Desiciones II

DECISIONES GERENCIALES II
Bibliografía Básica
• Métodos Cuantitativos para los Negocios. Barry Render y

Otros (libro texto)
• Métodos Cuantitativos para Administración. Frederick Hiller
y otros.
• Investigación de Operaciones en la Ciencia Administrativa.
F. J. Gould y otros.
• Investigación de Operaciones. Wayne Winston.
• Investigación de Operaciones. Handy Taha.
• Programación Lineal: Elementos Básicos y Problemas
Resueltos. Marisela Hernández.
LA GESTIÓN DE TOMA DE DECISIONES
Estrategia de Evaluación
Se realizarán cuatro (4) pruebas presénciales que aportarán el

80% de la calificación total de cada estudiante. Igualmente los
estudiantes entregarán un informe escrito con el análisis de las
interpretaciones de casos propuestos, artículos, o cualquier otro
material que el profesor crea conveniente, el cual será expuesto
y aportará el 20% para completar la nota total individual de los
estudiantes.
La asistencia a clases es estrictamente obligatoria, sobre todo a

las exposiciones, la cuales se desarrollan en el transcurso del
semestre. La ausencia sin justificación a cada exposición será
motivo suficiente para restar cinco (5) puntos sobre la exposición
inherente a cada estudiante.
No hay recuperativo, solo diferido debidamente justificado y

comprobado con certificación de CAMIULA si fuese el caso.
Un administrador puede incrementar la toma de

decisiones aprendiendo más sobre metodología
cuantitativa y comprendiendo mejor su contribución al
proceso de toma de decisiones. Aquel administrador
que se familiarice con los procedimientos cuantitativos
de toma de decisiones estará en mucha mejor
posición para comparar y evaluar las fuentes
cualitativas y cuantitativas, y finalmente de combinar
ambas, a fin de tomar la mejor decisión posible.
La revolución de la Administración Científica que inició Frederick W.
Taylor, a principios del siglo pasado, puso las bases para el uso del los
métodos cuantitativos en la administración, pero se considera que el uso
de los métodos cuantitativos se originó a mediados de los cuarenta,
cuando se formaron grupos para resolver problemas mediante métodos
científicos. Años más tarde, gran parte de estos equipos multidisciplinarios
continuaron investigando procedimientos cuantitativos par la TOMA DE
DECISIONES.
Tres hechos llevaron al desarrollo y uso de los métodos cuantitativos:

• Descubrimiento por parte de George Dantzing en 1947 del método
simplex para la resolución de problemas de programación lineal.
• Publicación del primer libro sobre Investigación de Operaciones en el
año 1957 por parte de Churchman, Ackoff, y Arnoff.
• Desarrollo del procesador electrónico.
ROL DEL ANÁLISIS CUALITATIVO Y
CUANTITATIVO
Estructuración del Problema Análisis del Problema
Análisis
Definir el Identificar Determinar
Cualitativo
problema alternativas los criterios
Resumen y
Evaluación
Análisis
Cuantitativo
Toma de
Decisión
El análisis cualitativo se basa principalmente en el juicio del

administrador; incluye la “intuición” del administrador en relación con el
problema. Si el administrador ha tenido experiencia en problemas
similares, o si el problema es relativamente simple, se puede poner
mucho énfasis en el análisis cualitativo.
Sin embargo, si el administrador ha tenido poco experiencia en

problemas similares, o si el problema es lo suficientemente complejo,
entonces un análisis cuantitativo puede resultar de especial importancia
en la decisión final del administrador. Las habilidades en el procedimiento
cuantitativo sólo pueden aprenderse mediante el estudio y el uso de los
métodos cuantitativos. El analista se concentra en los hechos o los datos
cuantitativos asociados con el problema y desarrollará expresiones
matemáticas que describan los objetivos, los límites y otras relaciones
que existen dentro del problema, para así recomendar un curso de acción
Métodos más utilizados
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
PROGRAMACIÓN CON ENTEROS (PE)
En una solución óptima para programación lineal a veces las variables de

decisión tendrán un valor entero, esto es un número entero (0, 1, 2, …).
Sin embargo, algunas veces tendran un valor fraccionario (por ejemplo,
2¾ o 4,11353). Ninguna de las rectricciones de un modelo de
programación lineal prohibe valores fraccionarios.
En algunas aplicaciones, las variables de decisión tendrán sentido si y

sólo si tienen valores enteros. Por ejemplo, puede ser necesario asignar
personas, máquinas, o vehículos a actividades en cantidades enteras.
Este es el tipo de situación que estudia la programación entera.
Tipos de problemas de programación entera

• Programación entera pura Pueden ser con variables binarias
• Programación entera mixta (valores de 0 o 1)
PROGRAMACIÓN CON ENTEROS (PE)
Ejemplo-problema
TBA Airlines es una compañía regional pequeña que se especializa en vuelos
cortos en aviones pequeños. La compañía ha tenido un buen desempeño y la
administración decidió ampliar sus operaciones. El asunto básico que ahora
enfrenta la administración es si comprar más aviones pequeños para agregar
algunos vuelos o comenzar a desplazarse al mercado nacional, comprando
algunos aviones grandes para nuevos vuelos a través de todo EEUU (o ambos).
Entraran muchos factores en la decisión final de la administración, pero el más
importante es cual estrategia es probable que sea más redituable.
La información pertinente se encuentra en la siguiente tabla:

Avión pequeño Avión grande Capital disponible
Ingreso neto anual por avión $1 millón $5 millones
Costo de compra por avión $5 millones $50 millones 100 millones
Número máximo de compra 2 Sin máximo
¿Cuántos aviones de cada tipo se deben comprar para maximizar la

ganancia anual neta total?
PROGRAMACIÓN CON ENTEROS
PL vs. PE
Suposiciones Básicas de un PL
Suposición de divisibilidad de Programación Lineal (PL): las variables de

decisión en un modelo de programación lineal pueden tomar cualquier valor,
incluso valores fraccionarios, que satisfagan las restricciones funcionales y de no
negatividad. Así, estas variables no están restringidas a sólo valores enteros.
Como cada variable de decisión representa el nivel de alguna actividad, se puede
suponer que las actividades pueden realizarse a niveles fraccionarios. Si se viola
esta suposición porque el problema real requiere que las variables de decisión
tengan valores enteros, entonces, debe emplearse la Programación Entera (PE)
en lugar de la Programación Lineal (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.
Solución de TBA Airlines por PE
La formulación de Programación Entera de este problema es exactamente la

misma que la de Programación Lineal, salvo por una diferencia crucial: se
agregan restricciones que requieren que las variables de decisión tengan valores
enteros. Por lo tanto, la forma algebraica del modelo de programación entera es:
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).
Método de RAMIFICAR Y ACOTAR
En la práctica, la mayoría de los problemas de Programación

Entera se resuelven mediante el uso de la técnica de
ramificar y acotar. Los métodos de ramificar y acotar
encuentran la solución óptima para una PE mediante la
enumeración eficiente de los puntos en la región factible de
un subproblema. Antes de explicar como funciona la
ramificación y el acotamiento es necesario hacer la siguiente
observación elemental, pero importante: si resuelve la
relajación PL de una PE pura y obtiene una solución en la
cual las variables son números enteros, entonces la solución
óptima de la relajación PL será también la solución óptima
del PE.
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:
Subproblema 2: Subproblema 1 + la Restricción y ≥ 2

Subproblema 3: Subproblema 1 + la Restricción y ≤ 1
Obsérvese que ni el subproblema 2, ni el subproblema 3 incluyen puntos con

y = 1.8. Esto significa que la solución óptima para la relajación PL no puede
volver a aparecer cuando resolvamos el subproblema 2 o el subproblema 3.
Procedemos entonces a acotar el problema.
* En este problema relativamente sencillo resulta que la solución al PE se

obtuvo al desarrollar el subproblema 2. Encontramos la solución final en el
Método de Ramificar y Acotar, cuando los subproblemas otorguen resultados
enteros y en donde se optimice z.
* Si los resultados de los subproblemas fuesen fraccionados, se continua

ramificando y acotando hasta encontrar una solución final.
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).
Muchas aplicaciones de Programación Entera (ya sea pura o mixta) restringen

aun más las variables enteras a sólo dos valores, 0 o 1.
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.
Importarte: de manera análoga al algoritmo simplex, se podría esperar resolver

un PE mediante un algoritmo que pasara una solución entera factible a una
solución entera mejor. Por desgracia no se conoce tal algoritmo. Normalmente en
más difícil resolver un PE que resolver la relajación PL de un PE.
Problema resuelto en clase
La carpintería de Juanita fabrica mesas y sillas. Una mesa

requiere 1 hora de trabajo y 9 pies de tabla de madera; una
silla requiere e 1 hora de trabajo y 5 pies de tabla de madera.
Actualmente se dispone de 6 horas de trabajo y 45 pies de
madera. Cada tabla contribuye con 8 dólares a la utilidad, y
cada silla contribuye con 5 dólares a la utilidad. Formule y
resuelva por PE a fin de maximizar la utilidad por el método
de ramificar y acotar.
Programación Entera Binaria
Ejemplo-problema
Cierta empresa considera cuatro inversiones. La inversión 1

proporcionará un valor actual neto (VAN) de 16000 dólares;
la inversión 2 un VAN de 22000 dólares; la inversión 3 un
VAN de 12000 dólares; y la inversión 4 un VAN de 8000
dólares. Cada inversión requiere cierto flujo de caja en el
momento actual: la inversión 1, 5000 dólares; la inversión 2,
7000 dólares; la inversión 3, 4000 dólares; y la inversión 4,
3000 dólares respectivamente. Se dispone de 14000 dólares
para la inversión. Formule un PE cuya solución dirá a esta
empresa como maximizar el VAN global obtenido de las
inversiones 1-4.
Solución al PEB
Como en las formulaciones de los PL, empezamos con la definición de una

variable para cada decisión que esta empresa debe tomar. Esto conduce a definir
una variable 0-1;
1 si se realiza la inversión j
xj ( j = 1, 2, 3, 4 ) =
0 de otra manera
Por ejemplo, x2 = 1 si se realiza la inversión 2, y x2 = 0 si no se realiza.

Planteamiento formal:
Max = 16x1 + 22x2 + 12x3 + 8x4
s.s.r.
5x1 + 7x2 + 4x3 + 3x4 ≤ 14
xj = 0 o 1 (j = 1, 2, 3, 4)
Solución al PEB → Continuación
Cualquier PE, tal como el ejemplo anterior, que tiene solamente una restricción,
se llama problema de la mochila.
Max z = c1x1 + c2x2 + … + cnxn

S.S.R. a1x1 + a2x2 + … + anxn ≤ b
Xi = 0 o 1 (i = 1, 2, … , n)
Cuando se resuelven problemas de mochila mediante el método de ramificar y

acotar, se simplifican enormemente dos aspectos del enfoque de ramificar y
acotar. Ya que cada variable debe ser igual a 0 y 1, la ramificación con respecto
xi, proporcionará una rama xi = 0, y otra rama con xi = 1. También se puede
resolver la relajación PL (y otros subproblemas) mediante inspección. Para darse
cuenta de ello, observe que se puede interpretar ci /ai como el beneficio que
obtiene el artículo i por cada unidad del recurso que usa el artículo i. Así, los
mejores artículos tienen mayores valores ci /ai y los peores artículos tienen
valores mas pequeños de ci /ai. Para resolver cualquier subproblema que se
presenta en un problema de mochila, calcule todas las razones ci /ai. Luego
Solución al PEB → Continuación
coloque el mejor artículo en la mochila. Después coloque el artículo que quedo en

el segundo lugar en la mochila. Siga así de esta manera hasta que el mejor
artículo que quede rebose la mochila. Entonces llene la mochila con la mayor
cantidad posible de este artículo.
Ramifique y acote de acuerdo a los artículos más rentables hasta obtener la

solución candidato aceptable.
Ejercicio:
Max = 40x1 + 80x2 + 10x3 + 10x4 + 4x5 + 20x6 + 60x7

s.s.r.
40x1 + 50x2 + 30x3 + 10x4 + 10x5 + 40x6 + 30x7 ≤ 100
xj = 0 o 1 (j = 1, 2, 3, 4, 5, 6, 7)
Método de Enumeración Implícita
El método de la enumeración implícita se usa frecuentemente para

resolver PE 0-1. En la enumeración implícita se aplica el hecho de que
cada variable debe ser igual a 0 o 1 para simplificar las componentes de
ramificar y de acotar a fin de determinar eficazmente cuándo un nodo no
es factible.
El árbol que se utiliza en la enumeración implícita es similar a los árboles

que se utilizaron para resolver problemas 0-1 tipo mochila. Cada rama de
árbol se especificará, para alguna variable xi, tal que xi = 0 o xi = 1. De tal
manera que para llegar a cada nodo, se deben especificar algunas de las
variables. En la medida en que se va ramificando el árbol, en esa misma
medida se van descartando variables por ser tomadas en cuenta en el
desarrollo de dicha ramificación, a estas variables se les llama variables
fijas, y las restantes que queden por fijar se les denomina variables
libres.
La idea de este método en general, es la verificación de si un nodo tiene una
integración factible (para cualquier nodo, una especificación o asignación de
valores 0 o 1 de todas las variables libres se denomina integración) al observar
cada restricción y al asignar el mejor valor a variable libre. Para la asignación
de estos valores (0-1) resulta de gran utilidad a la siguiente tabla:
TIPO DE RESTRICCIÓN SIGNO VALOR ASIGNADO A LA

DEL COEFICIENTE DE LA VARIABLE LIBRE EN LA
VARIABLE LIBRE EN LA VERIFICACIÓN DE
RESTRICCIÓN FACTIBILIDAD
≤ + 0
≤ - 1
≥ + 1
≥ - 0
Si la asignación de una determinada integración a un nodo no satisface alguna

restricción, sabemos que el nodo no tiene un completamiento factible. En este
caso, el nodo no puede proporcionar la solución óptima para la PE original.
Ejemplo: Utilice la enumeración implícita para resolver el siguiente PE 0-1:
Max z = -7x1 – 3x2 – 2x3 – 4x4 – 2x5

SSR:
1) -4x1 – 2x2 + x3 – 2x4 – x5 ≤ -3
2) -4x1 – 2x2 + 4x3 + x4 – 2x5 ≤ -7
3) xi = 0 o 1 (i = 1, 2, 3, 4, 5)
Pasos para la solución:
a) Al inicio (el nodo 1), todas las variables son libres. Primero verificamos si la
mejor integración del nodo 1 es factible. La mejor integración del nodo 1 es x1 =
0, x2 = 0, x3 = 0, x4 = 0, x5 = 0, que no es una solución factible (viola ambas
restricciones).
b) Ahora verificamos si el nodo 1 tiene una integración factible, aplicando y
verificando los valores de las variables libres de acuerdo a la tabla
suministrada anteriormente en cada restricción.
c) Si en realidad el nodo 1 tiene una integración factible, procedemos a ramificar
con respecto a una variable libre: seleccionamos cualquiera arbitrariamente.
d) Se sigue el mismo procedimiento para cada nodo restante.
e) Importante: en la ramificación y resolución de los nodos se le debe dar
prioridad a la resolución del último nodo graficado (esto también es aplicable a
los métodos de ramificación explicados anteriormente). La regla LIFO (del inglés
last-in-first-out) señala esta conveniencia, que luego señalará de manera
práctica.
Nota: estimados estudiantes, al pasar el problema al pizarrón se

presentaron errores de trascripción. Es decir el problema que deben resolver
es el que se encuentra en la diapositiva anterior (compárenla con la que tienen
en el cuaderno). De todas maneras esta clase se repetirá (18/04/06), ya que no
asistieron todos por motivos de las entrevistas programadas. La respuesta final
es x1 = x3 = 1, x2= 4x4 = 2x5, Ver solución gráfica en la web.
Tema II
TEORÍA DE COLAS
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.
Tema II
TEORÍA DE COLAS
Estructura del sistema:
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.
b) Sistema de servicio. En éste se distinguen dos zonas: la zona de espera

y la zona de servicio. Los dos elementos que definen la zona de espera son
la estructura de la línea y la regla de prioridad. La línea de espera o “cola”
se caracteriza por la longitud (infinita o limitada) y por su número (una sola
línea o varias). La regla de prioridad puede ser: la primera llegada es la que
se atiende primero; las llegadas anteriores ceden su lugar a los casos de
urgencia; los pedidos de duración más corta son los primeros en atenderse,
etc.
Tema II
TEORÍA DE COLAS
c) Producto. En cuanto al producto se distinguen dos categorías: la que

volverá al sistema y reconstituirá así parte de la población que deberá
atenderse (clientes de sucursales bancarias, de salas de emergencia y de
estaciones de servicio, etc.), y la que no volverá (productos terminados no
defectuosos).
Modelos de líneas de espera.
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
Los actores principales en una línea de espera o cola son el cliente y el

servidor. Los clientes se generan en una fuente. Al llegar a la instalación
pueden recibir servicio de inmediato, o esperar en una cola, si la instalación está
ocupada. Cuando en una instalación se termina un servicio, en forma automática
se “atrae” a un cliente en espera, si lo hay, de la cola. Si la cola está vacía, la
instalación se vuelve inactiva hasta la llegada de un nuevo cliente.
Desde el punto de vista del análisis de las colas, el proceso de llegada se

representa con el tiempo entre llegadas, de los clientes sucesivos, y el servicio
se describe con el tiempo de servicio por cada cliente. Por lo general, los
tiempos entre llegadas y servicio pueden ser probabilísticos, como el
funcionamiento de una oficina de correos, o determinísticos, como en la llegada
de solicitudes a las entrevistas de trabajo.
El tamaño de la cola desempeña un papel en el análisis de las colas, y puede

ser finito, como en el área de reserva entre dos máquinas consecutivas, o puede
se infinito, como en las instalaciones de pedidos por correo.
TEORÍA DE COLAS
Elementos de un sistema de colas
La disciplina de la cola, que representa el orden en el que se seleccionan los

clientes de una cola, es un factor importante en el análisis de los modelos de
colas. La disciplina más común es la de primero en llegar, primero en servirse.
Entre otras disciplinas están último en llegar, primero en servirse, y de dar
servicio en orden aleatorio. También, los clientes se pueden seleccionar en la
cola con base en cierto orden de prioridad. Por ejemplo, los trabajos urgentes en
un taller se procesan antes que los trabajos normales.
El comportamiento de los clientes en espera juegan un papel en el análisis de las

líneas de espera. Los clientes humanos se pueden saltar de una cola a otra,
tratando de reducir la espera. También pueden rehusar totalmente a la cola por
haber esperado demasiado.
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.
El desarrollo de este modelo generalizado se basa en el comportamiento a largo

plazo, o de estado estable, de la cola, que se alcanza después de que el
sistema ha funcionado durante un tiempo suficientemente largo. Esta clase de
análisis contrasta con el comportamiento transitorio (de calentamiento) que
prevalece durante el inicio del funcionamiento del sistema. Una razón para no
describir el comportamiento transitorio en esta parte del programa es su
complejidad analítica. Otra es que el estudio de la mayor parte de los casos de
líneas de espera sucede bajo condiciones de estado estable.
El modelo generalizado supone que las frecuencias tanto de llegadas como de

salidas dependen del estado, y eso quiere decir que dependen de la cantidad de
clientes en la instalación de servicio.
TEORÍA DE COLAS
Colas especializadas de Poisson
Definición de las medidas de desempeño
1. ¿Cuántos clientes suelen esperar en el sistema de colas?
2. ¿Cuánto suelen esperar estos clientes?
Estas dos medidas expresadas en forma de interrogantes, por lo común se
expresan en términos de sus valores esperados (en el sentido estadístico). Para
hacer esto, es necesario aclarar si sólo se están contando con clientes mientras
esperan en la cola (previo al iniciar el servicio) o mientras se encuentran en
cualquier punto en el sistema de colas (ya sea en la cola o en servicio). Estas dos
formas de definir los dos tipos de medidas proporcionan cuatro medidas de
desempeño. Se presentan estas cuatro medidas y su símbolos.
L = número esperado de clientes en el sistema, incluye a quienes están en el

servicio (el símbolo L proviene de longitud)
Lq = número esperado de clientes en la cola, que excluye a los clientes que
están en el servicio.
W = tiempo de espera esperado en el sistema (incluye el tiempo de servicio)
para un cliente individual (el símbolo W proviene de tiempo de espera)
Wq = tiempo de espera esperado en la cola (excluye el tiempo de servicio) para
un cliente individual.
TEORÍA DE COLAS
Relaciones entre L, W, Lq y Wq
La única diferencia entre W y Wq es que W incluye el tiempo esperado de

servicio y Wq no. Así 1/μ es el símbolo de tiempo esperado de servicio,
W = Wq + 1/ μ, donde
μ = tasa media de servicio.
Quizá la fórmula más importante en la teoría de las colas proporciona una

relación directa entre L y W. Esta fórmula es L = λ W, donde
λ = tasa media de llegadas para los clientes que entran al sistema de colas.
La fórmula anterior (L = λ W), también se aplica a la relación entre Lq y Wq. Por

lo tanto, otra versión de esta fórmula es: Lq = λ Wq
Al combinar las relaciones anteriores también se obtiene la siguiente relación

directa entre L y Lq, L = λ W = λ (Wq + 1/ μ)
= Lq + λ /μ
TEORÍA DE COLAS
Las notaciones normales o estándar para representar las distribuciones de

llegadas y de salidas son:
M = Distribución de Markov (o de Poisson) de las llegadas o de las salidas (o lo
que es igual, distribución exponencial del tiempo entre llegadas o tiempo de
servicio)
D = Tiempo constante (determinístico)
Ek = Distribución Erlang o gamma de tiempo (o bien, la suma de distribuciones
exponenciales independientes)
GI = Distribución general del tiempo entre llegadas
G = Distribución general del tiempo de servicio
Entre la notación de disciplinas de cola están:

PLPS = Primero en llegar, primero en ser servido
ULPS = Último en llegar, primero en ser servido
SEOA = Servicio de orden aleatorio
DG = Disciplina en general (es decir, cualquier tipo de disciplina)
TEORÍA DE COLAS
Uso de las probabilidades como medidas de desempeño
Con frecuencia los gerentes se interesan en más de lo que ocurre en promedio
en un sistema de colas. Aparte de querer que L, W, Lq y Wq no excedan valores
meta, también les preocupan los peores escenarios. ¿Cuál será el máximo de
clientes en el sistema (o en la cola) que sólo será excedido una pequeña fracción
de tiempo (esto es, con una pequeña probabilidad)? ¿Cuál será el máximo
tiempo de espera de los clientes en el sistema (o en la cola) que sólo será
excedido una fracción de tiempo? Un gerente podría especificar que el sistema
de colas debe estar diseñado de forma tal que esos números máximos no
exceden ciertos valores.
El alcance de ese objetivo requiere del uso de la distribución de probabilidad del

estado estable de estas cantidades (el número de los clientes y el tiempo de
espera). Por ejemplo, suponga que la meta es no tener más de tres clientes en el
sistema al menos 95% del tiempo. Usando la notación:
Pn = probabilidad de estado estable de tener exactamente n clientes en el
sistema (para n = 0, 1, 2, …)
Para cumplir con esta meta se requiere que P0 + P1 + P2 + P3 ≥ 0.95
TEORÍA DE COLAS
Uso de las probabilidades como medidas de desempeño
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
P(W ≤ 2 horas) ≥ 0.95
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.
Se dispone de fórmulas para calcular al menos algunas de esta probabilidades

para varios modelos de colas considerados más adelante.
TEORÍA DE COLAS
Modelos con un servidor
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.
Modelo (M/M/1) : (DG/∞/∞)
El modelo M/M/1 es el modelo de un servidor que supone que ambos tiempos

entre llegadas y servicios tienen distribución exponencial. DG/∞/∞, significa que
el modelo obedece a una disciplina general (ver teoría), y que no hay límite para
la cantidad máxima del sistema y también supone una fuente de capacidad
infinita.
TEORÍA DE COLAS
Modelos con un servidor
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.
Un nuevo símbolo para esta sección es ρ=λ/μ

donde ρ es la letra griega ro. A esta cantidad ρ se llama factor de utilización, y
representa la fracción de tiempo promedio que utiliza el servidor para atender a
los clientes.
Modelos con un servidor M/M/1 (DG/∞/∞)
Suposiciones
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.
Dos fórmulas equivalentes del número esperado de clientes en el sistema son

L = ρ/(1 - ρ) = λ/(λ – μ)
Debido a la fórmula L = λ W, el tiempo de espera previsto en el sistema es
W = L / λ = ρ/[ λ (1 - ρ)] = 1/[ μ (1 - ρ)] = 1/(μ – λ)
Por lo tanto el tiempo esperado de espera en la cola (incluye el tiempo de
servicio) es Wq = W – 1/ μ = 1/(μ – λ) - 1/ μ = [μ – (μ – λ )]/ [μ (μ – λ)]
Entonces Wq = λ/[μ (μ – λ)]
Al aplicar la otra versión de Lq = λ Wq, el número esperado de clientes en la cola

(excluye clientes en servicio) es
Lq = λ Wq = λ2/[μ (μ – λ)] = ρ2/(1 - ρ)
Ejemplo 1
A un cajero automático sólo llega un promedio de 10 vehículos por hora.

Suponga que el tiempo promedio de servicio para cada cliente es de 4
minutos, y que los tiempos entre llegadas y los de servicio son
exponenciales. Conteste las preguntas siguientes:
1.- ¿Cuál es el número promedio de automóviles que esperan en la cola su

turno? Se considera que un vehículo que está ocupado en el cajero
automático, no está esperando en la cola.
2.- Cuál es el tiempo promedio que un cliente pasa en el estacionamiento

del banco, incluyendo el tiempo de servicio?
3.- En promedio, ¿cuántos clientes por hora serán atendidos por el cajero
automático?
4.- ¿Cuál es la probabilidad de que el cajero automático se encuentre vacío?

Ejemplo 1
Para responder la interrogante anterior es necesario plantear el siguiente

modelo de probabilidad para el sistema de colas con un servidor:
Pn = probabilidad de estado estable de tener exactamente n clientes en el sistema

(para n = 0, 1, 2, …)
Si ρ = λ / μ, la ecuación de Pn en el modelo generalizado de colas con un servidor

se reduce a: Pn = ρn P0
Para determinar el valor de P0 se usa la siguiente identidad:

P0 (1 + ρ + ρ2 + …) = 1
Suponiendo que ρ < 1, la serie geométrica tiene la suma finita (1/(1- ρ)), y
entonces P0 = 1- ρ, siendo que ρ < 1.
La fórmula general de Pn es entonces la de la siguiente distribución geométrica:
Pn = (1 – ρ) ρn, n = 1, 2, … (ρ <1)
Modelos con un servidor M/M/1 (DG/N/∞)
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.
Cuando la cantidad de clientes en el sistema llega a N no se permiten más

llegadas, y entonces λ, n = 0, 1, …, N -1
λn =
0, n = N, N + 1, …
μn= μ, n = 0, 1, …,
Sea ρ = λ / μ, entonces el modelo generalizado da como resultado

ρnP0, n ≤ N
Pn =
0, n>N
Para determinar el valor de P0 se usa la siguiente identidad:
P0 (1 + ρ + ρ2 + …+ ρN ) = 1
o sea (1 – ρ) / (1 – ρN + 1), ρ≠1

P0 =
1 /(N + 1), ρ=1
Así, [(1 – ρ) ρn] / (1 – ρN + 1), ρ≠1

Pn = , n = 0, 1, …, N
1 /(N + 1), ρ=1
La cantidad esperada de clientes en el sistema se calcula como

sigue:
N N
L = Σ n Pn L = [(1 – ρ) / (1 – ρN + 1)] Σ nρn
n=0 n=0
Desarrollando esta expresión, nos queda
ρ[1 – (N + 1)ρN + NρN + 1]

L= ,ρ≠1
(1 – ρ)(1 – ρN + 1)
Deducción de λ, λ ef, y λ perdido en M/M/1 (DG/N/∞)
λ λef
λ perdido
La tasa efectiva de llegadas λ ef, se puede calcular si se observa el esquema

anterior, donde los clientes llegan desde la fuente con la frecuencia λ. Por
ejemplo un auto que llega puede entrar al estacionamiento o irse al otro lado,
con las frecuencias respectivas λ ef o λ perdido. Lo que significa que
λ = λ ef + λ perdido. Un auto no podrá entrar al estacionamiento si ya hay N autos en
él. Eso quiere decir que la proporción de vehículos que no pueden entrar al lote
es PN.
El valor de ρ = λ / μ no necesita ser menor que 1 en este modelo, porque las

llegadas al sistema están controladas por el límite N del mismo. Esto quiere decir
que la rapidez que importa en este caso es λ ef y no λ . Como los clientes se
pierden cuando hay N en el sistema, entonces,
λ perdido = λ PN
λ ef = λ - λ perdido = λ (1 – PN)este modelo, porque las
Cuando ρ = 1, L = N / 2 (¡por favor compruébelo!). A partir de esta fórmula se

pueden obtener W, Wq y Lq usando λ ef.
Por lo tanto:
Lq = L - (λ ef / μ), W = L / λ ef, y Wq = W – (1 / μ)
Problema: En una peluquería hay un peluquero y un total de 10 asientos. Los

tiempos de llegada tienen una distribución exponencial, y llega en promedio de 20
clientes posibles por hora. Los que llegan cuando la peluquería está llena no
entran. El peluquero tarda en promedio 12 minutos en atender cada cliente. Los
tiempos de corte de pelo tienen una distribución exponencial.
1.- En promedio, ¿cuántos cortes de pelo por hora hará el peluquero?
2.- En promedio, ¿cuánto tiempo pasará un cliente en la peluquería, cuando
entra?
Modelos con varios servidores
En esta sección se estudiarán dos modelos de colas con varios servidores en
paralelo. Dichos modelos son las versiones de los dos modelos vistos
anteriormente para un solo servidor.
M/M/c (DG/∞/∞) En este modelo hay c servidores en paralelo. La frecuencia de

llegadas es λ y la rapidez de servicio es μ por servidor. Como no hay límite de
cantidad en el sistema, λ = λ ef. El efecto de usar c servidores en paralelo es un
aumento en la tasa de servicio de la instalación proporcional a c.
Fórmulas asociadas a este modelo:
lo que resulta en
P0
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 =
Como en este modelo λ ef = λ, entonces L = Lq + ρ. Los valores de W y Wq se

pueden determinar dividiendo L y Lq entre λ.
Problema 1: Hay dos empresas de taxis que dan servicio a una población. Cada empresa
es dueña de dos taxis, y se sabe que las dos empresas comparten partes iguales del
mercado. Esto se ve porque llegan ocho llamadas por hora a la oficina de cada empresa. El
tiempo promedio en el viaje es de 12 minutos. La llamadas llegan siguiendo una distribución
de Poisson, y el tiempo de viaje es exponencial. Hace poco tiempo, un inversionista compró
las dos empresas, y le interesa consolidarlas en una solo oficina para dar un mejor servicio
a los clientes. Analice la propuesta del nuevo dueño.
Problema 2: El centro de computo de la Hechicera tiene cuatro computadoras principales

idénticas. La cantidad de usuarios en cualquier momento es de 25. Cada usuario puede
solicitar trabajo por una terminal, cada 15 minutos en promedio, pero el tiempo real
solicitudes es exponencial. Los trabajos que llegan pasan en forma automática a la primera
computadora disponible. El tiempo de ejecución por solicitud es exponencial, con un
promedio de 2 minutos. Calcule lo siguiente:
a) La probabilidad de que un trabajo no se ejecute en inmediato al solicitarlo.
b) El tiempo promedio en que el usuario obtiene resultados.
c) La cantidad promedio de trabajos que esperan su procesamiento.
d) El porcentaje del tiempo durante el cual el centro de cómputo está inactivo.
e) La cantidad promedio de computadoras ociosas.
M/M/c (DG/N/∞), c ≤ N. Este modelo difiere del M/M/c (DG/∞/∞) en que el límite
del sistema es finito, igual a N. Eso quiere decir que el tamaño máximo de la cola
es N-c. Las tasas de llegada y de servicio son λ y μ. La frecuencia efectiva de
llegada λ ef es menor que λ, a causa del límite N del sistema.
Fórmulas asociadas a este modelo:

A continuación se calcula Lq para el caso en que como sigue:
Lq
Se puede demostrar que Lq se reduce a
Lq
Para determinar Wq, y en consecuencia W y L, se calcula el valor de λ ef , como

sigue:
λ perdido = λ PN
λ ef = λ - λ perdido = λ (1 – PN)
Por lo tanto:
L = Lq + (λ ef / μ), W = L / λ ef, y Wq = W – (1 / μ)
Nota importante 1: tener muy en cuenta los valores de ρ, c, N, y n para el cálculo

de los diferentes items de un determinado problema.
Nota importante 2: tener muy en cuenta el manejo de memorias normales y
acumulativas de una buena calculadora para el cálculo de los diferentes items de
un determinado problema.
Problema 1: En el problema de los taxis consolidados desarrollado anteriormente,

suponga que no se pueden conseguir más fondos para comprar nuevos
automóviles. Un amigo aconsejó al dueño que una forma de reducir el tiempo de
espera es que la oficina despachadora informe a los clientes nuevos de las
demoras excesivas potenciales, una vez que la lista de espera llegue a 6 clientes.
Se tiene la seguridad que con esta medida los clientes nuevos buscarán servicio
en otra parte, pero se reducirá el tiempo de espera para los que hay en la lista de
espera. Investigar la plausibilidad del consejo del amigo.
TEORÍA DE JUEGOS
Tema III
La Teoría de Juegos maneja situaciones de decisión en las que hay dos
oponentes inteligentes que tienen objetivos contrarios. Entre los ejemplos
característicos están lanzamientos de campañas de publicidad para productos
que compiten, y la planeación de estrategias bélicas en los ejércitos contrarios.
En un conflicto de juego hay dos oponentes, llamados jugadores, y cada uno

tiene una cantidad (finita o infinita) de alternativas o estrategias. Asociada con
cada par de estrategia hay una recompensa que paga el jugador al otro. A esos
juegos se les llama juegos entre dos jugadores con suma cero, porque la
ganancia de un jugador es igual a la pérdida del otro. Si se presentan dos
jugadores con A y B, con m y n estrategias, respectivamente, el juego se suele
representar con la matríz de recompensa para el jugador A, es la siguiente:
B1 B2 ….. Bn
La representación indica que si A
A1 a11 a12 ….. a1m
usa la estrategia i y B usa la
A2 a21 a22 ….. a2m estrategia j, la recompensa para A
.
. . . . es aij, y entonces la recompensa
. . . .
. par B es -aij
Am am1 am2 ….. amn
TEORÍA DE JUEGOS
JUEGOS DE DOS PERSONAS CON SUMA CERO Y SUMA CONSTANTE:
PUNTOS SILLA
A) Características de los juegos de dos personas con suma cero
1.- Hay dos jugadores: el jugador de filas y el jugador de columnas.

2.- El jugador de filas debe escoger una de m estrategias. En forma simultanea,
el jugador de columnas debe escoger una de n estrategias.
3.- Si el jugador de filas escoge su í-ésima estrategia y el de columnas su j-ésima
estrategia, el de filas recibe una recompensa aij y el de columnas pierde una
cantidad aij. Así, podemos pensar que la recompensa aij del jugador de filas
proviene del jugador de columnas.
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:
max (mínimo de filas)=min(máximo de columnas)
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.
Uno se podría imaginar también que un punto silla es un punto de equilibrio en el

que ninguno de los jugadores puede beneficiarse a partir del cambio unilateral de
estrategia. Así, un punto silla es estable porque ninguno de los jugadores tiene
incentivo alguno de alejarse de él.
TEORÍA DE JUEGOS
B) Características de los juegos de dos personas con suma constante
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.
Un juego con suma constante es aquel en que, para cualquier selección de

estrategias de ambos jugadores, la recompensa del jugador de filas y la de
jugador de columnas se suman para dar un valor constante c. Desde luego que
un juego de dos personas con suma cero es tan sólo uno de dos personas con
suma constante en donde c=0. Un juego de dos personas con suma constante
mantiene características que el jugador de filas y el de columnas están en
contraposición total, porque un aumento unitario en la recompensa del jugador de
filas siempre ocasionará una disminución unitaria en la recompensa del jugador
de columnas. En general, las estrategias óptimas y el valor mismo para un juego
de dos personas con suma constante se pueden calcular con los mismos
métodos que se utilizaron para determinar las estrategias óptimas y el valor para
un juego de dos personas con suma cero.
TEORÍA DE JUEGOS
Ejemplo de juego de dos personas con suma constante
En el horario de 8 a 9 p.m., dos cadenas televisivas compiten por la audiencia de

100 millones se espectadores. La cadenas deben anunciar en forma simultanea
el espectáculo que emitirán en ese horario. Las elecciones posibles de cada
cadena y el número de televidentes de la cadena 1, en millones aparecen en la
siguiente tabla. ¿Tiene el juego punto silla? ¿Cuál es el valor del juego para la
cadena?
Cadena1 Cadena 2 Mínimo

Pel. oeste Telenovela Comedia fila
Película del oeste 35 15 60 15
Telenovela 45 58 50 45
Comedia 38 14 70 14
Máximo columna 45 58 70
SIMULACIÓN
Tema IV
La simulación es una técnica muy poderosa y ampliamente usada en las ciencias
administrativas, para analizar y estudiar sistemas complejos.
Se puede definir la simulación como la técnica que imita el funcionamiento de un

sistema del mundo real cuando evoluciona en el tiempo. Esto se hace , por lo
general, al crear un modelo de simulación. Pero es importante destacar que la
simulación no es una técnica de optimización.
Terminología Básica
Sistema: Un sistema en un conjunto de entidades que actúan e interactúan para

la realización de un fin lógico.
Estado: El estado de un sistema es un conjunto de variables necesarias para
describir la condición del sistema en un momento determinado.
Sistema Discreto: Es aquel en el cual las variables de estado cambian sólo en
puntos discretos o contables en el tiempo
SIMULACIÓN
Sistema Continuo: Es aquel en el que las variables de estado cambian en forma
continua a través del tiempo.
Modelo Estático de Simulación: Es una representación de un sistema en
determinado punto del tiempo.
Modelo Dinámico de Simulación: Es una representación de cómo evoluciona
Un sistema a través del tiempo.
Si bien la palabra simulación tiene distintos significados, dependiendo de su uso,

en el terreno de los negocios normalmente se refiere a emplear una computadora
para hacer experimentos con un modelo de un sistema real. Algunos ejemplos de
otros tipos de simulación son los simuladores de vuelos de aviones, video juegos
y la animación con realidad virtual.
Además, la simulación es útil para enseñar a los administradores y a los

trabajadores cómo opera el sistema real, les demuestra los efectos de los
cambios en las variable y del sistema, cómo controlar el tiempo real y cómo
desarrollar ideas nuevas para manejar un negocio.
SIMULACIÓN
Cuando usamos un modelo de computadora, reducimos el sistema que
estudiando a una representación simbólica que corremos en ella. Si bien no
corresponde a este curso detallar los aspectos técnicos de los modelos por
computadora, algunos que repercuten directamente en las simulaciones son:
• Escoger el lenguaje de la computadora.

• Hacer gráficas de flujo.
• Codificar.
• Generar datos.
• Hacer informes de resultados.
• Validad.
Así mismo, podemos clasificar los programas de simulación como de propósito

general y de propósito especial. Los softwere de propósito general es realmente
lenguajes que permiten a los programadores crear sus propios modelos. Alguno
ejemplos son SLAM II, SIMSCRIPT II, SIMAN, GPSS/H y RESQ.
SIMULACIÓN
Los programas de softwere de simulación para propósitos especiales son
creados para simular aplicaciones específicas; por ejemplo, MAP/1 y
SIMFACTORY.
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.

Desiciones II

Uploaded by

Document Information

Original Description:

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

Desiciones II

Uploaded by

Copyright:

Available Formats

DECISIONES GERENCIALES II

• Métodos Cuantitativos para los Negocios. Barry Render y

Se realizarán cuatro (4) pruebas presénciales que aportarán el

La asistencia a clases es estrictamente obligatoria, sobre todo a

No hay recuperativo, solo diferido debidamente justificado y

Un administrador puede incrementar la toma de

Tres hechos llevaron al desarrollo y uso de los métodos cuantitativos:

Estructuración del Problema Análisis del Problema

El análisis cualitativo se basa principalmente en el juicio del

Sin embargo, si el administrador ha tenido poco experiencia en

PROGRAMACIÓN CON ENTEROS (PE)

En una solución óptima para programación lineal a veces las variables de

En algunas aplicaciones, las variables de decisión tendrán sentido si y

Tipos de problemas de programación entera

La información pertinente se encuentra en la siguiente tabla:

¿Cuántos aviones de cada tipo se deben comprar para maximizar la

Suposición de divisibilidad de Programación Lineal (PL): las variables de

Solución de TBA Airlines por PE

La formulación de Programación Entera de este problema es exactamente la

En la práctica, la mayoría de los problemas de Programación

Subproblema 2: Subproblema 1 + la Restricción y ≥ 2

Obsérvese que ni el subproblema 2, ni el subproblema 3 incluyen puntos con

* En este problema relativamente sencillo resulta que la solución al PE se

* Si los resultados de los subproblemas fuesen fraccionados, se continua

Muchas aplicaciones de Programación Entera (ya sea pura o mixta) restringen

Importarte: de manera análoga al algoritmo simplex, se podría esperar resolver

La carpintería de Juanita fabrica mesas y sillas. Una mesa

Cierta empresa considera cuatro inversiones. La inversión 1

Como en las formulaciones de los PL, empezamos con la definición de una

Por ejemplo, x2 = 1 si se realiza la inversión 2, y x2 = 0 si no se realiza.

Max z = c1x1 + c2x2 + … + cnxn

Cuando se resuelven problemas de mochila mediante el método de ramificar y

coloque el mejor artículo en la mochila. Después coloque el artículo que quedo en

Ramifique y acote de acuerdo a los artículos más rentables hasta obtener la

Max = 40x1 + 80x2 + 10x3 + 10x4 + 4x5 + 20x6 + 60x7

El método de la enumeración implícita se usa frecuentemente para

El árbol que se utiliza en la enumeración implícita es similar a los árboles

TIPO DE RESTRICCIÓN SIGNO VALOR ASIGNADO A LA

Si la asignación de una determinada integración a un nodo no satisface alguna

Max z = -7x1 – 3x2 – 2x3 – 4x4 – 2x5

Nota: estimados estudiantes, al pasar el problema al pizarrón se

Estructura del sistema:

b) Sistema de servicio. En éste se distinguen dos zonas: la zona de espera

c) Producto. En cuanto al producto se distinguen dos categorías: la que

Los actores principales en una línea de espera o cola son el cliente y el

Desde el punto de vista del análisis de las colas, el proceso de llegada se

El tamaño de la cola desempeña un papel en el análisis de las colas, y puede

La disciplina de la cola, que representa el orden en el que se seleccionan los

El comportamiento de los clientes en espera juegan un papel en el análisis de las

El desarrollo de este modelo generalizado se basa en el comportamiento a largo

El modelo generalizado supone que las frecuencias tanto de llegadas como de

L = número esperado de clientes en el sistema, incluye a quienes están en el

La única diferencia entre W y Wq es que W incluye el tiempo esperado de

Quizá la fórmula más importante en la teoría de las colas proporciona una

La fórmula anterior (L = λ W), también se aplica a la relación entre Lq y Wq. Por

Al combinar las relaciones anteriores también se obtiene la siguiente relación

Las notaciones normales o estándar para representar las distribuciones de

Entre la notación de disciplinas de cola están:

El alcance de ese objetivo requiere del uso de la distribución de probabilidad del

P(W ≤ 2 horas) ≥ 0.95

Se dispone de fórmulas para calcular al menos algunas de esta probabilidades

Modelo (M/M/1) : (DG/∞/∞)