Modula Metodos Cuantitativos

MBA.
David Johny Oseda Tello
Mtodos Cuantitativos
para los Negocios
Ttulo :
Mtodos cuantitativos para los negocios
Autor: MBA. David Johny Oseda Tello

Diseo interior: Jacob Alex Condori Ito
Diseo de tapa: Jacob Alex Condori Ito
Responsables:
David Palacios Pinedo, Christian Vallejos Angulo, Lizardo Vsquez Villanueva,
Anita Acua Huamn.

Primera edicin, marzo 2013
El contenido de esta publicacin (texto, imgenes y diseo),
no podr reproducirse total ni parcialmente por ningn medio mecnico, fotogrfico, electrnico (escner y/o fotocopia) sin la autorizacin escrita del autor.
Universidad Peruana Unin - Facultad de Ciencias Empresariales
Centro de Produccin de Materiales Acadmicos CEPMA-PROESAD
Sede Central - UPeU
Carretera Central km 19 aa-Lima / Tel. (01) 618-6336 / 618-6300 / Anexo: 3084
www.upeu.edu.pe
e-mail: proesad@upeu.edu.pe
http://proesad.upeu.edu.pe
Este libro se termin de imprimir en los talleres grficos del Centro de
Aplicacin Editorial Imprenta Unin de la Universidad Peruana Unin,
Km 19 Carretera Central, aa, Lima-Per
Tel.: 618-6301, Telefax: 618-6339
JOB 16136-13 UNIN
E-mail: union@imprentaunion.com
Hecho el depsito legal
en la Biblioteca Nacional del Per N 2013-09810
IMPRESO EN EL PER
PRINTED IN PERU
Presentacin
El presente material constituye una herramienta fundamental de estudio que el estudiante deber usar, durante el desarrollo de la asignatura
de Mtodos Cuantitativos para los Negocios. Este material se usar como
material de consulta y apoyo. La estructura de cada tutora est diseada,
primero, en forma conceptual y, posteriormente, con ejercicios resueltos y
ejercicios propuestos. Con los ejercicios resueltos dar ms claridad al tema
o tutora, los propuestos darn entrenamiento y anlisis a los diferentes
problemas reales. Los mtodos cuantitativos son modelos matemticos que
son empleados en problemas cotidianos como la produccin, punto ptimo,
pronsticos, transporte, etc. De tal manera que el estudiante usar, en forma
prctica, conceptual y analticamente, creando un acercamiento a las actividades reales relacionadas a la optimizacin de recursos.
De esta manera, deseamos que el estudiante pueda investigar este material y
otros materiales adicionales para dar cumplimiento al objetivo de esta materia.
NDICE
Unidad I:
LOS MTODOS CUANTITATIVOS E INTRODUCCIN A LA PROGRAMACIN LINEAL
Sesin 1 GENERALIDADES..................................................................................................... 15
1.1 ORIGEN DE LOS MTODOS CUANTITATIVOS................................................................. 15
1.2 ETAPAS BSICAS EN LOS MTODOS CUANTITATIVOS................................................... 16
1.3 PRINCIPALES MTODOS EMPLEADOS........................................................................... 16
1.4 SOLUCIN DE PROBLEMAS Y TOMA DE DECISIONES.................................................... 17
Sesin 2 MODELOS................................................................................................................ 19
2.1 DEFINICIN................................................................................................................... 19
2.2 TIPOS DE MODELOS...................................................................................................... 19
2.3 MODELOS MATEMTICOS............................................................................................. 19
2.4 PROCESO DE MODELADO.............................................................................................. 20
2.5 MODELADO DE SIMULACIN........................................................................................ 21
2.6 ETAPAS DEL MODELADO.............................................................................................. 21
Sesin 3 CONCEPTOS BSICOS DE LA PROGRAMACIN LINEAL........................................... 23

3.1 ORIGEN Y FINALIDAD DE LA PROGRAMACIN LINEAL................................................. 23
3.2 ESTRUCTURA DE LOS PROBLEMAS DE PROGRAMACIN LINEAL.................................. 23
Sesin 4 LA SOLUCIN DE LOS PROBLEMAS DE PROGRAMACIN LINEAL.......................... 27

4.1 MTODOS DE RESOLUCIN DE PROBLEMAS DE PROGRAMACIN LINEAL................... 27
4.2. MTODO GRFICO....................................................................................................... 27
4.2.1. DEFINICIN.............................................................................................................. 27
4.2.2. TEOREMA.................................................................................................................. 28
4.2.3. PASOS PARA OBTENER LA SOLUCIN GRFICA....................................................... 28
4.3. MTODO PUNTO DE ESQUINA..................................................................................... 29
4.3.1. TEOREMA.................................................................................................................. 29
4.3.2. PASOS PARA OBTENER LA SOLUCIN POR EL MTODO PUNTO DE ESQUINA.......... 29
4.4. MTODO DEL SIMPLEX................................................................................................. 30
4.4.1. INTRODUCCIN........................................................................................................ 30
4.4.2. DEFINICIONES........................................................................................................... 30
4.4.3. PASOS DEL ALGORITMO DEL SIMPLEX...................................................................... 31
4.5 MTODO COMPUTACIONAL......................................................................................... 40
EJERCICIOS PROPUESTOS............................................................................................. 40
13
Unidad II:
PROBLEMAS, MODELOS Y SOLUCIN EN PROGRAMACIN LINEAL:
45
Sesin 5 EL PROBLEMA DE TRANSPORTE Y TRANSBORDO................................................... 47

5.1. GENERALIDADES.......................................................................................................... 47
5.2. PLANTEAMIENTO DEL PROBLEMA............................................................................... 47
5.3. CLCULO DE LA SOLUCIN DE UN PROBLEMA DE TRANSPORTE................................ 48
5.3.1. DETERMINACIN DE UNA SOLUCIN INICIAL........................................................... 48
5.3.1.1. MTODO DE LA ESQUINA DE N.O......................................................................... 49
5.3.1.2. MTODO DE MNIMO DE FILAS............................................................................. 50
5.3.1.3. MTODO DE MNIMO DE COLUMNAS.................................................................... 51
5.3.1.4. MTODO DE FLUJOS MUTUAMENTE CONVENIENTES............................................. 52
5.3.1.5. MTODO DE PENALIZACIONES ............................................................................. 54
5.3.2. PRUEBA DE OPTIMALIDAD....................................................................................... 57
5.4. EL PROBLEMA DE TRANSBORDO................................................................................. 63
Sesin 6 EL PROBLEMA DE ASIGNACIN.............................................................................. 67

6.1. GENERALIDADES.......................................................................................................... 67
6.2. PLANTEAMIENTO DEL PROBLEMA............................................................................... 67
6.3. ETAPAS PARA OBTENER LA SOLUCIN PTIMA POR EL MTODO HNGARO............. 68
EJERCICIOS PROPUESTOS............................................................................................. 73
Sesin 7 LA TCNICA PERT.................................................................................................... 75

7.1. GENERALIDADES.......................................................................................................... 75
7.2. ESTRUCTURA DEL PROBLEMA...................................................................................... 75
7.3. FORMULACIN DEL PROBLEMA.................................................................................. 76
Sesin 8 EL MTODO CPM..................................................................................................... 83

8.1. GENERALIDADES.......................................................................................................... 83
8.2. ESTRUCTURA DEL PROBLEMA...................................................................................... 83
8.3. FORMULACIN DEL PROBLEMA.................................................................................. 84
8.3.1. MEDIANTE PROGRAMACIN LINEAL........................................................................ 84
8.3.2. ALGORITMO DE ACKOFF- SASIENI........................................................................... 85
EJERCICIOS PROPUESTOS........................................................................................... 89
Unidad III PRONSTICOS

Sesin 9 INTRODUCCIN A LOS PRONSTICOS..................................................................... 95
9.1 GENERALIDADES........................................................................................................... 95
9.2 DATOS HISTRICOS...................................................................................................... 95
9.3 TIPOS DE PRONSTICOS............................................................................................... 96
93
9.3.1. PRONSTICOS BASADOS EN OPINIONES SUBJETIVAS.............................................. 96

9.3.2. PRONSTICOS BASADOS EN UN NDICE................................................................... 96
9.3.3. PRONSTICOS BASADOS EN PROMEDIOS................................................................ 96
9.3.4. PRONSTICO ESTADSTICO....................................................................................... 97
9.3.5. MTODOS COMBINADOS.......................................................................................... 97
Sesin 10 MODELOS DE PRONSTICOS CUANTITATIVOS...................................................... 99

10.1 INTRODUCCIN.......................................................................................................... 99
10.2 MODELOS DE PRONSTICOS POR SERIES DE TIEMPO................................................. 99
10.2.1 COMPONENTES DE UNA SERIE DE TIEMPO.............................................................. 99
10.2.1.1. MOVIMIENTOS SECULARES O DE TENDENCIA SECULAR....................................... 99
10.2.1.2. MOVIMIENTOS CCLICOS O VARIACIONES CCLICAS............................................. 99
10.2.1.3. MOVIMIENTOS ESTACIONALES O VARIACIONES ESTACIONALES........................ 100
10.2.1.4. MOVIMIENTOS IRREGULARES, AL AZAR O ALEATORIOS.................................... 100
10.2.2 MTODOS DE PRONSTICO................................................................................... 100
10.2.2.1. PRONSTICO BASADO EN LA MEDIA ARITMTICA............................................ 100
10.2.2.1.1. CLCULO ESTIMATIVO DEL ERROR EN EL PRONSTICO.................................. 101
10.2.2.2. PROMEDIO MVIL............................................................................................. 103
10.2.2.3. SUAVIZACIN EXPONENCIAL............................................................................. 104
10.2.2.4. REGRESIN........................................................................................................ 105
EJERCICIOS PROPUESTOS................................................................................................... 110
BIBLIOGRAFA..................................................................................................................... 113
SUMILLA
El curso pertenece al rea de formacin profesional, es de
naturaleza terico-prctico y tiene como finalidad orientar al
estudiante en la formulacin de diversas estructuras de anlisis cuantitativo y en el diseo de modelos matemticos que
brindan sustento y fortaleza al momento de realizar el proceso
de la toma de decisiones, que se presenta a niveles operativos,
tcticos e incluso estratgicos en las organizaciones. Comprende
el estudio de:1) Introduccin a los mtodos cuantitativos, 2) El
mtodo Simplex y el problema Dual 3) El modelo de transporte y
asignacin 4) Gestin y administracin de proyectos 5) Modelos de
inventarios y 6) Anlisis de decisiones.
ORIEnTACIOnES METODOlGICAS
CMO ESTUDIAR
LOS MDULOS DIDCTICOS O TEXTOS AUTOINSTRUCTIVOS
MTODO A2D
El mtodo A2D para autodidactas, de Ral Paredes Morales, es un mtodo de fcil aplicacin para la mayora
de los estudiantes, inclusive para los no autodidactas. Si
el estudiante aplica este mtodo, su trabajo intelectual
ser ms rpido y eficaz.
A2D responde a las letras iniciales de los 3 pasos que
se propone para la lectura de un mdulo didctico o
cualquier otro texto.
Antes de la lectura
A2D
Durante la lectura
Despus de la lectura
AnTES DE lA lECTURA
Consiste en la exploracin preliminar y se debe:
Echar un vistazo general empezando por el ndice, reconociendo
unidades y lecciones que se van explicando en el mdulo didctico.
Anotar tus dudas que van surgiendo durante el vistazo general,
para esclarecerlas durante la lectura o despus de ella.
Adoptar una actitud psicolgica positiva.
DURAnTE lA lECTURA
Esta es la fase ms importante del mtodo, el ritmo de lectura lo pone cada
lector. Debes tener presente los siguientes aspectos:
Mantn una actitud psicolgica positiva.
Participa activamente en la lectura: Tomando apuntes, subrayando,
resumiendo y esquematizando.
Si no entiendes lo que lees o encuentras una palabra desconocida,
consulta con tu profesor, tutor o un diccionario.
DESpUS DE lA lECTURA
Esta fase va a afianzar tu lectura, mejorando tu comprensin lectora. Para
ello debes tener en cuenta lo siguiente:
Repasa los apuntes tomados durante la lectura.
Organiza el trabajo y planifica el horario de estudio. Trata de que
sea siempre a la misma hora.
Realiza los trabajos diariamente. No dejes que se te acumulen las tareas.
Procura ampliar las lecciones con lecturas complementarias.
Al final de cada captulo, haz un cuadro sinptico o mapa conceptual.
Elabora tu propio resumen.
Enriquece tu vocabulario para entender

mejor las prximas lecturas.
Facultad de Ciencias Empresariales
UNIDAD I
Los Mtodos Cuantitativos e Introduccin a la
Programacin Lineal
SESIN 1 Generalidades
SESIN 2 Modelos
SESIN 3 Conceptos Bsicos de

Programacin Lineal
SESIN 4 La solucin de los problemas de

Programacin Lineal
Competencias
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Asimila los conceptos de

modelos matemticos,
comprende la funcin de
los Mtodos Cuantitativos, Programacin Lineal.
Entiende la lgica de la
programacin lineal en el
sistema productivo para
poder aplicar.
Estudia los ejercicios resueltos en programacin lineal,

resuelva y analiza los ejercicios propuestos, con el fin
de comprender la manera
ms adecuada la programacin lineal.
Aplica los conceptos en

temas de reales segn la
actividad que emprendas.
Mtodos Cuantitativos para los Negocios
13
Universidad Peruana Unin
Unidad I
14
Sesin
Generalidades
1.1 ORIGEN DE LOS MTODOS CUANTITATIVOS

PARA QU SIRVEN LOS MTODOS CUANTITATIVOS?
Los mtodos cuantitativos tuvieron su origen en el inicio formal de la Investigacin Operativa o
Investigacin de Operaciones, que tuvo lugar en Inglaterra a fines de 1939, en el perodo de la
Segunda Guerra Mundial, cuando la estacin de investigacin de Bawdsey, bajo la direccin del
Dr. A. Rowe, fue encargada del desarrollo de polticas ptimas para el nuevo sistema de deteccin militar llamado RADAR.
En agosto de 1940, el Dr. P.M.S. Blackett, fsico de la Universidad de Manchester, fue encargado
de formar un grupo de trabajo para estudiar el sistema de defensa antiarea gobernado por
RADAR. Este grupo estaba constituido por tres psiclogos, dos fsicos matemticos, un astrofsico,
un oficial del ejrcito, un topgrafo, un fsico y dos matemticos. Admita que en l se daban
todas las caractersticas de los grupos que trabajan en Investigacin Operativa:
yy Grupo de trabajo interdisciplinario
yy Empleo de modelos matemticos
yy Punto de vista de anlisis de sistemas
Este grupo fue encargado del estudio del ataque areo a los submarinos enemigos. Las bombas
estaban programadas para estallar a una profundidad de unos treinta metros, pues se argumentaba que el submarino se sumergira al divisar al bombardero; y dado que desde el instante en
que fuera localizado el bombardero hasta el lanzamiento de la bomba, transcurriran aproximadamente dos minutos, unos treinta metros era, aproximadamente, la profundidad alcanzada
por el submarino en su precipitada inmersin. Pero, aunque el razonamiento era vlido, los
resultados obtenidos con esta tctica eran muy limitados. Cuando el grupo del Dr. Blackett se
hizo cargo del estudio, su primera decisin consisti en la observacin directa de la situacin,
acompaando a los bombarderos en sus misiones de ataque a submarinos.
Tras un elevado nmero de observaciones, llegaron a la conclusin con el anlisis de los datos
de los ataques:
15
a) Debido a la falta de precisin del bombardeo, muy pocas de las bombas explotaban cerca de
su objetivo, a treinta metros de profundidad.
b) La precisin aumentaba cuando el submarino no haba tenido tiempo de sumergirse, pero en
ese caso las bombas estallaban a demasiada profundidad, casi sin causar daos.
Por tanto, la profundidad de treinta metros era adecuada cuando el submarino divisaba con
antelacin al bombardero, pero la falta de precisin impeda obtener resultados. Y cuando la
precisin era buena, la profundidad a que estaba programada la explosin era inadecuada, pues
esto solo ocurra cuando el submarino se mantena cercano a la superficie.
A la vista de los datos estadsticos sobre la precisin del bombardeo y la inmersin de los submarinos, se lleg a la conclusin de que la alternativa ms adecuada era optar por causar daos,
cuando el submarino estuviera en la superficie. De este modo, los resultados mejoraron espectacularmente. En este trabajo ya estaban incluidos los aspectos que caracterizan a los estudios
de Investigacin Operativa:
1. Toma directa de datos.
2. Empleo de modelos matemticos para el anlisis de la situacin que, en este caso, era simplemente estadstico.
3. Obtencin de las polticas ptimas que corresponden al modelo.
4. Modificacin de dichas polticas, de acuerdo con factores reales no considerados en el modelo:
en este caso se emplearon espoletas que explotaban a diez metros de profundidad.
Sus postulados iniciales han evolucionando sucesivamente y han desarrollado un importante
nmero de modelos matemticos y mtodos cuantitativos, con el apoyo de los computadores.
El desarrollo de la investigacin operativa, segn muchos autores, ha representado uno de los
avances cientficos ms importantes desde mediados del siglo XX. Actualmente es una herramienta utilizada en muchos campos de la administracin, de la economa y de la ingeniera.
La investigacin operativa tiene como base el mtodo cientfico para investigar y ayudar a tomar
decisiones sobre los problemas complejos de las organizaciones de hoy en da.
1.2 ETAPAS BSICAS EN LOS MTODOS CUANTITATIVOS

Bsicamente la investigacin operativa sigue los pasos siguientes:
Observacin y formulacin del problema.
Modelizar matemticamente el sistema.
Extraer una solucin del modelo.
Experimentacin del modelo y de la solucin.
Realizar controles sobre la solucin alcanzada.
Implementar la solucin.
1.3 PRINCIPALES MTODOS EMPLEADOS

yy
yy
yy
Entre los principales y ms usados tenemos:

Pronsticos
Administracin de inventarios
Unidad I
16
yy
yy
yy
yy
yy
yy
yy
yy
yy
yy
yy
Programacin lineal
Programacin lineal entera
Programacin dinmica
Programacin de metas
Programacin no lineal
Programacin cuadrtica
Optimizacin de redes
Programacin de proyectos: PERT/CPM
Modelos de colas o lneas de espera
Anlisis de decisiones
Simulacin
Cada uno de esos mtodos ha sido diseado para tomar en cuenta las propiedades matemticas
especiales del modelo, siendo la ms exitosa de estas tcnicas la de programacin lineal, la cual
desarrollaremos ms adelante.
Todas las tcnicas dan por resultado algoritmos computacionales de naturaleza iterativa. Donde cada nueva iteracin lleva ms cerca de la solucin ptima, en muchos casos se requiere
clculos voluminosos y tediosos. Luego es imperativo que estos algoritmos se ejecuten en una
computadora.
Algunos modelos matemticos son tan complejos que es imposible resolverlos mediante cualquiera de los algoritmos de optimizacin disponible. En estos casos se abandona la bsqueda
de la solucin ptima y se optara por una buena solucin utilizando la heurstica. La ventaja de
una heurstica sobre un algoritmo de optimizacin exacta es que, en general, su ejecucin es
ms rpida.
1.4 SOLUCIN DE PROBLEMAS Y TOMA DE DECISIONES

La solucin de problemas se puede definir como el proceso de identificar la diferencia entre el
estado real y el estado deseado de las cosas y, seguidamente, tomar las acciones correspondientes para resolver dicha diferencia.
Para problemas importantes y complejos, el proceso de resolucin de problemas involucra los
siguientes pasos:
1. Identificar y definir el problema.
2. Determinar el conjunto de soluciones alternativas.
3. Determinar los criterios que se utilizarn para evaluar dichas alternativas.
4. Evaluar las alternativas.
5. Elegir una alternativa.
6. Implementar la alternativa seleccionada (la decisin), es decir, ponerla en prctica.
7. Evaluar los resultados y determinar si se ha llegado a una solucin satisfactoria.
La toma de decisiones, generalmente, comprende los cinco primeros pasos del proceso de solucin de problemas, por lo que el primer paso de la toma de decisiones es identificar y definir
el problema. Esta termina al seleccionar o elegir una alternativa, que es el acto de tomar una
decisin.
17
El siguiente diagrama de bloques muestra este proceso:
Definir el
Problema
Identificar
Alternativas
Determinar
Los
Criterios
Resolucin de
problemas
Toma de
decisiones
Evaluar
Alternativas
Elegir una
Alternativa
Implementar
la
alternativa
Evaluar
los
resultados
En la toma de decisiones, se requiere identificar tres componentes principales:

Cules son las alternativas de la decisin?
Bajo qu restricciones se toma la decisin?
Qu es un criterio objetivo para la evaluacin de las alternativas?
Por lo general, las alternativas del problema de decisin pueden tener la forma de variables
desconocidas. Despus estas variables se utilizan para construir las restricciones y el criterio objetivo como funciones matemticas apropiadas. El resultado final es un modelo matemtico que
relaciona las variables, las restricciones y la funcin objetivo. La solucin del modelo produce,
entonces, los valores de las variables de la decisin que optimizan (maximizan o minimizan) el
valor de la funcin objetivo, al mismo tiempo que satisfacen todas las restricciones.
Unidad I
18
Sesin
Modelos
2.1 DEFINICIN
Un modelo es la representacin aproximada de un objeto, de un proceso o de una situacin
real. Tambin se puede decir que es una abstraccin cuidadosamente seleccionada de la
realidad.
2.2 TIPOS DE MODELOS

Generalmente, se consideran tres tipos de modelo:
- Modelos fsicos o icnicos, que son las representaciones a escala de los objetos reales,
por ejemplo: los modelos en miniatura de un avin, barco, una casa o de un conjunto
urbanstico.
- Modelos analgicos, empleados con mucha frecuencia pero que pocos los pueden reconocer, por ejemplo: un mapa topogrfico que nos representa las variaciones de altitud de zona
geogrfica, el velocmetro de un vehculo que nos representa la velocidad a que se encuentra
dicho vehculo mediante el desplazamiento de la aguja indicadora sobre un panel, con escala
graduada, et.
- Modelos simblicos o abstractos, los cuales emplean smbolos y relaciones o expresiones matemticas para representar los conceptos mediante variables definidas cuantitativamente. Por
ejemplo: Si definimos como I al ingreso por ventas, como P al precio de venta de un bien y como
Q a la cantidad vendida de dicho bien, entonces el ingreso por ventas estar dado por: I = P x Q.
Esta expresin representa ya, de por s, un modelo matemtico, claro est, muy simple.
2.3 MODELOS MATEMTICOS

Los modelos que nos interesan para efectos del curso son los modelos simblicos o abstractos,
dentro de los cuales se encuentran los modelos matemticos, con los que se puede representar un problema mediante smbolos y relaciones o expresiones matemticas, para tratar datos
cuantificables, es decir que puedan ser expresadas en forma numrica. No est dems recalcar
que los datos numricos son un factor crtico en cualquier procedimiento cuantitativo para la
toma de decisiones.
19
2.4 PROCESO DE MODELADO

En el siguiente diagrama de bloques se puede apreciar el proceso de modelado bastante simplificado, pero concreto:
Anlisis
Modelo
Resultados
Interpretacin
Mundo Real
Abstraccin
Mundo Simblico
Juicio
Administrativo
Situacin
Administrativa
Decisiones
Intuicin
Fig. 1: Proceso de Construccin de un Modelo

Antes de la aplicacin de los mtodos cuantitativos, los administradores dependan solo de su
intuicin por completo, como instrumento para tomar decisiones. Con la complejidad de los problemas actuales en los diversas reas de la administracin eso ya no es suficiente, por cual se
requiere de herramientas ms sofisticadas y cientficas para su resolucin.
Lo anterior requiere salir del mundo real, abstraerse y entrar al mundo simblico, tal como
lo muestra la figura 1. En esto consiste el proceso de modelacin, en la representacin en
el mundo simblico de un problema o situacin del mundo real. Este proceso es adicional
al uso de la intuicin, no para sustituirla. Implica, como ya lo dijimos antes, abstraer los
aspectos problemticos de la situacin en un modelo cuantitativo que represente lo ms
esencial de la situacin. En tal sentido, el juicio administrativo debe estar presente en todos
los aspectos del proceso.
El paso crucial en la formulacin de un modelo de decisin es la identificacin de sus principales
componentes conceptuales. Estos son:
- Las entradas del modelo.
- Las salidas del modelo (o resultados del modelo).
En esta etapa el modelo se considera como una caja negra, pues no se sabe an cules sern
las relaciones lgicas que colocaremos dentro de ella.
Se podr representar como se muestra en el siguiente diagrama de bloques de la fig. 2:
Unidad I
20
MODELO
Medidas de
Rendimiento
DECISIONES
(Controlables)
Variables
Exgenas
Variables
Endgenas
Caja Negra
Parmetros
(Incontrolables)
Variables de
Consecuencia
Fig. 2: Modelo como Caja Negra
2.5 MODELADO DE SIMULACIN

En vista a que an existen muchas situaciones reales que todava no se pueden representar
como sistemas matemticos por la rigidez de la representacin matemtica, se da entonces un
enfoque alternativo para modelar un sistema complejo que es la simulacin. El modelado por
simulacin es la segunda mejor opcin para observar un sistema real. Difiere del modelado matemtico en que no es necesario exponer, de manera explcita, la relacin la entrada y salida. En
vez de ello, desglosa el sistema real en (pequeos) mdulos y despus imita el comportamiento
real del sistema, utilizando relaciones lgicas para unir los mdulos. Empezando con el mdulo
de entrada, los clculos de la simulacin avanzan entre los mdulos apropiados hasta que se
obtiene el resultado deseado.
Los clculos por simulacin se requiere efectuarlos en un computador, por la cantidad de los
mismos que se efectan.
Un modelo de simulacin por lo regular es costoso, tanto en trmino de tiempo como de recursos. Adems, la ejecucin de algunos modelos de simulacin, incluso en las computadoras ms
rpidas, puede ser lenta.
2.6 ETAPAS DEL MODELADO

Las etapas principales son:
1. Definicin del problema, establecer el alcance del problema que se est investigando.
En esta etapa se debe identificar tres elementos principales de decisin del problema, a
saber: (1) la descripcin de las alternativas de decisin, (2) la determinacin del objetivo del estudio y (3) la especificacin de las limitaciones bajo las cuales opera el sistema
que se modela.
2. Construccin del modelo, implica traducir la definicin del problema a relaciones matemticas (por ejemplo, programacin lineal). Si las relaciones matemticas son demasiado
complejas para encontrar una solucin ptima, se puede simplificar el modelo y emplear un
enfoque heurstico, o bien considerar el empleo de la simulacin, si es apropiado. En algunos casos una combinacin de modelos matemtico, de simulacin y heurstico puede ser
apropiada para resolver el problema de decisiones.
21
3. La solucin del modelo, la ms sencilla de todas las etapas, implica el empleo de algoritmos
de optimizacin bien definidos. Un punto importante en esta etapa es el anlisis de sensibilidad. Este anlisis es particularmente necesario cuando no es posible calcular con precisin
los parmetros del modelo.
4. La validacin del modelo verifica si el modelo propuesto hace lo que se supone que debe
hacer, es decir, el modelo proporciona una prediccin razonable del comportamiento del
sistema que se est estudiando? Por lo general, no hay seguridad de que el desempeo
futuro seguir duplicando el comportamiento conocido. Adems, debido a que por lo comn
el modelo se basa en un examen cuidadoso de los datos pasados, la comparacin propuesta
debe ser favorable. Si el modelo representa un nuevo sistema (inexistente), no habr datos
histricos disponibles para hacer la comparacin. En tales casos, podemos recurrir al empleo
de la simulacin como un instrumento independiente para verificar el resultado del modelo
matemtico.
5. La puesta en prctica, de la solucin de un modelo validado implica la traduccin de los
resultados del modelo a instrucciones de operacin, impartidas en una forma que sea comprensible para los individuos que administrarn el sistema recomendado.

Unidad I
22
Sesin
Conceptos Bsicos
de la Programacin
Lineal
3.1 ORIGEN Y FINALIDAD DE LA PROGRAMACIN LINEAL
Inicialmente conocida como Programacin en Estructura Lineal, fue creada en 1947 por George
B. Dantzig, en el siglo XX.
En 1948, Tjalling Keopmans sugiri a Dantzig que, como el nombre era muy largo, quedara
mejor como Programacin Lineal, lo cual fue aceptado por Dantzig, tal como se conoce actualmente a este popular mtodo.
Podemos decir, en forma bastante concreta, que la finalidad de la programacin lineal es determinar
la forma ms eficaz de utilizar los recursos disponibles para conseguir un determinado objetivo.
En general, estos recursos disponibles presentan dos caractersticas fundamentales:
yy Son limitados
yy Son susceptibles de usos alternativos
Esta doble caracterstica de limitacin de recursos y de la posibilidad de ser utilizados de diferentes maneras, hace rentable la investigacin de las posibles alternativas de aplicacin, con el fin
de conseguir la mxima utilidad entre ellos.
El planteamiento completo de un problema de programacin lineal incluye un conjunto de ecuaciones lineales que representan las condiciones del problema, y una funcin lineal que expresa
el objetivo del mismo, denominada comnmente funcin econmica.
En cuanto a la palabra lineal, significa solamente lo que representa; los problemas pueden adaptarse al modelo si las relaciones algebraicas entre las variables son lineales, o pueden aproximarse con precisin por medio de ecuaciones de primer orden. Si esta condicin no se cumple,
deben utilizarse otras tcnicas.
3.2 ESTRUCTURA DE LOS PROBLEMAS DE PROGRAMACIN LINEAL

La programacin lineal se usa en la resolucin de gran diversidad de problemas, entre los cuales
tenemos:
- El problema de la planificacin de la produccin o tambin conocido como de la mezcla ptima
de produccin.
23
- El problema del transporte.

- El problema del trasbordo.
- El problema de la dieta.
- El problema del flujo en una red.
- El problema de la cartera de valores.
- El problema del despacho econmico, etc.
En general, los problemas de programacin lineal tienen la siguiente estructura:
1. Existe un cierto objetivo a alcanzar, tal como un beneficio mximo, costo mnimo o mnimo
perodo de tiempo del sistema que se estudia.
2. Hay un gran nmero de variables que deben manejarse simultneamente. Estas variables
pueden ser productos, horas-mquinas, horas-hombre, dinero, superficie, u otros factores
segn sea el problema.
3. Existe muchas interacciones entre las variables. Un problema tpico es determinar la mejor
proporcin de productos para un perodo de produccin. Aqu se trata de determinar qu
productos se han de fabricar a partir de una lista de productos potenciales, junto con las cantidades ptimas de cada uno para hacer mximo el beneficio total que se obtiene de todos
los productos, durante un perodo de produccin establecido.
4. Muchos problemas de programacin lineal se ven caracterizados por la presencia de restricciones, que son contradictorias con el objetivo principal del problema. En el caso de varios
productos, por ejemplo, el fabricante puede especificar que al menos se obtenga una cierta
cuanta de uno de los productos, an sin tener en cuenta el beneficio.
De esta forma, la programacin lineal tiende a asociarse con situaciones complejas, muchas
variables que se interaccionan y objetivos competitivos, junto con la optimizacin de algn criterio de efectividad del sistema. Las interacciones de las variables y la rivalidad de objetivos son
caractersticas de muchas situaciones industriales.
Cabe destacar que la programacin lineal tiene una relacin matemtica con ecuaciones lineales
de primer grado, de esa manera un sistema de ecuaciones da las aristas para graficarlo en unas
coordenadas.
De esta manera, el planteamiento matemtico general del problema de programacin lineal es
el siguiente:
Encontrar el vector solucin de:
(1)
a11x1 + .. + a1nxn b1
...
am1x1 + . + amnxn bm
Que haga mximo a:

(2)
Z = c1x1 + . + cnxn
Y de tal manera que las variables xj estn sujetas a la condicin de no negatividad:

(3)
xj
Unidad I
24
Ejemplo
Una pequea carpintera dispone de dos mquinas A y B para la fabricacin de sillas y mesas.
Cada silla produce un beneficio de $ 10 y cada mesa $ 30. Cada silla requiere cuatro horas en A
y ocho en B, mientras que cada mesa precisa seis horas en A y cuatro en B. Durante la siguiente
semana las mquinas A y B tienen 12 y 16 horas disponibles, como mximo respectivamente
para estos trabajos. Suponiendo que existe demanda para ambos productos, Plantear la solucin, a fin de determinar cuntas sillas y/o mesas deben fabricarse para conseguir un beneficio
mximo.
Solucin
Para plantear la solucin a este problema, debemos considerar los siguientes pasos:
a. Las siguientes alternativas estn disponibles
- Fabricar solo sillas
- Fabricar solo mesas
- Fabricar sillas y mesas
Luego nuestras variables a considerar seran:
X1 = N. de sillas
X2 = N. de mesas
b. Las restricciones estaran dadas por la disponibilidad de horas de fabricacin de las mquinas
A y B:
4X1 + 6 X2
8X1 + 4 X2
12
16
c. Determinamos la funcin objetivo. En este caso se trata de optimizar la utilidad por la venta
de las sillas y mesas. Luego la funcin econmica sera:
Z = 10X1 + 30X2
d. Se tendra que considerar la condicin de no negatividad:
X1
X2
0
0
25
Unidad I
26
Sesin
La Solucin de
los Problemas de
Programacin Lineal
4.1 MTODOS DE RESOLUCIN DE PROBLEMAS DE
PROGRAMACIN LINEAL
Para la resolucin de problemas de Programacin Lineal (PL), existen tres mtodos clsicos que
permiten resolver los problemas de este tipo, tales como:
1. Mtodo grfico
2. Mtodo del punto de esquina
3. Mtodo del Simplex
Asimismo, debido al gran desarrollo computacional actualmente existe el mtodo de resolucin
por computadora, el cual emplea software o programas computacionales especialmente elaborados para resolver los problemas de PL. Dicho sea de paso, mediante este mtodo la resolucin
de un problema de PL ha pasado a ser bastante simple, evitando as las laboriosas operaciones
matemticas que conlleva su resolucin manual.
Por otro lado, es necesario poner en relieve que el mtodo grfico no resulta muy prctico
dado que solo puede utilizarse en dos dimensiones, es decir en plano cartesiano XY, y existe
la imposibilidad de dibujo en dimensiones superiores a tres. Asimismo, el mtodo del punto
de esquina resulta, poco til como consecuencia del gran nmero de sistemas de ecuaciones
a resolver.
4.2 MTODO GRFICO

4.2.1. Definicin
Conjunto convexo en R2
Un subconjunto S de R2 es convexo si todo punto del segmento de la recta que une dos puntos
cualesquiera de S es un punto de S.
27
4.2.2. Teorema
El conjunto solucin de un sistema de desigualdades es un conjunto convexo.
4.2.3. Pasos para obtener la solucin grfica

1. Dibujar el conjunto de desigualdades.
2. Dibujar la funcin econmica.
3. Desplazar la funcin econmica paralelamente a la direccin de optimizacin sin abandonar
el conjunto de restriccin.
4. Leer las coordenadas del punto antes de que la recta que representa la funcin econmica
abandone la regin restringida.
Ejercicio 4.1
Resolver grficamente el problema de programacin lineal:
3300
20X1 + 50X2
4X1 + 3X2
380
X 1 , X2 0
Max Z = 3X1 + 6X2
Solucin 4.1
Trasladando la recta 3x1 + 6x2 = 0 paralelamente a ella misma, el ltimo punto antes de abandonar la regin convexa es el (65,40), punto en donde la funcin econmica alcanza su mximo.
Unidad I
28
4.3 MTODO PUNTO DE ESQUINA

4.3.1. Teorema
Una funcin lineal Z = c1x1 + . + cnxn definida sobre un conjunto convexo acotado alcanza sus valores mximo y mnimo en los puntos extremos (o vrtices).
4.3.2. Pasos para obtener la solucin por el mtodo Punto de Esquina

Determinar todos los puntos esquina del conjunto restriccin.
Determinar los puntos esquina que satisfacen todas las desigualdades.
Evaluar el valor de la funcin econmica en cada esquina y determinar los puntos en donde se
alcanza el mximo.
Ejercicio 4.2
Dadas las rectas a y b que cortan a los ejes x1 y x2 en los puntos indicados en el grfico, se pide:
1. Escribir las inecuaciones correspondientes a los polgonos convexos (1), (2) y (3).
2. Determinar la solucin ptima, utilizando las restricciones correspondientes al polgono convexo (1), y la funcin a maximizar siguiente:
Z = 9x1 + 5x2
Solucin 4.2
1. Polgono (1):
a) 8x1 + 5x2 = 40
b) 5x1 + 9x2 = 45
restricciones
8x1 + 5x2 40
5x1 + 9x2 45
x1 , x2 0
restricciones
8x1 + 5x2 40
5x1 + 9x2
45
x1 , x2 0
Polgono (2):
29
Polgono (3):
restricciones
8x1 + 5x2 40
5x1 + 9x2
45
x1 , x2 0
2. Solucin ptima para restricciones Polgono (1):

Punto de corte de las rectas:
a) 8x1 + 5x2 = 40
b) 5x1 + 9x2 = 45
x1 = 2.87
x2 = 3.41
Los vrtices de la regin convexa son:

(0,0); (0,5); (5,0); (2.87, 3.41)
El valor ptimo de la funcin se alcanza en el punto extremo (5,0) y resulta ser:
x1 = 5
x2 = 0
ya que sustituyendo estas coordenadas en la funcin econmica se obtiene el mximo valor:
Z = 9x5 + 5x0 = 45
4.4 MTODO DEL SIMPLEX

4.4.1. Introduccin
En esencia, el algoritmo del Simplex precisa para su utilizacin disponer de una solucin inicial
posible que permita iniciar los clculos, por ello, segn el caso que se presente ser necesario
introducir variables de holgura y variables artificiales.
4.4.2. Definiciones
1. Variable de holgura: Variable que permite convertir una desigualdad en igualdad.
1. Variable artificial: Variable que permite iniciar el cmputo, caso de no disponer de una
solucin inicial posible bsica.
Mediante las variables de holgura, el problema general de Programacin consiste en encontrar un vector (x1, x2,,xn) que optimice una funcin objetivo:
(a)
Z = c1x1 + c1x2 +. + cnxn
Sujeta a las restricciones

(b)
a11x1 + a12x2 + . + a1nxn = b1

........ m < n
am1x1 + am2x2 +. + amnxn = bm
Unidad I
30
Que haga mximo a:

(c)
xi
0 para una i cualquiera
1. Solucin posible: Es un vector (x1, x2,,xn) que satisface las condiciones (a) y (b)
2. Solucin bsica: Solucin obtenida al hacer (n-m) variables igual a cero, siempre que el
determinante de los coeficientes de estas m variables no sea cero.
3. Solucin posible bsica: Es una solucin bsica que satisface (c).
4. Solucin posible bsica no degenerada: Es una solucin posible bsica con exactamente
m xi positivas.
4.4.3. Pasos del algoritmo del Simplex

Notacin:
Pj =
Vector de coeficientes de la variable j.
cj =
Contribucin de la variable j a la solucin.
(Rendimientos directos)
Coeficientes en la funcin objetivo de las variables
ci =

en solucin.
zj =
Costo de introducir la variable j en solucin:
bi
= Exigencias o vector solucin.
cj - zj = Rendimientos marginales.
i = bi / aij
Suponiendo que ya se ha encontrado una solucin bsica posible a un problema de mximo, en
el momento que se inician las iteraciones del algoritmo, los pasos son los siguientes:
1 Calculamos cj - zj para cada variable que no est presente en la solucin:
1. Si para el menos un j cj - zj es positivo y si al menos un aij para este j es positivo,
existe un mejor programa posible.
2. Si para un j cj - zj es positivo, pero los aij para este j son no positivos, la funcin
objetivo no est acotada.
3. Si cj - zj es no positivo para todo j, el programa (solucin) ptimo se ha encontrado.
2 Si nos encontramos en el caso 1.1., identificamos la variable que da mayor cj - zj (supongamos que es xk) y el elemento que da menor i = bi / aij , sea el ark , este elemento se
denomina pivote.
3 Se divide la r-sima fila por ark para obtener el correspondiente elemento en la tabla siguiente. Se efectan las operaciones fila que reducirn a cero todos los otros elementos.
4 Repetimos los pasos 1,2 y 3 hasta que en alguna tabla se cumpla la condicin 1.3. Entonces
se ha obtenido la solucin ptima.
31
Cuando se realiza el algoritmo de un problema que contiene variables artificiales, existen tres
casos posibles:
1. Antes de obtener la tabla en la cual todos los cj - zj < 0, las variables artificiales han sido
reemplazadas por otras variables. Tenemos entonces una solucin bsica posible y podemos
continuar las iteraciones hasta determinar el programa ptimo posible.
2. En la tabla final en la cual todos los cj - zj < 0 alguna variable artificial permanece en la solucin pero con valor 0. La solucin del problema es ptima y posible.
3. Se obtiene una tabla en la cual todos los cj - zj < 0, pero alguna variable artificial permanece
en la solucin con valor positivo. En este caso no hay solucin posible, es decir, Z no puede
optimizarse en funcin de los trminos no negativos. Desde el punto de vista prctico esto
significa que se est tratando de hacer algo imposible con los recursos disponibles.
4. A continuacin vamos a desarrollar el mtodo de solucin simplex bsico mediante un ejercicio sencillo.
Ejercicio 4.3
Un fabricante tiene dos productos, I y II, ambos elaborados en dos pasos por las mquinas A y B.
Los tiempos de proceso por centenar de unidades de los dos productos en las dos mquinas son
los siguientes (los tiempos de preparacin son insignificantes):
Producto
Mquina A
Mquina B
4 horas
5 horas
II
5 horas
2 horas
Para el periodo siguiente, la mquina A tiene disponibles 100 horas y la mquina B tiene disponibles 80 horas.
La contribucin del producto I es $10 por 100 unidades, y la del producto II es $5 por 100 unidades. El fabricante se encuentra en un mercado en auge y puede vender todo lo que le sea
posible producir de ambos productos en el periodo prximo. Se quiere determinar las cantidades
del producto I y del producto II que debe producir para maximizar su contribucin.
Solucin 4.3
Se adopta un sistema de notacin. Se designa con xI la cantidad en centenares de unidades del
producto I y con xII la cantidad en centenares de unidades del producto II que se producirn.
Slo existen como limitaciones las horas disponibles en la mquina A y en la mquina B; se sabe
que la suma de los tiempos que se invierten en la fabricacin de los dos productos en las dos
mquinas no pueden exceder de 100 horas en la mquina A y 80 horas en la mquina B. Se
puede expresar esto simblicamente as:
Mquina A
Mquina B
4xI + 5xII
5xI + 2xII
100
80
Unidad I
32
Dado que las contribuciones totales, que se desea hacer lo ms grande posible, dependen solo
de las cantidades de los dos productos que se fabriquen, se puede definir nuestra funcin objetivo as:
Max Z = 10xI + 5xII
Se quiere encontrar la combinacin de valores de xI y xII que se ajuste a las restricciones impuestas por los tiempos de manufactura de los dos productos y por el tiempo total disponible y
que adems maximice la contribucin total. Se debe reconocer que puede haber tiempo ocioso
en la mquina A y en la mquina B. Si WA es el tiempo ocioso de la mquina A y WB es el tiempo
ocioso de la mquina B, las inecuaciones antes planteadas quedaran as:
Mquina A
Mquina B
4xI + 5xII + WA = 100

5xI + 2xII + WB = 80
Se tiene dos ecuaciones y cuatro incgnitas. Luego la clave para determinar una solucin inicial
que luego se ir mejorando, es que dos de estas variables como mximo pueden tener valores
positivos y por lo menos dos de ellas deben ser cero. Si se parte del supuesto de que tanto xI
como xII son cero, es fcil ver que WA debe ser 100 y WB debe ser 80. Desde luego, esta solucin
es muy mala porque afirma que todo el tiempo disponible las mquinas estn ociosas, pero se
ajusta a las ecuaciones del problema y permite principiar.
Se coloca esta solucin inicial o trivial en el arreglo de la matriz que se muestra a continuacin:
xI
xII
WA
WB
100
80
Luego se va colocando los coeficientes de la funcin objetivo por encima del arreglo, como se
ve en la tabla siguiente. El taln identifica, las variables de la solucin e indica sus valores. En
la columna de la izquierda del taln aparecen las contribuciones de las variables de la funcin
objetivo.
Ni WA ni WB se encuentran en la funcin objetivo, de modo que se colocan ceros en esta columna: hay una razn para hacerlo as: si las dos mquinas estn completamente ociosas, la contribucin es cero. El valor de la funcin objetivo en este punto es
10(0) + 5(0) + (0)WA + (0)WB = 0
Antes de seguir, se designarn las diversas partes de la matriz. En la figura que sigue, aparece la
nomenclatura de tales partes de la matriz. El taln de solucin siempre contendr tres columnas.
El cuerpo y la identidad variarn en tamao, segn el problema de que se trate.
33
Para mejorar la solucin inicial se debe tener una medida del mejoramiento potencial que se
lograra en la funcin objetivo al introducir en las soluciones algunas de las variables que ahora
valen cero en vez de algunas de las variables que se encuentran en la solucin. Se desarrollar
una hilera de ndice que se colocar justo debajo de la matriz inicial que ahora se tiene. Estos
nmeros ndices aparecern debajo de la columna constante, el cuerpo y la identidad. Se calculan con base en la frmula:
Para nuestro ejercicio, las cifras de la hilera de ndice son:

yy Nmero ndice para la columna constante
= (100 x 0 + 80 x 0) 0 = 0
yy Nmero ndice para la primera columna del cuerpo
= (4 x 0 + 5 x 0) 10 = -10
yy Nmero ndice para la segunda columna del cuerpo
= (5 x 0 + 2 x 0) 5 = -5
yy Nmero ndice para la primera columna de la identidad
= (1 x 0 + 0 x 0) 0 = 0
yy Nmero ndice para la segunda columna de la identidad
= (0 x 0 + 1 x 0) 0 = 0
Ahora se colocan los nmeros ndices en la matriz simplex inicial
Unidad I
34
Vemos que la hilera de ndice es simplemente la hilera objetivo precedida de signos negativos. Esto solo ocurre cuando la columna objetivo contiene puros ceros. Mientras mayor sea
el nmero negativo, mayor ser el mejoramiento potencial por unidad de la nueva variable
que haya de introducirse. Si todas las cifras por debajo del cuerpo y la identidad de la hilera
de ndice fuesen cero o positivos, no se podra ya obtener ninguna mejora, lo que indicara
que la solucin presentada en el taln es una solucin ptima.
En la tabla anterior, la columna encabezada por la variable xI tiene la mayor posibilidad de
mejorar, de modo que se le selecciona como columna clave. Esta seleccin significa que la
variable xI se introducir en la solucin en vez de WA o a WB.
Para determinar si xI reemplazar a WA o a WB se debe seleccionar una hilera clave. Para
ello se divide cada cifra de la columna constante por la correspondiente cifra positiva de la
columna clave. Los cocientes resultantes se comparan y se selecciona como hilera clave la
que genere el cociente no negativo ms pequeo. Para nuestro problema, los cocientes son:
Primera hilera
Segunda hilera
100/4 = 25
80/5 = 16 (hilera clave)
El cociente no negativo ms pequeo es 16, que se calcula en la segunda hilera, la cual se convierte en la hilera clave. El nmero comn a la columna clave y a la hilera clave se designa como
nmero clave (ver en matriz siguiente).
Se sabe que xI se introducir en la solucin y se desea saber cul ser su valor mximo compatible con ambas ecuaciones del problema, suponiendo que ninguna de las variables pueda asumir
valores negativos. En la primera ecuacin, xI alcanzara su valor mximo cuando xII y WA fuesen
cero; es decir:
o sea
4xI + 2xII + WA = 100

xI = 100/4 = 25
En la segunda ecuacin, xI alcanzara su valor mximo cuando xII y WB fueran cero, es decir:
o sea
5xI + 2xII + WB = 80
xI = 80/5 = 16
As pues, la segunda ecuacin es la que limita a xI, que no puede exceder de 16, y este hecho
determina la seleccin de la segunda hilera como hilera clave.
Una vez seleccionada la columna clave y la hilera clave, se puede preparar una nueva tabla
que represente una solucin mejor. El primer paso de la elaboracin de la nueva tabla consiste en el clculo de los coeficientes de la hilera principal. Esta hilera principal aparece en la
35
nueva tabla en la misma posicin relativa que la hilera clave en la tabla anterior. Se calcula
dividiendo los coeficientes de la hilera clave por el nmero clave. En la tabla que sigue aparece este desarrollo.
La variable y su nmero objetivo tomado del encabezado de la columna clave, xI y 10, se

colocan en el taln de la hilera principal en lugar de WB y 0 de la tabla anterior. El resto de la
columna de variables y de la columna objetivo del taln se copia de la tabla anterior; la nueva
tabla es desarrollada hasta este punto
Ahora se pueden calcular todos los coeficientes faltantes de la nueva tabla, incluyendo la
columna constante, el cuerpo, la identidad y la hilera de ndice, para completar la tabla mediante la frmula siguiente:
1) Primera hilera, columna constante

Nmero nuevo = 100
(80 x 4)
= 36
5
2) Primera hilera, primera columna del cuerpo

Nmero nuevo =
3) Hilera de ndice, columna constante

Nmero nuevo =
Unidad I
36
Los coeficientes restantes se pueden calcular en la misma forma y la solucin mejorada aparece en la tabla siguiente. Donde:
xI = 16
xII = 0
WA = 36
WB = 0
Como se puede apreciar en los valores de la columna constante del taln; xII y WB son cero
porque no aparecen en el taln. En esta solucin el valor de la funcin objetivo (contribucin)
es de $160, como se aprecia en la columna constante, hilera de ndice.
Sin embargo la tabla anterior, indica que la solucin puede mejorar todava, puesto que un
(-1) aparece en la hilera de ndice bajo la variable xII. Dado que este es el nico nmero negativo de la hilera de ndice, se selecciona como columna clave para la iteracin siguiente. La
hilera clave se selecciona en la misma forma que antes. Los dos cocientes son:
Primera hilera
Segunda hilera
La primera hilera tiene el cociente no negativo ms pequeo, as que se selecciona como hilera clave. Se calcula una nueva hilera principal como antes, dividiendo los coeficientes de la
hilera principal por el nmero clave. La variable nueva xII y su nmero objetivo, se introducen
al taln, y los nuevos nmeros del cuerpo, la identidad y la hilera de ndice se calculan como
antes. La variable restante y su nmero objetivo se copian de la tabla de iteracin precedente; en la tabla siguiente aparece la nueva solucin:
37
La nueva solucin es ptima porque la hilera de ndice no seala ningn otro mejoramiento.
Los valores de las variables en la solucin ptima son:
xI = 200/17
xII = 180/17
WA = 0
WB = 0
Si se insertan estos valores en las ecuaciones iniciales, se ve que ajustan perfectamente. La
solucin indica que los productos I y II se deben fabricar en las cantidades sealadas por xI y
xII (en cientos) para generar una contribucin mxima de:
C = 2900/17 = $ 170.59
Para cada iteracin se muestra el valor de la funcin objetivo en la columna constante y la hilera
ndice. En la segunda solucin ascendi a $160 y en la ptima a $170.59. La solucin es nica, o
sea que ninguna otra combinacin de xI y xII generar una contribucin tan elevada como esta.
Ejercicio 4.4
Una empresa cuenta con 1000 tm del mineral b1, 2000 tm del mineral b2 y 500 tm del b3. A partir de dichos minerales pueden extraerse y fundirse los productos x1, x2 y x3. La empresa desea
determinar la cantidad de cada producto que debe fabricar, a partir de los minerales aprovechables, para obtener el mximo provecho de la operacin.
El producto x1 precisa 5 tm de b1, 10 de b2 y 10 de b3. El producto x2 precisa 5 tm de b1, 8 de b2
y 5 de b3. El producto x3 precisa 10 tm de b1, 5 de b2 y ninguna de b3 para cada tm.
El fabricante obtendr 100$ de beneficio por tm del producto x1, 200$ por tm de x2 y 50$ por
tm de x3 . Se desea conocer las cantidades a fabricar de cada uno de los productos x1, x2 y x3, as
como el beneficio que se obtendra.
Solucin 4.4
Formulacin del problema:
Designando por xi cantidad a fabricar del producto i:
5x1 + 5x2 + 10x3
10x1 + 8x2 + 5x3
10x1 + 5x2
x1 , x2 , x3 0
1000
2000
500
Max Z = 100x1 + 200x2 + 50x3

Convirtiendo las desigualdades en igualdades tenemos que:
5x1 + 5x2 + 10x3 + x4
10x1 + 8x2 + 5x3
+ x5
10x1 + 5x2

+ x6
= 1000
= 2000
= 500
Puede observarse, que ha sido preciso introducir tres variables de holgura. El significado fsico
Unidad I
38
de tales variables puede ilustrarse razonando sobre una de ellas, x4 representa la cantidad de
mineral b1 que no es necesaria en el proceso de fabricacin. Si en la ltima iteracin resultase
ser cero, sera debido a que el programa de fabricacin utiliza todo el mineral b1 para fabricar
todos los productos del mismo.

Solucin inicial posible y bsica:

x4 = 1000

x5 = 2000
x6 = 500
y utilizando el algoritmo del simplex:
Cj
100
200
50
Ci
Solucin
P4
P5
P6
P1
P2
P3
b/aij
X4
1000
10
200
X5
2000
10
250
X6
500
10
100
Zj
Cj - Zj
100
200
50
X4
500
-1
-5
10
50
X5
1200
-1.6
-6
210
200
X2
100
0.2
Zj
20000
40
400
200
Cj - Zj
-40
-300
50
X3
50
0.1
-0.1
-0.5
X5
950
-0.5
-1.1
-3.5
200
X2
100
0.2
Zj
22500
35
375
200
50
Cj - Zj
-5
-35
-275
Pivotes
Debe de observarse en la ltima tabla, que la matriz inversa de:

10
39
Formada por los coeficientes que tienen las incgnitas x3, x5 y x2 en el sistema, puede leerse bajo
P4, P5 y P6, vectores que contenan la matriz identidad en la primera tabla.
La solucin ptima puede leerse directamente en la tabla final:
No fabricar nada de x1
Fabricar 100 tm de x2
Fabricar 50 tm de x3
Se consume todo el mineral til de b1
950 tm del mineral b2 no son necesarias
Se consume todo el mineral til de b3
El beneficio imputable a la solucin ptima es de $ 22500
4.5 MTODO COMPUTACIONAL

Para la resolucin de los problemas de PL, mediante este mtodo se emplea software especializado, tales como:
- Para la resolucin grfica generalmente se emplea el programa Stanford Graphic PL Optimizer,
ms conocido como GLP. Mediante este software se realizar la optimizacin grfica de PL.
- Para la resolucin analtica de los problemas de PL, de dos o ms variables, se emplean los
programas siguientes:
- Lindo y/o Lingo.
- WinQSB
Existen muchos otros programas para resolucin de problemas de PL, pero estos son los ms
conocidos o comerciales, adems de ser fcilmente manejables.
Se recomienda que el empleo de estos programas se realice en el Laboratorio de Cmputo, con
una PC por alumno, a fin de que se aprenda haciendo.
EJERCICIOS PROPUESTOS
Ejercicio 1.1
Dibujar la regin convexa limitada por las inecuaciones
1)
2x1 + x2
2)
x1 + 3x2
3)
3x1 + 2x2
4) (2/3)x1 + x2
4
1
10
1
y determinar las inecuaciones redundantes en caso de que existan.

Ejercicio 1.2
Resolver el siguiente ejercicio de programacin lineal
x1 + 2x2 -
x3
Unidad I
40
2x1 - x2 + 2x3 = 2
-x1 + 2x2 + 2x3
1
x1 , x2 , x3 0
Min Z = 2x1 +4x2 + x3
Ejercicio 1.3
Calcular la solucin del problema
x1 + x2
-2x1 + x2
4x1 + x2
x1, x2
3
3
9
0
Max Z = 3x1 + x2
Ejercicio 1.4
Interpretar geomtricamente y resolver el problema de programacin lineal:
x1 + x2
x1 - x2
-x1 + x2
x1, x2
100
50
25
0
Max Z = 4x1 + 2x2

Ejercicio 1.5
Resolver el siguiente ejercicio de programacin lineal
x1 - 4x2
-3x1 + 2x2
x1, x2
0
1
2
Max Z = x1 + 2x2
Ejercicio 1.6
Supongamos un fabricante que tiene dos recursos primarios de fabricacin. Tiempo-mquina y
horas de trabajo. Durante cierto perodo de produccin, dispone de 200 horas-mquina y 300 horas de trabajo para dedicarlas a tres productos x1, x2, x3. El producto x1 necesita 15 horas-mquina
y 10 horas de trabajo por unidad. El producto x2 requiere 10 horas-mquina y 25 horas-trabajo
por unidad. Finalmente, el producto x3 necesita 10 horas-mquina y 20 horas-trabajo por unidad.
El fabricante desea determinar el conjunto de productos que harn mximo su beneficio, sin que
se exceda del total de horas-mquina disponibles. Desea tambin obtener un completo empleo
de sus obreros y por tanto requiere que todas las horas-hombre de que dispone sean utilizadas.
Los beneficios del fabricante sern de $5 por unidad de producto x1, $10 por unidad de x2 y $12
por unidad de x3.
41
Ejercicio 1.7
Encontrar la solucin al problema:
15
3x1 + 5x2
5x1 + 2x2
10
x1, x2
0
Max Z = 10x1 + 4x2
y en caso de existir ptimos alternativos encontrar stos.
Ejercicio 1.8
Para la fiesta de su hijo un ama de casa desea hacer unos pastelillos. Sus conocimientos culinarios le permiten hacerlos de tres tipos A, B, y C en todos los cuales intervienen como ingredientes mantequilla, leche y harina de los que respectivamente posee 232, 300 y 720 gramos.
Un pastelillo del tipo A precisa 5g de mantequilla, 8 de leche y 9 de harina. Uno de tipo B, 6,5 y 8
respectivamente y uno de tipo C 4 de mantequilla, 6 de leche y 12 de harina. La madre sospecha
que le resultar preferible optimizar la cantidad de pastelillos a hacer antes que cualquier otra
consideracin. En consecuencia, Cul es el nmero ptimo de pastelillos a fabricar?
Ejercicio 1.9
Un pequeo taller de mecnica general, comprende esencialmente un torno T y dos fresadoras
F1 y F2. El programa de trabajo del taller se establece al principio de cada trimestre, y comprende
un programa principal y un programa de opcin. El programa principal tiene un carcter imperativo y permanente; se establece de una vez por todas y no presenta ningn problema. Su
ejecucin deja sobre cada mquina horas disponibles que se evalan en: 200h para T, 84h para
F1, 100h para F2. El programa de opcin trata de utilizar al mximo las horas disponibles dejadas
por el programa principal; y es en este programa en donde se plantean problemas.
Tres clientes llamados A, B y C se dirigen al taller para la ejecucin de sus piezas que denominaremos igualmente A, B y C.
El jefe de la empresa estudia las ofertas de trabajo que le han sido hechas por los clientes A, B
y C y ha podido determinar que para la ejecucin de sus piezas son necesarias dos operaciones:
una sobre torno y otra sobre una de las dos fresadoras F1 F2. Los tiempos de ejecucin para
estas operaciones son:

Para A 2h en T, 6h en F1 5h en F2
Para B 1h en T, 5h en F1 5h en F2
Para C 5h en T, 3h en F1 4h en F2
El beneficio de la fabricacin de cada una de las piezas A, B y C es de 60, 40 y 35 $ respectivamente.

Determinar el nmero de piezas a fabricar para obtener un beneficio mximo.
Unidad I
42
EVALUACIN
CONCEPTUAL
1. Cul fue el origen de los mtodos cuantitativos como disciplina?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
2. Para qu sirven los mtodos cuantitativos?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
3. Qu son modelos y cuntos tipos de modelos hay?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
4. Cul es la finalidad de programacin lineal?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
5. Cules son los mtodos para la resolucin en programacin lineal?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
43
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
6. Qu necesita el mtodo Simplex para su resolucin?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
PROCEDIMENTAL
7. Bajo los modelos de mtodos simplex, que es el PIVOTE, cundo y hasta cuntas veces tengo que iterar, para poder encontrar el conjunto solucin?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
ACTITUDINAL
8. En una pastelera se hacen dos tipos de tartas: Vienesa y Real. Cada tarta Vienesa necesita un
cuarto de relleno por cada Kg. de bizcocho y produce un beneficio de 250 Pts, mientras que una
tarta Real necesita medio Kg. de relleno por cada Kg. de bizcocho y produce 400 Ptas. de beneficio. En la pastelera se pueden hacer diariamente hasta 150 Kg. de bizcocho y 50 Kg. de relleno,
aunque por problemas de maquinaria no pueden hacer ms de 125 tartas de cada tipo. Cuntas
tartas Vienesas y cuantas Reales deben vender al da para que sea mximo el beneficio?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
Unidad I
44
UNIDAD II
Problemas, modelos y solucin en
Programacin Lineal
SESIN 5 El problema del transporte y transbordo
SESIN 6 El problema de asignacin
SESIN 7 La tcnica PERT
SESIN 8 El mtodo CPM
Competencias
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Comprende los conceptos

de transporte y transbordo,
entiende los problemas de
asignaciones, anlisis y planteamiento de los problemas
y las soluciones adecuadas
mediante los modelos PERT
y CPM.
Practica los problemas resueltos en mtodo Simplex, PERT,

CPM y problema de asignacin; desarrolla los problemas
propuestos, analizando cada
paso.
Aplica los mtodos en los diferentes casos de la vida real,

utilizando criterios y normas
de los modelos.
45
Unidad II
46
Sesin
El problema de
transporte y transbordo
5.1. GENERALIDADES
Uno de los casos particulares de la programacin lineal es el problema de Hitckcok, o del transporte. El problema general de transporte se refiere a la distribucin de un determinado bien,
desde cualquier grupo de centros de abastecimiento, llamados orgenes, a cualquier grupo de
centros de recepcin, llamados destinos, de tal manera que se minimicen los gastos totales de
distribucin.
Tal vez, el tipo especial ms importante de problemas de programacin lineal, sea el de transporte, si bien debido a su estructura especial, permite utilizar versiones simplificadas del mtodo
Simplex que logran enormes ahorros de clculo.
Entre las ventajas de utilizar el mtodo simplex del transporte pueden sealarse:
No es necesario utilizar variables artificiales.
La fila cj zj del algoritmo de simplex puede calcularse directamente.
La variable bsica saliente se identifica de forma sencilla sin utilizar los coeficientes de la
variable bsica entrante.
En consecuencia, puede eliminarse casi toda la tabla de Simplex.
5.2. PLANTEAMIENTO DEL PROBLEMA

El planteamiento del problema es el siguiente:
Existen m orgenes y se supone que en cada origen hay ai unidades almacenadas de un determinado producto, siendo i = 1,2,,m.
Existen tambin n destinos; y cada uno necesita un embarque de bj unidades de ese producto,
siendo j = 1,2,,n.
Las cantidades ai se denominan exigencias fila y las bj exigencias columnas.
47
Destino
Disponibilidad
c11
c12
c13
c1j
c1n
a1
Origen
c21
c22
c23
c2j
c2n
a2
ci1
ci2
ci3
cij
cin
ai
cm1
cm2
cm3
cmj
cmn
am
b1
b2
b3
bj
bn
Demandas
Todas las exigencias por fila son positivas, as como las exigencias por columna, puesto que los
valores nulos o negativos no tendran significado fsico. La suma de las exigencias por fila es
igual a la suma de las exigencias por columna.
El costo del transporte de una unidad de producto desde el origen i hasta el destino j viene representado por cij. Los cij se denominan coeficientes de costo, y aunque los costos de transporte
negativos no tienen significado real, no hay necesidad de obligarlos a ser no negativos.
La solucin del problema de transporte puede escribirse como una matriz solucin:
X =
n
s
j=1
x11
x21
xm1
x12
x22
xm2
x1n
x2n
xmn
m
s
xij = bj
i=1
xij = ai
min Z = c11 x11+ c12 x12 + cmn xmn
Una solucin posible bsica ser no degenerada si contiene m+n1 variables solucin (positivas), y una solucin posible bsica degenerada aquella que contiene m+n-1 variables en
solucin.
5.3. CLCULO DE LA SOLUCIN DE UN PROBLEMA DE TRANSPORTE

Las etapas que permiten el clculo a un problema de transporte son:
Determinacin de una solucin inicial.
Prueba de optimalidad.
5.3.1. Determinacin de una solucin inicial
Su objetivo es obtener una solucin inicial seleccionando, una por una, las m+n-1 variables bsicas. Los mtodos ms habituales para ello son:
Esquina de N.O.
Mnimo de filas.
Mnimo de columnas.
Unidad II
48
Flujos mutuamente convenientes (Houthakker).

Mtodo de penalizaciones (Vogel).
5.3.1.1. Mtodo de la esquina de N.O.

Paso 1.- Hacer el elemento de la esquina superior izquierda igual a la menor de la primera
exigencia por fila y de la primera exigencia por columna, y restaremos a ambas exigencias
este valor. Completar la primera fila o columna hasta saturar la disponibilidad.
Paso 2.- Ahora tanto la primera exigencia fila como la primera exigencia columna sern
iguales a cero. Se repite el paso 1. Utilizando el elemento de la esquina superior izquierda
de la matriz obtenida eliminando la fila o columna ya satisfechas mediante la anterior consideracin.
Paso 3.- Repetir el paso 1, hasta que la solucin sea completa.
Ejercicio 5.1
Una fbrica dispone de tres centros de distribucin A,B y C cuyas disponibilidades de materia
prima son 100, 120 y 120 tm respectivamente. Dicha materia prima debe de ser entregada a
cinco almacenes I, II, III, IV y V, los cuales deben de recibir respectivamente 40, 50, 70, 90 y 90
tm. Determinar una solucin inicial por el mtodo de la esquina del N.O.
Orgenes
A
B
C
MATRIZ DE COSTOS
Destinos
I
II
III
IV
10
20
8
9
2
10
8
30
1
20
7
10
V
10
5
4
Solucin 5.1
Orgenes
II
A
B
C
Demandas
10
2
1
40
20
10
20
50
Orgenes
II
40
50
50
Destinos
III
IV
5
8
7
70
9
30
10
90
Disponibilidad
10
5
4
90
100
120
120
Disponibilidad
Solucin Inicial:
A
B
C
Demandas
40
Destinos
III
IV
10
60
60
30
90
70
90
90
100
120
120
En la esquina de N.O. se pone la menor de las exigencias min(40,100) = 40. Se completa la primera fila hasta saturar esta disponibilidad, y esto conduce a tomar:
x11 = 40,
x12 = 50,
x13 = 10,
x14 = x15 = 0
Obsrvese que en este momento la demanda en la tercera columna es de 60 unidades.

49
Saturamos la demanda en la tercera columna min(60,120) = 60, despus la disponibilidad en la

segunda fila, lo que dar:
x21 = x22 = 0,
x23 = 60,
x24 = 60,
x25 = 0
Obsrvese que la disponibilidad en la cuarta columna es 30.
Saturamos la demanda en la cuarta columna min(30,120) = 30, despus la disponibilidad de la

tercera fila.
x31 = x32 = x33 = 0,
x34 = 30,
x35 = 90
El costo de la solucin obtenida ser:

Z = 40 . 4+50 . 1+10 . 2+60 . 3+60 . 5+30 . 4+90 . 8 = 1550
5.3.1.2. Mtodo de mnimo de filas
Sea el menor costo en la primera fila. Hacer x1k igual a la menor de la exigencia fila o columna.
En el primer caso, hemos transportado todas las unidades y pasamos a la segunda fila despus
de restar dicha cantidad a la exigencia de la columna k.
Seguidamente se busca el elemento mnimo en la segunda fila y de repite el proceso. En el segundo caso,
se cambia la exigencia fila y se busca el costo ms pequeo en la primera fila repitiendo el proceso.
Ejercicio 5.2
Dado el siguiente esquema de transporte, determinar una solucin inicial por el mtodo de
Mnimo de filas.
Destinos
Orgenes
Disponibilidad
-1
Demandas
Solucin 5.2
Destinos
Orgenes
Disponibilidad
-1
Demandas
El menor costo en la primera fila es c13 = 1, luego hacemos x13 igual al min(1,3) = 1.
x13 = y la primera fila queda saturada.
En la segunda fila el menor costo es c24 = -1, luego hacemos x24 igual al min(2,5) = 2.
x24 = 5 y la cuarta columna queda saturada.
Unidad II
50
Como no se ha saturado la segunda fila (quedan 3 unidades), continuamos las asignaciones en

la segunda fila. El costo menor es c25 = 1 luego hacemos x15 igual al min(2,3) = 2.
x25 = 2 y la quinta columna queda saturada.
Como todava no se ha saturado la segunda fila (queda 1 unidad), continuamos las asignaciones
en la segunda fila. El costo menor es c23 = 3 luego hacemos x23 igual al min(1,3) = 1.
x23 = 1 y la segunda fila queda saturada.
En la tercera fila l menor costo es c31 = 0, luego hacemos x31 igual min(3,7) = 3.
x31 = 3 y la primera columna queda saturada.
Como no se ha saturado la tercera fila (quedan 4 unidades), continuamos las asignaciones en la
tercera fila. El costo menor es c32 = 2 luego hacemos x32 igual al min(3,4) = 3.
x32 = 3 y la segunda columna queda saturada.
Como todava no se ha saturado la tercera fila (queda 1 unidad), continuamos las asignaciones
en la tercera fila. El costo menor es c33 = 3 luego hacemos x33 igual al min(1,1) = 1
x23 = 1 y la tercera fila y columna quedan saturadas.
La solucin inicial es:
Destinos
Orgenes
Disponibilidad
H
Demandas
1
2
5
7
5.3.1.3. Mtodo de mnimo de columnas

Se procede de una forma similar al procedimiento anterior, excepto en que se comienza por la
primera columna.
Ejercicio 5.3
Encontrar una solucin inicial para el ejercicio N. 4.1 por el mtodo de Mnimo de columnas.
Solucin 5.3
Destinos
Orgenes
II
III
IV
Disponibilidad
10
20
10
100
10
30
120
20
10
120
Demandas
40
50
70
90
90
51
Localizamos el menor costo en la primera columna c31 = 1, luego:

X31 = 40, primera columna saturada.
En la segunda columna el menor costo es c22 = 10, luego:
X22 = 50, segunda columna saturada.
En la tercera columna el menor costo es c13 = 5, luego:
X13 = 70, tercera columna saturada.
Continuando el proceso con las columnas cuarta y quinta se obtiene:
Destinos
Orgenes
II
III
70
50
40
Demandas
40
50
70
Disponibilidad
60
10
120
80
120
90
90
IV
30
100
5.3.1.4. Mtodo de flujos mutuamente convenientes

En este mtodo, una asignacin xij de un origen i a un destino j es mutuamente preferible si j es
el destino menos costoso para i y si i es el origen menos costoso para el destino j. Estas asignaciones, mutuamente preferibles, estn caracterizadas por el hecho de que el costo unitario debe
ser el ms bajo de su fila y de su columna.
Ejercicio 5.4
Una fbrica dispone de tres centros de distribucin A, B y C cuyas disponibilidades de materia
prima son 90, 40 y 80 tm respectivamente. Dicha materia prima debe ser entregada a cinco
almacenes I, II, III, IV y V los cuales deben de recibir respectivamente 30, 50, 40, 60 y 30 tm.
Determinar una solucin inicial por el mtodo de flujos mutuamente convenientes.
MATRIZ DE COSTOS
Destinos
Orgenes
II
III
10
20
10
20
IV
10
30
10
IV
Solucin 5.4
Destinos
Orgenes
10
20
10
90
10
30
40
80
II
III
20
10
Demandas
30
50
40
60
30
Unidad II
52
Disponibilidad
Se buscan las asignaciones mutuamente preferibles. En la matriz de costos anterior los costos
que son menores de su fila y columna son:
c31 = 1
c13 = 5
Por lo tanto, situaremos la mayor asignacin posible en la casilla correspondiente, lo que da:
x31 = 30,
x11 = 0, x21 = 0
x13 = 40, x23 = 0,
x33 = 0
De la matriz de costos se eliminan las columnas primera y tercera, por estar satisfechas sus exigencias, obteniendo:
Destinos
Orgenes
II
A
B
Disponibilidad
IV
20
10
50
10
30
40
20
10
50
Demandas
50
60
30
Los costos menores de su fila y columna son:

c14 = 9
c35 = 4
y en consecuencia:
x14 = 50,
x12 = x15 = 0
x35 = 30,
x25 = 0
La matriz obtenida en este momento es:
Destinos
Orgenes
II
III
IV
40
50
Disponibilidad
90
40
30
Demandas
30
30
50
40
60
80
30
Falta por completar cuatro casillas cuya matriz de costos es:

Orgenes
Destinos
Disponibilidad
II
IV
10
30
40
20
10
20
Demandas
50
10
53
Los menores costos por fila y columna son:

c22 = 10
c34 = 10
y en consecuencia:
x22 = 40,
x24 = 0
x34 = 10,
x32 = 10
quedando como solucin:

Destinos
Orgenes
II
A
B
III
IV
40
50
Disponibilidad
90
40
30
10
Demandas
30
50
40
40
10
30
60
30
80
5.3.1.5. Mtodo de penalizaciones

Paso 1.- Determinar la penalizacin para cada fila y cada columna al o colocar en la solucin
inicial la variable que tenga el menor costo en esta fila o columna. Para la fila i, esto significa
restar el costo ms pequeo de esta fila del siguiente costo ms pequeo de la misma fila
en la matriz de costos. Si dos elementos de esta son ambos el ms pequeo, la penalizacin
es cero. La penalizacin de la columna j se calcula de forma similar
Paso 2.- Cuando se han calculado todas las penalizaciones, localcese la mayor, ya sea una
penalizacin de fila o de columna.
Colocar en la solucin la variable que tiene el menor costo en la fila o columna que tiene la
penalizacin mayor. La variable se iguala a la exigencia de fila o a la exigencia de columna
que sea ms pequea, de la fila y columna que contiene esta variable. La fila o columna satisfechas al asignar este valor a la variable se omiten en el resto del proceso, y la exigencia
de la otra (fila o columna) se disminuye en este valor asignado a la variable.
Paso 3.- Si una fila ha sido satisfecha, volver a calcular las penalizaciones de columna, sin
considerar ahora en el clculo de las penalizaciones de columna los elementos de la matriz
de costos de la fila eliminada. Si se ha satisfecho una columna, se debern volver a calcular
las penalizaciones de las filas.
Paso 4.- Reptanse ahora las iteraciones de los pasos 2. y 3. hasta que la solucin sea
completa.
Ejercicio 5.5
La Acme Machina Company dispone de cinco puntos de venta A, B, C, D, y E, y de cuatro fbricas X,
Y, Z y T. Los pedidos mensualmente de los puntos de venta expresados en miles de unidades son:
A
Total
75
20
15
25
40
175
Unidad II
54
La produccin mensual en miles de unidades es:

X
Total
60
75
80
35
250
La matriz de costos unitarios de y transporte viene dada por:
0.8
2.7
1.7
1.4
0.9
0.9
0.5
0.2
1.3
0.7
2.1
1.8
1.4
1.1
2.3
0.9
1.1
1.8
2.5
Solucin 5.5
Se determinan las penalizaciones fila y columna:
Fict.
Disp.
1 pF
0.8
2.7
1.7
1.4
0.9
60
0.8
0.9
0.5
0.2
1.3
75
0.2
0.7
2.1
1.8
1.4
1.1
80
0.7
2.3
0.9
1.1
1.8
2.5
35
0.9
Demanda
75
20
15
25
40
75
1 pC
0.1
0.4
0.1
1.2
0.2
La mayor de las penalizaciones es 0.9, que corresponde a una penalizacin fila y el menor costo
de esa fila es 0 (c46).
En consecuencia x46 = min(75,35) = 35, quedando satisfecha la exigencia fila, se prescinde de
dicha fila y se determinan nuevamente las penalizaciones columna.
La exigencia de la 6a columna ser de 75 35 = 40.
0.8
2.7
1.7
1.4
0.9
0.9
0.5
0.2
1.3
0.7
2.1
1.8
1.4
2.3
0.9
1.1
1.8
Fict.
Disp.
1 pF
60
0.8
75
0.2
1.1
80
0.7
2.5
35
Demanda
75
20
15
25
40
75
1 pC
0.1
0.4
0.1
1.2
0.2
2 pC
0.1
1.6
0.7
1.2
0.2
La mayor de las penalizaciones es 1.6 que corresponde a una penalizacin columna y el menor
costo de esa columna es 0.5 (c22).
En consecuencia x22 = min820,75) = 20, quedando satisfecha la exigencia columna, se prescinde
de dicha columna y se determinan nuevamente las penalizaciones fila.
55
La exigencia de la 2 fila ser de 75 20 = 55.
Fict.
Disp.
1 pF
2 pF
0.8
2.7
1.7
1.4
0.9
0.9
0.5
0.2
1.3
60
0.8
0.8
75
0.2
0.2
0.7
2.1
1.8
1.4
2.3
0.9
1.1
1.8
1.1
80
0.7
0.7
2.5
35
Demanda
75
20
15
25
40
75
1 pC
0.1
0.4
0.1
1.2
0.2
2 pC
0.1
0.7
1.2
0.2
La mayor de las penalizaciones es 1.2 que corresponde a una penalizacin columna y el menor
costo de esa columna es 0.2 (c24).
En consecuencia x24 = min(55,25) = 25, quedando satisfecha la exigencia columna, se prescinde
La exigencia de la 2. fila ser de 55 25 0 30.
Fict.
Disp.
1 pF
2 pF
3 pF
0.8
2.7
1.7
1.4
0.9
60
0.8
0.8
0.8
0.9
0.5
0.2
1.3
75
0.2
0.2
0.9
0.7
2.1
1.8
1.4
1.1
80
0.7
0.7
0.7
2.3
0.9
1.1
1.8
2.5
35
Demanda
75
20
15
25
40
75
1 pC
0.1
0.4
0.1
1.2
0.2
2 pC
0.1
0.7
0.2
La mayor de las penalizaciones es 0.9 que corresponde a una penalizacin fila y el menor costo
En consecuencia x26 = min840,30) = 30, quedando satisfecha la exigencia fila, se prescinde de
dicha columna y se determinan nuevamente las penalizaciones columna.
La exigencia de la 6. columna ser de 40 30 = 10.
Fict.
Disp.
1 pF
2 pF
3 pF
0.8
2.7
1.7
1.4
0.9
60
0.8
0.8
0.8
0.9
0.5
0.2
1.3
75
0.2
0.2
0.7
2.1
1.8
1.4
1.1
80
0.7
0.7
0.7
2.3
0.9
1.1
1.8
2.5
35
0.9
Demanda
15
25
40
75
75
20
1 pC
0.1
0.4
0.1
1.2
0.2
2 pC
0.1
0.7
0.2
3 pC
0.1
0.1
0.2
La mayor de las penalizaciones es 0.8 que corresponde a una penalizacin fila y el menor costo
Unidad II
56
En consecuencia x16 = min(10,60) = 10, quedando satisfecha la exigencia columna, se prescinde

La exigencia de la 1. fila ser de 60 40 = 20.
Continuando el proceso, se determina la solucin inicial:
Fict.
Disp.
60
0.8 2.7 1.7 1.4 0.9
1
pF
2
pF
3
pF
4
pF
5
pF
0.8 0.8 0.8 0.1 0.8
0.9 0.5
0.2 1.3
75
0.2 0.2
0.7 2.1 1.8 1.4 1.1
80
0.7 0.7 0.7 0.4 0.7
2.3 0.9 1.1 1.8 2.5
35
0.9
75
75
Demanda
20
15
25
40
0.2
1 pC
0.1 0.4 0.1 1.2 0.2
2 pC
0.1 1.6 0.7 1.2 0.2
3 pC
0.1
0.1
0.2
Solucin inicial
Fict.
Disp.
40
10
60
30
75
80
35
35
40
75
10
20
25
75
Demanda
75
20
15
25
que tiene un costo de Z = 129.5

5.3.2. Prueba de optimalidad
Su objetivo es verificar si una solucin obtenida es ptima o no. Empezando con alguna solucin
posible bsica inicial (quiz la solucin de la esquina N.O.) se calcula la matriz (Zij = ui + vj). Si
todos los cij zij son mayores o iguales a cero, la solucin es ptima. Si uno o ms cij zij es menor
que cero, es posible una solucin mejor.
Proceso iterativo. En el caso de no haber alcanzado la solucin ptima en el paso anterior, el
objetivo de este es el encontrar la mejor solucin. De las variables que tienen un costo de entrada (reducido) negativo, se determina la que lo tenga ms pequeo (ms negativo). Pasando a la
matriz solucin, se traza la trayectoria que empieza en esta variable. Se iguala a la variable
solucin ms pequea de las que estn en las casillas que tienen signos menos.
Se aade a la solucin segn la trayectoria y de este modo formamos una nueva solucin.
Se repite la prueba de optimalidad y el proceso iterativo, hasta que alguna iteracin demuestre
que la solucin es ptima.
Si en la matriz final cij zij hay un costo de entrada (reducido) nulo para una variable que no est
en la solucin normal, el problema tiene una solucin ptima alternativa, porque esta variable
puede ser introducida ahora en la solucin, sin cambiar su costo.
57
En el caso de existir degeneracin, una forma de corregirla consiste en colocar una variable adicional en solucin de valor cero. Al hacer esto, debe elegirse una variable que permita completar
la determinacin de u(i) y v(j).
Ejercicio 5.6
Una empresa cuenta con tres plantas para fabricar un cierto producto. La primera tiene almacenadas 10 unidades del producto, la segunda 20 y la tercera 22. El producto se vende a partir
de dos almacenes de distribucin que requieren respectivamente 25 y 27 unidades cada uno,
para satisfacer las ventas normales. El costo de transportar una unidad desde la planta N. 1 al
almacn N. es de $20, etc., el resto de costos se indican en la tabla adjunta.
Determinar una solucin inicial por el mtodo de la esquina del N.O.
Determinar el esquema de transporte de menor costo.
Destinos
Existencias
II
en planta
P1
20
10
10
P2
20
Orgenes
P3
19
22
Exigencias de
cada almacn
25
27
Solucin 5.6
Matriz de costos
cij =
20
10
19
10
15
22
10
z12
u1
15
u2
z31
22
u3
V1
V2

Solucin inicial Esquina N.O.:
(m + n 1 variables en solucin)
cij =
Clculo de la matriz zij :
cij =
Unidad II
58
u1 = 0
u1 + v1 = c11 = 20
u2 + v1 = c21 = 5
u2 + v2 = c22 = 8
u3 + v2 = c32 = 19
v1 = 20
u2 = -15
v2 = 23
u3 = -4
z12 = u1 + v2 = 23
z31 = u3 + v1 = 16
zij
20
23
16
19
Matriz de costos reducidos:

20
10
19
cij - zij =
20
23
16
19
-13
-10
Como puede observarse, la matriz de costos reducidos tiene ceros en los elementos correspondientes a las variables que estn en solucin, y la presencia de elementos negativos indica que
no se ha conseguido la solucin ptima.
Clculo de la nueva solucin:
xij =
10-
15+
5-
22
(= mayor valor que no se hace ninguna asignacin negativa = 5)
xij =
20
22
Los clculos pueden hacerse de una forma ms compacta, usando la tabla simplex de transporte
denominada cuadro MODI (Modified Distribution), que combina las matrices solucin y costo de
la manera siguiente:
Cuadro MODI
Almacenes
Plantas
1
Vj
Exig.
c11
c21
c31
c12
x11
c22
x21
c32
c31-z31
v1
b1
v2
b2
ui / Exist.
u1
c12-z12
u2
x22
u3
x32
a1
a2
a3
59
Informacin adicional que se agrega en cada celda:

Si xij es una variable bsica
cij
xij
Si xij es una variable no bsica

cij
Cij-zij
Tabla inicial
Almacenes
Plantas
Existencias
20
10
10
20
19
22
Exig.
25
27
1 Iteracin (cj - zj)

Almacenes
Plantas
ui / Exist.
20
10
-13
19
22
20
23
Exig.
25
27
20
5
8
19
v1
u2
v2
u3
=
=
=
=
20
-15
23
-4
c13 + z13 = 10 (u1 + v2) = -13

c31 + z31 = 6 (u3 + v1) = -10
Unidad II
60
20
-4
-10
Vj
u1 = 0
u1 + v1 =
u2 + v1 =
u2 + v2 =
u3 + v2 =
10
-15
15
10
22
Solucin inicial N.O.

Almacenes
Plantas
1
10
15
ui / Exist.
10
5
+
20
22
Exig.
22
25
27
Z = 10 . 20 + 15 . 5 + 5 . 8 + 22 . 19 = 733
Almacenes
Plantas
1
10
10
-15
20
6
13
20
19
20
ui / Exist.
-23
22
22
Vj
20
10
Exig.
25
27
Plantas
5-
5+
10
22 -
22
Nueva solucin
Almacenes
ui / Exist.
Exig.
20
+
25
27
Z = 5 . 20 + 5 . 10 + 20 . 5 + 22 . 19 = 668
61

Almacenes
Plantas
1
10
23
5
10
10
20
20
6
-10
20
19
ui / Exist.
17
Vj
-3
10
Exig.
25
27
Plantas
5 -
10
22
Nueva solucin
Almacenes
ui / Exist.
10
20 -
20
5 +
17 -
25
27
22
Exig.
Z = 10 . 20 + 20 . 5 + 5 . 6 + 17 . 19 = 553
Almacenes
Plantas
1
10
10
8
17
19
10
-2
3
6
23
20
ui / Exist.
-1
22
10
Vj
10
Exig.
25
27
Unidad II
62
20
22
Nueva solucin
Almacenes
Plantas
ui / Exist.
10
10
17
20
22
22
Exig.
25
27
Z = 10 . 10 + 3 . 5 + 17 . 8 + 22 . 6 = 383
Luego el esquema de transporte ser:
Enviar de la planta 1 diez unidades al almacn 2.

Enviar de la planta 2 tres unidades al almacn 1, y diecisiete al almacn 2.
Enviar veintids unidades al almacn 1.
El costo ms econmico del transporte ser de z = 383.
5.4. EL PROBLEMA DE TRANSBORDO

El problema de transbordo se puede describir en trminos generales, como aquel que se ocupa
de asignar y encontrar la ruta para las unidades desde los centros de suministro hacia los centros
de recepcin, pasando por los puntos de transbordo.
Uno de los requisitos del problema de transporte es el que se conozca de antemano la forma en
que se van a distribuir las unidades de cada origen a cada destino, para poder determinar cul es
el costo por unidad. En ocasiones, no resulta evidente cul es el mejor medio de distribucin, pues
existe la posibilidad de transbordo en el que los embarques pasaran por puntos de transferencias
intermedios. Por ejemplo, en lugar de mandar un embarque del punto 1 directo al punto 3, puede
ser ms barato incluirlo en los embarques del punto 1 al punto 2 y, de ah, mandarlo al punto 3.
Existe la posibilidad de investigar la ruta ms econmica de cada origen a cada destino, sin embargo, si existen muchos puntos de transferencia intermedios, esta tarea puede ser complicado
y laboriosa.
Por lo tanto, es preciso reformular este problema de trasbordo como problema de transporte.
La idea bsica consiste en interpretar los viajes individuales, como si tratara del transporte de
un origen a un destino, y as pensar que todos los puntos intermedios son tantos orgenes como
destinos potenciales.
Ejercicio 5.7
Tres plantas de fabricacin A, B y C producen diariamente 50, 40 y 60 unidades respectivamente,
y en los puntos de destino D, E y F se precisan 20, 95 y 35 unidades. La matriz de costos unitarios
de transporte es:
63

Almacenes
Plantas
A su vez, se dispone de los datos adicionales:

A planta
De planta
A almacn
De
Almacn
Determinar el esquema de transporte de costo mnimo.

Solucin 5.7
Reformulacin del problema.
Exist.
200
190
210
150
150
150
Demanda
150
150
150
170
245
185
En donde se ha sumado, tanto a las existencias como a la demanda, la cantidad de 150 que es
el total de la demanda necesaria.
Solucin inicial por penalizaciones
A
A
150
150
+
150
20
150
Unidad II
64
50
20
60
Exist.
200
190
210
150

E
150
95
55
Dem.
150
150
150
170
150
185
245
150
Prueba de optimalidad
A
A
150
-3
20
150
-1
150
20
60
200
190
210
150
-2
16
150
150
14
95
-1
-3
Vj
Dem.
-6
150
150
-3
150
50
Exist.
150
170
55
245
-1
150
185
Tabla ptima
A
A
130
Exist.
70
200
20
150
20
190
150
60
210
150
150
150
150
95
55
Dem.
150
150
150
170
245
185
150
65
Prueba de optimalidad
A
A
Exist.
0
130
70
200
20
150
20
190
150
60
210
150
150
-2
13
150
-2
150
11
-1
Vj
Dem.
-3
150
150
150
170
0
95
-1
150
55
245
185
La solucin puede apreciarse fcilmente en el grfico:
50
A
20
40
60
C
70
20
D
20
95
Unidad II
66
60
95
F
35
Sesin
El problema de
asignacin
6.1. GENERALIDADES
Los problemas de asignacin son un caso particular de los problemas de transporte y, de hecho,
constituyen la clase ms sencilla de los problemas lineales.
Supongamos que nos dan n exigencias que se deben satisfacer y n mtodos para satisfacerlas, y
que cada exigencia debe ser satisfecha por uno de los mtodos, y que un mtodo no se puede
utilizar para satisfacer ms de una exigencia. Disponemos tambin de una matriz de costos n.n,
siendo cada elemento (cij) el costo de satisfacer la exigencia j por el mtodo i. El problema de
asignacin consiste en hallar aquella combinacin de mtodos y exigencias que minimizan el
costo total.
Frecuentemente se ha indicado que el mtodo Simplex de transporte es poco eficaz para
resolver un problema de asignacin. Esta afirmacin es discutible, ya que dicho mtodo resulta moderadamente eficiente, con tal que la solucin inicial se forme con un mtodo tal
como el VAM.
Ahora bien, para este tipo de problemas existe un mtodo de solucin ms eficiente denominado mtodo hngaro, debido al matemtico hngaro Knig.
El principio fundamental del mtodo hngaro es que si un problema de asignacin se modifica,
sumando o restando una constante a todos los elementos de una fila o columna de la matriz
de costo, la solucin ptima del problema modificado es la misma que la solucin ptima del
problema original.
6.2. PLANTEAMIENTO DEL PROBLEMA

Si se especifica que xij = 1, entonces se utiliza el mtodo i para satisfacer la exigencia j; si
xij = 0, el mtodo i no se utiliza para satisfacer la exigencia j. A partir del hecho de que cada
mtodo est asociado con una y solo una exigencia, y que cada exigencia est asociada
con un y solo un mtodo la forma matemtica del problema debe ser hallar la matriz X que
satisface
67
y,
Que minimiza
6.3. ETAPAS PARA OBTENER LA SOLUCIN PTIMA POR

EL MTODO HNGARO
- Primer paso: Localizar el costo ms pequeo en cada una de las filas de la matriz de costos.
Se supone que inicialmente son no negativos todos los costos (en caso de maximizar, que
requiere un cambio de signo a todos los elementos de la matriz, restar el costo ms pequeo
de todos los elementos de la matriz).

Localizado este elemento se resta de cada elemento de la fila.
Dibujar el mnimo conjunto de lneas, pasando por los ceros obtenidos. Si menos de "n" lneas
cubren todos los ceros, todava no se ha localizado la solucin ptima.
- Segundo paso: Si no se ha obtenido la solucin ptima en el paso anterior, repetir el mismo

proceso con las columnas. Algunas de estas ya tendrn ceros y no requerirn clculos. Otras
no tendrn inicialmente ningn cero y el paso producir, al menos, uno en cada uno de ellas.
Dibujemos ahora otra vez el mnimo conjunto de lneas que cubren todos los ceros. Si el conjunto mnimo de lneas es menor "n" debe recurrirse al tercer paso.
- Tercer paso: A partir de la matriz del segundo paso, encontrar el elemento mnimo de todos
los elementos no cubiertos por lneas, restar este elemento de todos los no cubiertos (incluido el mismo) y aadirlo a elementos cubiertos que se encuentran en la interseccin de dos
lneas (si existen tales intersecciones). Dibujar nuevamente el mnimo conjunto de lneas que
pasan por todos los ceros de la matriz. Si este nmero iguala a n, el proceso ha terminado. De
nuevo, si el mnimo nmero de lneas iguala a n, se ha terminado, sino, se debe continuar.
- Cuarto paso: Repetir el tercero hasta que el conjunto mnimo de lneas iguale a n.
- Quinto paso: Si el mnimo nmero de lneas que cubren todos los ceros es n, ha aparecido
la solucin ptima. Para determinarla, se procede al marcado de ceros. Marcar los ceros que
son nicos en una lnea determinada, eliminar las filas y columnas que contienen el cero y
continuar, hasta que todos los ceros independientes estn marcados.
Unidad II
68
Notas
Algunos elementos de la matriz de costos pueden ser inicialmente negativos. Esta condicin
puede presentarse si se ha de maximizar la funcin objetivo, pues esto quiere cambiar de signo
a todos elementos de la matriz de costo.
En este caso, convertimos la matriz en una con elementos no negativos, por la simple maniobra
de restar el ms pequeo (ms negativo) elemento de costo de todos elementos de costo. Esto
originar (uno o ms) elementos cero y har positivos los restantes. Un proceso alternativo,
aplicado a cada fila con uno o ms elementos de costo negativos, consiste en aadir el valor
absoluto del mnimo elemento en esta fila a todos los elementos de la misma.
Se pueden presentar problemas en los que hay ms exigencias que mtodos para satisfacerlas
o viceversa. En este caso, aadiremos filas o columnas ficticias para conseguir que la matriz de
costo sea cuadrada. Todos los elementos de costo, en las filas o columnas ficticias, se igualan a
cero.
Ejercicio 6.1
Supongamos que una empresa dispone de cinco mquinas I, II, III, IV y V, as como de otros tantos operarios A, B, C, D y E para asignarlos a las mismas. Siendo la matriz de costos:
Mquinas
Operarios
II
III
IV
40
30
80
80
60
80
70
40
30
85
75
50
60
25
45
60
80
70
90
50
70
40
55
55
1. Se desea establecer la asignacin de costo mnimo.

2. Resolver el mismo ejemplo, suponiendo que la matriz dada corresponde a la utilidad de
asignar a cada operario una mquina determinada.
Solucin 6.1
1. Obtencin de un cero por fila.
El menor nmero de lneas (sealadas con *) es 4.
Obtencin de un cero por columna
Operarios
Mquinas
I
II
III
IV
Lin
10
50
50
30
80
70
40
30
60
50
25
35
15
35
25
45
10
30
15
15
Lin
69
Operarios
Mquinas
I
II
III
IV
Lin
10
50
50
30
80
70
40
30
60
50
25
20
15
35
10
45
10
30
15
Lin
El menor nmero de lneas es 4. Restando 10 (mnimo de los elementos no cubiertos) a los elementos no cubiertos y sumando el mismo nmero a los elementos de las intersecciones.
El menor nmero de lneas es 4. Restando 5 (mnimo de los elementos no cubiertos) a los elementos no cubiertos, y sumando el mismo nmero a los elementos de las intersecciones.
Operarios
Mquinas
I
II
III
IV
Lin
20
50
35
45
75
60
25
55
35
10
25
50
20
30
30
Lin
Con el menor nmero de lneas es 5, se procede al marcado de ceros.

Operarios
Mquinas
I
II
III
IV
20
(0)
50
35
45
75
60
25
(0)
55
35
10
(0)
(0)
25
50
20
30
(0)
30
Asignacin ptima
Operario
Mquina
II
IV
III
Valor de la funcin objetivo:

Z = 30 + 30 + 25 + 45 +40 = 170
Unidad II
70
2.
Mquinas
Operarios
II
III
IV
40
30
80
80
60
80
70
40
30
85
75
50
60
25
45
60
80
70
90
50
70
40
55
55
Transformacin a un problema de mnimo. Cambiando de signo a todos los elementos de la matriz de datos, y sumando a cada columna 85, 75, 80, 80 y 90 (elemento ms negativo de cada
columna), respectivamente.
Mquinas
Operarios
II
III
IV
Lin
45
45
30
40
50
90
30
20
65
40
15
10
35
40
25
35
Lin
Como se dispone de al menos un cero por columna, obtenemos un cero por fila.
Mquinas
Operarios
II
45
45
III
IV
Lin
30
35
45
85
30
20
65
40
15
10
30
35
20
30
Lin
El menor nmero de lneas es 4. Restando 20 a los elementos no cubiertos, y sumando igual

cantidad a los elementos de las intersecciones.
Mquinas
Operarios
II
III
IV
Lin
65
65
(0)
30
(0)
15
25
65
10
(0)
45
60
35
10
(0)
30
(0)
15
10
Lin
71
Asignacin ptima
Operario
Mquina
III
IV
III
Z = 80 + 80 + 60 + 90 + 70 = 380
Debe observarse la existencia de asignaciones alternativas
Operario
Mquina
Mquina
III
III
II
II
IV
IV
Unidad II
72
Ejercicio 6.1
Una empresa desea formar entre sus empleados 4 equipos de dos personas, un tcnico y un
obrero especializado que sern designados para diversos trabajos.
Con el cuidado de tener presente las afinidades entre personas, se solicita a cada obrero que
califique con una "nota" de 0 a 5 (mejor nota) a cada tcnico.
Tcnicos
Obreros
II
III
IV
Cmo deben formarse los equipos para que la suma de las notas sea mxima?
Ejercicio 6.2
Una estacin terminal tiene capacidad para acomodar seis camiones simultneamente. El situar
a cada camin en uno de los seis lugares implica un costo (de distribucin y transferencia de
cargas) que se refleja en la tabla adjunta. Los lugares de carga son A, B, C, D, E y F.
Lugares de carga
Camin
1
2
3
4
5
7
6
2
5
2
4
3
6
4
3
7
3
8
5
8
7
1
4
4
3
6
2
6
Cierto da hay que situar los camiones 1, 2, 3 y 4 en la estacin terminal. Determinar el estacionamiento
ptimo.
Ejercicio 6.3
El director de un departamento de personal debe asignar 6 personas a 5 departamentos de la
empresa, de manera que cada departamento debe quedar asignada, al menos, a una persona,
y teniendo en cuenta que todas las personas han de quedar asignadas en algn departamento
(esto es, un departamento le correspondera a dos personas y a las restantes cuatro, una). Determinar la asignacin ptima si lo que se pretende es obtener la mxima utilidad total y si la
utilidad de cada persona, en cada departamento, viene dada por:
Departamentos
Personas
12
10
20
10
15
25
15
14
22
20
10
21
16
12
24
18
13
23
73
Unidad II
74
Sesin
La Tcnica
PERT
7.1. GENERALIDADES
Aunque, originalmente, la tcnica PERT se aplic para evaluar la programacin de proyectos
de investigacin y desarrollo, tambin se utiliza actualmente para controlar el avance de otros
proyectos como:
Programas de construccin.
Programacin de ordenadores.
Preparacin de presupuestos.
Produccin de pelculas.
Campaas polticas.
Lanzamiento de nuevos productos.
Los objetivos de la tcnica PERT son:
Ayudar a la planeacin y control de un proyecto.

Determinar la probabilidad de cumplir con fechas de entrega especficas.
Identificar aquellas actividades que es ms probable que se conviertan en cuellos de botella.
Calificacin de actividades y anlisis de tiempos.
Evaluar el efecto de los cambios en el proyecto.
Evaluacin del efecto al desviarse de lo programado.
7.2. ESTRUCTURA DEL PROBLEMA

La red PERT es un grafo orientado en el que cada arco representa una actividad y cada nudo un
suceso definido, como el instante en que finalizan todas las actividades que llegan a ese nudo.
Dispone de un nudo inicial, otro final y carece de bucles.
Una regla muy comn, para construir este tipo de redes, es que dos nudos no pueden estar
conectados por ms de un arco. Las actividades ficticias pueden utilizarse para evitar violar esta
regla.
75
La confeccin de una red PERT precisa de:

Una tabla de precedencias.
Realizar una numeracin ordenada de los nudos.
7.3. FORMULACIN DEL PROBLEMA

Una vez desarrollada la red del proyecto, de acuerdo con las relaciones de precedencia de las
actividades, ser preciso determinar el tiempo que se requiere para realizar cada actividad y
su variancia, toda vez que esta tcnica considera las duraciones de las actividades una variable
aleatoria. Para una determinada actividad ser:
te (A) =
a + 4m + b
6
te = tiempo esperado de la actividad

a = estimacin optimista
m = estimacin ms probable
b = estimacin pesimista
Var(A) = variancia de la actividad A
2
Var(A) = (b a )
36
Determinado el tiempo esperado de todas las actividades, es posible realizar el clculo de las
tres cantidades bsicas para cada suceso:
Tiempo ms temprano de un suceso (Te).- Es el tiempo estimado en que ocurrir el suceso,
si las actividades que lo preceden comienzan lo ms pronto posible.
Tiempo ms tardo de un suceso (Tl).- Es el ltimo momento (estimado) en el que puede

ocurrir un suceso sin retrasar la terminacin del proyecto, ms all de su tiempo ms temprano.
Unidad II
76
Holgura o Fluctuacin de un suceso (Tf).- Es la diferencia entre el tiempo ms tardo y temprano de cada suceso. Se denominan sucesos crticos aquellos que tienen holgura cero.
Una vez determinados los tiempos ms tempranos y tardos de cada suceso, la duracin del
proyecto vendr determinada por la diferencia entre los tiempos ms tempranos (o tardos) de
los sucesos finales e inicial. Asimismo, estos tiempos permiten, con facilidad, el clculo de las
diferentes holguras de cada actividad (i,j):
Ht (i,j) = Tl (j) Te (i) te (i,j)
- Holgura total (Ht):
- Holgura libre (Hl):
Hl (i,j) = Te (j) Te (i) te (i,j)
- Holgura independiente (Hi): Hi (i,j) = Te (j) Tl (i) te (i,j)
Te (j) = tiempo ms temprano del suceso j
Tl (i) = tiempo ms tardo del suceso i
te (i,j) = duracin esperada de actividad (i,j)
La holgura total (Ht), permitir analizar las actividades crticas y determinar el(los) camino/s
crtico/s; definido como la ruta de comienzo a final del proyecto, formada por actividades cuyas
holguras totales coinciden con la holgura del suceso final.
La holgura libre (Hl) de una actividad, es la parte de holgura total que puede utilizarse sin afectar al tiempo ms temprano en comenzar y a la holgura de las actividades sucesivas.
La holgura independiente (Hi) de una actividad, es tiempo que puede ser utilizado sin afectar
a los sucesos inicial y final de dicha actividad.
77
Similarmente a los tiempos definidos para cada suceso, puede para cada actividad (i,j,) definirse
los tiempos ms tempranos y tardos de comienzo y finalizacin de la misma:
ES (i,j) = tiempo ms temprano en el cual puede comenzar a ejecutarse la actividad (i,j)
EF (i,j) = tiempo ms temprano en el puede completarse la (i,j)
EF (i,j) = ES (i,j) + te (i,j).
Ls (i,j) = tiempo ms tardo en el cual debe comenzarse a ejecutar la actividad (i,j)
LS (i,j) = LF (i,j) - te (i,j).
LF (i,j) = tiempo ms tardo en cual debe terminar la actividad (i,j).
Habitualmente, todos los tiempos se representan sobre las redes, de acuerdo con el siguiente
criterio:
Para un determinado proyecto, la duracin total del mismo, suponiendo que las actividades 1,
2, 3, , k son crticas (componen el camino crtico)
Unidad II
78
te (T) = te (1) + te (2) + te (3) + + te (k)

y la variancia del mismo camino crtico
Var(T) = var(1) +var(2) + + var(k)
La distribucin del tiempo de finalizacin del proyecto, de acuerdo con el teorema central de
lmite ser:
Debe observarse que, en el caso que existiesen dos o ms caminos crticos, deber utilizarse en
la distribucin de los tiempos de finalizacin, el de mayor variancia.
Ejercicio 1.1
Una cadena de restaurantes fase-food desea adquirir un nuevo ordenador que la permita llevar
su contabilidad y realizar el control de inventarios. Una empresa de ordenadores presenta, al
director de Marketing, la siguiente informacin junto con el correspondiente grafo del proyecto:
Tiempos (das)
Actividad
Optimista
Probable
Pesimista
(a)
(m)
(b)
(A) Seleccin de modelo
(B) Sistema entrada/salida
15
(C) Diseo del sistema
12
(D) Montaje
15
20
25
(E) Programas
10
18
26
(F) Rutinas entrada/salida
16
(G) Bases de datos
12
(H) Instalacin
(I) Test
Red del proyecto:
79
Se desea determinar:
Camino crtico y duracin esperada del proyecto.
La probabilidad de finalizar el proyecto en 55 das.
Solucin 1.1
Determinamos los tiempos esperados de cada actividad y su variancia. As, para la actividad A,
tendremos:
Te (A) =
Var (A) =
4 + 4x 6 + 8 36
=
= 6
6
6
(8 4)2 16 4
=
=
36 9
36
Continuando el proceso con todas las actividades se obtiene:

Tiempos
Actividad
Optimista
Probable
Pesimista
Esperado
Variancia
(var)
Holgura
Ht
0
(a)
(m)
(b)
(te)
(A)
4/9
(B)
15
25/9
(C)
12
16/9
14
(D)
15
20
25
20
25/9
(E)
10
18
26
18
64/9
(F)
16
10
16/9
14
(G)
12
16/9
(H)
1/9
(I)
1/9
Se determina los tiempos ms tempranos y tardos de cada suceso, as como la holgura total de
cada actividad.
Tiempos ms tempranos
Partiendo del nudo inicial y considerando para este nudo el origen de tiempos.
Te(1) = 0
Te(2) = Te(1) + te(A) = 0 + 6 = 6
Te(3) = Te(2) + te(B) = 6 + 8 = 14
Te(4) = Te(2) + te(C) = 6 + 8 = 14
Te(5) = Te(3) + te(E) = 14 + 18 = 32
Te(6) = max[Te(3)+te(D) , Te(4)+te(F)] = max [14+20 , 14+18] = max [34, 32] = 34
Te(7) = max[Te(5)+te(G) , Te(6) + te(H)] = max [32+8 , 34+2] = max [40, 36] = 40
Te(8) = Te(7) + te(I) = 40 + 7 = 47
Unidad II
80
Tiempos ms tardos
Partiendo del nudo final, y haciendo coincidir en este nudo el tiempo ms tardo con el ms
temprano.
T1(8)
T1(7)
T1(6)
T1(5)
T1(4)
T1(3)
T1(2)
T1(1)
= 47
= T1(8) - te(I) = 47 - 7 = 40
= T1(7) - te(H) = 40 - 2 = 38
= T1(7) - te(G) = 40 - 8 = 32
= T1(6) - te(F) = 38 10 = 38
= min [T1(5)-te(E), T1(6)-te(D)] = min]32-18, 38-20] = min [14, 18] = 14
= min [T1(3)-te(B), T1(4)-te(C)] = min[14-8, 28-8] = min [6, 20] = 6
= T1(2) - te(A) = 0 - 6 = 0
Las holguras totales de cada actividad sern:

Ht(A) = T1(2) Te(1) te(A) = 6 0 6 = 0
Ht(B) = T1(3) Te(2) te(B) = 14 6 8 = 0
Ht(C) = T1(4) Te(2) te(C) = 28 6 8 = 14
Ht(D) = T1(6) Te(3) te(D) = 38 14 20 = 4
Ht(E) = T1(5) Te(3) te(E) = 32 14 18 = 0
Ht(F) = T1(6) Te(4) te(F) = 38 14 10 = 14
Ht(G) = T1(7) Te(5) te(G) = 40 32 8 = 0
Ht(H) = T1(7) Te(6) te(H) = 40 34 2 = 4
Ht(I) = T1(8) Te(7) te(I) = 47 40 7 = 0
3
14 14
B
A
1
0 0
2
6 6
E
D
5
32 32
6
34 38
G
7
40 40
8
47 47
4
14 28
El camino crtico es el 1-2-3-5-7-8, formado por las actividades A, B, E, G e I con holgura total cero.
La longitud de este camino suma de las duraciones esperadas de todas las actividades que lo
componen es:

Te (T) = 6 + 8+18 +8 + 7 = 47 das
Su variancia

Var (T) = 4 + 25 + 54 + 16 + 1 = 110

9
y su distribucin N(47 ; 3.496).
La probabilidad de terminar en 55 das o menos ser:

P(E
55) = 0.98894
81
95 %
90 %
85 %
75 %
65 %
50 %
35 %
95 %
90 %
85 %
75 %
65 %
50 %
35 %
25 %
*
15 %
*
10 %
*
5% *
43.37
45.65
48.35
50.63 52.75
44.64
47.00
49.36
51.48
41.25 42.52
0
Unidad II
82
25 %
15 %
10 %
5%
Sesin
El Mtodo
CPM
8.1. GENERALIDADES
La realizacin de cualquier proyecto trae consigo la aparicin de dos tipos de costos: los directos
que proviene de factores directamente imputables a cada tarea (materias primas, horas-maquina, costo del equipo horas-hombre, etc.), y los indirectos que son imputables mediante claves
de distribucin (gastos generales, supervisin, multas, etc.).
Las versiones originales de los mtodos PERT y CPM difieren en dos aspectos importantes:
En primer lugar, el mtodo CPM supone que los tiempos de ejecucin de las actividades son
determinsticos (no probabilsticas como el mtodo PERT).
En segundo lugar, el mtodo CPM asigna la misma importancia al tiempo y al costo.
8.2. ESTRUCTURA DEL PROBLEMA

El objetivo fundamental de la tcnica CPM es determinar el cambio entre tiempo y costo que
debe emplearse en cada actividad, para cumplir con el tiempo de terminacin del proyecto que
se program a un costo mnimo.
Los costos directos de una actividad suelen estar relacionados inversamente con su duracin. Cuando
se reduce la duracin de una actividad (i,j) a partir de un punto (Dij , CDij), llega un momento en el
que resulta imposible disminuirla por debajo de un cierto valor dij, denominado rcord.
83
El punto determinado por (dij , Cdij) proporciona el tiempo y el costo necesario cuando se
realiza la actividad en forma intensiva, esto es, se acelera completamente sin reparar en
costos.
Asimismo, si aumentamos la duracin llega un momento (Dij) en que los costos dejan de
disminuir, esta duracin se denomina normal. El punto determinado por (Dij, CDij) proporciona el costo y tiempos necesarios cuando la actividad se realiza de forma normal, sin
incurrir en costos adicionales como horas extras, materiales especiales, etc., para acelerar
la actividad.
Las variables de decisin del problema son xij , en donde:
xij = tiempo de duracin de la actividad i, j
Es obvio que, cuando es necesario acortar la duracin de un proyecto, se desea hacerlo con el
mnimo costo posible. Para ello es preciso calcular las pendientes de costo de todas las actividades. Las pendientes de costo representan el incremento del costo directo, producido al reducir la
duracin de la tarea en una unidad de tiempo.
p(ij ) =
CDij =
Cdij =
Dij =
Dij =
C dj C Dij
Dij d ij
costo (directo) normal para la actividad i,j.

costo (directo rcord para la actividad i,j.
tiempo normal para la actividad i,j.
tiempo rcord para la actividad i,j.
8.3. FORMULACIN DEL PROBLEMA

8.3.1. Mediante programacin lineal
Dado un tiempo T (mximo) de finalizacin del proyecto, deben determinarse las duraciones xij
que minimizan el costo total.
Para tener en cuenta la finalizacin de proyecto, es necesaria una variable para cada suceso.
yi = tiempo ms temprano (desconocido) del suceso i
Si designamos por Kij la ordenada en el origen de la actividad (i,j) (ver figura anterior), el costo
directo total del proyecto ser:
CD (T ) = K ij p(ij ) x ij
ij
Luego el problema queda reducido a:
Max Z = p(ij ) x ij
ij
Unidad II
84
Sujeto a:
xij
xij
yi+ xij yj
yn
dij
Dij
0
T
Y a las condiciones de no negatividad:

xij
0
yi
Una vez obtenida la solucin para diversos valores de T, ser preciso combinar los resultados
obtenidos con los costos indirectos totales, para determinar el valor ptimo de T.
8.3.2. Algoritmo de Ackoff-Sasieni

Primer paso: Construir una matriz cuyas filas representen los diferentes caminos existentes
de comienzo a final del proyecto, y por columnas las diferentes actividades que componen
el proyecto. Cada elemento (i,j) de la matriz representar la pendiente de costo de la actividad que ocupa la columna j, siempre y cuando pertenezca al camino de la fila i; en caso
contrario, debe dejarse en blanco. Es preciso que cada actividad tenga tantas columnas como
pendientes de costo posea.
Segundo paso: Se ampla la matriz obtenida con una columna cuyos elementos representen las duraciones de los respectivos caminos, y una fila cuyos elementos indiquen
la diferencia entre las duraciones normal y rcord de cada actividad (acortamiento posible).
Tercer paso: Se selecciona la actividad de menor pendiente en cada uno de los caminos
crticos del proyecto (caso de existir varios), y se determina el tiempo de acortamiento.
Para ello, se calcula el mnimo de las cantidades:
yy Acortamiento mximo de las actividades sin que cambie su pendiente.
yy Diferencia entre la duracin del camino crtico y del primer subcrtico.
Cuarto paso: Una vez calculado el tiempo de acortamiento, se determina el incremento en
el costo directo y el costo indirecto para la duracin resultante. Se calcula el costo total y se
ampla la matriz con una nueva columna, que represente las nuevas duraciones de los caminos y una fila para mostrar los nuevos acortamientos posibles de las actividades. Se contina
el proceso hasta encontrar un camino crtico irreducible.
Ejercicio 1.2
El proceso de construccin de un nuevo ordenador se compone de las siguientes actividades:
85
Actividad
Duraciones
Normal
Rcord
1-2
1-3
1-4
2-6
2-6
3-4
3-5
4-6
5-6
17
15
20
18
16
5
13
20
10
13
10
15
16
15
3
8
19
8
Pendientes de
Costo
6
3
2
4
5
2
6
6
5
El costo directo del proyecto en duracin normal es de 360 millones de u.m. y el costo indirecto
Ci viene determinado por la expresin
Ci = 5 Dp + 167 (millones u.m)
Dp = duracin del proyecto.
Determinar la duracin ms interesante del proyecto, desde el punto de vista econmico.
Determinar el costo a que dara lugar la realizacin del proyecto, en la mnima duracin posible.
Solucin 1.2
Grfico del proyecto:
Notacin CDij , Cdij / p(ij)

Algoritmo de Ackoff-Sasieni
Construimos una matriz que tiene por filas los distintos caminos existentes entre el nudo inicial
y final del proyecto, y por columnas las diferentes actividades que lo componen. Resulta conveniente que cada actividad aparezca tantas veces como pendientes de costo tenga.
Los caminos de este proyecto son:
1-2-6
1-3-4-6
1-3-5-6
1-4-6
Unidad II
86

MATRIZ INICIAL
Actividades
Caminos
1-2
1-3
1-4
2-6
2-6
3-7
3-5
4-6
5-6
1-2-6
1-3-4-6
1-3-5-6
1-4-6
Cada elemento de la matriz es la pendiente de costo de las diferentes actividades que componen el proyecto, siempre y cuando pertenezcan al camino correspondiente.
En el primer paso, se ampla esta matriz con una columna que contiene las duraciones de los caminos
y una fila que contiene, para cada actividad, la diferencia entre sus duraciones normales y rcord.
Caminos
1-2-6
Actividades
1-2
6
1-3 1-4 2-6 2-6 3-4 3-5 4-6 5-6
A
35
1-3-4-6
40
1-3-5-6
38
1-4-6
40
El costo directo del proyecto en duracin normal (40 das) es de 360 u.m. y el costo indirecto se
determina de acuerdo con la funcin dada.
Ci = 5 . Dp + 167 = 5 . 40 + 167 = 367 u.m.
el costo total resulta Ct = Cd + Ci = 360 + 367 = 727
En las sucesivas reducciones de la duracin del proyecto, ser preciso seguir ampliando esta
matriz con nuevas columnas y filas.
En este instante, el proyecto presenta dos caminos crticos que ser preciso reducir simultneamente. Para ello se selecciona, en cada uno de los caminos crticos, la actividad de menor
pendiente de costo que pueda ser reducida su duracin (cantidad no nula en la fila A). Las actividades seleccionadas son 3-4 y 1-4.
Para determinar el tiempo mximo de acortamiento, es preciso calcular el mnimo de las cantidades siguientes:
Mximo acortamiento de 3-4 sin que cambie su pendiente de costo 2 das.
Mximo acortamiento de 1-4 sin que cambie su pendiente de costo 5 das.
Diferencia entre la duracin del camino crtico y del primer subcrtico 40 38 = 2
Dicho mnimo es de 2 das, que ser el acortamiento a realizar simultneamente en los dos
caminos crticos.
87
El incremento en el costo directo del proyecto ser:

Actividad
3-4
1-4
Pendiente
2
2
N das
2
2
Total
Costo
4
4
8
El costo directo ser Cd = 360 + 8 = 368

el indirecto Ci = 5 . 38 + 167 = 357
y el total Ct = 368 + 357 = 725
De esta forma se determina la fila B y columna B.
Actividades
Caminos
1-2 1-3 1-4 2-6 2-6 3-4 3-5 4-6 5-6
1-2-6
1-3-4-6
1-3-5-6
35
35
40
38
38
38
1-4-6
40
38
Se procede de forma anloga, hasta que alguno de los caminos crticos no sea posible acortarlo,
obteniendo la matriz siguiente:
Caminos
Actividades
1-2
1-3
1-4
2-6
2-6
3-4
3-5
4-6
5-6
D1
35
40
38
40
35
38
38
38
35
35
35
35
34
33
34
34
34
34
34
34
1-2-6
1-3-4-6
1-3-5-6
1-4-6
CD=360; Cl=367; CT=727
CD=360+8; Cl=357; CT=725
CD=368+15; Cl=342; CT=725
CD=383+13; Cl=337; CT=733
D1
CD=396-2; Cl=337; CT=731
3
3
6
6
5
6
Duracin normal y costo d= 40; C= 727

Costo mnimo y duracin d= 36.5; C= 725
Duracin rcord y costo d= 34; C= 731
Debe observarse que:
Una vez que se ha obtenido la fila D y columna D, el camino 1-3-4-6 tiene una duracin de 33
das y la duracin del proyecto es 34 das. En consecuencia, resulta innecesario mantenerlo con
la duracin de 33 das, dado que la actividad 3-4 puede alargarse 1 da, con el consiguiente ahorro en el costo directo del proyecto. Por ello, ha sido necesario construir la fila D1 y columna D1.
Unidad II
88
El proceso ha finalizado, ya que el camino 1-4-6 tiene todas sus actividades en tiempo rcord y
no puede reducirse su duracin.
Finalmente se obtiene resultados:
Tiempo (das)
40
38
35
34
Costo directo
360
368
383
394
Costo indirecto
367
357
342
337
Costo total
727
725
725
731
El costo total mnimo es de 725 u.m., y su duracin, cualquiera comprendida en el intervalo 3835, ambos inclusive. El costo en duracin rcord es de 731 u.m. y su duracin 34 das.
Ejercicio 1.1
La red de un proyecto complejo consta de un conjunto de actividades elementales cuya
duracin, al no ser conocida con exactitud, se ha estimado obteniendo los siguientes resultados:
Act
tp
tn
t0
Orden de prelacin
12
10
24
20
16
precede a D
precede a C,E
precede a F, G, H
21
17
13
precede a J, K
16
13
10
C, H
precede a I
15
14
13
F, G, I, J precede a L,M
12
12
12
12
30
25
20
12
11
10
11
Nota: los tiempos viene expresados en das

Se desea conocer:
1.
2.
3.
4.
La red el proyecto.
Determinar el camino crtico y su duracin.
Determinar la probabilidad de que el proyecto termine antes de 60 das.
Cul ser la duracin mxima del proyecto con una probabilidad del 90%?.
89
Ejercicio 1.2
Los tiempos esperados para la realizacin de las actividades de un determinado proyecto son:
Act
Nudos
Tiempos esperados
1-2
1-3
1-4
2-5
3-5
3-6
10
3-7
4-6
5-7
6-8
7-8
Se desea conocer:
1.
2.
3.
4.
5.
Diagrama de la red del proyecto.

Tiempos ms tempranos y tardos de comienzo y finalizacin de cada actividad.
Tiempos ms tempranos y tardos de cada suceso.
Fluctuacin de cada suceso.
Holgura total, libre e independiente de cada actividad.
Ejercicio 1.3
Considrese el proyecto compuesto por las actividades cuyas duraciones optimista, normal y
pesimista son las que se reflejan en la tabla adjunta.
Actividad
Duraciones (das)
(a)
(m)
(b)
1-2
13
1-3
12
2-4
1.5
2.5
2-5
3-5
3-6
4-7
10
5-7
6-7
Determinar:
1.
2.
3.
4.
Camino crtico, duracin y parmetros de su distribucin.

Actividad con estimacin ms precisa.
Tiempos ms tempranos, tardos y holgura de cada suceso.
Si resulta interesante pagar 12500 u.m. para reducir la actividad 3-5 en tres das, sabiendo
que cada da que el proyecto pueda ser acortado vale 5000 um.
Unidad II
90
EVALUACIN
CONCEPTUAL
1. Qu es un problema de transporte?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
_______________________________________
2. Qu en un mtodo Simplex?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
_______________________________________
3. Cul es el uso fundamental de modelo CPM?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
_______________________________________
4. Para qu se usa indispensablemente la Tcnica PERT?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
91
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
_______________________________________
PROCEDIMENTAL
5. Cules son los pasos para poder solucionar el mtodo Esquina y qu problemas reales se
solucionan con ese mtodo?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
_______________________________________
ACTITUDINAL
Con base en la siguiente lista de actividades construya una red y conteste las preguntas que
vienen a continuacin:
Actividad sucesora
A
B
C
D
E
F
G
H
I
J
K
Actividad predecesora
A
A
B,C
B
C
E
G,D,F
F
I
H
Duracin actividad
3
3
2
4
7
2
1
5
8
3
6
a. Construya la red de este problema e indique cul sera la duracin de proyecto.

b. Ud. Dira que esta es la duracin de proyecto o si en promedio sera lo que se demorara en
terminarse dicho proyecto? Por qu?
c. Qu mtodo de evaluacin uso? Bajo qu supuesto conceptual decidi que este era el
mtodo adecuado?
d. Cul es el valor de la varianza y la desviacin estndar en este proyecto?
e. Qu pasa en estos proyectos cuando se da una varianza negativa y cunto sera el valor de
su desviacin estndar?
f. Cul es la probabilidad de terminar el proyecto en el tiempo establecido por la red?
g. Qu tiempo dira Ud. que se demorara el proyecto si la probabilidad fuera del 50 %?
Unidad II
92
UNIDAD III
Pronsticos
SESIN 9
Introduccin a los Pronsticos
SESIN 10
Modelo de Pronsticos Cuantitativos
Competencias
CONCEPTUAL
PROCEDIMENTAL
ACTITUDINAL
Entiende con claridad los conceptos de pronsticos, modelos de pronsticos, el uso de

los pronsticos en ambiente
de produccin y las funciones
que cumplen.
Repasa los ejercicios resueltos, y resuelve los ejercicios

prcticos, repasa la bibliografa, busca ejercicios y resuelve los ejercicios de la bibliografa.
Aplica los ejercicios a la vida

prctica, analiza los ejercicios
ponindolo en el escenario
real.
93
Unidad III
94
Sesin
Introduccin a
los Pronsticos
9.1 GENERALIDADES
Un pronstico es un clculo de la actividad futura. El hecho de pronosticar puede considerarse
como la ciencia y arte de predecir eventos futuros. Puede ser una prediccin sobre la aceptacin
de un nuevo producto, de los cambios en la demanda, la variacin del tipo de cambio del sol
con respecto al dlar, la tasa de la inflacin del prximo ao u otras condiciones que influyan
directamente en la planeacin de la produccin.
La exactitud del pronstico proporciona la pauta para valorar su mrito. Cuando existe una relacin directa de causa y efecto, es lgico esperar una gran precisin. La reaccin de un compuesto
qumico o el esfuerzo mximo de un nuevo diseo pueden predecirse con precisin; pero cuando
nos alejamos de las ciencias fsicas y entramos al dominio de la economa, la reciprocidad entre
ambas se desvanece.
El ejecutivo debe percatarse de que, con las tcnicas actualmente disponibles, los pronsticos comerciales precisos son casi imposibles, y quien hace el pronstico debe reconocer que
sus esfuerzos ofrecen solo indicaciones, y no la palabra final sobre las condiciones futuras.
Con esto no se intenta desmerecer la importancia de las proyecciones futuras, solo establecer la seriedad con la que se lleve a cabo un pronstico, y que este sea representativo de lo
que ocurra en el futuro, ya que en mercados altamente competitivos, el xito o el fracaso
pueden depender del posible grado de control, por medio de buenos pronsticos.
9.2 DATOS HISTRICOS

Basar las estimaciones de la actividad futura en la demanda que, con anterioridad tuvo un producto, es uno de los mtodos de pronstico ms utilizados y veraces de que se dispone. Tiene
la ventaja de ser cuantificable y objetivo. Empero, no es perfecto. Las fallas resultan cuando las
condiciones econmicas que prevalecieron en el pasado ya no son operantes. El juicio permanece como un componente necesario para cualquier mtodo de pronstico.
95
9.3 TIPOS DE PRONSTICOS

9.3.1. Pronsticos basados en opiniones subjetivas
Son aquellos en los que algunas o todas las personas, cuya actividad son las ventas o la mercadotecnia, expresan cul es su parecer respecto a las ventas que se espera en el futuro. Este tipo
de pronstico tiene la ventaja de que las personas que intervienen directamente en las ventas
son quienes asumen la responsabilidad por el mismo, tienen experiencia en vender el producto
en distintas circunstancias de mercado. Sin embargo, este procedimiento, para establecer el
pronstico, presenta algunos inconvenientes. En primer lugar, los vendedores pueden ser muy
optimistas o exageradamente pesimistas. Es decir, el pronstico va a depender mucho de la
experiencia habida en las ventas del pasado inmediato. En segundo lugar, en el establecimiento
del pronstico pueden intervenir algunas personas dominantes, y el resultado puede no ser expresin de una opinin reflexiva de todas las personas afectadas. Si estas personas dominantes
estn tanto o ms en lo cierto que todo el grupo, no se deriva de ello dao alguno; por otra
parte, si sus opiniones estn influenciadas de algn prejuicio, este aparecer forzosamente reflejado en el pronstico. El pronstico basado en la opinin subjetiva puede ser bueno o malo.
9.3.2. Pronsticos basados en un ndice

Los pronsticos basados en algn ndice son tan buenos o tan malos como lo sea el ndice que
les sirve de base, y segn cul sea el grado de correlacin entre la demanda real y el pronstico
basado en el ndice. La relacin entre el ndice y el pronstico viene a ser aproximadamente el
cuadrado del coeficiente de correlacin. Por lo tanto, un coeficiente de correlacin de 0.80 indica
que al sistema de causas que dio origen al ndice no se le atribuye ms que un 64% aproximadamente del volumen de las ventas. De lo anterior se infiere que se necesita un coeficiente
de correlacin de casi 0.95, antes de que pueda considerarse que el pronstico derivado de un
ndice tiene el grado necesario de exactitud.
9.3.3. Pronsticos basados en promedios

El pronstico que se basa en el promedio de los datos de ventas pretritas representa el supuesto implcito de que la demanda anterior indica la demanda futura. La validez de esta presuncin
puede ponerse a prueba mediante el empleo de grficas de control. Para promediar existe
cierta variedad de mtodos y variantes, todos los cuales pueden utilizarse para pronosticar. El
promedio aritmtico o media aritmtica es una de estas posibilidades. Es un promedio de todos
los datos de las ventas pretritas.
Cuando se utilizan los datos tomados solamente en perodos de ventas ms recientes, tenemos
un promedio mvil. El nmero de clases de datos que se emplean para el promedio mvil determina la forma en que el mismo reacciona respecto a cualquier sistema, dado sus causas. Tender
a retrasar las tendencias, a estar fuera de fase a rebajar las cumbres y a subir los valles de
toda curva de demanda cclica. El punto hasta donde habr de ser vlido el retraso, el estado de
fuera de fase y el suavizar la curva de la grfica estar en funcin del nmero de perodos de la
demanda que se utilicen en el promedio mvil.
Con la debida aplicacin y mediante ciertos ajustes, la determinacin del promedio de los datos
de la demanda pretrita puede dar un clculo estimativo satisfactorio del volumen futuro de
ventas, siempre que no cambie el sistema de las causas. Sin embargo, existen y pueden utiliUnidad III
96
zarse tcnicas estadsticas mejores y en las que se puede tener ms confianza. Cuando no se
emplean ms que promedios, no hay una estimacin del error del valor del pronstico. Y para
el planeamiento efectivo de las existencias, se hace necesario un clculo estimativo de tal error.
9.3.4. Pronstico estadstico

El pronstico basado en un anlisis estadstico de la demanda pretrita brinda la posibilidad de
ser un procedimiento ms exacto, siempre que exista una relacin entre el pasado y el futuro.
En realidad, el pasado brinda la mejor base para las decisiones referentes a la accin futura. Sin
embargo, las predicciones basadas en datos pretritos tienen que modificarse si se sabe que,
en el futuro, habrn de suceder o probablemente sucedan ciertos acontecimientos (ampliacin
de las zonas atendidas de ventas, la desaparicin de un competidor, ampliacin de capacidad
productiva, el ingreso de nuevos competidores o que el producto se vuelva anticuado, etc.).
Son muchos los mtodos estadsticos que pueden utilizarse. Su aplicacin debe hacerla alguien
que est razonablemente bien versado en los mtodos del anlisis estadstico y en la interpolacin de estos anlisis.
9.3.5. Mtodos combinados

Es posible, y quiz sea deseable, combinar algunos o todos los tipos de pronsticos arriba mencionados, y hasta quiz aadirles otros mtodos. La seguridad de que se alcanza el grado necesario de exactitud puede conocerse por la estrecha coincidencia de los pronsticos logrados,
siguiendo varios mtodos.
97
Unidad III
98
Sesin
10
Modelos de
Pronsticos
Cuantitativos
10.1 INTRODUCCIN
Las tcnicas de pronsticos cuantitativos son variadas y existe mucha informacin al respecto; asimismo, es necesario contar con conocimientos matemticos, principalmente estadsticos,
para su mejor comprensin. Bsicamente se pueden clasificar en dos grandes categoras:
- Modelos de pronsticos por series de tiempo.
- Modelos de pronsticos causales.
10.2 MODELOS DE PRONSTICOS POR SERIES DE TIEMPO

Mediante estos modelos, pueden realizarse pronsticos mediante la extrapolacin del comportamiento histrico de los valores de una sola variable particular de inters. Para esto se utiliza
una tcnica para extrapolar el comportamiento histrico hacia el futuro, para lo cual se emplean
los datos pasados o histricos, en orden cronolgico, de una variable llamada serie de tiempo.
De esto se desprende que la variable independiente ser el tiempo y la variable dependiente
ser la de inters que deseamos extrapolar o pronosticar.
10.2.1 Componentes de una serie de tiempo

Los movimientos caractersticos de una serie de tiempo, involucrados en su anlisis, pueden clasificarse en cuatro tiempos principales, llamados a menudo componentes de una serie de tiempo.
10.2.1.1. Movimientos seculares o de tendencia secular

Se refieren a la direccin general a la que el grfico de una serie parece dirigirse en un intervalo
grande de tiempo. Este movimiento secular o variacin secular o tendencia secular, como se
llama a veces, se indica por una curva de tendencia de largo plazo. En algunas series puede ser
apropiada una recta de tendencia.
10.2.1.2. Movimientos cclicos o variaciones cclicas

Se refieren a las oscilaciones de larga duracin alrededor de la recta o curva de tendencia. Estos
ciclos, como se llaman a veces, pueden ser o no peridicos, es decir, pueden seguir o no exac-
99
tamente caminos anlogos, despus de intervalos de tiempo iguales. En negocios y actividades

econmicas, los movimientos se consideran cclicos solamente si su perodo tiene un intervalo
de tiempo superior al ao.
10.2.1.3. Movimientos estacionales o variaciones estacionales

Se refieren a las idnticas, o casi idnticas, normas que una serie de tiempo parece seguir durante los correspondientes meses de los sucesivos aos. Tales movimientos se deben a sucesos
recurrentes que se repiten anualmente, como por ejemplo, los repentinos incrementos de ventas de un departamento antes de las navidades.
Aunque los movimientos estacionales se refieren, en general, a una periodicidad anual en negocios o teora econmica, las ideas envueltas pueden extenderse hasta incluir una periodicidad
de cualquier intervalo de tiempo, tales como diaria, horaria, semanal, etc. dependiendo del tipo
de datos que se utilizan.
10.2.1.4. Movimientos irregulares, al azar o aleatorios

Se refieren a movimientos espordicos de las series de tiempo debido a sucesos ocasionales,
tales como inundaciones, huelgas, elecciones, etc. Aunque normalmente se supone que tales
sucesos producen variaciones que solamente duran un corto intervalo de tiempo, se concibe que
puedan ser tan intensos que originen un nuevo ciclo u otros movimientos.
10.2.2 Mtodos de pronstico

A continuacin presentaremos algunas tcnicas para pronosticar cambios futuros en el nivel de una variable deseada, como funcin del tiempo.
10.2.2.1. Pronstico basado en la media aritmtica

El promedio o media aritmtica se define como:
La precisin con que la media aritmtica de una muestra habr de predecir la media verdadera,
est en funcin de la recproca de la raz cuadrada de la magnitud de la muestra. Para disminuir
el error posible entre la media verdadera y el clculo hecho de esta misma media (la media
aritmtica) en un factor de se necesita emplear cuatro veces ms de datos que los empleados
para calcular la media aritmtica de la muestra. Un aumento as de la magnitud de la muestra
puede no merecer la pena, debido a que pueden suceder muchas cosas que cambian el sistema
de causas que sirven de fundamento. Estos cambios pueden descubrirse prontamente con el
empleo de grficas de control.
Unidad III
100
Ejercicio 10.1
Segn los datos tabulados, calcular el pronstico utilizando la media aritmtica.
Perodo
Mes
Demanda
Perodo
Mes
Demanda
1
2
3
4
5
6
7
8
9
10
11
12
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
109
118
108
145
110
126
117
132
125
128
143
110
13
14
15
16
17
18
19
20
21
22
23
24
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Setiembre
Octubre
Noviembre
Diciembre
131
134
147
125
130
128
127
109
135
130
120
110
Solucin 10.1
La media aritmtica de los datos de la tabla es:
=
109 + 118 + 108 + + 120 + 110

= 125
24
As, el pronstico correspondiente a enero del ao prximo (perodo 25) sera de 125 unidades. En realidad, mientras la demanda siga estando engendrada por el mismo sistema de causas, el pronstico correspondiente a todos y cada uno de los meses futuros sera de 125 unidades. Partiendo de este conocimiento y si as lo deseamos, podemos llegar a un pronstico para el ao prximo de 1500 unidades.
10. 2.2.1.1 Clculo estimativo del error en el pronstico
El mejor clculo estimativo del error probable, en el pronstico, es el de la desviacin estndar.
Se define como: la raz cuadrada de la suma de los cuadrados de las desviaciones de cada uno
de los valores respecto a la media aritmtica, dividida por el nmero de los valores utilizados
menos uno. Se expresa as:
Ejercicio 10.2
Calcular la desviacin estndar para el ejercicio 6.1.
Solucin 10.2
Aplicando la frmula, tenemos:
Resulta: 12 unidades.
101
Ahora bien, ya calculado el error del pronstico, la forma de utilizarlo es: Supongamos que queremos ser capaces que en 95 de los 100 meses la demanda real caer dentro de cierto par de
lmites. En este caso, los lmites sern dados por las expresiones siguientes:
Lmite superior
Lmite inferior
De donde resulta que nuestro lmite superior de la demanda es 125+12(2) o sea 149, y nuestro
lmite inferior es 125-2 (12) o sea 101.
Si queremos establecer lmites para la demanda esperada que sean correctos en ms de 95 meses de entre 100, tenemos que emplear mltiples de Sx, ms grandes, lo que significar lmites
ms amplios. Por ejemplo: los lmites que debern incluir la demanda real de 997 de entre 1000
perodos son:
Lmite superior
Lmite inferior
Ejercicio 10.3
Se quiere conocer las probabilidades de que la demanda del ejercicio 6.1 caiga dentro de los
lmites de 100 y 140 unidades.
Solucin 10.3
Restamos a 140 y 110 la media de 125, y los resultados lo dividimos por la desviacin estndar,
es decir, 12. Siendo los resultados los siguientes (desviaciones normales):
Las probabilidades son 0.79. La demanda no deber ser menos de 110 ni ms de 140 en ms de
21 de entre 100 perodos.
Tngase presente que en la interpolacin de estos resultados estadsticos, hay algunas presunciones que deben interpretarse. En primer lugar, hemos dado por supuesto que la muestra es verdaderamente representativa de la demanda del producto. En segundo lugar, al
emplear la desviacin estndar y el promedio, hemos dado por supuesto que el sistema de
causas, que en el pasado nos dio determinadas demandas, ser el que siga engendrando la
demanda del futuro.
Unidad III
102
10.2.2.2. Promedio mvil

La suposicin fundamental, para esta tcnica de pronstico, es que la serie de tiempo es estable,
en el sentido de que sus datos se generan mediante el siguiente proceso constante:

yt = b + Et
Donde:
yt = valor real (u observado) de la variable aleatoria en el perodo t.
Et = componente aleatorio (o ruido) en el perodo t.
b = es un parmetro constante desconocido, estimado a partir de los datos histricos.
Se supone que el error aleatorio Et tiene un valor esperado cero y una varianza constante. Adems, los datos para los diferentes perodos no estn correlacionados.
La tcnica del promedio mvil supone que la n observaciones ms recientes es igualmente
importante en la estimacin del parmetro b. As, en un perodo actual t, si los datos para los n
perodos ms recientes son yt-n+1, yt-n+2,, e yt. Entonces el valor estimado para el perodo t+1
se calcula como:
y t*+1 =
y t n+1 + y t n+2 ++ y t

n
No hay una regla exacta para seleccionar la base del promedio mvil, n. Si las variables en la
variable permanecen razonablemente constantes en el tiempo, se recomienda una n grande. De
otra forma, se aconseja un valor de n pequeo si la variable muestra patrones cambiantes. En la
prctica, el valor de n flucta entre 2 y 10.
Ejercicio 10.4
La demanda (en nmero de unidades) de un artculo de inventario durante los pasados 24 meses se resume en la tabla siguiente. Utilice la tcnica del promedio mvil para pronosticar la
demanda del siguiente mes (t= 25).
Mes, t
Demanda, yt
Mes, t
Demanda, yt
46
13
54
56
14
42
54
15
64
43
16
60
57
17
70
56
18
66
67
19
57
62
20
55
50
21
52
10
56
22
62
11
47
23
70
12
56
24
72
103
Solucin 10.4
Si graficamos la tendencia de los datos, vemos que presentan una tendencia ascendente con
el tiempo. Generalmente esta tendencia significa que el promedio mvil no sera un buen estimado de la demanda futura. En particular, en este caso no es aconsejable el uso de una base
grande, n, para el promedio mvil ya que suprimira la tendencia de los datos. A la inversa, si
usamos una n pequea, estaremos en una mejor posicin de captar la tendencia de los datos.
Si utilizamos n=3, la demanda estimada para el siguiente mes (t=25) ser igual al promedio de
las demandas para los meses 22 al 24, es decir:
*
y 25
=
62 + 70 + 72
3
La demanda estimada de 68 unidades para t=25 tambin se usa como una estimacin para t=26,
es decir,
*
y 26
=
70 + 72 + 68

3
Cuando se conozca la demanda real para t=25, debemos usarla para volver estimar la demanda
para t=26 como el promedio para los perodos 23, 24 y 25.
10.2.2.3. SUAVIZACIN EXPONENCIAL

La tcnica de suavizacin exponencial supone que el proceso es constante, la misma suposicin
utilizada en el desarrollo y mtodo del promedio mvil. Sin embargo, est diseada para atenuar una desventaja del mtodo del promedio mvil, donde se usa el mismo peso sobre todos
los datos para calcular el promedio. Especficamente, la suavizacin exponencial coloca un peso
ms grande en las observaciones ms recientes.
Defina (0 < < 1) como la constante de suavizacin y suponga que los puntos de la serie de
tiempo para los perodos pasados t son y1, y2,, yt. Entonces, el estimado para el tiempo t+1 se
calcula como:
y t*+1 = y t + (1 ) y t*
La seleccin de la constante de suavizacin es crucial en la estimacin de pronsticos futuros.
Un valor grande de implica que las observaciones recientes llevan pesos mayores. En la prctica, el valor de est entre 0.01 y 0.30.
Ejercicio 10.5
Aplique la tcnica de la suavizacin exponencial a los datos del ejercicio 6.4. Elija =1
Solucin 10.5
La tabla siguiente resume los resultados. Los clculos se inician saltando y*1 asumiendo que y*2
= yt = 46 unidades.
Unidad III
104
yi
y*i
46
56
46
54
0.1(56)+ 0.9(46)
= 47
43
0.1(54)+ 0.9(47)
= 47.7
57
0.1(43)+ 0.9(47.7) = 47.23
56
0.1(57)+ 0.9(47.23) = 48.21
67
0.1(56)+ 0.9(48.21) = 48.98
62
0.1(67)+ 0.9(48.98) = 50.79
50
0.1(62)+ 0.9(50.79) = 51.91
10
56
0.1(50)+ 0.9(51.91) = 51.72
11
47
0.1(56)+ 0.9(51.72) = 52.15
12
56
0.1(47)+ 0.9(52.15) = 51.63
13
54
0.1(56)+ 0.9(51.63) = 52.07
14
42
0.1(54)+ 0.9(52.07) = 52.26
15
64
0.1(42)+ 0.9(52.26) = 51.23
16
60
0.1(64)+ 0.9(51.23) = 52.50
17
70
0.1(60)+ 0.9(52.50) = 53.26
18
66
0.1(70)+ 0.9(53.26) = 54.93
19
57
0.1(66)+ 0.9(54.93) = 56.04
20
55
0.1(57)+ 0.9(56.04) = 56.14
21
52
0.1(55)+ 0.9(56.14) = 56.02
22
62
0.1(52)+ 0.9(56.02) = 55.62
23
70
0.1(62)+ 0.9(55.62) = 56.26
24
72
0.1(70)+ 0.9(56.26) = 57.63
De los clculos dados, la estimacin para t=25 se calcula como:

Y* 25 = y24 + (1 ) y*24
Esta estimacin es considerablemente diferente de la obtenida del promedio mvil igual a 68
unidades. Un valor ms grande de producir una estimacin ms cercana para t=25.
10.2.2.4. REGRESIN
El anlisis de regresin determina la relacin entre una variable dependiente (por ejemplo,
demanda de un artculo) y una variable independiente (para este caso, el tiempo). La frmula general de regresin entre la variable dependiente x y la variable independiente y
est dada como:

y = b0 + b1x + b2x2 + bnxn + E
donde b0 , b1 , , bn son parmetros desconocidos. El error aleatorio E tiene una media cero y
105
una desviacin estndar constante.

La forma ms simple del modelo de regresin supone que la variable dependiente vara linealmente con el tiempo, es decir,
y* = a + bx
Las constantes a y b se determinan de los datos de la serie de tiempo, con base en el criterio
de mnimo cuadrados que busca minimizar la suma del cuadrado de las diferencias entre los
valores observados y los estimados. Si (yi, xi) representa el isimo punto de los datos originales
que representan la serie de tiempo, i= 1, 2,, n, y se define
Los valores de b y a se obtiene de las siguientes expresiones:
Donde,
Las estimaciones de a y b son vlidas para cualquier distribucin probabilstica de yi. Sin embargo, si yi se distribuye normalmente con una desviacin estndar constante, se establece un
intervalo de confianza sobre el valor medio del estimador en x = x0 (es decir, y0 = a + bx0) como
La expresin (yi y*i) representa la desviacin entre los isimos valores observados y estimados
de la variable dependiente.
Unidad III
106
Para valores futuros de la variable dependiente y, estamos interesados en determinar su intervalo de prediccin (ms que el intervalo de confianza de su valor medio). Como es de esperarse, el intervalo de confianza sobre el valor medio. Realmente, la frmula para el intervalo de
prediccin es la misma que la del intervalo de confianza, excepto que el trmino 1/n bajo la
segunda raz cuadrada se reemplaza con (n+1)/n
Podemos probar lo bien que se ajusta el estimador lineal y* = a + bx a los datos originales calculando el coeficiente de correlacin r, con el uso de la frmula:
Donde -1
1.
Si r = 1, entonces ocurre un ajuste lineal perfecto entre x e y, y pueden ser independientes.

En general, entre ms cercano sea el valor de | r | a 1, mejor ser el ajuste lineal. Si r = 0, entonces x e y pueden ser independientes. Realmente, r = 0 es solo una condicin necesaria pero no
suficiente para la independencia, ya que es posible que dos variables dependientes den r = 0.
Ejercicio 10.6
Aplique el modelo de regresin lineal a los datos del ejercicio 6.4.
Solucin 10.6
En la tabla se muestra los datos iniciales:
Mes, t
Demanda, yt
Mes, t
Demanda, yt
46
13
54
56
14
42
54
15
64
43
16
60
57
17
70
56
18
66
67
19
57
62
20
55
50
21
52
10
56
22
62
11
47
23
70
12
56
24
72
107
De los datos de la tabla obtenemos:
De aqu,
b=
17842 24 x 57.25 x 12.5

= 0.58
4900 24 x 12.52
a = 57.25 0.58 + 12.5 = 50

As, la demanda estimada est dada como
y* = 50 + 0.58x
Por ejemplo, en x= 25, y* = 50 + 58(s5) = 64.5 unidades
El coeficiente de correlacin se calcula como
r=
17842 24 x 57.25 x 12.5

(4900 24 x 12.52 ) (80254 24 x 57.252 )
= 0.493
El valor relativamente bajo de r muestra que y* = 50 + 0.58x quiz no sea un buen

ajuste lineal para los datos originales. Normalmente, un ajuste razonable requiere
0.75 | r | 1
Supongamos que se desea calcular el intervalo de confianza del 95% para el estimador
lineal dado. Primero, necesitamos calcular la suma de los cuadrados de las desviaciones
alrededor de la lnea ajustada. La tabla que sigue resume esta informacin.
Unidad III
108

i
yi
y*i
(y - y*)2
46
50.58
20.98
56
51.16
23.43
54
51.74
5.11
43
54.32
86.86
57
52.9
16.81
56
53.48
6.35
67
54.06
152.77
62
54.64
54.17
50
55.22
27.25
10
56
55.80
0.04
11
47
56.38
87.98
12
56
56.96
0.92
13
54
57.54
12.53
14
42
58.12
259.85
15
64
58.7
28.09
16
60
59.28
0.52
17
70
59.86
102.82
18
66
60.44
30.91
19
57
61.02
16.16
20
55
61.6
43.56
21
52
62.18
103.63
22
62
62.76
0.58
23
70
63.34
44.53
24
72
63.92
65.29
t0.025, 22 = 2.074
As, el intervalo de confianza que se desea, se calcula como:
Esto se puede simplificar a:
Para ilustrar el clculo del intervalo de prediccin, supongamos que estamos interesados en
establecer un intervalo de prediccin sobre la demanda estimada para el siguiente mes (x0 =
25). En este caso, el coeficiente 0.042 debe reemplazarse con 1.042 y el intervalo de prediccin
resultante se calcula como (64.5 15.82) o (46.68, 80.32). Decimos as que hay un 95% de posibilidad que la demanda en x= 25 caiga entre 46.68 unidades y 80.32 unidades.
109
Ejercicio 1.1
La demanda de energa elctrica en N.Y. Edison a lo largo del perodo 1998-2004 es la mostrada en la tabla (en megavatios). Se pide, ajustar una recta a estos valores y proveer la
demanda del 2005.
Demanda de Energa elctrica
Ao
Demanda E.E.
Ao
Demanda E.E.
1998
74
2002
105
1999
79
2003
142
2000
80
2004
122
2001
90
Ejercicio 1.2
Un importante fabricante de Miami utiliza el alisado exponencial para prever la demanda de
equipos DVD. Se detecta una tendencia al alza en la demanda. Los datos histricos de las ventas
se muestran en la tabla siguiente:
Demanda (en cientos de DVD)
Mes
Demanda
Mes
Demanda
12
26
17
31
20
32
19
36
24
Se pide, la proyeccin de la demanda utilizando el mtodo de alisado exponencial, con ajuste

de tendencia.
Ejercicio 1.3
La constructora Tongren rehabilita casas antiguas en Orono, Maine. Con el paso del tiempo,
la compaa ha descubierto que su volumen de trabajos de rehabilitacin depende de los
salarios del rea de Orono. La siguiente tabla es un listado de los ingresos de la constructora
Tongren y del total de dinero pagado en nminas en Orono, durante los aos 1999 y 2004.
Ventas de Tongren y Nmina Local
Ventas
(000,000$)
Y
2
3
2.5
Nmina Local
(000,000,000$)
X
1
3
4
Ventas
(000,000$)
Y
2
2
3.5
Nmina Local
(000,000,000$)
X
2
1
7
La direccin de Tongren quiere establecer una relacin matemtica que les ayude a predecir las
ventas.
Unidad III
110
EVALUACIN
CONCEPTUAL
1. Qu son pronsticos?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
2. Cuntos tipos de pronsticos existen?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
3. Qu modelos se usan para solucionar pronsticos?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
4. En qu situacin real se utiliza pronsticos?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
5. Qu son modelos de serie de tiempo y para qu se utiliza?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
111
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
PROCEDIMENTAL
6. Cules son los criterios que hay que tomar para proceder con los pronsticos de serie de
tiempo?
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
________________________________________________________________________
ACTITUDINAL
7. Una empresa que fabrica calculadoras financieras en el interior del pas nos da las cifras de
ventas de los ltimos 10 meses del ao 2009, las cuales son:
MES | VENTAS 2009 |
1
|
10 |
2
|
25 |
3
|
8
|
4
|
35 |
5
|
10 |
6
|
6 |
7
|
30 |
8
|
10 |
9
|
40 |
10 |
35 |
Con base a esta informacin usted debe:
a) Proyectar las ventas con la tcnica ms apropiada para los siguientes 3 meses.
b) Preparar los planes de produccin que debera seguir la empresa, la cual labora de lunes a
sbado, no labora dominicales ni festivo.
Unidad III
112
BIBLIOGRAFA
1. Introduccin a la investigacin de operaciones. Frederick S. Hillier. Editorial: Mac Graw Hill.
2. Administracin de operaciones. Joseph G. Monks. Editorial: Mac Graw Hill.
3. Programacin lineal. R. W. Llewellyn. Editorial: Marcombo.
4. Anlisis combinatorio. K. Ribnikov. Editorial: Mir Moscu.
5. Programacin lineal. Saul I. Gass. Editorial: Cecsa.
6. Aplicaciones de lgebra lineal. Grossman. Editorial: Mac Graw Hill.
113
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
Unidad III
114
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
115
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
Unidad III
116
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
117
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
Unidad III
118
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
119
Notas:
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
........................................................................................................................................................................................
Unidad III
120

Modula Metodos Cuantitativos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modula Metodos Cuantitativos

Enviado por

Direitos autorais:

Formatos disponíveis

MBA.

David Johny Oseda Tello

Mtodos cuantitativos para los negocios

Autor: MBA. David Johny Oseda Tello

LOS MTODOS CUANTITATIVOS E INTRODUCCIN A LA PROGRAMACIN LINEAL

Sesin 3 CONCEPTOS BSICOS DE LA PROGRAMACIN LINEAL........................................... 23

Sesin 4 LA SOLUCIN DE LOS PROBLEMAS DE PROGRAMACIN LINEAL.......................... 27

PROBLEMAS, MODELOS Y SOLUCIN EN PROGRAMACIN LINEAL:

Sesin 5 EL PROBLEMA DE TRANSPORTE Y TRANSBORDO................................................... 47

Sesin 6 EL PROBLEMA DE ASIGNACIN.............................................................................. 67

Sesin 7 LA TCNICA PERT.................................................................................................... 75

Sesin 8 EL MTODO CPM..................................................................................................... 83

Unidad III PRONSTICOS

9.3.1. PRONSTICOS BASADOS EN OPINIONES SUBJETIVAS.............................................. 96

Sesin 10 MODELOS DE PRONSTICOS CUANTITATIVOS...................................................... 99

Enriquece tu vocabulario para entender

Facultad de Ciencias Empresariales

SESIN 4 La solucin de los problemas de

Asimila los conceptos de

Estudia los ejercicios resueltos en programacin lineal,

Aplica los conceptos en

Mtodos Cuantitativos para los Negocios

Universidad Peruana Unin

Facultad de Ciencias Empresariales

1.1 ORIGEN DE LOS MTODOS CUANTITATIVOS

Universidad Peruana Unin

1.2 ETAPAS BSICAS EN LOS MTODOS CUANTITATIVOS

1.3 PRINCIPALES MTODOS EMPLEADOS

Entre los principales y ms usados tenemos:

Facultad de Ciencias Empresariales

1.4 SOLUCIN DE PROBLEMAS Y TOMA DE DECISIONES

Mtodos Cuantitativos para los Negocios

Universidad Peruana Unin

El siguiente diagrama de bloques muestra este proceso:

En la toma de decisiones, se requiere identificar tres componentes principales:

Facultad de Ciencias Empresariales

2.2 TIPOS DE MODELOS

2.3 MODELOS MATEMTICOS

Mtodos Cuantitativos para los Negocios

Universidad Peruana Unin

2.4 PROCESO DE MODELADO

Fig. 1: Proceso de Construccin de un Modelo

Facultad de Ciencias Empresariales

Fig. 2: Modelo como Caja Negra

2.5 MODELADO DE SIMULACIN

2.6 ETAPAS DEL MODELADO

Mtodos Cuantitativos para los Negocios

Universidad Peruana Unin

Facultad de Ciencias Empresariales

3.2 ESTRUCTURA DE LOS PROBLEMAS DE PROGRAMACIN LINEAL

Universidad Peruana Unin

- El problema del transporte.

Que haga mximo a:

Y de tal manera que las variables xj estn sujetas a la condicin de no negatividad:

Facultad de Ciencias Empresariales

Mtodos Cuantitativos para los Negocios

Universidad Peruana Unin

Facultad de Ciencias Empresariales

4.2 MTODO GRFICO

Mtodos Cuantitativos para los Negocios

Universidad Peruana Unin

4.2.3. Pasos para obtener la solucin grfica

Facultad de Ciencias Empresariales

4.3 MTODO PUNTO DE ESQUINA