Manual IO

INVESTIGACION DE OPERACIONES II
MODULO N 01
DEFINICION E HISTORIA DE LA
INVESTIGACION DE OPERACIONES
OBJETIVOS INSTRUCCIONALES:
El presente mdulo est diseado para:
1.
Definir la. Investigacin de Operaciones (I.O)
2.
Describir el desarrollo histrico de la (I.O.)
3.
Explicar el tipo de servicio ofrecido por un Investigador de Operaciones.
4.
Reconocer los sinnimos comunes para la I.O.
PROPOSITO:
Al final del presente mdulo el estudiante debe ser capaz de:
1. Dar una definicin de la I.O., la cual exprese:
a. el uso del mtodo cientfico.

b. el servicio al tomador de decisiones.
2.
Explicar las deficiencias que encuentra cuando se le propone la definicin de I.O.
3.
Describir los orgenes de la I.O. y su desarrollo desde la Segundo Guerra Mundial
4.
Explicar la manera en 1a cual un investigador de Operaciones procura ayudar a un tomador de

decisiones
5.
Presentar tres sinnimos frecuentemente usados I.O..
FUNDAMENTO:
Este mdulo le proporcionar una comprensin de lo que es la. I.O., y como ha llegado a ser de
trascendental importancia para el Ingeniero de Sistemas
PRE-REQUISITO:
Solamente la capacidad para leer y pensar.
Ing Eddy Montaez Muoz
Pgina 1
1. Fundamento Terico
NOTAS SOBRE LA DEFINICIN E HISTORIA
DE LA I.O.
LOS PROBLEMAS DE DEFINIR LA I.O
Existen casi tantas definiciones de la I.O. como
profesionales que la practican. Una muestra de tales
definiciones se ofrece a, continuacin.
(1) La aplicacin de mtodos cientficos, tcnicas y
herramientas a problemas que involucran
operaciones de sistemas, as como, proporcionar
el control de las operaciones con soluciones
ptimas a los problemas (Churchman -Arnoff Ackoff)
(2) La I.O., est comprometida con la optimizacin
del funcionamiento de un sistema considerado
como dado para los propsitos del problema (Mc
Closkey-Coppinger).
(3) La I.O. es un mtodo cientfico para proporcionar
a los niveles ejecutivos una base cuantitativa para
las decisiones considerando las operaciones bajo
su control. (Morse-Kimball).
(4) La I.O. es la aplicacin del mtodo cientfico, por
equipos interdisciplinarios, a problemas que
implican el control de sistemas organizados
hombre-mquina
para
optimizar
al
funcionamiento de la organizacin en su conjunto
(Ackoff-Sassienei)
Todas las definiciones implican el uso de los mtodos
de las ciencias naturales para mejorar la consistencia
de las decisiones administrativas.
Para mucha gente la I.O. es simplemente la aplicacin
de estadsticas y sentido comn, o un trmino
comprensivo para actividades como la Investigacin
de Mercados, Control de calidad,
Ingeniera
Industrial o Ingeniera de Sistemas. En realidad, la
sustitucin de tales trminos por I.O. en las
definiciones mencionadas anteriormente no las
invalida. Sin embargo, la I.O., a la par de otras
actividades, tiene el propsito especfico de asesorar a
la gerencia en sus funciones de gestin a travs
del uso de la metodologa de las ciencias para mejorar
la toma de decisiones.
La naturaleza de la diferencia de la I.O. (a veces
llamada ciencia administrativa, gestin cientfica,
anlisis de sistemas o ciberntica) radica en su
mtodo y enfoque. Algunas referencias histricas
ayudarn a comprender la manera en que la I.O.
puede servir, y cmo difiere de otros servicios a la
gerencia.
Las ciencias naturales han sido ampliamente

utilizadas en los negocios desde el tiempo de la
evolucin Industrial en adelante (y, por supuesto,
hasta cierto punto antes de ese tiempo). Inicialmente,
sin embargo, tales aplicaciones estuvieron dirigidas a
la innovacin y mejoramiento de los procesos
productivos y no a los asuntos de organizacin.
A medida que la tecnologa creca y las empresas
prsperas se hacan ms grandes, las organizaciones
industriales llegaban a ser ms complejas. Esto dio
origen a la necesidad de incrementar los componentes
especializados de la organizacin sobre la cual un
administrador-propietario individual no poda ejercer
el control apropiado. La figura 1 ilustra esta divisin
de la especializacin. La resultante decadencia del
Admirnistrador-Propietario; y la aparicin del
administrador profesional, con habilidades para
coordinar ciertos componentes de la empresa, data
desde inicios del siglo anterior.
Sin embargo, la tecnologa y las organizaciones
continuaban creciendo,. as como, los sistemas
nacionales de transporte y distribucin, de manera
que la administracin lleg a ser una actividad mucho
ms exigente. Era importante, por tanto, hacer uso de
todas las herramientas de ayuda para el desarrollo de
la funcin administrativa.
Tal colaboracin fue proporcionada por el trabajo de
F. W. Taylor, y ms tarde de Frank y Lilian Gilbreth
y Gantt, quienes crearon. el campo de la Ingeniera
Industrial.
Estas
contribuciones,
aunque
inmensamente valiosas, estuvieron principalmente
dirigidas a las actividades de Produccin dando
origen al "estudio de tiempos y movimientos",
simplificacin del trabajo", "distribucin de planta",
etc. A Taylor frecuentemente se le atribuye la
creacin de la Administracin Cientfica, pero en
realidad, l se bas en el trabajo de Henry Towne
(1880). An antes de ello, un ingls, Charles
Babbage, quin construy la primera computadora
mecnica, estaba defendiendo "un enfoque cientfico
a la administracin de la produccin y la utilizacin
de su computadora para ello.
Una tentativa para extender los principios a otros
sistemas de produccin, fue hecho por Henry Fayol
El expuso una teora general de la administracin
(planificacin, organizacin, coordinacin, control,
abastecimientos de recursos y mano do obra). Sin
embargo, el tiempo no era adecuado pera tales
conceptos.
REFERENCIAS HISTORICAS
Pgina 2
Compras
Mantenimiento
Transporte
Programacin de la
Produccin
Control de Calidad
Produccin
Finanzas
Personal
Mercadotecnia
Investigacin y Desarrollo
(Administrador Propietario)
FIGURA N 01
El perodo entre las guerras mundiales haba visto una
revolucin en la tecnologa militar an ms grande
que en la industria en general. En verdad haba
crecido ms rpido que la habilidad de 1a
administracin militar para absorber las nuevas armas
dentro de la estrategia y tcticas de guerra. En
consecuencia, cuando comenz la ofensiva alemana
contra el Reino Unido; aunque la maquinaria para los
primeros avisos de radar estaba disponible, los
generales se vieron incapaces de desplegar
efectivamente las instalaciones y coordinar la
informacin que ellos producan. De all que, algunos
de los mismos cientficos que haban desarrollado el
hardware, fueron requeridos para proporcionar ayuda
en la determinacin de su uso. El grupo de cientficos,
bajo la direccin. del Profesor P.M.S. Blackett,
present su informe al encargado en carga de
operaciones y as llegaron a ser conocidos como
Investigadores de Operaciones. El equipo tuvo xitos
espectaculares con muchos proyectos vitales durante
toda.. la guerra. Sus mtodos y enfoques fueron
comunicados particularmente a los Estados Unidos, y
usado por los aliados.
En realidad, las tcnicas matemticas y la filosofa
que los Investigadores de Operaciones militares
estaban utilizando, estaban lejos de ser una antorcha
nueva. All por 1716, un cierto Thomas Watts estaba
operando lo que equivale a una Escuela de Negocios
en Londres, Inglaterra. Tal seor anticip los mtodos
del grupo de Blackett al manifestar lo siguiente:
Las distintas partes de las matemticas son de tan

amplio uso y beneficio para la humanidad, que
difcilmente se puede hacer algo sin ellas; en
consecuencia, el hombre de negocios no puede tener
pequea participacin en estas ciencias; porque el que
tiene un complete conocimiento de ellas, debe tener el
mejor fundamento y una mente exquisitamente
equipada para emprender cualquier negocio.
Despus de la guerra, los trabajadores del Reino
Unido fueron rpidamente absorbidos por la industria,
encargados del trabajo de reconstruccin, y
concientes de la complejidad creciente de sus
organizaciones y de lo agudo de la competencia. La
I.O. de Amrica fue similarmente creada un ao
despus. El mpetu se mantena durante los aos
cincuenta y los primeros del sesenta principalmente
como una consecuencia del fantstico crecimiento del
poder de las computadoras. Es interesante notar que
la demanda de Investigadores de Operaciones
industriales en los Estados Unidos, donde los gastos
de defensa aumentaron despus de la guerra, fue en
respuesta a la necesidad para ayudar en el uso de la
nueva tecnologa de computadoras.
Durante los primeros aos de 1960, la I.O. lleg a ser
reconocida y aceptada como un campo acadmico,
donde varias instituciones universitarias comenzaron
a ofrecer programas en dicha rea. Al mismo tiempo,
las revistas de I.O. comenzaron a tener mayor
Pgina 3
circulacin y muchas revistas nuevas aparecieron en

muchos lugares. La potencia de las computadoras,
siempre un factor crtico en las aplicaciones, aument
junto con su disponibilidad. Por consiguiente el
nmero de usuarios y productores de la I.O. han
aumentado exponencialmente.
Los Investigadores de Operaciones recientemente han
encontrado empleo en el estudio de todo. clase de
sistemas sociales no industriales, por ejemplo: en
control de incendios, organizacin ambiental,
proteccin policial, etc. A pesar de esto, la profesin
actualmente est soportando un perodo de evaluacin
crtica. La idea que est apareciendo es que, para
evitar un severo revs, el mensaje debe ser
comunicado claramente a los usuarios potenciales
acerca de qu es la I.O. y quin es capaz de hacerlo.
Se debe recalar continuamente que la I.O. es de
servicio al gerente, quien requiere ayuda en la toma
de decisiones con respecto a sistemas demasiados
complejos, para permitir que las buenas decisiones no
sean hechas solamente en la base del juicio y la
intuicin.
El Investigador de Operaciones tratar de brindar su
ayuda utilizando su capacitacin cientfica. Lo lograr
reuniendo toda la informacin que se conoce o que
econmicamente se puede obtener acerca del sistema,
con las ideas y preferencias del gerente as como de
sus consejeros, a fin de arribar alo que parece ser la
decisin ms aconsejable. Su funcin es, por lo tanto,
muy diferente de la de un investigador cientfico o de
un contador. Tal profesional proporciona un servicio
de generar informacin con el propsito posible de
tomar decisiones. El no esta generalmente
involucrado en la solucin de problemas
administrativos del momento. De esta manera el
estar actuando como verdadero Investigador de
Operaciones.
En los mdulos siguientes, discutiremos el proceso
para una "buena toma de decisiones y lo que el
Investigador de Operaciones hace para mejorar este
proceso.
2.
Enumere los eventos claves en el desarrollo de

la I.O. mencionando fechas aproximadas
3.
Escriba otros tres trminos comnmente usados

en I.O.
4.
Escriba los aspectos importantes de la I.O. que

la distingue de otros servicios a la gerencia.
5.
Medite en
definicin:
lo adecuado de la siguiente
"La I.O. es la aplicacin del mtodo cientfico a

los problemas administrativos
4. Respuestas a la Autoevaluaci0n
1.
Su definicin es aproximadamente buena si

incluye referencias del uso del mtodo cientfico
como ayuda directa en la toma de decisiones.
2.
La lista que ha confeccionado, debe por lo

menos incluir los eventos siguientes: Los
orgenes en la Segundo Guerra Mundial;
creacin de las sociedades profesionales; el uso
de las computadoras en las empresas; el inicio
de los programas acadmicos de I.O.
3.
Los tres trminos mencionados en las notas del

curso son: Anlisis de Sistemas, Ciencia
Administrativa y Ciberntica.
4.
Los aspectos importantes son (a) uso de la

metodologa cientfica, (b), participacin directa
como ayuda en la toma de decisiones.
5.
La definicin no est suficientemente centrada.

La administracin tiene toda clase de problemas,
incluyendo los estrictamente tcnicos como
reparar una pieza de maquinaria rota. Es slo
cuando hay una decisin por delante, que
implica una seleccin de acciones a tomar, que
el problema se convierte en una toma de
decisiones. Es con los problemas de toma de
decisiones con los cuales la I.O. tiene que ver.
2. Actividades Alternativas De Aprendizaje:

Definiciones similares que explican el desarrollo de la
I. O. se puede encontrar en:
1.
2.
Hillier y Lieberman, Captulo 1,

Wagner, Secciones 1.1 - 1.4.
3. Auto evaluacin
Usted debe tratar
cuestiones:
1.
de resolver
las
siguientes
Escriba propia definicin de la I.O.
Pgina 4
MODULO N 02
METODOLOGIA DE LA INVESTIGACION DE
OPERACIONES
1.
Describir el procedimiento general, que se utiliza en 1a Investigacin de Operaciones (I.O.)
2.
Explicar lo que es un mode1o
3.
Explicar el uso y el valor de un modelo y describir las caractersticas de un "buen" modelo.
4.
Reconocer los diferentes tipos de modelos.
5.
Reconocer las suposiciones del modelo.
6.
Distinguir entre los usos descriptivo y prescriptito de los modelos
PROPOSITO:
1.
Enumerar los pasos generales comprendidos en un estudio de I.O. y a la vez de explicar oralmente
(las relaciones de cada paso) .
2.
Escribir un prrafo de por lo menos 100 palabras explicando la que es un modelo, porqu los
modelos son muy tiles, y describir las caractersticas de un buen modelo.
3.
Reconocer cuando se le presenta 1a descripcin de un modelo, si ste es icnico, analgico o

simblico
4.
Indicar, cuando se le presenta la descripcin de un modelo de un sistema, las suposiciones sobre

las cuales se base el modelo.,
5.
Explicar oralmente lo que es un modelo prototipo en I.O. y dar un ejemplo de un modelo tal.
6.
Identificar, cuando se le presenta la descripcin del uso de un modelo, si ste es prescriptito o

descriptivo.
FUNDAMENTO:
Hemos discutido la naturaleza de la toma de decisiones racional y hemos puesto nfasis en que el rol
del Investigador de Operaciones es asesorar en este proceso. Ahora procederemos a definir ms
claramente las formas en que sta ayuda o asesora se lleva a cabo.
PRE-REQUISITO:
Se har frecuentes referencias del concepto de funcin, por lo tanto esta quedar previamente muy
bien comprendida.
Pgina 5
APUNTES SOBRE METODOLOGIA DE LA
INVESTIGACION DE OPERACIONES
El primer paso que cualquier Investigador de

Operaciones debe tomar, una vez
identificado la existencia de un problema es:
(1) FORMULAR EL PROBLEMA
Esto quiere decir, en esencia, identificar los
componentes del problema de decisin en
trminos de acciones, resultado, preferencias
e incertidumbre: Si embargo, hay a menudo
una pregunta ms fundamental que debe ser
contestada antes de este proceso pueda ser
propiamente completado.
Esto es, quin tiene la autoridad y/o
responsabilidad del control del sistema, y
quien
en realidad est controlando el
sistema? Para contestar esta pregunta
usualmente incluiremos llevar a cabo un
concienzudo anlisis sistmico de la
situacin.
En tal anlisis, muy a menudo se presentar
el caso que existe un nmero de tomadores
de decisiones quienes pueden influenciar
sobre el sistema. En este caso, se debe
determinar si la decisin a tomar debe ser
una decisin de este grupo en su conjunto, o
si la decisin compete a una sola persona y
en este caso si la decisin debe comunicarse
o no a los dems del grupo. Para el
Investigador de Operaciones es, por tanto,
vital que conozca cabalmente para quien est
trabajando.
Habiendo esclarecido, este asunto, uno
procede a identificar, y ayuda a descubrir,
los cursos de accin y resultados posibles
que van a ser considerados. La siguiente y
generalmente la tarea ms difcil de todas es
el establecimiento de los resultados que son
preferencia de los tomadores de decisin.
Esto ser singularmente difcil si hay un
grupo de tomadores de decisiones donde
todos tienen diferentes metas y objetivos.
El Investigador de Operaciones debe,
tambin, asesorar en la solucin estas
diferencias, Sin embargo, an cuando haya
una sola decisin bien definida, puede ser

difcil comprender sus metas y objetivos
presentes. Por una razn, sus aspiraciones
personales no pueden coincidir con las
aspiraciones de la organizacin en la que
trabaja, y en cuyo provecho l debe tomar
decisiones. Sin embargo, si l necesita y
quiere ayuda en solucionar su problema,
preferencias expresadas de a sus intereses.
Permitirle que consiga esto, requiere el
ejercicio de considerable cautela, habilidad y
tacto parte del Investigador de Operaciones.
El paso final en esta etapa de formulacin es
identificar las fuentes de incertidumbre lo
cual obscurece ms el poder lograr
directamente
el
resultado
preferido.
Tambin, a ste nivel, se identifican fuentes
de datos e informacin que podran usarse
para reducir o eliminar las incertidumbres.
Es a menudo notable que la ayuda
proporcionada por el Investigador de
Operaciones en formular sistemticamente el
problema ms valioso. En realidad, este
proceso a veces resuelve el problema: Puede
ser que no exista el problema, o quiz
volverse sin importancia Por ejemplo, se
puede descubrir una alternativa de accin
con la cual obviamente se logra el objetivo
deseado a un costo despreciable, en tal caso
no se justifica profundizar el anlisis. En
Cualquier situacin la tarea de formular
propiamente el problema a menudo resulta
en una mayor comprensin del sistema por
parte de los responsables de su control.
El prximo paso ser instalar el mecanismo
para seleccionar el mejor curso de accin.
No es generalmente posible experimentar
con el sistema actual para buscar este mejor
curso de accin. Por tanto, el Investigador de
Operaciones debe proceder a:
(2) CONSTRUIR UN MODELO
Un
modelo
es
simplemente
una
representacin del Sistema. Los modelos
pueden ser de tres tipos generales:
(i) Icnico- Representacin fsica 1-1.
Ejemplo, un modelo de un mapa o una
escala.
Pgina 6
(ii) Analgico-Representacin de un sistema

fsico por otro.
Ejemplo, circuito elctrico por sistema
hidrulico.
(iii) Simb1ico- Representacin
tica.
matem-
Ejemplo, representar un sistema por un

conjunto de ecuaciones.
Un modelo ser til si puede ser usado para
describir lo que ocurrir al sistema cuando se
encuentre influenciado por distintos factores.
Cuando se usa un modelo en este sentido,
para predecir el efecto de los cambios sobre
el sistema se le denomina modelo
descriptivo.
Un modelo para tomar decisiones debe
verdaderamente ser capaz de describir los
posibles resultados asociados a los diferentes
cursos de accin a tomar. Este ser an de
mayor utilidad, .si puede ser directamente
manipulado para derivar el "mejor" curso de
accin. Cuando se usa un modelo en este
sentido, se le denomina un modelo
"prescriptivo", ya que es empleado para
prescribir el curso de accin apropiado.
Todos los 3 tipos d modelos, icnico,
ana1gico y simblico pueden ser usados
por el Investigador de Operaciones. Sin
embargo, es el modelo simblico
matemtico el que encuentra ms
provechosa y frecuente aplicacin en la toma
de decisiones. Tal modelo ser generalmente
un modelo prescriptivo y tendr los
siguientes componentes.
(i) los resultados, o ms generalmente las
probabilidades de que los resultados sean
expresados como funciones de lo cursos
de accin disponibles.
(ii) Se define una funcin de los resl1ltados
como una medida de preferencia por los
resultados.
(iii) Se define un criterio de seleccin para
elegir la mejor accin.
Un modelo que tenga nicamente el componente (i) sera, necesariamente, s1o un

modelo descriptivo .Disponiendo el investigador de Operaciones, de los componentes
(ii) y (iii) le es posible:
(3) RESOLVER EL MODELO

Esto significa, el ejercicio matemtico de
poner juntos los componentes del modelo y
manipularlos hasta derivar la solucin, el
mejor curso de accin. Muy a menudo
existen tcnicas, matemticas para resolver
un modelo que econmicamente no se
justifican, en tal caso uno debe buscar la
solucin aproximada Habiendo obtenido una
solucin, o talvez en el transcurso de obtener
sta, el Investigador de Operaciones tratar
de conocer la bondad de su modelo. A lo que
llamar:
(4) EVALUACION DEL MODELO Y DE
SU SOLUCION
Un.
Modelo
simb1ico
consiste
esencialmente de un nmero de suposiciones
acerca
del
sistema
expresadas
matemticamente Estas suposiciones son
generalmente aproxima-ciones de la
realidad. Sin embargo, deben ser aprobadas
por el tomador de decisiones como que no
son distorsiones desmedidas de la realidad y
verdad. Tambin, cuando estas suposiciones
se asocian deben ser revisadas de tal manera,
que sus combinacin presente una
representacin completa aceptable del
sistema modelado. Esto se puede obtener
manipulando el modelo para obtener
previsiones bajo distintas y fijando su
confiabilidad. Tambin, si se dispone de
datos apropiados, se puede confrontar las
estimaciones del modelo con los registros
histricos.
Usualmente un buen modelo ser aquel
que, de poder confrontar sus estimaciones
con
datos
histricos
revelan
una
representacin aceptable del sistema,
tambin:
Pgina 7
(i) Tiene disponible los datos necesarios para

estimar, los parmetros, o brinda
clculos aproximados aceptables, y
(ii) Es lo suficientemente simple, que el
modelo puede ser comprendido y usado
por los tomadores de decisiones, pero
que por otro lado no es tan simple que
ellos no tengan confianza en sus
estimaciones.
Una vez que el modelo es declarado lo
suficientemente bueno", Uno procede a:
(5) ESTABLECER CONTROLES
SOBRE LA SOLUCION
El modelo se basa en un nmero de
suposiciones y estimados. Si estos dejan de
tener
validez
(pierden
vigencia)
posiblemente lo mismo suceder a la
solucin. Por tonto, antes de implementar la
solucin uno debera de instalar un sistema
para la deteccin de cambios que
necesitaran variaciones en la solucin. El
camino es claro entonces para tomar el paso
final y:
(6) IMPLEMENTAR LA SOLUCION
La implementacin requiere del establecimiento de procedimientos para llevar a
cabo el curso de accin elegido. Esta
implementacin, tambin, frecuentemente
implicar una buena cantidad de tareas
previas en ensear a la gente a aceptarla la
solucin y hacerla funcionar. A menudo se
publican casos donde una gran cantidad de
excelentes trabajos realizados por un equipo
de Investigadores de Operaciones fueron
saboteados por la gente afectada por un
sistema cambiado que ellos no comprendan
y por lo tanto no queran.
Hay, por supuesto, mucho encubierto y que
permite retrospeccin entre los seis pasos
sugeridos para un proyecto de I.O. Ciertos
pasos pueden desarrollarse en forma paralela
tales como la construccin y la evaluacin
del modelo. En cualquier circunstancia, el
procedimiento descrito debera, servir para
definir mejor la metodologa de la
Investigacin de Operaciones.
Lo fundamental para este enfoque es el uso

de un modelo; y este curso estar orientado
ala construccin y solucin de modelo de I
de O. Una 1gica pregunta a estas alturas es
cmo uno va a construir un modelo.
COMO CONSTRUIR MODELOS:
La construccin de modelos es ms un arte
que una ciencia ya que la intuicin,
imaginacin y creatividad juegan un papel
esencial. Un conjunto de reglas para la
construccin de modelos, an si fuera
posible elaborar tal conjunto, limitara la
creatividad. Sin embargo, la experiencia y
demostraciones de la construccin de
modelos sirven de ayuda, y eso es lo que este
curso espera ofrecer.
Un modelo apropiado a menudo presenta
sugerencias por s mismo al Investigador de
Operaciones, porque l reconoce que el
sistema que l est estudiando es anlogo a,
otro sistema a partir del cual se construy
dicho modelo. En realidad, un modelo que es
apropiado para un Sistema puede ser
igualmente apropiado para muchos otros, por
ejemplo, el "buscador" de una adecuada
localizacin para una nueva planta puede ser
visto como anlogo a un "buscador de
clientes, de submarinos, de personas
perdidas, o nuevos empleados. La I.O. ha
desarrollado, por lo tanto, una clase de as
llamados "modelos de bsqueda" los cuales
tienen una amplia aplicacin general. Hay
una variedad de otros modelos de propsito
general, usualmente denominados como
"modelos prototipos". Por ejemplo existen
"modelos de asignacin" relacionados con la
asignacin de recursos a diferentes usos;
existen "modelos de colas" relacionados con
1neas de espera; existen "modelos de
reemplazo" relacionados con el reemplazo
de los servicios existentes por otros nuevos,
etc. Una parte muy importante de cualquier
preparacin o capacitacin de Investigacin
de Operaciones es aprender la forma de estos
modelos prototipos, aprender a reconocer
situaciones para su aplicacin, y aprender las
tcnicas para su solucin.
Pgina 8
El resto de este curso proporcionar precisamente esta preparacin.

2. Actividades Alternativas de Aprendizaje
La mayora de textos sobre el tema

contienen una breve relacin de modelos, y
su uso en I.O.
Por ejemplo consulte en:
a. Wagner, Seccin 1.5.
b. Fabrycky, et al, Seccin 1.6 y Captulo 2.
c. Miller y Starr, Captulo 7 (da una
completa descripcin de tipos de
modelos con ejemplos).
d. Richmond, Secciones 1.1-1.4.
e. Thirauf, Captulo 1
f. Shamblin, Capitulo 1
g. Prawda, Captulo 1
3. Auto-Evaluacin
1. Usted debera primeramente estar seguro

de poder cumplir con los propsitos l,
2.y 5
2. A que tipo de modelo (icnico, analgico
o simblico) pertenece cada uno de los
siguientes:
(a) Una hoja de balance
(b) Una ecuacin qumica.
(c) Un modelo molecular.
3. Considere el siguiente problema:
Una compaa de camiones desea
adoptar una poltica de instruccin a sus
choferes sobre la velocidad que ellos
deberan manejar, teniendo en cuenta los
costos de tiempo de chofer y consumo de
gasolina. Se ha construdo el siguiente
modelo:
C(v) = c d + kv2d
v
Donde:
C(v) = Costo total por :realizar un viaje a
una distancia de d ki1metros y a una
velocidad de v km/hora..
c = Costo por hora del tiempo de chofer.
(a) Identifique los otros componentes del

modelo y las suposiciones sobre las
cuales se basa el modelo.
(b) Es un modelo descriptivo o prescriptivo?
4. Respuestas A
Evaluacin
La
Prueba
De
Auto-
2. (a) Una hoja de balance es un modelo

simblico de los aspectos financieros de
una organizacin.
(b) Una ecuacin qumica es un modelo
simb1ico de una reaccin qumica.
(c) Un modelo molecular es un modelo
icnico de una molcula.
3. (a) d/v es el tiempo empleado en realizar
el viaje por lo tanto c.d/v es el costo de
tiempo de chofer.
Dado que todas las horas de tiempo de
chofer cuestan lo mismo y que, por
ejemplo, no se pagarn tasas por
sobretiempo.
Por lo tanto, kv2d debe ser el costo total
de gasolina.
Por lo tanto, kv2 debe ser el costo por
kilmetro si el camin viaja a una
velocidad v.
La suposicin es, por lo tanto que el
consumo de combustible al viajar una
distancia unitaria a una velocidad dada
es proporcional al cuadrado de la
velocidad.
(b) En la forma como se ha presentado el
modelo, ste solamente predice el costo
dado la velocidad. Como tal es up
modelo descriptivo .Llegara a ser un
modelo prescriptivo, si se lo adecua para
obtener el ptimo valor de v como una
funcin de c, k, y d. En realidad, esta
funcin es:
v = (c )3
2k
Pgina 9
MODULO N 03
TEORA DE REDES
1.
Describir La solucin del problema de la ruta ms corta de una red conexa.
2.
Describir La solucin del problema del rbol de Mnima Expansin.
3.
Describir La solucin del problema del Flujo Mximo.
PROPOSITO:
1.
Describir los componentes de una Red.
2.
Reconocer una red conexa y una red inconexa.
3.
Reconocer un rbol
4.
Aplicar el algoritmo para la solucin del problema de la ruta ms corta.
5.
Aplicar el algoritmo para la solucin del problema del rbol de mnima expansin.
6.
Aplicar el algoritmo para la solucin del problema del Flujo Mximo.
FUNDAMENTO:
Hemos discutido la metodologa de la Investigacin de Operaciones, y se ha puesto nfasis en la
construccin de modelos .ahora analizaremos los problemas vinculados a la teora de redes, uno de
los campos ms fascinantes de la Investigacin de Operaciones.
PRE-REQUISITO:
Se har frecuentes referencias del concepto de Algoritmo, por lo tanto este quedar previamente muy
bien comprendida.
Pgina 10
Las reas de aplicacin de la Teora de Redes,
son:
Ingeniera Elctrica
Teora de la Informacin
Sistemas de Transporte
Planeacin y Control de Proyectos de
investigacin y desarrollo.
Sistemas de comunicaciones.
Programas de Produccin.
3. Durante la temporada pico hay ms

personas que quieren tomar el tranva a la
estacin T de las que se puedan acomodar.
Existe restriccin en el nmero de viajes
por da en cada camino.
Durante la temporada pico se pueden
seguir varias rutas sin tomar en cuenta las
distancias para aumentar el nmero de
viajes de tranvas diarios.
Problema: Construir la ruta ms corta a travs

de la red
Determinar las rutas para los distintos

viajes de maneara que se maximice el
nmero total de viajes que se pueden hacer
cada da.
Ejemplo Prototipo:
Problema de Transporte: Paseos y campamentos en el Parque Seervada
Problema del Flujo Mximo
Red: Conjunto de nodos (vrtices o

puntos) unidos por lneas llamadas ramas.
Mirador
A
5
1
4
Entrada
Terminologa:
Ramas: Lnea que une dos nodos.

Existen ramas que tienen Direccin de un
nodo a otro y existen ramas que no tiene
direccin (Adireccionales).
Cadena de Nodos: Sucesin de ramas

que conectan dos nodos.
Por ejemplo: OB,BD,DT, une O con T.

Distancia en Km.
Caractersticas:
Estacin O : Entrada al parque.
Estacin T: Mirador.
Estaciones A, B, C, D y E, representan las
casetas de control.
Unos cuantos tranvas transportan a los
visitantes desde la entrada O a la estacin
T.
Problemas:
1. Determinar la ruta desde la entrada O, a la
estacin T, que tiene la distancia ms corta.
D
B
Red
Rama
Nodo
Ciclo: Cadena que conecta a un nodo

consigo mismo
Red Conexa: Si existe una cadena que
conecta a todo par de nodos.
Problema de la Ruta ms Corta

2. Se debe instalar lneas telefnicas
subterrneas,
para
establecer
comunicacin entre todas las estaciones.
Se instalarn lneas que sigan caminos
necesarios para obtener comunicacin
entre cualquier par de estaciones.
Red Conexa
Determinar el mnimo nmero total de

kilmetros instalados.
Problema
expansin
del
rbol
de
mnima
Red Inconexa
Pgina 11
Arbol: Es una red conexa que no contiene

ciclos.
rbol
PROBLEMA DE LA RUTA MS CORTA

El problema de la ruta ms corta se ocupa de
encontrar la ruta ms corta de un ORIGEN a un
DESTINO a travs de una RED CONEXA, dada
la distancia no negativa asociada a las
respectivas ramas de la red.
ALGORITMO:
Teorema: Una red que tiene n nodos es

CONEXA si tiene (N-1) ramas y no tiene
CICLOS, una red con estas caractersticas es un
ARBOL DE EXPANSIN.
rbol de
Expansin
Objetivo: De la n-esima iteraccin encontrar el

n-simo nodo ms cercano al origen. Este paso
se repite para n=1,2,3,.. hasta que el n-esimo
nodo ms cercano sea el nodo destino.
Datos: para la n-esima iteraccin, (n-1) nodos
ms cercanos al origen, su ruta ms corta y la
distancia desde el origen (Nodos resueltos).
Candidatos: para el n-esimo nodo ms
cercano. Cada nodo resuelto que est
conectado directamente con uno o ms nodos
no resueltos.
Clculo: del n-seimo nodo ms cercano para
cada nodo resuelto y sus candidatos se suma la
distancia entre ellos y la distancia de la ruta ms
corta desde el origen a este nodo resuelto.
El candidato con la distancia total ms pequea
es el n-simo nodo ms cercano (los empates
proporcionan nodos resueltos adicionales), y su
ruta ms corta es la que genera esta distancia.
Redes representativas:
Nodos
Ramas
Flujo
Interseccin
Caminos
Vehculos
Aeropuertos
Rutas areas
Aviones
Estaciones
de bombeo
Tuberas
Fluidos
Red Orientada:
Si tiene un sentido de direccin tal que un nodo
pueda considerarse PUNTO DE ORIGEN y el
otro PUNTO DE DESTINO.
Origen: Si cada una de sus ramas tiene una
direccin tal que el flujo se mueva hacia fuera de
ese nodo.
Destino: Si cada una de sus ramas est
orientada a ese nodo.
N2
A12
N1
A23
A24
N4
A32
A13
A34
N3
Ejemplo:
La Administracin del Parque Seervada necesita
encontrar la ruta ms corta desde la entrada del
parque (nodo O) al mirador (noto T) a travs del
sistema de caminos que se mostr en el ejemplo
prototipo. En la tabla siguiente se encuentran los
resultados obtenidos al aplicar el algoritmo
anterior a este problema (en donde el empate
para el segundo nodo ms cercano permite
pasar directamente a buscar el cuarto nodo ms
cercano). La primera columna (n) indica el
nmero de la interaccin. La segunda columna
da una lista de los nodos resueltos para
comenzar la iteracin actual despus de quitar
los que no sirven (aquellos que no tienen
conexin directa con nodos no resueltos). La
tercera columna da los candidatos para el nsimo nodo ms cercano (los nodos no
resueltos con la rama ms corta al nodo
resuelto). La cuarta columna calcula la distancia
de la ruta ms corta desde el origen a cada uno
de estos candidatos (esto es, la distancia al
nodo resuelto ms la distancia de la rama que
va al candidato). El candidato con la suma de
distancias ms pequea es el n-simo nodo ms
cercano al origen, el cual se indica en la quinta
columna. Las dos ltimas columnas resumen la
informacin de este ltimo nodo resuelto
necesaria para pasar a las iteracciones
Pgina 12
siguientes (a saber, la distancia de la ruta ms

corta desde el origen a este nodo y la ltima
rama en esta ruta ms corta).
A
O
Ahora, al trabajar en la ltima columna de la

tabla, la ruta ms corta se puede rastrear hacia
atrs desde el nodo destino hasta el origen, con
lo que se obtiene:
E
No es un rbol de Expansin,
tiene demasiadas ramas
T D E B A O T D B A O
Por tanto, se identificaron las dos opciones para
la ruta ms corta desde el origen hasta el
destino como las cadenas:
O A B E D T y O A B D T,
con una distancia total de 13 kilmetros en
cualquiera de las dos rutas.
1
2
3
4
5
A
C
B
D
E
E
D
D
D
T
T
2
4
2+2=4
2+7=9
4+3=7
4+4=8
2+7=9
4+4=8
7+1=8
8+5=13
7+7014
Es un rbol de Expansin, tiene

(n-1) ramas y no tiene ciclos
Solucin factible con una longitud
total de 24 Kilmetros
A
C
B
2
4
4
OA
OC
AB
BE
D
D
T
8
8
13
BD
ED
DT
Aplicacin prctica:
Redes de Transporte.
Planeacin de redes de comunicaciones.
Planeacin de redes de distribucin.
Algortmo:
1. Seleccionar de manera arbitraria cualquier
nodo y el nodo ms cercano conectado a

este.
2. Se identifica el nodo no conectado ms
PROBLEMA DEL RBOL DE MNIMA

EXPANSIN
cercano a un nodo conectado y se conectan

estos nodos.
Encontrar una Ruta entre cada par de nodos.

Seleccionar la ruta que tienen la longitud total
menor.
Empates:
Los empates para el nodo ms cercano
distinto (paso 1) o para el nodo no conectado
ms cercano (paso 2) se pueden romper en
forma arbitraria.
Las ramas deben escogerse de manera que la

red obtenida forme un rbol que conecte todos
los nodos.
Encontrar el ARBOL DE EXPANSIN con una

longitud total mnima en sus ramas
T
B
B
3
O
A
ltima conexin
Distancia mnima
n-simo nodo ms
cercano
Distancia Total
involucrada
Nodo ms cercano
no resuelto
Nodos resueltos
directamente a
nodos no resueltos
O
O
A
A
B
C
A
B
E
D
E
1
7
E
No es un rbol de Expansin
(O,A,B,C) no estn conectados
con (E,D,T)
Paso 1:
En forma arbitraria seleccionamos O.
El nodo ms cercano a O es A (se conecta O
a A).
Pgina 13
Dado los lmites una solucin factible sera

enviar siete tranvas al da:
Paso 2:
El nodo ms cercano a cualquiera O A es B
(ms cercano a A), se conecta A a B.
Cinco por la ruta O B E T

Uno por la ruta O B C E T
Y otro por la ruta O B C E D T
El nodo ms cercano a cualquiera O, A B

es C (ms cercano a B), se conecta C a B.
Esta solucin bloquea el uso de cualquier

ruta que comience con O C porque las
capacidades de E T y E D estn
saturados.
El nodo ms cercano a cualquiera O, A, B

C es E (ms cercano a B), se conecta E a B.
El nodo ms cercano a cualquiera O, A, B, C
E es D (ms cercano a E), se conecta D a
E.
Es necesario considerar muchas combinaciones o rutas y el nmero de viajes

asignados a cada una para encontrar la o las
que maximicen el nmero de viajes al da.
Este problema se conoce como el
El nodo ms cercano a cualquiera O, A, B, C,

E D es T (ms cercano a D), se conecta D
a T.
PROBLEMA DEL FLUJO MXIMO
Considrese una RED CONEXA con un

ORIGEN y un solo DESTINO, supngase que se
cumple la propiedad de conservacin de flujo (el
flujo que entra a un nodo es igual al flujo que
sale) que la Tasa o cantidad total de flujo a lo
largo de la rama (i,j) es cualquier cantidad no
negativa. El objetivo es DETERMINAR EL
PATRN FACTIBLE DE FLUJOS a travs de la
Red que maximice el Flujo Total del origen al
destino.
E
Solucin ptima, longitud
total 14 Kilmetros.
Algortmo:
1. Se encuentra una ruta del origen al destino
PROBLEMA DEL FLUJO MXIMO
con capacidad de flujo estrictamente positivo.
El tercer problema es determinar las rutas de

algunos viajes de tranva desde la entrada
del parque al mirador de manera que el
nmero de viajes diarios sea mnimo (cada
tranva regresar por la misma ruta que tom
de ida).
2. Se busca esta ruta para la rama con la
capacidad de flujo restante ms pequea y

se aumenta el flujo de esa ruta.
3. Se disminuye la capacidad de flujo restante
para cada rama de la ruta. Se encuentra la

capacidad de flujo restante en la direccin
opuesta.
Se impusieron lmites superiores estrictos

sobre el nmero de viajes de ida permitidos
en cada direccin para cada ruta individual,
los lmites se detallan a continuacin:
3
5
0
2
4
0
Iteraccin 1:
Se asigna un flujo de 5 a O B E T
1
0
Solucin:
Seleccin arbitraria de la ruta en cada
iteraccin:
5
2
Los nmeros que aparecen al lado de cada

estacin sobre los caminos dan el lmite
superior para ese camino en la direccin de
salida de cada estacin.
1
5
Iteraccin 2:
Se asigna un flujo de 3 a O A D T
Pgina 14
0
8
3
1
5
2
4
0
5 1
Iteraccin 7:
Se asigna un flujo de 1 a OCEB D T
14
4
0
5
2
4
0
14
Por lo tanto:
El patrn de Flujo actual es el ptimo.
Ya no existen rutas con capacidades de flujo

positivo.
1
5
Iteraccin 3:
Se asigna un flujo de 1 a O A BD T
0
3
3
14
11
3
2
11
0
12
7
2
3
1
Cualquier conjunto orientado de ramas que

contiene al menos una rama de cada ruta que
va del origen al destino.
El valor de la cortadora es la suma de las
capacidades de flujo de las ramas.
3
5
12
5
3
Para cualquier red con un solo origen y un solo

destino, el flujo mximo factible del origen al
destino es igual al valor de la cortadora mnima
para todas las cortadoras de la red.
Cortadora:
Iteraccin 5:
Se asigna un flujo de 1 a O C E D T
Teorema del Flujo MximoCortadora Mnima
1
5
Iteraccin 4:
Se asigna un flujo de 2 a O B D T
0
2
4
0
0 1
0
Iteraccin 6:
Se asigna un flujo de 1 a O C E T
Cortadora= 3 + 4 + 1 + 6 = 14
0
13
7
2
2
2
2
7
0
5
Nota: En la red obtenida (Iteraccin 7) donde

F=14, la cortadora correspondiente es Cero.
13
Pgina 15
14
MODULO N 04
PLANEACIN DE PROYECTOS POR PERT - CPM
1.
Describir una Red de Proyectos.
2.
Describir la Tcnica de revisin y evaluacin de programas.
3.
Describir el Mtodo de la Ruta Crtica.
PROPOSITO:
1.
Reconocer la terminologa PERT.
2.
Dibujar una malla PERT.
3.
Calcular los tiempos ms cortos.
4.
Calcular los tiempos ms lejanos.
5.
Calcular las holguras para cada actividad de un proyecto.
6.
Identificar la ruta crtica.
FUNDAMENTO:
Hemos discutido los fundamentos de la teora de redes uno de los campos fascinantes de la
Investigacin de Operaciones ahora aplicaremos ese enfoque en el control de proyectos.
PRE-REQUISITO:
Se har frecuentes referencias del concepto de Proyecto, por lo tanto este quedar previamente muy
bien comprendida.
Pgina 16
PLANEACIN Y CONTROL DE PROYECTOS

CON PERT CPM
Los proyectos a gran escala requieren de
planeacin, programacin y coordinacin de
muchas actividades interrelacionadas con el
objetivo de culminar a tiempo y dentro del
presupuesto identificando actividades crticas
para vigilancia.
Tcnicas
PERT: Tcnica de revisin y evaluacin de
programas.
CPM: Mtodo de la Ruta Crtica.
Ejemplos de proyectos a gran escala:
Construccin
autopistas.
de
fbricas,
edificios
Desarrollo de productos.
Administracin de la Investigacin.
Desarrollo de Sistemas de Informacin.
Mantenimiento e instalacin de sistemas de
cmputo.
Produccin de pelculas
Campaas polticas
Objetivos
1. Determinar la probabilidad de cumplir con
fechas de entrega especficas.
2. Identificar actividades que con mayor
probabilidad se conviertan en cuellos de
botella.
3. Evaluar el efecto de cambios en el
programa (Asignacin de recursos).
Red de Proyecto
La Tcnica de Revisin y Evaluacin de
Programas (Program Evaluation and Review
Technique), comnmente abreviada como
PERT, es un modelo para la administracin y
gestin de proyectos inventado en 1958 por la
Oficina de Proyectos Especiales de la Marina de
Guerra del Departamento de Defensa de los
EEUU. como parte del proyecto Polaris de misil
balstico mvil lanzado desde submarino. Este
proyecto fue una respuesta directa a la crisis del
Sputnik.
PERT es bsicamente un mtodo para analizar
las tareas involucradas en completar un
proyecto dado, especialmente el tiempo para
completar cada tarea, e identificar el tiempo
mnimo necesario para completar el proyecto

total.
Este modelo de proyecto fue el primero de su
tipo, un reanimo para la administracin
cientfica, fundada por el fordismo y el
taylorismo. A pesar de que cada compaa tiene
su propio modelo de proyectos, todos se basan
en PERT de algn modo. Slo el mtodo de la
ruta crtica (CPM) de la Corporacin DuPont fue
inventado en casi el mismo momento que PERT.
La parte ms famosa de PERT son las Redes
PERT, diagramas de lneas de tiempo que se
interconectan. PERT est diseado para
proyectos de gran escala, que se ejecutan de
una vez, complejos y no rutinarios
Los sistemas tipo PERT emplean una Red de
Proyecto para visualizar grficamente las
interrelaciones entre sus elementos.
El mtodo de la ruta crtica fue inventado por la
corporacin DuPont y es comnmente abreviado
como CPM por las siglas en ingls de Critical
Path Method.
En administracin y gestin de proyectos, una
ruta crtica es la secuencia de los elementos
terminales de la red de proyectos con la mayor
duracin entre ellos, determinando el tiempo
ms corto para completar el proyecto.
La duracin de la ruta crtica determina la
duracin del proyecto entero. Cualquier retraso
en un elemento de la ruta crtica afecta la fecha
de trmino planeada del proyecto, y se dice que
no hay holgura en la ruta crtica.
Un proyecto puede tener varias rutas crticas
paralelas. Una ruta paralela adicional a travs
de la red con las duraciones totales menos
cortas que la ruta crtica es llamada una sub-ruta
crtica.
Originalmente, el mtodo de la ruta crtica
consider solamente dependencias entre los
elementos terminales. Un concepto relacionado
es la cadena crtica, la cual agrega
dependencias de recursos. Cada recurso
depende del manejador en el momento donde la
ruta crtica se presente.
A diferencia de la tcnica de revisin y
evaluacin de programas (PERT), el mtodo de
la ruta crtica usa tiempos ciertos (reales o
determinsticos). Sin embargo, la elaboracin de
un proyecto en base a redes CPM y PERT son
similares y consisten en:
Identificar todas las actividades que
involucra el proyecto, lo que significa,
determinar relaciones de precedencia,
tiempos tcnicos para cada una de las
actividades.
Pgina 17
Rama: Representa a una actividad.
Construir una red con base en nodos y

actividades (o arcos, segn el mtodo ms
usado), que implican el proyecto.
Nodo: Representa a un EVENTO (momento

en que terminan todas las actividades que
llegan a cada nodo y momento en que se
inician las actividades que salen del nodo).
Analizar
los
clculos
especficos,
identificando las rutas crticas y las holguras
de los proyectos.
Puntas de Flecha: Secuencia en que

deben ocurrir cada uno de esos eventos.
En trminos prcticos, la ruta crtica se

interpreta como la dimensin mxima que puede
durar el proyecto y las diferencias con las otras
rutas que no sean la crtica, se denominan
tiempos de holgura.
Evento Destino: Evento que corresponde

a la culminacin del proyecto.
Actividad Ficticia: Representa relaciones
de precedencia, no representa a una
actividad real.
Caso prctico: Construccin de una casa
Reglas:
1
1 Dos nodos no pueden estar conectados

directamente por ms de una rama.
Excavacin
2
Cimientos
1
3
Levantamiento
de ladrillos
Llenado de
4
Techo
Plomera
6
exterior
Instalacin
Elctrica
Plomera
interna
2 Se pueden usar actividades Ficticias

para evitar violar la regla 1 cuando se
tienen
dos
o
ms
actividades
concurrentes.
Enlucido
Interior
10
Pintura
exterior
2
C
Enlucido
exterior
AF
3
B
AF
1
9
Colocacin de
pisos
Pintura
interior
AF
11
Acabado
exterior
12
Estimaciones de Tiempo: La estimacin

de tiempo para cada actividad, permitirn
calcular dos cantidades bsicas para cada
evento EL TIEMPO MS PRXIMO y EL
TIEMPO MS LEJANO.
Acabado
interior
13
EL TIEMPO MS PRXIMO: Es el tiempo

estimado en el que ocurrir el evento si las
actividades que lo preceden comienzan lo
ms pronto posible.
Terminologa PERT
Del siguiente grfico, extraeremos la terminologa empleada en la construccin de una red de
proyecto:
EL TIEMPO MS LEJANO: Es el ltimo

momento (estimado) en el que puede
ocurrir un evento sin retrasar la terminacin
del proyecto ms all de su tiempo ms
corto.
Destino
Secuencia
H
E
G
5
Actividad
Evento
Actividad
Artificial
HOLGURA: Para un evento, es su

diferencia entre su tiempo ms lejano y su
tiempo ms prximo.
La holgura para una actividad (i,j) es la
diferencia entre el [tiempo ms lejano del
elemento j] y el [tiempo ms prximo del
elemento i] ms el [tiempo estimado para la
actividad j].
Pgina 18
CLCULO DE LOS TIEMPOS MS CORTOS:
Considere los tiempos de ejecucin en das

para el caso prctico:
Dibujo de una malla PERT
1
2
3
4
5
6
7
8
Existen dos metodologas aceptadas para

dibujar una malla PERT, la de Actividad en
el Arco y las de Actividad en el Nodo,
siendo sta ltima la ms utilizada en la
actualidad en atencin a que es la que usan
la mayora de las aplicaciones computacionales especialistas en este tema.
Construyamos la malla con la actividad en
el arco, para el caso prctico:
9
10
11
12
13
= Tiempo Ms prximo
(mximo)
2
4
10
4
5
8
7
6
7
9
4
5
6
2
Evento
Inmediatamente
Precedente
Excavacin
Cimientos
Levantamiento de ladrillos
Plomera exterior
Plomera interior
Enlucido interior
Instalacin elctrica
Llenado de Techo
Enlucido exterior
Pintura exterior
Colocacin de piso
Pintura interior
Acabado interior
Acabado exterior
Evento
Tiempo de
ejecucin
ACTIVIDAD
Tiempo ms Prximo +
Tiempo de la Actividad
1
2
3
4
4
4
5
6
5
7
8
9
9
11
10
12
0+2
2+4
6 + 10
16 + 4
16 + 6
16 + 7
20 + 5
22 + 7
20 + 0
25 + 8
29 + 9
33 + 4
33 + 5
37 + 0
38 + 2
38 + 6
0
2
6
16
20
22
25
29
33
38
37
38
44
Registramos los tiempos ms prximos en la

Malla:
1
2
2
4
4
10
6
10
(16, )
4
7
(25, )
10
8
9
10
11
13
(37, )
(38, )
5
0
12
(38, )
6
13
(29,
(33, )
12
6
(22,
7
(20, )
4
7
(6, )
11
(2, )
(0, )
(44, )
Pgina 19
13
12
11
10
9
8
7
6
5
4
3
2
1
= Tiempo Ms Lejano
(mnimo)
Evento
Inmediatamente
Siguiente
Evento
CLCULO DE LOS TIEMPOS MS LEJANOS:
Tiempo ms Lejano Tiempo de la Actividad
13
12
13
11
12
10
9
8
7
8
5
6
7
4
3
2
44 6
38 0
44 2
38 4
38 5
42 9
33 8
33 7
25 5
33 0
20 4
26 6
25 7
16 - 10
64
22
44
38
38
42
33
33
25
26
20
6
2
0
(0,0)
2
(2,2)
2
4
(6,6)
10
(16, 16)
4
4
7
(25,25)
8
11
(29, 33)
9
(22,26)
)
(20,20)
10
(38,42)
(33,33)
2
12
(37,38)
(38,38)
6
13
Donde:
H : Holgura
TL : Tiempo ms lejano
TP : Tiempo ms prximo
Evento
1
2
3
4
5
6
7
8
9
10
11
12
13
Holgura
0-0 =0
22=0
66=0
16 16 =0
20 20 = 0
26 22 = 4
25 25 = 0
33 29 = 4
33 33 = 0
42 38 = 4
38 37 = 1
38 38 = 0
44 -44 = 0
Calculo de las holguras, fijado en la Actividad

Dada una Ai,j, cuyo evento de inicio es i y el
evento de culminacin es j, el clculo de la
holgura se obtiene aplicando la siguiente
frmula:
H = TLj (TPi + Ti,j)
Donde:
H :
Holgura
TLj :
Tiempo ms lejano del evento j.
TPi :
Tiempo ms prximo del evento i.
Ti,j :
Tiempo de la actividad i,j
Actividad
(1,2)
( 2,3)
( 3,4)
( 4,5)
( 4,6)
( 4,7)
( 5,7)
( 6,8)
( 7,9)
( 9,11)
( 9,12)
( 8,10)
(10,13)
(12,13)
Holgura
2 (0 + 2) = 0
6 (2 + 4) = 0
16 (6 + 10) = 0
20 (16 + 4) = 0
26 (16 + 6) = 4
25 (16 + 7) = 2
25 (20 + 5) = 1
33 (22 + 7) = 4
33 (25 + 8) = 0
38 (33 + 4) = 1
38 (33 + 5) = 0
42 (29 + 9) = 4
44 (38 + 2) = 4
44 (38 + 6) = 0
RUTA CRTICA:
La ruta crtica de un proyecto es una ruta
cuyas actividades tienen todos holgura cero.
Todas las actividades y eventos que tienen
holgura cero deben estar sobre una ruta
crtica, no otras.
5
0
H = TL TP
16
Registramos los tiempos ms lejanos en la

Malla:
1
CALCULO DE LAS HOGURAS:

Calculo de las holguras, fijado en el Evento:
(44,44)
RC : 1 2 3 4 5 7 9 12 13
Pgina 20
MODULO N 05
ANLISIS DE DECISIONES
1.
Describir un modelo de Anlisis de Decisiones.
2.
Describir las decisiones bajo certidumbre e incertidumbre.
3.
Describir los criterios de decisin.
4.
Describir el mtodo grfico para la solucin de problemas de decisin.
PROPOSITO:
1.
Elaborar una Tabla de Retribuciones.
2.
Reconocer un modelo de decisin bajo certidumbre.
3.
Reconocer un modelo de decisin bajo riesgo.
4.
Reconocer un modelo de decisin bajo incertidumbre.
5.
Aplicar el criterio de Laplace, Maximin y Maximax para la solucin de modelos de decisin bajo
incertidumbre.
6.
Evaluar el valor esperado de la informacin perfecta.
7.
Evaluar la Utilidad de las decisiones bajo riesgo.
8.
Reconocer los elementos de un rbol de decisin.
9.
Solucionar problemas de decisiones empleando rboles de decisin.
FUNDAMENTO:
Hemos discutido los fundamentos de algunos problemas de la Investigacin de Operaciones ahora
aplicaremos un enfoque de solucin de problema aplicando el anlisis de decisiones..
PRE-REQUISITO:
Se har frecuentes referencias del concepto de Probabilidad, por lo tanto este quedar previamente
muy bien comprendida.
Pgina 21
INTRODUCCIN
Ejm.
La teora de decisiones se ocupa de decisiones

contra la naturaleza, esta frase se refiere a una
situacin donde el resultado (rendimiento) de
una decisin individual depende de la accin de
otro agente (naturaleza), sobre el cul no se
tiene control.
Ejm
DECISIN: Llevar o no paraguas
RENDIMIENTO: Mojarse o no
Por la maana ud. est tratando de decidir si

debe llevar sus paraguas al trabajo y ud. est
seguro de que estar lloviendo cuando salga a
trabajar por la tarde. El costo de limpiar el traje si
la lluvia lo sorprende es de S/ 20.00.
Tabla de Retribuciones
DECISIN
LLUVIA
Llevar paraguas
No llevar paraguas
-20.00
TABLA DE RETRIBUCIONES
Es la base fundamental de informacin para los
modelos de la TEORA DE DECISIONES.
ESTADO DE LA NATURALEZA
DECISIN
DECISIONES BAJO RIESGO

Modelo de decisin para la cual hay ms de un
estado de la naturaleza y para la cual
suponemos que quin toma la decisin puede
llegar a una estimacin de probabilidad de
ocurrencia de cada uno de los diversos estados
de la naturaleza.
d1
r11
r12
r1n
d2
r21
r21
r2n
Suponga:
Hay m > 1 estados de la naturaleza.
dn
rn1
rn2
rnn
Pj probabilidad de que ocurra el estado j

(se determinar utilizando frecuencias
histricas)
El rendimiento esperado asociado con la

decisin i ERi es la suma de todos los
estados j posibles, de trminos de la
forma (rendimiento en el estado j
cuando la decisin es i) multiplicado por
la probabilidad de ocurrencia del estado
rij * Pj.
PROCESO DE DECISIN
1. Seleccionar una de
alternativas d1, d2, , dn
las
decisiones
Suponga que se selecciona d1

2. Una vez tomada la decisin, ocurre un
estado de la naturaleza que queda fuera de
control.
Suponga que ocurre el estado 2.
3. El Rendimiento es determinado a partir de la
TABLA DE RETRIBUCIONES
resultado r12
En general, la pregunta es:
Cul de las decisiones se debe tomar? para
obtener un rendimiento rij ms grande posible,
donde:
ER i = rij * Pj = ri1 * P1 + ri2 * P2 + ... + rim * Pm

j=1
Ejm: Modelo del repartidor de peridicos:
Debe comprar los peridicos antes de

saber cuantos puede vender realmente.
i : decisin tomada.
j : el estado de la naturaleza ocurrida.
Si compra ms peridicos de los que

puede vender, desechar el excedente,
sin costo adicional.
Si no compra suficientes peridicos,

pierde ventas potenciales ahora y
posiblemente en el futuro (clientes
disgustados) suponga un costo de 50
cntimos por prdida de buen nombre
MODELOS DE DECISIN
DECISIONES BAJO CERTIDUMBRE
Es aquella en la que ud. sabe cual es el estado
de la naturaleza que va ha ocurrir (se puede
pensar en un caso con un solo estado de la
naturaleza).
Un repartidor de peridicos puede

comprar La Repblica a 40 cntimos y
venderlos a 75 cntimos.
Pgina 22
(PRDIDA DE VENTA FUTURA) por

cliente insatisfecho.
Suponga que la distribucin de la

demanda es:
Se tiene ms de un estado posible de la

naturaleza, pero ahora quin toma la decisin no
quiere o no puede especificar las probabilidades
de que los diferentes estados de la naturaleza
ocurren.
P0 = prob (demanda = 0) = 0.1

P1 = 0.3
A. CRITERIO DE LAPLACE
P2 = 0.4
Interpreta el estado de incertidumbre como

equivalente a suponer que todos los estados de
la naturaleza son igualmente probables.
P3 = 0.2
Ejm.
Tabla de Retribuciones:
(Demanda)
DECISIN
0
0.1
0.3
0.4
0.2
-50
-100
-150
-85
-40
35
-15
-65
-125
-80
-5
70
20
22.5
-120
-45
30
105
7.5
(Peridicos
ordenados)
ER
3
En el modelo del repartidor de peridicos

suponer que los estados son igualmente
probables significa que cada una tiene una
probabilidad de 0.25 (usar este criterio cambia el
Modelo de Decisin).
Probabilidad
Estado : Demanda
Decisin : Peridicos ordenados
Nota: Las entradas de la tabla representan el
flujo de efectivo neto asociado con cada
combinacin de cantidad ordenada y cantidad
solicitada, menos el costo por la buena
reputacin, cuando la cantidad ordenada no es
suficiente para satisfacer la demanda.
(Demanda)
DECISIN
0
ER
3
Probabilidad
0.25
0.25
0.25
0.25
-50
-100
-150
-75
-40
35
-15
-65
-21.25
-80
-5
70
20
1.25
-120
-45
30
105
-7.5
Decisin ptima:
RE0 = 0(0.25)-50(0.25)-100(0.25)-150(0.25)=-75
Retribucin=75 (N de Peridicos vendidos)
RE1 = -40(0.25)+35(0.25)-15(0.25)-65(0.25)=-21.25
40 (N de Peridicos ordenados)
RE2 = -80(0.25)-5(0.25)+70(0.25)+20(0.25)=1.25
50 (Demanda no satisfecha)
RE3 = -120(0.25)-45(0.25)+30(0.25)+105(0.25)=-7.5
Decisin Optima:
RE2 Mayor, entonces ORDENAR 2 Peridicos
RE0 = 0(0.1)-50(0.3)-100(0.4)-150(0.2)=-85
RE1 = -40(0.1)+35(0.3)-15(0.4)-65(0.2)=-125
RE2 = -80(0.1)-5(0.3)+70(0.4)+20(0.2)=22.5
RE3 = -120(0.1)-45(0.3)+30(0.4)+105(0.2)=7.5
RE2 Mayor, entonces ORDENAR 2 Peridicos
Nota: En algunas situaciones puede producir

resultados aceptables en otros escenarios
seran inapropiados, para estas situaciones
existen otros criterios (MaxiMin, MxiMax y
MiniMax arrepentimiento) todos estos criterios
pueden utilizarse sin especificar probabilidades)
B. CRITERIO MAXIMIN
Prctica: Elaborar la hoja de clculo para el

problema planteado.
Procedimiento extremadamente conservador,

quizs pesimista para tomar decisiones.
DECISIONES BAJO INCERTIDUMBRE
Evalan cada decisin segn la peor

circunstancia que pudiera pasar si se tomara
esa decisin.
Pgina 23
Tabla de Rendimiento Mnimo:

Decisin
1. Se encuentra la entrada mxima de cada

columna de la Tabla de Retribuciones.
Rendimiento Mnimo*
Ejm. 70 es la entrada mxima de la columna

del 3er estado de la naturaleza.
-150
-65
2. Se calcula la nueva entrada sustrayendo la

entrada actual del mximo en su columna.
-80
-120
La nueva entrada en la 2da fila de la 3era

columna, es:
(*) Valores mnimos para cada fila
70 (-15)=85
Decisin:
Estas nuevas entradas llamadas de

arrepentimiento indican que es lo mejor que
podemos hacer.
La alternativa que proporciona el valor MAXIMO

de los rendimientos MINIMOS (MAXIMIN) es la
seleccionada:
Por lo tanto pedir 01 peridico.
C. CRITERIO MAXIMAX
Es tan optimista como pesimista es el MAXIMIN.
Evala cada decisin segn lo mejor que
pudiera pasar si esta se tomara.
Evala cada decisin por el rendimiento mximo
posible asociado a esta decisin.
Tabla de Rendimiento Mnimo
Decisin
En otras palabras Arrepentimiento es

sinnimo del Costo de Oportunidad de no
tomar decisin en un estado de la
naturaleza en particular.
Tabla de Arrepentimiento:
Decisin
85
170
255
40
85
170
80
40
85
120
80
40
Rendimiento Mximo*
35
70
105
(*) Valores mximos para cada fila
Las cifras muestran cuanto se pierde al

escoger una alternativa que no sea la mejor
para ese evento.
El rechazo o arrepentimiento puede consistir
en Ganancias, Prdidas o Incremento del
costo.
Tabla de Mximos Arrepentimientos:
Decisin:
La alternativa que proporciona el MAXIMO de
los rendimientos, es la alternativa 3:
Por lo tanto pedir 03 peridico.
ARREPENTIMIENTO y ARREPENTIMIENTO
MINIMAX (RECHAZO MINIMAX)
Introduce un nuevo concepto para medir el
carcter deseable de un resultado.
Hasta ahora todos los criterios de decisin han
sido utilizados en una tabla de retribuciones
como rendimientos en dlares, medidos por
flujos netos de efectivo.
La siguiente tabla muestra el arrepentimiento
por cada combinacin de decisin y estado de la
naturaleza.
Se obtiene de la siguiente manera:
Decisin
Mximo Arrepentimiento
255
170
85
120
Decisin:
Seleccionar la alternativa que Minimize el
arrepentimiento mximo.
En este caso el criterio de arrepentimiento
Minimax indica que el repartidor debe
ordenar 2 peridicos.
Nota: Cuando se toman decisiones sin
utilizar probabilidades, los criterios de
decisin pueden llevar a diferentes
decisiones ptimas
Pgina 24
VALOR ESPERADO DE LA INFORMACIN

PERFECTA
3. El genio le dice al repartidor de peridicos a

cuanto ascender la demanda.
Es la cantidad en la que podra mejorar el

RENDIMIENTO ESPERADO si el que toma la
decisin supiera de antemano cual es el evento
que va ha ocurrir.
4. El repartidor de peridicos ordena sus

peridicos.
Consideraciones:
1. Se puede mejorar la calidad de los
Pronsticos realizando una Investigacin de
Mercados o estudiando las tendencias del
pasado.
2. Los gerentes a pesar de que no son
capaces de obtener las probabilidades de
los eventos si pueden predecir el futuro sin
errores.
Cul es la cuota ms alta que un gerente
estara dispuesto a pagar por esta
informacin?
3. Esta cuota se conoce como el Valor
Esperado de la Informacin Perfecta.
5. El repartidor de peridicos recibe el

rendimiento determinado por la demanda y
el nmero de peridicos que orden.
Pregunta:
Cul es la cuota ms alta que el repartidor de
peridicos debera estar dispuesto a pagar en el
paso 1?
Esta cuota se conoce como el Valor esperado
de la Informacin Perfecta:
En trminos generales:
Cuota =
Rendimiento
Esperado con
el nuevo trato
En trminos generales:
Rendimiento
Esperado con la
secuencia
actual de los
eventos (sin
trato o arreglo)
VEIP = ERPerfecta ERImperfecta

Supongamos que la secuencia de sucesos
durante el da del repartidor de peridicos es
como sigue:
1. Un genio, partiendo de la distribucin de la
demanda de peridicos, determina el
nmero de peridicos que sern solicitados.
2. El repartidor de peridicos, ignorante de la
cantidad solicitada, pero conociendo la
distribucin de la demanda, ordena o pide
los peridicos.
3. La demanda le es entonces revelada al
repartidor de peridicos y el consigue un
rendimiento real (en contraste con el
esperado) determinando en funcin de su
decisin sobre el tamao del pedido y de la
demanda.
Ahora imagine un nuevo escenario:
El repartidor de peridicos tiene la oportunidad
de negociar con el genio bajo un nuevo arreglo
de secuencia:
1. El repartidor de peridicos paga al genio una
cuota.
2. El genio determina la demanda igual que
antes.
Es importante sealar que el genio no puede
hacer que una demanda en particular se
convierta en cierta; el simplemente tiene el
conocimiento perfecto de lo que suceder y
est dispuesto a vender el conocimiento
informacin.
Con el nuevo trato el repartidor de peridicos en

el paso 4, siempre ordenar o pedir el nmero
de peridicos que le dar el rendimiento mximo
para el estado de la naturaleza que va ha
ocurrir, con este razonamiento, su RE bajo este
nuevo trato ser:
RE(nuevo) = 0 (0.1) +35 (0.3) + 70 (0.4) + 105 (0.2)
= 59.2
En ausencia de la informacin perfecta su
decisin ptima (ordena 2 peridicos), da un
rendimiento esperado de 22.5.
Por lo tanto,
VEIP = 59.2 22.5 = 37
El VEIP es el lmite superior para la cantidad
que ud. estara dispuesto a pagar para mejorar
su conocimiento sobre el estado de la
naturaleza que ocurrir (investigacin de
mercado y otros).
UTILIDAD Y DECISIONES BAJO RIESGO
La utilidad es una manera alternativa de medir el
aspecto atractivo del resultado de una decisin
(manera alternativa de encontrar los valores a
llenar en una tabla de retribuciones).
RAZON FUNDAMENTAL DE LA UTILIDAD
Usar un flujo de efectivo negativo puede llevar a
una decisin inaceptable, usando criterios como
MAXIMIN y MAXIMAX lo que podra tambin
ocurrir en una decisin bajo riesgo.
Pgina 25
Considere una urna que contenga 99 bolas

blancas y una bola negra.
A Ud. se le ofrece la oportunidad de jugar un

juego en el que deber sacar una bola de
esta urna.
Cada bola tiene igual oportunidad de ser

sacada que las dems.
Si saca una bola blanca Ud. pagar S/

10,000 y si saca una bola negra Ud. ganara
S/. 1,000,000
2. Es CONCAVA, la utilidad marginal del

dinero es no creciente.
FUNCIN TPICA DE UTILIDAD ADVERSA AL RIESGO
1.2
1
0.8
Utilidad
Ejm.
0.6
0.4
0.2
0
Ud. debe decidir, si juega o no:
100
200
300
400
500
Dlares
Ejm.
BOLA BLANCA
DECISION
BOLA NEGRA
RE
Ud. tiene $100 y recibe $100 adicionales.

Su utilidad aumenta segn:
PROBABILIDAD
U(200) U(100) = 0.680 0.524 = 0.156

0.99
0.01
JUGAR
-10,000
1,000,000
100
NO JUGAR
RE(Jugar) = -10,000(0.99) + 1,000,000(0.01)

= 100
RE(No jugar) = 0(0.99) + 0(0.01)
=0
Aplicando el criterio de Maximizar el flujo de
efectivo neto esperado.
RE(Jugar) > RE(No jugar)
Elevado riego hacia abajo, rechazo a la decisin
tomada.
Ahora suponga que comienza con $400 y

recibe $100 adicionales.
U(500) U(400) = 0.910 -0.850 = 0.060
$100 adicionales son menos atractivos para
Ud. si tiene $400 en la mano que si comienza
con $100.
La ganancia correspondiente a una cantidad
especfica en dlares incrementa menos las
UTILIDADES que una prdida de una misma
suma de dlares reduce las utilidades.
Ejm.
Prdida de utilidades de pasos de 400 a 300.
U(400) U(300) = 0.890 0.755 = 0.075
Otras funciones:
Por lo tanto,
Es necesario tener cuidado en la seleccin del
criterio ms adecuado.
Esta funcin se llama funcin de utilidad donde

para efectos de este anlisis, la palabra utilidad
puede considerarse como una medida de
satisfaccin.
0.7
0.6
0.5
Utilidad
El anlisis de decisiones maneja este comportamiento como una funcin que mide el aspecto
atractivo del dinero.
FUNCIN TPICA DE UTILIDAD PROPENSA AL RIESGO
0.4
0.3
0.2
0.1
0
100
Caractersticas:
200
300
Dlares
1. Es no descendiente, puesto que ms dinero

siempre es por lo menos igual de atractivo
que menos dinero.
Pgina 26
RBOLES DE DECISIN
Nodo Terminal:
Definicin: Mtodo grfico que expresa el orden

cronolgico de las acciones disponibles al
decisor y los eventos aleatorios asociados a los
estados de la naturaleza.
Cuando a un nodo no se le asigna otro nodo.

Rama:
Trmino empleado para representar a las lneas
que salen de los Nodos.
ELEMENTOS
Nodo de Decisin
Posicin Terminal:
Representa un punto en el que se debe tomar

una decisin graficado como un cuadrado y
cada lnea que salga del cuadrado representa
una posible decisin.
Representa el final del proceso de decisin al

que se le debe asignar un rendimiento asociado.
Valor Terminal:
Rendimiento asociado a cada posicin terminal.
Explorar
Problema 1:
Realizar estudios
Nuestra empresa tiene que decidir si

contina la Distribucin Regional del
producto o la encuadra en una Distribucin
Nacional (Pto. De decisin).
Los eventos casuales que pueden afectar la

decisin de distribucin Nacional consiste
en saber si habr una gran demanda
nacional para el producto, una demanda
mediana o una demanda limitada.
Si hay una gran demanda podran

esperarse utilidades de 4 millones de
dlares, mientras que se esperaran
utilidades de 2 millones de dlares y 0.5
millones de dlares para demandas
mediana y limitada respectivamente.
Los factores de probabilidad son 0.5, 0.25 y

0.25 respectivamente.
Pueden pronosticarse tres pagos ms si la

firma continua con la distribucin regional.
Si la distribucin Regional es grande la
empresa puede obtener 2 millones de
dlares, si la demanda regional es mediana
se calculan utilidades aproximadas de 1.8
millones de dlares por otra parte si la
demanda regional es limitada, se calculan
utilidades de 1.5 millones de dlares.
Decisiones posibles
Punto de decisin
Nodo de Evento
Representa una situacin donde el resultados es

incierto (estado de la naturaleza). Graficado por
un crculo cada lnea que salga del crculo
representa un resultado posible.
Nodo Terminal
$ 1,500
Regin con 200,00 barriles

Regin con gas
Regin seca
Estado de la
naturaleza
Punto de
ocurrencia de
eventos
Rama
Posicin Terminal
Valor Terminal
Pgina 27
Flujo Neto
de Efectivo
Un anlisis similar mostr que una

disminucin de 5% en las ventas acarreara
un flujo neto de 200,000 dlares para un
nuevo equipo y 280,000 para la alternativa
de tiempo extra.
Es evidente que si aumentan las ventas la

mejor decisin sera la de comprar un
nuevo equipo.
$ 2.00
Demanda Grande
P(0.5) $4
Demanda Mediana
P(0.25) $2
Distribucin
Nacional
$ 0.50
Demanda Limitada
P(0.25) $0.5
$ 0.125
Flujo Neto
de Efectivo
$ 2,625
$ 1.00
Distribucin
Regional
Demanda Grande
P(0.5) $2
Demanda Mediana
P(0.25) $1.8
$ 233,450
Aumento de ventas
P(0.667) $350,000
$ 0.45
Demanda Limitada
P(0.25) $1.5
Maquinaria
Nueva
$ 0.375
Disminucin de las ventas

P(0.333) $200,000
$ 66,600
$ 1,825
$ 300,050
$ 216,775
Tiempo
Extra
Por lo tanto, la empresa debe decidir por una

Distribucin Nacional.
Problema 2:
Disminucin de las ventas

P(0.333) $280,000
Considere una empresa que manufactura partes

componentes para una industria corriente.
Actualmente hay 5 mquinas automticas

que funciona a toda capacidad, para la
fabricacin de uno de sus productos. La
demanda de las ventas ha estado
aumentando para ese producto.
El problema al que se enfrenta la
administracin es saber si habr que
instalar otra mquina automtica o pagar
tiempo extra a sus empleados.
Despus de un cuidadoso anlisis de la
condiciones del mercado, se concluy de
que hay una probabilidad de 0.667 de que
aumenten el 25% la ventas de ese producto
dentro de un ao y que hay una
probabilidad de 0.333 de que las ventas
disminuyan hasta en un 5%.
Un cuidadoso anlisis de los datos
demostr que un 25% de aumento de las
ventas dara como resultado un flujo de
efectivo de 350,000 dlares para el nuevo
equipo comprado y 325,000 dlares para
tiempo extra.
Aumento de ventas
P(0.667) $325,000
$ 93,240
$ 310,015
Por lo tanto la mejor decisin consiste en

emplear tiempo extra durante el ao siguiente.
La administracin no necesita detenerse con
una base de un ao sino que puede mirar varios
aos adelante.
Despus que la administracin estudi las

perspectivas de las ventas lleg a la
conclusin de que aunque estas bajaran en
un 5% haba una probabilidad de 0.8 de
que aumentarn en un 25% durante el
segundo ao.
Haba tambin un factor de probabilidad de

0.2 de que las ventas aumentaran en
12.5% en el segundo ao aunque
disminuyeran en el primer ao.
La administracin convino en que si las

ventas aumentaran un 25% durante el
primer ao haba una probabilidad de 50-50
de que aumentarn a un ms durante el
segundo ao ya fuera un 25% o un 12.5%.
Pgina 28
MODULO N 06
TEORA DE COLAS
1. Describir un modelo de Colas de espera
2. Identificar las caractersticas de un modelo de Colas de espera.
3. Realizar anlisis econmico de los sistemas de colas de espera.
PROPOSITO:
1.
Indicar los elementos principales de un modelo de colas.
2.
Explicar las caractersticas de operacin de un modelo de colas.
3.
Presentar adecuadamente los resultados de la evaluacin de un modelo de colas.
4.
Interpretar los estados de un modelo de colas.
5.
Usar los resultados de un problema de colas para la toma de decisiones
6.
Solucionar problemas de modelos de colas de espera.
FUNDAMENTO:
aplicaremos un enfoque de solucin de problema aplicando el anlisis de decisiones..
PRE-REQUISITO:
Se har frecuentes referencias del concepto de Distribucin de Frecuencia, por lo tanto este quedar
previamente muy bien comprendido.
Pgina 29
4. Tiempo de espera en cola
INTRODUCCIN
Tambin llamada Teora de Lneas o Filas de
espera.
Tiempo transcurrido desde que uno entra al

sistema hasta que se inicia el servicio.
Creado por el ingeniero Dans A.K. Earlang.

Usado para analizar el Flujo de Transito o
Circulacin de automviles para determinar el
nmero de carriles, como regular los semforos,
etc. a fin de maximizar el flujo del trfico en una
ciudad.
Un modelo de cola de espera es aquel en el que
se tiene una secuencia de elementos (personas,
etc) que llegan a una instalacin en busca de
servicio.
ELEMENTOS PRINCIPALES
1. Proceso de Llegadas
Debido a que el tiempo entre llegadas no se
conoce con certeza se necesita especificar
una distribucin de probabilidad para este
(Distribucin Exponencial).
La distribucin Exponencial no es simtrica
y sirve para describir muchos servicios.
Ejm.
Cliente
Unidad de Servicio
Cliente servido
MODELOS DE COLAS DE ESPERA
Si los clientes llegan en promedio cada 5

minutos, entonces 2/3 de ellos tendrn
tiempos inter arribos de menos de 5 minutos
y 1/3 de ellos tendrn tiempos mayores de 5
minutos (algunos con tiempos muy largos).
Si el tiempo INTERARRIBOS tiene una
distribucin exponencial el nmero de
llegadas en un perodo especfico tiene una
distribucin POISSON.
Tiempo - medio - int erarribos =
1
l
2.1. MODELO BSICO

Considere
una
mquina
fotocopiadora,
localizada en la oficina de servicio secretarial en
el cuarto piso.
Los usuarios llegan a la fotocopiadora y forma
una sola cola.
Cada uno de los que llegan utilizan la
fotocopiadora por turno para llevar a cabo una
tarea especfica (las tareas varan).
El sistema se conoce como cola de espera de
un solo servidor.
Notas:
1. Nmero de personas en el Sistema
Nmero de personas que estn siendo
atendidas en el momento, as como aquellas
que estn esperando servicio.
2. La cantidad de personas en la cola de
espera
Las personas que estn esperando servicio.
3. El tiempo de espera en el sistema
Intervalo de tiempo entre el momento en que
el individuo entra al sistema y aquel en que
sale del mismo. Incluye el tiempo de
servicio.
Donde:
l : Tasa media de llegadas.

2. Proceso de Servicios
El tiempo que toma terminar un trabajo
tambin
es
tratado
mediante
una
distribucin exponencial, el parmetro para
esta distribucin se conoce como m y
representa la tasa media de servicio en
trabajos por minuto.
La media o tiempo promedio para completar
un servicio esta dado por 1/ m
3. Tamao de la Cola de Espera
No hay lmites en el nmero de trabajos que
pueden estar en cola de espera. Se dice que
la cola de espera es infinita.
4. Disciplina en la cola de espera
Los trabajos son atendidos de acuerdo con
un criterio de Primer Arribo, Primer Trabajo
Atendido; esto es se atiende en el mismo
orden en que llegan a la cola de espera.
Pgina 30
Aplicacin:
5. Horizonte de Tiempo
La operacin del sistema se considera como
si ocurriera continuamente en un horizonte
infinito.
6. Poblacin Fuente
Hay una poblacin infinita susceptible de
hacer un arribo.
1. Supongamos para el modelo bsico que:

El tiempo promedio de llegadas entre
trabajos es de 20, luego dado que:
1
= 20 , tenemos l = 0.05 , los trabajos
l
llegan a una velocidad de 0.05 por minuto.
2. El tiempo promedio para hacer un trabajo es
CARACTERSTICAS DE OPERACIN
de 10, sabemos que

Caractersticas
Smbolo
Utilizacin
Nmero
esperado
En el sistema
Nmero
esperado en la
cola de espera
Tiempo de espera promedio
(incluyendo
Tiempo
de
Servicio)
Lq
Tiempo
esperado en la
cola de espera
Wq
Probabilidad de
que el sistema
est
desocupado
Frmula
Por tanto m =0.10 o que los trabajos se

hacen a una velocidad de 0.10 trabajos por
minuto.
l
m
l
m -l
3. Solo existe un servidor (una mquina de

copiado).
l2
m (m - l )
1
m -l
Caractersticas
Utilizacin
1-
l
m
Nota:
1. Estas frmulas son vlidas si
l<m
Tasa media de llegadas < Tasa media de servicio
2. Si l m , entonces el nmero de personas

en cola de espera crecer infinitamente.
Ejm
Si
l = 0.25 (Tasa media de Llegadas)
m = 0.10 (Tasa media de Servicio)

Entonces:
Tiempo interarribos = 1/0.25 = 4
Tiempo promedio de servicio = 1/0.10 = 10
Llega un trabajo cada 4 y en promedio toma 10
hacer un trabajo.
4. La unidad de tiempo es el minuto.

RESULTADOS:
l
m (m - l )
r0
1
= 10
m
Resultados
50%
P(0) Probabilidad de
que el sistema este
vacio.
0.5
Lq Longitud esperada
de la cola
0.5
L, nmero esperado
en el sistema
1.0
Wq, Tiempo esperado

en cola
10 minutos
W,
Tiempo
total
esperado
en
el
sistema
20 minutos
INTERPRETACIN:
Estado estable: significa que la probabilidad de
que se observe cierta cantidad de personas (2)
no depende de la hora a la que se encuentre.
Por lo tanto:
1. El sistema estar vaco con una probabilidad
de 0.5 (P0=0.5).
2. En promedio hay 0.5 personas en la cola de
espera (Lq).
3. En promedio una llegada debe esperar 10
minutos antes de empezar a utilizar la
mquina (Wq).
Pgina 31
4. En promedio una llegada pasar 20 minutos

en el sistema (W).
Nota: Estos valores son promedios y como tales
pueden tener las mismas caractersticas que la
Distribucin Exponencial (2/3 de las observaciones bajo la media, 1/3 por encima de ellas).
CLASIFICACIN DE LOS MODELOS DE

COLA DE ESPERA
Hay muchos modelos de colas de espera
posibles, Kendall propuso una clasificacin o
taxonoma en base a la siguiente notacin:
A/B/S
Donde:
USO DE RESULTADOS:
A : Distribucin de las llegadas.
Los resultados son tiles cuando la administracin analice la estacin de servicio.
B = Distribucin del servicio.
Ejm. Para el modelo bsico:
Se utilizan diferentes letras para designar ciertas

distribuciones:
1. Nmero de trabajos por da.
l = 0.05 trabajos/minuto
Trabajos x da = 0.05
M = Distribucin Exponencial.
t
m
t
x 480
=24
m
d
d
2. Tiempo de utilizacin del sistema por da

W = 20
m
t
m
t
x 24
t
d
D = Nmero determinstico.
G = Cualquier distribucin (General) de tiempos
de servicio.
G1=Cualquier distribucin (general) de tiempos
de llegada.
Ejm
El ejemplo del Modelo de la Fotocopiadora
M/M/1: es una cola de espera de un solo
servidor con tiempos exponenciales Interarribos
y de Servicio.
Uso del sistema x da

= 20
S = Nmero de servidores.
= 480
m
d
= 8 Hrs.
MEDIDAS
Alquilar otra fotocopiadora y reemplazar
la existente o atender en paralelo.
Enviar parte de los trabajos a otra
estacin de servicio.
COLA DE ESPERA M/G/1

A pesar de que en muchas situaciones la
distribucin exponencial describe con precisin
el proceso de llegadas, pueden que no se ajuste
muy bien al proceso de servicio.
Cliente
Establecimiento
Servicio
Servidor
Existe una generalizacin del modelo bsico, el

cual permite que la Distribucin del tiempo de
servicio sea arbitraria, solo es necesario conocer
Paciente
Servicio de
Tratamiento
Mdico
su media
emergencia
Mdico
Central
Larga
Operador
Telefnica
Distancia
Telefnico
Las caractersticas de operacin para el modelo

generalizado se muestran en la siguiente tabla:
Ciudadano
Banco
Transaccin
Cajero
Ciudadano
Tienda de
Pago de
Cajera
Autoservicio
Mercanca
Muelle
Carga
MODELOS DE COLA DE ESPERA
Ciudadano
Barco
1
2
y su varianza s
m
Caracterstica
Gras
Pista de
Permisos e
Operador
Aterrizaje
Instrucciones
de trfico
areo
Avin
Paciente
Taller de
Mantenimiento
Revisin y
Mecnico
Mantenimiento
experto
Quirfano
Ciruga
Cirujano
Frmula
Utilizacin
l
m
Nmero
esperado en el
sistema
Lq +
Nmero
esperado en la
cola de espera
Lq
Descarga
Avin
Smbolo
l
m
l 2s 2 + (l / m ) 2
2(1 - l / m )
Pgina 32
Tiempo de
espera estimado
(incluyendo
tiempo de
servicio)
Tiempo esperado
en la cola de
espera
Wq
Probabilidad de
que el sistema
est desocupado
P0
Wq +
1
m
Lq =
(0.05)2 (0) + 0.05 /( 1 )
9
15
=
1
8
2 1 - 0.05 /( )
15
Lq
l
1-
l
m
Nota: Conforme s aumenta, tanto L como Lq,

W y Wq se incrementan, esto significa que la
consistencia de un servidor puede ser tan
importante como la velocidad del mismo.
2
Wq =
W=
(9 / 8) 45
=
= 22.5 min
0.05
2
45
+ 15 = 37.5 min Tiempo promedio de ciclo
2
Tiempo de ciclo Secretaria 2:

Tasa Media de arribos =
APLICACIN:
Suponga que Ud. debe encontrar a una
secretaria y tiene que seleccionar entre dos
candidatos.
La secretaria 1 es muy consistente, escribe

a mquina cualquier documento en 15
minutos exactos.
La secretaria 2 es un poco ms rpida, con
un promedio de 14 minutos por documento,
pero sus tiempos varan de acuerdo con la
distribucin exponencial.
La carga de trabajo promedio en la oficina
es de 3 documentos por hora, con tiempos
interarribos que varen de acuerdo con la
distribucin exponencial.
Qu secretaria le dar un tiempo de ciclo de

documentos ms corto?.
m=
l =3 doc/H = 0.05 doc/Min
1
Tiempo promedio de servicio =
= 15
m
m=
1
15
l = 0.05 doc/Min
1
14
Tiempo promedio de servicio =
1
= 14
m
s = 14
Utilizacin 70%
L = 2.333
Lq = 1.6333
W=46.6667
Wq=32.667
P0=0.300
Tiempo de ciclo Secretaria 1:

Tasa media de arribos =
Lq =
Wq =
(0.05)2 (14) 2 + 0.05 /( 1 )
49
14
=
= 1.6333 min
1
30
2 1 - 0.05 /( )
14
(49 / 30) 98
=
= 32.67 min
0.05
3
Utilizacin 75%
L = 1.8750
Lq = 1.1250
W=37.500
Por lo tanto:
Wq=22.500
P0=0.250
A pesar de que la secretaria-2 es ms rpida

sus tiempos promedios de ciclo son mayores,
debido a la alta variabilidad con sus tiempos de
servicio.
W=
98
+ 14 = 46.67 min Tiempo Promedio de Ciclo
3
Pgina 33
MODELO 1: LABORATORIO DE HEMATOLOGA
Nota:
COLA DE ESPERA M/M/S
Si hubiera un solo servidor, la cola crecera

sin lmite porque l > m .
Un laboratorio de Hematologa atiende a gran

cantidad de personas como pacientes externos.
En el hospital que cuenta con 600 camas, los
pacientes externos ms los admitidos producen
un gran flujo de pacientes nuevos todos los das.
Para una cola de espera con mltiples

servidores existir un estado estable siempre
y cuando l < Sm , donde S es el nmero
de servidores.
La mayor parte de los pacientes nuevos debe

pasar por el laboratorio de Hematologa como
parte del proceso de diagnstico.
Ejm.
El sistema funciona as:
Porque:
Despus de ver al doctor, el paciente llega al

laboratorio y se registra con un empleado.
0.20 < 0.25 (=2 x 0.125)
Los pacientes son asignados por orden de

llegada a las salas de prueba segn la
disponibilidad.
ECUCACIONES CLAVES:
El tcnico asignado a una sala determinada

lleva a cabo las pruebas ordenadas por el
doctor.
P0 =
Cuando la prueba termina el paciente

contina el siguiente paso del proceso y el
tcnico atiende a un nuevo paciente.
Se debe decidir cuantos tcnicos contratar.
Sala de exmenes
Servidor 1
Servidor 2
Suponga que el tiempo interarribos est dado

por una Distribucin Exponencial con el
parmetro l = 0.20 por minuto. Esto implica que
en promedio llega un nuevo paciente cada 5
minutos.
1
l
1
=5
20
Suponga que cada servidor es idntico y

cada tiempo de servicio est dado por una
distribucin exponencial con el parmetro
m =0.125 por minuto, esto implica que el
tiempo medio de servicios es de 8 minutos.
Tiempo medio de servicio para un solo
servidor =
1
1
=
=8
m 0.125
Probabilidad
desocupado:
de
que
el
Sistema
este
1
S
( l ) n l m
1
m
(
+
n!
S!
1 - (l
n= 0
S -1
Sm
Cantidad espera de personas en la cola de

espera:
S +1
m
Lq = P0
2
(S - 1)! S - l
m
Caractersticas
Servidor N
Tiempo medio interarribos =
Si S=2, se logra un estado estable.
Smbolo
Utilizacin
Nmero esperado
en el sistema
Nmero esperado
en la cola de
espera
Lq
Tiempo de espera
estimado
(incluyendo tiempo
de servicio)
Tiempo esperado
en la cola de
espera
Wq
Probabilidad
de
que el sistema
este desocupado
P0
Frmula
l
mS
Lq +
l
m
Wq +
1
m
l
m (m - l )
Pgina 34
l = 0.2
m =0.125
Para el modelo anteriormente planteado

suponga que el administrador est dispuesto a
especificar 2 costos.
S=2
S=3
S=4
CS = Costo por hora de tener un servidor

disponible.
Utilizacin
80%
53.33%
40%
CW = Costo po hora de tener a una persona

esperando en el sistema (costo muy cualitativo).
P0
0.1111
0.1872
0.1993
Lq
2.8444
0.3129
0.0605
Con estos costos es posible calcular el costo

total asociado con la decisin de utilizar
cualquier nmero especfico de servidores.
4.4444
1.9129
1.6605
Wq
14.2222
1.5646
0.3023
22.2222
9.5646
8.3023
Probabilidad
que
un
cliente
espere
0.7111
0.2738
0.0907
COSTO
TOTAL
DE
EMPLEAR
DOS
SERVIDORES PARA UNA JORNADA DE 8
HORAS, Hay 2 componentes:
Costo del Servidor = (CS) (2) (8)
Horas
trabajadas
Nmero
servidores
OBSERVACIONES:
Hay una reduccin dramtica del tiempo de

espera (Wq) con un tercer servidor al aadir
un cuarto servidor no hay una diferencia tan
drstica 14.2222 -> 1.5646 -> 0.3023.
Otro factor a considerar es que tan

ocupados estn los servidores.
Costo por hora

de un servidor
Costo de espera = (CW ) (L2) (8)
Horas
trabajadas
La utilizacin se reduce de 80% a 53.33%

luego a 40%; entre ms servidores se
agrupen, mayor ser el porcentaje de
tiempo ocioso de los tcnicos.
Nmero
de
personas
en
cola de espera
cuando hay 2
servidores
Decisin:
Costo por hora

de espera en
el sistema
Con un tcnico el sistema es INESTABLE y

la cola de espera crecer continuamente.
Con dos tcnicos, el tiempo de espera
promedio en la cola es inferior a 15 minutos y
segn estndares del hospital el valor es
pequeo y aceptable.
Ejm.
Si se quiere calcular el costo total de utilizar 4
servidores en un da de 6 horas tendramos:
Al aadir ms servidores se reducir el

tiempo promedio de espera a un costo
significativo para el hospital.
(CS)(4)(6) + (Cw)(L4)(6)
ANLISIS ECONMICO DE LOS SISTEMAS

DE COLAS DE ESPERA
Costo total por hora utilizando 4 servidores
PARMETROS DE COSTO
Si se es capaz de estimar ciertos costos, se
pueden elaborar modelos de costo esperado de
los sistemas de cola de espera.
de
[(CS)(4) + (Cw)(L4)]*6
Costo Total por Hora:

TC(S) = (CS)(S) + (Cw)(LS)
Ejm.
Pgina 35
MODELO DE UNA COLA DE ESPERA FINITA

(LINEA WATS)
1
=Tiempo medio de servicio
m promedio de una conversacin.
Como parte del proceso de modelado, el

hospital est diseando un nuevo sistema de
comunicaciones. Se debe decidir cuntas lneas
Wats debe comprar el hospital.
S = Nmero de servidores (lneas).
Wats (siglas en ingls de Servicio Telefnico de

Lnea Amplia).
Cuando todas las lneas asignadas a Wats estn
en uso, la persona que marca hacia fuera
obtendr una seal de ocupado, lo que indica
que la llamada no puede ser realizada.
Se sabe que cundo las personas levantan el
telfono, quieren hacer su llamada sin tener
que intentarlo varias veces.
Determinar cuantas colas se debe tener para
cumplir con este objetivo a un costo
razonable.
El problema de cuntas lneas se necesitan
en un conmutador es atacada utilizando el
modelo M/G/S:Cola de espera multicanal con
S Servidores (S lneas) tiempos interarribos
exponenciales para las llamadas y una
Distribucin General para el tiempo de
servicio (Duracin de cada llamada).
Los sistemas ms sofisticados de ahora
tienen una cola de espera para un nmero
finito de clientes.
CONSIDERE:
= 1 (Las llamadas llegan a una tasa de uno
por minuto)
1
= 10 (La duracin promedio de una
m
conversacin es de 10 minutos)
l
= 10
m
Suponga que se tienen cinco lneas en el
sistema (S=5) y queremos encontrar la
probabilidad de estado estable de que
exactamente dos estn ocupados (J=2).
l
m
P2 =
S
2!
K
l
m
K =0
PROBABILIDAD DE J SERVIDORES
OCUPADOS:
El problema de seleccionar la cantidad
apropiada de lneas (servidores) se ataca
calculando la probabilidad en estado estable de
que exactamente J lneas estn ocupadas.
La probabilidad de estado estable de que haya
exactamente J servidores ocupados, dado que S
lneas (servidores) estn disponibles, est dado
por la siguiente expresin:
(duracin
K!
(10)2
=
1 + 10
+ 10
( 2 x1)
+ 10
(3 x 2 x1)
2. 1
+ 10
(4 x3 x 2 x1)
50
1 + 10 + 50 + 166.67 + 416.67 + 833.33
50
= 0.034
1477.67
+ 10
Por lo tanto:
l
m
Pj =
En promedio, dos lneas estarn ocupadas 3.4%

del tiempo.
J!
K
l

S
m
K!
K =0
Distribucin de prdida de
Earland
Una manera alternativa de obtener Pj es como

sigue:
l
m
Pi = Pi -1
Como
Donde:
l = Tasa de llegadas (velocidad a la que llegan

las llamadas)
P2= 0.034
P3=P2(10)/3
P3= 0.034 (10)/3
P3= 0.1133
Pgina 36
(5 x 4 x 3 x 2 x1)
P4= P3(10/4) = 0.1133 (10)/4 = 0.2833
Suponga:
Cul es la probabilidad de que todas las lneas

estn ocupadas?, en este caso quien llama no
ser capaz de lograr una conexin en las lneas
Wats.
l =1 , 1
m
Si compra 10 lneas telefnicas P10= 0.215
P5= P4(10/5) = 0.2833 (10)/5 = 0.564
Se deduce que:
El sistema estar totalmente ocupado 56.4% del

tiempo.
= 10 (1 0.215)
NUMERO PROMEDIO
OCUPADOS
DE
SERVIDORES
Esta cantidad se conoce como la carga en la

jerga de la cola de espera.
Si definimos que es en nmero promedio de
servidores ocupados, entonces:
=
l
[1- probabilidad de que un cliente sea
m rechazado]
=10
= 7.85
Conclusin:
Aproximadamente una quinta parte tiempo y en
promedio casi 8 lneas estarn ocupadas.
Para calcular la utilizacin =
7.85
=
= 78.5%
S
10
Lo que significa que cada servidor (en promedio)

est ocupado 78.5% del tiempo y ocioso 21.5%
del tiempo.
Pgina 37
MODULO N 07
INTRODUCCIN A LA PROGRAMACIN
(SECUENCIACIN)
1. Reconocer y definir un problema de programacin
2. Formular las reglas de programacin de Jhonson para problemas determinsticos de n trabajos
2 mquinas.
3. Reconocer la aplicabilidad y aplicar las reglas de Jhonson a problemas apropiados de dos y tres
mquinas.
4. Probar que para un problema determinstico de dos mquinas, minimizar el tiempo total para
terminar los trabajos es equivalente a minimizar el tiempo ocioso total de la segunda mquina.
5. Reconocer la aplicabilidad, explicar y aplicar el grfico heurstico para la solucin de problemas
apropiados de 2 trabajos n mquinas.
PROPOSITO:
1.
(a)
Definir un problema de programacin
(b) Formular las reglas de programacin de Jhonson para resolver un problema determinstico
de n trabajos 2 mquinas
(c) Describir problemas de tres mquinas a los cuales se les puede aplicar las reglas de Jhonson
para obtener una solucin.
(d) Explicar por qu, en un problema de n trabajos dos mquinas, minimizar el tiempo total de
trabajos es equivalente a minimizar el tiempo ocioso de la segunda mquina.
2.
Aplicar las reglas de Jhonson a problemas determinsticos apropiados de programacin de dos o

tres mquinas, a fin de obtener la secuencia que minimize el tiempo total de trabajo, y calcular el
mnimo tiempo total de trabajo.
3.
Obtener una solucin para un problema dado de dos trabajos n mquinas (con n4), empleando
el mtodo grfico heurstico.
FUNDAMENTO:
aplicaremos un enfoque de solucin de problema aplicando el criterio de secuenciacin.
PRE-REQUISITO:
Se har referencias del concepto de Algoritmo, por lo tanto este quedar previamente muy bien
comprendido.
Pgina 38
INTRODUCCIN
Considere el siguiente problema:
La produccin de un artefacto requiere de ocho
mquinas pesadas, las cuales requieren
mantenimiento preventivo peridico.
El mantenimiento se realiza por dos cuadrillas
(equipos de tcnicos) una de las cuales (a la
que nos referimos como cuadrilla A) desmonta
la maquinaria y reemplaza las partes deterioradas, mientras que la otra cuadrilla (a la que
nos referimos como B) es responsable de la
recalibracin de las mquinas como preparacin
para continuar la produccin.
Las mquinas no son todas iguales, y por lo
tanto las cuadrillas toman diferentes tiempos
para realizar sus tareas en las diferentes
mquinas. En realidad, los tiempos especficos
de trabajo en horas son como sigue:
MQUINAS
TIEMPOS DE TRABAJO (HORAS)
(Trabajos)
CUADRILLA-A
CUADRILLA-B
1
2
3
4
5
6
7
8
5.5
4.9
7.5
6.3
2.8
3.8
6.7
5.2
6.4
2.3
7.9
4.8
6.2
2.1
1.0
4.1
El mantenimiento debe realizarse despus de

horas normales de trabajo, donde a los
ingenieros se les remunera a tasas de
sobretiempo. Se requiere, por lo tanto, encontrar
un programa el cual minimice el tiempo total
para realizar el mantenimiento.
Este es un ejemplo del llamado problema de
programacin n trabajos dos mquinas.
Los trminos trabajos y mquinas se usan aun
cuando el problema no es directamente de
procesamiento de trabajos o mquinas. Este es
el caso del problema dado, ya que al involucrar
las 8 mquinas como n trabajos y las dos
cuadrillas como dos mquinas, puede
aparentar algo de confusin. Cada trabajo debe
ser procesado por las dos mquinas en el
mismo orden. La situacin que se presenta se
describe en el siguiente diagrama:
En realidad, puede que no haya ahorros de

tiempo como resultado de acomodar en
diferente orden los trabajos para la segunda
mquina. Esto es porque una vez que un
conjunto de trabajos estn en lnea para pasar el
primer proceso, el tiempo total que tomar
terminar procesar este conjunto al hacerlos
pasar por el segundo proceso es simplemente la
suma de sus tiempos de trabajo en la segunda
mquina, indiferentemente del orden en que
sean procesados. De aqu que, uno podra
procesarlos en el orden en que los trabajos
sales de la primera mquina. Por consiguiente,
una solucin al problema consistir en el orden
en que los ocho trabajos entran a las dos
mquinas.
Esta misma observacin nos permite notar otras
realidades como por ejemplo: que el programa
ptimo
minimiza
el
tiempo
total
de
procesamiento, que la segunda mquina est
ociosa desde el tiempo que el primer trabajo
entra en la primera mquina hasta el tiempo que
el ltimo trabajo deja la segunda mquina.
Para visualizar esto, notamos que para cualquier
programa:
El tiempo total para completar todos los trabajos
= Tiempo Total para procesar todos los trabajos
en la segunda mquina + Tiempo Total que la
segunda mquina est ociosa.
Pero, la segunda mquina est ociosa
solamente cuando no hay trabajos terminados
en la primera mquina y esperando ser
procesados en la segunda. De otra manera la
segunda mquina estar siempre ocupada. Pero
el tiempo total que la segunda mquina est
ocupada
no
depende
del
orden
de
procesamiento.
En realidad, si el tiempo de procesamiento del
trabajo i en la segunda mquina es Bi, (=1,2,3,
, n), entonces el tiempo total de la segunda
mquina es:
n
MQUINA B
MQUINA A
La solucin al problema consistir de un

programa que especifique el orden en que
deben procesarse los trabajos en cada mquina.
Un programa ptimo para el problema ser el
que permita el menor tiempo total para
completar todos los trabajos (algunas veces
llamado tiempo de flujo).
T2 = Bi
i =1
Artculos
esperando ser
procesados en
Mquina A
Artculo
Procesndose
en Mquina A
Artculos terminados
en Mquina A y
esperando ser
Procesndose en
Mquina A
Artculo
Procesndose
en Mquina B
Artculos
Acabados
T2 no depende del orden en que se ejecuten los

trabajos. Por lo tanto, el programa ptimo ser
uno en el cual el tiempo total que la segunda
Pgina 39
mquina est ociosa, esperando por trabjos, sea

el menor.
Regla de Johnson
Las reglas de programacin que minimizan este
tiempo ocioso se conocen como la Regla de
Johnson, que fue su descubridor.
La regla de Johnson, minimiza el tiempo ocioso

de la segunda mquina en un problema de n
trabajos 2 mquinas.
La regla descrita en trminos de un diagrama de
flujo:
Inicio
La regla se aplica a programas de trabajos

sucesivos o secuenciales, es un mtodo para
programar un nmero de trabajos en dos
centros sucesivos del trabajo.
Tiempos de
Mquina
El objetivo primario de la regla de Johnson es

encontrar una secuencia ptima de trabajos
para reducir la cantidad de tiempo total que
toma para terminar todos los trabajos; tambin
reduce el nmero del tiempo ocioso entre los
dos centros del trabajo.
Encontrar el
mnimo tiempo
de trabajo
Antes de que la tcnica pueda ser aplicada,

varias condiciones necesitan estar en lugar:
1.
La poca para cada trabajo debe ser

constante.
2.
Los tiempos del trabajo deben ser

mutuamente exclusiva de la secuencia de
trabajo.
3.
Todos los trabajos deben pasar a travs

del primer centro del trabajo antes de
pasar a travs del segundo centro del
trabajo.
4.
Tiempo del
primer
Proceso
No
Si
Programar
trabajo primero
borrar de la lista
Programar
trabajo al ltimo,
borrar de la lista
No debe haber prioridades del trabajo.
La regla de Johnson considera los siguientes

pasos:
1.
Enumere los trabajos y registre el tiempo

de operacin de cada trabajo en ambas
mquinas (centros de trabajo).
2.
Seleccione el trabajo con el tiempo ms

corto en cualquier mquina (centro de
trabajo).
3.
Si el trabajo con el tiempo ms corto

corresponde al primer centro del trabajo,
entonces programar el trabajo primero. Si
el trabajo corresponde al segundo centro
de trabajo entonces programar el trabajo
al ltimo. En caso de empate (igualdad de
tiempo) se programa el trabajo en la
primera mquina.
4.
Borrar el trabajo seleccionado de la lista.
5.
Repetir los pasos 2 y 3 con los trabajos

restantes hasta completar la programacin.
No
Si
ptimo
obtenido
Fin
Para el problema planteado:

De la tabla dada de tiempos de proceso, el
menor tiempo es 1 para el trabajo 7 (mquina
7) y corresponde a la segunda mquina
(cuadrilla B). De aqu que la mquina 7 debe
programarse al ltimo (octavo).
?
Todos
programados
Pgina 40
Borrando la mquina 7 de la tabla, vemos que el

siguiente menor tiempo es 2.1, para el trabajo
6 en la segunda mquina. Por lo tanto la
mquina 6 debe programarse sptima.
?
Borrando la mquina 6 de la tabla, el siguiente

menor tiempo es 2.3, para el trabajo 2 en la
segunda mquina. Por lo tanto la mquina 2
debe programarse sexta.
?

primera mquina. Por lo tanto la mquina 5
debe programarse primera.
5

debe programarse quinta.
5

debe programarse cuarta.
5

primera mquina. Por lo tanto la mquina 1
debe programarse segunda.
5
Ahora determinamos, usando el programa

ptimo, cunto tiempo tomar completar todos
los trabajos.
Esto se har haciendo un seguimiento a los
trabajos iniciando en el tiempo 0 y calculando
cundo cada mquina comienza y termina cada
trabajo. Esto se muestra en la siguiente tabla.
Trabajo
0+2.8=2.8
2.8
2.8
2.8+6.2=9.0
2.8+5.5=8.3
9.0
9.0+6.4=15.4
8.3+7.5=15.8
0.4
15.8
15.8+7.9=23.7
15.8+6.3=22.1
23.7
23.7+4.8=28.5
22.1+5.2=27.3
28.5
28.5+4.1=32.6
27.3+4.9=32.2
32.6
32.6+2.3=34.9
32.2+3.8=36
1.1
36
36+2.1=38.1
36+6.7=42.7
4.6
42.7
42.7+1=43.7
Total Tiempo Ocioso
8.9
Vemos, entonces, que tomar 43.7 horas

completar el programa.
Como una verificacin a esta solucin vemos
que:
43.7= Tiempo ocioso total de la segunda
mquina (8.9) + Tiempo de Procesamiento total
en la segunda mquina (34.8).
TIEMPOS DE TRABAJO (HORAS)
Trabajos
Para resumir, el programa ptimo es tratar con

las mquinas en el siguiente orden:
La regla de Johnson es obviamente de fcil
aplicacin usando solamente lpiz y papel. Su
verificacin, sin embargo, implica una gran
cantidad de manipulaciones algebraicas y no
ser tratado aqu.
Determinacin del Tiempo ptimo
Tiempo en que
la Mquina B
termina el
trabajo
5, 1, 3, 4, 8, 2, 6, 7
Tiempo
en que la
mquina
B
comienza
un trabajo
Esto deja la mquina 3 para programar tercera.

5
Tiempo
terminado en
la mquina A
Tiempo
que
espera
la
mquina
B para
un
trabajo
MQUINA-A
MQUINA -B
15
10
12
16
20
15
30
18
22
10
18
11
Paso 1: Listo. Tiempos de procesamiento

disponibles en la tabla.
Paso 2, 3 y 4: Se elige el tiempo ms breve (5
horas correspondiente al Trabajo 4-Mquina B).
Como el tiempo ms breve es de la segunda
mquina, el Trabajo 4 se programa al final.
?
Pgina 41
El siguiente tiempo ms breve es de 9 horas

correspondiente al Trabajo 7 de la Mquina A,
por lo que se programa en primer lugar.
7
Sigue el Trabajo 2, con 12 horas, que

corresponde a la Mquina A, por lo que se
programa en tercer lugar.
7
El grfico de Gantt para la programacin de las

dos mquinas es el siguiente:
Programacin N Trabajos 3 Mquinas
La Regla de Johnson tambin puede emplearse
para obtener la solucin a ciertos problemas que
incluyen tres mquinas.
Estos son problemas donde, si denotamos las
mquinas por A, B y C, y el tiempo de proceso
del trabajo i en cada una de ellas por Ai, Bi y Ci
entonces:
(i)
Todos los trabajos pasan por las

mquinas en el siguiente orden: primero
por A, seguido por B y luego por C.
(ii)
Bi Ai y Bi Ci
Posteriormente el Trabajo 3, con 15 horas en

la Mquina B, se programa en antepenltimo
lugar.
7
119= Tiempo ocioso total de la segunda

mquina (22) + Tiempo de Procesamiento total
en la segunda mquina (97).
Ahora tomamos el Trabajo 1 y correspondiendo

su menor tiempo a la Mquina B se programa
en penltimo lugar.
7
Quedando finalmente el Trabajo 5, para ser

programado en cuarto lugar.
La secuencia ptima luego de aplicar la Regla
de Johnson sera: 7-6-2-5-3-1-4.
Luego, para determinar el tiempo requerido para
completar los 7 trabajos se puede construir una
Carta Gantt que muestre dicha planificacin. El
tiempo requerido es de 119 minutos
(makespan).
La condicin (ii) simplemente establece que el

tiempo de proceso en la mquina intermedia (Bi)
es menor que el de las otras dos mquinas para
todos los trabajos.
La solucin a tal problema se obtiene
resolviendo el siguiente problema equivalente
de n trabajos dos mquinas.
Encontrar el programa de trabajos i=1,,n a
procesar primero en la Mquina y luego en la
mquina , el cual tome el menor tiempo total
para completarlos; donde los tiempos de
proceso para el trabajo i en la mquina y
son respectivamente:
i= Ai + Bi
Trabajo
Tiempo
terminado
en la
mquina A
Tiempo que
espera la
mquina B
para un
trabajo
Tiempo en
que la
mquina B
comienza
un trabajo
Tiempo en
que la
Mquina B
termina el
trabajo
0+9=9
9+11=20
9+10=19
20
20+18=38
19+12=31
38
38+16=54
31+18=49
54
54+22=76
49+20=69
76
76+15=91
69+15=84
91
91+10=101
84+30=114
13
114
114+5=119
Total Tiempo
Ocioso
22
horas
Como una verificacin a esta solucin vemos

que:
Luego el siguiente tiempo ms breve es de 10

horas correspondiente a los trabajos 6 y 1; dado
el empate se hace el trabajo en la Mquina A
por lo que se programa el Trabajo 6 en
segundo lugar.
7
Vemos, entonces, que tomar 119

completar el programa.
i= Bi + Ci, i=1, , n
No presentaremos prueba que la solucin a este

problema equivalente es el mismo que la
solucin al problema original.
La prueba implica nuevamente
procedimientos algebraicos tediosos.
algunos
Como un ejemplo de este tipo de problema,

suponga que se requiere programar los trabajos
1, , 6 a procesar en las mquinas A, B y C
(en se orden), donde los tiempos de proceso
son como sigue:
Tiempo de Proceso
Trabajo
Mquina A
Mquina B
Mquina C
Pgina 42
Notamos que los tiempos de proceso en la

mquina B son menores que los de las otras dos
mquinas para cada trabajo.
Por consiguiente, el problema ser resuelto si
obtenemos una solucin al siguiente problema 6
trabajos 2 mquinas.
Trabajo
cada conjunto. Denotar estos tiempos

como Ai y Bi para el trabajo i.
3. Resolver el problema de n trabajos 2
mquinas con los tiempos de trabajo Ai
y Bi.
MAQUINA A
MAQUINA B
Mquinas
...
M/2
...
M/2+1
2+
Tiempo total de procesamiento

del artculo i a travs de todo
este conjunto = Ai
Tiempo total de procesamiento

del artculo i a travs de todo
este conjunto = Bi
Tiempo de Proceso
Mquina A
Mquina C
8+5=13
5+7=12
6+4=10
4+9=13
5+2=7
2+6=8
7+4=11
4+5=9
9+4=13
4+8=12
7+6=13
6+8=14
Aplicando la regla de Jhonson, encontramos que

una solucin ptima a este problema, y, por lo
tanto, tambin al problema original es;
3,2,6,5,1,4. (Los trabajos 1 y 5
pueden
intercambiarse).
Una de las caractersticas que han simplificado
los problemas que hemos resuelto es que han
sido problemas determinsticos. Es decir se
supuso que no hay incertidumbre con respecto a
los tiempos de proceso. Para problemas que
involucran una gran cantidad de mquinas, an
si ellos fueran determinsticos, no es posible
generalmente encontrar una solucin ptima. En
lugar de ello uno tiene que estar contento con
encontrar
una
solucin
satisfactoria
aproximadamente ptima aplicando algn
mtodo heurstico.
En un mtodo heurstico esencialmente se
aplica una regla emprica para separar las
posibles soluciones y seleccionar una que sea
buena. Frecuentemente los enfoques heursticos
se basan en mtodos exactos para resolver
problemas ms simples. Por ejemplo un enfoque
heurstico; para un problema de n trabajos m
mquinas podra aplicar los siguientes pasos:
1. Dividir las mquinas en dos conjuntos
iguales, A y B.
2. Calcular
el
tiempo
total
de
procesamiento de cada trabajo para
Este enfoque heurstico es muy bueno que la

experimentacin con problemas particulares
revelan que proporciona programas razonables.
Otros tipos de enfoque heursticos implican el
uso del raciocinio humano en varias fases de su
ejecucin. Estos son a menudo los tipos ms
eficientes de enfoques heursticos.
Existe una solucin grfica del problema. Esta
tcnica fue diseada originalmente por Akers y
Friedman y actualizada por Hardgrave y
Nemhauser.
Presentaremos un ejemplo simple de un
enfoque heurstico tal resolviendo el siguiente
problema de programacin (secuenciacin) de 2
trabajos n mquinas:
Se van a procesar dos productos a travs de
cuatro mquinas A, B, C, y D. El trabajo a travs
de las mquinas debe realizarse en el siguiente
orden:
Producto 1: A, B, C, D
Producto 2: D, B, A, C
Los tiempos de ejecucin en cada mquina son
los siguientes:
Mquina
A
Producto 1
Producto 2
Se requiere encontrar el programa el cual

minimice el tiempo total para completar ambos
productos.
Resolveremos el problema empleando el
procedimiento heurstico descrito en los
siguientes pasos:
Pgina 43
1. Definir un par de ejes ortogonales. Los

puntos en un eje representarn el
tiempo total de procesamiento (no
incluye el tiempo de espera para que
una mquina est libre o desocupada)
en el producto 1, y los puntos en el otro
eje correspondern al tiempo total de
procesamiento en el producto 2.
En este paso es entonces donde el raciocinio

humano es empleado.
Siguiendo estos pasos para el problema dado se
obtiene el siguiente diagrama, donde est
indicado el camino que hemos escogido:
Punto en que se
termina de
procesar los dos
trabajos
15
14
Tiempo de
procesamiento en
el artculo
2
13
12
11
10
9
Tiempo de procesamiento en el artculo 1
Un punto en el plano definido por los

ejes representa un estado en que
ambos trabajos son completados.
PRODUCTO 2
Inicio de
Trabajos
a. Diagonal con pendiente 1

representando los perodos de
tiempo donde ambos trabajos son
procesados simultneamente.
b. Horizontal representando los
tiempos cuando
solamente
el
producto 1 est siendo procesado.
c. Vertical representando los tiempos
cuando solamente el producto 2 est
siendo procesado.
B
PRODUCTO 1
10
12
11
13
El camino representado por el camino escogido

puede entonces describirse como sigue:
1.
Iniciar el proceso del producto 1 en la

mquina A y el producto 2 en la
mquina D (segmento OV)
2.
Inmediatamente despus de terminar el

proceso en la mquina A, poner el
producto 1 en la mquina B. El producto
2 tendr que esperar 2 periodos de
tiempo antes de ingresar a la mquina
B. (Segmento VW).
3.
Una vez terminado el proceso en la

mquina B, el trabajo 1 tendr que
esperar 3 periodos de tiempo antes de
proceder en la mquina C, (segmento
WX).
Ambos
trabajos
entonces,
continuarn
sin
interrupcin
su
procesamiento hasta su finalizacin
(XZ).
4. Indicar en el plano el punto correspondiente cuando ambos trabajos son

completados.
5. Dibujar un camino desde el origen hasta
el punto en que ambos trabajos son
completados el cual parece ser de
menor longitud, el cual no pasa a travs
del rea achurada, el cual est
compuesto de segmentos y puede ser:
2. Distribuir los tiempos de proceso para

cada producto en cada mquina en los
ejes correspondientes, en el orden de
procesamiento indicado.
3. Dibujar rectngulos achurados en el
plano
que
correspondan
a los
productos cartesianos de los tiempos
de proceso en las mismas mquinas
(ver el diagrama siguiente).Un punto del
rea achurada entonces, representa un
estado imposible de completar ambos
trabajos.
El tiempo total para completar ambos productos

estar dado por:
Tiempo Total de procesamiento + Tiempo Total
de Espera = 12 + 4 = 14 + 2 = 16.
Explicacin ms detallada del Diagrama:
El camino representado por el camino escogido
puede tambin describirse como sigue:
Pgina 44
1.
Segmento (OU): Iniciar el trabajo 1 en la

mquina A y el trabajo 2 en la mquina D.
2.
Segmento
(UV):
Al terminar de
procesarse el trabajo 1 en la mquina A,
empieza su proceso en la mquina B;
mientras que el trabajo 2 contina
procesndose en la mquina D.
3.
Segmento (VW): El Trabajo 1 contina su

procesamiento en la mquina B, y cuando
se termina de procesar el trabajo 2 en la
mquina D, ste tendr que esperar dos
perodos de tiempo antes de empezar en
la mquina B.
4.
Segmento (WX): El trabajo 1 termina de

procesarse en la mquina B y espera por
tres perodos de tiempo antes de
procesarse en la mquina C. El trabajo 2
empieza a procesarse en la mquina B.
5.
6.
Segmento (XY): El trabajo 1 empieza en

la mquina C e inmediatamente contina
en la mquina D. El trabajo 2 termina de
procesarse en la mquina B e
inmediatamente empieza a procesarse en
la mquina C.
Segmento (UV): Se termina de procesar
el trabajo 1 en la mquina D y
similarmente en dos perodos ms de
tiempo se termina de procesar el trabajo 2
en la mquina C.
El tiempo total para terminar ambos trabajos

est dado por la suma del tiempo total de
procesamiento + el tiempo total de espera:
Trabajo 1: 12 + (2 + 2)= 16
Trabajo 2: 14 + (2)
= 16
Tiempo ocioso para el camino seleccionado:

= 4 para el Producto 1.
= 2 para el Producto 2.
Tiempo Total de Produccin = 12+4=14+2=16.
AUTO-EVALUACIN
Como es usual, es importante que usted se
examine en su habilidad de responder en forma
oral al propsito 1 del mdulo.
Resuelva los siguientes problemas y luego
verifique sus soluciones con las respuestas
correspondientes que se dan al final de las
preguntas.
Una clnica mvil del Hospital Beln de Trujillo

visita la escuela primaria Antonio Raimondi de
la ciudad, para proporcionar una serie de
exmenes mdicos a los estudiantes. En
realidad, se proporcionan tres exmenes
generales A, B y C, y deben darse en ese
orden. Cada examen implica el uso de un
equipo de supervisin electrnico y puede
suministrase solamente a un estudiante a la vez.
Los distintos exmenes se suministran con
diferente grado de intensidad dependiendo de la
edad del estudiante. Por lo tanto, tales
exmenes tomarn diferentes tiempos para
llevarlos a cabo dependiendo de la edad de los
estudiantes. La siguiente tabla muestra los
tiempos estndar para realizar cada examen
para estudiantes de diferentes edades:
Tiempo para realizar los exmenes

en minutos
Edad
10
11
12
10
En qu orden se deber disponer a los

estudiantes para que pases dichos exmenes a
fin de minimizar el tiempo total que se requiere
para completar todos los exmenes.
Problema 2:
Un taller de maquinarias tiene 4 mquinas A, B,
C y D. Deben procesarse dos productos a
travs de cada una de ellas. El tiempo de
procesamiento en cada mquina y el orden en
que cada producto debe pasar por las mquinas
se dan a continuacin:
Orden
Producto 1
A-20
C-10
D-10
B-20
Producto 2
A-10
C-30
B-15
D-10
Tiempos de procesos en horas
En qu orden debera hacerse los trabajos en

cada una de las mquinas a fin de minimizar el
tiempo total necesario para terminar ambos
productos.
Problema1:
RESPUESTAS A LA AUTO EVALUACIN:
Pgina 45
Problema 1:
Problema 2:
Note los siguientes puntos:
La solucin a este problema debe encontrarse

aplicando el mtodo heurstico grfico descrito
en las notas.
Este problema trata de cmo programar

los grupos de estudiantes para que
pasen los diferentes exmenes.
ii) El nmero de estudiantes de cada edad

en cualquier grupo no afecta al
programa ptimo (ya que son idnticos
trabajos). Por lo tanto el programa
ptimo puede expresarse en trminos
de qu grupo de determinada edad se
va a programar primero, cul segundo,
etc.
iii) Al ser considerado como un problema
de n trabajos 3 mquinas; los tiempos
de trabajo dados en la tabla siguiente,
satisfacen los requerimientos descritos
en las notas para un problema a
resolverse por la aplicacin de la Regla
de Johnson.
iv) El problema equivalente
mquinas sera:
de
El diagrama que muestra el camino escogido se

da a continuacin:
PRODUCTO 2
i)
Punto en que se
termina de
procesar los dos
trabajos
60
50
40
30
C
20
dos
10
A
0
Tiempo para realizar los exmenes

en minutos
Edad
(Trabajo)
Mquina
Mquina
13
14
11
12
10
11
13
10
11
11
12
12
12
Al aplicar la regla de Johnson, el programa

ptimo ser poner a los estudiantes para que
pasen los exmenes en el siguiente orden: 8, 9,
7, 6, 10, 11, 12.
10
A
30
20
C
40
B
50
60
PRODUCTO 1
El programa escogido para cada trabajo es

entonces:
Trabajo 1: Esperar la mquina A (10 horas); al
terminar en A, esperar 10 horas
para luego procesar en C; continuar
ininterrumpidamente el procesamiento para terminar en un tiempo
de 60 + 20 = 80 Horas.
Trabajo 2: Comience inmediatamente en la
Mquina 1; continuar en la mquina
C; esperar 5 horas antes de
continuar en la mquina B; al
terminar en B, esperar 10 horas
antes de continuar en D. El tiempo
de terminacin tambin ser de 65
+ 15 = 80 Horas.
Pgina 46

Manual IO

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Manual IO

Uploaded by

Copyright:

Available Formats

INVESTIGACION DE OPERACIONES II

Definir la. Investigacin de Operaciones (I.O)

Describir el desarrollo histrico de la (I.O.)

Explicar el tipo de servicio ofrecido por un Investigador de Operaciones.

Reconocer los sinnimos comunes para la I.O.

a. el uso del mtodo cientfico.

Explicar las deficiencias que encuentra cuando se le propone la definicin de I.O.

Describir los orgenes de la I.O. y su desarrollo desde la Segundo Guerra Mundial

Explicar la manera en 1a cual un investigador de Operaciones procura ayudar a un tomador de

Presentar tres sinnimos frecuentemente usados I.O..

Ing Eddy Montaez Muoz

Las ciencias naturales han sido ampliamente

Ing Eddy Montaez Muoz

Ing Eddy Montaez Muoz

Las distintas partes de las matemticas son de tan

circulacin y muchas revistas nuevas aparecieron en

Enumere los eventos claves en el desarrollo de

Escriba otros tres trminos comnmente usados

Escriba los aspectos importantes de la I.O. que

"La I.O. es la aplicacin del mtodo cientfico a

Su definicin es aproximadamente buena si

La lista que ha confeccionado, debe por lo

Los tres trminos mencionados en las notas del

Los aspectos importantes son (a) uso de la

La definicin no est suficientemente centrada.

2. Actividades Alternativas De Aprendizaje:

Hillier y Lieberman, Captulo 1,

Escriba propia definicin de la I.O.

Ing Eddy Montaez Muoz

Describir el procedimiento general, que se utiliza en 1a Investigacin de Operaciones (I.O.)

Explicar lo que es un mode1o

Explicar el uso y el valor de un modelo y describir las caractersticas de un "buen" modelo.

Reconocer los diferentes tipos de modelos.

Reconocer las suposiciones del modelo.

Distinguir entre los usos descriptivo y prescriptito de los modelos

Reconocer cuando se le presenta 1a descripcin de un modelo, si ste es icnico, analgico o

Indicar, cuando se le presenta la descripcin de un modelo de un sistema, las suposiciones sobre

Identificar, cuando se le presenta la descripcin del uso de un modelo, si ste es prescriptito o

Ing Eddy Montaez Muoz

El primer paso que cualquier Investigador de

una sola decisin bien definida, puede ser

(ii) Analgico-Representacin de un sistema

Ejemplo, representar un sistema por un

Ing Eddy Montaez Muoz

Un modelo que tenga nicamente el componente (i) sera, necesariamente, s1o un

(3) RESOLVER EL MODELO

(i) Tiene disponible los datos necesarios para

Lo fundamental para este enfoque es el uso

El resto de este curso proporcionar precisamente esta preparacin.

La mayora de textos sobre el tema

1. Usted debera primeramente estar seguro

(a) Identifique los otros componentes del

2. (a) Una hoja de balance es un modelo

Describir La solucin del problema de la ruta ms corta de una red conexa.

Describir La solucin del problema del rbol de Mnima Expansin.

Describir La solucin del problema del Flujo Mximo.

Describir los componentes de una Red.

Reconocer una red conexa y una red inconexa.

Aplicar el algoritmo para la solucin del problema de la ruta ms corta.

Aplicar el algoritmo para la solucin del problema del Flujo Mximo.

Ing Eddy Montaez Muoz

3. Durante la temporada pico hay ms

Problema: Construir la ruta ms corta a travs