Escolar Documentos
Profissional Documentos
Cultura Documentos
INVESTIGACIÓN DE
OPERACIONES II
INGENIERÍA INDUSTRIAL
Investigación de Operaciones II
2
© Corporación Universitaria
Remington
Cuarta edición
2018
INVESTIGACIÓN DE OPERACIONES II
John Andersson Valencia Palacio
FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA
Editorial Uniremington
Medellín, Colombia
Derechos Reservados ©2011
Responsables
Jorge Mauricio Sepúlveda Castaño
Decano de la Facultad de Ciencias Básicas e Ingeniería
jsepulveda@uniremington.edu.co
Edición y Montaje
Vicerrectoría de Educación a Distancia y Virtual
Equipo de diseño gráfico
www.uniremington.edu.co
virtual@uniremington.edu.co
TABLA DE CONTENIDO
Pág.
4
2.4.2 TALLER DE ENTRENAMIENTO 45
4 PISTAS DE APRENDIZAJE 63
5 GLOSARIO 64
6 BIBLIOGRAFÍA 65
Investigación de Operaciones II
PROPÓSITO GENERAL
INVESTIGACIÓN
DE OPERACIONES II
INVESTIGACIÓN
DE OPERACIONES II
OBJETIVO GENERAL
Utilizar los modelos de investigación de operaciones para la formulación y
solución de problemas frecuentes en el sector productivo, financiero, académico
e investigativo; partiendo del uso de programación entera, teoría de colas y
cadenas de Markov.
OBJETIVOS ESPECÍFICOS
Formular modelos matemáticos partiendo de programación entera y
binaria que permita la solución de problemas cotidianos de asignación,
decisión y optimización de objetivos.
Programación
Teoría de colas Cadenas de markov
entera
Investigación de Operaciones II
7
1 UNIDAD 1. PROGRAMACIÓN ENTERA
1.1.1 RELACIÓN DE CONCEPTOS
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
8
Incorrecto: las variables binarias y las
4. Restricciones y variables
variables enteras conforman las
binarias
variables de decisión.
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
1. Número de hectáreas a
Incorrecto: las hectáreas a cultivar
cultivar con un determinado
pueden aceptar valores decimales
tipo de alimento
Pregunta: ¿En cuál de
los siguientes
2. Litros de Cerveza a Incorrecto: la variable de decisión
problemas de
elaborar mensualmente puede considerar valores continuos
producción se pueden
utilizar variables de
Incorrecto: Estos son los dos
decisión enteras? 3. Tiempo que se debe
conceptos principales asociados de
destinar a la elaboración de
manera directa a la idea de
una pieza
sostenibilidad
Investigación de Operaciones II
9
Correcto: Sólo se pueden considerar
4. Número de personas a
valores enteros en los resultados de
contratar el próximo mes
la variable de decisión
ELEMENTO CARACTERÍSTICA
10
El número de empleados a programar en un
determinado turno,
La cantidad de hectáreas destinadas a un determinado
tipo de cultivo, o bien
El número de vehículos asignados a una ruta de
distribución de mercancías.
1- La empresa Whitt Window tiene sólo tres empleados que hacen dos tipos de ventanas a
mano: con marco de madera y con marco de aluminio. La ganancia es de $180 por
cada ventana con marco de madera y de $90 por cada una con marco de
aluminio. Doug hace marcos de madera y puede terminar 6 al día. Linda hace 4 marcos
de aluminio por día. Bob forma y corta el vidrio y puede hacer 48 pies cuadrados de vidrio
por día. Cada ventana con marco de madera emplea 6 pies cuadrados de vidrio y cada una
de aluminio, 8 pies cuadrados. La compañía desea determinar cuántas ventanas de cada
tipo debe producir al día para maximizar la ganancia total. (Hillier, 2010).
Investigación de Operaciones II
11
Para cualquier problema de programación entera, es importante identificar
inicialmente cuál es la función objetivo, las variables de decisión y las
restricciones.
En este caso:
Sean
𝒙𝟏 ≤ 𝟔
Número de marcos de Aluminio por día:
𝒙𝟐 ≤ 𝟒
Investigación de Operaciones II
12
Disponibilidad de vidrio para las ventanas:
𝟔𝒙𝟏 + 𝟖𝒙𝟐 ≤ 𝟒𝟖
Note que en las primeras dos restricciones se considera la variable de decisión directa
debido a que cada ventana sólo posee un marco; mientras que, en la restricción tercera, se
relacionan pies cuadrados de vidrio, por lo que las variables de decisión definidas deben
estar acompañadas de un parámetro que indique el número de pies cuadrados que consume cada
tipo de ventana.
𝒙𝟏 , 𝒙𝟐 ≥ 𝟎 ; 𝒙𝟏 , 𝒙𝟐 ∈ 𝑬𝒏𝒕𝒆𝒓𝒐𝒔
2. Vincent Cardoza es el propietario y director de un taller de maquinado que trabaja sobre
pedido. El miércoles por la tarde recibió llamadas de dos clientes que necesitan órdenes urgentes.
Un transportista de autos compactos necesita barras estabilizadoras. Una compañía de
enganches para remolques requiere barras de remolque especiales para trabajo pesado. Ambos
clientes quieren la mayor cantidad posible para el fin de semana (dos días hábiles). Como los dos
productos usarán las mismas dos máquinas, Vincent debe decidir e informarles esta tarde cuántos
productos de cada uno fabricará en los dos días siguientes. Cada barra de remolque requiere 3.2
horas en la máquina 1 y 2 horas en la 2. Cada barra estabilizadora requiere 2.4 horas en la máquina
1 y 3 en la 2. La máquina 1 estará disponible 16 horas en los próximos dos días y la 2, 15 horas. La
ganancia de cada barra de remolque producida será de $130 y la de cada barra estabilizadora será
de $150. Vincent quiere determinar la mezcla de estas cantidades de producción que maximizará
su ganancia total. Formule un modelo de Programación Entera para este problema.
Modelo matemático
Variables de decisión:
Sean
Investigación de Operaciones II
13
𝑥1 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑏𝑎𝑟𝑟𝑎𝑠 𝑑𝑒 𝑟𝑒𝑚𝑜𝑙𝑞𝑢𝑒 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟
3.2𝑥1 + 2.4𝑥2 ≤ 16
Horas disponibles en la máquina 2:
2𝑥1 + 3𝑥2 ≤ 15
No negatividad y valores enteros
𝑥1 , 𝑥2 ≥ 0 ; 𝑥1 , 𝑥2 ∈ 𝐸𝑛𝑡𝑒𝑟𝑜𝑠
14
Restricciones: presupuesto de compra, número de pilotos disponibles
Modelo matemático
Variables de decisión:
Sean
Presupuesto:
𝑥1 + 𝑥2 + 𝑥3 ≤ 30
No negatividad y valores enteros
𝑥1 , 𝑥2 , 𝑥3 ≥ 0 ; 𝑥1 , 𝑥2 , 𝑥3 ∈ 𝐸𝑛𝑡𝑒𝑟𝑜𝑠
15
de metal y 2 unidades de componentes eléctricos. La compañía tiene 200 unidades de
partes de metal y 300 de componentes eléctricos. Cada unidad del producto 1 da una
ganancia de $1 y cada unidad del producto 2, hasta 60 unidades, da una ganancia de $2.
Cualquier exceso de 60 unidades del producto 2 no genera ganancia, por lo que fabricar
más de esa cantidad está fuera de consideración.
3) Weenies and Buns es una planta procesadora de alimentos que fabrica hot dogs y pan
para hot dogs. Muelen su propia harina a una tasa máxima de 200 libras por semana. Cada
pan requiere 0.1 libras. Tienen un contrato con Pigland, Inc., que especifica la entrega de
800 libras de productos de puerco cada lunes. Cada hot dog requiere 1/4 de libra de
producto de puerco. Se cuenta con suficiente cantidad del resto de los ingredientes de
ambos productos. Por último, la mano de obra consiste en 5 empleados de tiempo
Investigación de Operaciones II
16
completo (40 horas por semana). Cada hot dog requiere 3 minutos de trabajo y cada pan
2 minutos de este insumo. Cada hot dog proporciona una ganancia de $0.80 y cada pan
$0.30. Weenies and Buns desea saber cuántos hot dogs y cuántos panes debe producir
cada semana para lograr la ganancia más alta posible.
TIPS
Incorporar las restricciones de no negatividad y de valores enteros.
Defina claramente los tres elementos principales de los modelos de
programación entera: Función objetivo, variables de decisión y
restricciones.
En este tipo de situaciones, las únicas respuestas posibles son Si o no; para lo cual se hace
necesario la definición de variables de decisión binarias así:
– 𝑆𝑒𝑎 𝑥𝑗 = 1 𝑠𝑖 𝑙𝑎 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛 𝑒𝑠 𝑠𝑖
– 0 𝑠𝑖 𝑙𝑎 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛 𝑒𝑠 𝑛𝑜
Investigación de Operaciones II
17
1.3.1 EJEMPLO PROTOTIPO
Una joven pareja, Eve y Steven, quiere dividir las principales tareas del hogar (ir de compras,
cocinar, lavar platos y lavar ropa) entre los dos, de manera que cada uno tenga dos obligaciones
y el tiempo total para hacer estas tareas sea mínimo. La eficiencia en cada una de las tareas
difiere entre ellos; la siguiente tabla proporciona el tiempo que cada uno necesita para cada tarea:
Variables de decisión: Note que en este caso no se trata de definir cuántas tareas hace cada uno
sino cuáles tareas hace cada uno. En este caso se necesitas variables binarias que indiquen quién
ejecuta cuál tarea.
Restricciones: inicialmente se desea que cada uno realice exactamente dos actividades,
independiente de cual sea; y segundo, cada actividad sólo puede ser realizada por uno de los
dos (Esto es lo que se conoce como restricciones excluyentes).
Variables de decisión:
Donde:
𝑖 = 1 𝑒𝑠 𝐸𝑣𝑒; 𝑖 = 2 𝑒𝑠 𝑆𝑡𝑒𝑣𝑒𝑛
18
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟 𝑡𝑖𝑒𝑚𝑝𝑜: 4.5𝑥11 + 7.8𝑥12 + 3.6𝑥13 + 2.9𝑥14 + 4.9𝑥21 + 2.8𝑥22
+ 4.3𝑥23 + 3.1𝑥24
TIPS
Recuerde: las variables de decisión sólo pueden tomar valores de 0 y
1.
Restricciones:
Para compras:
𝑥11 + 𝑥21 = 1
Para Cocina:
𝑥12 + 𝑥22 = 1
Para Lavar platos:
𝑥13 + 𝑥23 = 1
Para lavar ropa:
𝑥13 + 𝑥23 = 1
Investigación de Operaciones II
19
1.3.2 TIPOS DE RESTRICCIONES
1.3.2.1 RESTRICCIONES EXCLUYENTES
Se refiere a las situaciones en las cuales la aceptación o ejecución de una actividad implica que
otra no se ejecute: En el ejemplo prototipo, las últimas restricciones son de este tipo pues si las
compras son realizadas por Eve, automáticamente no puede ser realizada por Steve.
1.3.2.2 RESTRICCIONES
CONDICIONANTES
Se refiere a aquellas situaciones en las cuales la ejecución de una actividad depende de la
realización de una actividad previa. Para el ejemplo prototipo, suponga que aquella persona que
realice las compras debe realizar la actividad de lavar los platos. Esta restricción se puede
representar así:
Para Steve:
𝒙𝟐𝟑 ≤ 𝒙𝟐𝟏
𝑥23 ≤ 𝑥21
VARIABLE CONDICIONADA VARIABLE CONDICIONANTE
En este caso, si Steve no hace las compras, tampoco tendrá que lavar los platos; pues el valor
de la derecha sería cero por lo que obligatoriamente el lado izquierdo también
tendría que serlo.
Ejemplo: Suponga que un ingeniero debe decidir en cuál de sus dos líneas de
producción programar la elaboración de determinada orden de trabajo. Para esto
cuenta con las líneas 1 y 2. En la línea 1 la producción de la orden tiene un valor
Investigación de Operaciones II
20
unitario de 10 dólares; mientras que en la línea 2 tiene un costo unitario de 15
dólares (Esto por utilizar una tecnología avanzada). Por otra parte, se sabe que, si
produce en la línea 1, se asume un costo fijo de 200 dólares, de igual manera si
activa la línea 2 de asumir un costo de 100 dólares. En este caso se quiere minimizar
el costo total de producción de la orden de trabajo.
Función objetivo: Minimizar los costos totales (Costo de producir y costo fijo)
Variables de decisión:
𝑥1 ≤ 𝑀𝑦1
Donde M es un número considerablemente grande. Esta restricción implica que el costo fijo se
asumirá siempre y cuando se produzca en la línea 1. Observe que, si X1 es cero, obligatoriamente
Y1 tendrá que ser cero.
𝑥2 ≤ 𝑀𝑦2
21
que generaría cada proyecto y la inversión que se requiere para emprenderlo, en millones de
dólares.
Los propietarios de la empresa, Dave Peterson y Ron Johnson, reunieron $20 millones de capital
de inversión para estos proyectos. Ellos quieren elegir la combinación de proyectos que maximice
la ganancia total estimada a largo plazo (valor presente neto) sin invertir más de $20 millones.
Formule un modelo de Programación Binaria para este problema.
Variables de decisión:
De presupuesto:
22
plazo (valor presente neto) que generarán, así como en la cantidad de capital que requiere cada
uno, como se muestra en la siguiente tabla (en millones de dólares):
Se dispone de $100 millones de dólares como capital total para estas inversiones. Las
oportunidades de inversión 1 y 2 son mutuamente excluyentes, lo mismo que 3 y 4. Más aún, la
oportunidad 3 no se puede aprovechar a menos que se invierta en la primera opción. No existen
restricciones de este tipo sobre las oportunidades de inversión 5 y 6. El objetivo es elegir la
combinación de inversiones de capital que maximice la ganancia estimada a largo plazo (valor
presente neto).
Modelo matemático:
Variables de decisión:
De presupuesto:
𝑦1 + 𝑦2 ≤ 1
Investigación de Operaciones II
23
𝑦3 + 𝑦4 ≤ 1
Condicionante:
𝑦3 ≤ 𝑦1
Defina las variables de decisión continuas x1, x2, x3 y x4 como los niveles de producción
de los productos 1, 2, 3 y 4. Por políticas de la empresa, la administración ha impuesto las
siguientes restricciones sobre estas variables: 1. Como máximo, sólo deben fabricarse dos
de estos productos. 2. El productos 3 se puede producir sólo si se fabrica el producto 2.
2) Una universidad está programando las clases para el próximo semestre académico y
requiere buscar la mejor asignación posible de profesores a los distintos cursos que se
deben dictar. Considere que existen 5 profesores: A, B, C, D, E y 5 cursos (asignaturas):
C1, C2, C3, C4, C5. Adicionalmente, los profesores han manifestado sus preferencias
por dictar los distintos cursos en una escala de 1 a 10, donde 10 es la máxima
puntuación y 1 la mínima puntuación o preferencia. Se asume que cada profesor es
Investigación de Operaciones II
24
apto para dictar cualquier curso, independiente del puntaje de su preferencia. La
siguiente tabla resume las puntuaciones que asigna cada profesor a cada curso:
PROFESORES
CURSOS A B C D E
C1 5 8 5 9 7
C2 7 2 3 6 8
C3 9 10 8 9 8
C4 8 7 9 7 8
C5 6 9 9 10 5
Se ha establecido como criterio que cada profesor debe dictar sólo un curso y a la vez que
cada curso obviamente debe tener un profesor. En base a lo anterior se desea encontrar
la asignación de profesores que maximice el total de las preferencias.
El entrenador quiere determinar cómo asignar cuatro nadadores a los cuatro estilos de
nado para minimizar la suma de los mejores tiempos correspondientes. Formule este
problema con programación binaria.
Investigación de Operaciones II
25
TIPS
Recuerde: la programación binaria se utiliza para responder preguntas
de Cuál o Cuáles; para problemas de asignación y decisiones cuya
respuesta sea Si o no
Investigación de Operaciones II
26
2 UNIDAD 2. TEORÍA DE COLAS
2.1.1 RELACIÓN DE CONCEPTOS
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
27
4. número de cabinas de Incorrecto: Se denominan
atención en un banco mecanismos de servicio
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
28
Correcto: El equilibrio entre estos
4. El costo de servir y el
dos costos permite seleccionar
costo de esperar
un sistema de colas eficiente
Construir modelos de colas a partir del cálculo de las principales medidas de desempeño
29
2.2.2 MODELOS DE COLAS
Los modelos de líneas de espera son muy útiles a la hora de definir la capacidad de atención que
debería tener el sistema productivo; pues:
30
2.2.4 COLA
Es el espacio físico donde los clientes esperan a ser atendidos; esta puede ser de tamaño finito
(en función de la disponibilidad de espacio o celdas de espera) o de tamaño infinito incluso
cuando se sabe que existe una cota superior, pero en un valor numérico lo suficientemente
elevado.
31
2.2.6 EJERCICIO DE APRENDIZAJE
En cada una de las siguientes situaciones, identifique al cliente, al servidor, fuente de entrada,
disciplina de la cola:
Para a)
Cliente: Aviones
Servidor: Pistas en el aeropuerto
Para b)
Cliente: pasajeros
Servidor: taxis
Fuente de entrada: Infinita
Para c)
Cliente: herramientas
32
Disciplina de la cola: Aleatoria
Operación de un estacionamiento.
Pago de un peaje
2) ¿Cierto o falso?
Si se anticipa un largo tiempo de espera, un cliente que llega puede desistir de hacer
cola.
Cambiarse de una cola a otra tiene por objeto reducir el tiempo de espera.
TIPS
Recuerde: un sistema de colas está definido por una fuente de entrada,
unos clientes, una cola y su respectiva disciplina, un mecanismo de
servicio y un conjunto de servidores.
Investigación de Operaciones II
33
2.3 TEMA 2 MODELOS DE COLAS
Los modelos que se trabajan en este módulo consideran que los tiempos de llegada al sistema y
los tiempos de atención de los servidores son independientes e idénticamente distribuidos, es
decir, que no se modifican en función del número de individuos que se encuentren en el sistema.
Por convención, los modelos de colas se etiquetan de la siguiente manera:
Donde:
M= Distribución exponencial
D= Distribución degenerada
G= Distribución general
34
𝒔 = 𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒔𝒆𝒓𝒗𝒊𝒅𝒐𝒓𝒆𝒔 𝒆𝒏 𝒑𝒂𝒓𝒂𝒍𝒆𝒍𝒐
𝝁 = 𝒕𝒂𝒔𝒂 𝒎𝒆𝒅𝒊𝒂 𝒅𝒆 𝒔𝒆𝒓𝒗𝒊𝒄𝒊𝒐 𝒆𝒏 𝒕𝒐𝒅𝒐 𝒆𝒍 𝒔𝒊𝒔𝒕𝒆𝒎𝒂 (𝒏ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒔𝒆𝒓𝒗𝒊𝒄𝒊𝒐𝒔 𝒑𝒐𝒓 𝒖𝒏𝒊𝒅𝒂𝒅 𝒅𝒆 𝒕𝒊𝒆𝒎𝒑𝒐)
𝜆
𝑃0 = 1 −
𝜇
𝜆 𝜆 𝑛
𝑃𝑛 = (1 − ) ( )
𝜇 𝜇
Investigación de Operaciones II
35
𝜆
𝐿=
𝜇−𝜆
𝜆2
𝐿𝑞 =
𝜇(𝜇 − 𝜆)
1
𝑊=
𝜇−𝜆
𝜆
𝑊𝑞 =
𝜇(𝜇 − 𝜆)
EJEMPLO
Un restaurante de comida rápida tiene una ventanilla para servicio en su auto. Los autos llegan
según una distribución de Poisson a razón de dos cada 5 minutos. El espacio en frente de la
ventanilla puede acomodar a lo sumo 10 autos, incluso el que se está atendiendo. Los demás
autos pueden esperar afuera de este espacio si es necesario. El tiempo de servicio por cliente
es exponencial, con una media de 1.5 minutos. Determine lo siguiente: (a) La probabilidad de
que la ventanilla esté ociosa. (b) La cantidad estimada de clientes que esperan ser atendidos.
(c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido. (d) La
probabilidad de que la línea de espera exceda la capacidad de 10 espacios
Servidores: 1
Así entonces:
2 𝑎𝑢𝑡𝑜𝑠 𝑎𝑢𝑡𝑜𝑠
𝜆= = 0,4
5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑚𝑖𝑛𝑢𝑡𝑜
1 𝑎𝑢𝑡𝑜 𝑎𝑢𝑡𝑜𝑠
𝜇= = 0,66
1.5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑚𝑖𝑛𝑢𝑡𝑜
Investigación de Operaciones II
36
(a) La probabilidad de que la ventanilla esté ociosa
0,4
𝑃0 = 1 − = 0,394
0,66
0.42
𝐿𝑞 = = 0,93 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑒𝑠𝑝𝑒𝑟𝑎
0.66(0.66 − 0.4)
(c) El tiempo de espera hasta que un cliente llega a la ventanilla para hacer su pedido
0.4
𝑊𝑞 = = 2.33 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
0.66(0.66 − 0.4)
0.4 0.4 11
𝑃11 = (1 − )( ) = 0,0015
0.66 0.66
Existe una probabilidad del 0,15% de que la línea de espera exceda la capacidad de 10 espacios.
Las ecuaciones utilizadas paras las medidas de desempeño son las siguientes:
𝜆
𝛽=
𝜇
1−𝛽
𝑃0 =
1 − 𝛽 𝑘+1
Investigación de Operaciones II
37
1−𝛽
𝑃𝑛 = ∗ 𝛽𝑛
1 − 𝛽 𝑘+1
𝛽 (𝑘 + 1) ∗ 𝛽 𝑘+1
𝐿= −
1−𝛽 1 − 𝛽 𝑘+1
𝐿𝑞 = 𝐿 − (1 − 𝑃𝑜)
𝐿
𝑊=
𝜆(1 − 𝑃𝑘 )
𝐿𝑞
𝑊𝑞 =
𝜆(1 − 𝑃𝑘 )
2.3.2.2.1 EJEMPLO
En la tienda de Eat & Gas funciona una estación de gasolina de una bomba. El carril que conduce
a la bomba puede alojar cuando mucho 3 autos (automóviles), excluyendo al que se le está
dando atención. Los autos que llegan se van a otra parte si el carril está lleno. La distribución de
los autos que llegan es de Poisson con media de 5 por hora. El tiempo para llenar el tanque y
pagar es exponencial con media de 6 minutos. Determine lo siguiente: (a) El porcentaje de autos
que buscarán servicio en otra parte. (b) El porcentaje de tiempo que la bomba está en uso. (c) La
probabilidad de que un auto que llega no inicie el servicio de inmediato pero que encuentre un
espacio vacío en el carril
Servidores: 1
Así entonces:
𝟓 𝒂𝒖𝒕𝒐𝒔
𝝀=
𝒉𝒐𝒓𝒂
Investigación de Operaciones II
38
𝟏 𝒂𝒖𝒕𝒐 𝟔𝟎 𝒎𝒊𝒏𝒖𝒕𝒐𝒔 𝒂𝒖𝒕𝒐𝒔
𝝁= ∗ = 𝟏𝟎
𝟔 𝒎𝒊𝒏𝒖𝒕𝒐𝒔 𝟏 𝒉𝒐𝒓𝒂 𝒉𝒐𝒓𝒂
𝟓
𝜷= = 𝟎, 𝟓
𝟏𝟎
𝟏 − 𝟎, 𝟓
𝑷𝟎 = = 𝟎, 𝟓𝟏𝟔𝟓
𝟏 − 𝟎, 𝟓𝟒+𝟏
Así entonces, el porcentaje de tiempo que la bomba estará en uso será del 48,35%
𝟏 − 𝟎, 𝟓
𝑷𝟒 = 𝟒+𝟏
∗ 𝟎, 𝟓𝟒 = 𝟎, 𝟎𝟑𝟐
𝟏 − 𝟎, 𝟓
El 3,2% de los autos deberán buscar servicio en otra bomba de gasolina
Ahora, para calcular la probabilidad de que un automóvil no sea atendido de inmediato pero que
encuentre celda disponible se hace lo siguiente:
Para un modelo con tasa de llegadas Poisson y tiempos de servicio exponencial con
múltiples servidores, se debe garantizar que:
𝜆
𝑃= <1
𝑠𝜇
De tal manera que el sistema de colas pueda alcanzar una condición de estado estable y se
puedan utilizar las siguientes ecuaciones:
𝟏
𝑷𝟎 =
𝒌−𝟏 𝜷𝒏 𝜷𝒔 𝜷 −𝟏
∑𝒏=𝟎 + ∗ −
𝒏! 𝒔! (𝟏 𝒔 )
𝝀
𝜷=
𝝁
Investigación de Operaciones II
39
𝟏
𝑷𝒏 = ∗ 𝜷𝒏 ∗ 𝑷𝟎 𝐬𝐢 𝐧 > 𝐬
𝒔!∗𝒔𝒏−𝒔
𝜷𝒏
𝑷𝒏 = ∗ 𝑷𝟎 𝒔𝒊 𝒏 ≤ 𝒔
𝒏!
𝝀𝝁𝜷𝒔 𝝀
𝑳= ∗ 𝑷𝟎 +
(𝒔 − 𝟏)! (𝒔𝝁 − 𝝀)𝟐 𝝁
𝝀𝝁𝜷𝒔
𝑳𝒒 = ∗ 𝑷𝟎
(𝒔 − 𝟏)! (𝒔𝝁 − 𝝀)𝟐
𝝁𝜷𝒔
𝑾𝒒 = ∗ 𝑷𝟎
(𝒔 − 𝟏)! (𝒔𝝁 − 𝝀)𝟐
𝝁𝜷𝒔 𝟏
𝑾= ∗ 𝑷𝟎 +
(𝒔 − 𝟏)! (𝒔𝝁 − 𝝀)𝟐 𝝁
Servidores: 2
Así entonces:
1 𝑎𝑢𝑡𝑜𝑠 𝑎𝑢𝑡𝑜𝑠
𝜆= = 0,33
3 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑚𝑖𝑛𝑢𝑡𝑜
Investigación de Operaciones II
40
1 𝑎𝑢𝑡𝑜 𝑎𝑢𝑡𝑜𝑠
𝜇= = 0,2
5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑚𝑖𝑛𝑢𝑡𝑜
RECUERDE QUE SE DEBE GARANTIZAR QUE:
𝜆
𝑃= <1
𝑠𝜇
En este caso:
0,33
𝑃= <1
2(0.2)
Como todas las medidas de desempeño dependen de calcular Po, esta debe ser el primer cálculo
que se debe realizar y de esta manera se da respuesta directa a la pregunta del literal b:
𝜆 0,33
𝛽= = = 1,65
𝜇 0,2
1
𝑃0 =
𝛽𝑛 𝛽 𝑠 𝛽 −1
∑𝑘−1 + ∗ (1 −
𝑛=0 𝑛! 𝑠! 𝑠)
1 1
𝑃0 = −1 = = 0,09
1,650 1,651 1,652 1,65 1 + 1,65 + 1,361 ∗ 5.714
0! + 1! + 2! ∗ (1 − 2 )
Así, la probabilidad de que las dos ventanillas se encuentren ociosas es del 9%
Para que un cliente tenga que esperar, debe haber por lo menos dos clientes en el sistema, es
decir que se debe calcular la siguiente probabilidad:
𝑃(𝑛 ≥ 2) = 1 − (𝑃0 + 𝑃1 )
Calculemos P1 y P2:
1,651
𝑃1 = ∗ 0,09 = 0,074
2!
Luego:
Investigación de Operaciones II
41
𝑃(𝑛 > 2) = 1 − (0,09 + 0,074) = 0,164
Así, existe una probabilidad del 16,4 % de tener que esperar al llegar al sistema.
𝜆𝜇𝛽 𝑠
𝐿𝑞 = ∗𝑃
(𝑠 − 1)! (𝑠𝜇 − 𝜆)2 0
(0,33)(0,2)(1,65)2
𝐿𝑞 = ∗ 0,09 = 0,0049 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑒𝑛 𝑓𝑖𝑙𝑎 𝑒𝑛 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
(2 − 1)! (2(0,2) − 0,33)2
2) El restaurante de comida rápida McBurger opera con 3 cajas. Los clientes llegan, de
acuerdo con una distribución de Poisson, cada 3 minutos y forman una línea para ser
atendidos por la primera caja disponible. El tiempo para completar un pedido está
distribuido exponencialmente con una media de 5 minutos. La sala de espera en el interior
del restaurante está limitada. Sin embargo, la comida es buena, y los clientes están
dispuestos a esperar afuera del restaurante, si es necesario. Determine a) la probabilidad
de encontrar las cajas ocupadas. b) la probabilidad de que las cajas se encuentren ociosas
y c) el número promedio de clientes en el sistema.
3) Los clientes llegan al Thrift Bank según una distribución de Poisson, con una media de 45
clientes por hora. Las transacciones por cliente tardan alrededor de 5 minutos y están
distribuidas exponencialmente. El banco desea utilizar una sola línea y varias cajas, similar
a las que se utilizan en aeropuertos y algunas dependencias. El gerente es consciente de
Investigación de Operaciones II
42
que los clientes pueden irse a otros bancos si perciben que su espera en la línea es
“excesiva”. Por esta razón, el gerente desea limitar el tiempo de espera en la cola a no
más de 30 segundos. ¿Cuántas cajas debe poner en servicio el banco?
4) La compañía 4M tiene un torno como pieza central del trabajo de la planta. Los trabajos
llegan según un proceso Poisson con tasa media de 2 por día. El tiempo de procesado de
cada trabajo tiene distribución exponencial con media de 1/4 día. Calcule todas las
medidas de desempeño vistas en la sección 3.3.2
TIPS
43
Disciplina de la fila para mejorar su desempeño, entre otras.
Para la toma de estas decisiones, se deben considerar dos aspectos fundamentales: el costo
asociado con el servicio y el costo que genera la espera de los clientes en el sistema. Es claro que
hay una relación inversa entre estos dos costos, pues
44
En lo que se refiere a la decisión de cuántos servidores utilizar para minimizar el costo total
esperado de gestión del sistema, se puede utilizar la siguiente ecuación:
𝑀𝑖𝑛 𝐸(𝐶𝑇) = 𝐶𝑠 ∗ 𝑆 + 𝐶𝑤 ∗ 𝐿
Donde:
Así entonces, se trata de buscar el número de servidores que minimice dicha ecuación;
por lo tanto, el procedimiento consiste en calcular el valor de L para s= 1, 2, 3…n de tal manera
que se minimice el costo o bien para comparar entre una serie de modelos de colas con diferente
número de servidores, cuál de ellos es más eficiente desde el punto de vista de los costos.
Para el mecánico 1
$𝟏𝟓
𝑪𝒔 =
𝒉𝒐𝒓𝒂
$𝟓𝟎
𝑪𝒘 =
𝒉𝒐𝒓𝒂
𝟓 𝒎á𝒒𝒖𝒊𝒏𝒂𝒔
𝝁=
𝒉𝒐𝒓𝒂
Investigación de Operaciones II
45
𝟑 𝒎á𝒒𝒖𝒊𝒏𝒂𝒔
𝝀=
𝒉𝒐𝒓𝒂
Ahora calculamos L así:
𝟑
𝑳= = 𝟏. 𝟓 𝒎á𝒒𝒖𝒊𝒏𝒂𝒔 𝒆𝒏 𝒆𝒍 𝒔𝒊𝒔𝒕𝒆𝒎𝒂
𝟓−𝟑
𝟗𝟎
𝑬(𝑪𝑻) = 𝟏𝟓 ∗ 𝟏 + 𝟓𝟎 ∗ 𝟏. 𝟓 = $
𝒉𝒐𝒓𝒂
Para el mecánico 2
$𝟐𝟎
𝑪𝒔 =
𝒉𝒐𝒓𝒂
$𝟓𝟎
𝑪𝒘 =
𝒉𝒐𝒓𝒂
𝟖 𝒎á𝒒𝒖𝒊𝒏𝒂𝒔
𝝁=
𝒉𝒐𝒓𝒂
𝟑 𝒎á𝒒𝒖𝒊𝒏𝒂𝒔
𝝀=
𝒉𝒐𝒓𝒂
Ahora calculamos L así:
𝟑
𝑳= = 𝟎, 𝟔 𝒎á𝒒𝒖𝒊𝒏𝒂𝒔 𝒆𝒏 𝒆𝒍 𝒔𝒊𝒔𝒕𝒆𝒎𝒂
𝟖−𝟑
50
𝐸(𝐶𝑇) = 20 ∗ 1 + 50 ∗ 0.6 = $
ℎ𝑜𝑟𝑎
De acuerdo con esta información, es pertinente contratar al segundo mecánico pues su costo
esperado por hora es menor comparado con el mecánico 1.
46
a dos lectores: El lector A puede procesar 10 artículos por minuto, y el lector B puede leer
15 artículos por minuto. El costo diario de operación (10 horas) y mantenimiento de los
lectores es de $25 y $35 para los modelos A y B respectivamente. Los clientes que
terminan sus compras llegan a la caja de acuerdo con una distribución de Poisson a razón
de 10 clientes por hora. Cada carrito lleva entre 25 y 35 artículos, distribuidos de manera
uniforme. El señor Bih estima que el costo promedio por cliente que espera por minuto es
aproximadamente de 20 centavos. ¿Cuál lector debe adquirir B&K?
2) La compañía Garret-Tompkins tiene tres copiadoras para uso de sus empleados. Sin
embargo, debido a quejas recientes de la cantidad de tiempo que pierden en espera de
que se desocupe una copiadora, la gerencia planea agregar una o más. Durante las 2 000
horas de trabajo al año, los empleados llegan al área de copiado según un proceso de
Poisson con tasa media de 40 por hora. Se cree que el tiempo que cada empleado necesita
una copiadora tiene distribución exponencial con media de 4 minutos. El costo promedio
de la productividad perdida debida al tiempo que pasa un empleado en el área de copiado
se estima en $40 por hora. La renta de cada copiadora es de $4 000 por año. Determine
cuántas copiadoras debe tener la compañía para minimizar su costo total esperado por
hora.
47
TIPS
Recuerde: Recuerda identificar el tipo de modelo de colas al que se
refiere el problema, número de servidores y costos asociados.
No olvides convertir todos los valores en las mismas unidades de
medida.
Investigación de Operaciones II
48
3 UNIDAD 3. CADENAS DE MARKOV
3.1.1 RELACIÓN DE CONCEPTOS
Investigación de Operaciones II
49
3.1.2 PRUEBA INICIAL
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
Explicación de la opción de
Pregunta 4 Opciones de respuesta
respuesta
50
Incorrecto: Estados que son
4. Recurrente visitados con una frecuencia alta
en el futuro
Explicación de la opción de
Pregunta 2. Opciones de respuesta
respuesta
51
Las probabilidades que describen la forma como el proceso evolucionará en el
futuro sólo depende de su estado actual, es decir, no considera los eventos
pasados para pronosticar el estado futuro del evento que se esté midiendo.
Como ejemplo podría considerarse el proceso en el cual se quiere determinar cuál será el estado
del clima el día de mañana; si este proceso se puede describir como una cadena de Markov, la
probabilidad de que mañana llueva o haga sol sólo depende de la condición actual, sin importar
lo que haya pasado en los días anteriores.
Por otra parte, como 𝑷𝒏𝒊𝒋 son probabilidades condicionales, deben ser valores no negativos y
adicionalmente deben satisfacer las siguientes propiedades:
Donde M es el número de posibles estados en los que se puede encontrar la variable aleatoria
X. En síntesis, se debe garantizar que las probabilidades de transición sean un número entre
Investigación de Operaciones II
52
cero y uno y que la sumatoria de las probabilidades mutuamente excluyentes partiendo de un
estado determinado, sume 1 (Lo que se conoce en estadística como probabilidad total).
3.2.2.1 EJEMPLO
Un profesor de ingeniería adquiere una computadora nueva cada dos años. El profesor puede
elegir de entre tres modelos: Ml, M2 y M3. Si el modelo actual es Ml, la siguiente computadora
puede ser M2 con probabilidad 0.2, o M3 con probabilidad 0.15. Si el modelo actual es M2, las
probabilidades de cambiar a Ml y M3 son 0.6 y 0.25, respectivamente. Pero si el modelo actual es
M3, entonces las probabilidades de comprar los modelos Ml y M2 son 0.5 y 0.1, respectivamente.
Represente la situación como una cadena de Markov. (Taha, 2004).
Estados: Son los posibles valores que puede tomar la variable aleatoria. En este
caso los modelos M1, M2, M3
Investigación de Operaciones II
53
Matriz de transición
M1 M2 M3
Note que los valores en Negrita no fueron suministrados en el problema, sin embargo, si
consideramos que la suma de las probabilidades de cada fila debe dar exactamente 1, es fácil
de calcular dichos valores.
𝑃(𝑛) = 𝑃𝑛
Quiere decir que, si se requiere la matriz de transición de 2 pasos, conociendo la matriz de un solo
paso simplemente se calcula lo siguiente:
𝑃(2) = 𝑃2 = 𝑃 ∗ 𝑃
Para el ejemplo del modelo de computadora, si se desea conocer la matriz de transición de dos
pasos (que en este caso sería el comportamiento cuatro años después) se calcularía así:
54
0.617 0.175 0.208
𝐴2 = [0.605 0.167 0.228]
0.585 0.135 0.28
55
10%, respectivamente. De aquellos que están en el grupo de diálisis, 10% mueren, y de
los que sobreviven más de un año después de un trasplante, 5% mueren y 5% regresan a
la diálisis. Represente la situación como una cadena de Markov y calcule la matriz de
transición de 2 años.
2) Una computadora se inspecciona cada hora. Se encuentra que está trabajando o que está
descompuesta. En el primer caso, la probabilidad de que siga así la siguiente hora es de
0.95. Si está descompuesta, se repara, lo que puede llevar más de una hora. Siempre que
la computadora esté descompuesta (sin importar cuánto tiempo pase), la probabilidad de
que siga descompuesta una hora más es de 0. 5. a) Construya la matriz de transición de
un paso de esta cadena de Markov.
3) Un fabricante tiene una máquina que cuando empieza a operar al inicio del día tiene una
probabilidad de 0.1 de descomponerse en algún momento de ese día. Cuando esto ocurre,
la reparación se hace al siguiente día y se termina al finalizar ese día. a) Formule la
evolución del estado de la máquina como una cadena de Markov; identifique los tres
estados posibles al final del día y después construya la matriz de transición (de un paso).
En términos matemáticos:
𝜋𝑗 = ∑ 𝜋𝑖 𝑃𝑖𝑗 𝑃𝑎𝑟𝑎 𝑗 = 0, 1 … 𝑀
𝑖=0
Investigación de Operaciones II
56
𝑀
∑ 𝜋𝑗 = 1
𝑗=0
Al presentar las condiciones anteriores, se generar M+1 ecuaciones lineales con M incógnitas, por
lo que una de las ecuaciones se vuelve irrelevante y se puede eliminar del sistema de
ecuaciones.
𝝅𝟏 = 𝟎. 𝟑𝟑 𝝅𝟐 = 𝟎. 𝟑𝟑 𝝅𝟑 = 𝟎. 𝟑𝟑
Esto quiere decir que, en largo plazo, la probabilidad de comprar cualquiera de los modelos es
exactamente la misma. Es importante citar que este resultado es coincidencial, no
necesariamente los valores deben ser iguales.
1
𝜇𝑗𝑗 = 𝑝𝑎𝑟𝑎 𝑗 = 1, 2 … 𝑛
𝜋𝑗
Investigación de Operaciones II
57
Para el caso del ejemplo prototipo:
1
𝜇11 = = 3 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠
0,33
1
𝜇22 = = 3 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠
0,33
1
𝜇33 = = 3 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠
0,33
Quiere decir, que después de haber adquirido un modelo tipo 1, se espera que, en tres periodos
de dos años, es decir en 6 años, vuelva a elegir un computador de ese modelo. El análisis es igual
para los demás modelos.
Donde:
𝐼 = 𝑒𝑠 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑖𝑑𝑒𝑛𝑡𝑖𝑑𝑎𝑑
𝟎. 𝟔𝟓 𝟎. 𝟐 𝟎. 𝟏𝟓
𝐴 = [ 𝟎. 𝟔 𝟎. 𝟏𝟓 𝟎. 𝟐𝟓]
𝟎. 𝟓 𝟎. 𝟏 𝟎. 𝟒
Investigación de Operaciones II
58
𝟏 𝟎
𝑰=
𝟎 𝟏
𝟎. 𝟔𝟓 𝟎. 𝟏𝟓
𝑵𝟐 = [ ]
𝟎. 𝟓 𝟎. 𝟒
𝟏
𝟏=[ ]
𝟏
−𝟏 𝟎. 𝟑𝟓 −𝟎. 𝟏𝟓 −𝟏 𝟒. 𝟒 𝟏. 𝟏
(𝑰 − 𝑵𝒋 ) =[ ] =[ ]
−𝟎. 𝟓 𝟎. 𝟔 𝟑. 𝟕 𝟐. 𝟔
De modo que:
𝝁𝟏𝟐 𝟒. 𝟒 𝟏. 𝟏 𝟏 𝟓. 𝟓
[𝝁 ] = [ ]∗[ ]=[ ]
𝟑𝟐 𝟑. 𝟕 𝟐. 𝟔 𝟏 𝟔. 𝟑
Quiere decir que se esperan 5.5 periodos de tiempo para que compre un modelo tipo 2 de
computadora, luego de haber adquirido un modelo tipo 1, y 6.3 periodos de tiempo después de
haber adquirido un modelo tipo 3.
59
Identificar los estados absorbentes y los estados recurrentes.
f_ik=(I-N)^(-1) A
3.3.3.1 EJEMPLO
Suponga la siguiente matriz de transición de un solo paso:
1 0 0 0
0.6 0.10 0.25 0.05
𝑃=[ ]
0.5 0.1 0.2 0.2
0 0 0 1
Apliquemos los pasos descritos previamente:
60
0.25 0.10 0.6 0.05
0.2 0.1 0.5 0.2
𝑃=[ ]
0 0 1 0
0 0 0 1
Paso 3.
0.25 0.1
𝑁=[ ]
0.2 0.1
Paso 4.
0.6 0.05
𝐴=[ ]
0.5 0.2
Paso 5.
−1
−1 1 0 0.25 0.1 0.6 0.05
𝑓𝑖𝑘 = (𝐼 − 𝑁) 𝐴 = [[ ]−[ ]] ∗[ ]
0 1 0.2 0.1 0.5 0.2
−1
−1 0.75 −0.1 0.6 0.05
𝑓𝑖𝑘 = (𝐼 − 𝑁) 𝐴 = [[ ]] ∗[ ]
−0.2 0.9 0.5 0.2
0.897 0.103
(𝐼 − 𝑁)−1 𝐴 = [1.37 0.15] ∗ [0.6 0.05] = [ ]
0.3 1.14 0.5 0.2 0.75 0.25
En el resultado final, las filas corresponden a los estados recurrentes en el mismo orden de la
matriz original, y las columnas pertenecen a los estados absorbentes de la cadena de Markov. En
este caso el 89.7 % de las veces, al iniciar en el primer estado recurrente terminará absorbido en
el estado absorbente 1, mientras que, si se inicia en el estado recurrente 2, el 25% de las veces
terminada en el estado absorbente 2.
61
problema como una cadena de Markov. (b) Determine la probabilidad de terminar el juego
con $6. De perder los $3
2) A Joe le encanta salir a comer a los restaurantes del área. Sus comidas favoritas son la
mexicana, la italiana, la china y la tailandesa. En promedio, Joe paga $10,00 por una
comida mexicana, $15.00 por una comida italiana, $9.00 por una comida china, y $11.00
por una comida tailandesa. Los hábitos alimenticios de Joe son predecibles: Hay 70% de
probabilidad de que la comida de hoy sea una repetición de la de ayer y probabilidades
iguales de que cambie a una de los tres restantes. (a) ¿Cuánto paga Joe en promedio por
su comida diaria? (b) ¿Con qué frecuencia consume Joe comida mexicana?
3) Warehouzer posee un bosque renovable para plantar pinos. Los árboles caen dentro de
una de cuatro categorías según su edad: bebés (0-5 años); jóvenes (5-10 años); maduros
(11-15 años), y viejos (más de 15 años). Diez por ciento de los árboles bebés y jóvenes se
muere antes de llegar al siguiente grupo de edad. Por lo que se refiere a los árboles
maduros y viejos, 50% se talan y sólo 5% se mueren. Debido a la naturaleza de renovación
de la operación, todos los árboles talados y muertos son reemplazados con árboles nuevos
(bebés) al final del siguiente ciclo de cinco años. (a) Exprese la dinámica del bosque como
una cadena de Markov. (b) Si el bosque puede contener un total de 500,000 árboles,
determine la composición a largo plazo del bosque.
4) Una agencia de renta de automóviles tiene oficinas en Phoenix, Denver, Chicago y Atlanta.
La agencia permite rentas en una y en dos direcciones de modo que los automó- viles
rentados en un lugar pueden terminar en otro. Las estadísticas muestran que al final de
cada semana 70% de todas las rentas son en dos direcciones. En cuanto a las rentas en
una dirección: Desde Phoenix, 20% van a Denver, 60% a Chicago, y el resto va a Atlanta;
desde Denver, 40% va a Atlanta y 60% a Chicago; de Chicago, 50% va a Atlanta y el resto
a Denver; y desde Atlanta, 80% va a Chicago, 10% a Denver, y 10% a Phoenix. (a) Exprese
la situación como una cadena de Markov. (b) Si cada lugar está diseñado para manejar un
máximo de 110 autos, ¿habría a la larga un problema de disponibilidad de espacio en
cualquiera de los lugares? (c) Determine el promedio de semanas que transcurren antes
de que un auto regrese a su lugar de origen.
Investigación de Operaciones II
62
3.4.1 TALLER DE ENTRENAMIENTO
1) 5. Los clientes pueden ser leales a marcas de productos, pero pueden ser persuadidos
mediante publicidad y mercadotecnia inteligentes para que cambien de marcas.
Considere el caso de tres marcas: A, B y C. Los clientes que se “mantienen” leales a una
marca dada se estiman en 75%, con un margen de sólo 25% para que sus competidores
hagan un cambio. Los competidores lanzan sus campañas publicitarias una vez al año. Para
los clientes de la marca A, las probabilidades de que cambien a las marcas B y C son de .1
y .15, respectivamente. Los clientes de la marca B son propensos a cambiar a las marcas
A y C, con las siguientes probabilidades: .2 y .05 respectivamente. Los clientes de la marca
C pueden cambiar a las marcas A y B con probabilidades iguales. (a) Exprese la situación
como una cadena de Markov. (b) A largo plazo, ¿qué tanto segmento del mercado
dominará cada marca? (c) ¿Cuánto tiempo en promedio le llevará a un cliente de la marca
A cambiar a la marca B?
TIPS
Recuerde: identificar los estados de la cadena de Markov y la dinámica
de las transiciones
No olvides las leyes de probabilidad a la hora de realizar los cálculos de
las matrices de transición.
Un estado absorbente es aquel cuyo valor en la diagonal principal de la
matriz es equivalente a 1.
Investigación de Operaciones II
63 4 PISTAS DE APRENDIZAJE
Defina claramente los tres elementos principales de los modelos de programación entera:
Función objetivo, variables de decisión y restricciones.
Recuerde: la programación binaria se utiliza para responder preguntas de Cuál o Cuáles; para
problemas de asignación y decisiones cuya respuesta sea Si o no
Recuerda: un sistema de colas está definido por una fuente de entrada, unos clientes, una cola y
su respectiva disciplina, un mecanismo de servicio y un conjunto de servidores.
Recuerde: hacer un análisis previo para determinar la tasa de llegadas y de servicio del sistema
de colas, el número de servidores
Muy importante verificar las unidades temporales de las tasas de llegada y servicio, pues deben
estar en las mismas unidades (horas, minutos, días, semanas). En caso de que las tasas se
encuentren en unidades diferentes, debe realizar la respectiva conversión.
No olvides las leyes de probabilidad a la hora de realizar los cálculos de las matrices de transición.
64 5 GLOSARIO
Absorción: Tipo de estado de una cadena de Markov en la cual, luego de llegar a él, es
imposible salir.
Binario: Se refiere al conjunto de elementos que sólo tienen dos valores posibles: cero y
uno
Cola: se refiere a las situaciones en las cuales el usuario o cliente debe esperar para ser
atendido por un servidor
Cola finita: se puede presentar que físicamente se cuente con un espacio limitado para
ubicar a los usuarios que se encuentran en espera
65 6 BIBLIOGRAFÍA