el 25% mas elevados que el óptimo.
ordenada no optima:
K = C / C* C = K C*
15000/20000 ) + 0.03(20000/2)
= $ 150.00
siguiente figura.
260
Costo mínimo
tota
Costo de pedido
+ Costo de Déficit/periodo
261
Cp = C1 *Q + C2 + C3 * t1 * (im./2) + C4 * t2 * (s/2)
Reemplazando Valores
S = ( ( ( 2 C2 D )/C4 ) * ( C3 / ( C3 + C4 ) ) )1/2
PROBLEMA:
$400 C3 = $1.20/año
Solución
3855.43
747
262
C = 1*1800 + 400 (1800/3855 ) + 1.2 ( 3855 – 747 )2 / (
C = $ 21732.94
Días
0.172*360 = 62 Días
15 Días
263
cuando se solicitan los artículos en lotes o cantidades
grandes.
ALGORITMO
Qj = ( ( 2 * D * C2 ) / C3 )1/2
donde:
precio de compra
respetar
264
Paso 3. Para cada Qj permitido, calcular:
C = C1 * D + C2 * ( D/Q ) + C3 * ( Q/2 )
PROBLEMA:
UNITARIO
UNIDADES % C1
0 - 250 0 20
250 - 1000 10 18
1000 - mas 25 15
Zapatería?
SOLUCION:
265
Q1 = ( (2 * 10000 * 9 ) / ( 0.10*20 ) )1/2 = 300 > 250 No es
Factible
Factible
Factible
Paso 2.-
Q Cost Unitario Cant. Pedida Costo / UnidadCosto por OrdenarCosto InventarioCost Tot Anual
C1 Q C1 * D C2 * ( D / Q ) C3 * ( Q / 2 ) C
25%
Con un costo de
266
En los sistemas de producción y distribución existen
DEMANDA VARIABLE:
TIEMPO DE ESPERA
ESPERA
DEMANDA VARIABLE:
intervalos.
TIEMPO DE ESPERA:
incierto.
267
Las fuentes de variación de la demanda durante el
variable en el tiempo.
volverse a pedir.
268
aumenta las utilidades en el caso de los productos
perecederos:
CC C4 / C4 C1
de producción a tiempo).
Problemática
Objetivos de generales
269
El presente estudio tiene como adjetivos generales
niveles de inventarios.
Objetivos específicos
Metodologia
de inventarios.
270
Analizaremos el caso de la empresa “Inversiones
últimas 5 semanas:
Semanas Demanda/cajas
1 3000
2 2950
3 3050
4 2950
5 3050
Análisis de costos
mantenimiento:
271
Costo de financiar el costo de inventario:
S/ 8000.00 a S/ 10000.00.
del 12%.
S/ 240.00.
inventario.
272
El costo de posesión de una caja de franca en el
la cantidad a pedir,
mensual es de S/ 125.00
2.00
273
La administración estima el costo de pedir es igual a
S/143.00
274
Existencia de seguridad
=2, 6 Q
Donde
275
Costo anual total = costo anual de posesión +
¿CUÁNTO PEDIR?
Tabulando:
276
El valor de Q* que minimiza el costo anual de pedir
“Franca” es:
Q*=2929 cajas/semana
soles.
277
¿CUÁNDO PEDIR?
E.I.R.L.”.
cajas
¿CUÁNDO PEDIR?
278
El número de pedidos que colocará AJE para
Análisis de sensibilidad
Q* Q=2929
CONCLUSIONES
279
tanto en equilibrar los costos de compra como el de almacén
pedido.
eficiente.
terminados.
280
CAPÍTULO V
TEORIA DE COLAS
en la vida diaria
281
5.2. TERMINOLOGÍAS UTIÑIZADAS EN LA TEORIA DE
COLAS
tiempo.
sistema.
espera.
sistema).
esperar el servicio.
sistema (n = 0, 1,…).
servicio.
282
5.3. TIPOS DE MODELOS DE LINEAS DE ESPERA
modelo en serie.
probabilidad Poisson
de probabilidad exponencial
servicio
continuación:
283
Sus características de operación:
L Lq /
P0 1 /
2
Lq
( )
W Wq 1 /
Lq
Wq
n
PW /
Pn P0
CANALES (M/M/K)
probabilidad Poisson
probabilidad exponencial
284
• La disciplina en la cola es primera llegada , primer
servicio
continuación:
t1
t
t2
S
1
P0 K 1
( / ) ( / ) k
n
k
n! k!
N 0
k
( / ) k
Lq P0
(k 1)!(k ) 2
L Lq /
Lq
Wq
W Wq 1 /
285
k
1 k
PW P0
k! k
( / ) n
Pn P0 , Para : n k
n!
( / ) n
Pn P0 , Para : n k
k!k ( nk )
286
En la mayoría de ocasiones para obtener algún
287
red o en el servidor propiamente dicho, se recibe la
288
En la figura N° 5.1 se muestra la línea de espera.
horario fijo.
289
Figura Nº 5.2.- SISTEMA DE COLAS DEL BANCO
DEL SISTEMA
parámetros:
290
número medio de clientes que puede atender
clientes en el sistema.
sistema.
cliente.
mecanismo de servicio.
del banco.
291
Figura N° 5.3.- SISTEMA DE ATENCION DEL BANCO
Día (λ) (μ) (μ) (μ) (μ) (μ) (μ) (μ) (μ)
1 147 17 20 21 17 16 23 19 30
2 173 21 20 23 25 20 19 21 27
3 141 15 20 22 13 17 16 16 34
4 156 16 25 23 21 16 26 31 29
5 150 18 23 25 24 18 24 29 30
292
Min/clint 0.39 3.44 2.78 2.63 3.00 3.44 2.78 2.59 2.00
30
25
Numero de
Clientes
20
15
10
5
0
Caja 1 Caja 2 Caja 3 Caja 4 Caja 5 Caja 6 Caja 7 Caja 8
Serv./ Serv./ Serv./ Serv./ Serv./ Serv./ Serv./ Serv./
hora hora hora hora hora hora hora hora
Cajas
BANCO
293
294
5.4.3. DESARROLLO DEL MODELO DE SIMULACIÓN E
MÓDULOS
295
k = 8 cajeros
RESULTADOS OBTENIDOS
espera en la cola )
permanece en el sistema).
muestreo
k = 8 cajeros
Datos Obtenidos
296
• L = 62.383 (Promedio de clientes en el sistema.)
espera en la cola )
permanece en el sistema).
k = 8 cajeros
RESULTADOS OBTENIDOS
clientes en el sistema).
en la cola )
297
• W = 4.716 minutos (Tiempo que un cliente
permanece en el sistema).
Conclusiones
óptima.
completamente ineficiente.
40 por hora:
298
a) La fracción de tiempo que un cierto dependiente esta
ocioso.
Solución
The System is M/M/2
Customer arrival rate (lambda) = 40 per year
Service rate per server (mu) = 30 per year
Overall system effective arrival rate = 40 per year
Overall system effective service rate = 40 per year
Overall system effective utilization factor =
.6666666
Average number of customers in the system (L) = 2.4
Average number of customers in the queue (Lq) =
1.066667
Average time of a customer in the system (W) =
0.060000 years
Average time of a customer in the queue (Wq) =
0.026666 years
The probability that all servers are idle (Po) = 20 %
The probability an arriving customer waits (Pw) =
53.33334 %
The total server cost (Cs) = $0 per year
The total customer waiting cost (Cw) = $0 per year
The total customer balking cost (Cb) = $0 per year
The overall total cost = $0 per year
299
Number of ¦Probability
Customers (n)¦ P(n)
------------+-----------
0 ¦ .200000
1 ¦ .266667
a) Po+1/2*P1= 0.3333335
b) 1-(Po+P1+P2) = 0.355555
exponencialmente. Determínese:
a las casetas.
minuto.
esperan un teléfono.
300
Solución
The System is M/M/5
301
c) L = 3.9866
uno con una tasa media de 20 por hora y que ningún cliente
302
Solución
The System is M/M/1
303
Overall system effective utilization factor = .4
Average number of customers in the system (L) = .9523809
Average number of customers in the queue (Lq) = .1523809
Average time of a customer in the system (W) = 0.023809
hours
Average time of a customer in the queue (Wq) = 0.003809
hours
The probability that all servers are idle (Po) = 42.85714 %
The probability an arriving customer waits (Pw) = 22.85715 %
The total server cost (Cs) = $0 per hours
The total customer waiting cost (Cw) = $0 per hours
The total customer balking cost (Cb) = $0 per hours
The overall total cost = $0 per hours
Respuesta:
Number of ¦Probability
Customers (n) ¦ P (n)
------------+------------
0 ¦ .666667
T1 (ocioso) = Po = 0.6666
L1 = ½+1/2 = 1
L2 =0.9524
Number of ¦Probability
304
Customers (n) ¦ P (n)
------------+-----------
0 ¦ .428571
1 ¦ .342857
Determínese:
305
b) La probabilidad de que una persona llama, permanezca
en espera.
306
Solución
a)
307
1 ¦ .225000 ¦ .900000
2 ¦ .075000 ¦ .975000
P (llamada ocupada) = 1-(Po+P1+P2) = 0.025
c) P( no espera) = Po = 0.675
Problema 5.- Un restaurante de comida china para llevar
Determínese:
308
b) El tiempo estimado que un cliente deberá esperar por el
servicio.
de $10.00.
309
Solución
a) L = 2.5
310
c) 10*2.5 = 25 dólares
nuevas instrucciones.
Determínese:
311
servicio, si el costo de enviar un autobús a las instalaciones
Solución
The System is M/M/1/4
a) 13 horas 4 minutos
b) 495.48 dólares
312
Problema 7.- La compañía de autobuses descrita en
expansión?
Solución
The System is M/M/2/4
313
The total server cost (Cs) = $0 per hour
The total customer waiting cost (Cw) = $0 per hour
The total customer balking cost (Cb) = $0 per hour
The overall total cost = $0 per hour
Determinase:
Solución
The System is M/M/5
314
Customer arrival rate (lambda) = 12 per day
Service rate per server (mu) = 4 per day
Overall system effective arrival rate = 12 per day
Overall system effective service rate = 12 per day
Overall system effective utilization factor = .5999999
Average number of customers in the system (L) =
3.354227
Average number of customers in the queue (Lq) =
.3542274
Average time of a customer in the system (W) = .279519
days
Average time of a customer in the queue (Wq) =
0.029518 days
The probability that all servers are idle (Po) = 4.664723 %
The probability an arriving customer waits (Pw) =
23.61516 %
The total server cost (Cs) = $0 per day
The total customer waiting cost (Cw) = $0 per day
The total customer balking cost (Cb) = $0 per day
The overall total cost = $0 per day
a) se obtiene 53%
b) 1.32 por día.
la manera siguiente:
Numero en la tienda 0 1 2 3 4 5
Tasa promedio de 10 11 12 14 17 20
llegadas 0 0 0 0 0 0
Determínese:
servicio.
Solución
The System is M/M/2/5
316
Overall system effective service rate = 100.1163 per
hours
Overall system effective utilization factor =
.8343025
Average number of customers in the system (L) = 2.83149
Average number of customers in the queue (Lq) =
1.162885
Average time of a customer in the system (W) = 0.028282 hours
Average time of a customer in the queue (Wq) = 0.011615 hours
The probability that all servers are idle (Po) = 8.115797 %
The probability an arriving customer waits (Pw) =
74.97629 %
The total server cost (Cs) = $0 per
hours
The total customer waiting cost (Cw) = $0 per hours
The total customer balking cost (Cb) = $0 per hours
The overall total cost = $0 per hours
a) 2.90
b) 46.4 segundos
c) 50.4 por hora
317
vez .Estos llegan de acuerdo a un proceso poissoniano, con
Determínese:
318
minutos. Sin embargo, el propietario se vuelve más eficiente
esperando servicio.
Determínese:
clientes en el sistema.
319
sistema M/M/ , las probabilidades de estado constituyen
Po P1 0, n 0
( n ) Pn Pn 1 (n 1)Pn 1 0, n 1
Pn (t ) de donde (1 (t ) de la cual
n!
obtenemos
Pn = /n! N= 0, 1, 2 ,3...
n
También obtenemos
L(s) =
320
W(s) = 1/
Lq = Wq = 0;
semana. Determínese:
simultáneamente en el curso.
321
máquina recién reparada funciona a un promedio de 12
fuera de operación.
322
CAPITULO VI
PROGRAMACION DINAMICA
323
Transforma un problema de optimización complejo en una
secuencia de
atrás.
optimalidad.
decisiones en el mismo.
324
En esencia la programación dinámica hace referencia a una
grupo de problemas.
(x(t),t=1,2,…,T).
325
resultante de la primera decisión”…….”Una política optima
S(t+1)=g(S(t).x(t),t)
f* (S(t),t)=Opt[f(S(t)),x(t),t)+f*(g (S(t),x(t),t),t+1)],t=2,…,T
x(t)
f*(S(1),1)=Opt f(S(1),x(1),1)
326
x(1)
fiebre del oro en California a mediados del siglo XIX. Tiene que
327
ruta más segura y por lo tanto su ruta del viaje era aquella que
y emprendió su aventura”
328
FORMULACIÓN DEL PROBLEMA
Donde X4 = J
329
estado S, listo para iniciar la etapa n y se dirige a Xn como
destino inmediato.
Etapa n=4
etapa 4, entonces
f5*(J) = 0
330
Cuando el cazafortunas tiene sólo una etapa por recorrer
f4 (H) = cH , J = 3
f4 (I) = c I , J = 4
Etapa n=3
331
Etapa n=2
332
Luego f2*(C) = 7 y X2* = E
Etapa n=1
recorrer (n=1).
Veamos:
333
6.9. CARACTERÍSTICAS DE LOS PROBLEMAS DE
PROGRAMACIÓN DINÁMICA
dinámica:
334
1. El problema se puede dividir en etapas que requieren una
su inicio.
335
3. El efecto de la política de decisión en cada etapa es
336
En el problema de la diligencia, el procedimiento de solución
dinámica.
337
estado actual del sistema expresa toda la información sobre
problema de la diligencia.
la etapa n+1.
338
8. Cuando se usa esta relación recursiva, el procedimiento de
339
A menudo, aunque no sea posible aplicar la estrategia
programación dinámica.
Enfoque Ascendente
asignados.
340
Búsqueda de solución óptima
problema planteado.
presente trabajo.
341
Q
ƒ *n+1(Sn+1)
objetivo.
obtiene:
ƒn (Sn , Xn)
342
ƒ *n (Sn)= ƒn (Sn, X*n).
una etapa.
Im
343
El primer caso aplicativo surge en un contexto muy distinto
344
esperado en años, multiplicado por su población).En la
médicas.
345
¿Cuál es la asignación que maximiza la medida de
desempeño?
1 45 20 50
2 70 45 70
3 90 75 80
Formulación
asignadas al país n.
346
S1= 5
S2= S1 - X1
S3= S2 - X2
Max Z = ∑ Pi (Xi)
Sujeto a:
347
Etapa n=3 país 3
la etapa 3, entonces f4 * =0
momento
* * *
s3 ƒ3(s3)= p3(x3)+ ƒ4 ƒ3 (S3) x3
0 0 0 0
1 50 50 1
2 70 70 2
3 80 80 3
4 100 100 4
5 130 130 5
0 0 0 0
1 50 20 50 0
2 70 70 45 70 1
3 80 90 95 75 95 2
Niv Sis
el + ƒ2* (4, x1) = P1 (1) + ƒ2*(4) = 170
pro
Co
Ll
eg 349
+ ƒ2* (5, x1) = P1 (0) + ƒ2*(5) = 160
Veamos la tabla:
*
ƒ 1(s1, x1)= p1(x1)+ ƒ2 (S1-x1)
* *
X1 ƒ 1 (s1) x2
0 1 2 3 4 5
s1
Ser
Salidas
350
CAPITULO VII
PROCESOS DE MARKOV
7.5. INTRODUCCIÓN
351
Aunque éste simplemente es un enfoque simple, tiene la
352
colección de niveles de inventario semanales (o
producto.
353
se observan en t = 0, 1, 2,. . ., y en donde cada variable
354
el último evento generado fue Ej. , de manera que el
MATRIZ DE TRANSICION
355
7.8. CASOS DE PROGRAMACION DINAMICA
PREFERENCIA DE AUTOMÓVILES
TOYOTA
NISSAN
DAEWOO
HONDA,HYUNDAI)
DE HUANCAYO NOVIEMBRE-2010
356
Sistema
Llegadasde Servi
Cola Servi
Sali
0
Servid S
Colas dor dor
das or E
i=1
Estructura
3 básica i=1
3
2 2
0
1 0
45
20 2
para la
programación
dinámica
DIAGRAMA DE TRANSICIÓN
*
X1 =1
Z=1
X 13 X
TOYO
9
S TOTA S
357
Entonces se tiene la siguiente matriz de transición de líneas
para Toyota
y Nissan.
automóviles
después de 2 años.
PxABCD ABCD
358
A+B+C+D=1 0.45 A 0.22 B 0.32C 0.39 D A........(1)
0.31A 0.27 B 0.24C 0.33D B........(2)
RESOLVIENDO SE TIENE:
0.07 A 0.04 B 0.26C 0.18D C........(3)
0.17 A 0.43B 0.18C 0.17 D D........(4)
CONCLUSION:
LA SIGUIENTE MANERA:
359
7.8.2. LA GUERRA DE LOS DETERGENTES
ACE
ÑAPANCHA
ARIEL
OTRAS MARCAS
FUTURO???
ESTADO ACTUAL
OTRO 5, 5, 2 respectivamente.
360
DATOS OBTENIDOS DE LA ENCUESTA: Tomando cada
DIAGRAMA DE TRANSICIÓN:
MATRIZ DE TRANSICIÓN:
361
362
Entonces el estado a largo plazo es
aceptación.
363
Para predecir el comportamiento de los consumidores a un
semana):
Ace 39%
Ñapancha 23%
Ariel 29%
Otros 9%
364
ENCUESTA
CONCLUSIONES
Detergentes:
pequeños.
de marca al azar.
365
BIBLIOGRAFÍA
2004.
366
367