METODO SIMPLEX

El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. (Mtodo Grfico). El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. Deber tenerse en cuenta que este mtodo slo trabaja para restricciones que tengan un tipo de desigualdad "" y coeficientes independientes mayores o iguales a 0, y habr que estandarizar las mismas para el algoritmo. En caso de que despus de ste proceso, aparezcan (o no varen) restricciones del tipo "" o "=" habr que emplear otros mtodos, siendo el ms comn el mtodo de las Dos Fases.

APLICACIN Este mtodo se utiliza bsicamente para la solucin de problemas cuantitativos donde se involucre restricciones (modelo matemtico), en sistemas de produccin, fabricacin
TECNICAY EJEMPLO DE SOLUCION El mtodo simplex tiene las siguientes caractersticas: * el modelo matemtico esta basado en no negativo * todas las variables son no negativas Y contiene los siguientes pasos:

1. Convertir las desigualdades en igualdades

Se introduce una variable de holgura por cada una de las restricciones, para convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x + y + h = 18

2x + 3y + s = 42 3x +y + d = 24
2. Igualar la funcin objetivo a cero - 3x - 2y + Z = 0 3. Escribir la tabla inicial simplex En las columnas aparecern todas las variables del problema y, en las filas, los coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima fila con los coeficientes de la funcin objetivo:

Tabla I . Iteracin n 1 Base Variable de decisin Variable de holgura Valores solucin x h s d Z 2 2 3 -3 y 1 3 1 -2 h 1 0 0 0 s 0 1 0 0 d 0 0 1 0 18 42 24 0

4. Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base A. Para escoger la variable de decisin que entra en la base, nos fijamos en la ltima fila, la de los coeficientes de la funcin objetivo y escogemos la variable con el coeficiente negativo mayor (en valor absoluto). En nuestro caso, la variable x de coeficiente - 3. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige uno cualquiera de ellos. Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya elementos negativos. La columna de la variable que entra en la base se llama columna pivote (En color azulado).

B. Para encontrar la variable de holgura que tiene que salir de la base, se divide cada
trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero. En nuestro

caso: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]

Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la base, d. Esta fila se llama fila pivote (En colorazulado). Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes pueden salir de la base.

C. En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional, 3. 5. Encontrar los coeficientes de la nueva tabla. Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la fila d por el pivote operacional, 3, que es el que hay que convertir en 1. A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de su columna, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z. Tambin se puede hacer utilizando el siguiente esquema: Fila del pivote: Nueva fila del pivote= (Vieja fila del pivote) : (Pivote) Resto de las filas: Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la variable entrante) X (Nueva fila del pivote) Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II): Vieja fila de s 2 3 - Coeficiente 2 2 x x 0 1 0 - - 2 2 2 x x x 42 2 x 8 =

Nueva fila pivote 1 1/3 0 0 1/3 = = Nueva fila de s = = =

0 7/3 0 1 -2/3 26

Tabla II . Iteracin n 2 Base Variable de decisin Variable de holgura Valores solucin x h s x Z 0 0 1 0 y 1/3 7/3 1/3 -1 h 1 0 0 0 s 0 1 0 0 d -2/3 -2/3 1/3 1 2 26 8 24

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso: A. La variable que entra en la base es y, por ser la variable que corresponde al coeficiente -1 B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 2:1/3 [=6] , 26:7/3 [=78/7] y 8:1/3 [=8] y como el menor cociente positivo es 6, tenemos que la variable de holgura que sale es h. C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Operando de forma anloga a la anterior obtenemos la tabla: Tabla III . Iteracin n 3

Base Variable de decisin Variable de holgura Valores solucin x y s x Z 0 0 1 0 y 1 0 0 0 h 3 -7 -1 3 s 0 0 0 0 d -2 4 1 -1 6 12 6 30

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso: A. La variable que entra en la base es d, por ser la variable que corresponde al coeficiente -1 B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6] y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es s. C. El elemento pivote, que ahora hay que hacer 1, es 4.

Obtenemos la tabla: Tabla IV . Final del proceso Base Variable de decisin Variable de holgura Valores solucin x y d x Z 0 0 1 0 y 1 0 0 0 h -1/2 -7/4 -3/4 5/4 s 0 0 0 0 d 0 1 0 0 12 3 3 33

Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. Los solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice donde se alcanza, observando las filas correspondientes a las variables de decisin que han entrado en la base: D(3,12)

MODELO DE TRANSPORTE
Es una tcnica cuantitativa creada para minimizar los costos asociados a la distribucin de un bien o servicio desde diferentes orgenes hasta diferentes destinos.

programacin lineal Debido al xito alcanzado en los Sistemas de Transporte, esta tcnica se utiliz posteriormente en otros sistemas.

En ellos, el problema no implica transporte fsico de bienes pero existen relaciones lineales, y el modelo formulado tiene las caractersticas de un Modelo de Transporte

El producto a transportar debe ser nico y homogneo. Si se ofrece cemento, por ejemplo, la demanda debe ser de cemento, es decir, un producto nico. Si se ofrecen sacos de cemento la demanda debe ser de sacos de cemento y no a granel, es decir, es homogneo.

En caso de multi-productos, se puede hacer una multi-formulacin.

En la Formulacin y Construccin del Modelo Lineal de Transporte deben considerarse aspectos ya estudiados en la formulacin de modelos lineales generales tales como

a) Definir claramente las variables de decisin y expresarlas simblicamente

b) Definir claramente la Funcin Objetivo y las restricciones y expresarlas matemticamente como funciones lineales. Debe cuidarse que los elementos componentes del modelo sean expresados para el mismo perodo de tiempo.

Se debe estipular que las variables de decisin sean mayores o iguales a cero.

Esto acerca el modelo a la realidad. La Funcin Objetivo del Modelo Lineal de Transporte es la formulacin matemtica de una meta establecida.

Es una funcin Lineal a ser maximizada o minimizada. En el modelo original de transporte representa los costos totales de transporte a ser minimizados. Los orgenes o sitios, desde donde se transporta el bien, estn simbolizados en el subndice i y los destinos, hasta los que se transporta el bien, con el subndice j. Tiene la siguiente forma general: Xij, matemticamente, simboliza a las variables de decisin. Son los valores numricos que se determinan con la solucin del modelo y estn relacionadas con la actividad de transporte.

En el Modelo de Transporte representan la cantidad del bien a transportar desde el origen i hasta el destino j.

Los orgenes i pueden existir en cualquier cantidad, desde 1 hasta m orgenes; igualmente puede existir cualquier cantidad de destinos j, desde 1 hasta n. Cij, matemticamente, simboliza el coeficiente de la variable Xij. Son datos de insumo del modelo.

variable Xij, al valor total deseado en el objetivo.

Especficamente en transporte representa el costo de transporte de cada unidad, del bien a transportar, desde el origen i hasta el destino j.

Las restricciones, desde el punto de vista matemtico, son funciones lineales expresadas como igualdades o desigualdades que limitan el valor de las variables de decisin a valores permisibles.

Representan, en el Modelo de Transporte, la cantidad del bien disponible en cada origen para ser transportada (restricciones de oferta) y las cantidades demandadas que deben ser transportadas a los destinos (restricciones de demanda). Las restricciones del Modelo Lineal de Transporte, incluida la de no-negatividad de las variables, tienen la forma general siguiente: Cada modelo tiene tantas restricciones de oferta como el nmero de orgenes (m) que existan y tantas restricciones de demanda como el nmero de destinos (n) que existan.

Las restricciones de oferta garantizan que no se transportar ms de la cantidad disponible en los orgenes.

Las restricciones de demanda garantizan que las cantidades demandas sern satisfechas.

ai, matemticamente simboliza el lado derecho de la restriccin i de oferta. El subndice i indica el origen desde el cual va a ser transportado el bien, donde i = 1.........m Representan la cantidad del bien que est disponible, para transportarse, en el origen i. bj, matemticamente constituye el lado derecho de la restriccin j de demanda. El subndice j indica el destino hasta el cual va a ser transportado el bien, donde j = 1.........n Representan la cantidad del bien que es demandado, para transportarse, en el destino j.

Xij> 0 es una restriccin de no negatividad de las variables. Se le considera siempre presente como una condicin natural en cualquier modelo lineal. Siendo m el nmero de restricciones de oferta y n el nmero de restricciones de demanda, en un Modelo de Transporte existir siempre, m x n variables en total. Siendo m el nmero de restricciones de oferta y n el nmero de restricciones de demanda, en un Modelo de Transporte existir siempre m+n-1 variables bsicas y (mxn)(m+n-1) nobsicas.

En todo Modelo de Transporte elaborado a partir de un sistema que no sea de transporte, pueden intercambiarse los orgenes y destinos. Esto depender de la conveniencia para la interpretacin de los resultados.

Toda la informacin de un Modelo de Transporte puede ser resumida en las llamadas Tablas de Transporte, al igual que el modelo lineal general se resuma en tablas simplex. Estas tablas presentan la forma siguiente, en un modelo de tres orgenes y tres destinos. La empresa Gal elabora cerveza, como uno de sus productos, en tres plantas localizadas en tres ciudades del pas, A, B y C. Este producto se transporta a cuatro almacenes localizados en cuatro ciudades del pas, 1, 2, 3 y 4 para su posterior distribucin. Los costos de transporte (en miles de pesos) por camin de cerveza, se indican en la matriz de costos que se le presenta. Cada camin puede transportar 1000 cajas de cerveza. La cantidad de cajas de cerveza, disponible en las plantas, para transportar es la siguiente: A: 90.000; B: 40.000; C: 80.000. Las cajas de cerveza que requiere cada almacn son las siguientes: 1: 40.000; 2: 60.000; 3: 50.000; 4: 60.000

ASIGNACION
la mejor persona para el puesto

El problema de asignaciones es un caso especial del problema del transporte, uno en el cual, todas las variables son de carcter binario (0,1) y a cada fuente se le debe asignar uno y solo un destino, y a cada destino una y solo una fuente. Caractersticas del modelo Xij= 0 = No asigne la fuente i-sima al destino j-simo Xij= 1 = Si asigne la fuente i-sima al destino j-simo ai = 1 , para todo i bj= 1 , para todo j aij= 1 , para todo i y para todo j

m = n , Nmero de fuentes igual a nmero de destinos

El mtodo Hngaro desarrolla un mtodo ms efectivo y prctico. Este tipo de problemas son lineales, con una estructura de transporte, slo que la oferta en cada origen es de valor uno y la demanda en cada destino es tambin de valor uno. Sera muy ineficiente resolver este tipo de problemas por medio del mtodo simplex o por medio del de transporte. Debido a la estructura propia de los problemas de asignacin, existen mtodos de solucin llamados algoritmos de asignacin que son ms eficientes que el simplex o que el mtodo de transporte. Los problemas de asignacin presentan una estructura similar a los de transporte, pero con dos diferencias: asocian igual nmero de orgenes con igual nmero de demandas y las ofertas en cada origen es de valor uno, como lo es la demanda en cada destino. La restriccin importante para cada agente es que ser desigado a una y solo una tarea. Caractersticas El problema de asignacin presenta las siguientes caractersticas:

El Problema de Asignacin debe estar equilibrado, es decir, que las ofertas y las demandas sean igual a 1. Un elemento importante para el problema de asignacin es la matriz de costos, si el nmero de renglones o columnas no son iguales el problema

esta desbalanceado y se puede obtener una solucin incorrecta,para obtener una solucin correcta la matriz debe ser cuadrada.

Si el nmero de agentes y tareas son iguales y el coste total de la asignacin para todas las tareas es igual a la suma de los costes de cada agente (o la suma de los costes de cada tarea, que es lo mismo en este caso), entonces el problema es llamadoproblema de asignamiento lineal. Normalmente, cuando hablamos de problema de asignacin sin ninguna matizacin adicional, nos referimos al problema de asignamiento lineal.

Oferta: Cantidad que representa la disponibilidad del articulo en la fuente/fabrica de donde proviene. 4 Demanda: Cantidad de artculos que necesita recibir el destino para cumplir sus necesidades

Formas de represtentacion
1. Red. 2. Modelo de programacin lineal. 3. Matriz de costos. 4. Tabla de transporte.

Mtodo hngaro
Pasos para el mtodo hngaro Paso 1: Encontrar primero el elemento ms pequeo en cada fila de la matriz de costos m*m; se debe construir una nueva matriz al restar de cada costo el costo mnimo de cada fila; encontrar para esta nueva matriz, el costo mnimo en cada columna. A continuacin se debe construir una nueva matriz (denominada matriz de costos reducidos) al restar de cada costo el costo mnimo de su columna. Paso 2: Consiste en trazar el nmero mnimo de lneas (horizontales o verticales o ambas nicamente de esas maneras) que se requieren para cubrir todos los ceros en la matriz de costos reducidos; si se necesitan m lneas para cubrir todos los ceros, se tiene una solucin ptima entre los ceros cubiertos de la matriz. Si se requieren menos de m lneas para cubrir todos los ceros, se debe continuar con el paso 3. El nmero de lneas para cubrir los ceros es igual a la cantidad de asignaciones que hasta ese momento se pueden realizar (En algunos textos este paso se atribuye a Flood). Paso 3: Encontrar el menor elemento diferente de cero (llamado k) en la matriz de costos reducidos, que no est cubierto por las lneas dibujadas en el paso 2; a continuacin se debe restar k de cada elemento no cubierto de la matriz de costos reducidos y sumar k a

cada elemento de la matriz de costos reducidos cubierto por dos lneas (intersecciones). Por ltimo se debe regresar al paso 2. (scrib2) Paso 4: En caso de no encontrar una solucin factible con los pasos anteriores aplicar entonces este: 1) Trace el nmero mnimo de lineas horizontales y verticales en la ltima matriz reducida que cubrir TODAS las entradas cero. 2) Selecciones el elemento no cubierto ms pequeo y rstelo de todos los elementos no cubiertos; despus, smelos a todos los elementos en la interseccin de dos lneas. 3) Si no es posible encontrar una asignacin factible entre las entradas cero resultantes, repita es paso. De lo contrario regrese al paso 3 para determinar la asignacin ptima.

Ejemplo
1-Una empresa de logstica cuenta con 4 mquinas para realizar 3 tareas, cada mquina realiza la tarea segn el tiempo en que esta pueda ejecutarla. En la siguiente tabla se muestran los tiempos en horas para dichas tareas.

Se plantea la red de la siguiente forma:

REDES
El modelo de redes es un sistema de interconexin (ramas) de nodos(estados) en los cuales existen diferentes algoritmos (mtodos) para la solucin de este modelo. Se basa en un costo de conexin y/o costo de estado, por los algoritmos se puede encontrar: rbol de minina expansin Algoritmo de Ruta ms corta Algoritmo de flujo mximo Algoritmo de costo mnimo Algoritmo de ruta critica APLICACIN La aplicacin de este modelo es en la planificacin de carreteras entre ciudades, rutas alternas, viajes y otros donde se pueda modelar un estado y la conexin entre ellos

Mtodo CPM
(Metodo de la Ruta Critica o del camino Critico), se basa en redes que tiene por objetivo auxiliar en la planeacin programacin y control de proyectos. Se define un proyecto como conjunto de actividades interrelacionadas en la que cada actividad consume tiempo y recurso.El mtodo del camino crtico es un proceso administrativo de planeacin, programacin, ejecucin y control de todas y cada una de las actividades componentes de un proyecto que debe desarrollarse dentro de un tiempo crtico y al costo ptimo. El objetivo es contar con un mtodo analtico para programar las actividades, primero se define las actividades del proyecto, sus relaciones de procedencia y sus necesidades de tiempo, despus se establece la red que lo modele, despus se implica los clculos necesarios para desarrollar la solucin de dicha red

Este mtodo CPM es para la solucin de problemas determinsticos TECNICA DE SOLUCION Los clculos que se realizan son los siguientes 1.- Duracin total necesaria para terminar el proyecto 2.- Clasificacin de las actividades del proyecto en crticas y no crticas Se dice que una actividad es critica si no hay margen en la determinacin de sus tiempos de inicio y de termino, y no critica cuando permite alguna holgura en su programacin de modo que el tiempo de inicio de la actividad se puede adelantar o retrasar dentro de ciertos limites sin afectar la fecha de terminacin de todo el proyecto Se define un evento como un momento en el tiempo en el que se terminan actividades y otras se inician (nodo)

Para estos clculos se necesitan dos pasos, el paso hacia adelante determina los tiempos mas tempranos o de ocurrencia de los eventos y el paso hacia atrs calcula sus tiempos mas tardos de ocurrencia Paso hacia adelante (tiempos mas tempranos de ocurrencia o tiempos mas prximos de ocurrencia), los clculos se inician en el nodo 1 y avanzan en forma recursiva hasta el nodo final n

Paso inicial para indicar que el proyecto se inicia cuando el tiempo es 0 Paso general j. dado que los nodos p, q. y v estn enlazados directamente con el nodo j por las actividades de entrada (p,j), (q,j) y (v,j) y que los tiempos masrempranos de ocurrencia de los eventos (nodos) p,q..y v ua se han calculado, entonces se calcula el tiempo mas temprano de ocurrencia del evento j como sigue

El paso hacia adelante se termina cuando se calcula ..en el nodo n, por definicin j representa la ruta (duracin ) mas larga al nodo j. Paso hacia atrs (tiempos mas tardos de ocurrencia o tiempos maslejando de ocurrencia ), despus de terminar el paso hacia adelante, los clculos del paso hacia atrs comienzan en el nodo n y terminan en el nodo 1 Paso inicial, igualar para indicar que las ocurrencias mas temprano y mas tardo del ultimo nodo en le proyecto son iguales Paso general j. Dado que los nodos p, q, .y v estn enlazados en forma directa con el nodo j por actividades de salida (j,p),(j,q) .y (j,v) y que ya se calcularon los tiempos mas tardos de los nodos p, q,.y v , en el tiempo tardio del n odo j se calcula como sigue El paso hacia atrs e termina cuando se calcula 1 en el nodo 1 Con base en los clculos anteriores, una actividad (i,j) ser crttica si satisface tres condiciones

Mtodo PERT
El mtodo PERT se basa en similitud al mtodo CPM pero a diferencia es para problemas de duracin probabilstica, donde existe una probabilidad que algn estado (nodo) de dicha red tenga o no algn cambio en algn cierto tiempo La tcnica demostr tanta utilidad que ha ganado amplia aceptacin tanto en el gobierno como en el sector privado es bsicamente un mtodo para analizar las tareas involucradas en completar un proyecto dado, especialmente el tiempo para completar cada tarea, e identificar el tiempo mnimo necesario para completar el proyecto total. Este modelo de proyecto fue el primero de su tipo, un reanimo para la administracin cientfica, fundada por el fordismo y el taylorismo. No es muy comn el modelo de proyectos, todos se basan en PERT de algn modo. La parte ms famosa de PERT son las Redes PERT, diagramas de lneas de tiempo que se interconectan. Redes de pert Una malla PERT permite planificar y controlar el desarrollo de un proyecto. A diferencia de las redes CPM, las redes PERT trabajan con tiempos probabilsticos. Normalmente para desarrollar un proyecto especfico lo primero que se hace es determinar, en una reunin multidisciplinaria, cules son las actividades que se deber ejecutar para llevar a feliz trmino el proyecto, cul es la precedencia entre ellas y cul ser la duracin esperada de cada una. Para definir la precedencia entre actividades se requiere de una cierta cuota de experiencia profesional en el rea, en proyectos afines. Principios Estos tres principios deben respetarse siempre a la hora de dibujar una malla PERT:

Principio de designacin sucesiva: se nombra a los vrtices segn los nmeros naturales, de manera que no se les asigna nmero hasta que han sido nombrados todos aquellos de los que parten aristas que van a parar a ellos. Principio de unicidad del estado inicial y el final: se prohbe la existencia de ms de un vrtice inicial o final. Slo existe una situacin de inicio y otra de terminacin del proyecto. Principio de designacin unvoca: no pueden existir dos aristas que tengan los mismos nodos de origen y de destino. Normalmente, se nombran las actividades mediante el par de vrtices que unen. Si no se respetara este principio, puede que dos aristas recibieran la misma denominacin

Duracin de una Actividad

Para estimar la duracin esperada de cada actividad es tambin deseable tener experiencia previa en la realizacin de tareas similares. En planificacin y programacin de proyectos se estima que la duracin esperada de una actividad es una variable aleatoria de distribucin de probabilidad Beta Unimodal de parmetros (a, m, b) donde: = Se define como el tiempo optimista al menor tiempo que puede durar una actividad. = Es el tiempo ms probable que podra durar una actividad. = ste es el tiempo pesimista, o el mayor tiempo que puede durar una actividad. = Corresponde al tiempo esperado para una actividad (Este corresponde al tiempo CPM, asumiendo que los clculos son exactos). NOTA: Se supone que cada Tarea, sigue una ley de distribucin de de Euler

El valor (o tiempo) esperado en esta distribucin. Esta se expresa en la siguiente frmula:

cuya varianza est dada por:

y una desviacin estndar:

En un dibujo de una malla PERT podemos distinguir nodos y arcos,los NODOS representan instantes en el tiempo. Especficamente, representan el instante de inicio de una o varias actividades y simultneamente el instante de trmino de otras varias actividades. Los arcos por su parte representan las actividades, tienen un nodo inicial y otro de trmino donde llega en punta de flecha. Asociada a cada arco est la duracin esperada de la actividad. Ms informacin de un diagrama de actividades es representar stas con una valoracin de complejidad para minimizar el efecto de cuello de botella.
.

Dibujo de una malla PERT

Existen dos metodologas aceptadas para dibujar una malla PERT, la de Actividad en el Arco y las de Actividad en el Nodo, siendo sta ltima la ms utilizada en la actualidad en atencin a que es la que usan la mayora de las aplicaciones computacionales especialistas en este tema.

Cada nodo contiene la siguiente informacin sobre la actividad: Nombre de la actividad Duracin esperada de la actividad (t) Tiempo de inicio ms temprano (ES = Earliest Start) Tiempo de trmino ms temprano (EF = Earliest Finish) Tiempo de inicio ms tardo (LS = Latest Start) Tiempo de trmino ms tardo (LF = Latest Finish) Holgura de la Actividad (H) Por convencin los arcos se dibujan siempre con orientacin hacia la derecha, hacia el nodo de trmino del proyecto, nunca retrocediendo. El dibujo de una malla PERT se comienza en el nodo de inicio del proyecto. A partir de l se dibujan las actividades que no tienen actividades precedentes, o sea, aquellas que no tienen que esperar que otras actividades terminen para poder ellas iniciarse. A continuacin, se dibujan las restantes actividades cuidando de respetar la precedencia entre ellas. Al terminar el dibujo de la malla preliminar, existirn varios nodos ciegos, nodos terminales a los que llegan aquellas actividades que no son predecesoras de ninguna otra, es decir aquellas que no influyen en la fecha de inicio de ninguna otra, stas son las actividades terminales y concurren por lo tanto al nodo de trmino del proyecto. para esto no es necesario utilizarlo Clculo de los tiempos de inicio y trmino ms tempranos El tiempo de inicio ms temprano ES (Early Start) y de trmino ms temprano EF (Early finish) para cada actividad del proyecto, se calculan desde el nodo de inicio hacia el nodo de trmino del proyecto segn la siguiente relacin: La duracin esperada del proyecto (T) es igual al mayor de los tiempos EF de todas las actividades que desembocan en el nodo de trmino del proyecto. [editar]Clculo de los tiempos de inicio y trmino ms tardos El tiempo de inicio ms tardo LS (Latest Start) y de trmino ms tardo LF (Latest finish) para cada actividad del proyecto, se calculan desde el nodo de trmino retrocediendo hacia el nodo de inicio del proyecto segn la siguiente relacin: Donde (t) es el tiempo esperado de duracin de la actividad y donde LF queda definida segn la siguiente regla:

Regla del tiempo de trmino ms tardo: El tiempo de trmino ms tardo, LF, de una actividad especfica, es igual al menor de los tiempos LS de todas las actividades que comienzan exactamente despus de ella. El tiempo de trmino ms tardo de las actividades que terminan en el nodo de trmino del proyecto es igual a la duracin esperada del proyecto (T). [editar]Holguras, actividades crticas y rutas crticas La Holgura de una actividad, es el tiempo que tiene sta disponible para, ya sea, atrasarse en su fecha de inicio, o bien alargarse en su tiempo esperado de ejecucin, sin que ello provoque retraso alguno en la fecha de trmino del proyecto. La holgura de una actividad se calcula de la siguiente forma: H = LF EF o bien H = LS ES Actividades crticas Se denomina actividades crticas a aquellas actividades cuya holgura es nula y que por lo tanto, si se retrasan en su fecha de inicio o se alargan en su ejecucin ms all de su duracin esperada, provocarn un retraso exactamente igual en tiempo en la fecha de trmino del proyecto. Rutas crticas Se denomina rutas crticas a los caminos continuos entre el nodo de inicio y el nodo de trmino del proyecto, cuyos arcos componentes son todos actividades crticas. Las rutas crticas se nombran por la secuencia de actividades crticas que la componen o bien por la secuencia de nodos por los que atraviesa. Ntese que un proyecto puede tener ms de una ruta crtica pero a lo menos tendr siempre una. [editar]Variabilidad de la duracin de un proyecto La duracin esperada del proyecto (T) es una variable aleatoria proveniente de la suma de otras variables aleatorias, las duraciones esperadas de las actividades de la o las rutas crticas del proyecto y por lo tanto su variabilidad depender de la variabilidad de todas las actividades crticas del proyecto. Se tiene entonces que la varianza y la desviacin estndar de la duracin esperada del proyecto est dada por: Varianza de todas las actividades del Proyecto Clculo de probabilidades Asumiendo que la duracin esperada de una actividad es una variable aleatoria independiente, podemos tambin suponer que la duracin esperada del proyecto es una variable aleatoria que aproxima a la distribucin de Gauss (para tareas > 30) y por lo tanto podemos calcular algunas probabilidades haciendo uso de una tabla de distribucin normal, tomando en consideracin las siguientes relaciones: - Consideremos que para nmeros de Tareas < 30, debemos aproximar a una distribucin de Student P=JI-1-i La probabilidad de que el proyecto se termine antes de una duracin dada t0 est dada por: donde segn: es el valor de entrada a una tabla de distribucin normal y que se calcula

En los grficos PERT, los proyectos pueden organizarse en acontecimientos y tareas. Un acontecimiento (tambin llamado hito) es un punto en el tiempo que representa el inicio o la finalizacin de una tarea o un conjunto de tareas Parar ilustrar los acontecimientos en los grficos PERT se ha utilizado una gran variedad de smbolos: crculos, cuadrados y similares. En los grficos PERT, estos acontecimientos reciben a menudo el nombre de nodos. Cada nodo esta dividido en tres secciones. La parte izquierda del nodo incluye el nmero de identificacin del acontecimiento. Este nmero por lo general hace referencia a una leyenda que define explcitamente el acontecimiento. Las partes derecha superior y derecha inferior del nodo se usan para anotar los tiempos mximo y mnimo de finalizacin del acontecimiento. En vez de ser fechas, estos tiempos se cuentan a partir de TIEMPO = 0, donde 0 corresponde a la fecha en la que se inicia el proyecto. Todos los grficos PERT tienen un nodo de inicio y un nodo de fin que seala el fin del proyecto. En un grafico PERT, las tareas (llamadas tambin actividades) se presentan mediante una flecha entre nodos. Una tarea es una actividad del proyecto (o un conjunto de actividades) En la flecha, se incluyen una letra de identificacin de la tarea y la duracin esperada de la misma. La direccin de la flecha indica que acontecimiento debe ser completado antes que el otro. La duracin de la tarea resulta en la terminacin del nodo siguiente. Una flecha con trazo discontinuo tiene un significado especial. Es una tarea vaca. Una tarea vaca representa la dependencia de dos acontecimientos. Sin embargo, como no ha de llevarse a cabo ninguna actividad, no existe duracin entre dichos acontecimientos Estimacin de los requisitos de tiempo del proyecto y elaboracin de un PERT. Antes de dibujar un graficar un grafico PERT, debe hacerse una estimacin del tiempo requerido por cada tarea del proyecto. El grafico PERT puede utilizarse para indicar los tiempos mximos y mnimos para la finalizacin de las tareas. Aunque estos tiempos se expresan a menudo en forma de personas-da, no es recomendable este planteamiento. No existe ninguna pruebe de que exista dependencia lineal entre el tiempo de terminacin de un proyecto y el numero de personas asignadas al equipo del proyecto. Muchos proyectos de sistemas que se entregaron con retraso aumentaron ms su desviacin en los plazos cuando se aadieron mas personas al equipo de proyecto. Por el hecho de que dos personas hagan un trabajo en cuatro das no puede suponerse que cuatro personas lo hagan en dos das. Por esto es mejor que se exprese este tiempo en das de calendario para un nmero dado de personas asignadas por tarea. Los requisitos de tiempo de los proyectos deben ser calculados por Como herramienta de control, el grfico PERT ayuda al director a identificar los problemas actuales y potenciales. Debe ponerse especial atencin en el camino crtico de un proyecto. Cuado un director de un proyecto detecta que una tarea crtica va con retraso, debern plantearse diversas alternativas de accin. Podrn entonces tomarse medidas correctivas, como la redistribucin de recursos humanos. Estos recursos probablemente se obtendrn de tareas no crticas que en la actualidad marchen correctamente. Estas tareas no crticas ofrecen al proyecto un cierto tiempo muerto disponible.

RAMPSincompletisimo
Se conoce con el nombre genrico de tcnicas de trayectoria critica porque busca planear y programar en forma grfica y cuantitativa una serie de secuencias coordinadas de actividades simultaneas que tienen el mismo fin y origen uniendo nfasis en la duracin y costo de aquella secuencia de operaciones que resultan ser la ms larga y costosa
La tcnica RAMPS: Es el ms reciente entre los mtodos de Ruta Crtica. Su nombre se forma tambin de las siglas Resource Allocation and Multi Project Schedulling: Programa de Proyectos Mltiples y Asignacin de Recursos. Tiene por objeto programar la forma en que ciertos recursos limitados, deben ser distribuidos entre varios proyectos simultneos, total o parcialmente, para obtener una mxima eficiencia. Adems de las ideas e instrumentos comunes a PERT y PCM, introduce conceptos de competencia entre varias actividades, que utilizan los mismos recursos a la vez, y que permiten programar dichos recursos en conjuncin al programa de actividades. Es posible comparar los costos de diversas alternativas en proyectos, identificar los recursos ms efectivos, y es factible, a travs del uso de una computadora electrnica, hacer evaluaciones del progreso y perspectiva de trabajo en un momento determinado segn opinin de la oficina en Mxico de la firma inventora.

MODELO DE INVENTARIOS incompleto

Tanto el inventario, como las cuentas por cobrar, presentan una proporcin significativa de los activos en la mayora de las empresas que requieren de inversiones sustanciales. Por ello, las prcticas administrativas que den como resultado minimizar el porcentaje del inventario total, pueden representar grandes ahorros en dinero. OBJETIVOS El objetivo de los modelos de inventarios es presentar algunos mtodos que ayuden a lograr una buena administracin en los inventarios y una relacin eficiente de ellos con la Administracin Financiera. CONTROL DE INVENTARIOS La eficiencia del control de inventarios puede afectar la flexibilidad de operacin de la empresa. Dos empresas esencialmente idnticas, con la misma cantidad de inventario, pero con grandes diferencias en los grados de flexibilidad de sus operaciones, pueden tener inventarios desbalanceados, debido bsicamente a controles ineficientes de estos. Ello ocasiona que en determinado momento se encuentren con abundancia de alguna materia y carezcan de otra. Finalmente, estas deficiencias tienen efectos negativos en la utilidad. En otras palabras, la ineficacia del control de inventarios para un nivel dado de flexibilidad afecta el monto de las inversiones que requieren, es decir, a menor eficiencia en el sistema de control de inventarios, mayor la necesidad de inversin. Consecuentemente, las altas inversiones en inventarios tendrn un impacto adverso en la utilidad de la empresa. POR QU LOS INVENTARIOS Lo siento, ahorita no hay Esencial para mercaderas fsicas (a veces hasta se utiliza en servicios). Mantener inventarios abastecidos. Minimizar la cantidad de mercadera almacenada. Minimizar la cantidad de reabastecimientos en untiempo determinado. En resumen Cundo y Cunto TIPOS DE INVENTARIO Determinstico Se puede predecir la demanda Estocstico No se puede predecir la demanda COMPONENTES DE MODELOS DE INVENTARIO Costo de ordenar Q = cantidad de productos c = costo unitario K = costo fijo o de preparacin C(Q) = costo de ordenar Q unidades C(Q) = K + cQSi Q>0 0 Si Q=0

 Costo de mantener inventario Capital invertido, espacio, seguros, proteccin, impuestos. Usualmente son proporcionales a la cantidad de productos almacenados. Pero a veces mientras se va aumentando la cantidad de inventario se aumenta el precio por producto. Costo por faltantes Con faltantes. Hacer esperar al cliente. Cliente buena onda. Menor Costo Sin faltantes. Cumplir inmediatamente. Cliente mala onda. Mayor costo. Ingreso Usualmente no se puede controlar, ya que depende del mercado. Valor de Recuperacin Valor de artculos sobrantes cuando no se requiera ms del inventario. Mercadera perdida. Se incorpora al costo de mantener. Tasa de descuento Porcentaje de lo que vale el dinero con relacin a cundo se invirti. Se puede obtener el valor presente neto.

http://www.slideshare.net/ngcmarin/tipos-de-modelos-de-inventario

LINEAS DE ESPERA semi casi completo

Una cola es una lnea de espera,La teora de colas es un conjunto de modelos matemticos que describen sistemas de lneas de espera particulares,El objetivo es encontrar el estado estable del sistema y determinar una capacidad de servicio apropiada
Existen muchos sistemas de colas distintos,Algunos modelos son muy especialesOtros se ajustan a modelos ms generalesSe estudiarn ahora algunos modelos comunes Y Otros se pueden tratar a travs de la simulacin Sistemas de colas: modelo bsico Un sistema de colas puede dividirse en dos componentes principales: La cola La instalacin del servicio Los clientes o llegadas vienen en forma individual para recibir el servicio

Estructuras tpicas de sistemas de colas: una lnea, mltiples servidores

Costos de un sistema de colas 1. Costo de espera: Es el costo para el cliente al esperar Representa el costo de oportunidad del tiempo perdido Un sistema con un bajo costo de espera es una fuente importante de competitividad 2. Costo de servicio: Es el costo de operacin del servicio brindado Es ms fcil de estimar El objetivo de un sistema de colas es encontrar el sistema del costo total mnimo LAS LLEGADAS El tiempo que transcurre entre dos llegadas sucesivas en el sistema de colas se llama tiempo entre llegadas El tiempo entre llegadas tiende a ser muy variable

 El nmero esperado de llegadas por unidad de tiempo se llama tasa media de llegadas () El tiempo esperado entre llegadas es 1/ Por ejemplo, si la tasa media de llegadas es = 20 clientes por hora Entonces el tiempo esperado entre llegadas es 1/ = 1/20 = 0.05 horas o 3 minutos Adems es necesario estimar la distribucin de probabilidad de los tiempos entre llegadas Generalmente se supone una distribucin exponencial Esto depende del comportamiento de las llegadas LA COLA El nmero de clientes en la cola es el nmero de clientes que esperan el servicio El nmero de clientes en el sistema es el nmero de clientes que esperan en la cola ms el nmero de clientes que actualmente reciben el servicio La capacidad de la cola es el nmero mximo de clientes que pueden estar en la cola Generalmente se supone que la cola es infinita Aunque tambin la cola puede ser finita EL SERVICIO El servicio puede ser brindado por un servidor o por servidores mltiples El tiempo de servicio vara de cliente a cliente El tiempo esperado de servicio depende de la tasa media de servicio ( ) El tiempo esperado de servicio equivale a 1/ Por ejemplo, si la tasa media de servicio es de 25 clientes por hora Entonces el tiempo esperado de servicio es 1/ = 1/25 = 0.04 horas, o 2.4 minutos Desempeo del sistema de colas Para evaluar el desempeo se busca conocer dos factores principales: 1. El nmero de clientes que esperan en la cola 2. El tiempo que los clientes esperan en la cola y en el sistema EJEMPLO Suponga una estacin de gasolina a la cual llegan en promedio 45 clientes por horaSe tiene capacidad para atender en promedio a 60 clientes por hora, Se sabe que los clientes esperan en promedio 3 minutos en la cola La tasa media de llegadas es 45 clientes por hora o 45/60 = 0.75 clientes por minuto La tasa media de servicio es 60 clientes por hora o 60/60 = 1 cliente por minuto

MODELO DE SIMULACION incompleto

La simulacin es la mejor alternativa de la observacin de un sistema, nos permite recopilar informacin pertinente acerca del comportamiento del sistema al paso del tiempo la simulacin no es una tcnica de optimizacin, mas bien se usa para estimar las mediciones del desempeo de un sistema modelado. La simulacin es un experimento estadstico y en consecuencia sus resultados se deben interpretar con las pruebas estadsticas adecuadas. Tipos de simulacin 1-modelos continuos 2-

PROBLEMA DE ORDENAMIENTO
Desde los comienzos de la computacin, el problema del ordenamiento ha atrado gran cantidad de investigacin, tal vez debido a la complejidad de resolverlo eficientemente a pesar de su planteamiento simple y familiar. Por ejemplo, BubbleSort fue analizado desde 1956.1Aunque muchos puedan considerarlo un problema resuelto, nuevos y tiles algoritmos de ordenamiento se siguen inventado hasta el da de hoy (por ejemplo, el ordenamiento de biblioteca se public por primera vez en el 2004). Los algoritmos de ordenamiento son comunes en las clases introductorias a la computacin, donde la abundancia de algoritmos para el problema proporciona una gentil introduccin a la variedad de conceptos ncleo de los algoritmos, como notacin de O mayscula, algoritmos divide y vencers, estructuras de datos, anlisis de loscasos peor, mejor, y promedio, y lmites inferiores. Los algoritmos de ordenamiento se pueden clasificar de las siguientes maneras: La ms comn es clasificar segn el lugar donde se realice la ordenacin Algoritmos de ordenamiento interno: en la memoria del ordenador. Algoritmos de ordenamiento externo: en un lugar externo como un disco duro. Por el tiempo que tardan en realizar la ordenacin, dadas entradas ya ordenadas o inversamente ordenadas: Algoritmos de ordenacin natural: Tarda lo mnimo posible cuando la entrada est ordenada. Algoritmos de ordenacin no natural: Tarda lo mnimo posible cuando la entrada est inversamente ordenada. Por estabilidad: un ordenamiento estable mantiene el orden relativo que tenan originalmente los elementos con claves iguales. Por ejemplo, si una lista ordenada por fecha se reordena en orden alfabtico con un algoritmo estable, todos los elementos cuya clave alfabtica sea la misma quedarn en orden de fecha. Otro caso sera cuando no interesan las maysculas y minsculas, pero se quiere que si una clave aBC estaba antes que AbC, en el resultado ambas claves aparezcan juntas y en el orden original: aBC, AbC. Cuando los elementos son indistinguibles (porque cada elemento se ordena por la clave completa) la estabilidad no interesa. Los algoritmos de ordenamiento que no son estables se pueden implementar para que s lo sean. Una manera de hacer esto es modificar

artificialmente la clave de ordenamiento de modo que la posicin original en la lista participe del ordenamiento en caso de coincidencia. Los algoritmos se distinguen por las siguientes caractersticas: Complejidad computacional (peor caso, caso promedio y mejor caso) en trminos de n, el tamao de la lista o arreglo. Para esto se usa el concepto de orden de una funcin y se usa la notacin O(n). El mejor comportamiento para ordenar (si no se aprovecha la estructura de las claves) es O(n log n). Los algoritmos ms simples son cuadrticos, es decir O(n). Los algoritmos que aprovechan la estructura de las claves de ordenamiento (p. ej. bucket sort) pueden ordenar en O(kn) donde k es el tamao del espacio de claves. Como dicho tamao es conocido a priori, se puede decir que estos algoritmos tienen un desempeo lineal, es decir O(n). Uso de memoria y otros recursos computacionales. Tambin se usa la notacin O(n). Ejemplo. En los algoritmos Burbuja o Seleccin, el elemento ms pequeo de a[i..n] es colocado en la posicin i mediante intercambios, para valores sucesivos de i. Otra posibilidad es colocar el elemento mximo de a[1..j] en la posicin j, para valores de j entre n y 1. A este algoritmo se le denomina ordenacin por Ladrillos (Bricksort). Implementar dicho algoritmo y estudiar su complejidad. Solucin Haciendo uso de las funciones presentadas en el material ORDENAMIENTO el procedimiento de ordenacin por Ladrillos puede ser implementado como sigue: Ladrillos(a,prim,ult) PARA j:=ult HASTA prim+1 Intercambia(a,j,PosMaximo(a,prim,j)) j = j-1 Fin En cuanto a su complejidad, vamos a estudiar los casos mejor, peor y medio de la llamada al procedimiento Ladrillos(a,1,n), que van a coincidir con los mismos casos (mejor, peor y medio) que los de la funcin PosMaximo. En el caso mejor: En el caso peor:
En el caso medio:

En consecuencia, el algoritmo es de complejidad cuadrtica. Problema 2. Una variante curiosa de los algoritmos anteriores resulta al combinar los mtodos de la Burbuja y de los Ladrillos. La idea es ir colocando alternativamente el mayor valor de a[1..j] en a[j], y el menor valor de a[i..n] en a[i]. Implementar dicho algoritmo, conocido como Sacudidas (Shakersort), y estudiar su complejidad.

ALGORITMO DE JOHNSON

El algoritmo de Johnson es una forma de encontrar el camino ms corto entre todos los pares de vrtices de un grafo dirigido disperso. Permite que las aristas tengan pesos negativos, si bien no permite ciclos de peso negativo. Funciona utilizando el algoritmo de Bellman-Ford para hacer una transformacin en el grafo inicial que elimina todas las aristas de peso negativo, permitiendo por tanto usar el algoritmo de Dijkstra en el grafo transformado. Su nombre viene de Donald B. Johnson, quien fuera el primero en publicar la tcnica en 1977 PROCESO DEL ALGORITMO DE JOHNSON El algoritmo de Johnson consiste en los siguientes pasos: 1. Primero se aade un nuevo nodo q al grafo, conectado a cada uno de los nodos del grafo por una arista de peso cero. 2. En segundo lugar, se utiliza el algoritmo de Bellman-Ford, empezando por el nuevo vrtice q, para determinar para cada vrtice v el peso mnimo h(v) del camino de q a v. Si en este paso se detecta un ciclo negativo, el algoritmo concluye. 3. Seguidamente, a las aristas del grafo original se les cambia el peso usando los valores calculados por el algoritmo de Bellman-Ford: una arista de u a v con tamao w(u, v), da el nuevo tamao w(u, v) + h(u) h(v) 4. Por ltimo, para cada nodo s se usa el algoritmo de Dijkstra para determinar el camino ms corto entre s y los otros nodos, usando el grafo con pesos modificados. En el grafo con pesos modificados, todos los caminos entre un par de nodos s y t tienen la misma cantidad h(s) h(t) aadida a cada uno de ellos, as que un camino que sea el ms corto en el grafo original tambin es el camino ms corto en el grafo modificado y viceversa. Sin embargo, debido al modo en el que los valores h(v) son computados, todos los pesos modificados de las aristas son no negativos, asegurando entonces la optimalidad de los caminos encontrados por el algoritmo de Dijkstra. Las distancias en el grafo original pueden ser calculadas a partir de las distancias calculadas por el algoritmo de Dijkstra en el grafo modificado invirtiendo la transformacin realizada en el grafo.

algoritmo de Bellman-Ford
El Algoritmo de Bellman-Ford es, en su estructura bsica, muy parecido al algoritmo de Dijkstra, pero en vez de seleccionar vorazmente el nodo de peso mnimo aun sin procesar para relajarlo, simplemente relaja todas las aristas, y lo hace |V|-1 veces, siendo |V| el nmero de vrtices en el grafo. Las repeticiones permiten a las distancias mnimas recorrer el rbol, ya que en la ausencia de ciclos negativos, el camino ms corto solo visita cada vrtice una vez. A diferencia de la solucin voraz, la cual depende de la suposicin de que los pesos sean positivos, esta solucin se aproxima ms al caso general. Existen dos versiones: Versin no optimizada para grafos con ciclos negativos, cuyo coste de tiempo es O(VE). Versin optimizada para grafos con aristas de peso negativo, pero en el grafo no existen ciclos de coste negativo, cuyo coste de tiempo, es tambin O(VE).

EJEMPLO

Las etapas del algoritmo de Johnson estn descritas en la siguiente ilustracin:

En la imagen de la izquierda tiene dos aristas negativas y no contiene ciclos negativos. En la segunda imagen se muestra el nuevo vrtice q con peso 0 hacia todos los nodos. En la tercera imagen, se muestra el rbol de caminos mnimos calculado con el algoritmo de Bellman-Ford con q como vrtice inicial, y los valores h(v) calculados para cada otro nodo como la longitud del camino ms corto entre q y ese nodo. A modo de ilustracin, en dicha imagen solo aparecen los caminos que se tomaran para determinar cada valor h(v). Ntese que todos estos valores h(v) no son positivos, porque q tiene una arista de unin con cada nodo de peso 0, y por tanto el camino ms corto no puede ser mayor que ese valor. En la parte derecha se muestra el grafo modificado, hecho reemplazando el peso de cada arista w(u, v) por w(u, v) + h(u) h(v). En este grafo modificado, todos los pesos de las aristas son positivos y el camino ms corto entre dos nodos cualesquiera usa la misma secuencia de aristas que en el camino ms corto entre los mismos dos nodos en el grafo original. El algoritmo concluye aplicando el algoritmo de Dijkstra para cada uno de los cuatro nodos originales en el grafo modificado (cuarta imagen).

APLICACIONES