Professional Documents
Culture Documents
Bibliografía Básica
Análisis
Definir el Identificar Determinar
Cualitativo
problema alternativas los criterios
Resumen y
Evaluación
Análisis
Cuantitativo
Toma de
Decisión
LA GESTIÓN DE TOMA DE DECISIONES
1. Programación Lineal
2. Programación Lineal Entera
3. Gerencia de Proyectos (PERT-CPM)
4. Modelos de Inventarios
5. Modelos de Líneas de Espera (colas)
6. Simulación por Computadora
7. Análisis de Decisiones
8. Pronósticos
9. Teoría de Juegos
TEMA I
Suposiciones Básicas de un PL
Para el problema de TBA Airlines, las actividades son las compras de aviones de
tipos diferentes, de modo que el nivel de cada actividad es el número de aviones
de ese tipo comprados. Dado que el número comprado tiene que tener un valor
entero, es necesario violar el supuesto de divisibilidad.
PROGRAMACIÓN CON ENTEROS
F. O.
Max. U = x + 5y
S. S. R.
1) 5x + 50y ≤ 100
2) x ≤ 2
3) x, y ≥ 0
X, y son enteros
Las únicas soluciones factibles para este problema entero son las soluciones
enteras que se encuentran en la región sombreada, es decir (0,0), (1,0), (2,0),
(0,1), (1, 1), (2, 1) y (0,2).
PROGRAMACIÓN CON ENTEROS
Solución de TBA Airlines por PE
Método de RAMIFICAR Y ACOTAR
Pasos:
* La solución óptima para el problema relajado es: z = 11, x = 2, y y = 1.8. Esto
significa que el valor óptimo de z para el PE no puede ser mayor que 11.
* Luego procedemos a dividir la región factible del problema relajado en un
intento de buscar más información que me ayude a optimizar el problema. Para
ello escogemos arbitrariamente cualquier variable fraccionaria de los valores que
nos haya otorgado la función objetivo, en este caso seleccionamos y (además es
la única variable fraccionada). Ahora obsérvese que cada punto en la región
factible para el PE tiene que ser y ≤ 1, o bien y ≥ 2. (¿Por qué no puede tener una
solución factible para PE, 1 < y < 2). Con esto en mente, ramificamos
respecto a la variable y y creamos los siguientes dos subproblemas:
Tipos de problemas de PE
Los problemas de Programación Lineal Pura son aquellos donde todas las
variables de decisión tienen que ser enteros. Los problemas de Programación
Entera Mixta sólo requieren que algunas variables tengan valores enteros (de
modo que el supuesto de divisibilidad se cumple para el resto).
Las variables binarias son variables cuyos únicos valores posibles son 0 y 1. Los
problemas de Programación Entera Binaria son aquellos donde las variables de
decisión restringidas a valores enteros, están además restringidas a ser
variables binarias. También estos problemas pueden ser puros y mixtos.
Cualquier PE, tal como el ejemplo anterior, que tiene solamente una restricción,
se llama problema de la mochila.
Ejercicio:
≤ + 0
≤ - 1
≥ + 1
≥ - 0
2.1 Introducción.
2.2 Estructura del sistema.
2.3 Modelo de colas con un servicio único.
2.4 Modelo de colas con servicio múltiple.
Introducción: Las colas (líneas de espera) son parte de nuestra vida cotidiana.
Todos esperamos en colas para comprar un boleto para el cine, efectuar un
depósito bancario, pagar víveres, enviar un paquete por correo, obtener comida
en la cafetería, comenzar un recorrido en un parque de diversiones, etcétera. Nos
hemos acostumbrado a cantidades notables de espera, pero aún nos
molestamos con las esperas prolongadas.
Sin embargo, tener que esperar no es sólo una pequeña molestia personal. La
cantidad de tiempo que la población de un país desperdicia esperando en las
colas es un factor primordial tanto de la calidad de vida como de la eficiencia de
un país.
DECISIONES GERENCIALES II
Tema II
TEORÍA DE COLAS
a) Insumo. Son dos los elementos que constituyen los insumos del sistema:
la población y la tasa de llegadas. La población que deberá atenderse
puede venir de una porción de la población indefinida, por ejemplo la
población de una región dada, o de una porción de una población
determinada, por ejemplo el conjunto de camiones que deberán cargarse en
una empresa. La tasa de llegada del insumo puede ser constante (las
piezas que se desplazan por una línea de montaje) o variable (la llegada de
pacientes a una clínica de emergencias). Por tanto, el número de llegadas
puede definirse por una distribución aleatoria.
a) Línea única y canal único de servicio c) Varias líneas y canales múltiples de servicios
b) Línea única y canales múltiples de servicios d) Línea única y canal único con etapas múltiples
TEORÍA DE COLAS
Elementos de un sistema de colas
La fuente en donde se generan los clientes puede ser finita o infinita. Una fuente
finita limita a los clientes que lleguen al servicio (por ejemplo, las máquinas que
piden el servicio de mantenimiento). También, una fuente infinita es abundante
por siempre (por ejemplo, las llamadas que llegan a una central telefónica).
TEORÍA DE COLAS
Modelo Generalizado de Cola de Poisson
La siguiente teoría y fórmulas se derivan del modelo general de cola en donde se
combinan llegadas y salidas, basándose en la hipótesis de Poisson: los tiempos
entre llegadas y de servicio tienen una distribución exponencial. El modelo es la
base para deducir modelos especializado de Poisson que se verán más
adelante.
Del mismo modo, suponga que otra meta es que el tiempo de espera en el
sistema no exceda a dos horas al menos para el 95% de los clientes. Sea la
variable aleatoria W el tiempo de espera en el sistema para un cliente individual
mientras el sistema está en una condición de estado estable. (Así, W es el valor
esperado de esta variable aleatoria.) Usando la distribución de probabilidad para
esta variable aleatoria, alcanzar la meta requiere que
Si por otro lado el objetivo está planteado en términos del tiempo de espera en la
cola, entonces se usaría del mismo modo otra variable aleatoria W q que
representa este tiempo de espera.
En esta sección se presentan dos modelos para el caso en que hay un solo
servidor (c = 1). En el primer modelo no se establece límite para la cantidad
máxima en el sistema, y en el segundo se supone un límite finito del sistema.
Ambos modelos suponen una fuente de capacidad infinita. Las llegadas suceden
con frecuencia de λ clientes por unidad de tiempo, y la tasa de servicio es μ
clientes por unidad de tiempo.
Esta sección se centra en los sistemas de colas básicos que tiene un solo
servidor. Se usarán los símbolos claves introducidos anteriormente:
λ = tasa media de llegadas para los clientes que entran al sistema de colas, o
número esperado de llegadas por unidad de tiempo.
μ = tasa media de servicio (para un servidor normalmente ocupado), o
número esperado de terminaciones de servicio por unidad de tiempo.
Entonces podemos decir que 1/λ es el tiempo esperado entre llegadas (el tiempo
promedio entre la llegada del clientes consecutivos) y 1/μ es el tiempo esperado
de servicio para cada cliente.
1.- Los tiempos entre llegadas tienen una distribución exponencial con media 1/λ.
2.- Los tiempos de servicio tienen una distribución exponencial con media 1/μ.
3.- El sistema de colas tiene un servidor.
3.- En promedio, ¿cuántos clientes por hora serán atendidos por el cajero
automático?
Este modelo difiere del modelo M/M/1 (DG/∞/∞) en que hay un límite de N para
la cantidad de clientes en el sistema (longitud máxima de la cola = N – 1), es
decir cuando hay presente N clientes en todo el sistema, todas las llegadas se
regresan y el sistema las pierde para siempre.
Como en el modelo anterior, suponemos que los tiempos entre llegadas son
exponenciales con rapidez λ y que los tiempos de servicio son exponenciales con
rapidez μ.
μn= μ, n = 0, 1, …,
Modelos con un servidor M/M/1 (DG/N/∞)
P0 (1 + ρ + ρ2 + …+ ρN ) = 1
λ λef
λ perdido
Por lo tanto:
Lq = L - (λ ef / μ), W = L / λ ef, y Wq = W – (1 / μ)
lo que resulta en
P0
Modelos con varios servidores
Para Pn se presenta la siguiente fórmula:
Pn =
Nota importante: tener muy en cuenta los valores de c y n para el cálculo de los
diferentes items de un determinado problema.
Lq =
Lq
Lq
L = Lq + (λ ef / μ), W = L / λ ef, y Wq = W – (1 / μ)
Un juego de dos personas con suma cero tiene la propiedad que para cualquier
elección de estrategias, es cero la suma de la recompensas a los jugadores. En
n juego de suma cero, cada bolívar que gana un jugador proviene del bolsillo del
otro. Por eso los jugadores tienen intereses totalmente opuestos. Por lo mismo,
no puede haber cooperación entre los dos jugadores.
TEORÍA DE JUEGOS
El caso de la teoría de juegos que acabamos de analizar tiene la propiedad de
satisfacer la condición de punto silla:
Cualquier juego entre dos personas con suma cero que cumpla con la relación
anterior se dice que tiene un punto silla. Si un juego de dos personas con suma
cero tiene punto silla, el jugador de filas debe escoger cualquier estrategia (fila)
que alance el máximo del primer miembro de la relación.
Aún si un juego de dos personas no tiene suma cero, las dos pueden estar
todavía en conflicto total. Para ejemplarizar esto, veremos ahora juegos de dos
personas con suma constante.
Terminología Básica
VENTAJAS DE LA SIMULACIÓN
• Crear el modelo de un sistema nos permite, generalmente, entender mejor
el sistema real.
• En una simulación podemos comprimir el tiempo; es decir, podemos
comprimir los muchos años de experiencia del sistema real a unos cuantos
segundos o minutos.
• La simulación no interrumpe las actividades que están desarrollando en el
sistema real.
• La simulación es mucho más real que los modelos matemáticos y la
podemos usar cuando las condiciones no son idóneas para un análisis
matemático estándar.
• Podemos usar la simulación como un juego que brinda una experiencia
para la capacitación.
• La simulación ofrece una réplica más realista de un sistema que un análisis
matemático.
SIMULACIÓN
• Podemos usar la simulación para analizar condiciones transitorias, mientras
que las técnicas matemáticas normalmente no permite hacerlo.
• En el mercado existen muchos paquetes estándar de modelos que abarcan
una amplia gama de temas.
DEVENJAS
• Si bien podemos invertir mucho tiempo y esfuerzo para crear un modelo
para la simulación, no existe garantía alguna de que éste, de hecho,
ofrezca buenas respuestas.
• No hay manera de demostrar que el desempeño del modelo de simulación
es fiable por completo. La simulación entraña numerosas repeticiones de
secuencias, que están basadas en ocurrencias generadas en forma
aleatoria. Un sistema aparentemente estable, dada la combinación correcta
de hechos (aun cuando sea poco probable), puede explotar.
• De acuerdo con el sistema que simularemos, la creación de un modelo
simulado puede tomar desde una hora hasta 100 años-hombre. Los
sistemas complicados pueden ser complicados y tomar mucho tiempo.
• Tal vez se necesite mucho tiempo de computadora para correr modelos
complejos.