UNIDAD 1

TEORIA DE LA DECISION
1.1 INTRODUCCION
El problema de la Decisin, motivado por la existencia de ciertos estados de
ambigedad que constan de proposiciones verdaderas (conocidas o
desconocidas), es tan antiguo como la vida misma. Podemos afirmar que todos los
seres vivientes, an los ms simples, se enfrentan con problemas de decisin. As,
un organismo unicelular asimila partculas de su medio ambiente, unas nutritivas y
otras nocivas para l. La composicin biolgica del organismo y las leyes fsicas y
qumicas determinan qu partculas sern asimiladas y cules sern rechazadas.
Conforme aumenta la complejidad del ser vivo, aumenta tambin la complejidad
de sus decisiones y la forma en que stas se toman. As, pasamos de una toma de
decisiones guiada instintivamente, a procesos de toma de decisiones que deben
estar guiados por un pensamiento racional en el ser humano. La Teora de la
Decisin tratar, por tanto, el estudio de los procesos de toma de decisiones
desde una perspectiva racional.

CARACTERSTICAS Y FASES DEL PROCESO DE DECISIN

Un proceso de decisin presenta las siguientes caractersticas principales:

Existen al menos dos posibles formas de actuar, que llamaremos
alternativas o acciones, excluyentes entre s, de manera que la actuacin
segn una de ellas imposibilita cualquiera de las restantes.
Mediante un proceso de decisin se elige una alternativa, que es la que
se lleva a cabo.
La eleccin de una alternativa ha de realizarse de modo que cumpla un fin
determinado.
El proceso de decisin consta de las siguientes fases fundamentales:
Prediccin de las consecuencias de cada actuacin. Esta prediccin
deber basarse en la experiencia y se obtiene por induccin sobre un conjunto
de datos. La recopilacin de este conjunto de datos y su utilizacin entran
dentro del campo de la Estadstica.

Valoracin de las consecuencias de acuerdo con una escala de bondad o

deseabilidad. Esta escala de valor dar lugar a un sistema de preferencias.
Eleccin de la alternativa mediante un criterio de decisin adecuado.
Este punto lleva a su vez asociado el problema de eleccin del criterio ms
adecuado para nuestra decisin, cuestin que no siempre es fcil de resolver
de un modo totalmente satisfactorio.
CLASIFICACIN DE LOS PROCESOS DE DECISIN
Los procesos de decisin se clasifican de acuerdo segn el grado de conocimiento
que se tenga sobre el conjunto de factores o variables no controladas por el
decisor y que pueden tener influencia sobre el resultado final (esto es lo que se
conoce como ambiente o contexto). As, se dir que:
El ambiente es de certidumbre cuando se conoce con certeza su estado,
es decir, cada accin conduce invariablemente a un resultado bien definido.
El ambiente de riesgo cuando cada decisin puede dar lugar a una serie de
consecuencias a las que puede asignarse una distribucin de probabilidad
conocida.
El ambiente es de incertidumbre cuando cada decisin puede dar lugar a
una serie de consecuencias a las que no puede asignarse una distribucin de
probabilidad, bien porque sea desconocida o porque no tenga sentido hablar
de ella.
Segn sea el contexto, diremos que el proceso de decisin (o la toma de
decisiones) se realiza bajo certidumbre, bajo riesgo o bajo incertidumbre,
respectivamente.

En todo problema de decisin pueden distinguirse una serie de elementos

caractersticos:
El decisor, encargado de realizar la eleccin de la mejor forma de actuar
de acuerdo con sus intereses.
Las alternativas o acciones, que son las diferentes formas de actuar
posibles, de entre las cuales se seleccionar una. Deben ser excluyentes entre
s.

Los posibles estados de la naturaleza, trmino mediante el cual se

designan a todos aquellos eventos futuros que escapan al control del decisor y
que influyen en el proceso.
Las consecuencias o resultados que se obtienen al seleccionar las
diferentes alternativas bajo cada uno de los posibles estados de la naturaleza.
La regla de decisin o criterio, que es la especificacin de un
procedimiento para identificar la mejor alternativa en un problema de decisin.

http://thales.cica.es/rd/Recursos/rd99/ed99-0191-03/intro.htm

1.2 AMBIENTES Y CRITERIOS PARA LA TOMA DE DECISIONES

Las situaciones, ambientes o contextos en los cuales se toman las decisiones, se

pueden clasificar segn el conocimiento y control que se tenga sobre las variables
que intervienen o influencian el problema, ya que la decisin final o la solucin que
se tome va a estar condicionada por dichas variables. Dichos ambientes pueden
ser: bajo riesgo, bajo incertidumbre, certidumbre y conflicto de los cuales se
desprenden algunos criterios que nos permitirn evaluar las alternativas y as
elegir la que nos proporcione un mayor beneficio.
La toma de decisiones se define como la seleccin de un curso de acciones entre
alternativas, es decir que existe un plan un compromiso de recursos de direccin o
reputacin.
En ocasiones los ingenieros consideran la toma de decisiones como su trabajo
principal ya que tienen que seleccionar constantemente qu se hace, quien lo
hace y cundo, dnde e incluso como se har. Sin embargo la toma de decisiones
es slo un paso de la planeacin ya que forma la parte esencial de los procesos
que se siguen para elaboracin de los objetivos o metas trazadas a seguir. Rara
vez se puede juzgar slo un curso de accin, porque prcticamente cada decisin
tiene que estar engranada con otros planes.
El proceso que conduce a la toma de decisin:
2 Elaboracin de premisas
3 Identificacin de alternativas
4 Evaluacin de las alternativas, en trminos de metas que se desea alcanzar

5 Seleccin de una alternativa, es decir tomar una decisin

RACIONALIDAD EN LA TOMA DE DECISIONES
Las personas que actan o deciden racionalmente estn intentando alcanzar
alguna meta que no se puede lograr sin accin. Necesitan comprender en forma
clara los cursos alternativos mediante los cuales se puede alcanzar una meta de
acuerdo a las circunstancias y limitaciones existentes. Se necesita tambin la
informacin y la capacidad para analizar y evaluar las alternativas de acuerdo con
la meta deseada. Por ltimo, necesitan tener el deseo de llegar a la mejor solucin
mediante la seleccin de la alternativa que satisfaga de un modo ms efectivo el
logro de la meta.
Es raro que las personas logren una racionalidad completa, en particular en la
administracin como en la ingeniera.
En primer lugar, como nadie puede tomar decisiones que afecten el pasado, las
decisiones tienen que operar para el futuro.
Es difcil reconocer todas las alternativas que se pudieran seguir para alcanzar
una meta; esto es cierto cuando en especial la toma de decisiones incluye
oportunidades de hacer algo que no se ha hecho antes. Es ms, en la mayor parte
de los casos no se pueden analizar todas las alternativas e incluso con las
tcnicas analticas y las computadoras masa modernas disponibles. Ej.: Las
decisiones gerenciales se toman con el deseo de resolver en una forma tan
segura como sea posible, la mayora de los gerentes s intentan tomar las mejores
decisiones que puedan dentro de los lmites de la racionalidad y de acuerdo al
tamao y la naturaleza de los riesgos involucrados.
EVALUACION DE ALTERNATIVAS
Una vez encontrada la alternativa apropiada, el siguiente paso es evaluar y
seleccionar aquellas que contribuirn mejor al logro de la meta.
FACTORES CUANTITATIVOS: Son factores que se pueden medir en trminos
numricos, como es el tiempo, o los diversos costos fijos o de operacin.
FACTORES CUALITATIVOS: Son difciles de medir numricamente. Como la
calidad de las relaciones de trabajo, el riesgo del cambio tecnolgico o el clima
poltico internacional.
Para evaluar y comparar los factores se debe reconocer el problema y luego
analizar que factor se le aplica ya se cuantitativo o cualitativo o ambos, clasificar
los trminos de importancia, comparar su probable influencia sobre el resultado y
tomar una decisin.

DECISIONES PROGRAMADAS Y NO PROGRAMADAS: Una decisin

programada se aplica a problemas estructurados o de rutina. Los operadores de
tomos tienen especificaciones y reglas que les sealan si la pieza que han hecho
es aceptable, si tiene que desecharse o si se tiene que procesar de nuevo. Las
decisiones no programadas se usan para situaciones no programadas, nuevas y
mal definidas, de naturaleza no repetitivas. Ej.: el lanzamiento de la computadora
Macintosh por Apple Computer.
En realidad las decisiones estratgicas son, en general, decisiones no
programadas, puesto que requieren juicios subjetivos.
La mayora de las decisiones no son ni completamente programadas ni
completamente no programadas; son una combinacin de ambas. La mayor parte
de las decisiones no programadas las toman los gerentes del nivel ms alto, esto
es porque los gerentes de ese nivel tienen que hacer frente a los problemas no
estructurados.
ENFOQUES MODERNOS EN LA TOMA DE DECISIONES BAJO CONDICIONES
DE INCERTIBUMBRE: Anlisis De Riesgo prcticamente cada decisin se basa
en la interaccin de variables importantes, muchas de las cuales tienen un
elemento de incertidumbre pero quizs un grado bastante alto de probabilidad. Por
lo tanto, la sensatez de lanzar un nuevo producto podra desprenderse de varias
variables crticas: el costo de producto, la inversin del capital, el precio que se
puede fijar, el tamao del mercado potencial y la participacin del mercado total.
rboles de Decisin presentan los puntos de decisin, los acontecimientos
fortuitos y las probabilidades existentes en los diversos cursos que se podran
seguir. El enfoque del rbol de decisin hace posible observar, al menos las
principales alternativas y el hecho de que las decisiones posteriormente dependan
de acontecimientos en el futuro.
Ej.: Los gerentes tambin pueden comprender la verdadera probabilidad de una
decisin que conduzca a los resultados deseados.
Una cosa es cierta los rboles de decisin y tcnicas similares de decisin
reubican criterios amplios con un centro de atencin sobre los elementos
importantes de una decisin, hacen resaltar premisas que con frecuencia estn
escondidas y muestran el proceso de razonamiento mediante el cual se toman las
decisiones bajo incertidumbre.
Teoras De La Referencia se basa en las ideas de que las actitudes de las
personas hacia el riesgo variaran. La probabilidad puramente estadstica, como se
aplica a la toma de decisiones, descansa sobre la suposicin de que los
encargados de tomar las decisiones las seguirn. Podra parecer razonable que si
existiera una posibilidad del 60% de que la decisin sea cierta, una persona la
tomara. Sin embargo esto no es necesariamente cierto, pues el riesgo de estar
equivocados es del 40%, quizs la persona no desee correr este riesgo.

CREATIVIDAD E INNOVACION: La creatividad suele entenderse la capacidad de

desarrollar nuevas ideas. Por el contrario e innovacin significa el uso de esas
ideas. Por supuesto que las organizaciones no solo generan nuevas ideas, sino
que adems las convierte en aplicaciones prcticas.
PROCESO CREATIVO: Est compuesta por 4 fases interactuantes entre s:
Exploracin inconsciente
Intuicin
El discernimiento
La formulacin o verificacin lgica
SISTEMAS DE APOYO A LAS DECISIONES: (SAD) usan computadoras para
facilitar el proceso de toma de decisiones de tareas semiestructuradas. Estos
sistemas estn diseados no para reemplazar el criterio administrativo, sino para
apoyarlo y hacer ms efectivo el proceso de toma de decisiones. Los sistemas de
respaldo a las decisiones ayudan tambin a los gerentes a reaccionar rpidamente
a los cambios de necesidades. Por lo tanto, queda claro que el diseo de un
sistema efectivo requiere de un conocimiento profundo de cmo los gerentes
toman las decisiones.
ENFOQUE DE SISTEMAS A LA TOMA DE DECISIONES: Por lo general no se
puede tomar decisiones en un ambiente de sistema cerrado. Adems, cada
departamento o seccin de una empresa; los gerentes de estas unidades
organizacionales tiene que ser sensibles a las polticas y programas de otras
unidades organizacionales y de toda la empresa. Ms an, las personas dentro de
la empresa son parte del sistema social y sus pensamientos y actitudes se tienen
que tomar en cuenta cada vez que un gerente toma una decisin.
Los gerentes para solucionar sus problemas toman en cuenta los diversos
elementos del ambiente del sistema, esto no significa que renuncien a su papel
como tomadores de decisiones. Alguien tiene que seleccionar un curso de accin
entre diversas alternativas, tomando en cuenta los acontecimientos y fuerzas en el
ambiente de una decisin.

1.3 TOMA DE DECISIONES

INCERTIDUMBRE Y RIESGO

BAJO

MODELOS

DE

CERTIDUMBRE,

TOMA DE DECISIN BAJO MODELOS DE CERTIDUMBRE

En los procesos de decisin bajo certidumbre se supone que el verdadero estado
de la naturaleza es conocido por el decisor antes de realizar su eleccin, es
decir, puede predecir con certeza total las consecuencias de sus acciones. Esto es
equivalente a considerar n =1 en la descripcin de la tabla de decisin, dando
lugar a siguiente tabla trivial:
Estado de la Naturaleza
Alternativas

e1

a1

x11

a2

x21

...

...

am

xm1

Conceptualmente, la resolucin de un problema de este tipo es inmediata: basta

elegir la alternativa que proporcione un mejor resultado, es decir:

Se selecciona como alternativa ptima aquella alternativa ak tal que xk1 = max {xi1 : 1im}

El problema de decisin se reduce, por tanto, a un problema de optimizacin, ya

que se trata de escoger la alternativa que conduzca a la consecuencia con mayor
valor numrico asociado.
Bsicamente, un problema de optimizacin puede expresarse en forma compacta
como sigue:
max { f(x) : x S}

donde:
S es el conjunto de alternativas o conjunto factible. Se trata de un
subconjunto del espacio eucldeo n, que puede contener un nmero finito o
infinito de elementos.
f: S
es la denominada funcin objetivo, que asigna a cada alternativa una
valoracin, permitiendo su comparacin.
x representa el vector n-dimensional que describe cada elemento del conjunto
factible. Cada una de sus componentes recibe el nombre de variable de decisin.
TOMA DE DECISIN BAJO INCERTIDUMBRE
En los procesos de decisin bajo incertidumbre, el decisor conoce cules son los
posibles estados de la naturaleza, aunque no dispone de informacin alguna sobre
cul de ellos ocurrir. No slo es incapaz de predecir el estado real que se
presentar, sino que adems no puede cuantificar de ninguna forma esta
incertidumbre. En particular, esto excluye el conocimiento de informacin de tipo
probabilstica sobre las posibilidades de ocurrencia de cada estado.
REGLAS DE DECISIN
A continuacin se describen las diferentes reglas de decisin en ambiente de
incertidumbre, y que sern sucesivamente aplicadas al ejemplo de construccin
del hotel.
Criterio de Wald
Criterio Maximax
Criterio de Hurwicz
Criterio de Savage
Criterio de Laplace
1.- CRITERIO DE WALD

Bajo la alternativa ai, el peor resultado posible que puede ocurrir tiene una valor
para el decisor dado por:

El valor si se denomina nivel de seguridad de la alternativa ai y representa la

cantidad mnima que el decisor recibir si selecciona tal alternativa.
En 1950, Wald sugiere que el decisor debe elegir aquella alternativa que le
proporcione el mayor nivel de seguridad posible, por lo que S(ai)=si. As, la regla
de decisin de Wald resulta ser:

Este criterio recibe tambin el nombre de criterio maximin, y corresponde a un

pensamiento pesimista, pues razona sobre lo peor que le puede ocurrir al
decisor cuando elige una alternativa.
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de seguridad de las diferentes
alternativas:
Estados de la Naturaleza
Alternativas
Terreno
comprado

Aeropuerto
A

13

en Aeropuerto
B
- 12

en

si
-12

-8

11

-8

AyB

-1

-1

Ninguno

La alternativa ptima segn el criterio de Wald sera no comprar ninguno de los

terrenos, pues proporciona el mayor de los niveles de seguridad.
2.- CRITERIO MAXIMAX
Bajo la alternativa ai, el mejor resultado posible que puede ocurrir tiene un valor
para el decisor dado por:

El valor oi se denomina nivel de optimismo de la alternativa ai y representa la

recompensa mxima que el decisor recibir si selecciona tal alternativa.
El criterio maximax consiste en elegir aquella alternativa que proporcione el mayor
nivel de optimismo posible, por lo que S(ai)=oi. Esta regla de decisin puede
enunciarse de la siguiente forma:

Este criterio corresponde a un pensamiento optimista, ya que el decisor supone

que la naturaleza siempre estar de su parte, por lo que siempre se presentar el
estado ms favorable.
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de optimismo de las diferentes
alternativas:

Estados de la Naturaleza
Alternativas
Terreno
comprado
A

Aeropuerto en Aeropuerto en
oi
A
B
13

- 12

13

-8

11

11

AyB

-1

Ninguno

La alternativa ptima segn el criterio maximax sera comprar la parcela en la

ubicacin A, pues proporciona el mayor de los niveles de optimismo.
3.- CRITERIO DE HURWICZ
Se trata de un criterio intermedio entre el criterio de Wald y el criterio maximax.
Dado que muy pocas personas son tan extremadamente pesimistas u optimistas
como sugieren dichos criterios, Hurwicz (1951) considera que el decisor debe
ordenar las alternativas de acuerdo con una media ponderada de los niveles de
seguridad y optimismo:

donde es un valor especfico elegido por el decisor y aplicable a cualquier

problema de decisin abordado por l, por lo que T(ai) = si + (1-oi. As, la
regla de decisin de Hurwicz resulta ser:

Los valores de prximos a 0 corresponden a una pensamiento

optimista, obtenindose en el caso extremo =0 el criterio maximax.
Los valores de prximos a 1 corresponden a una pensamiento
pesimista, obtenindose en el caso extremo =1 el criterio de Wald.
4.- CRITERIO DE SAVAGE
En 1951 Savage argumenta que al utilizar los valores xij para realizar la eleccin,
el decisor compara el resultado de una alternativa bajo un estado de la naturaleza
con todos los dems resultados, independientemente del estado de la naturaleza
bajo el que ocurran. Sin embargo, el estado de la naturaleza no es controlable por
el decisor, por lo que el resultado de una alternativa slo debera ser
comparado con los resultados de las dems alternativas bajo el mismo
estado de la naturaleza.
Con este propsito Savage define el concepto de prdida relativa o prdida de
oportunidad rij asociada a un resultado xij como la diferencia entre el resultado de
la mejor alternativa dado que ej es el verdadero estado de la naturaleza y el
resultado de la alternativa ai bajo el estado ej:

As, si el verdadero estado en que se presenta la naturaleza es ej y el decisor elige

la alternativa ai que proporciona el mximo resultado xij, entonces no ha dejado de
ganar nada, pero si elige otra alternativa cualquiera ar, entonces obtendra como
ganancia xrj y dejara de ganar xij-xrj.
Savage propone seleccionar la alternativa que proporcione la menor de las
mayores prdidas relativas, es decir, si se define ri como la mayor prdida que
puede obtenerse al seleccionar la alternativa ai,

el criterio de Savage resulta ser el siguiente:

Conviene destacar que, como paso previo a la aplicacin de este criterio, se debe
calcular la matriz de prdidas relativas, formada por los elementos rij. Cada
columna de esta matriz se obtiene calculando la diferencia entre el valor mximo
de esa columna y cada uno de los valores que aparecen en ella.
EJEMPLO
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra la
matriz de prdidas relativas y el mnimo de stas para cada una de las
alternativas.
Estados de la Naturaleza
Alternativas
Terreno
comprado

Aeropuerto en A

Aeropuerto en B i

23

23

21

21

12

12

13

11

13

AyB
Ninguno

El mayor resultado situado en la columna 1 de la tabla de decisin original es 13;

al restar a esta cantidad cada uno de los valores de esa columna se obtienen las

prdidas relativas bajo el estado de la naturaleza Aeropuerto en A. De la misma

forma, el mximo de la columna 2 en la tabla original es 11; restando a esta
cantidad cada uno de los valores de esa columna se obtienen los elementos rij
correspondientes al estado de la naturaleza Aeropuerto en B. Como puede
observarse, el valor i menor se obtiene para la tercera alternativa, por lo que la
decisin ptima segn el criterio de Savage sera comprar ambas parcelas.
TOMA DE DECISIN BAJO RIESGO
Los procesos de decisin en ambiente de riesgo se caracterizan porque puede
asociarse una probabilidad de ocurrencia a cada estado de la naturaleza,
probabilidades que son conocidas o pueden ser estimadas por el decisor antes del
proceso de toma de decisiones.
REGLAS DE DECISIN
Los diferentes criterios de decisin en ambiente de riesgo se basan en
estadsticos asociados a la distribucin de probabilidad de los resultados. Algunos
de estos criterios se aplican sobre la totalidad de las alternativas, mientras que
otros slo tienen en cuenta un subconjunto de ellas, considerando las restantes
peores, por lo no que estn presentes en el proceso de toma de decisiones.
Representaremos por R(ai) los resultados asociados a la alternativa ai, y por P(ai)
la distribucin de probabilidad correspondiente a tales resultados, esto es, el
conjunto de valores que representan las probabilidades de ocurrencia de los
diferentes estados de la naturaleza:

xi1

xi1

...

xi1

p1

p2

...

pn

Los principales criterios de decisin empleados sobre tablas de decisin en

ambiente de riesgo son:
Criterio del valor esperado

Criterio de mnima varianza con media acotada

Criterio de la media con varianza acotada
Criterio de la dispersin
Todos estos criterios sern aplicados al problema de decisin bajo riesgo cuya
tabla de resultados figura a continuacin:
Decisin bajo riesgo: Ejemplo
Estados
Naturaleza
Alternativas

de

e4

e1

e2

e3

a1

11

11

a2

25

11

a3

11

10

11

0.2

0.5

0.1

Probabilidades 0.2

la

1.- CRITERIO DEL VALOR ESPERADO

El resultado o valor esperado para la alternativa ai, que notaremos E[R(ai)], viene
dado por:

por lo que el criterio del valor esperado resulta ser:

Obsrvese que esta regla de decisin es una generalizacin del criterio de

Laplace en la que desaparece el requisito de equiprobabilidad para los diferentes
estados de la naturaleza.
EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra
el resultado esperado para cada una de las alternativas.
Criterio del valor esperado
Estados
Naturaleza
Alternativas
a1

a3

la

e4

E[R(ai)]

11

10.3

25

11

11.7

11

10

11

9.9

0.2

0.5

0.1

e1

e2

e3

11

8
8

Probabilidades 0.2

de

La alternativa ptima segn el criterio del valor esperado sera a 2, pues

proporciona el mximo de los valores esperados.
2.- CRITERIO DE MNIMA VARIANZA CON MEDIA ACOTADA
Para la utilizacin de este criterio se consideran exclusivamente las alternativas a
cuyo valor esperado E[R(a)] sea mayor o igual que una constante K fijada por el
decisor. Para cada una de las alternativas ai que cumpla esta condicin se
determina la varianza V[R(ai)] de sus resultados,

y se selecciona la que presente menor varianza, de esta forma se consigue la

eleccin de una alternativa con poca variabilidad en sus resultados y que
proporciona, por trmino medio, un resultado no demasiado pequeo. En
resumen, el criterio de mnima varianza con media acotada es el siguiente:

EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra
el resultado esperado y su varianza para cada una de las alternativas.
Criterio de mnima varianza con media acotada
Estados
Naturaleza
Alternativas

E[R(ai)] V

11

10.3

1.21

25

11

11.7

45.01

11

10

11

9.9

1.09

0.2

0.5

0.1

e2

e3

11

a2

a3

Probabilidades 0.2

la

e4

e1

a1

de

Si el decisor selecciona un valor 10 para la constante K, quedara excluida del

proceso de decisin la alternativa a 3, que es la que posee menor varianza.
Excluida sta, la eleccin ptima corresponde a la alternativa a 1, pues es la que
posee menor varianza entre las que cumplen la condicin E[R(ai)].
3.- CRITERIO DE LA MEDIA CON VARIANZA ACOTADA
Para la utilizacin de este criterio se consideran exclusivamente las alternativas a
cuya varianza V[R(a)] sea menor o igual que una constante K fijada por el decisor.
Para cada una de las alternativas ai que cumpla esta condicin se determina el
valor esperado E[R(ai)] de sus resultados,

y se selecciona la que presente mayor valor esperado, de esta forma se consigue

la eleccin de una alternativa con poca variabilidad en sus resultados y que
proporciona, por trmino medio, un buen resultado. En resumen, el criterio de la
media con varianza acotada es el siguiente:

EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla muestra
el resultado esperado y su varianza para cada una de las alternativas.
Criterio de la media con varianza acotada

Estados
Naturaleza
Alternativas

E[R(ai)] V

11

10.3

1.21

25

11

11.7

45.01

11

10

11

9.9

1.09

0.2

0.5

0.1

e2

e3

11

a2

a3

Probabilidades 0.2

la

e4

e1

a1

de

Si el decisor selecciona un valor 20 para la constante K, quedara excluida del

proceso de decisin la alternativa a2, que es la que posee mayor valor esperado.
Excluida sta, la eleccin ptima corresponde a la alternativa a 1, pues es la que
posee mayor valor esperado entre las que cumplen la condicin V.
4.- CRITERIO DE DISPERSIN
Para cada alternativa ai se calcula el siguiente valor medio corregido:

donde K es una valor fijado por el decisor, y se selecciona la de mayor valor

resultante. De esta forma se consigue limitar la influencia de alternativas con un
valor esperado grande, pero tambin alta variabilidad. Por tanto, el criterio de
dispersin puede resumirse de la siguiente forma:

EJEMPLO
Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente tabla
muestra, para cada una de las alternativas, el valor esperado, la varianza y el valor
esperado corregido correspondiente a un factor K=2.
Criterio de dispersin
Estados
Naturaleza
Alternativas

E[R(ai)] V

CR

11

10.3

1.21

8.10

25

11

11.7

45.01

-1.72

11

10

11

9.9

1.09

7.81

0.2

0.5

0.1

e2

e3

11

a2

a3

Probabilidades 0.2

la

e4

e1

a1

de

La alternativa ptima segn el criterio de dispersin sera a 1, pues proporciona el

mximo de los valores corregidos.
http://thales.cica.es/rd/Recursos/rd99/ed99-0191-03/certidumbre.htm

1.4 TOMA DE DECISONES BAJO RIESGO

Decisiones Bajo Riesgo

En la toma de decisiones se puede dar un ambiente de riesgo cuando cada
decisin tomada puede traer innumerables consecuencias a las que puede
asignarse una distribucin de probabilidad conocida, estas decisiones estn
caracterizadas porque puede asociarse una probabilidad de que algo ocurra a
cada estado de la naturaleza como consecuencia de la decisin tomada, estas
probabilidades son conocidas o pueden ser estimadas por el decisor antes del
proceso de toma de decisiones.

Los criterios que se toman en cuenta en una decisin en ambiente de riesgo

se basan en estadsticos asociados a la distribucin de probabilidad de los
resultados, es decir que se tiene ms o menos la idea de lo que puede suceder si
se toma tal decisin. Algunos de estos criterios se aplican sobre la totalidad de las
alternativas, mientras que otros slo tienen en cuenta un subconjunto de ellas que
seran las ms apropiadas o que se cree que arrojara el mejor resultado
posible, considerando las restantes peores, por lo no que estn presentes en
el proceso de toma de decisiones.
Es de suponer que el riesgo implica cierto grado de incertidumbre y la habilidad
para controlar plenamente los resultados o consecuencias de dichas acciones. El
riesgo o la eliminacin del mismo es un esfuerzo que los gerentes deben realizar.
Sin embrago, en algunos casos la eliminacin de cierto riesgo podra incrementar
riesgos de otra ndole. El manejo efectivo del riesgo requiere la evaluacin y
el anlisis del impacto subsiguiente del proceso de decisin. Este proceso permite
al tomador de decisiones evaluar las estrategias alternativas antes de tomar
cualquier decisin. El proceso de decisin se describe a continuacin:
1.
El problema esta definido y todas las alternativas confiables han sido
consideradas. Los resultados posibles para cada alternativa son evaluados.
2.
Los resultados son discutidos de acuerdo a su reembolso monetario
o de acuerdo a la ganancia neta en activos o con respecto al tiempo.
3.
Varios valores inciertos son cuantificados en trminos de probabilidad.
4.
La calidad de la estrategia ptima depende de la calidad con que
se juzgue. El tomador de decisiones deber examinar e identificar la sensibilidad
de la estrategia optima con respecto a los factores cruciales

1.5 ENFOQUE CUANTITATIVO EN LA TOMA DE DECISIONES

La incertidumbre se presenta como uno de los factores ms preocupantes a la

hora de tomar decisiones en el marco de las empresas. Adems, el contexto
actual de crisis refuerza esta situacin hasta el hecho de tener que llevar a cabo
acciones vinculadas a la necesidad de establecer polticas gestin incertidumbre.

No obstante, y fruto de la necesidad de gestionar dichas necesidades en a la hora

de tomar decisiones, las empresas ponen a su servicio herramientas clave como
los mtodos cuantitativos a la hora de luchar contra la incertidumbre
Qu es un mtodo cuantitativo?
Un mtodo cuantitativo podra definirse como aquellos modelos matemticos
puesto al servicio de los procesos de resolucin de problemas de un modo

racional y cientfico. No es necesario decir que en la mayora de los casos,

muchos de los elementos que definen una toma de decisiones estn sujetos a
factores subjetivos y que requieren de anlisis que pueden ir ms all de los
nmeros o de los datos empricos. No obstante, el contar con dichos mtodos
permite analizar, evaluar y determinar aquellos datos contenidos y que se refieren
a algn tipo de problema u objetivo. De este modo, a los elementos subjetivos se
les aade la seguridad y el rigor de toda aquella informacin que se puede obtener
gracias a las magnitudes cuantitativas que incorporamos al proceso de toma de
decisiones.
Dichos mtodos respaldan la aplicacin de objetivos y de aquellos mtodos
propios de las ciencias naturales a las ciencias sociales. De este modo, los
mbitos de carcter social son transformados en hechos observables y propicios
para su medicin y anlisis estadstico.
El mundo empresarial, las decisiones y los mtodos cuantitativos
Como ya se ha apuntado anteriormente el mundo de los negocios se ve abrumado
por un nmero infinito de decisiones que han de ser tomadas a cada momento y
que, en gran medida, determinarn el rumbo que tomen las empresas. De este
modo, la informacin que se obtiene debe ser rica, variada y relevante, a la vez
que debe provenir de diversas fuentes y a travs de formas distintas (verbales,
estadsticas, datos, etc.)
Y dentro de este mbito, los mtodos cuantitativos se tornan como algunas de las
herramientas ms confiables a la hora de basar una decisin gracias a su
capacidad de gestionar, procesar y analizar datos de manera rpida y eficaz
1.6 LA UTILIDAD COMO CRITERIO

LA UTILIDAD COMO UN CRITERIO DE DESICIN.

La figura siguiente ilustra lo que un individuo quien es un buscador de riesgo, tiene
la forma opuesta de la curva de utilidad. Con esta decisin se consigue obtener
ms utilidad de un gran riesgo y altsimo potencial de pago. As como el valor
monetario se incrementa sobre su propia curva de utilidad, la utilidad se
incrementa a una tasa incrementada. Una persona que es indiferente al riesgo
tiene una curva de utilidad que va en lnea recta. La forma de una curva de utilidad
de una persona depende de la decisin especfica siendo considerada, al cuadro
psicolgico de la persona, y como la persona siente el futuro. Esto bien puede ser
que usted tiene una curva
deutilidad por algunas situaciones, usted enfrenta y complementa curvas
diferentes por otras. Despus de haber determinado una curva de utilidad, los
valores de utilidad de la curva son usados en la toma de decisiones.
Resultados monetarios son reemplazados con los valores apropiados de utilidad y
despus el anlisis de decisin es puesto en marcha como es usual. Miremos un
ejemplo donde un rbol de decisin es usado y los valores de utilidad esperados
son computados en la seleccin de la mejor alternativa.

2 PREFERENCIAS POR EL RIESGO.

Marco Mrquez ama el riesgo. El decide jugar un extrao juego nuevo que supone
tirar chinches en el aire. Si el punto sobre el chinche cae hacia arriba, Marco gana
$10.000.Si el punto del chinche cae hacia abajo, Marco
pierde$10.000.Debe Marco jugar el juego, alternativa 1; o debe no jugarlo,
alternativa 2?
Por lo tanto, la alternativa 1 es la mejor estrategia usando la utilidad como un
criterio de decisin. Si EMV ha sido usado, la alternativa 2 sera la mejor
estrategia. La curva de utilidad es un buen buscador de riesgo de la curva de
utilidad, y la escogencia de jugar el juego realmente refleja su preferencia por el
riesgo.
USANDO LA UTILIDAD ESPERADA EN TOMA DE DECISIONES
Cualquier problema que pueda ser presentado en una tabla de decisin, tambin
puede ser ilustrado grficamente en un rbol de decisin. Retomemos el caso de
la compaa la Cafetera, recordamos que Amazonas estaba tratando
de tomar una decisin para expandir sus operaciones construyendo una planta
nueva de almacenamiento. Un rbol de decisin simple para representar la
decisin de la Cafetera se muestra en la figura siguiente. Obsrvese que en el
rbol se presenta la decisin y resultados en un orden secuencial. Primero la
Cafetera decide si construye una planta grande, pequea o no la construye. Una
vez que la decisin es tomada, los posibles resultados (favorable y desfavorable
mercado) podrn ocurrir. Todos los rboles de decisin son similares en que ellos
contienen puntos de decisin y puntos donde el rbol de divide. Estos smbolos
son:

Analizando problemas con rboles de decisin envuelven 5 pasos:

Definir el problema.
Disear el rbol de decisin.
Asignar probabilidades a las condiciones naturales.
Estimar los resultados para cada combinacin posible de alternativas condiciones
naturales.
Resolver el problema computando los valores monetarios esperadospara cada
punto de condiciones naturales. Esto se realiza trabajando hacia atrs, esto es,
empezando a la derecha del rbol e ir avanzando hacia atrasen los puntos de
decisin en la izquierda. Por medio del rbol de decisin completo y resuelto para
la Cafetera se puede observar que los gastos estn ubicados al lado derecho de
las ramas del rbol. Las probabilidades (usadas por la Cafetera) son ubicadas en
parntesis al lado
de cada condicin natural. Los valores monetarios esperados para cadacondicin
natural son despus calculados y ubicados en sus respectivospuntos. El valor
monetario esperado para el primer punto es $10.000.Estos representan las

ramas de los puntos de decisin para construir una planta grande. El valor
monetario esperado, para construir una planta pequea$40.000. No construir una
planta o no hacer nada, por supuesto el gasto es 0.Elbrazo que tiene el punto con
el ms alto valor monetario esperado debera seres cogido. En el caso de la
Cafetera, a una planta pequea debe ser construida.

UNIDAD 2

PROGRAMACIN LINEAL

2.1 INTRODUCCION A LA INVESTIGACIN DE OPERACIONES

Naturaleza De La Investigacin De Operaciones

Como su nombre lo dice, la investigacin de operaciones significa "hacer
investigacin sobre las operaciones". Entonces, la investigacin de operaciones se
aplica a problemas que se refieren a la conduccin y coordinacin de operaciones
(o
actividades)
dentro
de
una
organizacin.
La
naturaleza
de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de
operaciones se ha aplicado de manera extensa en reas tan diversas como la
manufactura, el transporte, la constitucin, las telecomunicaciones, la planeacin
financiera, el cuidado de la salud, la milicia y los servicios pblicos, por nombrar
slo unas cuantas. As, la gama de aplicaciones es extraordinariamente amplia.

La parte de investigacin en el nombre significa que la investigacin de

operaciones usa un enfoque similar a la manera en que se lleva a cabo la
investigacin en los campos cientficos establecidos. En gran medida, se usa el
mtodo cientfico para investigar el problema en cuestin. (De hecho, en
ocasiones se usa el trmino ciencias de la administracin como sinnimo de
investigacin de operaciones.) En particular, el proceso comienza por la
observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de
los datos pertinentes. El siguiente paso es la construccin de un modelo cientfico
(por lo general matemtico) que intenta abstraer la esencia del problema real. En
este punto se propone la hiptesis de que el modelo es una representacin lo
suficientemente precisa de las caractersticas esenciales de la situacin como
para que las conclusiones (soluciones) obtenidas sean vlidas tambin para el
problema real. Despus, se llevan a cabo los experimentos adecuados para
probar esta hiptesis, modificarla si es necesario y eventualmente verificarla. (Con
frecuencia este paso se conoce como validacin del modelo.) Entonces, en cierto
modo, la investigacin e operaciones incluye la investigacin cientfica creativa de
las propiedades fundamentales de las operaciones. Sin embargo, existe ms que
esto. En particular, la IO se ocupa tambin de la administracin prctica de la
organizacin. As, para tener xito, deber tambin proporcionar conclusiones
claras que pueda usar el tomador de decisiones cuando las necesite.
Una caracterstica ms de la investigacin de operaciones es su amplio punto de
vista. Como qued implcito en la seccin anterior, la IO adopta un punto de vista
organizacional. de esta manera, intenta resolver los conflictos de intereses entre
las componentes de la organizacin de forma que el resultado sea el mejor para la
organizacin completa. Esto no significa que el estudio de cada problema deba
considerar en forma explcita todos los aspectos de la organizacin sino que los
objetivos que se buscan deben ser consistentes con los de toda ella.
Una caracterstica adicional es que la investigacin de operaciones intenta
encontrar una mejor solucin, (llamada solucin ptima) para el problema bajo
consideracin. (Decimos una mejor solucin y no la mejor solucin porque pueden
existir muchas soluciones que empaten como la mejor.) En lugar de contentarse
con mejorar el estado de las cosas, la meta es identificar el mejor curso de accin
posible. Aun cuando debe interpretarse con todo cuidado en trminos de las
necesidades reales de la administracin, esta "bsqueda de la optimidad" es un
aspecto importante dentro de la investigacin de operaciones.
Todas estas caractersticas llevan de una manera casi natural a otra. Es evidente
que no puede esperarse que un solo individuo sea un experto en todos lo mltiples
aspectos del trabajo de investigacin de operaciones o de los problemas que se
estudian; se requiere un grupo de individuos con diversos antecedentes y
habilidades. Entonces, cuando se va a emprender un estudio de investigacin de
operaciones completo de un nuevo problema, por lo general es necesario emplear
el empleo de equipo. Este debe incluir individuos con antecedentes firmes en
matemticas, estadstica y teora de probabilidades, al igual que en economa,
administracin de empresas, ciencias de la computacin, ingeniera, ciencias
fsicas, ciencias del comportamiento y, por supuesto, en las tcnicas especiales de
investigacin de operaciones. El equipo tambin necesita tener la experiencia y las

habilidades necesarias para permitir la consideracin adecuada de todas las

ramificaciones del problema a travs de la organizacin.
Impacto De La Investigacin De Operaciones
La investigacin de operaciones ha tenido un impacto impresionante en el
mejoramiento de la eficiencia de numerosas organizaciones en todo el mundo. En
el proceso, la investigacin de operaciones ha hecho contribuciones significativas
al incremento de la productividad dentro de la economa de varios pases. Hay
ahora ms de 30 pases que son miembros de la International Federation of
Operational Research Societies (IFORS), en la que cada pas cuenta con una
sociedad de investigacin de operaciones.
Sin duda, el impacto de la investigacin de operaciones continuar aumentando.
Por ejemplo, al inicio de la dcada de los 90, el U.S. Bureau of Labor Statistics
predijo que la IO sera el rea profesional clasificada como la tercera de ms
rpido crecimiento para los estudiantes universitarios en Estados Unidos,
graduados entre 1990 y 2005. Pronostic tambin que, para el ao 2005, habra
100 000 personas trabajando como analistas de investigacin de operaciones.
Riesgo Al Aplicar La Investigacin De Operaciones
Al aplicar la I de O al estudio de sistemas y a la resolucin de problemas se corre
el riesgo de tratar de manipular los problemas para buscar que se ajusten a las
diferentes tcnicas, modelos de algoritmos establecidos en lugar de analizar los
problemas y buscar resolverlos obteniendo las soluciones mejores, utilizando los
mtodos apropiados, es decir resolver el problema utilizando los mtodos que
proporcionan las mejoras soluciones y no buscar ajustar el problema a un mtodo
especfico.
Para llegar a hacer un uso apropiado de la I de O, es necesario primero
comprender la metodologa para resolver los problemas, as como los
fundamentos de las tcnicas de solucin para de esta forma saber cundo
utilizarlas o no en las diferentes circunstancias.
Qu Es La Investigacin De Operaciones?
Como toda disciplina en desarrollo, la investigacin de operaciones ha ido
evolucionando no slo en sus tcnicas y aplicaciones sino en la forma como la
conceptualizan los diferentes autores, en la actualidad no existe solamente una
definicin sino muchas, algunas demasiado generales, otras demasiado
engaosas, aqu seleccionamos dos de las mas aceptadas y representativas.

LA DEFINICIN DE CHURCHMAN, ACKOFF Y ARNOFF: LA INVESTIGACIN

DE
OPERACIONES
ES
LA
APLICACIN,
POR
GRUPOS

INTERDISCIPLINARIOS, DEL MTODO CIENTFICO A PROBLEMAS

RELACIONADOS CON EL CONTROL DE LAS ORGANIZACIONES O
SISTEMAS (HOMBRE-MQUINA), A FIN DE QUE SE PRODUZCAN
SOLUCIONES QUE MEJOR SIRVAN A LOS OBJETIVOS DE LA
ORGANIZACIN.
De sta definicin se pueden destacar los siguientes conceptos:
1. Una organizacin es un sistema formado por componentes que se
interaccionan, unas de estas interacciones pueden ser controladas y otras no.
2. En un sistema la informacin es una parte fundamental, ya que entre las
componentes fluye informacin que ocasiona la interaccin entre ellas. Tambin
dentro de la estructura de los sistemas se encuentran recursos que generan
interacciones. Los objetivos de la organizacin se refieren a la eficacia y eficiencia
con que las componentes pueden controlarse, el control es un mecanismo de auto
correccin del sistema que permite evaluar los resultados en trminos de los
objetivos establecidos.
3. La complejidad de los problemas que se presentan en las organizaciones ya no
encajan en una sola disciplina del conocimiento, se han convertido en
multidisciplinario por lo cual para su anlisis y solucin se requieren grupos
compuestos por especialistas de diferentes reas del conocimiento que logran
comunicarse con un lenguaje comn.
4. La investigacin de operaciones es la aplicacin de la metodologa cientfica a
travs modelos matemticos, primero para representar al problema y luego para
resolverlo. La definicin de la sociedad de investigacin de operaciones de la Gran
Bretaa es la siguiente:
La investigacin de operaciones es el ataque de la ciencia moderna a los
complejos problemas que surgen en la direccin y en la administracin de grandes
sistemas de hombres, mquinas, materiales y dinero, en la industria, en los
negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en
desarrollar un modelo cientfico del sistema tal, que incorpore valoraciones de
factores como el azar y el riesgo y mediante el cual se predigan y comparen los
resultados de decisiones, estrategias o controles alternativos. Su propsito es el
de ayudar a la gerencia a determinar cientficamente sus polticas y acciones.
En Relacin A sta Definicin Deben Destacarse Los Siguientes Aspectos:
1.- Generalmente se asocian los conceptos de direccin y administracin a las
empresas de tipo lucrativo, sin embargo, una empresa es un concepto ms
amplio, es algo que utiliza hombres, mquinas, materiales y dinero con un
propsito especfico; desde ste punto de vista, se considera como empresa
desde una universidad hasta una armadora de automviles.

2. Para tratar de explicar el comportamiento de un sistema complejo, el

cientfico debe representarlo en trminos de los conceptos que maneja, lo hace
expresando todos los rasgos principales del sistema por medio de relaciones
matemticas. A esta representacin formal se le llama modelo.
3. La esencia de un modelo es que debe ser predictivo, lo cual no significa
predecir el futuro, pero si ser capaz de indicar muchas cosas acerca de la
forma en que se puede esperar que un sistema opere en una variedad de
circunstancias, lo que permite valorar su vulnerabilidad. Si se conocen las
debilidades del sistema se pueden tomar cursos de accin agrupados en tres
categoras: A) Efectuar cambios que lleven a la empresa o parte de ella a una
nueva ruta; B) Realizar un plan de toma de decisiones; C) Instalar
estrategias que generen decisiones. Cuando se aplica alguno de estos
remedios, la investigacin de operaciones nos ayuda a determinar la accin
menos vulnerable ante un futuro incierto.
4. El objetivo global de la investigacin de operaciones es el de apoyar al
tomador de decisiones, en cuanto ayudarlo a cumplir con su funcin basado en
estudios cientficamente fundamentados.
Historia: Orgenes De La Investigacin De Operaciones
La toma de decisiones es un proceso que se inicia cuando una persona observa
un problema y determina que es necesario resolverlo procediendo a definirlo, a
formular un objetivo, reconocer las limitaciones o restricciones, a generar
alternativas de solucin y evaluarlas hasta seleccionar la que le parece mejor, este
proceso puede se cualitativo o cuantitativo.
El enfoque cualitativo se basa en la experiencia y el juicio personal, las habilidades
necesarias en este enfoque son inherentes en la persona y aumentan con la
prctica. En muchas ocasiones este proceso basta para tomar buenas decisiones.
El enfoque cuantitativo requiere habilidades que se obtienen del estudio de
herramientas matemticas que le permitan a la persona mejorar su efectividad en
la toma de decisiones. Este enfoque es til cuando no se tiene experiencia con
problemas similares o cuando el problema es tan complejo o importante que
requiere de un anlisis exhaustivo para tener mayor posibilidad de elegir la mejor
solucin.
La investigacin de operaciones proporciona a los tomadores de decisiones bases
cuantitativas para seleccionar las mejores decisiones y permite elevar su habilidad
para hacer planes a futuro.
En el ambiente socioeconmico actual altamente competitivo y complejo, los
mtodos tradicionales de toma de decisiones se han vuelto inoperantes e
inadmisibles ya que los responsables de dirigir las actividades de las empresas e
instituciones se enfrentan a situaciones complicadas y cambiantes con rapidez

que requieren de soluciones creativas y prcticas apoyadas en una base

cuantitativa slida.
En organizaciones grandes se hace necesario que el tomador de decisiones tenga
un conocimiento bsico de las herramientas cuantitativas que utilizan los
especialistas para poder trabajar en forma estrecha con ellos y ser receptivos a las
soluciones y recomendaciones que se le presenten. En organizaciones pequeas
puede darse que el tomador de decisiones domine las herramientas cuantitativas y
l mismo las aplique para apoyarse en ellas y as tomar sus decisiones.
Desde al advenimiento de la Revolucin Industrial, el mundo ha sido testigo de un
crecimiento sin precedentes en el tamao y la complejidad de las organizaciones.
Los pequeos talleres artesanales se convirtieron en las corporaciones actuales
de miles de millones de pesos. Una parte integral de este cambio revolucionario
fue el gran aumento en la divisin del trabajo y en la separacin de las
responsabilidades administrativas en estas organizaciones. Los resultados han
sido espectaculares. Sin embargo, junto con los beneficios, el aumento en el grado
de especializacin creo nuevos problemas que ocurren hasta la fecha en muchas
empresas. Uno de estos problemas es las tendencia de muchas de las
componentes de una organizacin a convertirse en imperios relativamente
autnomos, con sus propias metas y sistemas de valores, perdiendo con esto la
visin de la forma en que encajan sus actividades y objetivos con los de toda la
organizacin. Lo que es mejor para una componente, puede ir en detrimento de
otra, de manera que pueden terminar trabajando con objetivos opuestos. Un
problema relacionado con esto es que, conforme la complejidad y la
especializacin crecen, se vuelve ms difcil asignar los recursos disponibles a las
diferentes actividades de la manera ms eficaz para la organizacin como un todo.
Este tipo de problemas, y la necesidad de encontrar la mejor forma de resolverlos,
proporcionaron el ambiente adecuado para el surgimiento de la INVESTIGACIN
DE OPERACIONES (IO).
Las races de la investigacin de operaciones se remontan a muchas dcadas,
cuando se hicieron los primeros intentos para emplear el mtodo cientfico en la
administracin de una empresa. Sin embargo, el inicio de la actividad llamada
investigacin de operaciones, casi siempre se atribuye a los servicios militares
prestados a principios de la segunda guerra mundial. Debido a los esfuerzos
blicos, exista una necesidad urgente de asignar recursos escasos a las distintas
operaciones militares y a las actividades dentro de cada operacin, en la forma
ms efectiva. Por esto, las administraciones militares americana e inglesa hicieron
un llamado a un gran nmero de cientficos para que aplicaran el mtodo cientfico
a ste y a otros problemas estratgicos y tcticos. De hecho, se les pidi que
hicieran investigacin sobre operaciones (militares). Estos equipos de cientficos
fueron los primeros equipos de IO. Con el desarrollo de mtodos efectivos para el
uso del nuevo radar, estos equipos contribuyeron al triunfo del combate areo
ingls. A travs de sus investigaciones para mejorar el manejo de las operaciones
antisubmarinas y de proteccin, jugaron tambin un papel importante en la victoria
de la batalla del Atlntico Norte. Esfuerzos similares fueron de gran ayuda en a isla
de campaa en el pacfico.

Al terminar la guerra, el xito de la investigacin de operaciones en las actividades

blicas gener un gran inters en sus aplicaciones fuera del campo militar. Como
la explosin industrial segua su curso, los problemas causados por el aumento en
la complejidad y especializacin dentro de las organizaciones pasaron de nuevo a
primer plano. Comenz a ser evidente para un gran nmero de personas,
incluyendo a los consultores industriales que haban trabajado con o para los
equipos de IO durante la guerra, que estos problemas eran bsicamente los
mismos que los enfrentados por la milicia, pero en un contexto diferente. Cuando
comenz la dcada de 1950, estos individuos haban introducido el uso de la
investigacin de operaciones en la industria, los negocios y el gobierno. Desde
entonces, esta disciplina se ha desarrollado con rapidez.
Se pueden identificar por lo menos otros dos factores que jugaron un papel
importante en el desarrollo de la investigacin de operaciones durante este
perodo. Uno es el gran progreso que ya se haba hecho en el mejoramiento de las
tcnicas disponibles en esta rea. Despus de la guerra, muchos cientficos que
haban participado en los equipos de IO o que tenan informacin sobre este
trabajo, se encontraban motivados a buscar resultados sustanciales en este
campo; de esto resultaron avances importantes. Un ejemplo sobresaliente es el
mtodo simplex para resolver problemas de programacin lineal, desarrollado en
1947 por George Dantzing. Muchas de las herramientas caractersticas de la
investigacin de operaciones, como programacin lineal, programacin dinmica,
lneas de espera y teora de inventarios, fueron desarrolladas casi por completo
antes del trmino de la dcada de 1950.
Un segundo factor que dio mpetu al desarrollo de este campo fue el advenimiento
de la computadoras. Para manejar de una manera efectiva los complejos
problemas inherentes a esta disciplina, por lo general se requiere un gran nmero
de clculos. Llevarlos a cabo a mano puede resultar casi imposible. Por lo tanto, el
desarrollo de la computadora electrnica digital, con su capacidad para realizar
clculos aritmticos, miles o tal vez millones de veces ms rpido que los seres
humanos, fue una gran ayuda para la investigacin de operaciones. Un avance
ms tuvo lugar en la dcada de 1980 con el desarrollo de las computadoras
personales cada vez ms rpidas, acompaado de buenos paquetes de software
para resolver problemas de IO, esto puso las tcnicas al alcance de un gran
nmero de personas. Hoy en da, literalmente millones de individuos tiene acceso
a estos paquetes. En consecuencia, por rutina, se usa toda una gama e
computadoras, desde las grandes hasta las porttiles, para resolver problemas de
investigacin de operaciones.
Enfoque De La Investigacin De Operaciones:
La parte innovadora de la IO es sin duda alguna su enfoque modelstico, producto
de sus creadores aunado a la presin de supervivencia de la guerra o la sinerga
generada al combinarse diferentes disciplinas, una descripcin del enfoque es la
siguiente.

1. Se define el sistema real en donde se presenta el problema. Dentro del

sistema interactuan normalmente un gran numero de variables.
2. Se seleccionan las variables que norman la conducta o el estado actual del
sistema, llamadas variables relevantes, con las cuales se define un sistema
asumido del sistema real.
3. Se construye un modelo cuantitativo del sistema asumido, identificando y
simplificando las relaciones entre las variables relevantes mediante las
utilizacin de funciones matemticas.
4. Se obtiene la solucin al modelo cuantitativo mediante la aplicacin de una
o mas de las tcnicas desarrolladas por la IO.
5. Se adapta e imprime la mxima realidad posible a la solucin terica del
problema real obtenida en el punto 4, mediante la consideracin de factores
cualitativos o no cuantificables, los cuales no pudieron incluirse en el
modelo. Adems se ajusta los detalles finales va el juicio y la experiencia
del tomador de decisiones.
6. Se implanta la solucin en el sistema real.

http://www.itson.mx/dii/elagarda/apagina2001/PM/uno.html

2.2 FORMULACION Y APLICACIN DE MODELOS DE PROGRAMACIN

LINEAL

Una vez definido el problema del tomador de decisiones, la siguiente etapa

consiste en reformularlo de manera conveniente para su anlisis. La forma
convencional en que la investigacin de operaciones realiza esto es construyendo
un modelo matemtico que represente la esencia del problema. Antes de analizar
como formular los modelos de este tipo, se explorar la naturaleza general de los
modelos y, en particular, la de los modelos matemticos.
El modelo matemtico est constituido por relaciones matemticas (ecuaciones y
desigualdades) establecidas en trminos de variables, que representa la esencia
el problema que se pretende solucionar.
Para construir un modelo es necesario primero definir las variables en funcin de
las cuales ser establecido. Luego, se procede a determinar matemticamente
cada una de las dos partes que constituyen un modelo: a) la medida de efectividad

que permite conocer el nivel de logro de los objetivos y generalmente es una

funcin (ecuacin) llamada funcin objetivo; b) las limitantes del problema
llamadas restricciones que son un conjunto de igualdades o desigualdades que
constituyen las barreras y obstculos para la consecucin del objetivo.
Un modelo siempre debe ser menos complejo que el problema real, es una
aproximacin abstracta de la realidad con consideraciones y simplificaciones que
hacen ms manejable el problema y permiten evaluar eficientemente las
alternativas de solucin.
Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal
del problema. Una ventaja obvia es que el modelo matemtico describe un
problema en forma mucho ms concisa. Esto tiende a hacer que toda la estructura
del problema sea ms comprensible y ayude a revelar las relaciones importantes
entre causa y efecto. De esta manera, indica con ms claridad que datos
adicionales son importantes para el anlisis. Tambin facilita simultneamente el
manejo del problema en su totalidad y el estudio de todas sus interpelaciones. Por
ltimo, un modelo matemtico forma un puente para poder emplear tcnicas
matemticas y computadoras de alto poder, para analizar el problema. Sin duda,
existe una amplia disponibilidad de paquetes de software para muchos tipos de
modelos matemticos, para micro y minicomputadoras.
Por otro lado, existen obstculos que deben evitarse al usar modelos
matemticos. Un modelo es, necesariamente, una idealizacin abstracta del
problema, por lo que casi siempre se requieren aproximaciones y suposiciones de
simplificacin si se quiere que el modelo sea manejable (susceptible de ser
resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una
representacin vlida del problema. El criterio apropiado para juzgar la validez de
un modelo es el hecho de si predice o no con suficiente exactitud los efectos
relativos de los diferentes cursos de accin, para poder tomar una decisin que
tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o
factores que tienen aproximadamente el mismo efecto sobre todas las opciones.
Ni siquiera es necesario que la magnitud absoluta de la medida de efectividad sea
aproximadamente correcta para las diferentes alternativas, siempre que sus
valores relativos (es decir, las diferencias entre sus valores) sean bastante
preciso. Entonces, todo lo que se requiere es que exista una alta correlacin entre
la prediccin del modelo y lo que ocurre en la vida real. Para asegurar que este
requisito se cumpla, es importante hacer un nmero considerable de pruebas del
modelo y las modificaciones consecuentes. Aunque esta fase de pruebas se haya
colocado despus en el orden del libro, gran parte del trabajo de validacin del
modelo se lleva a cabo durante la etapa de construccin para que sirva de gua en
la obtencin del modelo matemtico.
OBTENCIN DE UNA SOLUCIN A PARTIR DEL MODELO
Resolver un modelo consiste en encontrar los valores de las variables
dependientes, asociadas a las componentes controlables del sistema con el
propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la

efectividad del sistema dentro del marco de referencia que fijan los objetivos y las
restricciones del problema.
La seleccin del mtodo de solucin depende de las caractersticas del modelo.
Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos,
que utilizan procesos de deduccin matemtica; b) numricos, que son de carcter
inductivo y funcionan en base a operaciones de prueba y error; c) simulacin, que
utiliza mtodos que imitan o, emulan al sistema real, en base a un modelo.
Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos,
es decir buscan la solucin en base a la repeticin de la misma regla analtica
hasta llegar a ella, si la hay, o cuando menos a una aproximacin.
PRUEBA DEL MODELO
El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al
desarrollo de un programa de computadora grande. Cuando se completa la
primera versin, es inevitable que contenga muchas fallas. El programa debe
probarse de manera exhaustiva para tratar de encontrar y corregir tantos
problemas como sea posible. Eventualmente, despus de una larga serie de
programas mejorados, el programador (o equipo de programacin) concluye que
el actual da, en general, resultados razonablemente vlidos. Aunque sin duda
quedarn algunas fallas ocultas en el programa (y quiz nunca se detecten, se
habrn eliminado suficientes problemas importantes como para que sea confiable
utilizarlo.
De manera similar, es inevitable que la primera versin de un modelo matemtico
grande tenga muchas fallas. Sin duda, algunos factores o interpelaciones
relevantes no se incorporaron al modelo y algunos parmetros no se estimaron
correctamente. Esto no se puede eludir dada la dificultad de la comunicacin y la
compresin de todos los aspectos y sutilezas de un problema operacional
complejo, as como la dificultad de recolectar datos confiables. Por lo tanto, antes
de usar el modelo debe probarse exhaustivamente para intentar identificar y
corregir todas las fallas que se pueda. Con el tiempo, despus de una larga serie
de modelos mejorados, el equipo de IO concluye que el modelo actual produce
resultados
razonablemente vlidos. Aunque sin duda quedarn algunos problemas menores
ocultos en el modelo (y quiz nunca se detecten), las fallas importantes se habrn
eliminado de manera que ahora es confiable usar el modelo. Este proceso de
prueba y mejoramiento de un modelo para incrementar su validez se conoce como
validacin del modelo.
Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas
detalladas del modelo, es sencillo "no ver el bosque por buscar los rboles".
Entonces, despus de completar los detalles ("los rboles") de la versin inicial del
modelo, una buena manera de comenzar las pruebas es observarlo en forma
global ("el bosque") para verificar los errores u omisiones obvias. El grupo que
hace esta revisin debe, de preferencia, incluir por lo menos a una persona que no
haya participado en la formulacin. Al examinar de nuevo la formulacin del

problema y comprarla con el modelo pueden descubrirse este tipo de errores.

Tambin es til asegurarse de que todas las expresiones matemticas sean
consistentes en las dimensiones de las unidades que emplean. Adems, puede
obtenerse un mejor conocimiento de la validez del modelo variando los valores de
los parmetros de entrada y/o de las variables de decisin, y comprobando que los
resultados del modelo se comporten de una manera factible. Con frecuencia, esto
es especialmente revelador cuando se asignan a los parmetros o a las variables
valores extremos cercanos a su mximo o a su mnimo.
Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba
retrospectiva. Cuando es aplicable, esta prueba utiliza datos histricos y
reconstruye el pasado para determinar si el modelo y la solucin resultante
hubieran tenido un buen desempeo, de haberse usado. La comparacin de la
efectividad de este desempeo hipottico con lo que en realidad ocurri, indica si
el uso del modelo tiende a dar mejoras significativas sobre la prctica actual.
Puede tambin indicar reas en las que el modelo tiene fallas y requiere
modificaciones. Lo que es ms, el emplear las alternativas de solucin y estimar
sus desempeos histricos hipotticos, se pueden reunir evidencias en cuanto a lo
bien que el modelo predice los efectos relativos de los diferentes cursos de accin.
Cuando se determina que el modelo y la solucin no son vlidos, es necesario
iniciar nuevamente el proceso revisando cada una de las fases de la metodologa
de la investigacin de operaciones.
ESTABLECIMIENTO DE CONTROLES SOBRE LA SOLUCION
Una solucin establecida como vlida para un problema, permanece como tal
siempre y cuando las condiciones del problema tales como: las variables no
controlables, los parmetros, las relaciones, etc., no cambien significativamente.
Esta situacin
se vuelve ms factible cuando algunos de los parmetros fueron estimados
aproximadamente. Por lo anterior, es necesario generar informacin adicional
sobre el comportamiento de la solucin debido a cambios en los parmetros del
modelo. usualmente esto se conoce como anlisis de sensibilidad. En pocas
palabras, esta fase consiste en determinar los rangos de variacin de los
parmetros dentro de los cuales no cambia la solucin del problema.
IMPLANTACION DE LA SOLUCION
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo
largo del proceso a los ejecutivos o tomadores de decisiones. Una vez superado
ste obstculo, se debe traducir la solucin encontrada a instrucciones y
operaciones comprensibles para los individuos que intervienen en la operacin y
administracin del sistema. La etapa de implantacin de una solucin se simplifica
en gran medida cuando se ha propiciado la participacin de todos los involucrados
en el problema en cada fase de la metodologa. Preparacin para la aplicacin del

modelo
Esta etapa es crtica, ya que es aqu, y slo aqu, donde se cosecharn los
beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe,
tanto para asegurar que las soluciones del modelo se traduzcan con exactitud a un
procedimiento operativo, como para corregir cualquier defecto en la solucin que
salga a la luz en este momento.
El xito de la puesta en prctica depende en gran parte del apoyo que
proporcionen tanto la alta administracin como la gerencia operativa. Es ms
probable que el equipo de IO obtenga este apoyo si ha mantenido a la
administracin bien informada y ha fomentado la gua de la gerencia durante el
estudio. La buena comunicacin ayuda a asegurar que el estudio logre lo que la
administracin quiere y por lo tanto merezca llevarse a la prctica. Tambin
proporciona a la administracin el sentimiento de que el estudio es suyo y esto
facilita el apoyo para la implantacin.
La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin
de operaciones de una cuidadosa explicacin a la gerencia operativa sobre el
nuevo sistema que se va a adoptar y su relacin con la realidad operativa. En
seguida, estos dos grupos comparten la responsabilidad de desarrollar los
procedimientos requeridos para poner este sistema en operacin. La gerencia
operativa se encarga despus de dar una capacitacin detallada al personal que
participa, y se inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo
sistema se podr emplear durante algunos aos. Con esto en mente, el equipo de
IO supervisa la experiencia inicial con la accin tomada para identificar cualquier
modificacin que tenga que hacerse en el futuro.
A la culminacin del estudio, es apropiado que el equipo de investigacin de
operaciones documento su metodologa con suficiente claridad y detalle para que
el trabajo sea reproducible. Poder obtener una rplica debe ser parte del cdigo de
tica profesional del investigador de operaciones. Esta condicin es crucial
especialmente cuando se estudian polticas gubernamentales en controversia.
1. Qu es la Programacin Lineal?.

En infinidad de aplicaciones de la industria, la economa, etc, se presentan

situaciones en las que se exige maximizar o minimizar algunas funciones que se
encuentran sujetas a determinadas limitaciones, que llamaremos restricciones. De
la solucin de estos problemas se encarga la Programacin Lineal.
En este tema estudiaremos el caso ms fcil: Programacin Lineal con dos
variables. Veamos un ejemplo:
Un laboratorio de farmacia fabrica dos complejos vitamnicos constituidos ambos
por vitamina A y vitamina B. El primero est compuesto por 2 unidades de vitamina

A y 2 unidades de vitamina B y el segundo por 1 unidad de vitamina A y 3

unidades de vitamina B. Sabiendo que slo se dispone de 1000 unidades de
vitamina A y 1800 unidades de vitamina B y que el beneficio del primer complejo
es de 400 pesetas y el del segundo 300 pesetas. Hallar el nmero de complejos
vitamnicos de cada tipo que deben fabricarse para obtener un beneficio mximo.
Cul ser dicho beneficio mximo?.
En primer lugar es conveniente resumir los datos en una tabla:

C1

C2

Disponible

Vitamina A

1000

Vitamina B

1800

Beneficio

400

300

Ahora planteamos el problema:

1. Nombrar las incgnitas: x= nmero de complejos C1 ; y= nmero de
complejos C2
2. Funcin objetivo ( funcin que queremos que sea mxima o mnima) en
nuestro
caso
las
Ganancias
que
hay
que
maximizar:

3. Las restricciones del problema que vienen dadas por las

4. inecuaciones:

2.- Resolucin del Problema

1. Representamos grficamente las restricciones. Los puntos que cumplen

todas las restriciones se llaman Soluciones Factibles

2.

1.- Utilizando lo aprendido en la pgina de INECUACIONES representa las

restricciones.
2.- Para recordarlo, aumentando el valor del control S se van representando
sucesivamente todas las restricciones.
3.- Para ver todo el proceso pulsa animar.
4.- Traslada todo esto a tu cuaderno y tendrs el conjuto de Soluciones
Factibles (el recinto turquesa)

3. Buscamos la solucin ptima que es la solucin factible que hace

mxima la funcin objetivo.(Se puede demostrar que la funcin objetivo
alcanza el mximo mnimo en alguno de los vrtices del recinto). Existen
dos mtodos para encontrarla:
4.
a. Mtodo Analtico. Se calcula el valor de la funcin en cada
uno de los vrtices para ver cual es el valor mximo

mnimo:

b.

Mx.
Solucin

b. Mtodo Grfico. Se representa la recta de la funcin

objetivo, se trazan rectas paralelas a ella que pasen por cada
uno de los vrtices y se observa cual de las rectas trazadas
tiene mayor o menor ordenada en el origen. En nuestro caso
la solucin es B.
El beneficio mximo que se alcanza en el punto B ser :
2.
MTODO ANALTICO
1.- Con el punto rojo selecciona puntos del conjunto de soluciones factibles y
observa el valor que va tomando la funcin objetivo.
2.- Repite la operacin pero probando con puntos de los bordes y vrtices del
recinto. (Puedes introducir directamente las coordenadas de P.x y P.y)
3.- En que punto se alcanza el valor mximo?.
MTODO GRFICO
4.- Traza rectas paralelas a la funcin objetivo que pasen por cada uno de los
vrtices del recinto. Puedes hacerlo usando el control S.
5.- El vrtice por el que pasa la recta que tenga mayor ordenada en el origen
es la solucin
http://www.itson.mx/dii/elagarda/apagina2001/PM/uno.html

2.3 METODO GRAFICO

La PL es una tcnica mediante la cual se toman decisiones, reduciendo el
problema bajo estudio a un modelo matemtico general, el cual debe ser resuelto
por mtodos cuantitativos.
En desarrollo de este captulo se aplicarn la solucin de dichos modelos
aplicando diversas tcnicas como: el mtodo grfico, mtodo simplex, mtodo
matricial, tcnica de la gran M.
Adems se desarrollara la aplicacin de variables artificiales y obtencin de
soluciones para identificar a que tipo de clasificacin pertenecen. Por medio de
dichos modelos de solucin se podr obtener las solucin adecuada para cada
problema y facilitar la toma de decisiones.
Mtodo grfico.
El mtodo grfico se utiliza para la solucin de problemas de PL, representando
geomtricamente a las restricciones, condiciones tcnicas y el objetivo.
El modelo se puede resolver en forma grfica si slo tiene dos variables. Para
modelos con tres o ms variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es
llamado mtodo grfico en actividad. Cuando se relacionan las restricciones
tecnolgicas se denomina mtodo grfico en recursos.
Los pasos necesarios para realizar el mtodo son nueve:
3. graficar las soluciones factibles, o el espacio de soluciones (factible), que
satisfagan todas las restricciones en forma simultnea.
4. Las restricciones de no negatividad Xi>= 0 confan todos los valores
posibles.
5. El espacio encerrado por las restricciones restantes se determinan
sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual
se produce la ecuacin de una lnea recta.
6. trazar cada lnea recta en el plano y la regin en cual se encuentra cada
restriccin cuando se considera la desigualdad lo indica la direccin de la
flecha situada sobre la lnea recta asociada.
7. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto
factible.

8. Aunque hay un nmero infinito de puntos factibles en el espacio de

soluciones, la solucin ptima puede determinarse al observar la direccin
en la cual aumenta la funcin objetivo.
9.
Las lneas paralelas que representan la funcin objetivo se trazan mediante
la asignacin de valores arbitrarios a fin de determinar la pendiente y la
direccin en la cual crece o decrece el valor de la funcin objetivo.
Ejemplo.
Maximizar Z = 3X1 + 2X2
restricciones :
X1 + 2X2
2X1 + X2
-X1 + X2
X2
X1
X2

<=6
<=8
<=1
<= 2
>= 0
>= 0

(1)
(2)
(3)
(4)
(5)
(6)

Convirtiendo las restricciones a igualdad y representndolas grficamente se

tiene:
X1 + 2X2
2X1 + X2
-X1 + X2
X2
X1
X2

=6
=8
=1
=2
=0
=0

(1)
(2)
(3)
(4)
(5)
(6)

Figura 1 Espacio de solucin presentada con WinQsb

Figura 2 Determinacin de soluciones

Maximizar

Z = 3X1 + 2X2
Punto

(X1, X2)

(0, 0)

(4, 0)

(3.3, 1.3)

(2, 3)

(1,

(0, 2)

Z
0
12
12.6 ( ptima )
12
3)

Tabla 2. Solucin Mtodo Grfico

Para obtener la solucin grfica, despus de haber obtenido el espacio de
solucin y graficada la funcin objetivo el factor clave consiste en decidir la
direccin de mejora de la funcin objetivo.
http://www.itson.mx/dii/elagarda/apagina2001/PM/metodos.html#grafico

2.4 METODO SIMPLEX

El Mtodo Simplex es un mtodo analtico de solucin de problemas

de programacin lineal capaz de resolver modelos ms complejos que los
resueltos mediante el mtodo grfico sin restriccin en el nmero de variables.

El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en

cada paso. La razn matemtica de esta mejora radica en que el mtodo consiste
en caminar del vrtice de un poliedro a un vrtice vecino de manera que aumente
o disminuya (segn el contexto de la funcin objetivo, sea maximizar o minimizar),
dado que el nmero de vrtices que presenta un poliedro solucin es finito
siempre se hallar solucin.

2.4.1 METODO ALGEBRAICO

Es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El

proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo
consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda
se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si
el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es
finito, siempre se podr encontrar la solucin.
El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f,
no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a
lo largo de la cual f aumenta.
El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig. El
mtodo del simplex se utiliza, sobre todo, para resolver problemas de
programacin lineal en los que intervienen tres o ms variables. El lgebra
matricial y el proceso de eliminacin de Gauss-Jordan para resolver un sistema de
ecuaciones lineales constituyen la base del mtodo simplex.
Con miras a conocer la metodologa que se aplica en el Mtodo SIMPLEX, vamos
a resolver el siguiente problema:
Maximizar
sujeto a:

Z= f(x,y)= 3x + 2y
2x + y 18
2x + 3y 42
3x + y 24
x 0,y 0

Se consideran las siguientes fases:

1. Convertir las desigualdades en igualdades

Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
2. Igualar la funcin objetivo a cero
- 3x - 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima
fila con los coeficientes de la funcin objetivo:
Tabla I . Iteracin n 1
Base Variable de decisin
Variable de holgura
Valores solucin
x
Y
h
s
d
h
2
1
1
0
0
18
s
2
3
0
1
0
42
d
3
1
0
0
1
24
Z
-3
-2
0
0
0
0
4. Encontrar la variable de decisin que entra en la base y la variable de
holgura que sale de la base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la
ltima fila, la de los coeficientes de la funcin objetivo y escogemos la
variable con el coeficiente negativo mayor (en valor absoluto).
En nuestro caso, la variable x de coeficiente - 3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior, entonces se elige uno cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, significa que se
ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final
del proceso de aplicacin del mtodo del simplex, es que en la ltima fila no
haya elementos negativos.
La columna de la variable que entra en la base se llama columna pivote (En
color azulado).
B. Para encontrar la variable de holgura que tiene que salir de la base, se
divide cada trmino de la ltima columna (valores solucin) por el trmino
correspondiente de la columna pivote, siempre que estos ltimos sean

mayores
que
cero.
18/2 [=9] , 42/2 [=21] y 24/3 [=8]

En

nuestro

caso:

Si hubiese algn elemento menor o igual que cero no se hace dicho

cociente. En el caso de que todos los elementos fuesen menores o iguales
a cero, entonces tendramos una solucin no acotada y no se puede seguir.
El trmino de la columna pivote que en la divisin anterior d lugar al menor
cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de
holgura que sale de la base, d. Esta fila se llama fila pivote (En color
azulado).
Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de
las variables correspondientes pueden salir de la base.
C. En la interseccin de la fila pivote y columna pivote tenemos el elemento
pivote operacional, 3.
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la
fila d por el pivote operacional, 3, que es el que hay que convertir en 1.
A continuacin mediante la reduccin gaussiana hacemos ceros los restantes
trminos de su columna, con lo que obtenemos los nuevos coeficientes de las
otras filas incluyendo los de la funcin objetivo Z.
Tambin se puede hacer utilizando el siguiente esquema:
Fila del pivote:
Nueva fila del pivote= (Vieja fila del pivote) : (Pivote)
Resto de las filas:
Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la
variable entrante) X (Nueva fila del pivote)
Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla
II):
Vieja fila de s
Coeficiente

2
2
x

3
2
x

0
2
x

1
2
x

0
2
x

42
2
x

Nueva fila pivote

Nueva fila de s

1
=
0

1/3
=
7/3

0
=
0

0
=
1

1/3
=
-2/3

8
=
26

Tabla II . Iteracin n 2
Base Variable de decisin
Variable de holgura
Valores solucin
x
Y
h
s
d
h
0
1/3
1
0
-2/3
2
s
0
7/3
0
1
-2/3
26
x
1
1/3
0
0
1/3
8
Z
0
-1
0
0
1
24
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, por ser la variable que corresponde al
coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna pivote:
2:1/3
[=6]
,
26:7/3
[=78/7]
y
8:1/3
[=8]
y como el menor cociente positivo es 6, tenemos que la variable de holgura
que sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.

Operando de forma anloga a la anterior obtenemos la tabla:

Tabla III . Iteracin n 3
Base Variable de decisin
Variable de holgura
Valores solucin
x
Y
h
s
d
y
0
1
3
0
-2
6
s
0
0
-7
0
4
12
x
1
0
-1
0
1
6
Z
0
0
3
0
-1
30
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:

A. La variable que entra en la base es d, por ser la variable que corresponde al

coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna pivote:
6/(-2)
[=-3]
,
12/4
[=3],
y
6:1
[=6]
y como el menor cociente positivo es 3, tenemos que la variable de holgura
que sale es s.
C. El elemento pivote, que ahora hay que hacer 1, es 4.
Obtenemos la tabla:
Tabla IV . Final del proceso
Base Variable de decisin
Variable de holgura
Valores solucin
x
Y
h
s
d
y
0
1
-1/2
0
0
12
d
0
0
-7/4
0
1
3
x
1
0
-3/4
0
0
3
Z
0
0
5/4
0
0
33
Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos
llegado a la solucin ptima.
Los solucin ptima viene dada por el valor de Z en la columna de los valores
solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice
donde se alcanza, observando las filas correspondientes a las variables de
decisin que han entrado en la base: D(3,12)
* Si en el problema de maximizar apareciesen como restricciones inecuaciones
de la forma: ax + by
c; multiplicndolas por - 1 se transforman en
inecuaciones de la forma - ax - by - c y estamos en el caso anterior
* Si en lugar de maximizar se trata de un problema de minimizar se sigue el
mismo proceso, pero cambiando el sentido del criterio, es decir, para entrar en
la base se elige la variable cuyo valor, en la fila de la funcin objetivo, sea el
mayor de los positivos y se finalizan las iteraciones cuando todos los
coeficientes de la fila de la funcin objetivo son negativos

Interpretacin geomtrica del mtodo del simplex

Las sucesivas tablas que hemos construido van proporcionando el valor de la
funcin objetivo en los distintos vrtices, ajustndose, a la vez, los coeficientes de
las variables iniciales y de holgura.

En la primera iteracin (Tabla I) han permanecido todos los coeficientes iguales, se

ha calculado el valor de la funcin objetivo en el vrtice A(0,0), siendo este 0.
A continuacin se desplaza por la arista AB, calculando el valor de f , hasta llegar a
B.
Este paso aporta la Tabla II.
En esta segunda iteracin se ha calculado el valor que
corresponde al vrtice B(8,0): Z=f(8,0) = 24
Sigue por la arista BC, hasta llegar a C, donde se para y
despliega los datos de la Tabla III.
En esta tercera iteracin se ha calculado el valor que
corresponde al vrtice C(6,6) : Z=f(6,6)=30.
Continua haciendo clculos a travs de la arista CD, hasta llegar al vrtice D. Los
datos que se reflejan son los de la Tabla IV.
Concluye con esta tabla, advirtiendo que ha terminado (antes ha comprobado que
la
solucin
no
mejora
al
desplazarse
por
la
arista
DE)
El valor mximo de la funcin objetivo es 33, y corresponde a x = 3 e y = 12
(vrtice D).
Si calculas el valor de la funcin objetivo en el vrtice E(0,14), su valor no supera
el valor 33.
http://www.investigacion-operaciones.com/SIMPLEX_analitico.htm

2.4.2 LA TABLA SIMPLEX

La resolucin de programas lineales mediante el mtodo Simplex implica la

realizacin de gran cantidad de clculos, sobre todo cuando el nmero de
variables y/o restricciones es relativamente elevado. Sin embargo, estos clculos
no son complejos y pueden realizarse en modo sistemtico utilizando una forma
tabular. As surgen las conocidas como tablas del Simplex, que no son ms que
una forma de organizar los clculos. Sobre las tablas del Simplex comentar que su
inters es totalmente pedaggico, ya que en los casos reales la magnitud de los
problemas que suelen aparecer hace que nadie las utilice de forma directa para
resolverlos. En tales casos, ha de recurrirse al uso del computador.

Para aplicar el mtodo Simplex en forma de tabla a un problema de la forma:

min cx
Ax=b con b >= 0
x >= 0
en primer lugar se construye la tabla siguiente:

c1 c2 ... cn
cb1 xb1 b1 a11 a12 ... a1n
cb2 xb2 b2 a21 a22 ... a2n
.
.
.
... ... ... ...
.
.
.
... ... ... ...
.
.
.
... ... ... ...
Cbm Xbm bm am1 am2 ... amn
v
y1 y2 ... ym
z1 z2 ... zm
Tabla del Simplex
Donde:

v es el producto escalar de los vectores (cb1,cb2,...,cbm) y (b1,b2,...,bm)

yk es el producto escalar de los vectores (cb1,cb2,...,cbm) y

(a1k,a2k,...,amk) para k=1,2,...m.

zk=ck-yk para k=1,2,...,m.

Observar la forma en que se construye esta tabla:

En la primera fila de la tabla se colocan los coeficientes de las variables en

la funcin objetivo.

En las tres primeras columnas aparecen los coeficientes de las variables

bsicas en la funcin objetivo, las variables bsicas iniciales y el vector de
trminos independientes de las restricciones, respectivamente.

La parte central de la tabla est formada por la matriz de coeficientes A.

Los elementos de la penltima fila son los productos escalares del vector de
la primera columna con los vectores de la tabla que quedan encima de cada
uno de esos elementos.

Finalmente, en la ltima fila aparece la diferencia de las filas primera y

penltima.

Cada tabla del Simplex est asociada a una solucin bsica factible. De forma
que, una vez construida la tabla inicial, deben establecerse las reglas que
permitan obtener las tablas asociadas a las siguientes soluciones bsicas, as
como saber la solucin bsica que lleva asociada cada tabla. Adems es
necesario saber cuando una tabla corresponde a la solucin ptima, esto ltimo se
consigue analizando los signos de la ltima fila de la tabla:
Si todos los elementos de la ltima fila de la tabla son mayores o iguales que cero,
el ptimo ha sido alcanzado.
Cuando alguno de los elementos de la ltima fila es negativo, el valor ptimo
puede mejorarse y por tanto debe construirse una nueva tabla de la manera
siguiente:

Se selecciona de la ltima fila el elemento negativo de mayor valor

absoluto. La variable correspondiente al ndice del zi seleccionado es la que
pasar a ser bsica.

Para saber a que variable bsica sustituye, se dividen los valores de la

tercera columna entre los valores positivos de la columna de A
seleccionada en el paso anterior (la que corresponde al elemento negativo
de mayor valor absoluto). En caso de no existir valores positivos, puede
asegurarse que el problema no tiene ptimo finito.

De todos los cocientes calculados se selecciona el mnimo, el elemento de

la matriz A que ha servido para construir ese valor mnimo es el que
actuar como pivot y la variable de la segunda columna de la tabla en la
posicin de la fila del pivot es la que deja de ser bsica.

Mediante transformaciones elementales de filas sobre el bloque central de

la tabla (el bloque de fondo amarillo en la tabla) se llega a transformar en 1
el pivot y anular los restantes elementos de la correspondiente columna.
Las nicas transformaciones que son permitidas son:
o

Multiplicar por constantes la fila que contiene el pivot.

Sumar o restar a una fila un mltiplo de la fila que contiene el pivot.

Intercambiar las variables bsicas en la segunda columna al mismo tiempo

que se modifica el correspondiente elemento de la primera columna.

Calcular los nuevos valores de las dos ltimas filas de la tabla de acuerdo a
las instrucciones ya indicadas.

Se repiten todos estos procesos y se van transformando las tablas hasta que el
test de parada sea positivo (todos los elementos de la ltima fila mayores o iguales
que cero) en cuyo caso se tiene:

El ptimo se alcanza en el punto cuyas coordenadas son nulas excepto las

correspondientes a las variables bsicas, cuyos valores aparecen en la
tercera columna de la tabla ptima.

El valor de la funcin en el ptimo es el que aparece en el ltimo elemento

de esa misma columna

Todas las tablas que se van obteniendo tienen dos caractersticas en comn: los
elementos de la tercera columna son todos ellos mayores o iguales que cero,
salvo el ltimo (el que indica el valor de la funcin objetivo) que pudiera ser
negativo. Por otro lado, las columnas de A asociadas a las variables bsicas
siempre forman una matriz identidad.
Analizando ms en profundizar cada una de las etapas expuestas, se puede
comprobar la correspondencia con el mtodo Simplex enunciado de una forma
ms terica anteriormente. Por supuesto, la mejor manera de comprender la
resolucin mediante tablas es con ejemplos particulares; a continuacin se
exponen dos de estos ejemplos.
Ejemplo:
Programa lineal
min 2x1-x2
-x1+x2+x3=2
2x1+x2+x4=6
x1,x2,x3,x4 >= 0

Tabla Inicial
0
0

x3 2
x4 6
0

2 -1
-1 1
2 1
0 0
2 -1

0
1
0
0
0

0
0
1
0
0

Se toman como variables bsicas x3 y x4 porque llevan asociadas como matriz de

base la identidad.
El elemento sealado en color rojo en la tabla es el que actuar como pivot, ha
sido determinado teniendo en cuenta que en la ltima fila de la tabla solo hay un
elemento negativo; tras esto se debe calcular min{2/1,6/1}, dicho mnimo se
obtiene a partir del pivot.

La posicin del pivot dentro de la tabla indica:

La variable x3 dejar de ser bsica.

La variable que la sustituye es x2

Para construir la siguiente tabla, han de realizarse operaciones elementales sobre

las filas del bloque central hasta conseguir que el pivot sea 1 y los restantes
elementos de su columna sean 0. En este caso el pivot ya tiene el valor 1, para
anular el otro elemento de la columna basta restar a la segunda fila la primera.
Tras estas manipulaciones, se sustituye la variable x3 por x2 y el valor 0 de la
primera columna de la tabla por c2=-1. A continuacin se realizan las operaciones
que definen los elementos de las dos ltimas filas de la tabla para completar la
segunda tabla del algoritmo.
Segunda Tabla
2 -1 0 0
-1 x2 2 -1 1 1 0
0 x4 4 3 0 -1 1
-2 1 -1 -1 0
1 0 1 0
Como puede observarse, la ltima fila de la tabla est formada por elementos
mayores o iguales que cero todos ellos, lo que significa que se ha alcanzado un
ptimo. En concreto, el ptimo se alcanza sobre el punto
x1=0 x2=2 x3=0 x4=4
El valor ptimo es adems -2 (ltimos elementos de la tercera columna de la
tabla).

Ejemplo:
Programa lineal
min -x1-x2
-x1+x2 <= 2
x1+2x2 <= 6
2x1+x2 <= 6
x1,x2 >= 0

Formulacin estndar
min -x1-x2
-x1+x2+x3 = 2
x1+2x2+x4 = 6
2x1+x2+x5 = 6
x1,x2,x3,x4,x5 >= 0

Las variables x3, x4 y x5 tienen como matriz de base a la identidad, de forma que
pueden tomarse como variables bsicas iniciales. Aplicando el algoritmo Simplex,
en tres tablas se obtiene el ptimo:
Tabla Inicial

Segunda Tabla

0
0
0

x3 2
x4 6
x5 6
0

-1
-1
1
2
0
-1

-1
1
2
1
0
-1

0
1
0
0
0
0

0
0
1
0
0
0

0
0
0
1
0
0

Tercera Tabla
-1 -1
0 x3 2 0 0
-1 x2 2 0 1
-1 x1 2 1 0
-4 -1 -1
0 0

0 0 0
1 -1 1
0 2/3 -1/3
0 -1/3 2/3
0 -1/3 -1/3
0 1/3 1/3

-1 -1 0 0 0
0 x3 5 0 3/2 1 0 1/2
0 x4 3 0 3/2 0 1 -1/2
-1 x1 3 1 1/2 0 0 1/2
-3 -1 -1/2 0 0 -1/2
0 -1/2 0 0 1/2
Optimo
x1=2
x2=2
x3=2
x4=0
x5=0

Valor ptimo = -4
Cada tabla del Simplex lleva asociado un punto cuyas coordenadas se obtienen
en la tercera columna para sus variables bsicas y son nulas el resto. En la
siguiente figura se encuentra representado el espacio de soluciones factibles del
problema, indicndose adems los vrtices correspondientes a cada una de las
tres tablas obtenidas.
Uso de variables artificiales

No siempre es posible en la tabla del Simplex disponer de un conjunto de vectores

que, convenientemente ordenados, formen la matriz identidad. Una forma de
conseguirlo es aadir unas nuevas variables al problema que se conocen como
variables artificiales. Una vez que el problema lineal se encuentra en su forma
estndar (introduciendo si es necesario las variables de holgura), se suman estas
variables artificiales a las restricciones necesarias para poder obtener una matriz
bsica igual a la identidad. Lgicamente para que estas variables introducidas no
afecten a la solucin del problema, lo deseable es que dejen de ser bsicas
rpidamente y de esta manera se anulen. La forma de conseguirlo es
aadindolas a la funcin objetivo con un coeficiente muy alto positivo (se le
puede representar por M). De esta manera, para minimizar la funcin objetivo
deben anularse estas variables, con lo que en alguna de las iteraciones del
mtodo Simplex las variables artificiales dejan de ser bsicas y a partir de ese
momento puede prescindirse de ellas.
El siguiente ejemplo trata de ilustrar la forma de utilizar las variables artificiales
para obtener una solucin bsica inicial con matriz de base igual a la identidad.
Ejemplo:
Programa lineal

Formulacin estndar

min x1-x2
x1+2x2 >= 6
2x1+x2 <= 6
4x1+x2= = 4
x1,x2 >= 0

min x1-x2
x1+2x2-x3 = 6
2x1+x2+x4 = 6
4x1+x2= = 4
x1,x2,x3,x4 >= 0

De la matriz A del problema no se puede obtener una submatriz igual a la

identidad. Podra por tanto, recurrirse a introducir dos variables artificiales x5 y x6.
Observar como se introducen esas variables en la funcin objetivo con un
coeficiente M que se supone muy grande. Adems al aadir esas variables a la
primera y tercera restriccin se consigue, tomando como variables bsicas x5, x4
y x6, una matriz bsica igual a la identidad. Por la propia construccin, en el
ptimo las variables artificiales se anularn y por tanto las restricciones no se
vern afectadas por la modificacin que supone aadirlas.
El problema tras introducir las variables artificiales sera:
min x1-x2+Mx5+Mx6
x1+2x2-x3+x5 = 6
2x1+x2+x4 = 6
4x1+x2+x6= = 4
x1,x2,x3,x4,x5,x6 >= 0
Y aplicando el mtodo Simplex se obtiene el ptimo tras cuatro tablas:
Tabla Inicial
1 -1 0 0 M M
M
x5 6
1 2 -1 0 1 0
0
x4 6
2 1 0 1 0 0
M
x6 4
4 1 0 0 0 1
10M 5M 3M -M 0 M M
1-5M -1-3M M 0 0 0
Para un valor muy grande de M los dos primeros elementos de la ltima fila de la
tabla son negativos y de ellos es el primero el que tiene mayor valor absoluto, es
por tanto en la primera columna en la que se busca el pivot.
Tras efectuar las correspondientes transformaciones, las sucesivas tablas son:

M
0
1

x5
x4
x1

Segunda Tabla
1 -1 0 0 M M
5
0 7/4 -1 0 1 -1/4
4
0 1/2 0 1 0 -1/2
1
1 1/4 0 0 0 1/4
1 (7M+1)/4 -M 0 M (5M+1
M+1)/4

0 (-7M-5)/4 M 0 0 (5M-1)/4
Obsrvese como una de las variables artificiales ha dejado de ser bsica.
Tercera Tabla
1 -1 0 0 M M
-1 x2 20/7 0 1 -4/7 0 4/7 -1/7
0
x4 18/7 0 0 2/7 1 -2/7 -3/7
1
x1 2/7
1 0 1/7 0 -1/7 2/7
-18/7 1 -1 5/7 0 -5/7 3/7
0 0 -5/7 0 M+5/7 M-3/7
En la tercera tabla ya han desaparecido de la lista de variables bsicas las dos
artificiales. A partir de este momento puede prescindirse de las dos ltimas
columnas de la tabla, de forma que la siguiente tabla sera:

Cuarta Tabla
1 -1 0 0
-1 x2 4
4 1 0 0
0
x4 2
-2 0 0 1
0
x3 2
7 0 1 0
-4
-4 -1 0 0
5 0 0 0
Al no existir ningn valor negativo en la ltima fila, el ptimo ha sido encontrado en
el punto correspondiente a:
x1=0 x2=4 x3=2 x4=2
siendo el valor ptimo del problema -4.
http://usuarios.lycos.es/royel/principal/10/

2.5 ANALISIS DE RESULTADO

Los resultados se analizaron en trminos de la media de los errores agrupados por

tipo de instancias y en forma global, para cada valor utilizado de
y
. El
error se calcula como:
(4)

donde
es el ptimo de la instancia para los problemas de la mochila con
mltiples restricciones (
); y es la cota de Dantzig (mirar por ej. [24]) para la
versin clsica (
).
En la Tabla 1 se muestra la media del error para cada valor de
discriminado para las instancias
y
.

Tabla 1: Medias del Error en funcin de

restriccin (
) y con mltiples restricciones (

y
).

y cada

para instancias con una

Base

Decremento

Incremento

Instancia

MR

9.01

2.19

1.95

1.92

3.98

3.85

3.90

ST

6.86

4.58

3.87

3.58

4.73

4.28

4.11

Total

7.94

3.39

2.91

2.75

4.36

4.06

4.01

Se puede observar que tanto en forma global, como para cada tipo de instancia en
particular, las versiones del algoritmo que usan
obtienen mejores
resultados que los obtenidos con
. Esto ocurre para los dos esquemas
de adaptacin de
propuestos. Tambin se verifica que para ambos
's,
un incremento en el valor de
permite reducir el error global (indicado en la
columna
). Para el caso de decremento, resulta beneficioso comenzar las
mejoras con un operador que cambie 4 bits. Cuando con 4 ya no se obtengan
mejoras, se reduce a 3, luego a 2 y finalmente se realiza un ``ajuste fino'' con
. La adaptacin de en sentido contrario tambin resulta beneficiosa,
aunque para las instancias
solo aparecen mejoras respecto a
y no entre
los valores obtenidos cuando se utiliza

Es interesante analizar cuanto contribuye cada operador a la obtencin del

resultado final. En la Figura 4 se muestran la cantidad de transiciones a soluciones
aceptables (en promedio) que permiti obtener cada operador para cada valor de
. Los valores obtenidos se escalaron en el rango
para mejorar la
interpretabilidad. Naturalmente cuando
, todas las mejoras se
obtuvieron con
. Es a partir de
donde el anlisis se vuelve
interesante.

En los resultados correspondientes al

cuando

, prcticamente un

el restante porcentaje con

, se observa que

de la mejora se obtuvo con

. Cuando

al uso de -BitFlip. Del restante

que decrementa

, el

-BitFlip y

del progreso se debe

, casi toda la mejora se realiza con

-BitFlip.

Finalmente cuando
, el operador -BitFlip es el responsable del
de
los pasos de mejora. La utilizacin de y -BitFlip completa prcticamente la
optimizacin aunque aparecen
correspondientes a -BitFlip.
Para el caso de incrementos en

aproximadamente

un

de

, se observa que para un valor de

mejoras
,

hasta un
de mejora se puede conseguir con -BitFlip una vez que la
bsqueda se estanc con -BitFlip. Para
y , los grficos muestran que
hasta un
de la mejora corresponde a -BitFlip, pero luego los operadores
subsiguientes pueden mejorar los ptimos locales encontrados.

(a)

(b)
Figura 4: Contribucin promedio de cada operador BitFlip para cada valor de
. En (a) resultados con administrador de operacin decremento y en (b) con
incremento.
Tambin se analiz la media de la cantidad de evaluaciones realizadas para
encontrar el mejor valor, discriminada en funcin de
y por tipo de instancia
(resultados no mostrados).
Cuando se utiliza un esquema de decremento, para las instancias con mltiples
restricciones se observa una reduccin de los valores a medida que aumenta
. Para las instancias del problema clsico, esta tendencia no se verifica. En
este caso, el valor ms alto de evaluaciones se alcanza con
. Luego
aparecen los asociados a
a
.

mientras que el menor valor corresponde

Para el esquema de adaptacin con incrementos de , los resultados para

indican que un aumento de
permite, no slo obtener mejores resultados,
sino tambin de forma ms rpida. Para las instancias
, el valor de
(media
de la cantidad de evaluaciones realizadas para obtener la mejor solucin) para
es el menor de todos, seguido por
y .
Naturalmente, esta medida del ``esfuerzo'' no se puede analizar en forma aislada
sino teniendo en mente los resultados obtenidos en trminos del error. Por lo
tanto, creemos que las diferencias en la media del error pueden compensar un
posible aumento en las evaluaciones necesarias.
http://decsai.ugr.es/~dpelta/docuFANS/node18.html

UNIDAD 3

TRANSPORTE Y ASIGNACIN

3.1 METODO ESQUINA NOROESTE

Tambin llamado noroccidental o de extremos, presenta la construccin de una

matriz de flujos de la siguiente manera.
Paso1
En la posicin (1, 1) que es el extremo Noroeste , se decide a

por lo tanto alguno de los valores se hacen cero.

Paso 2.
Si

es CERO, se pasa a la posicin que le sigue ( "abajo" en la columna) que es

la (2, 1), para hacer

Se cancela el resto de la fila con ceros; adems no se considerarn estas
posiciones en un futuro, exceptuando la posicin
Por otro lado, si
, en el paso anterior, se pasa a la posicin contigua (que en este caso sera (1, 2),
tal que
Se cancela lo restante de la columna con ceros, y se descarta de consideracin
futura alguna, con excepcin de la posicin

Paso3.
Continuar con la misma lgica hasta llegar a la posicin (m, n) de la matriz de
flujos.
En esta forma se obtendr una solucin inicial factible, bsica; pero bastante
distante del ptimo para el problema del transporte.

Donde :

Se empieza en la celda (A,D) y se asigna lo mximo que se pueda por

fila(columna) y se sigue sucesivamente de la misma manera hasta llegar a la celda
(C,G) y obtener as una solucin factible inicial.

10

10

C
Dj

10

15

Oi
20

25

30

15

30

40

30

45

PLANTEAMIENTO DEL MODELO PRIMAL

MIN W = 5 X11+ 10 X12+ 5 X13+ 0 X14+ 5 X21+ 9 X22+ 5 X23+ 10 X24+ 10 X31+ 10 X32+ 15
X33+ 5 X34
sujeto a las siguientes restricciones:

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060014/docs_curso/Capitu
lo%20V/enoroeste.htm
http://html.rincondelvago.com/investigacion-de-operaciones-en-redes.html

3.2 METODO DE COSTO MINIMO

El mtodo del coste mnimo asigna el mayor nmero posible de unidades a la

posicin de menor coste eliminando la fila y/o columna que quede satisfecha, y
repite el proceso hasta eliminar todas las filas y columnas.
Ejercicio de Aplicacin Mtodos Primera Fase
http://html.rincondelvago.com/investigacion-de-operaciones-en-redes.html
3.3 METODO DE APROXIMACIN DE VOGEL

El algoritmo del Mtodo Vogel para obtener una solucin bsica factible de un
problema de Transporte es el que se muestra a continuacin:
Paso 1.
Construccin de una matriz de costos y flujos en relacin a un problema
balanceado.
Ir al paso 3.
Paso2.
Usar el remanente de costos y flujos de la matriz, hasta que los flujos estn
asignados.
Paso3.
Calcular las diferencias de las filas y de las columnas de la matriz de costos. Esta
diferencia resulta entre los nmeros ms pequeos (tanto de filas como de
columnas).
Paso4.
Seleccionar a la fila o a la columna que tenga la mayor diferencia. En caso de
empate, se decide arbitrariamente.

 Paso 5.
Localizar el costo ms pequeo en la matriz de costos en la fila o la columna
seleccionada en el paso anterior. Esta ser la posicin
Paso 6.
En la matriz de flujos , decidir
, con ( i, j ) identificado en el paso anterior.
Se considerar determinar la oferta con
, y la demanda ser
.
Paso7.

Si
, llnese la fila i con ceros, exceptuando la posicin
, eliminando la fila de cualquier consideracin futura.

De resultar
, se llenar la columna j con ceros, con excepcin de la posicin
, las posiciones restantes se descartadas de tomarse en cuenta.

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060014/docs_curso/Capitu
lo%20V/vogel.htm

http://html.rincondelvago.com/investigacion-de-operaciones-en-redes.html
3.4 METODO DE ASIGNACIN

Discutiremos un modelo de asignacin que intente minimizar el coste total de

procesamiento y almacenamiento a la vez que intenta reunir ciertas restricciones
en el tiempo de respuesta. El modelo que emplearemos tiene la forma mn(Coste
Total), la cual est sujeta a restricciones del tiempo de respuesta, restricciones de
almacenamiento y restricciones de procesamiento.

En el resto de este punto desarrollaremos los componentes de este modelo

basndonos en la informacin necesaria presentada anteriormente. La variable de
decisin es xij, la cual se define como
xij = 1 si el fragmento Fi se almacena en el sitio
Sj xij = 0 en otro caso

Coste total. La funcin de coste total tiene dos componentes: el procesamiento de

la consulta y el almacenamiento. Entonces podramos expresarla como

donde CPQi es el coste de procesar una consulta de la aplicacin qi, y CAFjk es el

coste de almacenar el fragmento Fj en el sitio Sk.
Consideremos primero el coste de almacenamiento. Su frmula viene dada por

donde se representa el coste total de almacenamiento en todos los sitios y para

todos los fragmentos.
El coste de procesamiento de consultas es ms difcil de especificar. Muchos
modelos de asignacin de archivos se dividen en dos componentes: el coste de
procesar las lecturas y el coste de procesar las actualizaciones. Nosotros
escogeremos un enfoque diferente para el problema de asignacin en las bases
de datos y lo especificaremos a partir del coste de procesamiento (CP) y el coste
de transmisin (CT). El coste de procesamiento de una consulta (CPQ) para una
aplicacin qi es

De acuerdo con las lneas presentadas anteriormente, el componente de

procesamiento CP se basa en tres factores: el coste de acceso (CA), el coste de
mantenimiento de la integridad (MI) y el coste de control de la concurrencia (CC):

La especificacin detallada de cada uno de estos factores depende del algoritmo

que se emplee para desarrollar estas tareas. Sin embargo, se especificar CA
detalladamente:

El primero de los trminos de la frmula calcula el nmero de accesos de la

consulta qi al fragmento Fj. Advierta que (URij + RRij) da el nmero total de
accesos de lectura y actualizacin. Asumiremos que los costes locales de
procesamiento de ambos son idnticos. El sumatorio proporciona el nmero total
de accesos para todos los fragmentos a los que accede qi. El producto por UPTk
da el coste de este acceso al sitio Sk. Usamos de nuevo, xjk para seleccionar
nicamente los valores de coste para los sitios donde se almacenan los
fragmentos.
Se debe tener en cuenta que la funcin de coste de acceso asume que el
procesamiento de una consulta implica su descomposicin en una serie de
subconsultas, cada una de las cuales trabaja sobre un fragmento almacenado en
un sitio, seguido de una transmisin de los resultados al sitio del cual parti la
consulta. Se vio, anteriormente, que es un enfoque muy simplista no tener en
cuenta la complejidad del procesamiento de la base de datos. Por ejemplo, la
funcin de coste no tiene en cuenta el coste de desarrollar yuntos (si fuese
necesario), lo cual puede ejecutarse de varias formas. En un modelo ms realista,
que el modelo genrico considerado, esto problemas no deberan omitirse.
El factor de coste del esfuerzo de integridad puede especificarse como el
componente de procesamiento, excepto que la unidad de coste de procesamiento
local, probablemente, cambiara para reflejar el coste real del esfuerzo de
integridad.
La funcin del coste de transmisin puede formularse sobre las lneas de la
funcin del coste de acceso. Sin embargo, los gastos de la transmisin de datos
para actualizaciones y para lecturas no es el mismo. En las consultas de
actualizacin, es necesario informar a todos los sitios donde existen rplicas,
mientras que en las consultas de lectura, es suficiente con acceder al sitio que
alberga las copias. En suma, al final de una peticin de actualizacin, no existe
una transmisin de datos al sitio origen de sta, sino un mensaje de confirmacin,
mientras que en las consultas de lectura, los datos a transmitir al origen son
significativos.

El componente de actualizacin de la funcin de transmisin es

El primer trmino es para el envo del mensaje de actualizacin de qi desde el sitio

origen o(i) a todas las rplicas de los fragmentos que necesiten actualizarse. El
segundo trmino hace referencia a la confirmacin. El coste de lectura puede
especificarse como

El primer trmino de CTL representa el coste de transmitir la peticin de lectura a

los sitios que contienen copias de los fragmentos a los que se necesita acceder. El
segundo trmino cuenta para la transmisin de los resultados desde estos sitios al
sitio origen. La ecuacin afirma que para todos los sitios con copias del mismo
fragmento, slo el sitio que produzca el coste total de transmisin ms pequeo
debera seleccionarse para la ejecucin de la operacin.
Ahora, la funcin del coste de la transmisin para la consulta qi puede
especificarse como

que indica la funcin de coste total.

Restricciones. Las funciones restrictivas pueden especificarse de forma similar.
Sin embargo, en lugar de describir estas funciones con detalle, simplemente
indicaremos el aspecto que deberan tener. El tiempo de respuesta debera
especificarse como
tiempo de ejecucin de qi mximo tiempo de respuesta de qi,

qi Q

Preferiblemente, la medida de coste en la funcin objetiva debera especificarse

en trminos de tiempo, para hacer la especificacin del tiempo de ejecucin
relativamente sencilla.
La restriccin de almacenamiento es

As misma, la restriccin de procesamiento es

Esto completa el desarrollo del modelo de asignacin.

Desarrollo prctico.
Vamos a presentar ahora dos alternativas prcticas de desarrollo de la asignacin.
Una primera consistira en el clculo de todos los costes y, a partir de sus
resultados y con el mejor esquema de particin determinado por el Examinador de
Particiones, decidir los fragmentos que deberan asignarse a cada sitio. Este
mtodo manual evidentemente implica la realizacin de muchos clculos muy
engorrosos, y deberamos partir de una serie de datos que no siempre es fcil
obtener. Una segunda alternativa, es el uso de algn algoritmo de asignacin
desarrollado a partir de los distintos parmetros del modelo de asignacin. Existen
varios de estos algoritmos, pero se ha decidido exponer el algoritmo divide y
vencers [7] porque hace uso del esquema de fragmentacin que genera el
algoritmo de fragmentacin n-formas presentado en la correspondiente seccin.
http://usuarios.lycos.es/jrodr35/asignacion2.htm

UNIDAD 4

REDES

4.1 GRAFICA DE GANTT

Los cronogramas de barras o grficos de Gantt fueron concebidos por el

ingeniero norteamericano Henry L. Gantt, uno de los precursores de la
ingeniera industrial contempornea de Taylor. Gantt procuro resolver el
problema de la programacin de actividades, es decir, su distribucin conforme
a un calendario, de manera tal que se pudiese visualizar el periodo de duracin
de cada actividad, sus fechas de iniciacin y terminacin e igualmente el tiempo
total requerido para la ejecucin de un trabajo. El instrumento que desarroll
permite tambin que se siga el curso de cada actividad, al proporcionar
informacin del porcentaje ejecutado de cada una de ellas, as como el grado
de adelanto o atraso con respecto al plazo previsto.

Este grfico consiste simplemente en un sistema de coordenadas en que se

indica:
En el eje Horizontal: un calendario, o escala de tiempo definido en trminos de
la unidad ms adecuada al trabajo que se va a ejecutar: hora, da, semana,
mes, etc.
En el eje Vertical: Las actividades que constituyen el trabajo a ejecutar. A cada
actividad se hace corresponder una lnea horizontal cuya longitud es
proporcional a su duracin en la cual la medicin efecta con relacin a la
escala definida en el eje horizontal conforme se ilustra.
Smbolos Convencionales: En la elaboracin del grfico de Gantt se
acostumbra utilizar determinados smbolos, aunque pueden disearse muchos
otros para atender las necesidades especficas del usuario. Los smbolos
bsicos son los siguientes:
Iniciacin de una actividad.
Trmino de una actividad
Lnea fina que conecta las dos L invertidas. Indica la duracin prevista de
la actividad.
Lnea gruesa. Indica la fraccin ya realizada de la actividad, en trminos
de porcentaje. Debe trazarse debajo de la lnea fina que representa el plazo
previsto.
Plazo durante el cual no puede realizarse la actividad. Corresponde al
tiempo improductivo puede anotarse encima del smbolo utilizando una
abreviatura.
Indica la fecha en que se procedi a la ltima actualizacin del grfico, es
decir, en que se hizo la comparacin entre las actividades previstas y las
efectivamente realizadas.

El diagrama de Gantt consiste en una representacin grfica sobre dos ejes; en el

vertical se disponen las tareas del proyecto y en el horizontal se representa el
tiempo.
Caractersticas
Cada actividad se representa mediante un bloque rectangular cuya longitud
indica su duracin; la altura carece de significado.

La posicin de cada bloque en el diagrama indica los instantes de inicio y

finalizacin de las tareas a que corresponden.
Los bloques correspondientes a tareas del camino crtico acostumbran a
rellenarse en otro color (en el caso del ejemplo, en rojo).

Tarea Predec. Duracin

DII+1

BFI-1

D, E, F

GFF

Mtodo constructivo
Para construir un diagrama de Gantt se han de seguir los siguientes pasos:
Dibujar los ejes horizontal y vertical.

Escribir los nombres de las tareas sobre el eje vertical.

En primer lugar se dibujan los bloques correspondientes a las tareas
que no tienen predecesoras. Se sitan de manera que el lado
izquierdo de los bloques coincida con el instante cero del proyecto
(su inicio).
A continuacin, se dibujan los bloque correspondientes a las tareas
que slo dependen de las tareas ya introducidas en el diagrama. Se
repite este punto hasta haber dibujado todas las tareas. En este
proceso se han de tener en cuenta las consideraciones siguientes:

Las dependencias fin-inicio se representan alineando el final

del bloque de la tarea predecesora con el inicio del bloque de la tarea
dependiente.
Las dependencias final-final se representan alineando los finales de los
bloques de las tareas predecesora y dependiente.

Las dependencias inicio-inicio se representan alineando los inicios de

los bloques de las tareas predecesora y dependiente.

Los retardos se representan desplazando la tarea dependiente hacia la

derecha en el caso de retardos positivos y hacia la izquierda en el caso de
retardos negativos.

Clculos
El diagrama de Gantt es un diagrama representativo, que permite visualizar
fcilmente la distribucin temporal del proyecto, pero es poco adecuado para la
realizacin de clculos.
Por la forma en que se construye, muestra directamente los inicios y finales
mnimos de cada tarea.

Construccin
Finalmente, una vez realizados los clculos del proyecto utilizando un sistema
adecuado, como el diagrama PERT o el Roy, resulta conveniente destacar con un
color distinto las tareas con margen total 0, para poder identificar con facilidad los
caminos crticos.

4.2 METODO DE RUTA CRITICA (PERT/CPM)

Los proyectos en gran escala por una sola vez han existido desde tiempos
antiguos; este hecho lo atestigua la construccin de las pirmides de Egipto y los
acueductos de Roma. Pero slo desde hace poco se han analizado por parte de
los investigadores operacionales los problemas gerenciales asociados con dichos
proyectos.
El problema de la administracin de proyectos surgi con el proyecto de
armamentos del Polaris, empezando 1958. Con tantas componentes y
subcomponentes juntos producidos por diversos fabricantes, se necesitaba una
nueva herramienta para programar y controlar el proyecto. El PERT (evaluacin de
programa y tcnica de revisin) fue desarrollado por cientficos de la oficina Naval
de Proyectos Especiales. Booz, Allen y Hamilton y la Divisin de Sistemas de
Armamentos de la Corporacin Lockheed Aircraft. La tcnica demostr tanta
utilidad que ha ganado amplia aceptacin tanto en el gobierno como en el sector
privado.
Casi al mismo tiempo, la Compaa DuPont, junto con la Divisin UNIVAC de la
Remington Rand, desarroll el mtodo de la ruta crtica (CPM) para controlar el
mantenimiento de proyectos de plantas qumicas de DuPont. El CPM es idntico al
PERT en concepto y metodologa.
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de
informacin para los administradores del proyecto. Primero, el PERT/CPM expone
la "ruta crtica" de un proyecto. Estas son las actividades que limitan la duracin
del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una
actividad de la ruta crtica se retarda, el proyecto como un todo se retarda en la
misma cantidad. Las actividades que no estn en la ruta crtica tienen una cierta
cantidad de holgura; esto es, pueden empezarse ms tarde, y permitir que el
proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas
actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM tambin considera los recursos necesarios para completar las
actividades. En muchos proyectos, las limitaciones en mano de obra y equipos
hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarn problemas y de acuerdo a la
flexibilidad permitida por los tiempos de holgura de las actividades no crticas,
permite que el gerente manipule ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona una herramienta para controlar y
monitorear el progreso del proyecto. Cada actividad tiene su propio papel en ste
y su importancia en la terminacin del proyecto se manifiesta inmediatamente para
el director del mismo. Las actividades de la ruta crtica, permiten por consiguiente,
recibir la mayor parte de la atencin, debido a que la terminacin del proyecto,
depende fuertemente de ellas. Las actividades no crticas se manipularan y
remplazaran en respuesta a la disponibilidad de recursos.
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/proypolarisaleja.htm

4.2.1 TERMINOLOGIA

PERT (Program Evaluation and Review Technique)

Desarrollado por la Special Projects Office de la Armada de EE.UU. a finales de

los 50s para el programa de I+D que condujo a la construccin de los misiles
balsticos Polaris. Est orientada a los sucesos o eventos, y se ha utilizado
tpicamente en proyectos de I+D en los que el tiempo de duracin de las
actividades es una incertidumbre. Dado que las estimaciones de duracin
comportan incertidumbre se estudian las distribuciones de probabilidad de las
duraciones. Con un diagrama PERT se obtiene un conocimiento preciso de la
secuencia necesaria, o planificada para la ejecucin de cada actividad y utilizacin
de diagramas de red.
Se trata de un mtodo muy orientado al plazo de ejecucin, con poca
consideracin hacia al coste. Se suponen tres duraciones para cada suceso, la
optimista a, la pesimista b y la normal m; suponiendo una distribucin beta, la
duracin ms probable: t = (a + 4m + b) / 6 .
Generalmente se denominan tcnicas PERT al conjunto de modelos abstractos
para la programacin y anlisis de proyectos de ingeniera. Estas tcnicas nos
ayudan a programar un proyecto con el coste mnimo y la duracin ms adecuada.
Estn especialmente difundidas el PERT y el CPM.
Aplicacin de las tcnicas PERT:
Determinar las actividades necesarias y cuando lo son.
Buscar el plazo mnimo de ejecucin del proyecto.
Buscar las ligaduras temporales entre actividades del proyecto.
Identificar las actividades crticas, es decir, aquellas cuyo retraso en la
ejecucin supone un retraso del proyecto completo.
Identificar el camino crtico, que es aquel formado por la secuencia de
actividades crticas del proyecto.
Detectar y cuantificar las holguras de las actividades no crticas, es decir, el
tiempo que pueden retrasarse (en su comienzo o finalizacin) sin que el
proyecto se vea retrasado por ello.
Si se est fuera de tiempo durante la ejecucin del proyecto, seala las
actividades que hay que forzar.

Nos da un proyecto de coste mnimo.

http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/diaggantaleja.htm

4.2.2 CONSTRUCCION DE UNA RED

Construccin de un diagrama PERT- CPM.

En el caso diagrama , los vrtices sern los sucesos y los arcos las actividades,
debiendo cumplirse una serie de condiciones:

El diagrama slo tendr un suceso inicial y otro final.

Toda actividad, a excepcin de la que salga del suceso inicial o llegue al

suceso final, tendr, al menos, una actividad precedente y otra siguiente. Como
se observa en el cuadro de red lgica.
Toda actividad ij llegar a un suceso de orden superior al del que sale (i< j).
No podrn existir dos actividades que, teniendo el mismo suceso inicial,
tengan el mismo suceso final, o viceversa.
La primera condicin obliga a que, tanto el comienzo del proyecto como el final del
mismo, sean nicos; as, por ejemplo, si un proyecto puede comenzar con la
realizacin de varias actividades simultneamente, todas ellas saldrn del suceso

inicial. La segunda, una vez cumplida la primera, implica que cualquier actividad
representada en el diagrama formar parte del un camino que comenzara en el
suceso inicial y terminar en el final. En estos caminos no existirn retornos, ya
que, implcitamente, esa es la condicin impuesta en tercer lugar. La cuarta impide
que dos actividades distintas tengan la misma denominacin.
Algunas veces, el cumplimiento de las citadas reglas puede impedir el plantear las
relaciones de prelacin de algunas actividades. Cuando ello sucede, se recurre al
empleo de actividades ficticias; stas no consumen tiempo ni ningn tipo de
recurso, siendo su nica finalidad resolver los problemas de dependencia mencionados.
Para comenzar a construir el diagrama se parte del conocimiento de todas las
actividades que componen el proyecto, as como de sus relaciones de prelacin.
Es muy conveniente recoger esta informacin de una forma sistematizada, ya que
ello ayudar en gran medida a construir el diagrama. Existen, bsicamente, dos
formatos para esto, la matriz de encadenamiento y la tabla de precedencias.
GRAFICACIN DE UN DIAGRAMA PERT-CPM
Supongamos que llevamos nuestro carro a la estacin de servicio para que le
hagan los servicios correspondientes a los 15.000 km.
Lavado Engrasar Cambio de Aceite Rotar Cauchos Cambiar Filtro de Aceite
Pulir. Como se observa en la figura No 7
Primero antes que todo el mecnico decide primero elevar el carro con la
plataforma, pero antes de ello para poder rotar los cauchos hay que sacar el
repuesto, hay que quitar las tazas y aflojar las tuercas del ring, ahora si se eleva el
carro, paso a seguir seria lubricar el motor bajo la tapa del automvil mientras el
carro est elevado, por esta razn se divide la lubricacin en dos fracciones;
lubricar bajo el carro (chasis), lubricar bajo tapa del motor y el cambio de aceite se
realiza mientras el carro esta elevado. Al finalizar solo falta el lavado y pulido.

Como se pudo observar lo mas importante para la creacin de un diagrama PERT

CPM es saber concatenar y tomar decisiones con relacin a las actividades que
determinan un proyecto.
VENTAJAS PERT y CPM

1.- Ensea una disciplina lgica para planificar y organizar un programa

detallado de largo alcance.

2.- Proporciona una metodologa standard de comunicar los planes del

proyecto mediante un cuadro de tres dimensiones (tiempo, personal; costo).

3.- Identifica los elementos (segmentos) ms crticos del plan, en que

problemas potenciales puedan perjudicar el cumplimiento del programa
propuesto.
4.Ofrece la posibilidad de simular los efectos de las decisiones alternativas o
situaciones imprevistas y una oportunidad para estudiar sus consecuencias en relacin a los
plazos de cumplimiento de los programas.

5.- Aporta la probabilidad de cumplir exitosamente los plazos propuestos.

En otras palabras: CPM es un sistema dinmico, que se mueve con el progreso
del proyecto, reflejando en cualquier momento el STATUS presente del plan de
accin.

http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/proypolarisaleja.htm
4.2.3 DETERMINACION DE LA RUTA CRITICA

Ruta critica o camino critico: Consiste en la secuencia de actividades o cadena

de tareas que duran el mayor tiempo determinndose mediante la suma el tiempo
de las actividades secuenciales, teniendo en cuenta que si hay actividades
simultaneas de diferente duracin se tomar la de mayor tiempo y se presenta
subrayando la lnea de las flechas.
La ruta critica determina el tiempo mximo que debe durar la ejecucin del
proyecto, las actividades que conforman su cadena o secuencia y se caracterizan,
porque cualquier atraso en alguna de ellas incide en un atraso idntico en la
duracin total del proyecto ya que en sus eventos no hay ningn margen.
El camino crtico en un proyecto es la sucesin de actividades que dan lugar al
mximo tiempo acumulativo. Determina el tiempo ms corto que podemos tardar
en hacer el proyecto si se dispone de todos los recursos necesarios. Es necesario
conocer la duracin de las actividades.
Este concepto es utilizado por dos mtodos:
Mtodo del tiempo estimado (CPM) La duracin de una actividad es la ms
probable de duracin. Tiempo que se empleara en condiciones normales
(m). Situacin determinista.
Mtodo del tiempo esperado (PERT) Determinacin probabilstica de los
tiempos esperados (Te), en funcin de los siguientes tiempos:
o

Duracin ms corta (a)

Duracin ms larga (b)

Duracin ms probable (m) (el mismo que en CPM)

Duracin esperada: Te = (a + 4m + b) / 6

Clculo del camino crtico

1. Calcular Te m segn el mtodo empleado para cada

actividad. Se coloca en el grafo encima o debajo de cada
flecha.

2. Calcular las fechas early -fecha mnima de comienzo de la

actividad, MIC del suceso anterior- y last -fecha mnima de
comienzo de la actividad, MAC del suceso posterior- de las
distintas actividades que configuran el proyecto. (calcular el
MIC y el MAC de todos los sucesos del proyecto).
3. Clculo de las holguras.
4. Identificacin del camino crtico.

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010014/Contenidos/Capitu
lo1/Pages/1.8/18Herramientas_planeacion_continuacion2.htm

http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/diaggantaleja.htm
4.2.4 COMPRESION DE REDES

El proceso siguiente al primer ciclo es costear el proyecto, con la informacin que

se solicita de cada actividad realizada en tiempo estndar t y en tiempo ptimo
o a los responsables de la ejecucin y de acuerdo con los presupuestos
preparados por ellos mismos. Estos costos se registran en la Matriz de
Informacin.

Se presentan por lo general varios presupuestos, que pueden ser con los
antecedentes dados uno para la inversin en bienes de capital de maquinaria y
equipo por 80,000, ms otro de gastos de fabricacin por 500 diarios. Debe
considerarse que con elaboracin de proyecto o sin l, los gastos deben ser
erogados, por lo que busca que la ejecucin del proyecto se haga en el menor
tiempo posible para evitar gastos innecesarios a travs de evitar incrementos.

Los presupuestos tienen por lo general un costo normal $N para las actividades en
tiempo estndar y existe otro costo lmite $L para aquellas actividades ejecutadas
en tiempo ptimo. Por tanto la columna de $N debe ser totalizada al igual que la
columna de $L. Si suponemos que $N totaliza 145,120 significa el costo total de
erogacin del proyecto en tiempo estndar y si $L totalizara 151,480 no significara
que es un costo real, ya que no sera necesario que todas las actividades se

realizaran en tiempo ptimo, sino solo algunas de ellas. La elaboracin de una red
comprimida nos indicar qu actividades son las que pueden optimizarse en
tiempo, que en todo caso ste sera el mximo posible.
Con los costos anteriores y los intervalos de tiempo ya conocidos se determinan
las pendientes de las actividades.

Si dividimos 350/2 significa que la actividad en referencia tendr un incremento de

350 por cada dos das que se comprima a partir del tiempo estndar. Si decimos
ahora 450 como pendiente, significa que una actividad Hctor Marn Ruiz 12 tiene
un incremento en su tiempo estndar de 450 por cada da que se comprima en su
tiempo original.
Ahora, con base en la siguiente tabla calcule usted el valor de la pendiente m

Por ejemplo, si la primera actividad tiene un costo de 600, si es que se realiza en

el tiempo normal o estndar t, pero si se hace en menos das o inclusive en
tiempo ptimo o ese costo mximo ser de 800, por lo tanto su pendiente por
cada da de reduccin m ser:

Lo anterior significa que la actividad 1 sufrir un incremento de $100 por cada da

que se comprima el tiempo estndar de 3 das, o sea que, si la actividad 1 se hace
en tiempo normal de 3 das ser de 600, pero si se hace en lugar de 3 das, se

realiza en 2 das, el costo se incrementar a 700 (600+100) y si se hace en el

tiempo ptimo de 1 da, significar que el costo se incrementar a 800
(600+100+100), as deben calcularse las 23 actividades o sea m1, m2,
m3.m23, segn los das posibles que se puedan reducir. Se obtiene la sumatoria
de $N y de $L. Hctor Marn Ruiz 23
Para comprimir la red se dibuja la red que servir de base para la compresin y a
cada actividad se le anota el nmero de identificacin, la pendiente, el tiempo
estndar y el tiempo ptimo como sigue:

Se le solicita a usted lo siguiente:

a) Calcule usted el tiempo estndar y la pendiente
b) Calcule usted el nuevo costo con la reduccin en das mostrada
c) Determine usted el nuevo costo total con la reduccin en das.

4.2.5 ANALISIS DE UNA RED PERT

INTRODUCCION Los proyectos en gran escala por una sola vez han existido
desde tiempos antiguos; este hecho lo atestigua la construccin de las pirmides
de Egipto y los acueductos de Roma. Pero slo desde hace poco se han analizado
por parte de los investigadores operacionales los problemas gerenciales
asociados con dichos proyectos.

El problema de la administracin de proyectos surgi con el proyecto de

armamentos del Polaris, empezando 1958. Con tantas componentes y
subcomponentes juntos producidos por diversos fabricantes, se necesitaba una
nueva herramienta para programar y controlar el proyecto. El PERT (Evaluacin
de programa y Tcnica de revisin) fue desarrollado por cientficos de la Oficina
Naval de Proyectos Especiales. Booz, Allen y Hamilton y la Divisin de Sistemas
de Armamentos de la Corporacin Lockheed Aircraft. La tcnica demostr tanta
utilidad que ha ganado amplia aceptacin tanto en el gobierno como en el sector
privado.
Casi al mismo tiempo, la Compaa DuPont, junto con la Divisin UNIVAC de la
Remington Rand, desarroll el mtodo de la ruta crtica (CPM) para controlar el
mantenimiento de proyectos de plantas qumicas de DuPont. El CPM es idntico al
PERT en concepto y metodologa. La diferencia principal entre ellos es
simplemente el mtodo por medio del cual se realizan estimados de tiempo para
las actividades del proyecto. Con CPM, los tiempos de las actividades son
determinsticos. Con PERT, los tiempos de las actividades son probabilsticos o
estocsticos.
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de
informacin para los administradores del proyecto. Primero, el PERT/CPM expone
la "ruta crtica" de un proyecto. Estas son las actividades que limitan la duracin
del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una
actividad de la ruta crtica se retarda, el proyecto como un todo se retarda en la
misma cantidad. Las actividades que no estn en la ruta crtica tienen una cierta
cantidad de holgura; esto es, pueden empezarse ms tarde, y permitir que el
proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas
actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM tambin considera los recursos necesarios para completar las
actividades. En muchos proyectos, las limitaciones en mano de obra y equipos
hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarn problemas y de acuerdo a la
flexibilidad permitida por los tiempos de holgura de las actividades no crticas,
permite que el gerente manipule ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona una herramienta para controlar y
monitorear el progreso del proyecto. Cada actividad tiene su propio papel en ste
y su importancia en la terminacin del proyecto se manifiesta inmediatamente para
el director del mismo. Las actividades de la ruta crtica, permiten por consiguiente,
recibir la mayor parte de la atencin, debido a que la terminacin del proyecto,
depende fuertemente de ellas. Las actividades no crticas se manipularan y
remplazaran en respuesta a la disponibilidad de recursos.
Antecedentes.
Necesidad de terminar cada una de ellas dentro de los intervalos de tiempo
disponibles. Fue utilizado originalmente por el control de tiempos del proyecto
Polaris y actualmente se utiliza en todo el programa espacial.
El mtodo CPM (Crtical Path Method), el segundo origen del mtodo actual, fue
desarrollado tambin en 1957 en los Estados Unidos de Amrica, por un centro de
investigacin de operaciones para la firma Dupont y Remington Rand, buscando el

control y la optimizacin de los costos de operacin mediante la planeacin

adecuada de las actividades componentes del proyecto.
Ambos mtodos aportaron los elementos administrativos necesarios para formar el
mtodo del camino crtico actual, utilizando el control de los tiempos de ejecucin
y los costos de operacin, para buscar que el proyecto total sea ejecutado en el
menor tiempo y al menor costo posible.
Definicin.
El mtodo del camino crtico es un proceso administrativo de planeacin,
programacin, ejecucin y control de todas y cada una de las actividades
componentes de un proyecto que debe desarrollarse dentro de un tiempo crtico y
al costo ptimo.
Usos.
El campo de accin de este mtodo es muy amplio, dada su gran flexibilidad y
adaptabilidad a cualquier proyecto grande o pequeo. Para obtener los mejores
resultados debe aplicarse a los proyectos que posean las siguientes
caractersticas:
Que el proyecto sea nico, no repetitivo, en algunas partes o en su totalidad.
Que se deba ejecutar todo el proyecto o parte de l, en un tiempo mnimo, sin
variaciones, es decir, en tiempo crtico.
Que se desee el costo de operacin ms bajo posible dentro de un tiempo
disponible.
Dentro del mbito aplicacin, el mtodo se ha estado usando para la planeacin y
control de diversas actividades, tales como construccin de presas, apertura de
caminos, pavimentacin, construccin de casas y edificios, reparacin de barcos,
investigacin de mercados, movimientos de colonizacin, estudios econmicos
regionales, auditoras, planeacin de carreras universitarias, distribucin de
tiempos de salas de operaciones, ampliaciones de fbrica, planeacin de
itinerarios para cobranzas, planes de venta, censos de poblacin, etc.
Diferencias entre PERT y CPM
Como se indic antes, la principal diferencia entre PERT y CPM es la manera en
que se realizan los estimados de tiempo. E1 PERT supone que el tiempo para
realizar cada una de las actividades es una variable aleatoria descrita por una
distribucin de probabilidad. E1 CPM por otra parte, infiere que los tiempos de las
actividades se conocen en forma determinsticas y se pueden variar cambiando el
nivel de recursos utilizados.
En este trabajo explicaremos de manera sencilla, con ejemplos esclarecedores la
manera de funcionar de estos dos mtodos antes explicados, para que toda la
clase conozca y sepa de manera general cmo funcionan.
Esperamos sinceramente que lo que a continuacin exponemos sea de su inters
y agrado, de manera de cumplir con los objetivos propuestos.
Tcnica de Evaluacin y Revisin de Programas / PERT
Como lo mencionamos en nuestra Introduccin la Tcnica de Evaluacin y
Revisin de Programas o PERT fue desarrollada por la Special Projects Office
(Oficina de proyectos especiales) de la Marina de Guerra de Estados Unidos, y se
utiliz formalmente por primera vez para la planeacin y control del Sistema de
Amas Polaris en 1958, acelerando en forma afortunada la terminacin exitosa de
ese programa. Durante varios aos fue recibida con tanto entusiasmo por las

fuerzas armadas, que prcticamente se convirti en una herramienta obligatoria

para los principales contratistas y sub-contratistas en las industrias espacial y de
armamentos. Sus principios fundamentales an se consideran herramientas
esenciales de planeacin y control. Adems, se puede usar PERT, en
innumerables aplicaciones no gubernamentales, como proyectos de construccin,
ingeniera y equipamiento de mquinas-herramienta, e incluso en labores tan
sencillas como la programacin de las actividades para obtener informes
financieros mensuales.
CARACTERISTICAS
PERT es un sistema de anlisis de la red de tiempo y eventos en la que se
identifican las diversas etapas de un programa o proyecto, adjudicndosele un
tiempo a cada una de ellas. Estos acontecimientos o etapas se colocan en una red
que muestra las relaciones de cada uno de ellos con los dems.
Cada crculo representa un evento: un plan de apoyo cuya finalizacin puede
medirse en un momento determinado. Los crculos se enumeran en el orden en
que ocurren los eventos. Cada flecha representa una actividad, el elemento de un
programa que consume tiempo o el esfuerzo que se debe realizar entre los
eventos. El tiempo de actividad, representado por los nmeros junto a las flechas,
es el tiempo transcurrido para completar un evento. En el programa PERT original
existan tres estimaciones de tiempo: la optimista (del tiempo necesario si todo
funcionara excepcionalmente bien); la ms probable (el tiempo en que el
ingeniero del proyecto realmente piensa que realizar el trabajo) y la pesimista
(basada en la suposicin de que se presentara alguna situacin, lgicamente
concebible de mala suerte, con la excepcin de un desastre importante). Con
frecuencia se incluyen estas estimaciones en PERT debido a que es muy difcil, en
muchos proyectos de ingeniera, calcular el tiempo con exactitud. Cuando se
hacen varias estimaciones por lo general se promedian y se otorga un peso
especial a la estimacin ms probable; entonces se utiliza solo una de ellas para
realizar los clculos. El tiempo espera (te) y la varianza (o2) de cada actividad es
determinada por:
Te= a + 4m + b
6
o2= ( b - a )2
6
El siguiente paso es calcular la ruta Critica, es decir, la sucesin de
acontecimientos que necesitan el mayor tiempo y que tienen un tiempo de
inactividad de cero (o el mnimo).
Aunque la ruta Critica tiende a cambiar cuando se demoran los acontecimientos
clave en otras partes del programa, si este retraso se identifica desde el inicio se
pueden supervisar una serie particular de acontecimientos para asegurar que el
programa total se ajuste a lo programado.
Los anlisis PERT clsicos incluyen cientos o miles de acontecimientos. Aunque
los anlisis ms pequeos se pueden hacer en forma manual, las estimaciones
sealan que cuando existen ms de 200 a 300 acontecimientos es prcticamente
imposible manejar los clculos sin una computadora.
Se acostumbra resumir las redes de tiempo-evento muy grandes y complejas
mediante sub-redes, y agrupar todos los datos en una red resumida que se enva,

con fines de estudio, a la alta direccin. Por consiguiente, esta red podra incluir
aproximadamente entre 40 o 50 sucesos importantes, cada uno de ellos un
resumen de varios acontecimientos secundarios. De hecho, es posible agrupar o
desglosar los eventos en forma tal que exista una red PERT apropiada para cada
nivel de administracin.
VENTAJAS Y DEBILIDADES
El PERT tiene 5 ventajas importantes.
Primero, obliga a los administradores a planear, porque es imposible hacer un
anlisis de tiempo-evento sin elaborar planes y ver como las piezas encajan entre
s.
Segunda, obliga a planear en forma descendente por toda la cadena de autoridad,
debido a que cada administrador subordinado debe preparar planes para el
acontecimiento bajo su responsabilidad.
Tercera, concentra la atencin en elementos crticos que quiz necesiten
correccin.
Cuarta, hace posible cierto control a futuro; una demora afectar los
acontecimientos posteriores y posiblemente a todo el proyecto, a menos que el
administrador pueda compensar el tiempo asignado a alguna otra tarea.
Quinta, el sistema de red con sus subsistemas le permite a los ejecutivos dirigir los
informes y la presin para obtener accin en el lugar y nivel precisos en la
estructura de la organizacin, en el momento correcto.
El PERT tambin tiene algunas limitaciones. Debido a la importancia del tiempo de
actividad para su operacin, no es til cuando el programa es impreciso y no se
pueden hacer las estimaciones al azar razonables del programa: sin embargo,
incluso en este caso se puede comprar seguridad mediante prctica como poner
a trabajar en una tarea a 2 o ms grupos de personas, cuando el costo lo permite.
Una desventaja importante del PERT a sido su insistencia solo en el tiempo, en
perjuicio de los costos. Aunque este enfoque es apropiado para programas en los
que el tiempo es esencial o cuando, como sucede con tanta frecuencia, este y los
costos tienen una relacin estrecha y directa, la herramienta es ms til cuando se
incluyen en el anlisis otras consideraciones.
PERT no es una idealidad de metodologa. No realiza la planeacin, aunque
obliga a planear. No automatiza el control, pero establece un ambiente donde se
pueden apreciar y utilizar los principios correctos del control, a menos, por
supuesto, que el proceso haya adquirido una innecesaria complejidad.
MTODO DE LA RUTA CRTICA (CPM)
La programacin de la ruta crtica, se refiere a una serie de tcnicas grficas que
se utilizan en la planeacin y control de proyectos bastante rutinarios; fue
desarrollado como una manera para programar el inicio y el trmino de las
actividades de un proyecto, se puede aplicar especialmente en los proyectos de
construccin, instalacin de equipos y arranques, construccin de carreteras,
puentes, centrales hidroelctricas y plantas importantes, ya que estas actividades
se repiten con frecuencia y los tiempos se conocen bastante bien; sin embargo, es
posible incrementar o disminuir el tiempo de las actividades con un mayor costo.

Las tcnicas de programacin de la ruta crtica, muestran un proyecto de manera

grfica y relacionan las tareas que lo componen, de forma que se concentre la
atencin en aquellas actividades complicadas, o que requieren de mayor atencin.
Para aplicar bien las tcnicas de programacin de CPM, el proyecto debe tener las
siguientes caractersticas:
1.- Debe tener funciones o tareas bien definidas, cuya terminacin seale el fin del
proyecto.
2.- Las funciones o tareas son independientes; pueden ser iniciadas, detenidas y
realizadas por separado dentro de una secuencia determinada.
3.- Las funciones o tareas son ordenadas; deben seguir una de la otra en una
secuencia determinada
El mtodo CPM utiliza principalmente tres factores que son el tiempo, el costo y la
disponibilidad de los recursos, este mtodo supone una compensacin entre el
tiempo y el costo que se utiliza en la programacin de los proyectos; esto significa,
que si se quiere terminar la actividad en un menor tiempo, en forma proporcional
se gasta ms dinero.
La red de proyecto se resuelve utilizando tiempos y costos normales para todas
las actividades, si el tiempo de terminacin y los costos normales son
satisfactorios, se programan todas las actividades en relacin al tiempo normal, si
el tiempo de terminacin del proyecto es demasiado largo, y es posible terminar el
proyecto con menor tiempo y mayor costo.
Cualquier tiempo de terminacin de un proyecto inferior al normal, tendr un costo
totalmente distinto, esto se debe a que es posible disminuir tiempos en algunas
actividades, para cumplir con cualquier fecha de terminacin especificada.
Para representar esta situacin supuestamente lineal entre tiempo y costo, se dan
cuatro cifras para cada actividad:
a) Tiempo Normal (TN) : es el tiempo asociado con cada costo normal
b) Costo Normal (CN) : es el costo esperado ms bajo para cada actividad
c) Tiempo Lmite (TL) : es el tiempo de una actividad ms corto posible
d) Costo Lmite (CL) : es el costo asociado con cada tiempo limite.
Lmite de costo
Costo
Costo normal
Tiempo
Lmite de Tiempo
Tiempo Normal
PASOS PARA LA IMPLANTACIN DEL CPM
1 Definir el proyecto en trmino de actividades y eventos
2 Construir un diagrama de redes, mostrando las relaciones entre ellos
3 Desarrollar una cotizacin del tiempo de cada actividad
4 Calcular el tiempo para cada camino en la red
5 Asignar recursos para garantizar el logro ptimo de lo objetivos
Ejemplo de CPM
Actividad

Tiempo
Normal

Costo
Normal

Tiempo
Lmite

Costo
Lmite

1-2

$ 40

$ 80

1-3

$ 50

$ 120

1-4

$ 100

$ 140

2-4

$ 80

$ 130

3-4

$ 60

$ 140

Se calcula el tiempo de terminacin normal del proyecto estableciendo todas las

actividades en sus tiempos normales y haciendo un paso de avance. El tiempo
normal de terminacin del proyecto es = 7
34
23
El costo normal del proyecto es la suma de los costos normales de todas las
actividades y es igual a $330. Es posible reducir el tiempo de terminacin del
proyecto a 6 das, reduciendo cualquiera de las actividades 1-2 2-4 en un da. El
costo por da es de $20 por da (80-40/2), para limitar la actividad 1-2 y de $25 por
da, (130-80/2), para reducir la actividad 2-4. Por lo tanto resulta menos costoso
reducir la actividad 1-2 en un da para poder lograr en tiempo general de
terminacin del proyecto de 6 das.
USOS DE LOS CONCEPTOS DE ADMINISTRACIN DE PROYECTOS
La administracin de proyectos, requiere la planeacin del proyecto antes de
comenzar la programacin y adems se necesita control despus de desarrollar el
programa. Se requiere de una mezcla de habilidades conductuales cuantitativas.
Por lo tanto, los mtodos de programacin deben considerarse slo como una
parte de un enfoque completo de la administracin de proyectos.
Para seleccionar los mtodos de programacin de proyectos, se debe realizar una
compensacin consciente entre los mtodos sofisticados y el costo.
Los mtodos CPM, deben utilizarse cuando el tiempo de las actividades son casi
constantes, pero pueden reducirse con el uso de una mayor cantidad de dinero.
PUNTO CLAVE
La planeacin y programacin de proyectos, trata de una actividad nica, que se
realiza una sola vez; como cada proyecto es nico, el problema de programacin
es bastante diferente al caso de las operaciones constantes.
- Los tres objetivos de los proyectos son: Tiempo, costo y rendimiento: como estos
objetivos entran en conflicto, se realizan compensaciones entre ellos
constantemente en el curso de la administracin de proyectos.
- Todos los proyectos pasan por tres fases: Planeacin, Programacin y control
Planeacin: comienza con la definicin de los objetivos establece los objetivos,
organizacin y recursos para el proyecto.
Programacin: establece el programa de tiempos, costos y de asignacin de
personal.
Control: Supervisa el avance del proyecto en relacin con su costo, tiempo y
rendimiento; tambin se corrige el plan cuando es necesario para lograr los
objetivos del proyecto.
CONCLUSION

Podemos concluir que el CPM y PERT son esencialmente lo mismo, sus matices
hacen cada uno aplicable ms que el otro en situaciones diferentes. En ambos
mtodos la informacin esencial deseada es la ruta crtica y las holguras. Estas, le
permiten al director del proyecto hacer decisiones con base a informacin, basado
en el principio de administracin por excepcin, sobre los planes y proyectos del
trabajo actual y monitorear el progreso del proyecto.
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de
informacin para los administradores del proyecto. Primero, el PERT/CPM expone
la "ruta crtica" de un proyecto. Estas son las actividades que limitan la duracin
del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las
actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una
actividad de la ruta crtica se retarda, el proyecto como un todo se retarda en la
misma cantidad. Las actividades que no estn en la ruta crtica tienen una cierta
cantidad de holgura; esto es, pueden empezarse ms tarde, y permitir que el
proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas
actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM tambin considera los recursos necesarios para completar las
actividades. En muchos proyectos, las limitaciones en mano de obra y equipos
hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del
proyecto en que estas restricciones causarn problemas y de acuerdo a la
flexibilidad permitida por los tiempos de holgura de las actividades no crticas,
permite que el gerente manipule ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona la herramienta ideal para controlar y
monitorear el progreso del proyecto. Tanto de empresas pblicas, como privadas.
Lo que parti como un proyecto experimental hoy en da es de gran utilidad para
miles de personas a nivel mundial .
Aqu termina nuestro trabajo, en espera que haya sido de su agrado, y que
obviamente toda la materia expuesta haya quedado clara y entendible, estaremos
a la espera de su buena calificacin.
BIBLIOGRAFA
* Administracin de Operaciones ROGER SCHROEDER
* Administracin IDALBERTO CHIAVENATO

UNIDAD 5

MODELO DE LINEAS DE ESPERA

5.1 ESTRUCTURA BASICA DE LOS MODELOS DE LINEAS DE ESPERA

Los modelos de lnea de espera consisten en frmulas y relaciones matemticas

que pueden usarse para determinar las caractersticas operativas (medidas de
desempeo) para una cola.
Las caractersticas operativas de inters incluyen las siguientes:
Probabilidad de que no haya unidades o clientes en el sistema
Cantidad promedio de unidades en la lnea de espera
Cantidad promedio de unidades en el sistema (la cantidad de unidades en la lnea
de espera ms la cantidad de unidades que se estn atendiendo)
Tiempo promedio que pasa una unidad en la lnea de espera
Tiempo promedio que pasa una unidad en el sistema (el tiempo de espera ms el
tiempo de servicio)
Probabilidad que tiene una unidad que llega de esperar por el servicio.
Los gerentes que tienen dicha informacin son ms capaces de tomar decisiones
que equilibren los niveles de servicio deseables con el costo de proporcionar
dicho servicio.
ESTRUCTURA DE UN SISTEMA DE LINEA DE ESPERA
LINEA DE ESPERA DE UN SOLO CANAL
Cada cliente debe pasar por un canal, una estacin para tomar y surtir el pedido,
para colocar el pedido, pagar la cuenta y recibir el producto. Cuanto llegan ms
clientes forman una lnea de espera y aguardan que se desocupe la estacin para
tomar y surtir el pedido.

DISTRIBUCIN DE LLEGADAS
Para determinar la distribucin de probabilidad para la cantidad de llegadas en un
perodo dado, se puede utilizar la distribucin de Poisson.
/= Media o cantidad promedio de ocurrencia en un intervalo
e= 2.17828
X= cantidad de ocurrencias en el intervalo

DISTRIBUCIN DE TIEMPO DE SERVICIO

El tiempo de servicio es el tiempo que pasa un cliente en la instalacin una vez el
servicio ha iniciado.
Se puede utilizar la distribucin de probabilidad exponencial para encontrar la
probabilidad de que el tiempo de servicio sea menor o igual que un tiempo t.
e= 2.17828
&#956;= cantidad media de unidades que pueden servirse por perodo

DISCIPLINA DE LA LINEA DE ESPERA

Manera en la que las unidades que esperan el servicio se ordenan para recibirlo.

El primero que llega, primero al que se le sirve

ltimo en entrar, primero en salir
Atencin primero a la prioridad ms alta
OPERACIN DE ESTADO ESTABLE
Generalmente la actividad se incrementa gradualmente hasta un estado normal o
estable. El perodo de comienzo o principio se conoce como perodo transitorio,
mismo que termina cuando el sistema alcanza la operacin de estado estable o
normal.
MODELOS DE LNEA DE ESPERA DE UN SOLO CANAL CON LLEGADAS DE
POISSON Y TIEMPOS DE SERVICIO EXPONENCIALES
A continuacin, las frmulas que pueden usarse para determinar las
caractersticas operativas de estado estable para una lnea de espera de un solo
canal.
El objetivo de las frmulas es mostrar cmo se puede dar informacin acerca de
las caractersticas operativas de la lnea de espera.

COMO SE PUEDE MEJORAR LA OPERACION DE LINEA DE ESPERA?

Caractersticas operativas para el sistema con la tasa media de servicio
aumentada a &#956;=1.25 clientes por minuto.

ANLISIS ECONMICO DE LAS LNEAS DE ESPERA

Antes de que pueda llevarse a cabo un anlisis econmico de una lnea de
espera, debe elaborarse un modelo de costo total, el cual incluye el costo de
esperar y el costo de servicio.
Cw= costo de esperar por perodo para cada unidad
L= cantidad promedio de unidades en el sistema
Cs= costo de servicio por perodo para cada canal
K= cantidad de canales
La forma general de las curvas de costo en el anlisis econmico de las lneas de
espera consiste en que el costo del servicio aumenta conforme aumenta la
cantidad de canales; pero con ms canales, el servicio es mejor. Como resultado,
el tiempo de espera y el costo disminuyen conforme se aumenta la cantidad de
canales. Puede encontrarse la cantidad de canales que proporcionar una buena
aproximacin al diseo de costo total mnimo evaluando el costo total para varias
alternativas de diseo.

5.1.1 UN SERVIDOR UNA COLA

Este modelo puede aplicarse a personas esperando en una cola para comprar
boletos para el cine, a mecnicos que esperan obtener herramientas de un
expendio o a trabajos de computadora que esperan tiempo de procesador.
Llegadas.
Consiste en la entrada al sistema que se supone es aleatoria. No tienen horario,
es impredicible en que momento llegarn . El modelo tambin supone que las
llegadas vienen de una poblacin infinita y llegan una a la vez .
Cola.

En este modelo se considera que el tamao de la cola es infinito. La disciplina de

la cola es primero en llegar, primero en ser servido sin prioridades especiales.
Tambin se supone que las llegadas no pueden cambiar lugares en la lnea (cola)
o dejar la cola antes de ser servidas.
Instalacin de Servicio.
Se supone que un solo servidor proporciona el servicio que vara aleatoriamente.
Salidas.
No se permite que las unidades que salgan entren inmediatamente al servicio.
Caractersticas de operacin .
Un servidor y una cola.
Llegada Poisson.
Cola infinita, primero en llegar primero en ser servido.
Tiempos de servicio exponenciales.
Cola :
Longitud promedio de la lnea :
Tiempo de espera promedio :
Sistema:
Longitud promedio de la lnea :
Tiempo de espera promedio :
Utilizacin de la instalacin :

Probabilidad de que la lnea exceda a n :

A = tasa promedio de llegada.
S = tasa promedio de servicio.
Ejemplo : (Un supermercado )
Supngase un supermercado grande con muchas cajas de salida, en donde los
clientes llegan para que les marquen su cuenta con una tasa de 90 por hora y que

hay 10 cajas en operacin. Si hay poco intercambio entre las lneas, puede
tratarse este problema como 10 sistemas separados de una sola lnea, cada uno
con una llegada de 9 clientes por hora. Para una tasa de servicio de 12 por hora :
Dados A = 9 clientes por hora
S = 12 clientes por hora
Entonces :
=

2.25 Clientes

0.25 horas o 15 minutos.

3 clientes.

0.33 horas o 20 minutos.

0.75 o 75%
0.32

Entonces, para este ejemplo, el cliente promedio espera 15 minutos antes de

ser servido. En promedio, hay un poco ms de dos clientes en la lnea o tres en el
sistema. El proceso completo lleva un promedio de 20 minutos. La caja est
ocupada el 75 % del tiempo. Y finalmente, el 32 % del tiempo habr cuatro
personas o ms en el sistema ( o tres o ms esperando en la cola).
http://www.itlp.edu.mx/publica/tutoriales/investoper2/tema33.htm
5.1.2 N SERVIDORES, UNA COLA
Una Lnea de Espera con canales Mltiples del consiste en dos o mas canales de
Servicio Que Se Supone hijo idnticos desde el punto de vista de su capacity. En
El Sistema de canales mltiples, las unidades Que Llegan Esperan en Una Sola
Lnea y LUEGO Pasan al imprimacin disponible conducto Ser prr. Servidas. La
operacin de la ONUdel canal solista de la hamburguesa Cpula Puede del
expandirse una ONU Sistema de dos canales al abrir el canal Segundo ONU De
Servicio. La siguiente Figura Muestra ONU diagrama de La Lnea de Espera de
dos canales de la hamburguesa de la bveda.

Anlisis de costoUna de las decisiones habituales en el uso de este modelo puede

serlo el dedefinir la cantidad de servidores necesarios. Por ejemplo, la cantidad
deascensores en un edificio, la cantidad de escritorios para un equipo de trabajo,
etc.La decisin se deber basar en unaRelacin entre dos costos bsicos: el costo
de proveer servidores adicionalesversus el costo de demorar o no prestar el
servicio. Se asume que el costo dedemorar el servicio es un monto definido por
cliente, por unidad de tiempoinsumida en el sistema. Si bien es relativamente
sencillo conocer el costo de unservidor, el costo de hacer esperar a un cliente
puede resultar, a veces, intangibley generalmente difcil de establecer. Hay que
aclarar que los costos por la esperaexisten y en ciertos casos pueden ser muy
significativos, por lo que deben ser estimados, si es que se desea realmente
disear un sistema de colas inteligente ycontrolable.Los costos a los que nos
acabamos de referir deben estar presentados por unidadde tiempo, a los efectos
de realizar clculos comparables. Si por ejemplo, el costode un servidor consiste
en el salario que debe pagarse a quien lo atiende, deberanualizarse, para incluir

aguinaldo, vacaciones, etc., y luego convertirlo en lamisma unidad de tiempo que

se use para determinar el tiempo de servicio o deespera.Si se define:Cd = Costo
de demora por cliente por unidad de tiempoCs = Costo por unidad de tiempo para
agregar otro servidor L = Nmero promedio en el sistemaEl costo total por unidad
de tiempo para una estacin con c servidores es:L Cd + c
Cs A medida que c aumenta, la capacidad adicional incrementar la velocidad del
servicio y L ir disminuyendo. Por consiguiente, una informacin til que
debebrindar el sistema es el nmero de servidores que minimice el costo total.
En el caso que la sala de espera tenga una capacidad limitada, surgen
otrosanlisis posibles. As,
se relacionan el costo de servidores adicionales versus el costo de perder elnegoci
o con clientes que se retiran antes de ser atendidos, ms el costo de lademora
paraLos clientes atendidos
Definiendo:
Cr = Costo de no brindar el servicio a un cliente A = Tasa de llegadasP =
Probabilidad que un cliente se vaya de la cola sin ser atendidoEl costo total ser
L Cd + c Cs + p A Cr

5.1.3 N SERVIDORES, N COLAS

El tercer sistema, en que cada servidor tiene una lnea separada, es
caractersticode los bancos y las tiendas de autoservicio. Para este tipo de servicio
puedensepararse los servidores y tratarlos como sistemas independientes de un
servidor y una cola. Esto sera vlido slo si hubiera muy pocos intercambios entre
lascolas. Cuando el intercambio es sencillo y ocurre con frecuencia, como dentro
deun banco, la separacin no sera vlida.

5.2 CRITERIOS BAJO LA DISTRIBUCIN DE POISSON Y EXPONENCIAL

PARA LA SELECCIN DEL MODELO APROPIADO DE LNEAS DE
ESPERA.
A pesar de que la distribucin Normal puede utilizarse para resolver muchos problemas en
ingeniera y ciencias, existen an numerosas situaciones que requieren diferentes tipos de
funciones de densidad, tales como la exponencial y la gamma y algunas otras como la
weibull, etc., etc., de momento solo trataremos sobre el uso de la exponencial.
Resulta que la exponencial es un caso especial de la distribucin gamma,
ambas tienen un gran nmero de aplicaciones. Las distribuciones exponencial
y gamma juegan un papel importante tanto en teora de colas como en
problemas de confiabilidad. El tiempo entre las llegadas en las instalaciones de
servicio y el tiempo de falla de los componentes y sistemas elctricos,
frecuentemente involucran la distribucin exponencial. La relacin entre la
gamma y la exponencial permite que la distribucin gamma se utilice en tipos
similares de problemas.
La variable aleatoria x tiene una distribucin exponencial, con parmetro , si
su funcin de densidad es:
x

1
f(x) x

,x0

; f(x) = 0 en cualquier otro caso

donde 0
La media y la variancia de la distribucin exponencial son:

2 2

Relacin con el proceso de Poisson.

Las aplicaciones ms importantes de la distribucin exponencial son aquellas
situaciones en donde se aplica el proceso de Poisson , es necesario recordar
que un proceso de Poisson permite el uso de la distribucin de Poisson.
Recurdese tambin que la distribucin de Poisson se utiliza para calcular la
probabilidad de nmeros especficos de eventos durante un perodo o
espacio particular. En muchas aplicaciones, el perodo o la cantidad de espacio

es la variable aleatoria. Por ejemplo un ingeniero industrial puede interesarse

en el tiempo T entre llegadas en una interseccin congestionada durante la
hora de salida de trabajo en una gran ciudad. Una llegada representa el evento
de Poisson.
La relacin entre la distribucin exponencial (con frecuencia llamada
exponencial negativa) y el proceso llamado de Poisson es bastante simple. La
distribucin de Poisson se desarroll como una distribucin de un solo
parmetro , donde puede interpretarse como el nmero promedio de
eventos por unidad de tiempo . Considrese ahora la variable aleatoria
descrita por el tiempo que se requiere para que ocurra el primer evento.
Mediante la distribucin de Poisson, se encuentra que la probabilidad de que
no ocurran en el espacio hasta el tiempo t est dada por:
t ( t )0
p( 0 ,t )
t
0!
; 2.718
Ahora puede utilizarse lo anterior y hacer que X sea el tiempo para el primer
evento de Poisson. La probabilidad de que el perodo hasta que ocurre el
primer evento de Poisson exceda x es la misma que la probabilidad de que no
x
ocurra un evento de Poisson en x. Esto ltimo por supuesto est dado por .
Como resultado,
x
P(X x) =
Entonces, la funcin de distribucin acumulada para x es:
x
P(0 X x) = 1 -

Ahora, con objeto de que se reconozca la presencia de la distribucin

exponencial, puede derivarse la distribucin acumulada anterior para obtener la
funcin de densidad:
x
f(x) =

1
.
La cual es la funcin de densidad de la distribucin exponencial con
Ntese que la media de la distribucin exponencial es el parmetro , el
recproco del parmetro en la distribucin de Poisson. El lector debe recordar
que con frecuencia se dice que la distribucin de Poisson no tiene memoria, lo
cul implica que las ocurrencias en perodos de tiempo sucesivos son
independientes. Aqu el parmetro importante es el tiempo promedio entre

eventos. En teora de la confiabilidad, donde la falla de un equipo concuerda

con el proceso de Poisson, recibe el nombre de tiempo promedio entre

fallas. Muchas descomposturas de equipo siguen el proceso de Poisson, y

entonces la distribucin exponencial es aplicable.
En el siguiente ejemplo se muestra una aplicacin simple de la distribucin
exponencial en un problema de confiabilidad. La distribucin binomial tambin
juega un papel importante en la solucin.
Ejemplos:
1 Suponga que un sistema contiene cierto tipo de componente cuyo tiempo
de falla en aos est dado por la variable aleatoria T, distribuida
exponencialmente con tiempo promedio de falla 5 . S 5 de estos
componentes se instalan en diferentes sistemas, cul es la probabilidad
de que al menos 2 continen funcionando despus de 8 aos?
Solucin:
La probabilidad de que un determinado componente est funcionando an
despus de 8 aos es:

1
P( 8 ) 5 dt 5
58
t

0.2
la | nos indica que la integral se va

a evaluar desde 8 hasta

Sea x el nmero de componentes funcionando despus de 8 aos. Entonces
mediante la distribucin Binomial,
n=5
p = 0.20 = probabilidad de que un componente est funcionando despus de 8
aos
q = 1-p = 0.80 = probabilidad de que un componente no funcione despus de 8
aos
P(x 2 ) = p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 p(x = 0, 1)
1 5 C0 ( 0.2 )0 ( 0.8 )5 5 C1( 0.2 )1( 0.8 )4

1 0.7373 0.2627

2 El tiempo que transcurre antes de que una persona sea atendida en una
cafetera es una variable aleatoria que tiene una distribucin exponencial
con una media de 4 minutos. Cul es la probabilidad de que una persona
sea atendida antes de que transcurran 3 minutos en al menos 4 de los 6
das siguientes?
Solucin:

1 3 4t
P( T 3 ) dt 4
40

3
4

0.5276
la nos indica que la

integral va a ser evaluada de 0 a 3

x = nmero de das en que un cliente es atendido antes de que transcurran 3
minutos
x = 0, 1, 2,...,6 das
p = probabilidad de que un cliente sea atendido antes de que transcurran 3
minutos en un da cualquiera = 0.5276
q = probabilidad de que un cliente no sea atendido antes de que transcurran 3
minutos en un da cualquiera = 1- p = 0.4724
P( x 5o6 , N 6, p 0.5276 ) 6 C5 ( 0.5276 )5 ( 0.4724 )1 6 C6 ( 0.5276 )6 ( 0.4724 )0
= 0.11587 + 0.02157 = 0.13744
http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/03Distribucion
%20Exponencial.htm

5.3 APLICACIN DE MODELOS DE DECISION EN LNEAS DE ESPERA

La teora de colas requiere de un estudio matemtico del comportamiento de
lneas de espera. Estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio al "servidor", el cual tiene cierta capacidad de atencin.
Si el servidor no est disponible inmediatamente y el cliente decide esperar,
entonces se forma en la "lnea de espera".
El problema es determinar qu capacidad o tasa de servicio proporciona elbalance
correcto. Esto no es sencillo, ya que un cliente no llega a un horario fijo, es decir,
no se sabe con exactitud en qu momento llegarn los clientes. Tambin el tiempo
de servicio no tiene un horario fijo. Las llegadas se describen por su distribucin
estadstica. si las llegadas ocurren con una tasa promedio y que son
independientes una de otra, entonces ocurren de acuerdo con una distribucin de
probabilidades de tipo "poisson.
Una cola es una lnea de espera y la teora de colas es una coleccin de modelos
matemticos que describen sistemas de lneas de espera particulares o de
sistemas de colas. Los modelos sirven para encontrar un buen compromiso entre
costes del sistema y los tiempos promedio de la lnea de espera para un sistema
dado. Con frecuencia, las empresas deben tomar decisiones respecto al caudal de
servicios que debe estar preparada para ofrecer. Sin embargo, muchas veces es
imposible predecir con exactitud cundo llegarn los clientes que demandan el

servicio y/o cuanto tiempo ser necesario para dar ese servicio; es por eso que
esas decisiones implican dilemas que hay que resolver con informacin escasa.
La teora de colas requiere de un estudio matemtico del comportamiento de
lneas de espera. Estas se presentan cuando "clientes" llegan a un "lugar"
demandando un servicio al "servidor", el cual tiene cierta capacidad de atencin. si
el servidor no est disponible inmediatamente y el cliente decide esperar, entonces
se forma en la "lnea de espera".
Objetivos de la teora de colas; Dada la funcin de costes anterior, los objetivos de
la teora de colas consisten en:
Identificar el nivel ptimo de capacidad del sistema que minimiza el coste global
del mismo.
Evaluar el impacto que las posibles alternativas de modificacin de la capacidad
del sistema tendran en el coste total del mismo.
Establecer un balance equilibrado (ptimo) entre las consideraciones
cuantitativas de costes y las cualitativas de servicio.
Hay que prestar atencin al tiempo de permanencia en el sistema o en la cola: la
paciencia de los clientes depende del tipo de servicio especfico considerado y
eso puede hacer que un cliente abandone el sistema.
5.4 INFERENCIA DE RESULTADOS
Inferencia es la accin y efecto de inferir (deducir algo, sacar una consecuencia
deotra cosa, conducir a un resultado). La inferencia surge a partir de una
evaluacinmental entre distintas expresiones que, al ser relacionadas como
abstracciones,permiten trazar una implicacin lgica. Al partir dehiptesiso
argumentos, es posible inferir una conclusin (que puederesultar verdadera o
falsa). Por ejemplo:
Todava no recib la confirmacin oficialpor parte de la empresa, lo que te digo es
slo una inferencia ma,
Cada vez que juega la seleccin, Mariana falta al trabajo: mi inferencia es
que maana vamos aestar solos en la oficina, No podemos guiarnos por
inferencias, sino que tenemosque aguardar a que los sucesos se confirmen antes
de tomar una decisin
Elsilogismoes una forma esencial de inferencia. Se trata de una forma
derazonamiento deductivo que se forma por dos proposiciones (premisas) y
unaconclusin. Esta conclusin es la inferencia que necesariamente se deduce de
lasdos premisas.La veracidad de la conclusin depender de las leyes que
regulan la relacin entrelas premisas comparadas. La garanta de verdad del
nuevo juicio es lalgica,quedeber establecer distintas clasificaciones de las
premisas.No todas las inferencias ofrecen conclusiones verdaderas. Es posible
afirmar quetodos los perros son animales peludos de cuatro patas, pero no se
puede inferir que todos los animales peludos con cuatro patas son perros.

Las inferencias suelen generarse a partir de un anlisis de caractersticas y

probabilidades. Si alguien hace referencia a un animal de cuatro patas, peludo y
que mueve la cola, puedo inferir que lo ms probable es que est haciendo
referencia a un perro.