Curso Completo de Metodos Cuantitativos

Facultad de Ciencias Econmicas
Escuela de Administracin
Curso de
Optimizacin
de Decisiones
Dr. Higinio Wong Aitken
Universidad Privada Antenor Orrego Facultad de Ciencias Empresariales
CONTENIDO
Prefacio
1.- Introduccin a los Mtodos Cuantitativos
1.1.- Impacto de la Investigacin de Operaciones
1.2.- Breve historia de los mtodos cuantitativos
10
1.3.- Definicin de Mtodos Cuantitativos
11
1.4.- El Proceso de toma de decisiones
11
1.5.- Estructura de los modelos en los Mtodos Cuantitativos
15
1.6.- Formulacin de un Modelo Matemtico
16
1.6.1.- Preparacin de datos
17
1.6.2.- Solucin del modelo
18
1.7.- Anlisis de punto de equilibrio
20
1.8.- Ejercicios propuestos 1
23
2.- Anlisis de decisiones

2.1.- Estructuracin del problema de decisin
67
- Matriz de pagos
- rbol de decisiones
2.2.- Toma de decisiones sin probabilidades
70
2.2.1.- Enfoque Optimista
70
2.2.2.- Enfoque Conservador
71
2.2.3.- Enfoque mnimax de arrepentimiento
72
2.3.- Toma de decisiones con probabilidades
74
2.4.- Anlisis de Sensibilidad
76
2.5.- Valor esperado de la informacin perfecta (VEIP)
78
2.6.- Anlisis de decisiones con informacin Muestral
80
2.7.- Ejercicios Propuestos 2
85
3.- Pronsticos
3.1. Serie de Tiempo
95
3.2. Componentes de una Serie de Tiempo
96
3.2.1 Componentes de Tendencia
98
3.2.2 componente Cclico
98
3.2.3 Componente Estacional
99
3.2.4 Componente Irregular

3.3. Mtodos de suavizacin en el pronstico
99
99
3.3.1 Promedios Mviles
100
3.3.2 Promedios Mviles Ponderados
102
3.3.3 Suavizacin Exponencial
103
3.4. Pronsticos en la Proyeccin de Tendencias
105
3.5. Pronsticos en los componentes de Tendencia y Estacional
107
3.5.1 Modelo Multiplicativo
108
3.5.2 Desestacionalizacin de la Serie de Tiempo
113
3.5.3 Uso de la Serie de tiempo desetacionalizada
114
para identificar la Tendencia

3.5.4. Ajustes Estacionales
3.6. Anlisis de Regresin en Pronsticos

3.6.1. Anlisis de Regresin cuando no hay datos
116
116
117
de una serie de tiempo disponibles

3.7. Procedimientos Cualitativos para Pronsticos
120
3.8. Problemas Propuestos 3
121
4.- Modelos de lnea de espera (Teora de Colas)

4.1. Estructura del sistema de lnea de espera
4.2. Distribucin de las llegadas
4.3. Distribucin de los tiempos de servicios
4.4. Disciplina de la cola
4.5. Operacin en estado estable
4.6. Notacin Kendall
4.7. Modelo de lnea de espera de un solo canal, con llegadas
de Poisson y tiempos de servicio exponencial (M/M/1)
4.8 Modelo de lnea de espera de mltiples canales con llegadas Poisson
y tiempos de servicio exponenciales
4.9. Anlisis econmico de las lneas de espera
4.10. El modelo de lnea de espera de un solo canal con llegadas
de Poisson y tiempo de servicio arbitrarios (M/G/1)
4.11. Modelo de canal mltiple con llegadas de Poisson,
tiempos de servicio arbitrario y sin lnea de espera (M/G/k)
4.12. Modelos de lnea de espera con poblaciones de solicitantes

finitas (M/M/1)
5. Inventarios
6.- Programacin Lineal
126
6.1. Estructura de un modelo de programacin Lineal
127
6.2. Solucin grfica de Programacin Lineal
131
6.3. Variables de Holgura (Slack)
135
6.4. Variables Excedentes (Surplus)
138
6.5. Anlisis de Sensibilidad en PL

6.5.1. Introduccin
140
6.5.2. Anlisis de sensibilidad grafico
141
7.- Programacin Lineal: Formulacin, Solucin por computadora

8.- Aplicaciones de programacin lineal
146
165
155
165
8.1.- En la Mercadotecnia: Seleccin de medios
165
8.2.- Investigacin de mercados
168
8.3.- Aplicacin en las Finanzas: Seleccin de cartera
171
8.4.- Aplicacin de administracin de la produccin
174
8.5.- Aplicacin en Asignacin de Fuerza de Trabajo
178
9.- Modelos de Transporte, Asignacin y Trasbordo
180
9.1.- Problemas de Transporte
180
9.2.- Problemas de Asignacin
187
9.3.- Problemas de Trasbordo
192
197
10.- Programacin de Proyectos: PERT / CPM
203
10.1.- Prog. de proyectos con tiempos de actividad conocidos: CPM
204
10.2.- Prog. de proyectos con tiempos inciertos de actividades: PERT
207
10.3.- Variabilidad en el tiempo de terminacin del proyecto
210
212
1. INTRODUCCION A LOS METODOS CUANTITATIVOS

Este libro trata acerca del uso de los mtodos para ayudar a la toma de decisiones,
aqu se hace nfasis en la forma en que los mtodos cuantitativos pueden contribuir a
la toma de mejores decisiones.
Los mtodos cuantitativos son procedimientos racionales que ayudan a la toma de
decisiones con base en mtodos cientficos. Un estudio de mtodo cuantitativo slo
brinda anlisis y recomendaciones, con base en los factores cuantitativos del
problema.
Se han dado diversos nombres a todo el conjunto de conocimientos que involucran

procedimientos
cuantitativos
para
la
toma
de
decisiones.
Los ms comunes son:
Mtodos cuantitativos
Optimizacin de Decisiones
Investigacin de operaciones (IO)
Ciencias de las decisiones
Ciencias de la administracin
La toma de decisiones es fundamental para cualquier actividad humana. En este

sentido, somos todos tomadores de decisiones. Sin embargo, tomar una 'buena'
decisin empieza con un proceso de razonamiento, constante y focalizado, que incluye
muchas disciplinas.
Los mtodos cuantitativos proporcionan a los tomadores de decisiones bases

cuantitativas para seleccionar las mejores decisiones y a la vez elevar su habilidad
para hacer planes a futuro.
En el ambiente socioeconmico actual altamente competitivo y complejo, los mtodos

tradicionales de toma de decisiones se han vuelto inoperantes e inadmisibles ya que
los responsables de dirigir las actividades de las empresas e instituciones se enfrentan
a situaciones complicadas y cambiantes con rapidez que requieren de soluciones
creativas y prcticas apoyadas en una base cuantitativa slida.
En organizaciones grandes es necesario que el tomador de decisiones tenga un

conocimiento bsico de las herramientas cuantitativas para poder trabajar en forma
estrecha con los especialistas y ser receptivos a las soluciones y recomendaciones.
En organizaciones pequeas puede darse que el tomador de decisiones domine las

herramientas cuantitativas y l mismo las aplique para apoyarse en ellas y as tomar
sus decisiones.
Desde la Revolucin Industrial, el mundo ha sido testigo de un crecimiento sin

precedentes en el tamao y la complejidad de las organizaciones. Los pequeos
talleres artesanales se convirtieron en las corporaciones con miles de millones de
dlares.
Una parte integral de este cambio fue el aumento en la divisin del trabajo y la
separacin de las responsabilidades administrativas de estas organizaciones.
Uno de estos problemas es que conforme la complejidad y la especializacin crecen,
se vuelve ms difcil asignar los recursos disponibles a las diferentes actividades de la
manera ms eficaz para la organizacin como un todo. Este tipo de problemas, y la
necesidad de encontrar la mejor forma de resolverlos, proporcionaron el ambiente
adecuado para el surgimiento de los mtodos cuantitativos.
1.1. DEFINICIN DE METODOS CUANTITATIVOS

Mtodos Cuantitativos o Investigacin de Operaciones (IO). Se puede definir de la
siguiente manera: Los Mtodos Cuantitativos o IO es la aplicacin del mtodo
cientfico al estudio de los problemas de toma de decisiones, considerando la
formulacin de un modelo matemtico que permita estudiar el problema y desarrollar
una solucin que indique el mejor u ptimo curso de accin posible
Las dos caractersticas esenciales, que distinguen a la IO de otras disciplinas o
actividades que podran asimilarse a la anterior definicin, son:
i) El modelamiento generalmente matemtico de los problemas de decisin.
ii) La bsqueda de la mejor o la ptima solucin de los problemas de decisin.
1.2. EL PROCESO DE TOMA DE DECISIONES

La toma de decisiones es un proceso de seleccin entre cursos alternativos de
accin, basados en un conjunto de criterios para alcanzar uno o ms objetivos
Las condicin fundamental para la solucin de problemas es que se establezca una

diferencia entre lo que es (situacin actual) y lo que debe ser (situacin deseada u
objetivo) y a continuacin tomar acciones para eliminar o disminuir esa diferencia.
El proceso de resolucin de problemas involucra los siguientes pasos:

1. Identificar y definir bien el problema
2. Determinar el conjunto de soluciones alternativas
3. Determinar el criterio o criterios de evaluacin para evaluar dichas alternativas
4. Evaluar las alternativas
5. Elegir la alternativa mas adecuada
6. Implementar la alternativa seleccionada (la decisin)
7. Evaluar los resultados, y determinar si se ha llegado a una solucin
satisfactoria
La toma de decisiones es el trmino generalmente asociado con los primeros 5

pasos del proceso de solucin de problemas, la toma de decisiones termina al
seleccionar una alternativa, que es el acto de tomar la decisin.
Las tres primeras fases del proceso decisorio constituyen la Estructuracin del
Problema y las dos ltimas fases son el Anlisis del Problema
En la fase de anlisis del proceso de toma de decisiones puede tomar 2 formas

bsicas: Cualitativas y cuantitativas
Anlisis del problema

Estructuracin del problema
Definir el
problema
Identificar
alternativas
Anlisis
Cualitativo
Resumen y
Evaluacin
Determinar
los criterios
Toma de
decision
Anlisis
Cuantitativo
El enfoque cualitativo se basa en la experiencia y el juicio personal del

administrador, incluye la sensacin y las habilidades necesarias del administrador en
relacin al problema, con este enfoque son inherentes en la persona y aumentan con
la prctica, es mas un arte que una ciencia.
El enfoque cuantitativo se obtiene del estudio de herramientas matemticas que le

permitan a la persona mejorar su efectividad en la toma de decisiones.
Cuando se utiliza un procedimiento cuantitativo, el analista se concentrara en los
hechos o datos cuantitativos asociados al problema
Este enfoque es til cuando:

a) el problema es tan complejo o importante que requiere de un anlisis
exhaustivo para tener mayor posibilidad de elegir la mejor solucin.
b) El problema es muy importante (esta involucrada gran cantidad de dinero)
c) El problema es nuevo y el administrador no tiene experiencia previa en cual
apoyarse
d) El problema es repetitivo, y para dar recomendaciones de tipo rutinario
A los problemas que no implican ms de un criterio de decisin se les denomina

problemas de decisin de criterio nico, y en el caso contrario se les denomina
problemas de decisin multicriterio.
AMBIENTES DE DECISIN
El anlisis de decisin implica el uso de un proceso racional para seleccionar la mejor
entre varias alternativas. La bondad de una alternativa seleccionada depende de la
calidad de los datos utilizados para describir la situacin de decisin. Desde este punto
de vista, un proceso de toma de decisiones cae en tres categoras.
1. Toma de decisiones bajo certidumbre: En la que se conocen los datos de forma
determinista.
2. Toma de decisiones bajo riesgo: En la que los datos se describen mediante
distribuciones de probabilidad.
3. Toma de decisiones bajo incertidumbre: En la que no es posible asignar a los
datos pesos relativos que representen su grado de relevancia en el proceso de
decisin.
1.3. ESTRUCTURA DE LOS MODELOS EN LOS MTODOS

CUANTITATIVOS
El enfoque de los mtodos cuantitativos es el modelaje.
Los modelos son representacin de objetos en situaciones reales, es decir, es una
herramienta que nos sirve para lograr una visin bien estructurada de la realidad.
El propsito de cualquier modelo es que al estudiarlo y analizarlo nos permite hacer
inferencias sobre la situacin real
La ventaja que tiene el sacar un modelo que represente una situacin real, es que nos
permite analizar tal situacin sin interferir en la operacin que se realiza, ya que el
modelo es como si fuera un espejo de lo que ocurre.
En general la experimentacin con modelos requiere menos tiempos y es menos
costosa que la experimentacin con un objeto real
Para aumentar la abstraccin del mundo real, los modelos se clasifican como
1. Modelos icnicos: son la representacin fsica, a escala reducida o aumentada
de un sistema real. Ejemplo: un modelo a escala de un camin o un aeroplano
2. Modelos anlogos: tienen una forma real, pero no de la misma apariencia fsica
del objeto que se esta modelando. Ejemplo: el velocmetro de un automvil, un
termmetro
3. Modelos matemticos o simblicos: aquellos que representa un problema real
mediante un conjunto de smbolos, funciones y relaciones o expresiones
matemticas. Por ejemplo: la utilidad total por la venta de un producto. Un modelo
matemtico comprende principalmente tres conjuntos bsicos de elementos. Estos
son: variables de decisin, restricciones y funcin objetivo.
a. Variables y parmetros de decisin. Las variables de decisin son las
incgnitas (o decisiones) que deben determinarse resolviendo el modelo. Las
variables del modelo pueden ser determinsticos o probabilsticos.
b. Restricciones. Para tener en cuenta las limitaciones tecnolgicas, econmicas
y otras del sistema, el modelo debe incluir restricciones (implcitas o explcitas)
que restrinjan las variables de decisin a un rango de valores factibles.
c. Funcin objetivo. La funcin objetivo define la medida de efectividad del
sistema como una funcin matemtica de las variables de decisin, puede ser
la maximizacin de la utilidad o la minimizacin del costo. La solucin ptima
ser aquella que produzca el mejor valor de la funcin objetivo, sujeta a las
restricciones.
1.4. FORMULACIN DE UN MODELO MATEMTICO

Una vez definido el problema, la siguiente etapa consiste en reformularlo en un modelo
matemtico
para
que
represente
la
esencia
del
problema.
El modelo matemtico est constituido por relaciones matemticas (ecuaciones y

desigualdades) establecidas en trminos de variables, que representa la esencia el
problema que se pretende solucionar.
Para construir un modelo es necesario primero definir las variables de las cuales ser
establecido. Luego, se procede a determinar matemticamente cada una de las dos
partes que constituyen un modelo:
a) La funcin objetivo que es una funcin (ecuacin) que permite conocer el
nivel de logro de los objetivos
b) las limitantes o restricciones que son un conjunto de igualdades o
desigualdades que constituyen las barreras y obstculos para la consecucin
del objetivo.
Un modelo siempre debe ser menos complejo que el problema real, un modelo es una
aproximacin abstracta de la realidad con consideraciones y simplificaciones que
hacen ms manejable el problema y permiten evaluar eficientemente las alternativas
de solucin. Entonces, todo lo que se requiere es que exista una alta correlacin entre
la prediccin del modelo y lo que ocurre en la vida real.
Por ejemplo la ecuacin de utilidad P=10x seria una funcion objetivo para una
empresa que intente maximizar la utilidad. Si, por ejemplo se requieren cinco horas
para producir cada unidad y solo hay disponible 40 horas semanales, seria necesaria
una
restriccin
de
capacidad
de
produccin.
Si x indica el numero de unidades producidas cada semana, la restriccin de tiempo

de produccin esta dada por 5x 40
El valor 5x es el tiempo total requerido para producir x unidades; el smbolo indica
que el tiempo de produccin requerido debe ser menos o igual a las 40 horas
disponibles.
El problema de decisin es como sigue: Cuntas unidades de producto deben
programarse cada fin de semana a fin de maximizar la utilidad?.
10
Maximizar
P = $10x
Funcin Objetivo
Sujeto a
5x 40
x0
Restricciones
La restriccin x 0 requiere que la cantidad de produccin no sea negativa, es decir

que no es posible fabricar cantidades negativas.
La solucin optima de este modelo esta dado por x = 8 con una utilidad asociada de
$80. Este modelo es un ejemplo de modelo de programacin lineal
En este modelo matemtico, la utilidad por unidad ($10), el tiempo de produccin (5

horas) y la capacidad de produccin (40 horas), son factores del entorno que no estn
bajo el control del administrador. Estos factores del entorno que pueden afectar tanto a
la funcin objetivo como a las restricciones se conocen como entradas no
controlables.
Las entradas controlables, determinadas o variables de decisin son alternativas de

decisin que son definidas por el administrador. En el ejemplo, la cantidad de
produccin x es la entrada controlable del modelo.
Una vez especificada todas las entradas controlables y no controlables puede

evaluarse la funcin objetivo y las restricciones y determinar el resultado del modelo
Si todas la entradas no controlables del modelo se conocen y no pueden variar, el

modelo se llama modelo se deterministico. Ejemplo; las tasas corporativas de
impuesto IGV
Si cualquiera de las entradas no controlables es incierta y sujeta a variacin, el modelo
se conoce como modelo estocstico o probabilstico. Por ejemplo: la demanda de un
producto, horas de produccin por unidad
Entradas no controlables
Utilidad de 10 dlares por unidad
Cinco horas de trabajo por unidad
Capacidad de 40 horas de trabajo
Cantidad de
Produccin
Ejemplo x = 8
Mximo P=10x (Fun. Objetivo)

Sujeto a
(Restricciones)
5x <= 40
x >= 0
Entrada controlable
Modelo matemtico
Utilidad = 80
Tiempo utilizado = 40
Salida
11
1.5. ANALISIS DEL PUNTO DE EQUILIBRIO

Todo gerente necesita saber por anticipado, si un nuevo producto o una nueva
empresa, va a producir utilidad o no y en qu nivel de actividad comienza esa utilidad.
Para determinarlo se puede utilizar el anlisis de punto de equilibrio
Es el punto en donde los ingresos totales recibidos se igualan a los costos asociados
con la venta de un producto (IT = CT). Un punto de equilibrio es usado comnmente
en las empresas/organizaciones para determinar la posible rentabilidad de vender
determinado producto.
Ingreso Total Costo Total

PV * Q CF CVu * Q
Q( PV CVu ) CF
CF
Q*
PV CVu
En forma matemtica se tendr:
Ingresos Total = (Precio de venta) x (Cantidad vendida).

Y = PVu x Q
donde: Y = Ingresos de venta.
PV = Precio de venta.
Q = Cantidad vendida.
Costo total = Costo fijo + costo variable total.

Costo variable total = Costo variable unitario x cantidad producida.
C = CF + CVU x Q
Donde: C = Costo total.
CF = Costo fijo.
CVU = Costo variable unitario.
Q = Cantidad producida y vendida.
12
La lnea de coste representada es la suma de los costes fijos y de los costes variables:
Este punto de equilibrio es aquella

cantidad que producida y vendida,
permite recuperar exactamente los
costos asociados a la operacin. Si el
producto puede ser vendido en
mayores cantidades de las que arroja
el punto de equilibrio tendremos
entonces que la empresa percibir
beneficios. Si por el contrario, se
encuentra por debajo del punto de equilibrio, tendr prdidas.
Ejemplo 1
Supngase un producto que requiere unos costos fijos de $1500,000, cuyo costo
variable de produccin es de $500 por unidad y su precio al consumidor es de $2,000.
Los ingresos son:
2,000 x Q
Los costos son:
1,500,000 + 500 x Q
El punto de equilibrio, donde los

ingresos son iguales a los
CF
1'500,000 1'500,000
1000
PV CV 2000 500
1500
costos, ser:
13
Si Q > 1,000 unidades
generara utilidades
Si Q < 1,000 unidades
generara perdidas
Por ejemplo, si se producen 1,100 unidades se tendr:

Utilidad = Ingresos Costos = (2,000 x 1,1000) (1,500,0000 - 500 x 1,100)
= 2200,000 - 1,500,0000 - 550,000 = 150,000
(utilidad)
Si se producen 900 unidades:

Resultados = (2,000 x 900) (1,500,0000 - 500 x 900)
= 1,800,000 - 1,500,000 - 450,0000 = -150,000 de prdida.
VENTAJAS
Los grficos son fciles de construir e interpretar.
Provee directrices en relacin a la cantidad de equilibrio, mrgenes de

seguridad y niveles de utilidad/prdida a distintos niveles de produccin.
Se pueden establecer paralelos a travs de la construccin de grficos

comparativos para distintas situaciones.
La ecuacin entrega un resultado preciso del punto de equilibrio.
LIMITACIONES
Es poco realista asumir que el aumento de los costos es siempre lnea, ya que
no todos los costos cambian en forma proporcional a la variacin en el nivel de
produccin.
No todos los costos pueden ser fcilmente clasificables en fijos y variables.
Se asume que todas las unidades producidas se venden, lo que resulta poco
probable.
Es poco probable que los costos fijos se mantengan constantes a distintos

niveles de produccin, dadas las diferentes necesidades de la empresa.
14
1.6. EJERCICIOS PROPUESTOS 1: PUNTO DE EQUILIBRIO

1. La ONeill Shoe producir un zapato de estilo especial, si el tamao del pedido es
lo suficientemente grande para generar una utilidad razonable. Para cada pedido
especial, la compaa tiene que incurrir en un costo fijo de $1,000 para la puesta
en marcha de produccin. El costo variable es de $30 por par, y cada par se vende
en $40. Que tan grande debe ser el pedido de zapatos para que ONeill llegue al
punto de equilibrio?
2. Eastman Publishing esta considerando la publicacin de un libro de tipo bolsillo,

sobre aplicacin de las hojas de calculo en los negocios. El costo fijo de
preparacin, el diseo y la puesta en marcha de produccin se estima en $80,000.
Los costos variables de produccin y de materiales se estiman igual a $3 por libro.
La demanda durante la vigencia del libro se estima en 4,000 ejemplares. El editor
planea vender el libro a las libreras, colegios, universidades a $20 cada uno.
a. Cul es el punto de equilibrio?

b. Qu utilidad o perdida se puede prever, con una demanda de 4,000
ejemplares
c. Con una demanda de 4,000 ejemplares. Cul es el precio mnimo por
ejemplar que debe cobrar el editor para llegar a punto de equilibrio.
d. Si el editor piensa que el precio por ejemplar pudiera incrementarse hasta
$25.95, sin afectar la demanda prevista de 4,000 ejemplares. Qu utilidad
o perdida se podra prever?.
3. Gina ha abierto su propia empresa que fabrica camisas impresas. Debido a que
ella acaba de comenzar sus operaciones, renta a una imprenta local cuando es
necesario. El costo de utilizar el equipo es de S/. 350. Los materiales que utiliza
para fabricar una camisa cuestan S/. 8 y Gina puede venderlas en S/. 15 cada una
a) Si Gina vende 20 camisas, De cunto sern sus ingresos totales?, Cul ser
su costo variable total?
b) Cuantas camisas debe vender Gina para llegar al punto de equilibrio.
4. Estn en marcha planes preliminares para la construccin de un nuevo estadio

para un equipo de ftbol. Los funcionarios han cuestionado el nmero y
rentabilidad de los palcos corporativos planeados para el piso superior del estadio.
15
Los palcos pueden ser adquiridos a $100,000 cada uno. El costo fijo de
construccin del rea en el segundo piso se estima en $1500,000, con un costo
variable de $50,000 por cada palco construido.
a. Cul ser el punto de equilibrio para los palcos de lujo del nuevo estadio?
b. Dibujos preliminares muestra que hay disponible para la construccin hasta
50 palcos de lujo. Los promotores indican que hay compradores
detectados y que si se construyen vendrn todos los palcos. Cul es su
recomendacin respecto a la construccin de los palcos de lujo?. Qu
utilidad se puede esperar?
5. Jos Lujan vende decoraciones para jardines hecha a mano en ferias rurales. El
costo variable para elaborarlas es de S/. 20, y las vende en S/ 50. El costo de
alquiler de un puesto en la feria es de S/. 150. Cuntos adornos debe vender
Jose para llegar al punto de equilibrio?
6. Financial Analysts es una firma de inversiones que administra cartera de valores.

Un nuevo cliente acaba de solicitar que la empresa maneje una cartera de $80,000
Como estrategia inicial de inversin, el cliente desea restringir la cartera a una
combinacin de los dos valores siguientes:
Valor
Precio /
Rendimiento por
Inversin
accin
accin esperado
mxima
Oil Alaska
$50
$6
$50,000
Southwest Pretroleum
$30
$4
$45,000
Supongamos que:
X = nmero de acciones de Oil Alska
Y = nmero de acciones de Southwest Petroleum
a. Desarrolle la funcin objetivo, suponiendo que el cliente desee maximizar el

rendimiento anual total.
b. Muestre la expresin matemtica de cada una de las siguientes
restricciones:
i. Los fondos de inversin disponible totales son de $80,000
ii. La inversin mxima en Oil Alaska no puede exceder de $50,000
iii. La inversin mxima en Southwest Pretroleum no puede exceder de
$45,000
16
7. La compaa Omega espera los siguientes costos unitarios para un volumen de

produccin y ventas de 80,000 unidades
Precio de venta $4.00
Costo variable unitario $1.40
Costo fijo unitario $2.25
Utilidad por unidad $0.35
Se pide:
a) Costo fijo total
b) Margen de contribucin
c) Punto de equilibrio
d) Cuantas unidades debe vender para obtener una utilidad de $80,000
e) Si puede vender 60,000 unidades, cul debe ser el precio si desea obtener una
utilidad de $60,000.
f) La compaa puede realizar una campaa publicitaria con un costo de $6,000.
Gracias a esa campaa, las ventas se incrementaran en 3,000 unidades. cunto
ser el incremento o decremento en las utilidades si la realiza? conviene?
8. El contralor de una vinatera ha pronosticado los siguientes costos a tres niveles

diferentes de produccin:
costos variables de produccin

costos fijos de produccin
gastos variables de venta y adm
Gastos fijos de venta y adm
Precio de Venta
Se pide:
Botellas de vino de .75 litros

10,000 uds
15,000 uds
20,000 uds
$35,000
$52,500
$70,000
100,000
100,000
100,000
2,000
3,000
4,000
40,000
40,000
40,000
$ 18 x botella $ 15 x botella $ 12 x botella
a) Calcule el costo unitario de produccin y total para cada uno de los tres niveles. A
que nivel es ms pequeo? Porqu?
b) Calcule la utilidad a cada uno de los tres niveles En que nivel fue ms alta?
c) Cul de los tres niveles es mejor para la compaa?
d) Por qu el costo total aumenta, pero el unitario disminuye cuando el nivel de
produccin y ventas aumenta?
e) Por qu puede ser una estrategia de MKT el disminuir el precio cuando el volumen
aumenta?
f) Calcule el costo unitario de produccin bajo el enfoque de costeo variable Tomando
como base el nivel de produccin elegido en el inciso c) Calcule:
a. Margen de contribucin unitario
17
b. Margen de contribucin en porcentaje

c. Punto de equilibrio en dlares
d. Punto de equilibrio en unidades
9. Los alumnos de la escuela de negocios en una universidad estn planeando un

evento en el teatro de la localidad. La renta del teatro es de $240,000 por una
representacin o de $320,000 por dos representaciones. Otros costos fijos son de
$60,000 por funcin. Los costos variables por persona son de $20. Los alumnos no
desean obtener ganancias con el evento, solo cubrir los costos. Ellos esperan un
total de 3,200 personas si realizan una sola funcin y 2,375 en cada funcin si se
llevan a cabo dos.
Se pide:
a. Determine el precio que debern cobrar por persona si planean llevar a
cabo una representacin
b. Determine el precio si planean dos representaciones.
10. Publicaciones EXE venden suscripciones de revista. Su gerente de MKT est

considerando llevar a cabo una campaa publicitaria con premios para los
subscriptores por $10,000. Otros costos asociados a la campaa aparecen a
continuacin:
Tiempo de TV $4,400
Honorarios artistas 700
Publicidad por correo 2,300
Total $ 7,400
Publicaciones EXE planea enviar por correo 2,000 paquetes conteniendo formatos
en blanco para nuevos subscriptores. EXE recibe como comisin un 25 % de los
ingresos por subscripciones de la revista. Normalmente un 15% de los formularos
enviados resulta en suscripciones. El precio cobrado por suscripcin es de $35.
Se pide:
a) Cul ser la utilidad de EXE si la campaa cumple las expectativas?
b) Cul es el punto de equilibrio en trminos de tasa de respuesta?
11. Una fbrica de cmaras est introduciendo una nueva cmara desechable este
ao. Tienen un costo variable de $20 por unidad. Costos fijos anuales de $2,000
de produccin, publicidad y administrativos. El gerente de ventas cree que si la
cmara se vende en $40, alrededor de 250 unidades al ao pudieran ser vendidas.
Si el precio fuera de $50 se venderan 200 unidades.
18
Se pide:
a) Determine el punto de equilibrio para cada una de las dos opciones
b) Determine a que precio la empresa obtendra mayores utilidades
c) Suponga que por cada cmara vendida, se pudiera vender adems un fotolbum a un precio de $20 cada unidad con un costo de produccin y venta variable de
$15.20 por unidad. Cunto ganara la empresa con cada una de las dos opciones?
Cambiaras tu respuesta del inciso b?
12. La Empresa Dulces deliciosos tiene costos fijos semanales de $ 306. Cada Kilo
de dulces producidos cuesta $ 1.20 y se vende a $ 2.10.
a) Especificar la funciones de ingresos y costos semanales.
b) Determinar el punto de equilibrio.
RPTA: I = 2.1x, C = 1.2x + 306, (3.4, 714)
13. Para la instalacin de una empresa se ha hecho una inversin de $ 28,000. Se

sabe que para producir 1000 artculos se gastan $6,000 en materia prima y,
adems, que por cada unidad producida se pagan: $8 de mano de obra directa y
$2 en otros gastos indirectos de la produccin. Si cada unidad se vende a $30:
a) Determine la funcin lineal de ingresos totales
b) Determine la funcin lineal de costos totales
c) Cuntas unidades se deben producir y vender para recuperar la inversin?
d) Cuntas unidades se deben producir y vender para ganar $21,000?
Rpta: I = 30x, C = 16x + 28000; 2000; 3500
14. El costo variable de producir un artculo es de $2.20 por unidad y los costos fijos
son de $240 al da. El artculo se vende a $3.40. Cuntos artculos se deben
producir y vender para garantizar que no haya ganancias ni prdidas? Rpta. 200
19
TEOREMA DE BAYES
En el anlisis de probabilidad condicional, indicamos que una fase importante del
anlisis de probabilidades es la revisin de las probabilidades al obtenerse nueva
informacin.
Con frecuencia empezamos un anlisis con estimaciones iniciales (probabilidades a
priori) para eventos especficos. Despus provenientes de fuentes como muestreo,
informes especiales, ensayos de productos, obtenemos informacin adicional de ese
evento, Con esta nueva informacin modificamos los valores de las probabilidades a
priori mediante el calculo de probabilidades actualizadas a las que llamamos
probabilidades posteriori.
El teorema de Bayes proporciona un mtodo para calcular estas probabilidades
Probabilidades
a priori
Informacin
nueva
Aplicacin del
Teorema Bayes
Probabilidades
Posteriori
Ejemplo
Una Empresa manufacturera recibe piezas de dos proveedores. Entonces sea:
A1 el evento de que una pieza es del proveedor 1, y
A2 es el evento de que una pieza es del proveedor 2.
Actualmente el 65% de las piezas adquiridas por la empresa proviene de la empresa 1
y el 35% restante proviene de la empresa 2.
Con base a los datos histricos de la empresa, las probabilidades condicionales de
recibir piezas buenas y malas de ambos proveedores son:
Probabilidades condicionales de recibir piezas buenas y malas de ambos proveedores
G: Piezas buenas
B: Piezas Malas
A1: Proveedor 1
0.98
0.02
A2: Proveedor 2
0.95
0.05
Entonces tenemos:
P(G / A1) = 0.98
P(B / A1) = 0.02
P(G / A2) = 0.95
P(B / A2) = 0.05
El proceso de calcular estas probabilidades conjuntas se ilustra en el rbol de

probabilidades
20
En el rbol, de izquierda a derecha, las probabilidades para cada una de las ramas en
el paso 1 son las probabilidades a priori y las probabilidades para cada rama en el
paso 2 son las probabilidades condicionales. Para determinar las probabilidades
conjuntas
de
cada
resultado
experimental
simplemente
multiplicamos
las
probabilidades de las ramas que se dirigen hacia el resultado
Ahora suponga que las piezas de los dos proveedores se utilizan en las manufacturas
de la empresa y que una pieza mala hace que una maquina se descomponga. Cul
es la probabilidad de que dicha pieza mala provenga del proveedor 1, y cual es la
probabilidad de que provenga del proveedor 2?. Con la informacin del rbol de
probabilidades, podemos utilizar el teorema de bayes para contestar a esta pregunta.
Paso 1
Proveedor
(a priori)
1)=
ov.
r
P
(
5
0.6
Prov.1
0.98
v.1)=
Pr ov.1 B
Pr ov.1 M
0.02
P(P
2)=
Resultado
Experimental
ro
P(B/P
rov
.
Paso 2
Condicin
0.3
Prov.2
0.9
.2)=
v
o
r
/P
P(B
0.05
P(Prov.1B)=0.637
+
P(Prov.1M)=0.013
+
Pr ov.2 B
Pr ov.2 M
P(Prov.2B)=0.3325
+
P(Prov.2M)=0.0175
Suma = 1
Haciendo e l evento M: la pieza seleccionada sea mala, estamos buscando las
probabilidades posteriores P(A1 / M) y P(A2 / M). De la definicin de probabilidades
condicionales sabemos que:
P( A1 / M )
P( A1 M )
P( B)
Haciendo referencia al rbol de probabilidades, vemos que:

P(A1 M) = P(A1) P(M / A1)
Para determinar P(M), notamos que el evento M puede ocurrir solo de 2 formas:
M = (A1 M) (A2 M)
P(M) = P(A1 M) + P(A2 M)
P(M) = P(A1) P(M / A1) + P(A2) P(M / A2)
21
Sustituyendo P(M) en la probabilidad condicional P(A1 / M), tenemos el teorema de

Bayes.
P( A1 / M )
P( A1 M )
P( A1) P( M / A1)
P( B)
P( A1) P( M / A1) P( A2) P( M / A2)
Utilizando el teorema de bayes para este ejemplo tenemos:
P(Prov.1/M)
P(Prov.1 M)
0.013
0.013
0.4262 42.62%
P(M)
0.013 0.0175 0.0305
P(Prov.2/M)
P(Prov.2 M)
0.0175
0.0175
0.5738 57.38%
P(M)
0.013 0.0175 0.0305
Observe que en esta aplicacin empezamos con una probabilidad de 65% de que una
pieza seleccionada al azar proviniera del proveedor 1, sin embargo, dada la
informacin de que la pieza es mala, determinamos que la probabilidad de dicha pieza
provenga del proveedor 1 se reduce a 42.62%. de hecho hay una gran probabilidad de
que la pieza mala, provenga del proveedor 2 (57.38%)
El teorema de bayes es aplicable cuando los evento para los cuales deseemos
calcular probabilidades son mutuamente excluyentes y su unin es el espacio muestral
completo. El teorema de bayes puede calcularse para n eventos mutuamente
excluyentes A1, A2, , An, cuya unin sea la totalidad del espacio muestral
P( A1 / M )
P( A1 M )
P( A1) P( M / A1)
P( B)
P( A1) P( M / A1) P( A2) P( M / A2) ... P( An) P( M / An)
PROCEDIMIENTO TABULAR PARA EL TEOREMA DE BAYES

El procedimiento tabular es til para llevar a cabo clculos del teorema de bayes, de
manera simultanea para todos los eventos Ai
Paso 1: Prepare 3 columnas

Columna 1 Los eventos mutuamente excluyentes para los cuales se
desean las probabilidades posteriores
Columna 2 Las probabilidades a priori de los eventos
22
Columna 3 Las probabilidades condicionales de la nueva informacin,

dado cada uno de los eventos
Paso 2: En la columna 4, calcule las probabilidades conjuntas de cada evento
y la nueva informacin M, utilizando las probabilidades condicionales
Paso 3: Sume las probabilidades conjuntas de la columna 4, para obtener
la probabilidad de la nueva informacin, P(M) = 0.0305
Paso 4: En la columna 5, calcule las probabilidades posteriores utilizando
la probabilidad condicional P(Ai / M)
Col 1
Col 2
Evento
Probabilidad
Col 3
Col 4
Probabilidad Probabilidad
Col 5
Probabilidad
a priori
Condicional
Conjunta
posteriori
Ai
P(Ai)
P(M / Ai)
P(Ai M)
P(Ai / M)
A1
0.65
0.02
0.0130
0.0130/0.0305 = 0.4262
A2
0.35
0.05
0.0175
0.0175/0.0305 = 0.5738
0.0305
Suma 1.0000
Suma 1.00
2. ANALISIS DE DECISIONES
Decisin: El proceso de elegir la solucin para un problema suponiendo que existen
varias alternativas.
El anlisis de decisiones se puede emplear para determinar estrategias optimas
cuando el administrador o quien tome las decisiones tiene que enfrentarse a varias
alternativas de decisin y un patrn incierto o lleno de riesgos de eventos futuros.
2.1. ESTRUCTURACION DE UN PROBLEMA DE DECISION

La compaa ABC adquiri terrenos para un complejo de condominios de lujo. Las
unidades individuales tendran un precio de $300,000 a $1200,000 dependiendo del
piso en el cual esta localizada la unidad, su superficie (en m2) y caractersticas
opcionales (como chimeneas y grandes terrazas).
La Cia ABC desarrollo planos arquitectnicos preliminares para 3 tamaos:
d1) un complejo pequeo con 6 pisos y 30 unidades
23
d2) un complejo medio con 12 pisos y 60 unidades

d3) un complejo grande con 18 pisos y 90 unidades.
Un factor clave en la seleccin de alguna de las alternativas de decisin, involucra el
juicio de la administracin sobre la demanda existente para estos condominios.
Al preguntarle sobre la aceptacin del mercado, la administracin considero la posible

aceptacin del proyecto como una situacin de todo o nada, esto es, que la aceptacin
en el mercado ser una de dos posibilidades:
-
Una elevada aceptacin del mercado y por lo tanto una demanda sustancial de
los condominios o
Una baja aceptacin del mercado y por lo tanto una demanda limitada de
condominios
Aunque utilizando la publicidad la administracin puede tener alguna influencia sobre

la aceptacin en el mercado, los elevados precios de los condominios son factores en
las cuales la compaa ABC no tendr el control.
En el anlisis de decisiones a los eventos futuros no controlables que efectan un

resultado asociado con una alternativa de decisin recibe el nombre de estado de
la naturaleza. La lista de posibles estados de la naturaleza, incluye todo lo que
puede ocurrir, de manera que de hecho, solo uno ocurrir.
En el caso del proyecto de condominio ABC, los dos estados de la naturaleza son:
S1 = una elevada aceptacin del mercado y por tanto una demanda sustancial
S2 = una baja aceptacin del mercado y por tanto una demanda limitada
Dada las 3 alternativas de decisin y los 2 estados de la naturaleza. Qu tamao de
condominios deber seleccionar ABC?.
Para responder a esta pregunta ABC
necesitara informacin sobre la utilidad asociada con cada una de las combinaciones.
En el anlisis de decisiones, nos referimos a las

consecuencias que resultan de una alternativa
de decisin y la ocurrencia de un estado
Matriz de Pagos
Alternativa 1
Alternativa 2
Estado 1
Estado 2
Pago11
Pago12
Pago12
Pago22
particular de la naturaleza como pagos
La tabla que muestra los pagos para todas las combinaciones de alternativas de
decisin y los estados de la naturaleza se llama tabla o matriz de pagos.
24
Las entradas de una tabla o matriz de pagos se puede establecer en funcin a la

utilidad, costo, tiempo, distancia o cualquier otra medicin que pudiera ser apropiada
para la situacin que se esta analizando
La administracin de ABC ha estimado los siguientes pagos (utilidades del proyecto

en millones dlares)
Alternativa
Estado de la naturaleza
de decisin
S1: Alta aceptacin
S2: Baja aceptacin
d1 = Complejo pequeo
d2 = Complejo medio
14
d3 = Complejo grande
20
-9
Un rbol de decisin es una representacin grafica secuencial de las alternativas de

decisin y los estados de la naturaleza que proporciona todos los pagos posibles
El primer paso para resolver problemas complejos es descomponerlos en

subproblemas ms simples, la secuencia temporal se desarrolla de izquierda a
derecha
Note que el rbol de decisin muestra la progresin natural o lgica que ocurrir en el
transcurso del tiempo. En primer lugar ABC debe tomar la decisin en relacin con el
tamao del complejo de condominios (d1, d2 o d3). Entonces, una vez implementada
la decisin, ocurrir cualquiera de los dos estados de la naturaleza (s1 o s2). El
nmero de cada punto extremo del rbol indica los pagos asociados con una
alternativa de decisin y un estado en particular.
Elevado
(x1)
Pequeo
(d1)
2
Bajo
(x2)
Mediano
(d2)
8
7
14
3
5
20
Grande
(d3)
4
-9
25
Un nodo es una interseccin o punto de unin en un rbol de decisin, y el arco

conector entre nodos se conoce como rama.
Nodo de decisin: representa un punto en el que se debe tomar una decisin. Se

representa con un cuadrado. De un nodo de decisin salen ramas de decisin que
representan las decisiones posibles
Un nodo de estado de la naturaleza: representa el momento en que se produce un
evento incierto. Se representa con un crculo. De un nodo de estado de la naturaleza
salen ramas que representan los posibles resultados provenientes sobre los cuales no
se tiene control
Ahora pasando a la pregunta Cmo puede quien toma las decisiones, utilizar la
tabla matriz de pagos, o el rbol de decisin para llegar a una decisin?. Puede
utilizar varios procedimientos.
SIN PROBABILIDAD
TOMA DE
DECISIONES
- Enfoque Optimista
- Enfoque conservador
- Enfoque minimax
CON PROBABILIDAD
2.2. TOMA DE DECISIONES SIN PROBABILIDADES
No requiere conocer las probabilidades de los estados de la naturaleza.
Estos procedimientos son apropiados cuando quien toma la decisiones no

puede juzgar los diversos estados de la naturaleza
A veces se llegan a diferentes recomendaciones de decisin, es por ello que la

persona que toma la decisin necesita comprender los mtodos disponibles
para seleccionar, de acuerdo a su juicio, el ms apropiado
2.2.1. ENFOQUE OPTIMISTA

El enfoque optimista evala cada alternativa de decisin en funcin al mejor pago
que pueda ocurrir, es decir el mejor pago posible.
Para un problema en el cual se desee la utilidad mxima (como el problema de ABC)

el procedimiento optimista har que el administrador escoja la alternativa con la
utilidad mxima.
26
En problemas que impliquen minimizacin, este procedimiento llevara a escoger la

alternativa con el pago ms pequeo,
Para un problema que
Alternativa a tomar
Enfoque
desea :
Maximizacin
Pago mas grande
Maximax
Minimizacin
Pago mas pequeo
Minimin
En el ejemplo del proyecto de ABC, el enfoque optimista escoger el pago mximo de

cada una de las alternativas de decisin (d1, d2, d3) y a continuacin seleccionamos la
alternativa de decisin que aporta el pago general mximo
Tabla o Matriz de Pagos para el proyecto ABC (pagos en millones dlares)
Alternativa de
decisin
d1 = Complejo
pequeo
d2 = Complejo
medio
d3 = Complejo
grande
Alta
aceptaci
n
8
S1
14
Baja
aceptacin
S2
7
Max
14
20
-9
20
Mximo de los pagos mximos
Dado que d3 = 20 es el pago mximo, la decisin de construir un complejo grande de

condominios es la alternativa recomendada utilizando el enfoque optimista.
2.2.2. ENFOQUE CONSERVADOR

El enfoque conservador evala cada alternativa de decisin en funcin al peor pago
que pueda ocurrir. La alternativa de decisin recomendada es aquella que proporciona
lo mejor entre los peores pagos posibles.
Para un problema en el que la medida de resultado es la utilidad (como el caso de

ABC), el enfoque conservador recomendara a escoger la alternativa que maximice la
utilidad mnima posible que se pudiera obtener. En problemas que involucren
minimizacin, este enfoque identifica la alternativa que minimice el pago mximo.
Para un problema
Alternativa a tomar
que desea :
Maximizacin
Maximiza el resultado o pago mnimo
Minimizacin
Minimice el resultado o pago mximo
Enfoque
Maximin
Minimax
27
En el problema de ABC, primero identificaremos los pagos mnimos de cada una de

las alternativas de decisin (d1, d2, d3) y a continuacin seleccionamos la alternativa
de decisin que maximice el pago mnimo.
Tabla o Matriz de Pagos para el proyecto

ABC (pagos en millones dlares)
Alternativa de decisin
Alta aceptacin
S1
Baja aceptacin
S2
Min
d2 = Complejo medio
14
20
-9
-9
Mximo de los
pagos mnimos
Dado que d1 = 7 es el mximo de los pagos mnimos, se recomienda la decisin de un

complejo de condominios pequeo, ya que tiene garantizada una utilidad de 7 millones
de dlares (ABC no puede ganar menos de 7 millones)
Este procedimiento se considera conservador, ya que identifica los peores pagos

posibles y a continuacin recomienda la alternativa de decisin que evita la posibilidad
de pagos extremadamente malos.
2.2.3. ENFOQUE MINIMAX DE ARREPENTIMIENTO

El enfoque mnimax de arrepentimiento, toma la decisin que no es ni totalmente
optimista, ni totalmente conservador.
Suponga que ocurre el estado de la naturaleza de alta aceptacin (s1), por lo que la
mejor decisin es construir un gran complejo de condominio (d3) con una utilidad de
$20 millones de dlares, si ABC hubiera construido un complejo pequeo de
condominio (d1), con una utilidad de $8 millones, ABC ha perdido la oportunidad de
ganar (20 - 8 = 12 millones de dlares).
La perdida de oportunidad o arrepentimiento es la perdida (utilidad menor o costo
superior) debido a no tomar la mejor decisin para cada estado de la naturaleza.
La diferencia entre el resultado correspondiente a la mejor alternativa de decisin ($20

millones) y el pago correspondiente a la decisin de construir un complejo pequeo de
condominios d1 ($8 millones) es la perdida de oportunidad o arrepentimiento,
28
Definimos la prdida de oportunidad o arrepentimiento como:

Arrepentimiento de
una accin para un
estado
de la naturaleza
Pago mximo
para el estado
de la naturaleza
Pago de la accin
para el estado de la
naturaleza
Problema de:
Arrepentimiento
Maximizacin
Entrada mas grande de la columna de la matriz de pagos
Minimizacin
Menor entrada de la columna de la matriz de pagos
Dado que el problema de ABC es un problema de maximizacin, entonces se debe

escoger la entrada ms grande para cada estado de la naturaleza y restarlo a cada
alternativa de decisin.
El siguiente paso es enlistar los arrepentimientos mximos para cada alternativa de
decisin, de ah seleccionamos el menor de todos arrepentimientos, de ah el nombre
de arrepentimiento mnimax. La siguiente tabla muestra el procedimiento del
arrepentimiento minimax
Tabla o Matriz de Pagos para el proyecto
ABC (pagos en millones dlares)
Alternativa de
decisin
Alta aceptacin
S1
Baja aceptacin
S2
Arrepent.
Mximo
20-8 = 12
7-7 = 0
12
d2 = Complejo medio
20-14 = 6
7-5 = 2
20-20 = 0
7-(-9) = 16
16
La crtica principal de los procedimientos analizados en la toma de decisiones sin

probabilidades es que no toman consideracin ninguna informacin sobre
probabilidades de los diversos estados de la naturaleza.
2.3. TOMA DE DECISIONES CON PROBABILIDADES

En muchas situaciones podemos obtener estimaciones de probabilidades para cada
estados de la naturaleza. En este caso podemos utilizar el enfoque del valor
esperado, para identificar cual es la mejor alternativa de decisin.
El valor esperado (VE) de la alternativa

de decisin di, se define como:
VE (di) P( Sj )Vij
j 1
29
En palabras, el valor esperado de una alternativa de decisin es la suma de los pagos

ponderados correspondientes a la alternativa de decisin.
La ponderacin para un pago es la probabilidad del estado de la naturaleza asociado y
por tanto la probabilidad de que dicho pago ocurra.
En el problema de ABC, Suponga que ABC es optimista sobre el potencial del

complejo de condminos de lujo, este optimismo nos da un juicio inicial subjetivo de
0.8 de que la aceptacin del mercado ser elevada (s1) y una probabilidad de 0.2 de
que la aceptacin del mercado ser baja (s2). Por lo que P(S1) = 0.8 y P(S2) = 0.2
Utilizando la tabla de pago de ABC para calcular el valor esperado para cada una de
las tres alternativas de decisin tenemos:
Alternativa de
decisin
Alta aceptacin
P(S1) = 0.8
Baja aceptacin
P(S2) = 0.2
VE(d1) = 0.8(8) + 0.2(7) = 7.8
d2 = Complejo medio
14
VE(d2) = 0.8(14) + 0.2(5) = 12.2
20
-9
VE(d3) = 0.8(20) + 0.2(-9) = 14.2
Utilizando el enfoque de valor esperado, encontramos que la decisin recomendada es

el complejo grande de condominio con un valor esperado de 14.2 millones de dlares.
La figura muestra el rbol de decisin para el problema de ABC en funcin de las

probabilidades de los estados de la naturaleza, trabajando hacia atrs a travs del
rbol de decisin
ARBOL DE DECISION PARA EL PROYECTO ABC

(Pago en millones $)
Elevado P(S1)=0.8
Pequeo (d1)
VE(d1) = 0.8(8) + 0.2(7) = 7.8
2
Bajo P(S2)=0.2
7
14
Mediano (d2)
VE(d2) = 0.8(14) + 0.2(5) = 12.2
3
5
20
Grande (d3)
VE(d2) = 0.8(20) + 0.2(-9) = 14.2
4
-9
30
2.4. ANALISIS DE SENSIBILIDAD

El anlisis de sensibilidad estudia como las modificaciones en las estimaciones
de probabilidades para los estados de la naturaleza afectan o alteran la alternativa
de decisin recomendada.
Podemos empezar a aprender de que manera las modificaciones de las
probabilidades de los estados de la naturaleza (sj) afectan la decisin recomendada.
Por ejemplo, para el problema de ABC, suponga que la probabilidad de una elevada
aceptacin (S1) queda reducida de 0.8 a 0.2, y que la probabilidad de S2 se eleve de
0.2 a 0.8 y volviendo a obtener el valor esperado para cada nueva alternativa de
decisin tenemos:
VE(d1) = 0.2(8) + 0.8(7) = 7.2
VE(d2) = 0.2(14) + 0.8(5) = 6.8
VE(d3) = 0.2(20) + 0.8(-9) = -3.2
Por lo que la nueva alternativa de decisin recomendada es d1 = construir un complejo

pequeo de condominios con un valor esperado de $7.2 millones.
Cuando la probabilidad de una elevada aceptacin es grande P(S1), ABC deber

considerar construir el complejo grande; cuando P(S1) es pequea, ABC debe
construir un complejo pequeo, pero hasta que valor de P(S1) cambia la
alternativa de decisin?
En el caso especial de dos estados de la naturaleza, un procedimiento grafico facilita
los clculos de un anlisis de sensibilidad.
Para demostrar este procedimiento grafico sigamos este procedimiento:
1. supongamos que p represente la probabilidad del estado de la naturaleza S1,
esto es P(S1) = p. Con dos estados de la naturaleza la probabilidad del otro
estado es P(S2) = 1 p
2. Utilizando la ecuacin del Valor esperado, determinamos el valor esperado de
cada alternativa de decisin (di)
VE(d1)
VE(d2)
VE(d3)
VE(d1) = P(S1)(8) + P(S2)(7)
VE(d1) = P(S1)(14) + P(S2)(5)
VE(d1) = P(S1)(20) + P(S2)(-9)
VE(d1) = p(8) + (1 p)(7)
VE(d1) = p(14) + (1 p)(5)
VE(d1) = p(20) + (1 p)(-9)
VE(d1) = 8p + 7 7p
VE(d1) = 14p + 5 5p
VE(d1) = 20p - 9 + 9p
VE(d1) = p + 7
VE(d1) = 9p + 5
VE(d1) = 29p - 9
31
3. Para cada ecuacin tabulamos con p = 0 y p = 1, (puntos extremos)

p
VE(d1)
VE(d2)
VE(d3)
-9
14
20
4. Ahora desarrollamos una grafica de VE(d1), VE(d2), VE(d3) con los valores de
p sobre el eje horizontal y VE en el eje vertical.
VE para las tres alternativas de decision como una funcion de p

25
d1 nos da
un VE mas
elevado
20
d3 nos da
el VE mas VE(d3), 1, 20
elevado
d2 nos da el VE
mas elevado
15
VE(d2), 1, 14
10
VE(d1), 1, 8
VE
0, 7
5
0, 5
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
-5
-10
-15
La figura muestra como cambian las recomendaciones de decisin al cambiar la

probabilidad del estado de la naturaleza de alta aceptacin P(S1) = p.
El valor de p para el cual VE(d1) = VE(d2) es el valor correspondiente a la interseccin

de las lneas VE(d1) y VE(d2). Es decir:
VE(d1) = VE(d2)
p + 7 = 9p + 5
8p = 2
p = 2/8 = 0.25
De ah que siempre que p=0.25, las alternativas de decisin d1 y d2 nos da el mismo

valor esperado. Repitiendo este clculo para el valor p que corresponde a la
interseccin del VE(d2) y VE(d3), obtendremos p=0.70
Utilizando la grafica, podemos concluir que
la alternativa de decisin d1 nos da el VE mas elevado para p < 0.25,
la alternativa de decisin d2 nos da el VE mas elevado para 0.25<p<0.70
la alternativa de decisin d3 nos da el VE mas elevado para p > 0.70.
32
Puesto que p es la probabilidad del estado de la naturaleza S1 y (1-p) es la

probabilidad del estado de la naturaleza S2, tenemos ahora la informacin del anlisis
de sensibilidad que nos indica la manera en que los cambios en las probabilidades del
estado de la naturaleza afectan a la alternativa de decisin recomendada.
En un principio la administracin estimo la probabilidad de una elevada aceptacin

P(s1) = 0.8. Como resultado se recomend la alternativa de decisin d3, una vez
hecho el anlisis de sensibilidad, podemos decirle a la administracin de ABC que
siempre que p>0.70, la alternativa de decisin d3 se mantiene como optima.
2.5. VALOR ESPERADO DE LA INFORMACION PERFECTA

El VEIP es un indicador del valor mximo que convendra pagar por conseguir
informacin adicional antes de actuar, es decir refleja el aumento en la utilidad
esperada a partir de contar con un mecanismo de prediccin perfecto
VEIP = | VEcIP VEsIP |
Si se pudiera contar con un predictor perfecto, se podra seleccionar por

anticipado el curso ptimo de accin correspondiente a cada evento
Ponderando la utilidad correspondiente a cada curso de accin ptimo por la

probabilidad de ocurrencia de cada evento se obtiene el valor esperado con
informacin perfecta (VEcIP).
El VEIP puede considerarse como una medida general del impacto econmico
de la incertidumbre en el problema de decisin.
El VEIP tambin da una medida de las oportunidades perdidas.

Si el VEIP es grande, es una seal para que quien toma la decisin busque
otra alternativa que no se haya considerado hasta el momento
Supongamos que ABC tiene la oportunidad de llevar a cabo un estudio de

mercado para evaluar el inters de los compradores de condominio en el proyecto
y proporcionar informacin til a la administracin para mejorar los juicios de
probabilidades y estados de la naturaleza
Para determinar el valor potencial de esta informacin, el estudio puede

proporcionar informacin perfecta acerca de los estados de la naturaleza, es
33
decir suponemos que ABC puede determinar con certeza el estado de la

naturaleza que va a ocurrir.
Para utilizar esta informacin perfecta desarrollaron una estrategia de decisin que
ABC deber seguir una vez que sepa cual es el estado de la naturaleza que va a
ocurrir.
Una estrategia de decisin es una regla de decisin que define la alternativa que
ha de seleccionarse una vez que la nueva informacin este disponible.
Observe que si ABC supiera con certeza que ocurrira el estado de naturaleza:
S1, la mejor alternativa es d3, con un pago de $20 millones o
S2, la mejor alternativa es d1, con un pago de $7 millones
Cul es el valor esperado de esta estrategia de decisin (VEIP)?. Con base en

las estimaciones originales (probabilidades a priori), existe una probabilidad de 0.8
para el estado de la naturaleza S1, en este caso la estrategia de decisin es d3, y hay
una probabilidad de 0.2 para el estado de la naturaleza S2, en este caso la estrategia
de decisin es d1. Por lo que el valor esperado con informacin perfecta es
VEcIP = 0.8($20) + 0.2($7) = $17.4 millones
En manera general el
VEcIP P(Si)(estrategia de decision de Si)
Recordemos que el Valor esperado sin utilizar la informacin perfecta (VEsIP) dio
como resultado $14.2 millones, entonces la diferencia entre el VEcIP y el VEsIP es el
valor esperado de la informacin perfecta
VEIP = 17.4 14.2 = $3.2 millones
En otras palabras, $3.2 millones representa el valor esperado adicional que es posible
obtener si se tuviera disponible la informacin perfecta sobre los estados de la
naturaleza. Dado de VEIP es $3.2, ABC debe considerar la investigacin de mercados
como una forma para obtener ms informacin sobre los estados de la naturaleza.
34
2.6. ANALISIS DE DECISION CON INFORMACION MUESTRAL

Generalmente quienes toman las decisiones empiezan con estimaciones de
probabilidad preliminares (a priori), sin embargo para la mejor decisin posible, el
tomador de decisiones o administrador pudiera desear tener informacin adicional
sobre los estados de la naturaleza
Esta nueva informacin se puede utilizar para revisar o actualizar las probabilidades
previas (a priori), a travs de un procedimiento de revisin bayesiano de manera
que la decisin final se base en estimaciones de probabilidades mas precisas y
actualizadas para los estados de la naturaleza (probabilidades posteriores)
Generalmente la informacin adicional se obtiene a travs de investigacin de

mercado, pruebas de productos, muestreo de materias primas, etc. A esta nueva
informacin se le denomina informacin muestral
Suponga que ABC lleva a cabo un estudio de investigacin para evaluar la aceptacin
del mercado y el inters de los compradores en la adquisicin de los condominios. Los
resultados del estudio de investigacin de ABC son.
F = Informe favorable de investigacin de mercado (es decir las personas
entrevistadas muestran inters en adquirir un condominio)
U = Informe no favorable (es decir, las personas entrevistadas no muestran
inters en adquirir un condominio)
Para llevar a cabo el anlisis necesitamos las probabilidades condicionales para todos
los resultados de la muestra dados todos los estados de la naturaleza, esto es
P(F / S1); P(F / S2); P(U / S1); P(U / S2).
Para el problema de ABC tenemos las siguientes estimaciones para las probabilidades
condicionales
Estado de la
Investigacin de mercados
naturaleza
F: Favorable
V: No Favorable
Elevada aceptacin
P(F/S1) = 0.90
P(V/S1) = 0.10
Baja aceptacin
P(F/S2) = 0.25
P(V/S2) = 0.75
Utilizamos el anlisis de rbol de decisiones para determinar la estrategia ptima de

decisin para ABC.
35
Estudio de
mercado
Decisin
Pequeo (d1)
Favorable (F)
Medio (d2)
Grande (d3)
Estado de la Naturaleza
Elevado (S1)
P(S1 / F)
Bajo (S2)
P(S2 / F)
Elevado (S1)
P(S1 / F)
Bajo (S2)
P(S2 / F)
No Favorable (V)
Medio (d2)
20
Bajo (S2)
P(S2 / F)
-9
Elevado (S1)
P(S1 / V)
Bajo (S2)
P(S2 / V)
Elevado (S1)
P(S1 / V)
Bajo (S2)
P(S2 / V)
Elevado (S1)
Grande (d3)
Elevado (S1)
P(S1 / F)
1
Pequeo (d1)
14
P(S1 / V)
Bajo (S2)
P(S2 / V)
14
5
20
-9
Observe que de izquierda a derecha, el rbol muestra el orden natural o lgico que
ocurrida en el proceso de toma de decisiones. Primero ABC, tendr los resultados de
investigacin de mercados (F o U), a continuacin se tomara una decisin (d1, d2 o
d3); finalmente ocurrir el estado de la naturaleza (S1 o S2).
La decisin y el estado de la naturaleza se combinan para proporcionar la utilidad o

pago final. La seleccin de la mejor rama de decisin equivale a tomar la mejor
decisin.
Para desarrollar una estrategia de decisin utilizando el rbol de decisin, necesitamos

las probabilidades de la informacin muestral P(F) y P(U), y adems las probabilidades
del estado de la naturaleza P(S1 / F); P(S2 / F); P(S1 / U); P(S2 / U), utilizando el
procedimiento de revisin bayesiano para calcular las probabilidades condicionales
Utilizando el procedimiento tabular del mtodo de bayes para revisar o actualizar las
probabilidades previas con base en la informacin muestral es:
36
Probabilidades con base en un informe favorable de investigacin de mercados

Estado de la
naturaleza
Sj
S1
S2
Probabilidades
Previas
P(Sj)
0.8
0.2
Probabilidades
Condicionales
P(F / Sj)
0.90
0.25
P(F) =
Probabilidades
Conjuntas
P(F Sj)
0.72
0.05
0.77
Probabilidades
Posteriores
P(Sj / F)
0.9351
0.0649
Probabilidades con base en un informe No favorable de investigacin de mercados
Estado de la
naturaleza
Sj
S1
S2
Probabilidades
Previas
P(Sj)
0.8
0.2
Probabilidades
Condicionales
P(U / Sj)
0.10
0.75
P(U) =
Probabilidades
Conjuntas
P(U Sj)
0.08
0.15
0.23
Probabilidades
Posteriores
P(Sj / U)
0.3478
0.6522
Una vez que hemos calculado las probabilidades actualizadas (con la informacin
muestral) podemos utilizar el enfoque de valor esperado para determinar la estrategia
ptima de decisin, para esto trabajamos hacia atrs por el rbol de decisin:
Pequeo (d1)
Favorable (F)
P(F) = 0.77
Medio (d2)
Grande (d3)
VE(d1) = 0.9351(8) + 0.0649(7) = 7.935
VE(d2) = 0.9351(14) + 0.0649(5) = 13.416
VE(d3) = 0.9351(20) + 0.0649(-9) = 18.118
VE(d1) = 0.3478(8) + 0.6522(7) = 7.348
VE(d2) = 0.3478(14) + 0.6522(5) = 8.130
VE(d3) = 0.3478(20) + 0.6522(-9) = 1.086
1
Pequeo (d1)
No Favorable (V)
Medio (d2)
P(V) = 0.23
Grande (d3)
2do. Como el administrador quiere maximizar la utilidad esperada, se debe

escoger la rama que maximiza cada nodo de decisin:
o
La decisin optima del nodo 2 es d3 con un VE de 18.118
La decisin optima del nodo 3 es d2 con un VE de 8.130
37
3ero. Continuamos trabajando hacia atrs para determinar el VE(nodo 1), este
nodo tiene 2 ramas con probabilidades que corresponden a los resultados de la
informacin muestral F y U.
Debemos utilizar estas probabilidades para calcular el VE(nodo 1)
o
VE(nodo 1) = (0.77)VE(nodo 2) + (0.23)VE(nodo 3)

= 0.77($18.118) + 0.23($8.130) = $15.82
El VE(nodo 1) = $15.82 es el valor esperado de la estrategia optima de decisin si

ABC lleva a cabo el estudio de investigacin de mercado y utiliza la informacin para
determinar el tamao recomendado del complejo de condominios. Note que ABC aun
no ha determinado la decisin del tamao del complejo. Para determinar una decisin
ABC necesitara saber los resultados de la investigacin de mercados:
Si la investigacin de mercado
Entonces construir
es favorable (F)
Complejo grande de condominios (d3)
no es favorable (U)
Complejo mediano de condominios (d3)
En vista que el VE(con informacin muestral) es $15.82 millones y el valor esperado

sin informacin muestral (VEsIM) es $14.2 millones, el valor esperado de la
informacin muestral (VEIM) = 15.82 14.2 = $1.62 millones. En otras palabras $1.62
millones es el incremento en valor esperado que se basa en la informacin muestral.
En forma general, el valor esperado de la informacin muestral es:

VEIM = | VecIM VEsIM |
Donde:
VecIM = Valor esperado con informacin muestral
VEsIM = Valor esperado sin informacin muestral
En caso de problemas de minimizacin, el VEcIM VEsIM
38
2.7. EJERCICIOS PROPUESTOS 2

1. Se tiene la siguiente tabla o matriz de pagos
Evento
Accin
E1:
E2:
E3:
Guerra
Paz
Depresin
A1: Valores especulativos
20
-6
A2: Bonos de alto grado
A3: Bonos
a. Construya un rbol de decisin

b. Aplique todos los criterios de seleccin no probabilsticos: Optimista,
conservador y de arrepentimiento mnimas. Que enfoque prefiere usted.
2. La siguiente tabla o matriz de pagos muestra las utilidades para un problema de

anlisis de decisin con 2 decisiones y 3 estados de la naturaleza
Alternativa
de decisin
S1
S2
S3
d1
250
100
25
d2
100
100
75
a. Construya un rbol de decisin para este problema

b. Cual es la decisin recomendada utilizando los enfoques optimista,
conservador y de arrepentimiento mnimas?
c. Suponga que quien toma la decisin ha obtenido las siguientes
estimaciones preliminares P(S1) = 0.65, P(S2) = 0.15 y P(S3) = 0.20. Utilice
el enfoque del valor esperado para determinar la solucin ptima.
d. Cual seria la estrategia optima si tuviera disponible informacin perfecta
e. Cual es el valor esperado de la informacin perfecta
3. Suponga que quien debe tomar la decisin frente a 4 alternativas de decisin y 4

estados de la naturaleza desarrolla la siguiente matriz de pagos de utilidades
Alternativa
de decisin
S1
S2
S3
S4
d1
14
10
d2
11
10
d3
10
10
11
d4
10
11
13
39
a) Haga un rbol de decisin

b) Cual es la decisin recomendada utilizando los enfoques optimista,
conservador y de arrepentimiento mnimax
c) Suponga que la matriz de pagos nos da Costos en vez de pagos en utilidades.
Cul es la decisin recomendada utilizando los enfoques optimista,
conservador y de arrepentimiento mnimas?
d) Suponga que quien toma la decisin ha obtenido las siguientes estimaciones
preliminares P(S1) = 0.5, P(S2) = 0.2, P(S3) = 0.20, p(S4) = 0.1. Utilice el
enfoque del valor esperado para determinar la solucin ptima.
e) Ahora suponga que las entradas que aparecen en la matriz de pagos son
costos, utilice el enfoque del valor esperado para determinar la solucin ptima.
f)
Cual es la estrategia optima si se tuviera disponible informacin perfecta
g) Cual es el valor esperado de la informacin perfecta, y cual es la decisin

recomendada
4. La decisin de Southland Corporation de producir una nueva lnea de productos

recreativos ha resultado en la necesidad de construir una planta pequea o una
grande. La seleccin del tamao de la planta depende de la forma en que
reaccione el mercado la nueva lnea de productos. A fin de conducir un anlisis, la
administracin ha decidido considerar la demanda posible a largo plazo como baja,
media, alta. La siguiente tabla o matriz de pagos muestra la utilidad proyectada en
millones de dolare.
Alternativa de
decisin
Demanda a largo plazo

Baja
Media
Alta
Planta pequea
150
200
200
Planta grande
50
200
500
a) Construya un rbol de decisin para este problema

b) Recomiende una decisin con base en lo enfoques optimista, conservador y de
arrepentimiento mnimax
5. Investment Advisors, Inc. Considera 3 estrategias de inversin. Las utilidades de

dichas estrategias depende de lo que ocurra con la tasa de inters bancario a lo
largo de los siguientes 3 meses. Los resultados (miles de dlares) aparece en la
tabla siguiente
40
Alternativas
de decisin
Reduccin
Sin cambio
Aumento
Estrategia d1
50
70
40
Estrategia d2
55
35
80
Estrategia d3
15
60
70
Qu estrategia de inversin recomendara con base en los enfoques

optimista, conservador y de arrepentimiento mnimax?
6. Una empresa esta considerando 3 opciones para administrar su operacin de

procesamiento de datos. El costo de la operacin depende de la demanda futura.
El costo anual de cada alternativa de decisin y de estado de la naturaleza en
miles de dlares es como sigue:
Estado de la naturaleza (demanda)

S1: Elevada
S2: Media
S3: Baja
Personal Propio, d1
650
650
600
Proveedor (outsourcing), d2
900
600
300
Combinacin (ambas), d3
800
650
500
Si las probabilidades de la demanda son P(S1) = 0.2, P(S2) = 0.5, P(S3) = 0.3.
Qu alternativa de decisin minimizara el costo esperado de la operacin.
Cul ser el costo anual esperado asociado con dicha recomendacin?
7. La siguiente matriz de pagos de utilidades para un problema de decisin con 2

estados de la naturaleza y 2 alternativas de decisin
Alternativa de
decisin
S1
S2
d1
10
d2
a) Haga un rbol de decisin

b) Cual es la decisin recomendada utilizando los enfoques optimista,
conservador y de arrepentimiento mnimax
c) Utilice el anlisis de sensibilidad grafico para determinar la probabilidad del
estado de la naturaleza s1, para el cual cada una de las alternativas de
decisin tenga el valor esperado ms elevado.
d) Suponga que las probabilidades iniciales son P(S1)=0.77 y P(S2)=0.23.
Calcule el Valor Esperado
e) Cual es el valor esperado de la informacin perfecta,
41
8. La siguiente matriz de pagos muestra la utilidad para un problema de decisin

Alternativa de
decisin
S1
S2
d1
80
50
d2
65
85
d3
30
100
Utilice el anlisis de sensibilidad grafico para determinar la probabilidad del
estado de la naturaleza s1, para el cual cada una de las alternativas de
decisin tenga el valor esperado ms elevado.
9. La empresa Datum esta instalando sus oficinas centrales en Lima y esta pensando
en tres oficinas. Las proyecciones de utilidad mostradas (en miles de dlares) en
cada localizacin se basaron tanto en el estado natural de demanda baja y altas.
Alternativa
de decisin
Demanda alta
Demanda baja
Localizacin A
200
-20
Localizacin B
120
10
Localizacin C
100
60
Suponga que p corresponde a la probabilidad del estado de la naturaleza de

demanda alta.
a. Qu es lo que el anlisis de sensibilidad grafico le indica a la administracin
de las preferencias de localizacin?.
b. Podr alguna de las localizaciones ser eliminada. Porque?
c. Despus de una revisin adicional, la administracin estimo un probabilidad de
una demanda alta de 0.65. Con base en los resultados anteriores. Qu
localizacin deber seleccionarse?. Cul es el valor esperado asociado con
dicha decisin?
10. Suponga que se le plantea una situacin con 3 estados posible de la naturaleza
S1, S2 y S3. las probabilidades previas son P(S1) = 0.2, P(S2) = 0.5 y P(S3) = 0.3.
Con informacin muestral I, P(I / S1) = 0.1, P(I / S2) = 0.05, P(I / S3) = 0.2. calcule
las probabilidades realizadas o posteriores P(Si / I).
11. Hace 6 meses, Sr. Walter pago 25 mil dlares por una opcin para la adquisicin
de un terreno que esta pensando en desarrollar. Otro inversionista ha ofrecido
adquirir la opcin de Walter en 275 mil dlares. Si Walter no acepta la oferta de
este inversionista, adquirir la propiedad, limpiara el terreno y lo preparar para su
edificacin. El cree que una vez hecho esto podr venderlo a algn constructor.
42
Sin embargo, el xito de la inversin depender de cmo este el mercado de

bienes races en el momento que venda la propiedad. Si el mercado de bienes
races esta baja, Walter cree que perder 1.5 millones de dlares. Si el mercado
de bienes races se eleva Walter estima una utilidad de 4 millones de dlares.
Debido a otros compromisos, Walter no cree factible que pueda conservar el
terreno una vez desarrollado, por lo que la nica alternativa actual es: vender la
opcin o desarrollar el terreno. Suponga que la probabilidad de que el mercado de
bienes races este a la baja, al nivel actual, o a la alza sean 0.6; 0.3 y 0.1
respectivamente
a. Qu decisin deber tomar Walter, utilizando el procedimiento del valor
esperado?
b. Suponga que las probabilidades de que el mercado de bienes races sea la
baja, al nivel actual o a la alza son 0.5; 0.3 y 0.2, respectivamente. Qu
decisin debera tomar Walter con base en el enfoque de valor esperado?.
Qu pasara si las probabilidades fueran 0.4, 0.4 y 0.2?. Qu sugieren los
resultados en relacin con la inversin propuesta?
c. Suponga que despus de consideraciones adicionales Walter llega a la
conclusin de que 0.1 es una buena estimacin de la probabilidad de que el
mercado de bienes races este a la alza. Sin embargo, no es capaz de llegar a
ninguna conclusin definida en relacin con las probabilidades de los dems
estados de la naturaleza. Cul deber ser la probabilidad de que el mercado
este a la baja para que el enfoque de valor esperado recomendase que
vendiera su opcin en 275 mil dlares?.
12. La siguiente tabla o matriz de pagos de utilidades para un problema de decisin

con 2 estados de la naturaleza y 3 alternativas de decisin, tiene las
probabilidades previas S1 y S2 como P(S1) = 0.8 y P(S2) = 0.2
Alternativa de
decisin
S1
S2
d1
15
10
d2
10
12
d3
20
a) Recomiende una decisin con base en lo enfoques optimista, conservador y de

arrepentimiento mnimax
b) Utilice el enfoque de valor esperado para determinar la decisin ptima.
43
c) Utilice el anlisis de sensibilidad grafico para determinar los valores de la

probabilidad del estado de la naturaleza S1 para el cual cada una de las
alternativas de decisin tiene el valor esperado ms grande.
d) Encuentre el VEIP (VE informacin perfecta)
e) Suponga que se obtiene informacin muestral, con P(I / S1) = 0.2 y P(I / S2) =
0.75. determine las probabilidades posteriores P(S1 / I) y P(S2 / I). Recomiende
una alternativa de decisin con base en estas nuevas probabilidades
13. Un inversionista en bienes races tiene la oportunidad de adquirir un terreno que

actualmente tiene uso residencial. Si el siguiente ao el consejo municipal aprueba
una solicitud de rezonificar la propiedad como comercial, el inversionista podr
rentar el terreno a una gran empresa que desea abrir una tienda sobre la
propiedad. Sin embargo, si no se aprueba el cambio en la clasificacin del terreno,
el inversionista tendr que vender la propiedad con perdida. Las utilidades (en
miles de dlares) aparece en la siguiente tabla o matriz de pagos
Alternativas
de decisin
d1: Adquisicin
d2: No adquisicin
Estado de la Naturaleza (Rezonificacin)

Aprobada
Desaprobada
600
-200
a) Si la probabilidad de que se aprueba la Rezonificacin es de 0.5. Qu

decisin se recomienda?. Cual es la utilidad esperada?
b) El inversionista conservara el derecho de adquirir el terreno en
cualquier momento mientras aprende mas sobre la posible resistencia
presentada por los residentes del rea. Las probabilidades histricas de
esta resistencia por parte de los residentes del rea para cada uno de
los estados de la naturaleza son como sigue:
H: Elevada
Resistencia
L: Baja
Resistencia
S1: Rezonificacin aprobada
0.2
0.8
S2: Rezonificacin no aprobada
0.9
0.1
Cul es la estrategia optima de decisin, si el inversionista aprende mas

sobre la resistencia de los residentes del rea antes de tomar la decisin de
adquisicin?
44
14. Condominium SA, recientemente adquiri terrenos y esta intentando determinar el

tamao del proyecto de condominio que debe construir. Esta considerando 3
tamaos (pequeo, medio, grande). Simultneamente una econmica incierta hace
difcil juzgar la demanda de los nuevos condominios. Con 3 niveles de demanda, la
administracin de Condominium ha preparado la siguiente matriz de pagos de
utilidades (en miles de dlares)
Alternativas
de decisin
S1: Baja
S2: Media
S3: Alta
d1: Pequea
400
400
400
d2: Mediana
100
600
600
d3: Grande
-300
300
900
a) Construya un rbol de decisin para este problema

b) Si no sabe nada sobre las probabilidades de la demanda. Cules son las
decisiones recomendadas utilizando los enfoques optimista, conservador y de
arrepentimiento mnimax.
c) Si P(baja) = 0.20, P(media) = 0.35, P(alta) = 0.45. Cul es la decisin
recomendada utilizando el valor esperado?
d) Cual es el valor esperado de la informacin perfecta
Suponga que Condominium hace una encuesta para ayudar a evaluar la demanda
del nuevo proyecto de condominio. La encuesta informa sobre 3 indicadores de
demanda: dbil (W), promedio (A), fuerte (S). Las probabilidades condicionales se
encuentran aqu:
W : Debil
A: Promedio
S: Fuerte
P(W / S1) = 0.6
P(A / S1) =0.3
P(S / S1) = 0.1
P(W / S2) = 0.4
P(A / S2) =0.4
P(S / S2) = 0.2
P(W / S3) = 0.1
P(A / S3) =0.4
P(S / S3) = 0.5
e) Cual es la estrategia optima de Condominium

f)
Cual es el valor de la informacin de la encuesta
g) Cual es el VEIP
15. Panamericana Televisin esta pensando en producir un programa piloto para una
serie de comedia para una importante cadena televisiva. La cadena puede
rechazar tanto el piloto como la serie, tambin puede adquirir el programa con
duracin de 1 o 2 aos. Panamericana puede decidir producir dicho piloto o
transferirlo por $100,000 los derechos de la serie a un competidor. Las utilidades
45
de Panamericana se resumen en la siguiente tabla de pago de utilidades (en miles

de dlares)
S1: Rechazo
S2: 1 ao
S3: 2 aos
Producir Piloto
-100
50
150
Vender al competidor
100
100
100
a) Si las estimaciones de probabilidades para los estados de la naturaleza son

P(rechazo)=0.2; P(1 ao) = 0.3 y P(2 aos) = 0.5. Qu deber hacer la
empresa?
b) Cual es el mximo que debera estar dispuesto Panamericana a pagar para
obtener informacin confidencial sobre los planes de la cadena de TV?
Por $2,500 dlares de honorarios de asesoria, una empresa de consultara revisara los
planes de la serie de comedia y dar la posibilidad general de una reaccin favorable
(F) o desfavorable (D) por parte de la cadena. Cul debera ser la estrategia de
decisin de Panamericana?. Suponga que Panamericana cree que las probabilidades
condicionales siguientes son juicios realistas sobre la precisin de la evaluacin de
dicha empresa consultora.
P(F / S1) = 0.3
P(D / S1) = 0.7
P(F / S2) = 0.6
P(D / S2) = 0.4
P(F / S3) = 0.9
P(D / S3) = 0.1
c) Muestre el rbol de decisin para este problema

d) Cul es la estrategia de decisin recomendada y el valor esperado, suponiendo
que se obtiene la informacin de la agencia? (VEIP)
e) Cul es el VEIM?. Vale la informacin de la agencia por los $2,500?. Cunto
seria el mximo que debera estar dispuesto a pagar con la informacin?
16. Martins Service Station esta considerando invertir en una barredora de nieve para
el servicio pesado. Martn ha analizado la situacin cuidadosamente y cree que si
hay mucha nieve, seria una inversin redituable. Martn probablemente podra
obtener una pequea utilidad si la nieve es moderada, pero perdera dinero si la
nieve es ligera. Especficamente, Martn pronostica una utilidad de $7,000 si las
nevadas son severas, $2,000 si son moderadas y una perdida de $9,000 si las
nevadas son ligeras. Con base al pronostico a largo plazo de la oficina
meteorolgica. Martn estima que P(Nevada severa) = 0.4; P(nevada Moderada) =
0.3 y P(nevada ligera) = 0.3
46
a. Prepare un rbol de decisin para el problema de Martn

b. Cul es el valor esperado de cada nodo de la naturaleza?
c. El enfoque de valor esperado recomendara a Martn una barredora de
nieve?
Suponga que Martn puede adquirir una cuchilla para colocarla en su camin de
servicio que tambin puede usarse para barrer accesos y estacionamientos. Este
camin debe tambin estar disponible para ayudar a encender automviles, por lo
que si escoge una alternativa. Martn no ser capaz de generar tantos ingresos
barriendo nieve, pero su perdida ser menor en caso de que las nevadas sean
ligeras. Con esta alternativa. Martn pronostica una utilidad de $3,500 si la nevada
es severa, de $1,000 si es moderada y una perdida de $1,500 si la nevada es
ligera.
d. Prepare un nuevo rbol de decisin mostrando las 3 alternativas
e. Cul es la decisin optima utilizando el enfoque del valor esperado
f.
Cual es el valor esperado de la informacin perfecta (VEIP)
Suponga que Martin decide esperar para poder revisar el patrn de temperatura de
mediados de Septiembre, antes de tomar una decisin final. Las estimaciones de las
probabilidades asociadas con un Septiembre extraordinariamente frio (U) son:
P(U/S1) = 0.30
P(U/S2) = 0.20
P(U/S3) = 0.05
g. Si Martin Observa un Septiembre extraordinariamente frio. Cual es la

decisin recomendada?
h. Si Martin no encuentra un Septiembre extraordinariamente frio. Cul es la
decisin recomendada?
17. Gorman Manufacturing debe decidir si ha de comprar un componente de un

proveedor o fabricar en su planta de Milan. Si la demanda es elevada Gorman
podr fabricar lucrativamente el componente. Sin embargo si la demanda es baja,
el costo unitario de manufactura de Gorman seria elevado debido a la baja
utilizacin del equipo. La tabla siguiente muestra la utilidad proyectada (en miles
de dlares) para la decisin de fabricar o comprar de Gorman.
Demanda
S1: Baja
S2: Media
S3: Alta
Fabricar el componente, d1
-20
40
100
Comprar el componente, d2
10
45
70
47
Las probabilidades de los estados de la naturaleza son P(baja) = 0.35, P(media) 0

0.35 y P(elevada) = 0.30.
a. Utilice un rbol de decisin para recomendar una decisin
b. Utilice el VEIP para determinar si Gorman debe intentar obtener una mejor
estimacin de la demanda
Un estudio de prueba de mercado de la demanda potencial del producto se

espera un informe sobre una situacin favorable (F) o no favorable (NF). Las
probabilidades condicionales son:
P(F / S1) = 0.10
P(NF / S1) = 0.90
P(F / S2) = 0.40
P(NF / S2) = 0.60
P(F / S3) = 0.60
P(NF / S3) = 0.40
c. Cual es la probabilidad de que el informe de investigacin de mercados sea

Favorable
d. Cual es la estrategia optima de decisin de Gorman
e. Cual es el valor esperado de la informacin de la investigacin de
mercados
18. Ken Brown es dueo principal de Brown Ol, despus de renunciar a su empleo
docente en la Universidad, Dan ha tenido la capacidad de aumentar su salario
anual por un factor superior a 100. En este momento debido a la competencia Ken
se ve forzado a considera la compra de mas equipo para Brown Ol. Sus
alternativas se muestran en la siguiente tabla:
Equipo
Mercado
Mercado
Favorable $
Desfavorable $
Sub 100
300,000
-200,000
Oiler J
250,000
-100,000
Texan
75,000
-18,000
a) Hacer un rbol de decisiones

b) Escoger la mejor decisin segn los enfoques optimista, conservador y
arrepentimiento mximo. Y cul es la mejor alternativa
c) Cul es el criterio de una decisin de realismo (Criterio de Hurwicz). = 0.4
d) Cul es la decisin de igualdad de probabilidades
48
19. The Lubricant es una revista cara dentro de la industria petrolera a los que muchas
compaas se suscriben (entre ellos Ken Brown). En su ltima edicin, la revista
describi la manera en que la demanda de los productos petroleros ser
extremadamente elevada. Se supone que el consumidor estadounidense
continuara utilizando productos petroleros, incluso si el precio de estos productos
se duplicara. De hecho uno de los artculos de la revista declara que las
posibilidades de un mercado favorable para los productos petroleros son del 70%,
mientras que la posibilidad de un mercado desfavorable es de solo 30%. Ken
quiere utilizar estas probabilidades para determinar la mejor de las decisiones.
a. Hacer el rbol de decisin
b. Qu decisin tomara usando las probabilidades?
c. Cul es la cantidad mxima que deber pagar por obtener informacin
perfecta del mercado de petrleos
d. Ken cree que la cifra de $300,000 para el Sub 100 con un mercado
favorable es demasiado alta. Hasta qu monto tendra que cambiar
esta cifra para que Ken cambiase la decisin que tomo en la parte (a).
e. Hacer un anlisis de sensibilidad
20. Mickey Lawson est considerando invertir dinero que heredo. La siguiente tabla de
ganancia presenta las utilidades que tendra durante el ao siguiente segn cada
una de las tres alternativas de inversin.
Alternativa Decisin
Buena Economa
Mala Economa
P(S1) = 0.5
P(S2) = 0.5
Mercado de valores
80,000
-20,000
Bonos
30,000
20,000
Certificado de deposito
23,000
23,000
a) Escoger la mejor decisin segn los enfoques optimista, conservador y

arrepentimiento mximo
b) Qu decisin tomara usando las probabilidades?
c) Cul es la cantidad mxima que deber pagar por un pronstico perfecto de
economa?
d) Cul ser el rango de probabilidades para una buena Economa para cada
alternativa de decisin (Anlisis de sensibilidad)
e) Cul ser la perdida de oportunidad que se enfrenta Mickey Lawson y que
decisin minimizara la perdida de oportunidad esperada (POE)
49
21. Allen Young siempre ha estado orgulloso de sus estrategias de inversin personal
y ha tenido xito durante los ltimos aos. Invierte principalmente en el mercado
de valores. Sin embargo durante los ltimos mes. Allen ha comenzado a
preocuparse pues duda de que el mercado de valores sea una buena inversin. En
algunos casos sera mejor que tuviese su dinero en el banco en lugar de
arriesgarlo en el mercado de valores. Durante el ao prximo, debe decidir si
invierte $10,000 en el mercado de valores o certificado de depsitos (CD) con una
tasa de inters de 9%. Si el mercado es bueno Allen cree que podra obtener 14%
de rendimiento sobre su dinero. Con un mercado imparcial espera obtener un 8%
de rendimiento. Si el mercado es malo lo ms probable es que no obtenga
rendimiento alguno (es decir del 0%). El estima que la probabilidad de un buen
mercado es de 0.4, la de un mercado mediano es de 0.4 y de un mercado malo es
0.2. Por supuesto el desea maximizar sus rendimientos promedio a largo plazo.
a. Desarrolle la matriz de pagos y el rbol de decisin
b. Utilice los enfoques optimista, conservador y arrepentimiento minimax y
en cada enfoque escoger la mejor alternativa
c. Utilice el criterio de realismo (Criterio de Hurwics) con alfa = 0.56 para
tomar la mejor decisin.
d. Cul es la mejor decisin usando las probabilidades
e. Si l tuviera informacin confidencial sobre los estados del mercado,
hasta cuanto podra maximizar sus rendimientos
22. Todays Electronics se especializa en la manufactura de componentes electrnicos

modernos. Tambin fabrica equipo que produce componentes. Phyllis Weinberger,
quien es responsable de asesorar al presidente de la empresa acerca del equipo
de manufactura electrnica, ha desarrollado la siguiente tabla acerca de una
instalacin propuesta:
Matriz de Utilidades ($)
Mcdo Fuerte
Mcdo Mediano
Mcdo pobre
Instalacin grande
550,000
110,000
-310,000
Instalacin mediana
300,000
129,000
-100,000
Instalacin pequea
200,000
100,000
-32,000
Ninguna instalacin
a. Utilice los enfoques optimista, conservador y arrepentimiento minimax y

en cada enfoque escoger la mejor alternativa
50
b. Utilice el criterio de realismo (Criterio de Hurwicz) con alfa = 0.7 para

tomar la mejor decisin.
c. Cul es la decisin segn el criterio de igualdad de probabilidades
d. Desarrolle una tabla de prdida de oportunidad
23. Brilliant color es un pequeo proveedor de qumicos y equipo que se emplea en

algunas tiendas fotogrficas para procesar los rollos de 35 milmetros. Un producto
que suministra esta compaa es el BC-6. Jhon Kubick, presidente de Brilliant
Color, normalmente almacena 11, 12 o 13 cajas de BC-6 a la semana. Por cada
caja que vende, l obtiene una utilidad de $35. Como en el caso de muchos otros
qumicos fotogrficos, el BC-6 tiene una vida til muy corta, de manera que si una
caja no se ha vendido para el fin de semana, Jhon debe desecharla. Ya que cada
caja le cuesta $56, l pierde esa cantidad por cada caja que no se haya vendido
para el fin de semana. Existe una probabilidad de 0.35 de vender 12 cajas y una
probabilidad de 0.2 de vender 13 cajas.
a. Construya una tabla de decisin para este problema. Incluya en ella todos
los valores condicionales y probabilidades en dicha tabla.
b. Cul es el curso de accin que recomienda?
c. Si Jhon puede desarrollar el BC-6 con un ingrediente que lo estabilice para
que ya no tenga que ser desechado, cmo cambiara la recomendacin
que acaba de hacer?
24. Farm Grown Inc. produce cajas para productos alimenticios perecederos. Cada
caja, que contiene un surtido de vegetales y de otros productos agrcolas, tiene un
costo de $5 y se vende por $15. Si no hubiera cajas vendidas al final del da, stas
se venden a una gran compaa procesadora de alimentos. La probabilidad de que
la demanda diaria sea de 100 cajas es de 0.3, la probabilidad de que sea de 200
cajas es de 0.4, y la de que sea de 300 cajas es de 0.3. Farm Grown tiene la
poltica de satisfacer siempre las demandas del cliente. Si su propio suministro
para las cajas es menor que la demanda, compra los vegetales necesarios a otro
competidor. El costo estimado de hacer esta operacin es de $16 por caja.
a. Dibuje una tabla de decisin para este problema.
b. Cul es la decisin segn el criterio de igualdad de probabilidades
c. Cul es el criterio de decisin de realismo (Use alfa=0.6)
d. Qu recomienda usted?
51
25. A pesar de que las estaciones de gasolina independientes han pasado por una
poca difcil, Susan Solomon piensa abrir su propia estacin de servicio. Su
problema es decidir de qu tamao debera ser. Los rendimientos anuales
dependern tanto del tamao de su estacin como el nmero de factores de
marketing relacionados con la industria petrolera y la demanda de gasolina.
Despus de un anlisis cuidadoso, Susan desarroll la siguiente tabla:
TAMAO
MERCADO
MERCADO
MERCADO
DE LA
BUENO
MEDIANO
POBRE
ESTACIN
($)
($)
($)
Pequea
50,000
20,000
-10,000
Mediana
80,000
30,000
-20,000
Grande
100,000
30,000
-40,000
Muy grande
300,000
25,000
-160,000
a. Utilice los enfoques optimista, conservador y arrepentimiento minimax y en

cada enfoque escoger la mejor alternativa
b. Cul es la decisin con el criterio de igualdad de probabilidades
26. Un grupo de profesionales de la medicina est considerando la construccin de

una clnica privada. Si la demanda mdica es elevada (por ejemplo, hay mercado
favorable para la clnica), los mdicos debern obtener una utilidad neta de
$100,000. Si el mercado no fuera favorable, perderan $40,000. Desde luego, no
tienen que llevarlo a cabo, en cuyo caso no existe costo alguno.
a. Construya un rbol de decisin para este problema
b. Cul ser la mejor decisin segn los enfoque optimista, conservador y
arrepentimiento maximo
d. En ausencia de cualquier dato de mercado, lo mejor que pueden pensar los
mdicos es que hay una posibilidad de 50-50 de que la clnica tenga xito.
Qu deberan hacer los profesionales de la medicina?
e. Haga un anlisis de sensibilidad sobre los valores de las probabilidades
f.
Cuanto estara dispuesto a pagar por conocer informacin perfecta
Los mdicos del problema anterior han sido contactados por una empresa de
marketing que les ofrece llevar a cabo un estudio de mercado por una tarifa de
52
$5000. Los investigadores de mercado afirman que su experiencia les permite

utilizar el teorema de Bayes para hacer los siguientes planteamientos de
probabilidad:
Probabilidad de mercado favorable con un estudio favorable = 0.82
Probabilidad de mercado desfavorable con un estudio favorable = 0.18
Probabilidad de mercado favorable con un estudio desfavorable = 0.11
Probabilidad de mercado desfavorable con un estudio desfavorable = 0.89
Probabilidad de un estudio de investigacin favorable = 0.55
Probabilidad de un estudio de investigacin desfavorable = 0.45
g. Desarrolle un nuevo rbol de decisin para los profesionales de la medicina

en donde se reflejen las opciones que ahora se han abierto con el estudio
de mercado.
h. Utilice la metodologa Valor Esperado para recomendar una estrategia.
i.
Cul es el valor esperado de la informacin de muestreo? Cunto

estaran dispuestos a pagar los mdicos por el estudio de mercado?
27. Jerry Smith piensa abrir una tienda de bicicletas en su pueblo natal. l disfruta
pasear en su propia bicicleta en recorridos de 50 millas con sus amigos, pero cree
que un pequeo negocio podra iniciarse nicamente si existe una buena
oportunidad de obtener utilidades. l podra abrir una tienda pequea, una grande
o ninguna. Debido a que deber arrendar por cinco aos el edificio que piensa
utilizar, quiere estar seguro de que tomar una buena decisin. Adems, quiere
contratar a su antiguo profesor de marketing para llevar a cabo un estudio de
investigacin de mercado. Si se lleva a cabo el estudio, los resultados podran ser
favorables o desfavorables.
Si Jerry ha realizado un anlisis sobre la utilidad de la tienda de bicicletas. Si
construyera una tienda grande, sus utilidades serian de $60,000 en caso de que el
mercado sea favorable; pero perder $40,000 si el mercado resulta desfavorable.
La tienda pequea le dar un rendimiento de $30,000 en un mercado favorable y
una prdida de $10,000 en un mercado desfavorable.
a. Cul ser la mejor decisin segn los enfoque optimista, conservador y
arrepentimiento mximo
b. Cul es el criterio de decisin de realismo (Use alfa=0.7)
c. Haga un anlisis de sensibilidad sobre los valores de las probabilidades
d. Cuanto estara dispuesto a pagar por conocer informacin perfecta
53
Jerry cree que hay una posibilidad de 50-50 de que el mercado sea favorable. Su
antiguo profesor de marketing le cobraba $5000 por la investigacin de mercado.
Se estima que hay una probabilidad de 0.6 de que la encuesta sea favorable. Ms
aun una probabilidad de 0.9 de que el mercado sea favorable en caso de un
resultado favorable del estudio. Sin embargo, el profesor de marketing le ha
advertido que tan solo hay una probabilidad de 0.12 de que haya un mercado
favorable si los resultados de la investigacin de marketing no fueran favorables. El
est confundido, y usted tambin!!!!
e. Debera realizar la investigacin de mercados
f.
Sin embargo Jerry no est seguro de que la probabilidad de 0.6 que resulte
del estudio de investigacin de mercado favorable sea correcta. Qu tan
sensible es su decisin a este valor de probabilidad?. Qu tanto puede
desviarse esta probabilidad sin provocar que cambie su decisin?
28. Peter Martin ayudara a su hermano a abrir una tienda de comida. Inicialmente,
Peter cree que hay una posicin de 50 50 de que la tienda de comida de su
hermano sea un xito .El est considerando realizar un estudio de mercado .Con
base en datos histricos, existe una probabilidad de 0.8 de que la investigacin de
marketing resulte favorable en el caso de una tienda exitosa de comida. Incluso,
hay una probabilidad de 0.7 de que la investigacin de marketing sea desfavorable
en caso de una tienda de comida que no tenga xito.
a. si la investigacin de mercado es favorable, cul es la probabilidad revisada
de Peter respecto de una tienda exitosa de comida para su hermano?
b. Si la investigacin de marketing resulta ser desfavorable, Cul es su
probabilidad revisada de una tienda de exitosa de comida para esta persona?
c. Si la probabilidad inicial de una tienda exitosa de comida que es de 0.6 (en
lugar que 0.5) encuentra la probabilidad de los incisos a y b
29. Durante los ltimos 5 aos Mark Martinko ha sido un jugador de reaquetball de
primera categora y una de sus metas ms importantes es poseer y operar una
instalacin de este deporte. Desafortunadamente, Mark cree que la probabilidad de
tener una instalacin exitosa de raquetball es nicamente de 30%. Su abogado le
ha recomendado que contrate a un grupo local de investigacin de marketing para
que lleve a cabo una encuesta a cerca del xito o fracaso de una instalacin de
raquetball. Hay una probabilidad de 0.8 de que la investigacin sea favorable en
caso de que haya una instalacin exitosa de raquetball. Adems hay una
54
probabilidad de 0.7 de que la investigacin sea desfavorable en caso de que la

instalacin no tenga xito. Calcule las probabilidades revisadas de una instalacin
exitosa de raquetball en los casos de una encuesta favorable y desfavorable.
30. Un asesor financiero ha recomendado dos posibilidades de inversin: Fondo A y

Fondo B. el rendimiento que se lograr con cada uno depende de que la economa
sea buena, justa o mala. Se ha elaborado una tabla de pagos para ilustrar la
situacin:
ESTADO DE LA NATURALEZA
INVERSION ECONOMIA ECONOMIA ECONOMIA
BUENA
JUSTA
MALA
Fondo A
$10,000
$2,000
-$5,000
Fondo B
$6,000
$4,000
0
Probabilidad
0.2
0.3
0.5
a. Dibuje un rbol de decisin para representar esta situacin.
b. Lleve a cabo los clculos necesarios para determinar cul de las dos
sociedades de inversin es la mejor: Cul escogera para maximizar el
valor esperado?
31. Jim Sellers piensa producir un nuevo tipo de rasuradora elctrica para hombres. Si
el mercado fuera favorable, obtendra rendimientos por $100,000; pero si el
mercado de esta nueva rasuradora fuera desfavorable, perdera $60,000. Ya que
Ron Bush es un buen amigo de Jim, ste considera la posibilidad de contratar los
servicios de Bush Marketing Research para reunir informacin adicional sobre el
mercado de la rasuradora. Ron ha sugerido a JIm realizar un estudio piloto o una
encuesta para evaluar el mercado. La encuesta consistira en un cuestionario
sofisticado administrado a un mercado de prueba y costara
$ 5,000. Otra
alternativa es realizar un estudio piloto, el cual conllevara la produccin de un

nmero limitado de rasuradoras nuevas y tratar de venderlas en dos ciudades
tpicas de Estados Unidos. El estudio piloto es ms preciso pero tambin ms caro:
costara $ 20,000. Ron Bush ha sugerido a Jim que realice la encuesta o el estudio
piloto antes de tomar una decisin acerca de producir o no la rasuradora. Pero Jim
no est seguro de si vale la pena llevar a cabo la encuesta o el estudio piloto
debido a su costo.
El estima que la probabilidad de un mercado exitoso sin llevar a cabo una
encuesta o un estudio piloto es de 0.5. Incluso la probabilidad de un resultado de
encuesta favorable, si se da un mercado exitoso para las rasuradoras, es de 0.7, y
55
la probabilidad de un resultado de encuesta favorable en un mercado desfavorable

para las rasuradoras es de 0.2. Adems la probabilidad de un estudio piloto
desfavorable en un mercado desfavorable es de 0.9, y la probabilidad de un
resultado del estudio piloto no exitoso en un mercado favorable para las
rasuradoras es de 0.2.
a. Dibuje un rbol de decisin para este problema sin considerar los valores
de probabilidad.
b. Calcule las probabilidades revisadas necesarias para completar la decisin
y coloque estos valores en el rbol de decisin.
c. Cul es la mejor decisin para Jim? Utilice los valores esperados como
criterios de decisin.
32. Existen dos estados de la naturaleza para cada situacin en particular: una buena
economa y una mala economa .Un estudio econmico puede llevarse a cabo
para obtener ms informacin acerca de todo lo que ocurrir el ao siguiente. El
estudio puede pronosticar una buena o mala economa. Actualmente existe 60%
de posibilidades de que la economa sea buena y 40% de posibilidades de que no
lo sea. En el pasado, cuando la economa era buena, el estudio econmico predijo
que sera buena un 80% del tiempo. (El otro 20% del tiempo la prediccin fue
errnea).En el pasado cuando la economa era mala, el estudio econmico predijo
que sera mala un 90% del tiempo ( El otro 10% del tiempo la prediccin fue
errnea.)
d. Utilice el teorema de bayes parta determinar lo siguiente:
P( buena economa/ prediccin de una buena economa)
P( mala economa/ prediccin de una buena economa)
P( buena economa / prediccin de una mala economa)
e. Suponga que la probabilidad inicial (previa) de una buena economa sea de
70%(en lugar de 60%) y que la probabilidad de una mala economa sea de
30%( en lugar de 40%).Encuentre las probabilidades a posteriori de la parte
a con base en estos nuevos valores.
33. Coren Chemical, Inc. Desarrolla qumicos industriales que emplean otros
fabricantes para producir qumicos fotogrficos conservantes y lubricantes. Uno de
sus productos, k-1000, es utilizado por diversas compaas fotogrficas para
elaborar una sustancia que se utiliza en el proceso de revelado de fotografa. Para
producir el K-1000 de manera eficaz, Coren Chemical utiliza una metodologa de
56
lote, en el que se producen cierto nmero de galones en una sola corrida. Este
procedimiento reduce los costos de instalacin y ayuda a Coren Chemical a
producir K-1000 a un precio competitivo. Desafortunadamente, el K-1000 tiene una
vida til muy corta, de aproximadamente un mes.
Coren Chemical produce K-1000 en lotes de 500, 1000, 1500 y 2000 galones. Por
medio de datos histricos, David Coren pudo determinar que la probabilidad de
vender 500 galones de K-1000 es de 0.2 las probabilidades de vender 1000, 1500
y 2000 galones son de 0.3, 0.4 y 0.1 respectivamente. El dilema que ahora
enfrenta David es cuantos galones de K-1000 deber producir el siguiente lote. El
galn de K-1000 tiene un precio de $20. El costo de manufactura es de $12 cada
galn, y los costos por manejo y almacenamiento se estiman en $1 por cada galn.
En el pasado David haba considerado que los costos publicitarios del K-1000
ascendan a $3 por galn. Ms aun David ha garantizado a sus proveedores que
siempre va a existir un suministro adecuado de K-1000. Si David no contara con la
cantidad suficiente deber comprar un qumico similar a uno de sus competidores
a un precio de$25 por galn. David vende sus qumicos a $20 el galn de manera
que la escasez del producto significa una prdida de $5 por cada galn en la
compra de un qumico ms caro.
a. Desarrolle un rbol de decisin para resolver este problema.
b. Determine el valor esperado de una informacin perfecta.
34. Jamis corporation est involucrada en el manejo de desechos. Durante los ltimos
10 aos se ha convertido en una de las compaas ms grandes en este sector en
el medio oeste de Estados Unidos, pues opera principalmente en Wisconsin,
Illinois y Michigan. El presidente de la empresa, Bob Jamis, considera la
posibilidad de establecer una `planta para el tratamiento de desechos de
Mississippi. A partir de su experiencia anterior, Bob cree que una planta pequea
en la parte norte de Mississippi podra dejar $500000 de utilidades sin importar el
mercado de la planta. El xito de una instalacin para el tratamiento de desechos
de tamao mediano dependera del mercado. Con una demanda baja, la empresa
debera esperar un rendimiento de $ 200000. Una demanda mediana dejara un
rendimiento de $700000, segn sus estimaciones, mientras que una planta grande
generara un rendimiento de $800000. A pesar de que una instalacin ms grande
implica un mayor riesgo, el rendimiento potencial es tambin mucho mayo. Si
hubiera una demanda alta para el tratamiento de los desechos en Mississippi, una
57
planta grande dejara utilidades por 1 milln de dlares. Con mediana demanda,
una instalacin grande producir rendimientos de tan solo $400000. Bob estima
que la planta grande provocara una perdida si la demanda para el tratamiento de
los desechos fuera baja. En este caso, estima que la empresa perdera
aproximadamente $200000. Luego de considerar las condiciones econmicas de
la parte superior del estado de Mississippi y con base en su experiencia en el
campo, Bob estima que la probabilidad de una demanda baja para el servicio que
las plantas de tratamiento ofrecen es de 0.15. la probabilidad de que la demanda
sea mediana es de 0.40 y la probabilidad de una demanda elevada de
instalaciones para el tratamiento de los desechos es de 0.45.
35. Debido a lo elevado de la inversin potencial y de la posibilidad de perdidas, Bob

ha decidido contratar a un equipo de investigacin de mercado con sede en
Jackson Mississippi. Este equipo debe llevar a cabo una encuesta para conocer
mejor la probabilidad de una demanda baja, mediana o elevada para una planta de
tratamiento de desechos. El costo de la encuesta es de $50000. Para ayudar a
Bob a determinar si procede con la encuesta, la empresa de investigacin de
mercado le ha proporcionado la siguiente informacin:
P(resultados de la encuesta / resultados posibles)
Resultado
posible
demanda baja
demanda mediana
demanda
Resultados de la encuesta
Resultados
Resultados
Resultados bajos
medianos de elevados
de la encuesta
la encuesta
de la encuesta
0.7
0.2
0.1
0.4
0.5
0.1
0.1
0.3
0.6
Como puede observar, la encuesta podra ahorrar tres resultados posibles.los

resultados bajos significan que es probable quela demanda sea baja. De la
misma manera, los resultados medianos o elevados significan una demanda
mediana o elevada, respectivamente. Qu debe hacer Bob?
58
3. PRONOSTICOS
Un aspecto esencial en la administracin de cualquier empresa es la planeacin. De
hecho, el xito a largo plazo de una organizacin esta ntimamente relacionada con la
capacidad de anticipar el futuro y desarrollar estrategias apropiadas.
Que es lo que debemos hacer para preparar los pronsticos trimestrales del
volumen de ventas?.
Primero desearemos revisar los datos reales de ventas del producto, al estudiar los
datos histricos de la empresa podemos desarrollar una mejor comprensin del patrn
de ventas del pasado, lo que nos lleva a mejores predicciones de las ventas futuras
del producto. Los datos de ventas histricos forman una serie de tiempo.
3.1. Una serie de tiempo
Es un conjunto de observaciones respecto a una variable, medidas en puntos
sucesivos en el tiempo a lo largo de periodos sucesivos de tiempo. Los mtodos
de elaboracin de pronsticos se pueden clasificar en cuantitativos o cualitativos.
Mtodos de pronstico
Cuantitativo
Casual
Anlisis de
regresin
Suavizacin
Series de Tiempo
Proyeccin de
tendencias
Promedios mviles
Prom. mviles ponderados
Suavizacin Exponencial
Cualitativo
Mtodo
Delphi
Juicio
Experto
Proyeccin de
tendencias
ajustadas por
influencias
estacionales
Los mtodos de pronstico cuantitativos pueden utilizarse cuando:

a) Hay disponible informacin de la variable que se esta pronosticando
b) Se puede cuantificar la informacin
59
c) Es una hiptesis razonable que el patrn de comportamiento ocurrido en el

pasado continuar en el futuro.
En estos casos se puede desarrollar un pronstico utilizando un mtodo con base en

series de tiempo o en un mtodo casual
Si los datos histricos estn limitados a valores histricos de la variable que estamos
intentando pronosticar, el procedimiento se conoce como mtodo de serie de tiempo.
El objetivo del mtodo de serie de tiempo es descubrir en los datos histricos un
patrn y despus extraexpolar dicho patrn hacia el futuro.
Los mtodos de pronsticos causales se basan en la hiptesis de que la variable

que estamos intentando pronosticar exhibe una relacin causa efecto con una o mas
variables para esto usamos el anlisis de regresin como mtodo de pronostico
causal
Generalmente los mtodos cualitativos involucran el juicio experto para el desarrollo
de pronsticos. Por ejemplo un panel de expertos pudiera desarrollar un pronstico por
consenso de la tasa prima de una ao a la fecha
3.2. COMPONENTES DE UNA SERIE DE TIEMPO

El patrn o comportamiento de los datos en una serie de tiempo esta formado
por cuatro componentes separados.
La tendencia
El cclico
El estacional y
El irregular
COMPONENTE DE TENDENCIA
Generalmente los datos de una serie de tiempo exhiben fluctuaciones aleatorias,
a lo largo de un periodo de tiempo pueden mostrar desplazamiento hacia los
valores mas elevados o mas reducidos.
El desplazamiento gradual de la serie de tiempo se conoce como tendencia, este
desplazamiento es por lo general el resultado de factores a largo plazo como
modificaciones en la poblacin, caractersticas demogrficas, la tecnologa, la
preferencia del consumidor.
60
Por Ejemplo: un fabricante de equipos fotogrficos, puede observar mes a mes

una variacin sustancial en el numero de cmaras digitales vendidas, aunque las
ventas reales mensuales pueden variar sustancialmente, este crecimiento
gradual de las ventas muestra una tendencia hacia arriba de la serie de tiempo
Ventas mensuales
Ao
COMPONENTE CICLICO:
Todos los valores futuros de la serie de tiempo no caen exactamente sobre la
lnea de tendencia. De hecho, las series de tiempo a veces muestran secuencias
alternas de puntos encima y debajo de la lnea de tendencia.
Cualquier secuencia recurrente de puntos encima y debajo de la lnea de
tendencia que dure ms de uno se puede atribuir al componente cclico.
COMPONENTE ESTACIONAL
Mucha serie de tiempo muestra un patrn regular en periodos dentro de un solo
ao. Por ejemplo, un fabricante de helados espera una alta actividad en verano
y una baja estacionalidad en invierno.
61
COMPONENTE IRREGULAR
El componente irregular es el factor residual, es decir todo lo que sobra
El componente irregular es causado por factores a corto plazo no previstos y no
recurrentes que afectan la serie de tiempo
3.3. METODOS DE SUAVISACION EN EL PRONSTICO

Existen 3 mtodos para elaborar un pronstico:
a)
Los promedios mviles
b)
Los promedios mviles ponderados y
c)
La suavizacin exponencial
El objetivo de cada uno de los mtodos es suavizar las fluctuaciones aleatorias

causadas por el componente irregular de la serie de tiempo.
Los mtodos de suavizacin son de fcil uso y generalmente alcanzan un
elevado nivel de exactitud en los pronsticos a corto plazo para el siguiente
periodo.
3.3.1 PROMEDIOS MOVILES

El mtodo de promedios mviles utiliza como pronostico para el siguiente
periodo, el promedio de los n valores de datos mas recientes de la serie de
tiempo.
62
El trmino mvil indica que conforme se tiene disponible una nueva

observacin de la serie de tiempo, se reemplaza la observacin mas antigua de
la ecuacin por el nuevo valor y se calcula una nueva media.
Por Ejemplo: El nmero de galones de gasolina vendidos por un distribuidor de
gasolina en las ltimas semanas son: (venta en miles de galones)
Semana
10
11
12
Ventas
17
21
19
23
18
16
20
18
22
20
15
22
Para utilizar los promedios mviles para pronosticar las ventas de gasolina,
primero seleccionamos el nmero de valores a incluir en el promedio mvil. Por
ejemplo, calculamos los pronsticos utilizando un promedio mvil de 3
semanas.
EXACTITUD DEL PRONSTICO.

Una consideracin importante al seleccionar un mtodo de pronostico es la
exactitud del mismo. Evidentemente, deseamos que los errores de pronostico
sean los mas pequeos.
En la serie de tiempo de las ventas de gasolina usamos el Error^2 para calcular
el promedio de la suma de los errores al cuadrado (MSE, en ingles)
Este promedio de la suma de los errores al cuadrado se conoce como error

cuadrtico medio (MSE por sus siglas en ingles). El MSE es una medida de
uso frecuente de exactitud en mtodos de pronstico
MSE = Error^2 / n = 92 / 9 = 10.22
Sem
Ventas
Promedio mvil
Error
Error^2
17
21
19
23
(17+21+19)/3 = 19
23 19 = 4
16
18
(21+19+23)/3 = 21
18 21 = -3
16
(19+23+18)/3 = 20
16 20 = -4
16
20
(23+18+16)/3 = 19
20 19 = 1
18
(18+16+20)/3 = 18
18 18 = 0
22
18
22 18 = 4
16
63
10
20
20
20 20 = 0
11
15
20
15 20 = -5
25
12
22
19
22 19 = 3
Totales 0
92
Para una serie de tiempo en particular, promedios mviles de diferente

longitud (n-valores mas recientes) afectaran la precisin o exactitud del
pronostico. Un procedimiento posible para escoger el nmero de valores a
incluir es utilizar el mtodo de ensayo y error para identificar la longitud
que minimice el MSE.
Debemos pronosticar el valor siguiente de la serie de tiempo utilizando el
nmero de valores que minimicen el MSE para la serie de tiempo histrica
3.3.2
PROMEDIO MOVILES PONDERADOS

En el mtodo de promedio mviles, cada observacin recibe la misma
ponderacin, una variante conocida como promedio mviles ponderados,
implica seleccionar diferentes ponderaciones para cada valor de datos para
luego obtener el promedio ponderado de los n valores mas recientes.
En la mayora de los casos la observacin mas reciente recibir una mayor

ponderacin, reducindose la ponderacin a los datos mas antiguos.
Por ejemplo: podemos utilizar la serie de tiempo de las ventas de gasolina para
demostrar el calculo del promedio movil ponderado de 3 semanas, recibiendo
la observacin mas reciente una ponderacin del triple de valor que la mas
antigua y la siguiente observacin una doble ponderacin que la mas antigua.
64
Promedio mvil ponderado (4ta Sem) = 3/6 (19) + 2/6 (21) + 1/6 (17) = 19.33
Note que en el PMP, la suma de las ponderaciones es igual a 1
Sem Ventas PMP

1
2
3
4
5
6
7
8
9
10
11
12
17
21
19
23
18
16
20
18
22
20
15
22
Error
Error^2
Promedio Moviles Ponderados

27
24
19.33
21.33
19.83
17.83
18.33
18.33
20.33
20.33
17.83
3.67
-3.33
-3.83
2.17
-0.33
3.67
-0.33
-5.33
4.17
13.44
11.11
14.69
4.69
0.11
13.44
0.11
28.44
17.36
MSE
11.49
21
18
15
12
9
6
3
0
Sem
5
Ventas
PMP
EXACTITUD DEL PRONSTICO:

Para determinar si una combinacin en particular de un numero de valores y
ponderaciones nos da un pronostico mas exacto que cualquier otra combinacin,
debemos seguir usando el MSE como medida de exactitud del pronostico
3.3.3 SUAVISACION EXPONENCIAL

La suavizacin exponencial se trata de un caso especial del mtodo de
promedios mviles ponderados, en el cual se seleccionan solo un valor de
ponderacin es decir los pesos o ponderaciones para los dems valores se
calculan de manera automtica, hacindose mas y mas pequeos conforme las
observaciones se van alejando hacia el pasado.
El modelo bsico de suavizacin exponencial es:
Ft 1 Yt (1 ) Ft
Donde:
Ft+1 = pronostico de la serie de tiempo para el periodo de t+1
Yt = Valor real de la serie de tiempo en el periodo t
Ft = pronostico en la serie de tiempo para el periodo t
= constante de suavizacin (0 1)
65
10
11
Para iniciar los clculos hacemos que F1 sea igual al valor real de la serie de tiempo
en el periodo 1, es decir F1 = Y1, Por lo que el pronstico para el periodo 2 es:
F2 Y1 (1 ) Ft F2 Y1 (1 )Y1
F2 Y1 Y1 Y1 F2 Y1
El pronostico para el periodo 3 es:
F3 Y2 (1 ) F2 Y2 (1 )Y1
En general, cualquier pronostico Ft+1, es un promedio ponderado de todos los valores

anteriores de la serie de tiempo.
Para ilustrar el procedimiento de suavizacin exponencial hacia la elaboracin de

pronsticos, considere el Ejemplo de la serie de tiempo de ventas de gasolina
anteriormente vista, Calculemos ahora los valores con una constante 0.2
Sem Ventas
(Yt)
1
2
3
4
5
6
7
8
9
10
11
12
17
21
19
23
18
16
20
18
22
20
15
22
Suav.
Exp (Ft)
Error Error^2
(Yt - Ft)
SUAVISACION EXPONENCIAL (ALFA=0.2)
17.00
17.80
18.04
19.03
18.83
18.26
18.61
18.49
19.19
19.35
18.48
4.00
1.20
4.96
-1.03
-2.83
1.74
-0.61
3.51
0.81
-4.35
3.52
MSE
16.00
25
1.44
24.60
1.07
20
7.98
3.03
0.37
15
12.34
0.66
18.94
12.38
10
Sem 1
98.80
Ventas (Yt)
Suav. Exp (Ft)
Podemos utilizar esta informacin para generar un pronstico de ventas para la

semana 13, antes de que el valor real sea conocido?
Utilizando el modelo de suavizacin exponencial tenemos
F13 (0.2)Y12 (0.8) F12 (0.2) * 22 (0.8) *18.48 19.18

El pronostico estimado para la semana 13 es 19.18 galones de gasolina, con este
pronostico, la empresa puede hacer planes y decisiones de manera corresponderte.
La exactitud del pronstico no se conocer hasta el final de la semana 13
66
10
11
EXACTITUD DEL PRONSTICO

En los clculos de suavizacin exponencial utilizamos una constante de suavizacin
de 0.2 . Cualquier valor entre 0 y 1 es aceptable, algunos valores dar un mejor
pronostico que otros. Se puede comprender mejor la seleccin de un buen valor para
al escribir el modelo bsico de suavizacin exponencial como sigue:
Ft 1 Yt (1 ) Ft
Yt Ft Ft
Ft (Yt Ft )
Pronostico del
Periodo t
Error del pronstico

del periodo t
El nuevo pronostico Ft+1 es igual al pronostico anterior Ft mas un ajuste, que es igual
al multiplicado por el error del pronostico mas reciente Yt Ft.
Esto es, el pronstico del periodo t+1 se obtiene ajustando el pronstico del periodo t
con una fraccin del error del pronstico
3.4. PRONOSTICOS DE LA PROYECCION DE TENDENCIAS

Las series de tiempo que muestran un incremento o decremento a lo largo del
tiempo no son estables, por lo que no puede aplicarse los mtodos de
suavizacin anteriormente descritos (promedio mvil, promedio mvil ponderado
y suavizacin exponencial)
Considere la serie de tiempo de las ventas de bicicletas de un fabricante
Ventas
(miles)
Yt
21.6
22.9
25.5
21.9
23.9
27.5
31.5
29.7
28.6
31.4
SERIE DE TIEMPO DE VENTAS DE

BICICLETAS
35
VENTAS (MILES)
Ao
t
1
2
3
4
5
6
7
8
9
10
32
29
26
23
20
1
10
AO
Utilizaremos los datos de la venta de bicicletas para mostrar los clculos

implicados en la creacin de un anlisis de regresin para identificar una
67
tendencia lineal. Para una tendencia lineal el volumen de ventas estimado

expresado como una funcin de tiempo es: T1 = bo + b1t
Donde:
T1 = valor de tendencia de las ventas de bicicletas en el periodo t
bo = interseccin con la lnea de tendencia
b1 = pendiente de la lnea de tendencia
b1
Las formulaciones
para calcular b1 y bo son:
tYt
t
t Yt
n
t 2
n
bo Y b1t
Donde:
Yt = valor real de la serie de tiempo en el periodo t
n = numero de periodos
Y = valor promedio de la serie de tiempo esto es Y Yt n
t = valor promedio de t, esto es t t n

Ao
t
1
2
3
4
5
6
7
8
9
10
55
Ventas (miles)
Yt
tYt
t^2
21.6
21.6
1
22.9
45.8
4
25.5
76.5
9
21.9
87.6 16
23.9
119.5 25
27.5
165 36
31.5
220.5 49
29.7
237.6 64
28.6
257.4 81
31.4
314 100
264.5 1545.5 385
Por lo tanto
t 55 / 10 5.5
Y 264.5 / 10 26.45
b1
1545.5 55264.5 / 10
1.10
2
385 55 / 10
bo 26.45 1.105.5 20.4
Tt = 20.4 + 1.1t
68
Es la ecuacin del componente de tendencia de la serie de las ventas de las bicicletas.

La pendiente de b1 = 1.1 indica que la empresa ha experimentado un crecimiento
promedio de ventas de 1,100 unidades por ao.
Podemos utilizar esta
SERIE DE TIEMPO DE VENTAS DE

BICICLETAS
ecuacin para proyectar la
futuro de tiempo, por

Ejemplo:
T11 = 20.4 + 1.1(11) = 32.5
Por lo que el componente
de tendencia da como
VENTAS (MILES)
tendencia a un periodo
resultado un pronstico de
ventas de 32,500 bicicletas
para el ao siguiente
3.5.
34
32
y = 1.1x + 20.4
30
28
26
24
22
20
1
10
AO
PRONOSTICO EN LOS COMPONENTES DE TENDENCIA

Y ESTACIONAL
En el capitulo anterior, hemos mostrado como pronosticar los valores de una
serie de tiempo que tiene un componente de tendencia. Ahora vamos a ampliar
el anlisis al mostrar como pronosticar los valores de una serie de tiempo que
tenga a la vez componentes de tendencia y estacional
Tanto en los negocios como en la economa hay muchas situaciones que

requieren de comparaciones periodo a periodo. Por ejemplo:
-
Nos interesa saber si el desempleo ha subido 2% en comparacin con el mes

pasado.
Que la produccin de acero ha subido 5% en comparacin del mes pasado
Que la produccin de energa elctrica ha reducido 3% con respecto al mes

pasado.
Debemos ser cuidadosos al usar esta informacin, porque siempre que este
presente una influencia estacional, estas comparaciones no son muy
significativas. Por ejemplo:
69
El hecho de que el consumo de energa elctrica se haya reducido 3% de

agosto a septiembre quizs solo refleja el hecho de que se esta disminuyendo
el consumo del aire acondicionado por el cambio de estacin y no debido a una
reduccin a largo plazo en el uso de la energa elctrica. De hecho, despus de
ajustar en funcin del efecto estacional, posiblemente pudiramos descubrir
que el uso de energa elctrica ha aumentado.
La eliminacin del efecto estacional en una serie de tiempo, se conoce como

desestacionalizacin de la serie de tiempo. Despus de hacer la
desestacionalizacin, las comparaciones periodo a periodo resultan ms
significativas y pueden ayudar a identificar si existe alguna tendencia.
El enfoque que tomaremos en esta seccin es apropiado para aquellas

situaciones donde solo estn presentes efectos estacinales o en situaciones
donde estn presentes a la vez componentes estacinales y de tendencia.
El Primer paso es calcular los ndices estacinales y utilizarlos para

desestacionar los datos, despus si en los datos desestacionalizados existe
una aparente tendencia, utilizaremos una anlisis de regresin de los datos
desetacionalizados para estimar la tendencia.
3.5.1. EL MODELO MULTIPLICATIVO

Adems de un componente de tendencia (T) y una componente estacional (S),
suponemos que la serie de tiempo tambin tiene un componente irregular (I). El
componente irregular incluye aquellos efectos aleatorios que no pueden
explicarse por la tendencia, ni por el componente estacional e irregular.
Suponemos que el valor real de la serie de tiempo (Yt), puede describirse como
un modelo multiplicativo de la serie de tiempo.
Yt = Tt x St x It
En este modelo T, es la tendencia (medidas en unidades de lo que se esta

pronosticando). Sin embargo, los componentes S e I se miden en trminos
relativos.
70
CALCULOS DE LOS INDICES ESTACIONALES

La tabla siguiente de datos muestra las ventas trimestrales de televisores (miles de
unidades) de un fabricante a lo largo de 4 aos
Ao Trim Ventas
SERIE DE TIEMPO DE VENTAS

TRIMESTRALES DE TELEVISORES
4,8
4,1
6,0
6,5
5,8
5,2
6,8
7,4
6,0
5,6
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
7,5
Ao / Trimestre
7,8
6,3
5,9
8,0
8,4
Ventas trimestrales de TV
10,0
8,0
6,0
4,0
2,0
0,0
La figura muestra que en el segundo trimestre de cada ao las ventas pasan por un
mnimo seguidas por niveles mas elevados de ventas en los trimestres 3 y 4. Por lo
que conocemos que para ventas de Televisores existe un patrn estacional.
Primero identificamos la influencia estacional de cada trimestre, al calcular el
promedio mvil, para aislar los componentes estacional e irregular S o I
Dado que estamos trabajando con series trimestrales, utilizaremos los 4 valores de
datos en cada promedio mvil. El clculo del promedio mvil es el siguiente:
4.8 4.1 6.0 6.5 21.4
5.35
Primer promedio mvil =
4
4
Segundo promedio mvil =
4.1 6.0 6.5 5.8 22.4
5.6
4
4
Observe que el promedio

mvil nos da las ventas
trimestrales promedio a
lo largo de un ao
El valor de 5.35 del primer promedio mvil representa un volumen de ventas

trimestrales promedio (incluyendo todas las estaciones) correspondiente al ao 1
71
Como 5.35 es el promedio anual se tiene que escribir con el trimestre de en medio
del grupo de promedio mvil (entre el trimestre 2 y 3). Observe que es difcil identificar
el trimestre de en medio, con 4 trimestres
Recordemos que la razn para el calculo de los promedios mviles es aislar los
componentes estacional (S) E irregular (I) combinados. Sin embargo los promedios
mviles calculados no corresponden directamente a los trimestres originales de la
serie de tiempo.
Prom
Prom.
Ao Trim Ventas Mvil de
Mvil
4 trim
Centrado
1
1
4.8
2
4,1
5,35
3
6
5,475
5,6
4
6,5
5,738
5,875
2
1
5,8
5,975
6,075
2
5,2
6,188
6,3
3
6,8
6,325
6,35
4
7,4
6,4
6,45
3
1
6
6,538
6,625
2
5,6
6,675
6,725
3
7,5
6,763
6,8
4
7,8
6,838
6,875
4
1
6,3
6,938
7
2
5,9
7,075
7,15
3
8
4
8,4
Valor
estacional
e irregular
1,096
1,133
0,971
0,840
1,075
1,156
0,918
0,839
1,109
1,141
0,908
0,834
Observemos los tercer trimestre de los aos uno, dos y tres muestran valores de
1.096, 1.075 y 1.109 respectivamente, que en todo caso el componente estacional
irregular estara por encima del promedio dentro del tercer trimestre. Las fluctuaciones
a lo largo de los 3 aos pueden atribuirse al componente irregular, con lo que
obtenernos una estimacin de la influencia estacional del tercer trimestre:
72
Este valor de 1.09 es el ndice estacional correspondiente al tercer trimestre. En la

tabla siguiente resumimos los clculos para los ndices estacionales de la serie de
tiempo para las ventas de televisores.
Valores del
Indice
componente estacional
estacional
Trimestre
e irregular (St It)
(St)
0,971 - 0,918 - 0,908
0,93
(0,971+0,918+0,908)/3
0,840 - 0,839 - 0,834
0,84
(0,84+0,839+0,834)/3
1,096 - 1,075 - 1,109
1,09
(1,096+1,075+1,109)/3
1,133 - 1,156 - 1,141
1,14
(1,133+1,156+1,141)/3
El mejor trimestre de ventas es el cuarto, con un promedio de ventas del 14% por
encima del valor promedio trimestral.
El peor trimestre de ventas es el segundo con un promedio de ventas del -16% por
debajo del promedio trimestral
3.5.2 DESESTACIONALIZACION DE LA SERIE DE TIEMPO

La finalidad de determinar los ndices estacionales es eliminar los efectos
estacionales de una serie de tiempo. Este proceso se conoce como
desestacionalizacin de la serie de tiempo, utilizando la notacin del modelo
multiplicativo tenemos:
Yt = Tt x St x It
Al dividir cada observacin de la serie de tiempo por el ndice estacional
correspondiente, eliminamos el efecto de desnacionalizacin de la serie de
tiempo. En la tabla siguiente se resume la serie de tiempo desestacionalizada
de las ventas de Televisores
Ao
Trim
1
2
3
Indice
Ventas
Ventas Estacional Desestacionalizadas
(Y)
(S)
(Y/S = TI)
4,8
4,1
6
0,93
0,84
1,09
5,16
4,88
5,50
73
6,5
1
2
3
5,8
5,2
6,8
7,4
1
2
3
6
5,6
7,5
7,8
1
2
3
6,3
5,9
8
8,4
1,14
0,93
0,84
1,09
1,14
0,93
0,84
1,09
1,14
0,93
0,84
1,09
1,14
5,70
6,24
6,19
6,24
6,49
6,45
6,67
6,88
6,84
6,77
7,02
7,34
7,37
3.5.3 USO DE LA SERIE DE TIEMPO DESETACIONALIZADA PARA

IDENTIFICAR LA TENDENCIA
En el ejercicio anterior vemos que a lo largo de los 16 trimestres la grafica
muestra una tendencia hacia arriba. Para identificar esta tendencia utilizaremos
el mismo procedimiento descrito anteriormente, pero en este caso los datos
utilizados son valores de ventas desestacionalizados.
Por lo que el volumen de ventas estimado expresado en funcin del tiempo es:
Donde:
Tt = Valor de tendencia para las ventas de televisores en el periodo t
bo = intercepto de la lnea de tendencia
b1 = pendiente de la lnea de tendencia
74
y
Trim
Ventas
desestac. Yt
t2
tYt
5,16
5,16
4,88
9,76
5,50
16,50
5,70
16
22,80
6,24
25
31,20
6,19
36
37,14
6,24
49
43,68
6,49
64
51,92
6,45
81
58,05
10
6,67
100
66,70
11
6,88
121
75,68
12
6,84
144
82,08
13
6,77
169
88,01
14
7,02
196
98,28
15
7,34
225
110,10
16
7,37
256
117,92
101,74
1496
914,98
Totales 136
Por lo tanto: Tt = 5.101 + 0.148t

Es la ecuacin de tendencia lineal
de la serie de tiempo
Trim t
El componente de tendencia nos
Ventas
17
5,101 + 0,148(17) =
7,617
18
5,101 + 0,148(18) =
7,765
los meses siguientes de T17,
19
5,101 + 0,148(19) =
7,913
T18, T19 y T20
20
5,101 + 0,148(20) =
8,061
da un pronstico de ventas para
3.5.4. AJUSTES ESTACIONALES

El ltimo paso para el desarrollo de un pronstico, cuando estn
presentes componentes de tendencia como los estacionales, es utilizar
el ndice estacional para ajustar la proyeccin de tendencia.
75
Del ejemplo de TV, el ndice estacional del primer trimestre del ao 5

es 0.93, entonces
Pronostico trimestral = Pronostico de tendencia * ndice estacional

Ao
5
ndice
Pronostico
Trim t
Ventas
7,617
0,93
7,084
7,765
0,84
6,523
7,913
1,09
8,625
8,061
1,14
9,190
estacional Trimestral
3.6. USO DEL ANALISIS DE REGRESION EN PRONOSTICOS

El anlisis de regresin es una tcnica estadstica que muestra como
se relaciona las variables independientes o predictoras con una
variable dependiente o de respuesta.
En el anlisis de regresin donde se relaciona una variable dependiente y

una independiente mediante una lnea recta se conoce como una
regresin lineal simple
Y = f(x)
En el anlisis de regresin donde se relacionan dos o ms variables

independientes con una variable dependiente se conoce como anlisis
de regresin mltiple.
Y = f(x1, x2, ., xn)
Cuando utilizamos el anlisis de regresin para relacionar la variable que

deseamos pronosticar con otras variables que se supone influyen o
explican dicha variable, se convierte en un mtodo de pronsticos causal.
3.6.1. ANALISIS DE REGRESION CUANDO NO HAY DATOS

DE UNA SERIE DE TIEMPO DISPONIBLES.
El anlisis de regresin tambin se puede utilizar para pronosticar
cuando no haya disponibles datos de una serie de tiempo.
76
Ejemplo: Una cadena de restaurantes italiano Armand que opera en 5

estados. Las ubicaciones con mayor xito estn cerca a las
universidades. Antes de abrir un nuevo restaurante, la administracin
requiere un pronstico de ingreso por ventas anuales.
Este tipo de estimacin se utiliza en la planeacin de la capacidad del

restaurante, en la toma de decisiones inciales sobre el personal y para
decidir si un ingreso potencial justifica el costo por operacin.
En una nueva localizacin no hay datos histricos de ventas disponibles,

por lo que Armand no puede utilizar los datos de una serie de tiempo
para desarrollar el pronstico.
La demanda cree que los ingresos de ventas anuales estn relacionados

con la poblacin de estudiantes de la universidad vecina.
Empricamente, la administracin supone que los restaurantes
localizados cerca a las universidades grandes generan mas ingresos
que los localizados cerca a las universidades pequeas. Si se puede
utilizar la poblacin de la universidad para predecir los ingresos del
nuevo restaurante.
Para evaluar la relacin entre ventas anuales (Y) y poblacin de

estudiantes (X), Armand reuni informacin de una muestra de 10
restaurantes localizados cerca de universidades.
77

DATOS DE VENTAS ANUALES DE POBLACION DE
ESTUDIANTES CORRESPONDIENTE A 10
RESTAURANTES (EN MILES)
Y: Ventas
X: Poblacin
Rest
anuales
de estudiantes
58
105
88
118
117
12
137
16
157
20
169
20
149
22
10
202
26
QU CONCLUSIONES PRELIMINARES PODEMOS EXTRAER DEL

DIAGRAMA DE DISPERSIN?
Aparentemente pequeos volmenes de ventas estn asociados con bajas
poblaciones de estudiantes, mientras que volmenes elevados de ventas estn
asociados con poblaciones de estudiantes ms grandes.
Tambin, aparentemente la relacin entre ambas variables se puede aproximar
mediante una lnea recta de la forma
Donde:
Y = valor estimado de la variable independiente (ingreso por ventas)
bo = Intercepto de la ecuacin estimada
b1 = pendiente de la ecuacin estimada
X = valor de la variable independiente (poblacin de estudiantes)
Donde:
Xi = valor de la variable independiente de orden i
Yi = valor de la variable dependiente de orden i
78
X = valor medio de la variable independiente

Y = valor medio de la variable dependiente
n = numero total de observaciones
X: Poblac
Y: Ventas
de
Rest (i)
anuales
estudiantes
Xi^2
XiYi
58
116
105
36
630
88
64
704
118
64
944
117
12
144
1404
137
16
256
2192
157
20
400
3140
169
20
400
3380
149
22
484
3278
10
202
26
676
5252
Totales
1.300
140
2.528
21.040
Por lo que la ecuacin de regresin estimada es: = 60 + 5x

La pendiente de la ecuacin estimada (b1 = 5) es positiva, lo que implica que
conforme se incrementa la poblacin de estudiantes, aumentara las ventas
anuales.
3.7. PROCEDIMIENTOS CUALITATIVOS PARA PRONOSTICOS

En lo anterior hemos analizados varios tipos de modelos de pronsticos
cuantitativos, donde se requiere los datos histricos de la variable de
inters, por lo que no pueden aplicarse el pronostico cuando no hay
datos, incluso obteniendo los datos, un cambio drstico en las
condiciones del entorno puede hacer dudoso el pronostico. Por ejemplo:
79
un programa de racionamiento de gasolina, impuesto por el gobierno,

pudiera cuestionar la validez de un pronstico de ventas basados en
datos histricos.
Entre este y otros casos, las tcnicas de pronsticos cualitativos ofrecen
una alternativa
METODO DELPHI
Es la tcnica de uso ms comn, esta tcnica intenta desarrollar
pronsticos mediante un consenso de grupo. En su aplicacin normal a
los miembros de un panel de expertos, todos fsicamente separados uno
de otros y que no se conocen, se les solicitan que respondan una serie de
cuestionarios. Las respuestas del primer cuestionario se tabulan y se usa
para preparar un segundo cuestionario, que contiene informacin y
opiniones de todo el grupo.
A continuacin se les pide a cada involucrado que reconsidere o corrija su

respuesta anterior a la luz de la informacin proporcionada por el grupo
de expertos. Este proceso dura hasta que el coordinador cree que se ha
llegado a cierto grado de consenso. El objetivo del mtodo Delphi no es
producir como resultado una sola respuesta, sino mas bien obtener un
abanico de opiniones, en las cuales coincidan la mayora de expertos.
JUICIO EXPERTO
A veces los pronsticos cualitativos, se basan en el juicio de un solo
experto o representan un consenso de un grupo de expertos.
FORMULACION DE ESCENARIOS
Consiste en plantear un escenario conceptual del futuro en base a un
conjutno definido de hiptesis. Diferentes hiptesis llevarn a escenarios
distintos, por lo que la tarea del tomador de decisiones es decidir que tan
posible es cada escenario y entonces tomar la decisin correspondiente.
80
PROBLEMAS PROPUESTOS 3
1. La tasa de inters de los bonos Corporate Triple A para 10 meses
consecutivos son: 9.4, 9.6, 9.8, 9.7, 9.8, 10.5, 9.9, 9.7, 9.6 y 9.6
a) Desarrolle promedios mviles de 3 y 4 meses para este tiempo.
Qu promedio tendr los mejores pronsticos?. Expliques
b) Cual es el promedio mvil para el mes siguiente
2. Refirase a los datos de la serie de tiempo de las ventas de gasolina

Semana
1
2
3
4
5
6
7
8
9
10
11
12
Ventas (miles
de gasolina)
17
21
19
23
18
16
20
18
22
20
15
22
a) Calcule los promedios mviles de 4 y 5

semanas de la serie de tiempo
b) Calcule el MSE (error cuadrticos medio)n para
los promedios mviles de 4 semanas.
c) Cual podra ser el mejor nmero de semanas de
datos previos a usar en el calculo de promedios
mviles. (recuerde que el MSE para promedio
mviles de 3 semanas es 10.22)
3. Con los datos del problema 2.

a) Calcular un promedio mvil ponderado de 3 semanas para la serie de tiempo,
utilice un coeficiente de ponderacin de para la observacin mas reciente,
1/3 para la segunda mas reciente y 1/6 para la tercera mas reciente.
b) Calcule el Error cuadrtico medio del promedio mvil ponderado de la parte a
4. Utilice los datos del problema 2, para mostrar los pronsticos de suavizacin
exponencial utilizando alfa=0.1. Utilizando el criterio del error cuadrtico medio.
Preferira usted un alfa de 0.1 o 0.2?
5. Para la Hawkin Company, los porcentajes mensuales de todos los embarques

recibidos a tiempo en los ltimos 12 meses son: 80, 82, 84, 83, 83, 84, 85, 84, 82, 83,
84 y 83.
81
a) Compare un pronostico de promedios mviles de 3 meses con un pronsticos

de suavizacin exponencial con alfa=0.2. Cul da el mejor resultado?
b) Cual es el pronstico para el mes siguiente.
6. Los contratos de construccin en Santiago de Chile, durante un periodo de 12

meses (en millones de dlares) son 240, 350, 230, 260, 280, 320, 220, 310, 240, 310,
240 y 230.
a) Compare un pronostico de promedio mviles de 3 meses con un pronostico de
suavizacin exponencial, utilizando alfa=0.2. Cul da mejor resultado?
b) Cual es el pronstico para el mes siguiente.
7. A menudo se utilizan promedios mviles en un intento de identificar el movimiento

del precio de los valores. A continuacin aparecen los precios de cierre aproximado
mensuales (en $ por accin) para Toys of the Future
Mes
Precio
Mes
Precio
Diciembre 1996
40
Junio 1997
34
Enero 1997
38
Julio 1997
37
Febrero 1997
39
Agosto 1997
35
Marzo 1997
41
Septiembre 1997
37
Abril 1997
36
Octubre 1997
40
Mayo 1997
41
Noviembre 1997
41
a) Utilice el promedio mvil de 3 meses para suavizar la serie de tiempo.

Pronostique el cierre para diciembre de 1997
b) Utilice el promedio mvil ponderado de 3 meses para suavizar la serie de
tiempo. Utilice un coeficiente de ponderacin de 0.4 para el periodo mas
reciente, 0.4 para el siguiente periodo y 0.2 para el ultimo periodo. Pronostique
el precio de cierre para Diciembre de 1997.
c) Utilice la suavizacin exponencial con una constante alfa de 0.35. Pronostique
para diciembre de 1997
d) Cual de estos 3 mtodos prefiere usted.?
8. Los datos que siguen representan 15 trimestres de utilizacin de la capacidad de

manufactura (en porcentajes)
Trimestre/ao
Utilizacin
Trimestre/ao
Utilizacin
1/ 2005
82.5
1 / 2007
78.8
2 / 2005
81.3
2 / 2007
78.7
82
3 / 2005
81.3
3 / 2007
78.4
4 / 2005
79.0
4 / 2007
80.0
1 / 2006
76.6
1 / 2008
80.7
2 / 2006
78.0
2 / 2008
80.7
3 / 2006
78.4
3 / 2008
80.8
4 / 2006
78.0
a) Calcule promedios mviles de 3 y 4 trimestres de esta serie de tiempo. Qu

promedios mviles es el mejor pronostico para 4 / 2008
b) Utilice constante de suavizacin alfa = 0.4 y 0.5 para desarrollar el pronostico para
el trimestre 4/2008.
9. La siguiente serie de tiempo muestra las ventas de un producto en particular a lo

largo de 12 meses.
Mes
Ventas
Mes
Ventas
Mes
Ventas
105
90
100
135
120
10
80
120
145
11
100
105
140
12
110
a) Utilice alfa=0.3 para calcular los valores de suavizacin de la serie de tiempo

b) Utilice una constante de suavizacin de 0.5 para calcular los valores de
suavizacin exponencial.
10. A continuacin aparecen las inscripciones (miles) para una universidad estatal
durante los 6 ltimos aos.
Ao
Inscripciones
20.5
20.2
19.5
19.0
19.1
18.8
Desarrolle la ecuacin para el componente de tendencia lineal de esta serie de tiempo.

Comente sobre lo que esta ocurriendo con las inscripciones de esta institucin
11. La venta de automviles en 10 aos son:

Ao
Venta
Ao
Ventas
400
260
390
300
320
320
340
340
270
10
370
83
Trace la serie de tiempo y comente sobre la posibilidad de una tendencia lineal. Qu

forma de funcin seria el mejor patrn de tendencia de esta serie de tiempo?
12. El presidente de una pequea empresa de manufactura esta preocupado debido al

continuo crecimiento de los costos de manufactura durante los ltimos aos. A
continuacin aparece una serie de tiempo de costos unitarios en dlares del producto
lder de esta empresa durante los ltimos 8 aos.
Ao
Costo unit
Ao
Costo Unit
20.00
26.60
24.50
30.00
28.20
31.00
27.50
36.00
a) Grafique esta serie de tiempo

b) Desarrolle la ecuacin para el componente de tendencia lineal de la serie de
tiempo.
c) Cual es el incremento promedio de costo por ao?
13.. Las utilidades por accin (en dlares) de Walgreen Company durante un
periodo de 10 aos son: 0.73, 0.94, 1.14, 1.33, 1.53, 1.67, 1.68, 2.10 y 2.50
a) Utilice la proyeccin de tendencia lineal para pronosticar las utilidades por
accin del ao siguiente.
b) Qu le dice a usted este anlisis de serie de tiempo.
84
4.- MODELOS DE LINEA DE ESPERA

El estudio de las lneas de espera, llamado teora de colas, es una de las tcnicas de
anlisis ms antigua y que se utilizan ms extensamente. Las lneas de espera son un
suceso de todos los das que afectan personas que van de compras al supermercado,
a cargar gasolina, al banco, etc
La estrategia mas econmica para mejorar el servicio de una empresa no siempre es
agregar ms cajeros o empleados, los negocios necesitan mantener lneas de espera
o colas dentro de lmites tolerables.
Se han desarrollado modelos para ayudar a los administradores a comprender y tomar

mejores decisiones relacionadas con la operacin de lneas de espera (colas)
A Principios de siglo XX, A. K. Erland, ingeniero de telfonos dans, empez un

estudio de congestionamientos y tiempos de espera que ocurrirn al efectuar llamadas
telefnicas. Desde entonces la teora de las lneas de espera se han hecho mucho
mas complejas y se ha ampliado su aplicacin.
Los modelos de lneas de espera consisten en formulacin matemtica y relaciones

que pueden usarse para determinar las caractersticas de operacin (medidas de
desempeo) de una lnea de espera. Algunas caractersticas interesantes son:
1. La probabilidad de que no exista ninguna unidad en el sistema
2. El numero promedio de unidades en la lnea de espera
3. El numero promedio de unidades en el sistema (el numero de unidades en
la lnea de espera mas el numero de unidades que se estn atendiendo)
4. El tiempo promedio que utiliza una unidad en la lnea de espera
5. El tiempo promedio que utiliza una unidad en el sistema (el tiempo de
espera mas el de servicio)
6. La probabilidad de que se tenga que esperar para que se le atienda.
4.1. ESTRUCTURA DEL SISTEMA DE LINEA DE ESPERA

Los sistemas de servicio generalmente se clasifican en trminos del nmero de
canales y el nmero de fases o de paradas de servicio que deben realizarse. Aqu
algunos ejemplos de estructuras de sistemas:
85
Sistema de colas
Llegadas
Cola
Servidor
Salidas
Sistema de un solo canal y una sola fase
Sistema de colas
Llegadas
Servidor
Tipo 1
Cola
Servidor
Tipo 2
Cola
Salidas
Sistema de un solo canal multifase
Sistema de colas
Servidor
Llegada
s
Cola
Servidor
Servidor
Salidas
Salidas
Salidas
Sistema multicanal de una sola fase
Sistema de colas
Llegada
s
Cola
Servidor 1
Tipo 1
Servidor 1
Tipo 2
Servidor 2
Tipo 1
Servidor 2
Tipo 2
Sistema multicanal, multifase
Carbn Burger esta preocupado pues los mtodos que utiliza para atender a los
clientes estn dando como resultado tiempos excesivos de espera (colas).
86
La administracin ha pedido que se haga un estudio de lnea de espera para

ayudar a determinar cual es el mejor procedimiento de reducir los tiempos de
espera y mejorar el servicio.
EJEMPLO CARBON BURGER: LINEA DE ESPERA DE UN SOLO CANAL

Actualmente en Carbon Burger un empleado toma el pedido del cliente, le cobra
el pedido y entonces surte el pedido. Una vez surtido el pedido del primer cliente,
el empleado toma el pedido del siguiente cliente que ha estado esperando para
que lo atiendan. Esta esto es un ejemplo de una lnea de espera de un solo canal.
Sistema
Empleado
Llegada de
Clientes
Toma y
surtido de
pedidos
Cola de Clientes
El cliente se va despus
que se le ha atendido el
pedido
4.2. DISTRIBUCIN DE LAS LLEGADAS

El proceso de llegadas para una lnea de espera, involucra determinar la
distribucin de probabilidad del nmero de llegadas en un periodo dado.
En muchas situaciones de lnea de espera, las llegadas ocurren de manera

aleatoria e independiente y no es posible predecir cuando llegar una.
La distribucin de probabilidad de Poisson da una buena descripcin del patrn
de llegadas
La funcin de probabilidad de Poisson, define la probabilidad de x llegadas en un
periodo dado de tiempo, segn

Donde:
P( x)
x e
x!
para x = 0, 1, 2, .
x = nmeros de llegadas en el periodo de tiempo
= promedio o numero medio de llegadas por periodo

e = 2.71828
87
Ahora, suponga que Carbon Burger ha analizado los datos referentes a la llegada
de clientes y ha concluido que la tasa media de llegadas es de 45 clientes por
hora. Para un lapso de 1 minuto, la tasa media de llegadas seria 45 / 60 0.75
llegadas por minuto.
Por tanto, las probabilidades de 0, 1 y 2 llegadas en un periodo de tiempo de un
minuto son:
(0.75) 0 e 0.75
e 0.75 0.4724
0!
(0.75)1 e 0.75
P(1)
0.75e 0.75 0.3543
1!
(0.75) 2 e 0.75
P(2)
0.1329
2!
P(0)
PROBABILIDAD DE POISSON PARA EL NMERO DE LLEGADAS

EN 1 MIN ( = 0.75)
Numero de
Probabilidad
llegadas
Numero de
Probabilidad
llegadas
0.4724
0.0332
0.3543
0.0062
0.1329
5 o mas
0.0010
La probabilidad de que no ocurra ninguna llegada en un periodo de 1 minuto es de

0.4724, la probabilidad de una llegada y 2 llegadas en un periodo de un minuto es
de 0.3543 y 0.1329 respectivamente
Los modelos de lneas de espera utilizan la distribucin de probabilidad de Poisson

para describir las llegadas de clientes de Carbon Burger.
En la prctica, se debe registrar el nmero real de llegadas por periodo durante
varios das o semanas y comparar la distribucin de frecuencia del nmero
observado de llegadas con la distribucin de probabilidad de Poisson, para
determinar si esta ultima nos da una aproximacin razonable de la distribucin de
llegadas.
88
4.3. DISTRIBUCION DE LOS TIEMPOS DE SERVICIOS

El tiempo de servicio es aquel que pasa un cliente en la instalacin de servicio una
vez que este se ha iniciado. En el ejemplo de Carbon Burger , el tiempo de servicio
se inicia cuando un cliente coloca su pedido y continua hasta que dicho cliente ha
recibido su pedido; los tiempos de servicio rara vez son constantes. En Carbon
Burger, el tiempo vara considerablemente de un cliente a otro.
Los pedidos pequeos pueden manejarse en cuestin de segundos, pero los ms

grandes pueden requerir ms minutos para procesarse.
Los analistas han concluido de que si se puede suponer que los tiempos se
servicio siguen una distribucin de probabilidad exponencial, existen formulas para
obtener informacin til sobre la operacin de la lnea de espera.
Si la distribucin de probabilidad de los tiempos de servicio es exponencial, la
probabilidad de que el tiempo sea menor o igual a un tiempo de duracin t, es.
P(tiempo de servicio t) 1 - e - t
Donde: = Promedio de unidades que pueden atenderse por periodo
Suponga que Carbon Burger ha estudiado el proceso de toma y surtido de los
pedidos y ha llegado a la conclusin de que el nico empleado puede procesar un
promedio de 60 pedidos de clientes por hora. Con base en un minuto, la tasa
promedio es = 60/60 = 1 cliente por minuto.
P(tiempo de servicio 0.5 min) 1 - e -1(0.5) 1 0.6065 0.3935

P(tiempo de servicio 1.0 min) 1 - e -1(1.0) 1 0.3679 0.6321
P(tiempo de servicio 2.0 min) 1 - e -1(2.0) 1 0.1353 08647
Hay una probabilidad de 0.3935 de que se procese un pedido en menos de medio
minuto, una probabilidad de 0.6321 de que se procese en menos de 1 minuto y
una probabilidad de 0.8647 de que se procese en dos minutos o menos
La distribucin de probabilidad de los tiempos, en la prctica se debe reunir datos

sobre los tiempos reales de servicios para ver si la distribucin de probabilidad
exponencial es una aproximacin razonable a los tiempos de su aplicacin.
89
4.4. DISCIPLINA EN LA COLA

Al describir un sistema de lnea de espera, debemos definir la forma en que las
unidades se organizan para el servicio.
En el caso de Carbon Burger y en general la mayor parte de las lneas de espera
orientadas hacia el servicio de clientes, las unidades se organizan con base en
que el primero que llega es el primero que se atiende, Sin embargo algunas
situaciones requiere diferentes disciplina de colas. Por ejemplo cuando esperando
llegada de un elevador, el ltimo en el elevador es por lo general el primero que
completa su servicio
4.5. NOTACION KENDALL

D. G. Kendall sugiri una notacin para clasificar la amplia diversidad de los
diferentes modelos de lnea de espera. La notacin de Kendall de tres smbolos es
como sigue:
A/B/k
Donde:
A = indica la distribucin de probabilidad de las llegadas
B = indica la distribucin de probabilidades del tiempo de servicio
k = numero de canales
Dependiendo de la letra que aparezca A o B, se puede describir una amplia

variedad de lneas de espera. Las letras comnmente utilizadas son:
M = indica una probabilidad de Poisson para las llegadas o una distribucin
exponencial para el tiempo de servicio
D = indica el hecho que las llegadas o el tiempo de servicio es constante
o deterministico
G = indica que las llegadas o el tiempo de servicio tiene una distribucin de
probabilidad general, con media y varianza conocidas
4.6. MODELO DE LINEA DE ESPERA DE UN SOLO CANAL,

CON LLEGADAS POISSON Y TIEMPOS DE SERVICIO
EXPONENCIAL (M/M/1)
Este modelo solo debe usarse cuando se cumple las siguientes condiciones
1. La lnea de espera tiene un solo canal
2. Las llegadas siguen una distribucin de probabilidad de Poisson
3. Los tiempos de servicio siguen una distribucin de probabilidad exponencial
4. La disciplina en la cola es primera llegada, primer servicio
90
Como estas condiciones se aplican al ejemplo de Carbon Burger, mostraremos

como se puede utilizar las formulas para darle a la administracin informacin til
para la toma de decisiones.
CARACTERISTICAS DE OPERACIN
Las siguientes formulas detalla las caractersticas de operacin en estado estable
de una lnea de espera de un sol canal, con llegadas tipo Poisson y tiempos de
servicio exponencial, donde:
= Promedio de llegadas por periodo (tasa media de llegadas)
= promedio de servicio en el periodo (tasa media de servicio)

1. Probabilidad de que no existan
Po 1
unidades en el sistema
2. Nmero promedio de unidades

en la lnea de espera
2
Lq
( )
L Lq
3. Nmero promedio de unidades en el sistema

4. Tiempo promedio que utiliza la unidad
Wq
Lq
W Wq
5. Tiempo promedio que una unidad ocupa en el sistema
6. Probabilidad de que una unidad que llega tiene que esperar el servicio
(factor de utilizacin de la instalacin del servicio)
Pw
7. Probabilidad de n unidades en el sistema
Pn Po
Los valores de la tasa media de llegadas ( ) y la tasa media de servicios ( )

claramente son componentes de importancia en la determinacin de las
caractersticas de operacin.
91
Las formulas 1 y 7, son solo aplicables cuando la tasa media del servicio es
superior a la tasa media de llegadas , es decir 1 . De no ser as, la lnea
de espera continuara creciendo sin limite, porque la instalacin de servicio no tiene
capacidad suficiente para atender las unidades que llegan, por lo que para utilizar
las ecuaciones 1 y 7 debemos tener
CARACTERSTICA DE OPERACIN PARA CARBN BURGER

En el problema de Carbon Burger, tenemos una tasa media de llegada 0.75
clientes por minuto y una tasa media de servicio = 1 cliente por minuto, por lo
que , se puede utilizar las ecuaciones 1 y 7 para obtener las caractersticas
de operacin de la lnea de espera de un solo canal de Carbon Burger.
Po 1
Lq
0.75
1
0.25
2
0.752
2.25 clientes
( ) 1(1 0.75)
L Lq
Wq
Pw
Lq
0.75
2.25
3 clientes
2.25
3 minutos
0.75
W Wq
1
3 4 minutos
0.75
0.75
Informe para la administracin de Carbon Burger sobre los modelos

de lnea de espera
Los clientes esperan un promedio de 3 minutos, antes de empezar a colocar su
pedido, lo que parece algo largo para un negocio de servicio rpido. Adems, el
numero promedio de clientes esperando en la cola es de 2.25 y que el 75% de los
clientes que llegan tienen que esperar para que se le de el servicio, son
indicadores de algo que debe de hacerse para mejorar la operacin de la lnea de
espera.
92
La tabla siguiente muestra una probabilidad de 13.35% de que 7 o mas clientes

estn en la cola a la vez. Esta situacin indica una probabilidad elevada de que si
continua con la misma operacin de un solo canal Carbon Burger, experimentara
algunas colas largas
Nmero de
Probabilidad
Clientes
0
0.75
P0 Po
0.25
1
0.75
P1 Po
0.25
1
0.75
P2 Po
0.25
1
0.75
P3 Po
0.25
1
0.75
P4 Po
0.25
1
0.75
P5 Po
0.25
1
0.75
P6 Po
0.25
1
7 a mas
0.75
P7 Po
0.25
1
0.2500
0.1875
0.1406
0.1055
0.0791
0.0593
0.0445
0.1335
MEJORA EN LA OPERACIN DE LA LNEA DE ESPERA

Despus de revisar las caractersticas de operacin obtenidas en el modelo actual
de la lnea de espera, la administracin de Carbon Burger concluyo que era
deseable hacer mejoras para reducir los tiempos de espera.
Muy a menudo, las mejoras en la operacin de la lnea de espera se enfocan en

mejorar la tasa de servicio. Generalmente, las mejoras de servicio se hacen
mediante lo siguiente:
93
1. Incrementar la tasa media de servicio , mediante algn cambio creativo en

el diseo o utilizando nuevas tecnologas
2. Agregar canales de servicio, de manera que se puedan servir ms unidades
simultneamente.
Ahora suponga que al considerar la alternativa 1, Carbon Burger decide ocupar a

un empleado como surtidor de pedidos, que ayudara a quien toma los pedidos en
la caja.
El cliente empieza el proceso de servicio colocando su pedido con el empleado
tomador de pedidos, este le cobra su pedido al cliente y despus el empleado
surtidor de pedidos empieza a surtirlo.
Con este diseo Carbon Burger estima que la tasa media de servicio se puede
incrementar de la cifra actual de 60 clientes por hora a 75 clientes por hora, por lo
que la tasa media de servicios para el nuevo sistema ser de 75 / 60 1.25
clientes por minuto. Para 0.75 y 1.25 .
CARACTERISTICAS DE OPERACIN PARA NUEVO SISTEMA
DE CARBON BURGER = 1.25 CLIENTES POR MINUTO
Probabilidad de ninguna unidad en el sistema
0.400
Numero promedio de unidades en la lnea de espera
0.900
Numero promedio de unidades en el sistema
1.500
Tiempo promedio en la lnea de espera
1.20 min
Tiempo promedio en el sistema
2.00 min
Probabilidad de que tenga que esperar una unidad de llegada
0.600
Probabilidad de que existan en el sistema 7 o mas unidades
0.028
Esta tabla indica que todas las caractersticas de operacin han mejorado debido a
la nueva tasa mejorada de servicio. El tiempo promedio en el sistema se ha
reducido de 4 a 2 minutos
Tal como se mencion anteriormente, otra opcin es proporcionar uno o ms

canales de servicio adicionales, de manera que ms de un cliente puede ser
atendido al mismo tiempo (modelo de lnea de espera con varios canales)
94
4.7. MODELO DE LINEA DE ESPERA DE MULTIPLES CANALES CON

LLEGADAS POISSON Y TIEMPOS DE SERVICIO
EXPONENCIALES (M/M/k)
Una lnea de espera multicanal est formada por 2 o ms canales de

servicio, que se supone idnticos en funcin de su capacidad de servicio. En
el sistema multicanal, las unidades de legada esperan en una sola lnea de
espera y a continuacin pasan al primer canal disponible para ser atendidas.
Un ejemplo de este tipo de lnea de espera de una solo fase y multicanal se

encuentran actualmente en muchos bancos, se forma una fila en comn y el
cliente se dirige al primer cajero disponible
La operacin de un solo canal de Carbon Burger se puede expandir a un

sistema de 2 canales, abriendo un segundo canal.
El sistema multicanal supone que:

1. La lnea de espera tenga 2 o ms canales
2. Las llegadas siguen una distribucin de Poisson
3. Los tiempos de servicio de cada canal sigan una distribucin de probabilidad
exponencial.
4. La tasa media de servicio es la misma para cada uno de los canales, es
decir que todos los servidores se desempean en el mismo ritmo
5. La disciplina de la cola es primeras llegadas, primeros servicios (FIFO)
LAS CARACTERISTICAS DE OPERACIN
= tasa media de llegadas del sistema

= tasa media de servicio de cada canal
1.
Probabilidad de ninguna unidad en el sistema
Po
k 1
n 0
k
n!
2. Numero promedio de unidades

k!
k
k
k .
Lq
Po
k 1!.k 2
95
3. Numero promedio de unidades en el sistema
4. Tiempo promedio que ocupa una
L Lq
Wq
unidad en la lnea de espera
5. Tiempo promedio que una unidad
Lq
W Wq
ocupa en todo el sistema
6. Probabilidad de que una unidad que

llega, tenga que esperar por servicio
1
Pw
k!
Po
k
7. Probabilidad de que existan n unidades en el sistema
n
Pn
Po
n!
Pn
n
k!.k ( nk )
Po
Para n k
Para n > k
Dado que es la tasa media de servicio de cada canal, k es la media de servicio

para todo el sistema multicanal. Como en el caso de un modelo de lnea de
espera de un solo canal, las formulas para las caractersticas de operacin de las
lneas de espera multicanal solo peden aplicarse en situaciones en las que la tasa
media de servicio para el sistema sea superior a la tasa media de llegadas, en
otras palabras solo son aplicable si k >
CARACTERISTICA DE OPERACIN PARA CARBON BURGER.

Suponga que la administracin desea evaluar la conveniencia de abrir una segunda
estacin de procesamiento de pedidos, de manera que se pueda atender a 2
clientes simultneamente
Utilizamos las ecuaciones para el sistema de k = 2 canales. Para una tasa media de
llegada 0.75 clientes por minuto y una tasa media de servicio 1 cliente por
minuto para cada uno de los canales.
96
Po
k 1
n 0
n!
k!
1
0.4545
0.75 1 0.75 11 2(1)
n!
1!
2 0.75
n 0
1
k .
0.75 1 .(0.75)(1)
Lq
Po
(0.4545) 0.1227
k 1!.k 2
2 1!.2(1) 0.752
L Lq
Wq
0.75
0.1227
0.8727 Cliente
Lq
Cliente
0.1227
0.16 minutos
0.75
1
Pw
k!
W Wq
k
1 0.75
Po
2! 1
k
1
0.16 1.16 minutos
2(1)
(0.4545) 0.2045
2
(
1
)
0
.
75
Utilizando las ecuaciones (7), podemos calcular las probabilidades de clientes en el

sistema.
Nmero de Clientes
0
1
Probabilidad
n
Pn
Po
n!
2
3
4
0.4545
0.3409
0.1278
Pn
n
k!.k ( nk )
0.0479
Po
5 o mas
0.0180
0.0109
Ahora podemos comparar las caractersticas de operacin en estado estable del

sistema multicanal versus el sistema original de un solo canal
1. El tiempo promedio que utiliza un cliente en el sistema (tiempo de
servicio + tiempo de espera) se reduce de W = 4 a W = 1.16 minutos
2. El numero promedio de clientes en la lnea de espera se reduce de
Lq = 2.25 a 0.1227 clientes
3. El tiempo promedio que utiliza un cliente en la lnea de espera se reduce
de W = 3 minutos a 0.16 minutos
97
4. La probabilidad de que un cliente tenga que esperar su servicio se reduce de

Pw = 0.75 a 0.2045
4.8. ANALISIS ECONOMICO DE LAS LINEAS DE ESPERA

Frecuentemente las decisiones que implican diseo de lneas de espera se basan
en la evaluacin subjetiva de sus caractersticas de operacin, por otra parte
tambin influye el costo de operar el sistema de colas y entonces basar su decisin
respecto al diseo del sistema y al costo de la lnea de espera
Para desarrollar un modelo de costo total de una lnea de espera, empezamos a

definir las notaciones que se emplearn
Cw = Costo de espera por periodo de cada unidad
L = numero promedio de unidades en el sistema
Cs = costo de servicio por periodo de cada canal
k = nmero de canales
TC = Costo total por periodo
TC = CwL + Csk
Para elaborar un anlisis econmico de una lnea de espera, debemos obtener

estimaciones razonables del costo de espera, como el costo del servicio.
El costo de espera generalmente es el ms difcil de evaluar, en el Problema de

Carbon Burger, el costo de espera, sera el costo por minuto de un cliente que est
esperando a que lo atiendan, Si Carbon Burger ignora este costo y permite colas
largas, finalmente los clientes se irn a otra parte, por lo que Carbon Burger
experimentara perdidas de venta e incurrir en un costo. Supongamos que Carbon
Burger est dispuesto a asignar un costo de $10 por hora al tiempo de espera del
cliente
El costo de servicio, por lo general es ms fcil de determinar, ya que es un costo

relacionado con la operacin de cada uno de los canales de servicio. En Carbon
Burger, este costo incluir el sueldo y los beneficios sociales del empleado servidor,
asi como cualquier otro costo directo asociado con la operacin del canal del
servicio. En Carbon Burger, este costo se estima en $7 por hora.
98
Para obtener el costo total por hora para un sistema de un solo canal y dos canales,
utilizaremos el numero promedio de de unidades en el sistema (L = 3 clientes para
un solo canal) y (L = 0.8727 clientes para 2 canales).
Un solo canal (L = 3 clientes)
Dos Canales (L = 0.8727 clientes)
TC = CwL + Csk
TC = CwL + Csk
TC = $10(3) + $7(1) = $37 por
TC = $10(0.8727) + $7(2) = $22.73
hora
por hora
Concluimos con base en los costos proporcionados por Carbon Burger, el sistema
de 2 canales ofrece la solucin ms econmica.
En la siguiente figura
muestra las curvas
de los costos en el
anlisis econmico
de las lneas de
espera.
El costo de servicio aumenta conforme se incrementa el nmero de canales. Sin

embargo el servicio es mejor con ms canales, como resultado el tiempo y el
costo de esperar se reducen. Evaluando el costo total para varias alternativas de
diseo se puede determinar el nmero de canales que resulte una buena
aproximacin del diseo de costo total mnimo.
4.9. MODELO DE LINEAS DE ESPERA DE UN SOLO CANAL CON

LLEGADAS DE POISSON Y TIEMPO DE SERVICIO
ARBITRARIOS (M/G/1)
CARACTERISTICAS DE OPERACIN PARA EL MODELO M/G/1

La notacin para describir las caractersticas de operacin del modelo M/G/1 es
Tasa media de llegadas

= tasa media de servicios
99
= tiempo promedio o medio de servicio

= desviacin estndar del tiempo de servicio
A continuacin, aparecen algunas de las caractersticas de operacin en estado

estable del modelo de colas M/G/1.
1. Probabilidad de que no existan

unidades en el sistema
2. Numero promedio de unidades

4. Tiempo promedio que utiliza una

unidad en la lnea de espera
5. Tiempo promedio que utiliza una unidad en el sistema
6. Probabilidad de que una unidad de llegada

tenga que esperar servicio
UN EJEMPLO: Un solo empleado maneja las ventas al menudeo en una tienda, las
llegadas de los clientes son aleatorias y la tasa promedio de llegada es de 21
clientes por hora, es decir = 21/60 = 0.35 clientes por minuto. Un estudio del
proceso del servicio muestra que el tiempo promedio del servicio es de 2 minutos
por cliente, con una desviacin estndar de = 1.2 minutos.
El tiempo promedio de 2 minutos por cliente muestra que el empleado tiene un tasa
de servicio promedio de = = 0.50 clientes por minuto. Las caractersticas de
operacin de este sistema de lnea de espera M/G/1 son:
100
4.10. MODELO DE CANAL MULTIPLE CON LLEGADAS DE POISSON,

TIEMPOS DE SERVICIO ARBITRARIO Y SIN LINEA DE ESPERA.
(M/G/k)
Es una variante de los modelos anteriores, en donde no se les permite la espera.
Las unidades (clientes) que llegan buscan servicio en uno de varios canales de
servicio. Si todos los canales estn ocupados a las unidades que llegan se les
niega el acceso al sistema, es decir las llegadas que ocurren cuando el sistema
esta lleno quedan bloqueadas y se eliminan del sistema. Estos clientes pueden
perderse o intentar regresar posteriormente al sistema
El modelo especfico se basa en las siguientes hiptesis:
1. El sistema tiene k canales
2. Las llegadas siguen una distribucin de Poisson, con una tasa media
de llegada
3. Los tiempos de servicio de cada canal pueden tener cualquier distribucin
de probabilidad
101
4. La tasa media de servicio es la misma en cada canal

5. Las llegadas entran al sistema si hay por lo menos 1 canal disponible.
6. Las llegadas que ocurran cuando todos los canales estn ocupados
quedaran bloqueados (no ingresaran al sistema)
Cuando G indica una distribucin de probabilidad general o no especificada para los

tiempos de servicio, el modelo apropiado para esta situacin se le conoce como un
modelo M/G/k con clientes bloqueados y eliminados.
La pregunta que se hace en este tipo de situacin es Cuntos canales o
servidores deben usarse?.
Este modelo es importante para los diseos de sistemas de comunicacin

telefnica y otros en los que las llegadas son las llamadas y los canales son el
nmero de telfonos o lneas de comunicacin disponibles.
En un sistema de este tipo, las llamadas se conmutan automticamente a un canal
abierto. Cuando todos los canales estn ocupados, las llamadas adicionales
reciben seal de ocupado y se les niega el acceso al sistema.
CARACTERISTICAS DE OPERACIN PARA UN MODELO M/G/k CON

CLIENTES BLOQUEADOS Y ELIMINADOS.
Nos enfrentamos al problema de seleccionar el numero mas adecuado de canales
para calcular las probabilidades de que j de los k canales estn ocupados. Estas
probabilidades son:
Donde:
= tasa media de llegadas
= Tasa media de servicio de cada canal
Pj = Probabilidad de que j de los k canales estn ocupados (j=0,1,2,..,k)
Otra caracterstica de inters, es el nmero

promedio de canales que estn siendo usados.
102
Muchas de las caractersticas de operacin que se vio anteriormente, no se aplican

al modelo M/G/k con clientes bloqueados y eliminados. Ya no se toma en
consideracin, porque la espera en este tipo de sistema no esta permitida
Un Ejemplo:
Plaza Vea utiliza un sistema de pedidos por telfono para sus clientes. Suponga
que las llamadas al numero de plaza Vea llegan a una tasa promedio de 12 por
hora; el tiempo requerido para procesar un pedido telefnico varia
considerablemente entre pedidos. Sin embargo se espera que cada operador de
Plaza Vea maneje un promedio de 6 llamadas por hora. Actualmente Plaza Vea
tiene 3 anexos telefnicos (canales internos), cada uno de ellos manejado por un
operador diferente.
Las llanadas que se reciben se transfieren automticamente a alguna de las lneas
disponibles (canales abiertos).
Cuando todas las lneas estn ocupadas, los que llaman oyen una seal de
ocupado. Plaza Vea observo que los a los clientes que llaman y se les niegan el
acceso, ya no vuelve a llamar, por lo que estas llamadas representan ingresos
perdidos para Plaza Vea.
La administracin de Plaza Vea, quiere saber cual es el porcentaje de los que

llaman y reciben seal de ocupado y se les niega el acceso al sistema. Si el objetivo
de la administracin es tener capacidad suficiente para manejar el 90% de los
pedidos por telfonos. Cuntas lneas telefnicas y operadores debern utilizar
Plaza Vea?
Calculando la probabilidad de que las 3 lneas disponibles actualmente estn

ocupadas y de que gente adicional que llame sea bloqueada es:
Aproximadamente el 21% de las llamadas, es decir una de cada 5, estn siendo

bloqueadas y 4 de cada 5 (79%) de las llamadas se estn atendiendo de manera
inmediata con el sistema de 3 lneas
103
Ahora, supongamos que Plaza Vea decide ampliar a un sistema de 4 lneas,

entonces la probabilidad de que las 4 lneas estn en uso y de que quienes llamen
sern bloqueados es:
Solo el 9.52% de los que llaman sern bloqueados, el 90.48% de quienes llamen
sern atendidos por un operador, por lo que Plaza Vea debe ampliar su sistema a 4
lneas. El numero promedio de llamadas en el sistema de 4 lneas y por lo tanto el
nmero promedio de lneas y operadores ocupados es:
Aunque un sistema de 2 lneas estarn ms ocupadas, es necesario un sistema de

4 lneas para tener capacidad de manejar por lo menos el 90% de los pedidos.
Probabilidad de llamadas bloqueadas para el sistema de 4 lneas de Plaza Vea

Numero lneas
0.1429
0.2857
0.2857
0.1905
0.0952
ocupadas
Probabilidad
4.11. MODELOS DE LINEAS DE ESPERA CON POBLACIONES

DE SOLICITANTES FINITAS (M/M/1)
Los modelos hasta ahora presentados, la poblacin de unidades (clientes) es
ilimitada o infinita. En trminos tcnicos, cuando no se establece un lmite en el
nmero de unidades que pudieran solicitar servicio, se dice que el modelo tiene una
poblacin infinita, con una tasa media de llegadas constante, independiente del
nmero de unidades que estn en el sistema de colas.
En otros casos, el mximo nmero de unidades (clientes) que pueden solicitar

servicio se supone finito. En esta situacin la tasa media de llegadas del sistema va
cambiando dependiendo del nmero de unidades en la lnea de espera, entonces la
poblacin de solicitantes es finita.
104
Para considerar el efecto de la poblacin finitas, debe modificarse las formulas de

las caractersticas de operacin, correspondiente a los modelos de colas anteriores.
El modelo de poblacin de solicitantes finitos se basa en las siguientes hiptesis:
1. La lnea de espera tiene un solo canal
2. La poblacin de unidades que pudiera solicitar el servicio es finito
3. Las llegadas de cada unidad siguen una distribucin de Poisson,
con una tasa media de llegadas .
4. Los tiempos de servicio siguen una distribucin exponencial,
con una tasa media de servicio .
5. La disciplina de la cola es FIFO.
La tasa media de llegadas del modelo M/M/1, con poblacin de solicitantes finitos
se define en funcin de la frecuencia con que cada unidad llega busca el servicio.
La tasa media de llegadas del sistema varia dependiendo del nmero de unidades
presentes en el sistema.
En lugar de ajustar en funcin de la tasa variable de llegadas en el sistema, el
modelo de poblacin de solicitantes finita indica la tasa media de llegadas
correspondiente a cada unidad
Aplicaciones: una de las principales aplicaciones del modelo M/M/1 con una
poblacin de solicitantes finita se conoce como el problema de reparaciones de
maquinas. En este problema un grupo de maquinas se considera como una
poblacin finita de Clientes que pueden solicitar servicio de mantenimiento. Cada
vez que falla una maquina, ocurre una llegada, en sentido de que se inicio una
nueva solicitud de reparacin.
Si otra maquina falla antes de haber terminado el trabajo de reparacin de la
primera, la segunda maquina empieza a formar una lnea de espera
CARACTERISTICAS DE OPERACIN PARA EL MODELO M/M/1, CON

POBLACION DE SOLICITANTES FINITA.
Las siguientes formulas se utilizan para determinar las caractersticas de operacin

en estado estable para un modelo M/M/1 con poblaciones de solicitantes finitas,
donde:
= tasa media de llegadas de cada unidad
= tasa media de servicio
105
N = tamao de la poblacin
1. Probabilidad de que no existan unidades en el sistema
2. Numero promedio de unidades en la lnea de espera
L = Lq + (1 Po)
4. Tiempo promedio que ocupa

una unidad en la lnea de espera
5. Tiempo promedio que una unidad ocupa en el sistema
6. Probabilidad de n unidades en el sistema
Para n=0, 1, 2, , N
UN EJEMPLO:
Kolkmeyer Manufacturing tiene un grupo de 6 mquinas idnticas, cada una trabaja
en promedio de 20 horas entre averas, por lo que la tasa media de llegadas o de
servicio de reparacin de cada mquina individual es de = 1/20 = 0.05 mquinas
por hora. Con averas de ocurrencia aleatoria se utilizan la distribucin de
probabilidad de Poisson para describir el nmero de llegadas de averas de
mquinas. Una persona de mantenimiento da el servicio de reparacin de un solo
canal para las 6 mquinas. Los tiempos de servicio distribuidos de manera
exponencial tiene una media de 2 horas por mquina, es decir una tasa media de
servicio = = 0.5 mquinas por hora.
L = Lq + (1 Po) = 0.3295 + (1 0.4845) = 0.845 maquinas
106
Finalmente se puede utilizar la ecuacin 6 (Pn) para calcular las probabilidades de

que cualquier nmero de mquinas estn en el sistema en reparacin
Nmero de unidades en el sistema
Probabilidad
0.5602
0.3361
0.0840
0.0168
0.0025
0.0003
0.0000
EJERCICIOS PROPUESTOS 4
1. Una mquina de servicio tiene una unidad de reserva para sustituirla de
inmediato cuando falle. El Tiempo a la falla (tiempo entre fallas) de la
maquina (o de su unidad de reserva) es exponencial, y sucede cada 40
minutos en promedio.
a. El operador de la maquina dice que esta tiene la costumbre de
descomponerse cada noche a eso de las 8:30 P.M. Analizar lo que dice
el operador.
b. La cantidad promedio de fallas en una semana, suponiendo que el
servicio se ofrece 24 horas por da y 7 das por semana.
c. La probabilidad de que haya al menos una falla en un perodo de 2
horas.
d. La probabilidad de que la proxima falla no suceda en menos de 3 horas.
e. Si no ha sucedido falla en 3 horas despues de la ultima falla, cual es la
probabilidad de que el tiempo entre fallas sea de 4 horas cuando
mucho?.
2. El tiempo entre llegadas en una dependencia del Banco Mercan es exponencial
con valor medio de 0.05 hora. La ocina abre a las 8:00 A.M.
a. Escriba la distribucin exponencial que describa el tiempo entre
llegadas.
b. Determine la probabilidad de que no lleguen clientes a la ocina hasta
las 8:15A.M.
107
c. Son las 8:35 A.M. El ultimo cliente entro a las 8:26. Cual es la
probabilidad de que el siguiente cliente llegue antes de las 8:38 A.M.?
Y de que no llegue hasta las 8:40?.
d. Cual es la cantidad promedio de clientes que llegan entre las 8:10 y las
8:45A.M.?
3. Se demandan unidades de un artculo en una tienda cuyas existencias estn
limitadas a 80 unidades, de acuerdo con una distribucin de Poisson con media
5 u. por da. Determinar:
a) La probabilidad de que se retiren 10 artculos durante los primeros 2 das.
b) La probabilidad de que no quede ningn artculo al final de 4 das.
c) El nmero promedio de artculos retirados en 4 das.
4. En una clnica se reciben una media de 40 accidentados por da. El tiempo
medio de servicio es una hora. Hallar la probabilidad de que haya ms de 2
enfermos en cola, en funcin de que la clnica tenga 2 o 3 mdico. Qu
ocurrira si slo tuviera uno?
5. Suponga que el tiempo entre descomposturas de una maquina es exponencial,
con promedio de 6 horas. Si la maquina ha trabajado sin fallar durante las
ltimas tres horas, cual es la probabilidad de que contine sin fallar durante la
prxima hora? De que se descomponga durante la siguiente 0.5 hora?.
6. El tiempo entre llegadas a una sala de juego en la sociedad de alumnos es
exponencial, con una media de 10 minutos.
a. Cul es la frecuencia de llegadas por hora?
b. Cul es la probabilidad de que no lleguen alumnos a esa sala durante
los 15 minutos siguientes?.
c. Cul es la probabilidad de que al menos un alumno visite la sala de
juegos durante los prximos 20 minutos?
7. El tiempo entre llegadas a un restaurante es exponencial con media 5 mn. El
restaurante abre al pblico a las 11:00. Determinar:
a) La probabilidad de tener 10 clientes en el restaurante a las 11:12 dado que
hubo 8 a las 11:05.
b) La probabilidad de que llegue el siguiente cliente entre las 11:28 y las 11:33
dado que el ltimo cliente lleg a las 11:25.
8. El gerente de un nuevo restaurante de comida rpida desea cuanticar el
proceso de llegadas de clientes, estimando la fraccin del intervalo de tiempo
entre llegadas que sea a) menor que 2 minutos, b) entre 2 y 3 minutos y c)mas
de 3 minutos. Las llegadas en restaurantes parecidos tienen una frecuencia de
35 clientes por hora. El tiempo entre llegadas tiene distribucin exponencial.
9. Ana y Pedro, dos empleados de un restaurante de comida rpida, juegan lo
siguiente mientras esperan la llegada de clientes. Pedro le paga $2 a Ana si el
prximo cliente no llega en menos de 1 minuto; en caso contrario, Ana le paga
a Pedro $2.
108
Calcule la recompensa promedio de Pedro en un perodo de 8 horas. El tiempo

entre llegadas es exponencial, con una media de 1.5 minutos.
10. En un ambulatorio se reciben una media de tres pacientes por hora, siguiendo
una distribucin de Poisson. El nico mdico que est en el ambulatorio
atiende una media de 6 pacientes por hora. Los tiempos de atencin siguen
una distribucin exponencial. La pregunta que se plantea el gestor es si vale la
pena contratar a un nuevo mdico o no (considerando que ste realizar el
mismo nmero de pacientes).
11. La llegada de enfermeras a una farmacia del hospital Todosalud puede
describirse a travs de una distribucin de Poisson. Los tiempos de servicio
utilizan una distribucin exponencial. La tasa de llegada es de 45 enfermeras
por hora, mientras que cada farmacutico puede atender a 50 enfermeras por
hora. El coste de cada enfermera es de 15 euros por hora, mientras que cada
farmacutico gana 10 euros por hora. Encontrar el nmero ptimo de
farmacuticos a contratar.
RPTA
12. Un centro de atencin primaria tiene que administrar la vacuna de poliomelitis a

los nios de un barrio. El centro est organizado de forma que los padres van
llegando con los nios, formando una cola y siendo atendidos 40 por hora, con
una distribucin exponencial, por cualquiera de las enfermeras que estn de
servicio. Este servicio de vacunacin se ofrece una vez a la semana, y en este
da las llegadas se realizan con una tasa igual a 40 nios por hora. El director
del centro sabe que la mayora de los padres vienen durante sus horas de
trabajo y por ello quiere limitar el tiempo total de administracin de la vacuna a
15 minutos (incluyendo la espera). Cuntas enfermeras tendr que utilizar el
gerente? RPTA = 6
109
13. Willow bank opera una ventanilla de cajero para automovilistas que permite a
los clientes efectuar transacciones sin tener que salir del auto. En las maanas
las llegadas a la ventanilla ocurren de manera aleatoria, con una tasa media de
llegada de 24 clientes por hora, es decir 0.4 clientes por minuto.
a. Cul es el numero medio de clientes que llegaran en un periodo de 5
minutos
b. Usando la distribucin de Poisson, calcule las probabilidades de que
lleguen exactamente 0, 1, 2, 3 clientes en un periodo de 5 minutos
14. En el sistema de lnea de espera de Willow Bank (Ejercicio 1) suponga que los
tiempos de servicio para el cajero sigue una distribucin exponencial con una
tasa media de servicio de 36 clientes por hora, es decir 0.6 clientes por minuto.
Determine las siguientes caractersticas de operacin del sistema de colas.
a. La probabilidad de que no haya ningn cliente en el sistema
b. El nmero promedio de clientes esperando en la cola
c. El nmero promedio de clientes en el sistema
d. El tiempo promedio que ocupa un cliente esperando cola
e. El tiempo promedio que ocupa un cliente en el sistema
f. La probabilidad de que clientes llegan tenga que esperar el servicio.
g. Encuentra las probabilidades que estn 0, 1, 2 y 3 clientes en el sistema
15. La mesa de consultas de una biblioteca universitaria recibe solicitudes de

ayuda. Segn una distribucin de Poisson, con una tasa media de 10
solicitudes por hora para describir el patrn de llegadas y que los tiempos de
servicio siguen una distribucin exponencial con una tasa media de servicio de
12 solicitudes por hora.
a. Cul es la probabilidad de que no haya ninguna solicitud en el sist
b. Cul es el nmero promedio de solicitudes que estn esperando
servicio?
c. Cul es el tiempo de espera promedio en minutos, antes de que se
inicie el servicio?
d. Cul es el tiempo promedio en la mesa de consultas en minutos (tiempo
de espera + tiempo de servicio)
e. Cul es la probabilidad de que una nueva llegada (solicitud) tenga que
esperar servicio?
16. Los camiones que utilizan un andn de carga de un solo canal llegan segn
una distribucin de Poisson. El tiempo requerido para cargar y descargar sigue
una distribucin exponencial. La tasa media de llegadas es de 12 camiones
diarios y la tasa media de servicio es de 18 camiones diarios.
a. Cul es la probabilidad de que no haya camiones en el sistema?
b. Cul es el nmero promedio de camiones esperando servicio?
c. Cul es el tiempo promedio que espera un camin a que se inicie el
servicio de carga y descarga?
d. Cul es la probabilidad de que una nueva llegada tenga que esperar?
110
17. En Rosatel, los nuevos pedidos que procesa un solo oficinista de embarque
tiene una tasa media de llegadas y de servicio de 6 y 8 diarios,
respectivamente. Suponga que las llegadas siguen una distribucin de Poisson
y que los tiempos de servicio siguen una distribucin exponencial.
a. Cul es el nmero promedio de pedidos en el sistema
b. Cul es el tiempo promedio que tarda una orden esperando, antes que
el oficinista est disponible para iniciar el servicio?
c. Cul es el tiempo promedio que un pedido ocupa en el sistema?
18. Trosper Tire Company ha decidido contratar a un nuevo mecnico para mejorar
todos los cambios de llantas que ordenan los juegos nuevos de llantas. Dos
mecnicos han solicitado trabajo. Uno de ellos tiene poca experiencia, puede
contratarse por $14/hora y darle servicio a un promedio de 3 clientes en ese
lapso. El otro tiene varios aos de experiencia y puede darle servicio a un
promedio de 4 clientes/hora, pero se le tendr que pagar $20/hora. Suponga
que los clientes llegan al taller a una tasa de 2 clientes por hora.
a. Calcule las caractersticas de la lnea de espera de cada mecnico,
suponiendo llegadas de poisson y tiempo de servicio exponenciales.
b. Si la empresa asigna un costo de espera por cliente de $30 por hora. En
cul de los dos mecnicos hay un costo menor de operacin?.
19. Agan Interior proporciona a sus clientes asistencia de decoracin domestica y
de oficinas. En operacin normal llegan un promedio de 2.5 clientes todas las
horas. Un asesor de diseo esta disponible para responder las preguntas de
los clientes. El asesor promedia 10 minutos para cada cliente.
a. Calcule las caractersticas de operacin de lnea de espera de los
clientes
b. Las metas de servicio indica que un cliente que llega no debe esperar la
atencin ms de 5 minutos en promedio. Se esta cumpliendo esta
meta?. De lo contrario que accin recomendara usted?
c. Si el asesor puede reducir el tiempo promedio que utiliza por cliente
hasta 8 minutos. Cual es la tasa media de servicio. Se cumplir la meta
de servicio?
20. Mi Mercado es un pequeo supermercado local, con solo una caja de salida.
Suponga que los compradores llegan al carril de salida de acuerdo a una
distribucin de Poisson con una tasa media de llegadas de 15 clientes por
hora. Los tiempos de servicio de la caja siguen una distribucin exponencial
con una tasa media de servicio de 20 clientes por hora.
a. Calcule las caractersticas de operacin de esta lnea de espera
b. Si la meta de servicio es limitar el tiempo de espera en cola a no ms de
5 minutos. Que recomendacin hara usted en relacin con el sistema
actual de la caja (considere estas dos alternativas(
i. Contratar a una segunda persona para empacar las compras en
tanto que el cajero est cobrando al cliente. Con esta operacin
mejorada en un solo canal la tasa media de servicio puede
incrementarse a 30 clientes por hora
111
ii. Contratar a una segunda persona para operar una segunda caja
de salida. La operacin con 2 canales tendra una tasa media de
servicio de 20 clientes por hora para cada uno de los canales
21. Keuka Park actualmente tiene una ventanilla de cajero automotriz. Las llegadas
siguen una distribucin de poisson con una tasa media de 10 automviles por
hora. Los tiempos de servicio siguen una distribucin exponencial con una tasa
media de servicio de 12 automviles por hora.
a. Cul es la probabilidad de que no haya ningn cliente en el sistema?
b. Si usted llega en un automvil a la instalacin. Cuantos automviles
esperara usted ver esperando el servicio
c. Cul es la probabilidad de que por lo menos un automvil este
esperando atencin?
d. Cul es el tiempo promedio en la lnea de espera aguardando servicio
e. Para mejorar el servicio el administrador desea investigar el efecto de
poner una segunda ventanilla. Suponga para cada ventanilla una tasa
media de llegada de 10 automviles por hora y una tasa media de
servicio de 12 automviles por hora. Qu efecto tendra aumentar la
segunda ventanilla al sistema?
22. City Beverage Drive Thru esta pensando en un sistema de servicio de 2
canales. Los automviles llegan de acuerdo a una distribucin de poisson, con
y una tasa media de llegada de 6 automviles por hora. Los tiempos de servicio
tienen una distribucin exponencial con una tasa media de servicio de 10
automviles por hora para cada uno de los canales.
a. Cul es la probabilidad de que no haya automvil en el sistema
b. Cul es el nmero promedio de automviles esperando servicio
c. Cul es el tiempo promedio esperando servicio
d. Cul es el tiempo promedio en el sistema
e. Cul es la probabilidad de que una llega tenga que esperar para que le
den servicio?
23. Considere una lnea de espera de 2 canales con llegadas Poisson y tiempo de
servicio exponencial. La tasa media de llegada de 2 canales es de 14 unidades
por hora y la tasa media de servicio es de 10 unidades por hora en cada uno
de los canales
a. Cul es la probabilidad de que no haya ninguna unidad en el sistema
b. Cul es el nmero promedio de unidades en el sistema
c. Cul es el tiempo promedio que una unidad esperar para que le den
servicio
d. Cul es el tiempo promedio que una unidad estar en el sistema?
e. Cul es la probabilidad de que se tenga que esperar para que se le de
servicio?
Suponga que se ha ampliado el sistema a una operacin con 3 canales
f. Calcule las caractersticas de operacin de este sistema de lnea de
espera
112
g. Si la meta de servicio es tener capacidad suficiente para que no mas de

25% de los clientes tengan que esperar atencin. Se preferir el
sistema de 2 o 3 canales?
24. 15-.El servicio de lavado de automviles tiene un slo carril y el siguiente
automvil no puede entrar al lavado hasta que el anterior este terminado por
completo. En promedio pueden atenderse 10 automviles por hora segn una
distribucin exponencial, mientras que las llegadas se producen segn una ley
de Poisson de media 8 por hora. Defnase un modelo adecuado y determnese:
a. P(servicio de automviles est ocioso)
b. Nmero medio de automviles esperando para ser lavados.
c. Tiempo medio de espera para un cliente.
d. Considerar ahora que el servicio de lavado tiene capacidad para 6
coches, incluyendo el que se est lavando.
25. una sucursal de Caja de Madrid cuenta con cuatro cajeros. Ha averiguado que
las distribuciones del tiempo de servicio son exponenciales con un promedio de
tiempo de servicio de 6 minutos por cliente. Se sabe que los clientes llegan
durante las 8 horas que est abierta la oficina, segn una distribucin de
Poisson con un promedio de 30 clientes por hora.
Cuntas horas por semana dedica el empleado al desempeo de su trabajo?
Cul es la probabilidad de que un empleado tenga que esperar a un cliente?
Calcular el nmero de empleados desocupados en cualquier momento dado.
26. Una franquicia de comidas rpidas est considerando operar una operacin en
ventanilla para automviles de servicio de alimentos. Suponga que las llegas
de los clientes siguen una distribucin de poisson, con una tasa media de
llegadas de 24 automviles por hora y que los tiempos de servicio siguen una
distribucin exponencial. Se estn considerando las siguientes 3 alternativas:
Una operacin de una sola ventanilla, donde un empleado surte el
pedido y recibe el dinero del cliente. El tiempo promedio de servicio de
esta alternativa es de 2 minutos.
Una operacin de una sola ventanilla, donde un empleado surte el
pedido, mientras que otro empleado cobra al cliente. El tiempo
promedio de servicio de esta alternativa es de 1.5 minutos
Una operacin de 2 ventanillas de servicio con 2 empleados El tiempo
promedio de servicio de cada ventanilla es de 2 minutos para cada
canal.
Responda las siguientes preguntas para cada tipo de operacin y recomiende
un diseo para la franquicia de comida rpida
a) Cul es la probabilidad de que no haya ningn cliente en el sistema
b) Cul es el nmero promedio de automviles esperando servicio
c) Cul es el tiempo promedio que espera un automvil en la cola
d) Cul es el tiempo promedio en el sistema
113
e) Cul es el nmero promedio de automviles en el sistema

f) Cul es la probabilidad de que un automvil tenga que esperar servicio?
27. El banco de la nacin piensa abrir una ventanilla de servicio en automvil. La
gerencia estima que los clientes llegan a una tasa de 15 clientes por hora. El
cajero que est en la ventanilla puede atender clientes a una tasa de uno cada
3 minutos. Suponiendo que las llegadas son de poisson y que el servicio es
exponencial. Encuentre:
a. La utilizacin del cajero
b. El nmero promedio en cola
c. El Numero promedio en el sistema
d. El tiempo promedio de espera en cola
e. El tiempo promedio de espera en el sistema
Por la disponibilidad limitada del espacio y el deseo de proporcionar un buen
servicio, el gerente del banco quiere asegurar con un 95% de certeza que los
clientes no tengan que esperar y sean atendidos inmediatamente. Para ello
tiene 2 opciones: conseguir que el empleado de la ventanilla trabaje ms rpido
o poner ms empleados conservando la misma tasa de servicios. Evaluar las 2
posibilidades
28. Una agencia de una sociedad financiera tiene tres promotoras para atender a
los clientes que vienen a abrir una nueva participacin o a renovar una. Las
promotoras son igualmente eficientes y el tiempo de servicio tiene una
distribucin exponencial con media de 3,5 minutos. En promedio cada hora
llegan 12 clientes que vienen a abrir una nueva participacin y 25 clientes que
vienen a renovar una. Ambas llegadas se realizan de acuerdo a una
distribucin de Poisson.
29. El gerente desea antes que todo satisfacer a los clientes que abren una nueva
participacin por lo que estima que una hora de su tiempo vale $18 mientras
que slo evala en $7 la hora de un cliente que renov. Por otro lado el tiempo
ocioso de una promotora representa una prdida para la agencia y se cotiza
$12 la hora. El gerente considera 3 alternativas:
a. asignar una promotora exclusivamente a abrir participaciones y dos
promotoras para renovar participaciones
b. asignar dos promotoras para abrir participaciones y una promotora para
renovar participaciones
c. Utilizar las tres promotoras indiferentemente para abrir y renovar
participaciones.
Cul decisin debe tomar el gerente? [ un da igual a 8 horas ]
30. Una compaa arrendadora de automviles, opera su propia instalacin de
lavado y limpieza de automviles para prepararlos para su renta.
Los automviles llegan a la instalacin de limpieza en forma aleatoria a una
tasa de 7 por da. La compaa arrendadora ha determinado que los
automviles pueden limpiarse a un ritmo de 2n por da, donde n es el nmero
de personas que trabajan en un automvil. Por ejemplo, si se encuentran 6
personas trabajando la tasa de lavado es de 12 automviles por da. Se ha
114
determinado que este procedimiento de lavado se ajusta a la distribucin

exponencial negativa. La compaa les paga a sus trabajadores $800 por da y
ha determinado que el costo por un automvil que no est disponible para
rentarlo es de $2500 por da, adems el costo por trabajador ocioso es de $50
la hora. Un da de trabajo es equivalente a 8 horas.
Calcule en nmero de trabajadores que deben contratarse en la instalacin de
lavado, para que produzca el menor costo por da y hallar ese costo.
31. La central telefnica de un hotel est operada manualmente por una empleada
que da servicio tanto a las llamadas que llegan desde afuera como a las que
provienen del hotel. Ambas llamadas se distribuyen de acuerdo a una
distribucin de Poisson con tasa media de 20 y 16 llamadas por hora
respectivamente. La empleada en promedio puede manejar 60 llamadas por
hora y la distribucin del tiempo necesario para atender a las llamadas es
exponencial.
Determinar:
a. El tiempo promedio durante el cual la empleada est desocupada.
b. El nmero promedio de llamadas esperando servicio.
c. El tiempo promedio total de espera en cola de las llamadas desde el
hotel.
La gerencia est considerando instalar un equipo que manejara
automticamente las llamadas locales provenientes del hotel lo que reducira a
8 llamadas por hora la tasa promedio de llamadas provenientes del hotel que
llegan a la central. El costo de alquiler de este equipo es de $240 mensuales (1
mes = 200 horas hbiles). El costo promedio por hora y por persona que
espera obtener su llamada desde el hotel es de $9. Debe la gerencia instalar
el equipo?
En vez de instalar el equipo de discado directo se considera la alternativa de
emplear una segunda centralista. Ambos empleadas son igualmente eficientes.
d. Determinar el tiempo promedio durante el cual ambas empleadas estn
desocupadas, una sola est trabajando y ambas estn trabajando.
Determinar la longitud promedio de la cola as como el tiempo promedio total
de espera en cola de las llamadas desde el hotel.
Si el costo de cada empleada es de $60 por da y el costo promedio por hora y
por persona que espera obtener su llamada desde el hotel es de $9. Ser
conveniente contratar la segunda empleada?
32. Una refinera distribuye sus productos mediante camiones que se cargan en el
terminal de carga. Se usan camiones de la compaa y camiones de
distribuidores independientes. La tasa media de llegada (para todos los
camiones) es de 6 por hora a una distribucin de Poisson. En el terminal de
carga pueden llenar 8 camiones por hora y la distribucin del tiempo necesario
para el llenado es exponencial.
El 30% de todos los camiones son independientes, se trabaja 8 horas al da.
115
a. Determinar el tiempo total estimado que los camiones independientes

esperan por da
b. Determinar si se debe activar otro terminal al lado con la misma
eficiencia, sabiendo que el costo mensual por terminal es de $4,500 y el
costo por no disponer de un camin de la empresa es de $800 la hora y
de los independientes es de $900 la hora.
c. El tiempo promedio durante el cual ambos terminales estn
desocupados, uno solo esta activo y ambos estn trabajando.
33. En la agencia de Terrazas del vila del Banco Futuro S.A.I.C.A. se realizan 3
operaciones distintas: apertura de cuentas, pago de cheques y cobro de
tarjetas de crdito. Los operarios que prestan el servicio son igualmente
eficientes y el tiempo de servicio tiene una distribucin exponencial con media
de 3 minutos. Cada hora llegan al banco 15 personas a cobrar cheques y 8
personas a pagar tarjetas de crdito. Cada 100 minutos llega al banco ocho
personas para abrir una cuenta. De las siguientes 4 opciones, cul optimiza el
manejo de los servicios?
a. 3 colas. una distinta para cada servicio. Un slo cajero (operador) en
cada cola.
b. 2 colas. Una cola para apertura de cuentas con un operador y otra para
pago de cheques y cobro de tarjetas con dos operadores.
c. 2 colas. una cola para apertura de cuentas con un operador y otra para
pago de cheques y cobro de tarjetas con 3 operadores.
d. Una sola cola y seis operadores. Cada operador ejecuta indistintamente
cualquier operacin.
34. El tiempo del cliente se valora en S/.100 la hora (para el banco) y el tiempo de
un operador cuesta S/. 300 la hora. Por otro lado el tiempo ocioso de un
operario representa una prdida para el banco y se cotiza en S/. 40 el da
laborable. [un da laborable es igual a ocho horas]
Haga un breve anlisis de eficiencia (basada en el criterio de minimizar el
tiempo "perdido" del cliente) vs. Costos (para el banco).
35. Un banco presta 3 servicios: A, B y C. La sucursal X del banco posee 3 cajas
diferentes cada una con un slo cajero y a cada una de las cajas le
corresponde una cola. En cada caja se presta un servicio diferente. La tasa de
servicio es la misma para cada caja. Llegan por hora 10, 15 y 20 clientes
solicitando los servicios A, B y C respectivamente. La sucursal W coloca a
todos los clientes en una cola nica y posee varias cajas (1 operador por caja)
en cada una de las cuales se realizan indistintamente las operaciones A, B y
C. La eficiencia de un operador es de 20 transacciones por hora.
a. Calcule el nmero mnimo de cajas que debe tener la sucursal W para
que el sistema funcione.
b. A cunto debera ser la eficiencia de los operadores en la sucursal X
para que los costos totales en las dos sucursales sea lo mismo?.
Sabiendo que el costo por el tiempo que una persona permanece en el banco
es de $5/h para los clientes que van a solicitar los servicios A B y de $8/h
116
para los clientes que van a solicitar el servicio C. Por otro lado el tiempo ocioso
de un cajero representa una prdida para el banco de $7/h.
36. Una agencia de una sociedad financiera tiene dos promotoras para atender a
distribucin exponencial con media de 3 minutos. En promedio cada hora
El gerente desea antes que todo satisfacer a los clientes que abren una nueva
participacin por lo que estima que una hora de su tiempo vale $20 mientras
que slo evala en $9 la hora de un cliente que renueve. Por otro lado el
tiempo ocioso de una promotora representa una prdida para la agencia y se
cotiza $15 la hora. El gerente considera 2 alternativas:
1. asignar una promotora exclusivamente para abrir participaciones y otra
promotora para renovar participaciones
2. utilizar las dos promotoras para que trabajen juntas, en este caso su
eficiencia conjunta es de dos minutos atendiendo indiferentemente
para abrir y renovar participaciones.
37. Una compaa alimenticia distribuye sus productos por carretera. Los camiones
se cargan por medio de un equipo automatizado con un tiempo de servicio
exponencial negativo de 5 minutos. El equipo automatizado requiere la
presencia de un operador. La compaa, actualmente, slo utiliza uno de sus
cinco muelles de carga y existen quejas por los retrasos.
El salario por hora de un operador es de $2,10, y el costo de espera es de
$0.02 dlares por minuto para cada camin de la compaa y de $0.06 por
minuto para cada camin de los transportistas independientes. Durante el
pasado mes los camiones estuvieron llegando aleatoriamente, con una tasa
media de 10 por hora. El 40% de los camiones son de la compaa. Que
recomendaciones se deberan hacer?
El mismo problema pero con un costo ocioso por operario que es de 10
centavos por minuto
38. Llegan camiones a un muelle de carga, en forma aleatoria, con una tasa media
de 8 por hora, con un tiempo de servicio exponencial negativo de 2n minutos
por camin, donde n representa el numero de operarios que trabajan en
conjunto en el muelle. El costo por operario es de 1$ la hora, el costo ocioso
por operario es de 2 centavos de dlar por minuto y el costo de espera es de 6
centavos de dlar por minuto para cada camin. Es aconsejable disponer de
un segundo muelle de carga que contenga la misma cantidad de operarios que
en el muelle principal?
117
39. El gerente de un supermercado debe decidir a quin contratar de dos cajeras:

Mara, que trabaja despacio y puede ser empleada por C1 = 3 $/hora; o Alicia
que trabaja ms rpido y cuesta C2 > C1. Ambas dan servicio exponencial a
una tasa de 20 clientes/hora para Mara y 30 clientes/hora para Alicia.
La llegada de clientes a la caja es Poisson con media 10 clientes/hora. El
gerente estima que en promedio, el tiempo de cada cliente vale $0,02/minuto y
debe ser tomado en cuenta en el modelo.
a. Encuentre el costo esperado/hora que se incurre al contratar a Mara.
b. Cunto estara usted dispuesto a pagarle a Alicia?
40. El Banco Mi Ahorro est estudiando dos configuraciones para sus
ventanillas de autobanco. El Plan 1 tendra tres ventanillas separadas cada uno
con su lnea. El Plan 2 tendra un carril que lleva a la entrada de la terna de
ventanillas; el cliente ira en este caso a la primera que se desocupara. Se
espera una llegada promedio de 70 clientes por hora con distribucin Poisson.
El tiempo de servicio varia exponencialmente con un promedio de dos minutos
por cliente. El Banco estima que el costo por cliente ser de 8$ por estar en el
banco 15 minutos. El costo ocioso se estima en 18$/hora.
Qu plan debe adoptar el banco, para minimizar el costo esperado?
41. Una agencia de una sociedad financiera tiene cuatro promotoras para atender
a los clientes que vienen a abrir una nueva participacin del tipo A del tipo B,
o renovar una del tipo A del tipo B. Las promotoras son igualmente eficientes
y el tiempo de servicio tiene una distribucin exponencial con media de 2,8
minutos. En promedio cada hora llegan 12 clientes que vienen a abrir una
nueva participacin del tipo A, 18 clientes que vienen a abrir una nueva
participacin del tipo B, 18 clientes que vienen a renovar una participacin del
tipo A, y 23 clientes que vienen a renovar una participacin del tipo B. Las
cuatro llegadas se realizan de acuerdo a una distribucin de Poisson.
participacin por lo que estima que una hora de su tiempo vale 20 $ para los
del tipo A y 18 $ para los del tipo B, mientras que slo evala en 10 $ la hora
de un cliente que renov, sea A B. Por otro lado el tiempo ocioso de una
promotora representa una prdida para la agencia y se cotiza 15 $ la hora.
El gerente considera 2 alternativas:
a. asignar dos promotoras para abrir renovar participaciones del tipo A y
las otras dos promotoras para abrir renovar participaciones del tipo B.
b. asignar dos promotoras para abrir participaciones del tipo A B y las
otras dos promotoras para renovar participaciones del tipo A B.
42. El supermercado ORNELA actualmente tiene tres cajas de cobro. La

compaa desea mejorar su servicio ya sea contratando dos nuevos cajeros
mediante la instalacin de un equipo de cdigo de barras en las cajas ya
existentes. Datos histricos indican que los clientes llegan de acuerdo con un
proceso de Poisson a la rapidez de 60 por hora y que la cantidad de tiempo
que un cajero necesita para atender a un cliente sigue una distribucin
118
exponencial con una rapidez promedio de 25 clientes por hora. Los asesores
estiman que modernizar los cajeros con un equipo de cdigo de barra
aumentara la eficiencia en 30%. El departamento de contabilidad sugiere que
el costo de un cliente en espera debera ser evaluado en $30 por hora, que el
costo por hora de un cajero es de $10 y el costo ocioso es de $5 por hora
Determinar si la compaa debe contratar a dos cajeros ms o si debe instalar
un equipo de lectura de cdigo de barras en las cajas existentes.
Considere ahora una cola en cada cajero. Cul es una tasa de servicio
apropiada de los cajeros para igualar el tiempo esperado en el sistema del
modelo ptimo anterior?
43. Una compaa arrendadora de automviles, opera su propia instalacin de
lavado y limpieza de automviles para prepararlos para su renta. Tambin le
hace servicio a otras empresas de renta de automviles
Los automviles llegan a la instalacin de limpieza en forma aleatoria a una
tasa de 20 por da. La compaa arrendadora ha determinado que los
automviles pueden limpiarse a un ritmo de 2n por da, donde n es el nmero
de personas que trabajan en un automvil. Por ejemplo, si se encuentran 6
personas trabajando la tasa de lavado es de 12 automviles por da. Se ha
determinado que este procedimiento de lavado se ajusta a la distribucin
exponencial negativa. La compaa les paga a sus trabajadores 18$ por da y
ha determinado que el costo por un automvil que no est disponible para
rentarlo es de 120$ por da si pertenecen a la empresa y 90$ por da si
pertenecen a las otras empresas, adems el costo por trabajador ocioso es de
5$ la hora. Un da de trabajo es equivalente a 8 horas. El 45% de los
automviles que entran al autolavado son de las otras compaas
Calcule en nmero de trabajadores que deben contratarse en la instalacin de
lavado, para que produzca el menor costo por da y hallar ese costo.
44. Una agencia de una sociedad financiera tiene tres promotoras para atender a
distribucin exponencial con media de 3,5 minutos. En promedio cada hora
participacin por lo que estima que una hora de su tiempo vale 18 $ mientras
que slo evala en 7 $ la hora de un cliente que renov. Por otro lado el tiempo
ocioso de una promotora representa una prdida para la agencia y se cotiza 12
$ la hora. El gerente considera 3 alternativas:
a. asignar una promotora exclusivamente a abrir participaciones y dos
promotoras para renovar participaciones
b. asignar dos promotoras para abrir participaciones y una promotora para
renovar participaciones
c. utilizar las tres promotoras indiferentemente para abrir y renovar
participaciones.
119
Cul decisin debe tomar el gerente?
[ un da igual a 8 horas ]
45. La central telefnica de un hotel est operada manualmente por una empleada
que da servicio tanto a las llamadas que llegan desde afuera como a las que
provienen del hotel. Ambas llamadas se distribuyen de acuerdo a una
distribucin de Poisson con tasa media de 20 y 16 llamadas por hora
respectivamente. La empleada en promedio puede manejar 60 llamadas por
hora y la distribucin del tiempo necesario para atender a las llamadas es
exponencial. Determinar:
a) El tiempo promedio durante el cual la empleada est desocupada.
b) El nmero promedio de llamadas esperando servicio.
c) El tiempo promedio total de espera en cola de las llamadas desde el hotel.
La gerencia esta considerando instalar un equipo que manejara
automticamente las llamadas locales provenientes del hotel lo que reducira a
8 llamadas por hora la tasa promedio de llamadas provenientes del hotel que
llegan a la central. El costo de alquiler de este equipo es de 240 $ mensuales (
1 mes= 200 horas hbiles). El costo promedio por hora y por persona que
espera obtener su llamada desde el hotel es de 9 $. Debe la gerencia instalar
el equipo?
En vez de instalar el equipo de discado directo se considera la alternativa de
emplear una segunda centralista. Ambos empleadas son igualmente eficientes.
d) Determinar el tiempo promedio durante el cual ambas empleadas estn
desocupadas, una sola esta trabajando y ambas estn trabajando.
Determinar la longitud promedio de la cola as como el tiempo promedio total
de espera en cola de las llamadas desde el hotel.
Si el costo de cada empleada es de 60 $ por da y el costo promedio por hora y
por persona que espera obtener su llamada desde el hotel es de 9 $. Ser
conveniente contratar la segunda empleada?
46. En un centro de Computacin hay n computadoras para correr programas en
cobol y en foltran, los programas llegan de acuerdo a una distribucin de
Poisson con una tasa media de 22 y 16 programas cada 30 minutos
respectivamente. Cada computadora en promedio puede correr 30 programas
por hora a una distribucin exponencial.
Si el tiempo de trabajo es de 10 horas al da, y el costo por computadora es de
250 Bs./h y adems el costo en que se incurre por programa foltran que no se
haya corrido es de 5 Bs./min y el de cobol es de 7 Bs./min.
Hallar:
a. El nmero de computadoras necesarias para que funcione con el
sistema de un solo canal.
b. Determinar el tiempo promedio durante el cual las computadoras estn
desocupadas, una solo esta trabajando, una sola esta desocupada y
todas trabajando.
Estimar el costo diario para el sistema.
120
47. Una refinera distribuye sus productos mediante camiones que se cargan en el
terminal de carga. Se usan camiones de la compaa y camiones de
distribuidores independientes. La tasa media de llegada (para todos los
camiones) es de 6 por hora a una distribucin de Poisson. En el terminal de
carga pueden llenar 8 camiones por hora y la distribucin del tiempo necesario
para el llenado es exponencial.
El 30% de todos los camiones son independientes, se trabaja 8 horas al da.
a. Determinar el tiempo total estimado que los camiones independientes
esperan por da
b. Determinar si se debe activar otro terminal al lado con la misma
eficiencia, sabiendo que el costo mensual por terminal es de 4.500 Bs. y
el costo por no disponer de un camin de la empresa es de 800 Bs. la
hora y de los independientes es de 900 Bs. la hora.
c. El tiempo promedio durante el cual ambos terminales estn
desocupados, uno solo esta activo y ambos estn trabajando.
48. En la agencia de Terrazas del vila del Banco Futuro S.A.I.C.A. se realizan 3
operaciones distintas: apertura de cuentas, pago de cheques y cobro de
tarjetas de crdito. Los operarios que prestan el servicio son igualmente
eficientes y el tiempo de servicio tiene una distribucin exponencial con media
de 3 minutos. Cada hora llegan al banco 15 personas a cobrar cheques y 8
personas a pagar tarjetas de crdito. Cada 100 minutos llega al banco ocho
personas para abrir una cuenta. De las siguientes 4 opciones, cul optimiza el
manejo de los servicios?
a. 3 colas. una distinta para cada servicio. Un slo cajero (operador) en
cada cola.
b. 2 colas. Una cola para apertura de cuentas con un operador y otra para
pago de cheques y cobro de tarjetas con dos operadores.
c. 2 colas. una cola para apertura de cuentas con un operador y otra para
pago de cheques y cobro de tarjetas con 3 operadores.
d. Una sola cola y seis operadores. Cada operador ejecuta indistintamente
cualquier operacin.
49. El tiempo del cliente se valora en 100 bolvares la hora (para el banco) y el
tiempo de un operador cuesta 300 bolvares la hora. Por otro lado el tiempo
ocioso de un operario representa una prdida para el banco y se cotiza en 40
bolvares el da laborable. [un da laborable es igual a ocho horas]
Haga un breve anlisis de eficiencia (basada en el criterio de minimizar el
tiempo "perdido" del cliente) vs. costos (para el banco).
50. Una agencia de una sociedad financiera tiene dos promotoras para atender a
distribucin exponencial con media de 3 minutos. En promedio cada hora
121
participacin por lo que estima que una hora de su tiempo vale 20 $ mientras
que slo evala en 9 $ la hora de un cliente que renueve. Por otro lado el
tiempo ocioso de una promotora representa una prdida para la agencia y se
cotiza 15 $ la hora.
a. Asignar una promotora exclusivamente para abrir participaciones y otra
promotora para renovar participaciones
b. Utilizar las dos promotoras para que trabajen juntas, en este caso su
eficiencia conjunta es de dos minutos atendiendo indiferentemente
para abrir y renovar participaciones.
51. El Banco Mi Ahorro est estudiando dos configuraciones para sus
ventanillas de autobanco. El Plan 1 tendra tres ventanillas separadas cada uno
con su lnea. El Plan 2 tendra un carril que lleva a la entrada de la terna de
ventanillas; el cliente ira en este caso a la primera que se desocupara. Se
espera una llegada promedio de 70 clientes por hora con distribucin Poisson.
El tiempo de servicio varia exponencialmente con un promedio de dos minutos
por cliente. El Banco estima que el costo por cliente ser de 8$ por estar en el
banco 15 minutos. El costo ocioso se estima en 18$/hora.
Qu plan debe adoptar el banco, para minimizar el costo esperado?
52. Una agencia de una sociedad financiera tiene cuatro promotoras para atender
a los clientes que vienen a abrir una nueva participacin del tipo A del tipo B,
o renovar una del tipo A del tipo B. Las promotoras son igualmente eficientes
y el tiempo de servicio tiene una distribucin exponencial con media de 2,8
minutos. En promedio cada hora llegan 12 clientes que vienen a abrir una
nueva participacin del tipo A, 18 clientes que vienen a abrir una nueva
participacin del tipo B, 18 clientes que vienen a renovar una participacin del
tipo A, y 23 clientes que vienen a renovar una participacin del tipo B. Las
cuatro llegadas se realizan de acuerdo a una distribucin de Poisson.
participacin por lo que estima que una hora de su tiempo vale 20 $ para los
del tipo A y 18 $ para los del tipo B, mientras que slo evala en 10 $ la hora
de un cliente que renov, sea A B. Por otro lado el tiempo ocioso de una
promotora representa una prdida para la agencia y se cotiza 15 $ la hora.
a. asignar dos promotoras para abrir renovar participaciones del tipo A y
las otras dos promotoras para abrir renovar participaciones del tipo B.
b. asignar dos promotoras para abrir participaciones del tipo A B y las
otras dos promotoras para renovar participaciones del tipo A B.
53.
122
RPTA
7
5.
INVENTARIOS
EJERCICIOS PROPUESTOS
1. Juan Casas trabaja en la ferretera de su hermano y est a cargo de las compras, ha
determinado que la demanda anual de tornillos llega a 100,000 unidades. Ella estima
que cada vez que coloca un pedido, a la empresa le cuenta $10. Este costo incluye su
sueldo, el costo de los formularios que se utilizan para colocar pedido y otros trmites.
Adems, calcula que el costo de mantener un tornillo en el inventario por periodo de
un ao es de 0.5 centavos. Considere que la demanda es constante a lo largo del todo
el ao.
a. Cuantos tornillos debera solicitar Juan Casas en un solo pedido si desea
minimizar el costo total de inventario.
b. Cuantos pedidos al ao debera colocar?, Cual es el costo anual de realizar el
pedido
c. Cul ser el inventario promedio?, Cul es el costo anual de mantenimiento
de inventario?
Los pedidos de tornillo tardan 8 dias hbiles en llagar una vez realizado. Juan ha
observado que la ferretera de su hermano vende 500 tornillos por dia. Debido a que la
demanda es bastante constante, Juan cree que puede evitar los faltantes si lo pide en
el momento adecuado. Cul es el punto de reposicin?
123
2. Ken ha estado en el negocio maderero durante casi toda su vida. El mayor competidor
de Ken es Pacific Woods. Gracias a sus aos de experiencia, l sabe que el costo de
realizar un pedido por cada orden de madera contrachapada es de $25 y que el costo
de mantenimiento es el 25% del costo unitario. Tanto Ken como Pacific Woods reciben
la madera contrachapada en cargas que tienen un costo de $100 cada uno. Incluso
ambos tienen al mismo proveedor de madera contrachapada y Ken pido averiguar que
su competidor hace pedidos por 4000 cargas cada vez. Tambien sabe que 4000
cargas son la EPQ de Pacific Woods. Cul es la demanda anual en cargas de
madera contrachapada de Pacific Woods?
3. Una tienda de maquinarias utiliza 2500 abrazaderas en un ao, cantidad constante en

este periodo. Las abrazaderas se compran a un proveedor a un costo de $15 cada una
y el tiempo de entrega es de 2 das. El costo de mantenimiento de inventario por
abrazadera es de $1.50 (o el 10% de la unidad) mientras que el costo de realizar el
pedido es de $18.75. Hay 250 das laborales al ao.
a) Cual es EOQ
b) Con esa EOQ, cual es el inventario promedio
c) Cul es el costo anual de mantenimiento del inventario
d) Al minimizar los costos Cuntos pedidos debern hacerse por ao?
e) Cul es el tiempo entre pedidos
f)
Cul es el punto de reposicin
4. Suponga que ASA Alimentos (refrescos Kanu) tine una demanda anual constante de
3600 cajas. Una caja de refresco le cuesta a ASA Alimentos S/. 3. Los costos de
pedido son de S/. 20 por pedido y los costos de mantenimiento de inventario son del
25% del valor del inventario. ASA Alimentos tiene 250 dias laborables por ao y el
tiempo de entrega es de 5 dias. Identifique los aspectos siguientes de la politica de
inventario:
a) Cantidad Economica a pedir
c) tiempo del ciclo
b) Punto de pedido o reorden
d) Costo anual total
5. Rent a car adquiere repuestos directamente de la fbrica, la demanda de este

repuesto es constante con una demanda de 1000 componente mensuales (12,000
componentes anuales). Suponga que los costos de pedido son de S/. 25 por pedido y
el costo unitario de mantenimiento es de S/.2.50 por componente y los costos anuales
de mantenimiento son del 20% del valor del inventario. Rent a car tiene 250 das
124
laborables por ao y el plazo de entrega es de 5 das. responda las siguientes

preguntas:
a) Cual es la cantidad de pedido
c) Cual es el tiempo de ciclo
b) Cual es el punto de pedido o reorden
d) Cuales son los costos totales

anuales de posicin y de pedido
6. Crees Electronic manufactura componentes que se usan en la industria automotriz. Un

proveedor de Crees le suministra una pieza que tiene una demanda de 5000 unidades,
el costo de pedido es de $80 por pedido y el costo de mantenimiento es del 25%.
a) Si el costo de la pieza es de $20 por unidad. Cul es la cantidad econmica de
pedido?
b) Suponga 250 das de operacin al ao. Si el plazo de entrega de un pedido es de
12 das. Cual ser el punto de pedido?
c) Si el plazo de entrega de la pieza es de 7 semanas (35 das) Cul ser el punto
de reorden o de pedido?
7. Suponga que una lnea de produccin opera de tal forma que fuese posible aplicar el
modelo del lote econmico de inventario. Dado D=6400 unidades por ao, Co=$100 y
Ch=$2 por unidad. Calcule el tamao del lote de produccin de costo mnimo para
cada una de las siguientes tasas de produccin.
a) 8000 unidades por ao
c) 32,000 unidades por ao
b) 10,000 unidades por ao
d) 100,000 unidades por ao
8. Juan Bentes trabaja en la ferretera de su hermano y est a cargo de las compras, ha

determinado que la demanda anual de tornillos de 6 llega a 100,000 unidades. El
estima que cada vez que coloca un pedido a la empresa le cuesta S/. 10. Este costo
incluye su sueldo, el costo de los formularios que utiliza para colocar el pedido y otros
trmites. Adems calcula que el costo por mantener un tornillo en inventario en un
periodo de un ao es de 9 centavos. Considere que la demanda es contante a lo largo
de todo el ao.
a) Cuntos tornillos de 6 debera solicitar Juan Bentes en un solo pedido, si desea
minimizar el costo total del inventario?.
b) Cuntos pedidos al ao debera colocar?. Cul sera el costo anual de realizar
el pedido?
c) Cul sera el inventario promedio?. Cul sera el costo anual de mantenimiento
de inventario?
125
9. Brbara es agente de compras de Vlvulas Industriales SA. Una de las vlvulas ms

populares es la del tipo Western, que tiene una demanda anual de 4000 unidades. El
costo de cada vlvula es de $90, mientras que el costo de mantenimiento del
inventario se estima en 10% del costo de cada vlvula. Brbara ha realizado un
estudio acerca de los costos involucrados cuando se coloca un pedido de cualquiera
de las vlvulas y ha concluido de que el costo promedio de realizar un pedido es de
$25.
a) Cul es el EOQ
b) Cul es el inventario promedio.
c) Cul es el costo anual de mantenimiento del inventario?
d) Cuantos pedidos se colocaran al ao
e) Cul es el costo anual por realizar un pedido?
10. Suponga que es apropiado el programa de descuentos por cantidad. Si la demanda

anual es de 120 unidades, los costos de pedido son S/.20 por pedido y la tasa de
costo de mantenimiento anual es del 25%. Qu cantidad recomendara usted?
Tamao del pedido

0 a 49
50 a 99
100 a mas
Descuento (%)
0
5
10
Costo unitario
S/. 30.00
28.50
27.00
11. Aplique el modelo EOQ al siguiente descuento por cantidad en la cual la demanda
D=500 unidades anuales, Co = $40 y la tasa de costo de mantenimiento es del 20%.
Qu cantidad a pedir recomendara usted?
12. Zapateras ECCO tiene un modelo de zapato de vestir para hombres, se vende a una
tasa constante aproximada de 500 pares de zapatos cada 3 meses (2000 anuales). La
poltica de adquisicin es de pedir 500 pares cada vez que coloca un pedido. a ECCO
le cuesta S/. 30 colocar un pedido. la tasa de costo de mantenimiento anual es del
20%. Con la cantidad a pedir de 500 Ecco obtiene los zapatos al costo unitario ms
bajo posible de S/. 28 por par. Otros descuentos ofrecidos por el fabricantes son:
Clase dcto Tamao del pedido Precio por par
1
0 a 99
S/. 36.00
2
100 a 199
32.00
3
200 a 299
30.00
4
300 a mas
28.00
Cul es la cantidad a pedir de minimice los costos para los zapatos?, Cules son
los ahorros anuales de su poltica de inventarios en comparacin con la poltica
utilizado actualmente por ECCO?
126
13. Tiendas Olini es una tienda de zapatos, la demanda anual de una sandalia popular es
de 500 pares y el gerente tiene la costumbre de hacer pedidos de 100 pares. El estima
que el costo por realizar el pedido es de $10 por pedido. El costo del par de sandalias
es de $5. Para que la poltica del gerente sea la correcta. Cul debera ser el costo
de mantenimiento de inventario como un porcentaje del costo unitario?. Si el costo de
mantenimiento fuera de 10% del costo, Cul sera la cantidad optima de pedido?
14. Una gasolinera vende 4000 litros de gasolina al mes. Por rellenar los tanques de la
gasolinera, cobra $50.7. El coste anual de almacenamiento de un litro es de $0.3.
a) Cuntos litros de gasolina se deben pedir?
b) Cuntos pedidos se hacen por ao?
c) Cunto tiempo pasa entre dos pedidos?
d) Si el tiempo de entrega es de L=2 semanas, cual es el punto de reorden?
(Suponer 1 semana=1/52 ao, mes=4 semanas)
15. La tienda de maquinaria de Ross White utiliza 2500 abrazaderas en un ao, cantidad
relativamente constante en ese periodo. Las abrazaderas se compras a un proveedor
ubicado a 100 Km de distancia a un costo de $15 cada una, y el tiempo de entrega es
de 2 das. El costo de mantenimiento de inventario por abrazadera es de$1.50 (o 10%
del costo unitario) mientras que el costo de realizar el pedido es de $18.75. Hay 250
das laborales al ao.
a) Cul es el EOQ
b) Con esa EOQ cul es el inventario promedio
c) Cul es el costo anual de mantenimiento
d) Al minimizar los costos, cuantos pedidos debern hacerse por ao
e) Cul ser el costo anual de pedidos
16. Cada ao North Manufacturing tiene una demanda de 1000 bombas. El costo de una
bamba es de $50. A la empresa le cuesta $40 colocar el pedido y el costo de
mantenimiento es igual al 25% del costo de la unidad. Si las bombas se expiden en
cantidades de 200 unidades, North Manufactuing puede obtener 3% de descuento
sobre el costo de las bombas. Deber la empresa hacer un pedido de 200 unidades y
obtener el descuento del 3$?
17. Georgia Products ofrece el siguiente programa de descuento para sus hojas de
madera contrachapadas de 4x8 pies cada una
127
Pedido
Costo Unitario ($)
9 lminas o menos 18.00
10 a 50 laminas
17.50
Ms de 50 laminas 17.25
Home Company compra maderas contrachapadas a Georgia Products. Elcosto de
Home Company por realizar el pedido es de $45. El costo de mantenimiento de
inventario es del 20% y la demanda anual es de 100 hojas. Cul es su
recomendacin?
Rpta: Cantidad de pedido = 51
Costo Total = $1901.22
18. De un artculo, cuyo precio de compra es de $100 para cantidades menores de 1.000
unidades y $92.5 para cantidades superiores. Se necesitan 2400 unidades por ao.
Calcular el pedido ptimo sabiendo que el coste de lanzamiento de cada pedido es de
$3.500 y que los gastos de almacenaje pueden considerarse al 0.6% del precio de
compra unitario.
19. El precio de compra de un artculo es de $1000 por unidad, para cantidades menores
de 500, y de $925 para cantidades entre 500 y 4000. Para cantidades superiores a
4000, el precio de compra es de $850.
El coste de lanzamiento de cada pedido es de $35000. Con un coste de
almacenamiento igual a un 0.06% el precio de compra unitario, y una demanda de
24.000 unidades al ao, calcular el pedido y el coste ptimos.
20. Una tienda de televisores vende un promedio de 100 televisores mensuales. El coste
de tener un televisor almacenado durante un ao se estima en 4 u.m. debido a la
prdida de actualidad. A la tienda le cuesta 120 u.m. hacer un pedido. El precio de los
televisores vara segn la cantidad pedida: De 1 a 10, 10 u.m.; de 11-40, 9 u.m.; de
41-100, 7 u.m.; ms de 100, 5.5 u.m. Calcular el nmero de televisores que debe pedir
la tienda.
21. Una empresa que comercializa agujas hipodrmicas indoloras en los hospitales, desea
reducir sus costos de inventario mediante la determinacin del nmero de agujas
hipodrmicas que debe obtener en cada orden. La demanda anual es de 1,000,000
unidades; el costo de preparacin o de ordenar es de $10,000 por orden; y el costo de
manejo por unidad de ao es de $25,000. Utilizando estos datos, calcule el nmero
ptimo de unidades por orden (Q*), el nmero de rdenes (N), el tiempo transcurrido
(T), y el coso total anual del inventario. Utilizar un ao calendario de 360 das.
Determinar:
128
a) El tamao del pedido que optimizar el inventario.

b) Nmero de pedidos por ao.
c) Nmero de das entre cada pedido.
d) Coso total anual del inventario.
22. Suponga que usted est revisando la decisin del tamao del lote para una empresa
que tiene una capacidad de produccin de 8.000 unidades por ao, una demanda de
2.000 unidades por ao, con costo de produccin de $300.000 por unidad y un costo
de posesin de $1.600 por unidad por ao y fabricando lotes de produccin de 500
unidades cada 3 meses. El tiempo de entrega es de 20 das y la empresa trabaja
durante 360 das en el ao (suponga que cada mes tiene 30 das). Recomendara
usted cambiar el tamao del lote de produccin actual? Explique y justifique
claramente su respuesta.
23. Cierto restaurante para su uso de venta de bebidas, enfrenta una demanda de 120
vasos diarios, y opera 360 das al ao. Los vasos tienen un Costo de 40 ($/docena).
Para enviar una orden de pedido, el restaurante tiene que pagar 2.000 ($/orden). El
mantener inventario le significa un costo de orden del 50% debido a muchas prdidas
producidas por sus empleados, que diariamente quiebran muchos vasos. Evale la
poltica de inventarios si se hacen pedidos una vez al mes?
24. Cummins S.A., compra directamente al proveedor un componente que usa en la

manufactura de generadores para automviles. La operacin de produccin del
generador de Cummins, que trabaja a una tasa constante, requerir 1 000
componentes por mes a lo largo del ao (12 000 unidades anuales). Suponga que los
costos de ordenar son $2 500 000 por pedido, el costo unitario es $250 000 por
componente y los costos de mantener anuales son 20% del valor del inventario.
Cummins tiene 250 das hbiles anuales y un tiempo de entrega de 5 das.
a. Cul es el Lote Econmico a Ordenar para este componente?
b. Cul es el punto de reordenacin?
c. Cul es el tiempo de ciclo?
d. Cules son los costos totales anuales de mantener y de ordenar asociados con el
LEO recomendados?
129
6.
PROGRAMACION LINEAL
Muchas personas clasifican el desarrollo de la Programacin Lineal (PL) entre los

avances cientficos ms importantes del siglo XX. En la actualidad es una herramienta
comn que ha ahorrado miles o millones de dlares a muchas compaas y negocios,
LA PROGRAMACIN LINEAL trata la planeacin de las actividades para obtener un

resultado ptimo, esto es, el resultado que mejor alcance la meta especificada entre
todas las opciones de solucin. Aunque la asignacin de recursos limitados entre las
actividades competitivas de la mejor manera posible es la aplicacin ms frecuente, la
PL tiene muchas otras posibilidades.
El adjetivo lineal significa que todas las funciones matemticas del modelo deben ser
funciones lineales. La palabra programacin se refiere a planeacin.
La PL es una tcnica determinista, es decir, no incluye probabilidades, en cambio
utiliza un modelo matemtico para describir el problema.
Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al

constante problema de mejorar (optimizar) el rendimiento del sistema. El problema
puede ser reducir el costo de operacin y a la vez mantener un nivel aceptable de
servicio, proporcionar un mayor nivel de servicio sin aumentar los costos, o "mejorar"
un aspecto de la calidad del producto sin reducir la calidad de otros aspectos.
Un modelo puede considerarse como una entidad que captura la esencia de la

realidad sin la presencia de la misma. Una fotografa es un modelo de la realidad
ilustrada en la imagen, el modelo captura algn aspecto de la realidad que intenta
representar. Un modelo matemtico es un sistema de ecuaciones o desigualdades que
representa determinados aspectos del sistema fsico representado en el modelo.
A fin de definir las condiciones que nos conducirn a la solucin del problema, el
analista primero debe identificar un criterio (funcin objetivo) que maximice o
minimice el sistema. Este criterio a menudo se denomina medida del rendimiento o
medida de efectividad. En aplicaciones empresariales, la medida de efectividad
generalmente son los costos o las utilidades.
130
6.1. ESTRUCTURA DE UN MODELO DE PROG. LINEAL

a. Variables: Representan la informacin para la toma de decisiones Sus valores o
resultados son determinadas por el modelo. Las variables pueden ser:
Variables de decisin: Aquellas que nos indican la accin o alternativa que

debemos seguir para conseguir un determinado objetivo
Variables auxiliares: Sirven de apoyo para los clculos de las variables de

decisin, tales como variables de inventarios, holgura, desviacin, etc.
b. Parmetros: Es toda informacin conocida a priori e invariable para el horizonte

de planeacin del modelo. Deben estar expresados en alguna unidad de medicin
o mtrica. Estos parmetros pueden ser
Coeficiente de la funcin Objetivo (Cj): Son factores que corresponden por

cada variable de decisin. Tales como: utilidades, precios de venta, costos,
ponderaciones, etc. Expresados de manera unitaria por producto o actividad
Coeficiente tecnolgico (Aij): Son factores que corresponden por cada

variable de decisin y restriccin. Tales como ratio de consumo o demanda de
producto o actividad sobre un recurso.
Coeficiente de recurso (bj): Son factores que corresponden por cada

restriccin. Tales como disponibilidad de un recurso limitado. Las cuales
pueden ser recursos materiales, financieros o recursos humanos. Tambin
puede expresar una condicin o cuota a cumplir.
c. Funcin Objetivo: Es una expresin de variables que representa el objetivo que

se desea alcanzar y expresa la cuantificacin de la efectividad en una unidad de
medida. Puede ser de dos maneras:
1. Maximizar (Max): En un problema se podra requerir, aumentar lo mas posible:
las utilidades o los ingresos por ventas, efectividad de polticas alternativas,
volumen, probabilidad de xito.
2. Minimizar (Min): En un problema se deseara reducir lo mas posible: costos,
mermas, desviaciones sobre una condicin o restriccin, el tiempo de
finalizacin de un trabajo, riesgo, etc.
d. Restricciones: Son relaciones entre las variables y parmetros que se

representan por desigualdades o ecuaciones, resulta debido a limitaciones de
131
recursos. Las restricciones estn expresadas en una unidad homognea a ambos

lados de la ecuacin o desigualdad.
El siguiente modelo formula un modelo matemtico para un problema general de

asignacin de recursos a actividades.
Si existiese la condicin de que a lo menos una de las variables debiera ser entera,
entonces el modelo sera de Programacin Lineal Entera.
Cualquiera discrepancia respecto de la linealidad en la Funcin objetivo y/o en las
restricciones del problema conducira a un modelo de Programacin No Lineal.
UN PROBLEMA SIMPLE DE MAXIMIZACION

RMC es una empresa que produce diversos productos qumicos. En un proceso de
produccin en particular, se utilizan 3 materias primas para elaborar 2 productos:
Un aditivo para combustible y una base disolvente
El aditivo para combustible se vende a empresas petroleras y se utiliza en la

produccin de gasolina y otros combustibles relacionados. La base disolvente se
vende a empresas qumicas y se utiliza para la fabricacin de productos de limpieza.
Para formar el aditivo y la base disolvente se mezclan las 3 materias primas
Producto
M. Prima 1
M. Prima 2
M. Prima 3
Aditivo para combustible
2/5
3/5
Base disolvente
1/2
1/5
3/10
20 ton
5 ton
21 ton
Cantidad disponible
para produccin
132
En esta tabla muestra que 1 tonelada de aditivo para combustible es una mezcla de
2/5 ton de Materia prima 1 y 3/5 ton de materia prima 3
Debido a deterioro y la naturaleza del proceso de produccin, cualquier materia prima

que no se utilice para la produccin actual resulta intil y debe desecharse.
El departamento de control de calidad ha analizado las cifras de produccin,
asignando todos los costos correspondientes, llegando a establecer una contribucin a
la utilidad de $40 para cada tonelada de aditivo para combustible y $30 por cada
tonelada de base disolvente producido.
El problema de RMC es determinar cuantas toneladas de cada producto deber

producir para maximizar la contribucin total a la utilidad. Esto es Cuntas toneladas
de aditivo y cuantas toneladas de base disolvente deber producir para el periodo
actual de produccin?
MODELO DE PROGRAMACIN LINEAL PARA RMC

a) Funcin Objetivo
El objetivo de RMC es maximizar la contribucin total a la utilidad. Podemos
escribir este objetivo como: (Variables de decisin)
Si se producen x1 toneladas de aditivo para combustible la empresa gana $40X1
Si se producen x2 toneladas de base disolvente la empresa gana $30X2,
Identificamos la produccin total (Z), como la utilidad total de la empresa como:
Contribucin total a la utilidad = Z = 40X1 + 30X2
(Funcin Objetivo)
RMC debe determinar los valores de las variables X1 y X2 que den el valor mas
elevado posible de Z
b) Restricciones
El total de materia prima 1 para producir x1 toneladas de aditivo para

combustible y x2 toneladas de base disolvente debe ser menor o igual a la
cantidad de toneladas disponible de materia prima 1 que tiene RMC, es decir
2/5 X1 + X2 20
(Disponibilidad de Materia Prima 1)
133

0X1 + 1/5X2 5

3/5 X1 + 3/10 X2 21
Para evitar que RMC no produzca un numero negativo de toneladas de aditivo

o base disolvente, debern agregarse 2 restricciones llamadas restricciones
X1, X2 0
de no negatividad
La formulacin matemtica del problema de RMC, ahora esta completo, y queda

que esta forma:
Maximizar Z = 40 X1 + 30 X2
Sujeto a
2/5 X1 + X2 20
Materia Prima 1
1/5 X2 5
Materia Prima 2
3/5 X1 + 3/10 X2 21
Materia Prima 3
X1, X2 0
Ahora nuestra tarea es encontrar la mezcla de productos (es decir, las combinaciones
de X1 y X2) que satisfaga todas las restricciones y al mismo tiempo, nos de un valor
mximo de la funcin objetivo.
6.2. SOLUCION GRAFICA DE PROGRAMACION LINEAL

1. Se grafica el conjunto factible.
2. Se encuentran las coordenadas de todas las esquinas de la regin factible.
3. Se evala la funcin objetivo Z en cada esquina.
4. Se halla el vrtice que proporcione el mximo (mnimo) de la funcin objetivo. Si
slo existe un vrtice con esta propiedad, entonces constituye una solucin nica
del problema. Si la funcin objetivo se maximiza (minimiza) en dos esquinas
adyacentes de S, entonces existe una infinidad de soluciones ptimas dadas por
los puntos del segmento de recta determinado por estos dos vrtices.
134
SOLUCION GRAFICA DEL PROBLEMA DE RMC

Paso 1: Hacemos el plano cartesiano de X1 (eje vertical) y X2 (eje horizontal)
Paso 2: Graficamos las restricciones
Restriccin 1
Restriccin 2
Restriccin 3
2/5 X1 + X2 20
1/5 X2 5
3/5 X1 + 3/10 X2 21
Si X1=0, tenemos
Si X1=0, tenemos
X2 20
X2 40 (0,40)
Si X2 = 0, tenemos
3/10 X2 21
X2 70 (0,70)
Si X2=0, tenemos
X2 25
2/5 X1 20
X1 50 (50,0)
3/5 X1 21
X1 35 (35,0)
Restriccion 1 (materia Prima1)

45
40
35
Restriccion 3 (materia Prima 3)
Restriccion 2 (materia Prima 2)

80 0, 70
70
30
0, 40
0, 25
30, 25
25
30
25
20
15
60
20
50
15
40
30
10
10
5
0
20
50, 0
10
0
0
10
20
30
40
50
60
35, 0
0
0
10
20
30
40
10
20
30
40
50
80
70vez que tenemos la regin factible, encontramos los puntos extremos de la regin
Una
factible.
Estos puntos es la interseccin de las restricciones en la que cruza la lnea.
60
Ejemplo:
50
Si Restriccin 1 = restriccin 3 nos da los puntos X1=25, X2 = 20

Si 40
Restriccin 1 = restriccin 2 nos da los puntos X1=18.75, X2 = 25
30
(18.75,25)
(0,25)
(25,20)
20
10
(35,0)
0
0
10
20
30
40
50
Una vez teniendo los puntos extremos de la regin factible, se prueba ingresando X1 y
X2 en la funcin objetivo y tomamos el valor mas alto posible
X1
X2
FO : Z = 40X1 + 30X2
25
Z = 750
18.75
25
Z = 1500
25
20
Z = 1600
35
Z = 1400
135
6.3. VARIABLES DE HOLGURA (SLACK en ingles)

Adems de la solucin optima (X1 y X2 ptimos) y su contribucin a la utilidad
asociada (Z), la administracin de RMC, deseara tener informacin sobre las
necesidades de produccin de las 3 materias primas. Podemos obtener esta
informacin reemplazando en las restricciones del programa lneas las variables de
solucin ptima x1=25, x2=20
Restriccin
Toneladas requeridas para Toneladas
Toneladas no
x1 = 25 y x2 = 20
utilizadas
disponibles
Mat. Prima1
2/5(25) + (20) = 20
20
20 - 20 = 0
Mat. Prima2
0(25) + 1/5(20) = 4
5-4=1
Mat. Prima3
3/5(25) + 3/10(20) = 21
21
21 - 21 = 0
Variable de
Holgura
Por lo que la solucin completa le indica a la administracin que la produccin de 25

toneladas de aditivo para combustible y de 20 toneladas de base disolvente requerir
de toda la materia prima disponible 1 y 3, pero solamente cuatro de las 5 toneladas de
la materia prima 2. La tonelada sin utilizar de la materia prima se llama holgura.
En Programacin Lineal, cualquier capacidad sin utilizar y ociosa para una

restriccin menor o igual () se llama holgura asociada con la restriccin.
Al modelo de PL a menudo se agregan variables conocidas como variables de
holgura, para representar la capacidad ociosa. Esta capacidad sin utilizar no hace
ninguna contribucin a la utilizad, por lo que las variables de holgura tienen

coeficiente igual a cero.
De manera general, las variables de holgura representan la diferencia entre el lado

derecho y el lado izquierdo de una restriccin menor o igual ()
Modelo PL
Forma Estndar
Max. Z = 40X1 + 30X2
Max. Z = 40X1 + 30X2 + 0S1 + 0S2 + 0S3
Sujeto a
Sujeto a
2/5 X1 + X2 20
1/5 X2 5
3/5 X1 + 3/10 X2 21
X1, X2 0
2/5 X1 + X2 + S1
1/5 X2
= 20
+ S2
3/5 X1 + 3/10 X2
=5
+ S3 = 21
X1, X2, S1, S2, S3 0
136
80
70
40
60
50
En el mtodo grafico se puede apreciar la holgura
40
30
(0,25)
30
(18.75,25)
(18.75,25)
(0,25)
(25,20)
20
10
(25,20)
(35,0)
20
0
0
10
20
30
40
50
Al determinar la solucin ptima, vemos que la restriccion1 y la restriccion3, limitan o
10
restringen la regin factible hasta ese momento.
(35,0)
UN PROBLEMA SIMPLE DE MINIMIZACION
10
20
30
Innis Investments administra fondos de empresas y clientes pudientes. La estrategia

de innovacin se adecua a las necesidades de cada cliente. Para un cliente nuevo a
Innis se le ha autorizado invertir hasta 1.2 millones $ en dos fondos de inversin: un
fondo de acciones que cuestan $50 cada unidad y con una tasa de rendimiento anual
de 10%; cada unidad y un fondo de mercado de dinero que cuesta $100, con una tasa
de rendimiento anual del 4%.
El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre la
inversin de por lo menos $60,000. De acuerdo con el sistema de medicin del riesgo
de Innis, cada unidad adquirida en el fondo de acciones tiene un ndice de riesgo de 8,
y cada unidad adquirida en el fondo de mercado dinero tiene un ndice de riesgo de 3
El ndice de riesgo mas elevado asociado con el fondo de acciones indica que
simplemente que se trata de la inversin mas riesgosa. El cliente de Innis tambin ha
especificado que se invierta por lo menos $300,000 en el fondo de de mercado de
dinero. Cuntas unidades de cada uno de los fondos deber adquirir Innis para el
cliente, si el objetivo es minimizar el ndice de riesgo total para esta cartera?
SOLUCION
Para encontrar la mejor asignacin de fondos entre acciones y mercado de dinero,
formularemos el problema como un modelo lineal. Primero definamos las variables:
X1 = Numero de unidades adquiridas en el fondo de acciones
X2 = Numero de unidades adquiridas en el fondo de mercado de dinero
137
40
FUNCIN OBJETIVO
La funcin objetivo que minimice el riesgo total para la cartera ser:
Min 8X1 + 3X2
RESTRICCIONES
1. Innis solo puede invertir hasta 1200,000 dlares, dado que cada unidad de
fondo cuesta $50 y cada unidad de fondo de mercado cuesta $100. tenemos
50X1 + 100X2 1200,000
2. La inversin debe tener un ingreso anual de por lo menor $60,000. como cada
unidad adquirida del fondo de acciones tendr una utilidad de 10%($50) = $5,
similarmente cada unidad adquirida del fondo de mercado de dinero tendr una
utilidad de 4%($100) = $4, entonces la utilidad total es de :
5X1 + 4X2 $60,000
3. El requisito en que por lo menor invierta $300,000 en el fondo de mercado de
dinero a $100 cada unidad, entonces debern adquirir 3000 unidades en el
X2 3000
fondo del mercado de dinero
Despus de agregar las restricciones de no negatividad, encontramos el modelo

completo de programacin lineal para el problema de Innis Investment
Min Z = 8X1 + 3X2
Sujeto a
50X1 + 100X2 1200,000
Fondos disponibles
5 X1 +
Ingreso anual
4 X2 60,000
X2 3000
Unidades mnimas mercado de dinero
X1, X2 0
16000
15000
50x1 + 100x2 = 1200,000 (/-10)

5x1 + 4x2 = 60,000
14000
12000
12000
10000
50
X1
+
1+
5X
Xb
-5X1 10X2 = 120,000

5X1 + 4X2 = 60,000
Pto optimo
(4000,10000)
8000
2=
40X
6000
10
0X
2=
000
60,
4000
6X2 = 60,000 X2 = 10,000

X1 = 4,000
12
00
,00
0
3000
3000
2000
0
0
5000
10000
15000
20000
0
25000
30000
Xa
Tpo de contruccion
Tpo de pintura
Mdo dinero
138
6.4. VARIABLES EXCEDENTES (SURPLUS en ingles)

Un anlisis completo de la solucin ptima para el problema de Innis Investments
muestra un ndice de riesgo total para la cartera ptima es de:
8x1 + 3x2 = 8(4000) + 3(10,000) = 62,000
Restriccin 1: 50x1 + 100x2 = 50(4000) + 100(10,000) = 1200,000 1200,000
Restriccin
2:
5x1
4x2
5(4000)
4(10,000)
60,000
60,000
Restriccin 3: x2 3000 10,000 3000
Observe como la adquisicin de 10,000 unidades en el fondo de mercado excede en

7000 unidades el requisito mnimo de 3000 unidades (restriccin 3)
En Programacin lineal cualquier cantidad en exceso (excedente) correspondiente a

una restriccin se le conoce como excedente
Recuerde que:
Con una restriccin se puede agregar una variable de holgura en el lado

izquierdo de la restriccin para convertirla en una igualdad.
En una restriccin se puede agregar una variable excedente en el lado

izquierdo de la restriccin para convertirla en una igualdad.
Igual que las variables de holgura, en la funcin objetivo a las variables excedentes se
les da un coeficiente de cero, ya que no tienen ningn efecto sobre su valor. Despus
de incluir la variable de holgura en el modelo se convierte en:
Modelo PL
Forma Estndar
Min. Z = 8X1 + 3X2
Min. Z = 8X1 + 3X2 + 0S1 + 0S2 + 0S3
Sujeto a
Sujeto a
50 X1 + 100 X2 1200,000
5 X1 +
4 X2 60,000
X2 3000
X1, X2 0
50 X1 + 100 X2 + S1
5 X1 +
4 X2
= 1200,000
S2
X2
= 60,000
S3 = 3000
X1, X2, S1, S2, S3 0
En la solucin ptima X1 = 4000 y X2 = 10,000, los valores de las variables de holgura

y excedente son:
139
Restriccin
Fondos Disponibles
Variable
Valor de la variables
Holgura
S1 = 0
Ingreso anual
Excedente
S2 = 0
Unidades mnimas mercado dinero
Excedente
S3 = 7000
Observe que el problema de RMC todas las restricciones eran del tipo , y que en el
Innis Investments son una combinacin de o .
140
6.5. ANALISIS DE SENSIBILIDAD EN PL

El anlisis de sensibilidad es una de las partes ms importantes en la programacin
lineal, sobretodo para la toma de decisiones; pues permite determinar cuando una
solucin sigue siendo ptima, dados algunos cambios ya sea en el entorno del
problema, en la empresa o en los datos del problema mismo.
Este anlisis consiste en determinar que tan sensible es la respuesta ptima al cambio
de algunos datos como las ganancias o costos unitarios (coeficientes de la funcin
objetivo) o la disponibilidad de los recursos (trminos independientes de las
restricciones).
La variacin en estos datos del problema se analizar individualmente, es decir, se

analiza la sensibilidad de la solucin debido a la modificacin de un dato a la vez,
asumiendo que todos los dems permanecen sin alteracin alguna.
Esto es importante porque estamos hablando de que la sensibilidad es esttica y no

dinmica, pues solo contempla el cambio de un dato a la vez y no el de varios.
El anlisis de sensibilidad es el estudio de la forma de en que los cambios en los
coeficientes de un programa lineal afectan a la solucin optima
El Objetivo Principal del Anlisis de Sensibilidad es establecer un intervalo de

nmeros reales en el cual el dato que se analiza puede estar contenido, de tal manera
que la solucin sigue siendo ptimo siempre que el dato pertenezca a dicho intervalo.
Dado que el anlisis de sensibilidad se ocupa de la manera en que los cambios

citados afectan a la solucin optima, el anlisis solo se inicia cuando se ha obtenido la
solucin ptima del problema original. Por esta razn el anlisis de sensibilidad se le
conoce como anlisis de postoptimilidad.
141

1.- Para el programa lineal
Max. 4X1 + 1X2
Sujeto a
10X1 + 2X2 30
3X1 + 2X2 12
2X1 + 2X2 10
X1, X2 0
a) Escriba el problema en forma estndar
b) Resuelva el problema con el mtodo grafico
Rpta. X1 = 2.572 y X2 = 2.143;

Max. 3X1 + 4X2
Sujeto a
-1X1 + 2X2 8
1X1 + 2X2 12
2X1 + 1X2 16
X1, X2 0
a) Escriba el problema en forma estndar
b) Resuelva el problema con el mtodo grafico
3.- Considere el programa lineal siguiente

Min 3X1 + 4X2
Sujeto a
1X1 + 3X2 6
1X1 + 1X2 4
X1, X2 0
Identifique la regin factible y encuentre la solucin ptima
Rpta: X1 = 3; X2 = 1 Z=13
4.- Considere el programa lineal

Min X1 + 2X2
Sujeto a
X1 + 4X2 21
2X1 + X2 7
3X1 + 1.5X2 21
-2X1 + 6X2 0
a) Encuentre la solucin ptima y el valor de la funcin objetivo
b) Determine la cantidad de holgura o excedente de cada una de las restricciones.
142
c) Suponga que la funcin objetivo se modifica a Max 5X1 + 2X2. Encuentre la

solucin optima del valor de la funcin objetivo
Rpta: X1 = 3, X2 = 1 Z = 5

Min. 6X1 + 4X2
Sujeto a
2X1 + 1X2 12
1X1 + 1X2 10
1X2 4
X1, X2 0
a) Resuelva el problema usando el mtodo grafico

b) Cules son los valores de las variables de holgura y de excedente
Rpta. X1 = 6; X2 = 4
Z = 52
6.- Considere el siguiente problema lineal

Max. 1X1 + 1X2
Sujeto a
5X1 + 3X2 15
3X1 + 5X2 15
X1, X2 0
Encuentre la solucin ptima Rpta (X1 = 1.88; X2 = 1.88; Z = 3.75)
7.- Considere el programa lineal

Max. 2X1 + 3X2
Sujeto a
1X1 + 1X2 10
2X1 + 1X2 4
1X1 + 3X2 24
2X1 + 1X2 16
X1, X2 0
Resuelva el programa utilizando la solucin grafica
8. Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La

empresa A le paga 5 ptas. por cada impreso repartido y la empresa B, con folletos
ms grandes, le paga 7 pesetas por impreso. El estudiante lleva dos bolsas: una
para los impresos A, en la que caben 120, y otra para los impresos B, en la que
caben 100. Ha calculado que cada da es capaz de repartir 150 impresos como
mximo. Lo que se pregunta el estudiante es: cuntos impresos habr de repartir
143
de cada clase para que su beneficio diario sea mximo?

RPTA
50 de A y 100 de B
9. En una fbrica de bombillas se producen dos tipos de ellas, las de tipo normal
valen 450 pesetas y las halgenas 600 pesetas. La produccin est limitada por el
hecho de que no pueden fabricarse al da ms de 400 normales y 300 halgenas
ni ms de 500 en total. Si se vende en toda la produccin, cuntas de cada clase
convendr produccir para obtener la mxima facturacin?
RPTA
200 normales y 300 halgenas
10. Una compaa area tiene dos aviones A y B para cubrir un determinado trayecto.
El avin A debe hacer ms veces el trayecto que el avin B pero no puede
sobrepasar 120 viajes. Entre los dos aviones deben hacer ms de 60 vuelos pero
no menos de 200. En cada vuelo A consume 900 litros de combustible y B 700
litros. En cada viaje del avin A la empresa gana 300000 ptas. y 200000 por cada
viaje del B. Cuntos viajes debe hacer cada avin para obtener el mximo de
ganancias? Cuntos vuelos debe hacer cada avin para que el consumo de
combustible sea mnimo?
RPTA
La mxima ganancia se obtiene con
120 viajes del avin A y 80 del avin B y es de 52 millones de pesetas.

El mnimo consumo se obtiene con 30 viajes de cada avin y es 48000 litros
11. Una fbrica de carroceras de automviles y camiones tiene dos fabricas. En la

fabrica A, para hacer la carrocera de un camin, se invierten 7 das-operario, para
fabricar la de un coche se precisan 2 das-operario. En la fabrica B se invierten tres
das operario tanto en carroceras de camin como de coche. Por limitaciones de
mano de obra y maquinaria, la nave A dispone de 300 das operario, y la nave B
de 270 das-operario. Si los beneficios que se obtienen por cada camin son de 6
mil soles y por cada automvil 2 mil soles, cuntas unidades de cada uno se
deben producir para maximizar las ganancias?
RPTA
66 automviles y 24 camiones
12. Un pastelero tiene 150 kg de harina, 22 kg de azcar y 275 kg de mantequilla para

hacer dos tipos de pasteles P y Q. Para hacer una docena de pasteles de tipo P
necesita 3 kg de harina, 1 kg de azcar y 1 de mantequilla y para hacer una
docena de tipo Q necesita 6 kg de harina, 05 kg de azcar y 1 kg de mantequilla.
El beneficio que obtiene por una docena de tipo P es 20 y por una docena de tipo
144
Q es 30. Halla, utilizando las tcnicas de programacin lineal, el nmero de

docenas que tiene que hacer de cada clase para que el beneficio sea mximo.
RPTA
5 docenas de pasteles del tipo P y 22. 5 docenas de pasteles del tipo Q
13. Una empresa fabrica dos tipos de rotuladores, de la clase A a 200 ptas. la unidad y
de la clase B a 150 ptas. En la produccin diaria se sabe que el nmero de
rotuladores de la clase B no supera en 1000 unidades a los de la A; adems, entre
las dos clases no superan las 3000 unidades y la de la clase B no bajan de 1000
unidades por da. Hallar el costo mximo y mnimo de la produccin diaria.
RPTA
La solucin ptima mnima es producir 1000 rotuladores de clase B y
ninguno de la clase A, siendo el costo mnimo diario de 150000 pesetas.

La solucin ptima mxima es producir 2000 rotuladores de la clase A y 1000
de la clase B, siendo el costo mximo de 550000 pesetas
14. Una compaa fabrica dos modelos de sombrero: Bae y Viz. La fabricacin de los
sombreros se realiza en las secciones de moldeado, pintura y montaje. La
fabricacin de cada modelo Bae requiere 2 horas de moldeado, 3 de pintura y una
de montaje. La fabricacin del modelo Viz requiere tres horas de moldeado, 2 de
pintura y una de montaje. Las secciones de moldeado y pintura disponen, cada
una, de un mximo de 1.500 horas cada mes, y la de montaje de 600.Si el modelo
Bae se vende a 10.000 pesetas y el modelo Viz a 12.000 pesetas, qu cantidad
de sombreros de cada tipo ha de fabricar para maximizar el beneficio mensual?
RPTA 300 sombreros del tipo Bae y 300 sombreros del tipo Viz
15. Cada mes una empresa puede gastar. Como mximo, 1.000.000 ptas. en salarios
y 1.800.000 ptas. en energa (electricidad y gasoil). La empresa slo elabora dos
tipos de productos A y B. Por cada unidad de A que elabora gana 80 ptas. y 50
ptas. por cada unidad de B. El coste salarial y energtico que acarrea la
elaboracin de una unidad del producto A y una del B aparece en la siguiente
tabla:
Coste salarial,
200
100
Coste energtico
100
300
Se desea determinar cuntas unidades de cada uno de los productos A y B

debe producir la empresa para que el beneficio sea mximo.
RPTA
2400 unidades del producto A y 5200 del producto B
145
16. Una persona tiene 500.000 pesetas para invertir en dos tipos de acciones A y B. El
tipo A tiene bastante riesgo con un inters anual del 10% y el tipo B es bastante
seguro con un inters anual del 7%. Decide invertir como mximo 300.000 pesetas
en A y como mnimo 100.000 pesetas en B, e invertir en A por lo menos tanto
como en B. Cmo deber invertir sus 500.000 pesetas para maximizar sus
intereses anuales?.
RPTA 300000 pesetas en acciones del tipo A y
200000 pesetas en acciones del tipo B
17. Una industria vincola produce vino y vinagre. El doble de la produccin de vino es
siempre menor o igual que la produccin de vinagre ms cuatro unidades. Por otra
parte, el triple de la produccin de vinagre sumado con cuatro veces la produccin
de vino se mantiene siempre menor o igual a 18 unidades.
Halla el nmero de unidades de cada producto que se deben producir para
alcanzar un beneficio mximo, sabiendo que cada unidad de vino deja un beneficio
de 800 ptas. y cada unidad de vinagre de 200 ptas.
RPTA 3 unidades de vino
y 2 de vinagre
18. Un hipermercado necesita como mnimo 16 cajas de langostino, 5 cajas de

ncoras y 20 de percebes. Dos mayoristas, A y B, se ofrecen al hipermercado para
satisfacer sus necesidades, pero slo venden dicho marisco en contenedores
completos. El mayorista A enva en cada contenedor 8 cajas de langostinos, 1 de
ncoras y 2 de percebes. Por su parte, B enva en cada contenedor 2, 1 y 7 cajas
respectivamente. Cada contenedor que suministra A cuesta 210.000 ptas.,
mientras que los del mayorista B cuestan 300.000 pesetas cada uno. Cuntos
contenedores debe pedir el hipermercado a cada mayorista para satisfacer sus
necesidades mnimas con el menor coste posible? RPTA. 3 contenedores al
mayorista A y 2 al mayorista B
19. Imaginemos que las necesidades semanales mnimas de una persona en

protenas, hidratos de carbono y grasas son 8, 12, 9 unidades respectivamente.
Supongamos que debemos obtener un preparado con esa composicin mnima
mezclando los productos A y B cuyos contenidos por kilogramo son los que se
indican en la siguiente tabla:
Protenas
Hidratos
Grasas
Costo (kg)
Producto A
600
Producto B
400
146
Cuntos kilogramos de cada producto debern comprarse semanalmente para que el

costo de preparar la dieta sea mnimo?
RPTA
3 kg del producto A y 2 kg del
producto B
20. Podemos comprar paquetes de abono A o B. Cada paquete contiene las unidades
de potasio (K), fsforo (P) y nitrgeno (N) indicadas en la tabla, donde se da el
precio del paquete.
Marca K
Precio
15
10
24
En qu proporcin hay que mezclar ambos tipos de abono para obtener al mnimo
precio un abono que contenga 4 unidades de K, 23 de P y 6 de N?
RPTA:
Se minimiza el precio con 1/2 de A y 2 de B
21. Dos mataderos, P y Q, se encargan de suministrar la carne consumida

semanalmente en tres ciudades, R, S y T: 20, 22 y 14 toneladas, respectivamente.
El matadero P produce cada semana 26 toneladas de carne, y el Q, 30. Sabiendo
que los costes de transporte, por tonelada de carne, desde cada matadero de a
cada ciudad, son los reflejados en la siguiente tabla:
R
Determinar cul es la distribucin de transporte que supone un coste mnimo.

RPTA
20
22
22. Desde dos almacenes A y B, se tiene que distribuir fruta a tres mercados de la
ciudad. El almacn A dispone de 10 toneladas de fruta diarias y el B de 15
toneladas, que se reparten en su totalidad. Los dos primeros mercados necesitan,
diariamente, 8 toneladas de fruta, mientras que el tercero necesita 9 toneladas
diarias. El coste del transporte desde cada almacn a cada mercado viene dado
por el siguiente cuadro:
Almacn
Mercado 1
Mercado 2
Mercado 3
10
15
20
15
10
10
147
Planificar el transporte para que el coste sea mnimo

RPTA
M1
M2
M3
23. Una empresa fabrica dos tipos de colonia: A y B. La primera contiene un 15% de
extracto de jazmn, un 20% de alcohol y el resto es agua y la segunda lleva un
30% de extracto de jazmn, un 15% de alcohol y el resto es agua. Diariamente se
dispone de 60 litros de extracto de jazmn y de 50 litros de alcohol. Cada da se
pueden producir como mximo 150 litros de la colonia B. El precio de venta por
litro de la colonia A es de 500 pesetas y el de la colonia B es 2.000 pesetas. Hallar
los litros de cada tipo que deben producirse diariamente para que el beneficio sea
mximo. RPTA 100 lts colonia del tipo A y 150 lts colonia del tipo B
24. Los 400 alumnos de un colegio van a ir de excursin. Para ello se contrata el viaje
a una empresa que dispone de 8 autobuses con 40 plazas y 10 con 50 plazas,
pero slo de 9 conductores para ese da. Dada la diferente capacidad y calidad, el
alquiler de cada autobs de los grandes cuesta 8000 ptas. y el de cada uno de los
pequeos, 6000 ptas. Cuntos autobuses de cada clase convendr alquilar para
que el viaje resulte lo ms econmico posible?
RPTA Hay que alquilar 5
autobuses de 40 plazas y 4 de 50 plazas. El precio es de 62000 pesetas
25. La casa X fabrica helados A y B, hasta un mximo diario de 1000 kg. La

fabricacin de un kg de A cuesta 180 ptas. , y uno de B, 150. Calcule cuntos kg
de A y B deben fabricarse, sabendo que la casa dispone de 270000 ptas/da y que
un kg de A deja un margen igual al 90% del que deja uno de B.RPTA 1000 kg del
helado tipo B y nada de tipo A
26. A una persona que quiere adelgazar se le ofrecen dos productos A y B para que
tome una mezcla de ambos con las siguientes recomendaciones:
No de be tomar ms de 150 g de la mezcla ni menos de 50 g.
La cantidad de A debe ser igual o superior a la de B.
No debe incluir ms de 100 g de A
Si 100g de A contiene 30 mg de vitaminas y 450 caloras y 100 g de B

contienen 20 mg de vitaminas y 150 caloras:
a. Cuntos gramos de cada producto debe mezclar para obtener el preparado

ms rico en vitaminas?
148
b. Y el ms pobre en caloras?
RPTA
a) 100 g de A y 50 g de B
b) 25 g de A y 25 g de B
27. A una persona le tocan 10 millones de dolares en una lotera y le aconsejan que
las invierta en dos tipos de acciones, A y B. Las de tipo A tienen ms riesgo pero
producen un beneficio del 10 %. Las de tipo B son ms seguras, pero producen
slo el 7% anual. Despus de varias deliberaciones decide invertir como mximo
6 millones en la compra de acciones A y, por lo menos, 2 millones en la compra
de acciones B. Adems, decide que lo invertido en A sea, por lo menos, igual a lo
invertido en B. Cmo deber invertir 10 millones para que le beneficio anual sea
mximo?.
28. Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La

empresa A le paga 5 pesos por cada impreso repartido y la empresa B, con
folletos ms grandes, le paga 7 pesos por impreso. El estudiante lleva dos bolsas:
una para los impresos A, en la que caben 120, y otra para los impresos B, en la
que caben 100. Ha calculado que cada da es capaz de repartir 150 impresos
como mximo. Lo que se pregunta el estudiante es: cuntos impresos habr que
repartir de cada clase para que su beneficio diario sea mximo?
29. Un sastre tiene 80 m2 de tela de algodn y 120 m2 de tela de lana. Un traje
requiere 1 m2 de algodn y 3 m2 de lana, y un vestido de mujer requiere 2 m2 de
cada una de las dos telas. Calcular el nmero de trajes y vestidos que debe
confeccionar el sastre para maximizar los beneficios si un traje y un vestido se
venden al mismo precio.
30. Una refinera de petrleo tiene dos fuentes de petrleo crudo: crudo ligero, que
cuesta 35 dlares por barril y crudo pesado a 30 dlares el barril. Con cada barril
de crudo ligero, la refinera produce 0,3 barriles de gasolina (G), 0,2 barriles de
combustible para calefaccin (C) y 0,3 barriles de combustible para turbinas (T),
mientras que con cada barril de crudo pesado produce 0,3 barriles de G, 0,4
barriles de C y 0,2 barriles de T. La refinera ha contratado el suministro de
900000 barriles de G, 800000 barriles de C y 500000 barriles de T. Hallar las
cantidades de crudo ligero y pesado que debe comprar para poder cubrir sus
necesidades al costo mnimo.
149
31. La fbrica Gepetto S.A., construye soldados y trenes de madera. El precio de

venta al pblico de un soldado es de 2700 pesos y el de un tren 2100 pesos.
Gepetto estima que fabricar un soldado supone un gasto de 1000 pesos de
materias primas y de 1400 pesos de costes laborales. Fabricar un tren exige 900
pesos de materias primas y 1000 pesos de costes laborales. La construccin de
ambos tipos de juguetes requiere un trabajo previo de carpintera y un proceso
final de acabado (pintura, revisin de las piezas fabricadas, empaquetado, etc.).
Para fabricar un soldado se necesita 1 hora de carpintera y 2 horas de proceso
final de acabado. Un tren necesita 1 hora de carpintera y 1 hora para el proceso
de acabado. Gepetto no tiene problemas de abastecimiento de materias primas,
pero slo puede contar semanalmente con un mximo de 80 horas de carpintera
y un mximo de 100 horas para los trabajos de acabado. Por exigencias del
marcado, Gepetto fabrica, como mximo, 40 soldados a la semana. No ocurre as
con los trenes, para los que no hay ningn tipo de restriccin en cuanto al nmero
de unidades fabricadas. Obtn el nmero de soldados y de trenes que
semanalmente deber fabricar la empresa para maximizar sus beneficios.
32. Una fbrica produce chaquetas y pantalones. Tres mquinas (de cortar, coser y
teir) se emplean en la produccin. Fabricar una chaqueta representa emplear la
mquina de cortar una hora, la de coser tres horas y la de teir una hora; fabricar
unos pantalones representa usar la mquina de cortar una hora, la de coser una
hora y la de teir ninguna. La mquina de teir se puede usara durante tres horas,
la de coser doce y la de cortar 7. Todo lo que se fabrica es vendido y se obtiene
un beneficio de ocho euros por cada chaqueta y de cinco por cada pantaln.
Cmo emplearamos las mquinas para conseguir el beneficio mximo?
150
7. PROGRAMACION LINEAL
Formulacin, Solucin por computadoras e Interpretacin
Recientemente ha habido una gran cantidad de software que pueden resolver
programas lineales, en este libro solamente usaremos el Solver (Excel) y el WinQSB
que se explicaran mas delante de este libro
Veamos ahora unos conceptos bsicos de los paquetes de cmputo

El precio sombra (shadow price): Es la tasa de cambio en la funcin objetivo (Z)
como resultado de un cambio de una unidad en la restriccin. Es, por tanto, el precio
adicional mximo que estamos dispuestos a pagar por el incremento del recurso. El
precio sombra de una variable de decisin activa es nulo.
La holgura (o el exceso) es la diferencia entre el uso del recurso y el lmite o cota de
la restriccin. Por ejemplo si en uno de los talleres se usan 240 horas-hombre de
mano de obra y hay una disponibilidad de 280, la restriccin que expresa la mano de
obra en ese taller tendr una holgura de 40 horas-hombre.
Rango de optimalidad - Indica los rangos de intervalo entre los cuales, la funcin
objetivo, o las cotas de las restricciones, pueden ser alteradas sin afectar la solucion
ptima. Se los debe considerar "indicativos" pero no "probados con certeza".
Solucin del problema de RMC utilizando el WinQSB

Ahora recordemos el problema de RMC
Max. Z = 40X1 + 30X2
Sujeto a
2/5 X1 + X2 20
Materia Prima 1
1/5 X2 5
Materia Prima 2
3/5 X1 + 3/10 X2 21
Materia Prima 3
a) Ingreso de datos
Problem Title: Ingresar el titulo del problema
Number of Variables: ingresar el nmero de
variables de decisiones X1, X2
Number of Constraints: Nro. de restricciones
151

Objetive Criterion: Si la funcin objetivo es maximizar o minimizar
Data Entry Format: Formato de ingreso de datos
a) Speadsheet Matriz: Matriz de hoja de clculo
b) Normal Model: Forma de modelo matemtico
Ingreso de datos con el formato de hoja de

calculo (Spreadsheet Matriz Form)
b) Solucin del problema

Ir al men Solver and Analyze Solver the problem
Variables de decisin
Restricciones
Veamos algunas columnas

Solution Value:
Son los valores de las variables de decisin X1 = 25 y X2 = 20
Unit cost or Profit:
Es el costo por unidad de cada variable de decisin, generalmente

son los coeficientes de la funcin objetivo
Total Contribution:
Es la contribucin total por variable de decisin, esta dado por:

Total contribution = Solution Value * Unit Cost
La suma de las contribuciones parciales da la contribucin total (Z)

Basic Status:
Indica si las variables de decisin son bsicas o no bsicas
Reduced Cost:
Indica cuanto del coeficiente de la funcin objetivo para cada variable

deber mejorar antes de que sea posible que la variable llegue a un
valor positivo en la solucin ptima. Para un problema de maximizacin
mejorar significa aumentar y en un problema de minimizacin mejorar
significa disminuir. Si la variable de decisin ya es solucin optima, su
costo reducido ser cero
Allowable Min y Max: Indica el rango de optimalidad (anlisis de sensibilidad) para

los coeficientes de X1 y X2.
152

Left Hand Side:
Es el valor del lado derecho de cada restriccin sustituyendo X1 y X2

por los valores ptimos
Right Hand Side:
Es el lado izquierdo de cada restriccin, generalmente esta dado en

la restriccin
Snack or Surplus:
Indica el valor de la variable de holgura/exceso de cada restriccin
Shadow Price:
Es la tasa de cambio de Z en una unidad de la restriccin, se
(Precio Sombra)
concluye que mas toneladas de M. prima 1 (restriccion1)

incrementara Z en $33.33 y esto es valido para incrementos
de hasta 21.5 ton. y reducciones de hasta 14 ton.
c) Grafica del problema
Solucin del problema de RMC utilizando el Solver de Excel

Recordemos el problema de RMC
Max. Z = 40X1 + 30X2
Sujeto a
2/5 X1 + X2 20
1/5 X2 5
3/5 X1 + 3/10 X2 21
Materia Prima 1
Materia Prima 2
Materia Prima 3
X1, X2 0
153
a) Ingreso de Datos
A
2
X2: base
X1: Aditivo combustible
3
4
Datos del
problema
Materia Prima1
Materia Prima2
Materia Prima3
disolvente Disponibilidad
=2/5
=1/2
20
=1/5
=3/5
=3/10
21
7
Cantidad Utilizada MP
Disponibilidad
Materia Prima1
=+(D4*$D$13)+(E4*$E$13)
<=
20
10
Materia Prima2
=+(D5*$D$13)+(E5*$E$13)
<=
11
Materia Prima3
=+(D6*$D$13)+(E6*$E$13)
<=
21
12
13
14
Cantidad
Optima
Cantidad a pedir
Costo unitario $
Utilidad total
15
40
30
=+D13*D14
=+E14*E13
=+D15+E15
b) Solucin del problema

Men Herramientas Solver
La Celda Objetivo: es la celda que se
desea maximizar o minimizar (viene
dado por la funcin objetivo)
Valor de la Celda Objetivo: Especifica
si se desea maximizar o minimizar la
celda objetivo, o bien definirla con un
valor especifico.
Cambiando las Celdas: Son las celdas
que pueden ajustarse hasta que
satisfaga las restricciones y la funcin
objetivo (son los valores ptimos)
Sujeto a las siguientes restricciones:
Muestra las restricciones actuales del
problema
c) Una vez dada la solucin, el cuadro queda como sigue:

A
2
X2: base
X1: Aditivo comb
3
4
Datos del
problema
Materia Prima1
Materia Prima2
Materia Prima3
0.4
0.6
disolvente Disponibilidad
0.5
20
0.2
0.3
21
154

7
Cantidad Utilizada MP
Disponibilidad
Materia Prima1
20
<=
20
10
Materia Prima2
<=
11
Materia Prima3
21
<=
21
Cantidad a pedir
25
20
Costo unitario $
$40.00
$30.00
$ 1,000.00
$ 600.00
12
13
14
Cantidad
Optima
Utilidad total
15
$ 1,600.00
EL PROBLEMA DE ELECTRONIC COMUNICATIONS

Electronic Comunications fabrica radios porttiles que puede utilizarse en
comunicaciones de 2 vas. El nuevo producto de la empresa, que tiene un rango de
hasta 25 millas, es adecuado para una diversidad de usos comerciales y personales.
Los canales de distribucin del nuevo radio son:
1. Distribuidores de equipo marino
2. Distribuidores de equipo de oficinas
3. Cadena nacionales de tiendas al menudeo
4. Pedidos por correo
Debido a diferentes costos de distribucin y promocinales, la redituabilidad del

producto cambiara segn el canal de distribucin. Adems, el costo de publicidad y el
esfuerzo de ventas personales requerido tambin variara de acuerdo con los canales
de distribucin. La tabla siguiente resume la contribucin a la utilidad, el costo de
publicidad y los datos de esfuerzo de ventas:
Canal distribucin
Utilidades por
Costo publicidad
Esfuerzo de FFVV
unidad vendida
por unidad vendida
por unidad vendida
Distrib. Marinos
$90
$10
2 horas
Distrib. de oficinas
$84
$8
3 horas
Tiendas al menudeo
$70
$9
3 horas
Pedidos por correo
$60
$15
Ninguna
155
La empresa ha formulado un presupuesto de publicidad de $5000, y esta disponible un

mximo de 1800 horas de fuerza de ventas para asignar. La administracin tambin
ha decidido producir 600 unidades durante el periodo de produccin actual.
Finalmente, un contrato vigente con la cadena nacional de tiendas al menudeo
requiere que por lo menos se distribuyan 150 unidades a travs de este canal de
distribucin.
Electronic Communications ahora se enfrenta al problema de establecer una estrategia
de distribucin para los radios, que maximice la redituabilidad general de la produccin
de estos radios. Deben tomarse decisiones en relacin con cuantas unidades deben
asignarse a cada uno de los cuatros canales de distribucin, as como asignar el
presupuesto de publicidad y el esfuerzo de fuerza de ventas a cada uno de los canales
de distribucin.
FORMULACION DEL PROBLEMA DE ELECTRONIC COMMUNICATIONS

Funcin objetivo:
Maximizar la utilidad
Restricciones
Restriccion1: Gastos de publicidad Presupuesto ($5000)
Restriccin2: Tiempo de ventas utilizado Tiempo disponible (1800 h)
Restriccin3: Radios producidos = Requerimiento de la administracin
Restriccion4: Distribucin al menudeo Requisito por contrato
Ahora que el problema esta claro, definamos las variables de decisin que el
administrador debe tomar. Sea:
X1 = numero de unidades producidas para el canal de distribucin de equipos marino
X2 = numero de unidades producidas para el canal de distribucin de equipos oficina
X3 = numero de unidades producidas para el canal de distribucin de las cadenas
nacionales al menudeo
X4 = numero de unidades producidas para el canal de distribucin de pedidos
por correo
Ahora escribiremos la funcin objetivo utilizando la tabla para la maximizacin de la
contribucin a la utilidad total
Max. 90X1 + 84X2 + 70X3 + 60X4
Restricciones
1) 10X1 + 8X2 + 9X3 + 15X4 5000 (El presupuesto limita el gasto en publicidad)
2) 2X1 + 3X2 + 3X3 1800 (El limite de tiempo de ventas esta limitado por 1800h)
156
3) X1 + X2 + X3 + X4 = 600 (la decisin de la administracin de producir 600 unidades

durante el tiempo de produccin)
4) 1X3 150
(segn el contrato con tiendas al menudeo, debe ser

distribuidas 150 unidades o mas)
SOLUCION POR COMPUTADORA

Utilizando el Win QSB tenemos los siguientes resultados con 4 variables
(X1, X2, X3, X4) y 4 restricciones
Los valores ptimos de las
variables de decisin esta
dado por X1 = 25, X2 = 425,
X3 = 150 y X4 = 0 (la
empresa no debe utilizar el
canal por correos)
La funcin objetivo nos dar
una utilidad mxima de
$48,450
Recordemos que los
costos reducidos indican
cuanto tendr que mejorar
cada coeficiente de la
funcin objetivo (en este
caso contribucin a la
utilidad), antes de que la
variable de decisin
correspondiente pueda
asumir un valor positivo en
la solucin ptima
Veamos que los 3 primeros costos reducidos son cero, porque las variables de
decisin correspondiente (x1, X2, X3) ya tienen valores positivo en la solucin optima.
Sin embargo el costo reducido -45 para la variable X4 nos indica que la utilidad de los
nuevos radios distribuidos por correo tendra que incrementar su utilidad por unidad
vendida a por lo menos $60 + $45 = $105 por unidad, antes de que resultara
redituable el uso del canal de distribucin de pedidos por correo
Ahora veamos las variables de holgura o excedente y los precios sombras
Restriccin
Tipo
Holgura o
Precio
excedente sombra
1
Presupuesto de Publicidad
Disponibilidad Fuerza venta
25
Nivel de produccin
60
Requisito tienda al menudeo
-17
157
Rango de Optimalidad (Anlisis de Sensibilidad)
1
2
3
4
Decision
Variable
X1
X2
X3
X4
Allowable Allowable
Min. c(j) Max. c(j)
84
M
50
90
-M
87
-M
105
1
2
3
4
Constraint
C1
C2
C3
C4
Allowable
Min. RHS
4,950.00
1,775.00
515
0
Allowable
Max. RHS
5,850.00
M
603.5714
200
La restriccin 1 de presupuesto de publicidad tiene una holgura de 0, indicando que se

ha utilizado la totalidad de presupuesto de $5000. El precio sombra correspondiente
de 3 nos indica que un dlar adicional que se le agregue al presupuesto de publicidad
mejorara la funcin objetivo (incremento en utilidad) en $3.
El rango del presupuesto de optimalidad (de 4950 a 5850) muestra que incrementar el
presupuesto de publicidad es apropiada hasta $5850
La holgura de 25 horas en la restriccin 2, muestra que hay 25 horas del tiempo de

fuerza de ventas no son utilizadas (tiempo ocioso)
El precio sombra de 60 en la restriccin 3, muestra que si la empresa reconsiderase

El nivel de produccin para los radios, el valor de la funcin objetivo, es decir la utilidad
mejora a una tasa de $60 por unidad producida.
El precio sombra negativo de -17, indica que al incrementar el compromiso con las
tiendas al menudeo de 150 a 151 unidades, la utilidad disminuira en $17. En este
caso una disminucin en la cantidad pactada con las tiendas al menudeo (de 150 a
149) mejorara la utilidad de la empresa a una tasa de $17 por unidad. Observe que el
rango de optimalidad asociado con X4 (-M a $105) corrobora esta informacin anterior
de los precios sombras, en ambos casos, la utilidad por unidad tendra que aumentar a
$105 para que el canal de distribucin por correo pudiera aparecer en la solucin
optima con un valor positivo.
Las asignaciones del presupuesto de publicidad (restriccion1) es:
10X1 + 8X2 + 9X3 + 15X4 5000
Ahora remplazamos X1, X2, X3, X4 por sus valores ptimos

Presupuesto publicidad canal de distribucin equipos marinos X1 :
10(25) = $250
Presupuesto publicidad canal de distribucin equipos oficina X2 :
8(425) = $3400
Presupuesto publicidad canal de distribucin tiendas al menudeo X3: 9(150) = $1350

Presupuesto publicidad canal de distribucin pedidos por correo X4:
15(0) = $0
158
EJERCICIOS PROPUESTOS 7
1.- Kelson Sporting fabrica dos modelos de guantes de bisbol; uno normal y una de
catcher. La empresa tiene disponible 900 horas de tiempo de produccin en su
departamento de corte y costura. 300 horas disponibles en su departamento
terminado y 100 horas disponibles en su departamento de empaque y embarque.
Los requerimientos de tiempo de produccin y la contribucin a la utilidad
(ganancia) de cada uno de los productos son:
Tiempo de produccin (horas)
Modelo
Corte y
Terminado
costura
Guante normal
Empaque y
Utilidad por
guante
embarque
1/8
$5
Manopla de Catcher
3/2
1/3
1/4
$8
Disponibilidad horas
900
300
100
Suponga que la empresa esta interesada en maximizar la contribucin total a la

utilidad.
a) Cul es el modelo de programacin lineal para este problema?
b) Encuentre la solucin ptima utilizando el mtodo grafico
c) Encuentre la solucin ptima. Cuantos guantes de cada modelo deber fabricar
Kelson
d) Cual es la contribucin total a la utilidad
e) Cuantas horas de tiempo de produccin estn programadas en cada departamento
f) Cual es el tiempo libre en cada departamento
Rpta: X1 = 500.15; X2 = 149.93
Z = 3,700.15
2.- El propietario de Parrilladas Ramiros, deseara determinar cual es la mejor forma

de adquirir un presupuesto mensual de publicidad de $1,000 entre peridicos y la
radio. La administracin ha decidido que por lo menos el 25% del presupuesto
debe utilizarse en cada uno de estos tipos (peridico y radio), y que el monto de
dinero gastado en publicidad en peridicos debe ser por lo menos el doble de lo
que se gaste en radio. Un asesor de mercadotecnia ha desarrollado un ndice de
exposicin del auditorio por dlar de publicidad en una escala del 0 al 100, donde
valores mas elevados del ndice indican mayores exposiciones al auditorio. Si el
valor del ndice para publicidad en los peridicos locales es de 50, y para un
anuncio de radio es de 80. Cmo debera asignar la administracin el
159
presupuesto de publicidad, a fin de maximizar el valor de exposicin total en el

auditorio?
a. Formule un modelo de programacin lineal que se pueda utilizar para determinar la
manera en que la administracin debe asignar el presupuesto de publicidad a fin
de maximizar el valor de la exposicin del auditorio.
b. Resuelva el problema utilizando el procedimiento de la solucin grafica.
3. Greentree proporciona alimentos por una noche para mascotas. Una caracterstica
particular en Greentree es la calidad del cuidado que reciben las mascotas. La
comida para perros se elabora mezclando 2 alimentos de marca para perros a fin
de obtener lo que Greentree llama dieta para perros bien balanceada. Los datos
para las 2 comidas para perros son las siguientes:
Comida para perros
Costo/onza
Protenas
Grasa
Bark Bits
$0.06
0.30
0.15
Canien Chow
$0.05
0.20
0.30
Si Greentree desea asegurarse que los perros reciben por lo menos 5 onzas de
protenas y como mnimo 3 onzas de grasas cada da. Cul es la mezcla de costo
mnimo de los 2 alimentos para perros?
Rpta: 15 onzas de Bark Bits y 2.5 onzas de Canien Chow; Z= 1.025
4.- Supersport quiere determinar la cantidad idnea de balones de ftbol americano:

All-pro (X1); Collage (X2) y High School (X3) a producir a fin de maximizar las
utilidades. Las restricciones incluyen limitaciones de capacidad de produccin
(tiempo disponible en minutos) en cada uno de los 3 departamentos (corte y
teido, costura e inspeccin y empaque); as como una restriccin que requiere la
produccin de por lo menos 1000 balones de ftbol americano All-Pro. El modelo
de programacin lineal de Supersport es como sigue:
Max. 3X1 + 5X2 + 4X3
Sujeto a
12X1 + 10X2 + 8X3 18,000
Corte y teido
15X1 + 15X2 + 12X3 18,000
Costura
3X1 + 4X2 + 2X3 9,000
Inspeccion y empaque
1X1
1,000
Modelos All-Pro
X1, X2, X3 0
a) Cuantos balones de ftbol americano de cada tipo deber producir Supersport

para maximizar la contribucin total
160
b) Que restricciones tiene recursos limitantes

c) Interprete la holgura o el excedente de cada restriccin
5.- Relax and Enjoy Lake Corp. Esta desarrollando una comunidad habitacional a la
orilla de un lago de propiedad privada. El mercado principal para los terrenos y
casas a la orilla del lago que esperan vender incluye a todas las familias con
ingresos altos y medios dentro de la comunidad. Relax and Enjoy Lake Corp. Ha
contratado a una agencia de publicidad para disear la campaa publicitaria.
La evaluacin de la calidad se mide en funcin de una unidad de calidad de

exposicin. Despus de considerar posibles medios y el marcado a cubrir, la
empresa de publicidad ha recomendado que la publicidad se limite a cinco medios.
DTV = Numero de veces en que se utiliza la TV diurna
ETN = Numero de veces en que se utiliza la TV nocturna
DN = Numero de veces en que se utiliza el peridico cotidiano
SN = Numero de veces en que se utiliza el peridico dominical
R
= Numero de veces en que se utiliza la radio
Medios de Publicidad
1. TV diurna (1 min)
Numero de
clientes
potenciales
alcanzados
1000
2. TV vespertina (30 seg)
Costo por
anuncios
$1500
Numero
mximo
tiempo disp.
por mes
15
Unidades
calidad de
exposicin
65
2000
$3000
10
90
3. Peridico diario (1 pag)
1500
$400
25
40
4. Peridico dominical
2500
$1000
60
5. Radio (30 seg)
300
$100
30
20
Relax and Enjoy Lake Corp. Autorizo un presupuesto de publicidad de $30,000 para la
campaa, adems Relax and Enjoy Lake impuso las siguientes restricciones sobre la
forma en que la empresa de publicidad puede asignar estos fondos; debe utilizar por lo
menos 10 comerciales de TV, se debe alcanzar por lo menos 50,000 clientes
potenciales y no puede gastarse mas de $18,000 en anuncios de TV.
a) Qu plan de seleccin de medios deber recomendarse?, es decir La
decisin a tomar es cuantas veces utilizar cada uno de los medios.
b) Cual es el numero mximo de unidades de calidad de exposicin?
c) Cual es el numero total de clientes alcanzados?
161
Func. Objetivo
Max 65DTV + 90ETV + 40DN + 60SN + 20R
Sujeto a
DTV
ETV
DN
SN
R
15
10
25
30
30,000
ETV
10
1500DTV + 3000ETV
18,000
1500DTV + 3000ETV + 400DN + 1000SN + 100R

DTV +
1000DTV + 2000ETV + 1500DN + 2500SN + 300R

DTV, ETV, DN, SN, R
RPTA:
50,000
a) DTV=10, ETV=0, DN=25, SN=2, R=30

b) 2370
c) Restriccin clientes alcanzados = 61,500
7. La administracin de Hartman Company esta intentando determinar la cantidad a

producir de cada uno de los productos en el siguiente periodo de planeacin. La
informacin que sigue corresponde a la disponibilidad de la mano de obra, el uso
de la mano de obra y la redituabilidad del producto
Departamento
A
Producto (hora/unidad)
1
2
1.00
0.35
Horas de mano de
obra disponible
100
0.30
0.20
36
0.20
0.50
50
Contribucin a la utilidad
$30.00
$15.00
a) Desarrolle un modelo de programacin lineal del problema de Hartman

Company. Resuelva el modelo para encontrar los volmenes ptimos de
produccin de los productos 1 y 2
b) Suponga que en alguno de los departamentos se puede programar un tiempo
extra En que departamento recomendara usted dicha programacin?.
Cunto estara dispuesto a pagar usted por hora de tiempo extra en cada uno
de los departamentos?
RPTA
a) X1 = 77.89, X2= 63.16
Z = 3284.21
b) Dpto A $15.79; Dpto B $47.37
162
6. La unin de crdito de los empleados de State University esta planeando la

asignacin de los fondos para el prximo ao. La unin de crdito efecta cuatro
tipos de prstamos a sus miembros y adems para estabilizar el ingreso, invierte
en valores libres de riesgo. Las diversas inversiones productoras de ingreso, junto
con sus tasas de rendimiento anual son:
Tipo de prstamo / inversin
Tasa de rendimiento anual (%)
Prstamo por automvil
Prstamo para muebles
10
Otros prestamos con garanta
11
Prestamos quirografarios
12
Valores libres de riesgo
Durante el siguiente ao la unin de crdito tendr $2000,000 disponibles para

invertir. Las leyes estatales y las polticas de la unin de crdito imponen las siguientes
restricciones en la composicin de prstamos e inversiones
-
Los valore libre de riesgo no pueden exceder el 30% de los fondos totales
disponibles para inversin
Los prestamos quirografarios no pueden exceder el 10% de los fondos

invertidos en todos los prestamos (automotriz, inmobiliarios, otros con
garantas y quirografarios).
Los prestamos para mobiliarios mas los quirografarios no pueden exceder los
prestamos automotrices
Otros prestamos garantizados mas los quirografarios ni pueden exceder los

fondos invertidos en valores libres de riesgo
Como debern asignarse los $2000,000 para cada una de estas alternativas de
prestamos y de inversin, a fin de maximizar el rendimiento total anual? Cules es el
rendimiento total anual proyectado?
RPTA X1=0 ; X2=1600,000 ; X3=0 ; X4=200,000 ; X5= 200,000
Z = 202,000
7. G. Kunz and Sons fabrican dos productos que se utilizan en la industria de la

maquinaria pesada. Ambos productos requieren operaciones de manufactura en
dos departamentos. A continuacin aparecer las cifras de los tiempos de
produccin (en horas) y de la contribucin a la utilidad de ambos.
Para el prximo periodo de produccin, Kuns tiene un total de 900 horas de manos
de obra disponible que se pueden asignar a cualquier de los dos departamentos.
Encuentre el plan de produccin y la asignacin de la manos de obra (horas asignadas

a cada departamento) que maximice la contribucin a la utilidad total
163
Producto
Utilidad por
unidad
Horas de mano de obra

Depart A
Depart B
$25
12
$20
10
RPTA a) plan de produccin X1=50, X2=0

Horas asignadas a cada Dpto Dpto A = (6*50)+(8*0)=300 horas
Horas asignadas a cada Dpto Dpto B = (12*50)+(10*0)=600 horas
8.- Lurix Electronic manufactura dos productos que se pueden producir en dos lneas
distintas de produccin. Ambos productos tienen costo de produccin ms bajo
cuando se producen en la ms moderna de las dos lneas. Sin embargo, la lnea
de produccin ms moderna no tiene capacidad para manejar la produccin total.
Como resultado, parte de la produccin debe efectuarse en la lnea de produccin
ms antigua. Los datos siguientes muestran los requerimientos totales de
produccin, la capacidad de las lneas de produccin y los costos de produccin
Costo de produccin / Utilidad
Producto
Lnea Moderna
Lnea antigua
Req. Mnimo de produccin
$3.00
$5.00
500 unid
$2.50
$4.00
700 unid
Capac lnea
800
600
Formule un modelo de programacin lineal que pueda utilizarse para tomar la decisin
de asignacin de la produccin. Cual es la decisin recomendada y cual es el costo
total
RPTA:
Lnea moderna
Lnea Antigua
Prod1
500
Prod2
300
400
9.- Edgard Manufacturing Company adquiere dos componentes de tres proveedores

distintos. Los proveedores tienen una capacidad limitada y ninguno de ellos puede
cumplir con la totalidad de las necesidades de la empresa, adems de que cobran
precios diferentes por los componentes. Los precios de los componentes por
unidad son los sgtes
Componente
Prov1
Prov2
Prov3
$12
$13
$14
$10
$11
$10
164
Cada proveedor tiene capacidad limitada respecto al total de componentes que

puede suministrar. Sin embargo, siempre que Edgar emita pedidos suficiente
adelanto, cada proveedor puede dedicar su capacidad al componente 1 o 2 o
ambos, siempre y cuando el total de unidades pedidas quede dentro de su
capacidad. La capacidad de los proveedores es la siguiente
Componente
Capacidad
Prov1
Prov2
Prov3
600
1000
800
Si el plan de produccin de Edwards para el siguiente periodo incluye 1000

unidades del componente 1 y 800 unidades del componente 2, Cuntas unidades
de cada componente debern pedirse a cada uno de los proveedores?. Cul
seria el costo total de adquisicin de componentes?
RPTA:
Componente Prov1 Prov2
1
600
400
2
0
0
Prov3
0
800
10.- Golf Company palos de grafito vara varios fabricantes de palos de golf. Dos
instalaciones de fabricacin de Golf company (una en San Diego y otra en Tampa)
tiene la capacidad para producir palos en diversos grados de rigidez, desde los
normales, hasta modelos extrarigidos. Golf Company acaba de recibir un contrato
para la produccin de 200,000 palos normales y 75,000 rgidos. Dado que ambas
plantas actualmente estn produciendo palos de golf para cumplir con ordenes
anteriores, ninguna de las plantas tiene capacidad suficiente, por si misma para
llenar el nuevo pedido. La planta de San Diego puede producir hasta un total de
120,000 palos y la de Tampa hasta un total de 180,000 palos de golf. Debido a
deferencias en equipamiento en cada una de las plantas y de distintos costos de
mano de obra, los costos de produccin unitarios son distintos como se muestra a
continuacin
Costo de San Diego
Costo de Tampa
Palo Normal
$ 5.25
$ 4.95
Palo Rgido
$ 5.45
$ 5.70
Formule un modelo de programacin lineal para determinar la manera en que Golf

Company deber programar la produccin de este nuevo pedido para minimizar el
costo total de produccin.
165
11.- Frecuencia Latina peridicamente patrocina seminarios y programas de servicio

pblico. Actualmente, estn en marcha planes promocinales para el programa de
este ao. Las alternativas de publicidad incluyen TV, Radio y peridicos. Las
estimaciones de auditorio, costo y limitaciones de utilizacin de medios son:
Restriccin
Televisin
Radio
Peridico
Auditorio por anuncio
100,000
18,000
40,000
Costo por anuncio
$2,000
$300
$600
Uso mximo de los medios
10
20
10
Para asegurar un uso balanceado de los medios de publicidad, los anuncios en

radio no deben exceder el 50% del nmero total de anuncios autorizados. Adems,
la televisin deber representar por lo menos 10% del nmero total de anuncios
autorizados.
a) Si el presupuesto promocional esta limitado a $18,200. Cuntos mensajes
comerciales debern ser emitidos en cada medio para maximizar el contacto
total con el auditorio? Cul es la asignacin del presupuesto entre los 3
medios y cual ser el auditorio alcanzado?.
b) En cuanto se incrementara el contacto con el auditorio, si se asignan $100
adicionales al presupuesto promocional
Rpta: TV = 4; R = 14; P = 10
Z = 18,200
12.- Ajax Fuels esta desarrollando un nuevo aditivo para combustible para avin. El
aditivo es una combinacin de 3 ingredientes (A, B, C). Para un rendimiento
adecuado, la cantidad total de aditivo (A + B + C) debe ser por lo menos 10 onzas
por galn de combustible. La mezcla de los 3 ingredientes es critica: por lo menos
se debe utilizar una onza del ingrediente A por cada onza del B. la cantidad del
ingrediente C debe ser mayor que la mitad del A. Si los costos por onza de los
ingredientes A, B, C son $0.10; $0.03 y $0.09, respectivamente, encuentre la
mezcla de costo mnimo de A, B y C por cada galn de combustible para avin
Rpta: X1 = 4; X2 = 4; X3 = 2
Z = 0.70
13.- Centro Papelero del Norte (CPN) produce rollos de papel para uso de maquinas
sumadoras, calculadoras de escritorio y cajas registradoras. Los rollos se producen
en anchos de 1.5; 2.5; 3.5 pulgadas. El proceso de produccin entrega nicamente
rollos de 200 pies de ancho por 10 pulgadas. La empresa debe por lo tanto cortar
166
los rollos al tamao final del producto deseado. Las 7 alternativas de corte y el
volumen de desperdicio generado por cada una son como sigue:
Alternativas
de corte
Numero de Rollos
Desperdicio
(pulg)
1.5 pulg
2.5 pulg
3.5 pulg
0.5
0.5
Las necesidades mnimas para los tres productos son

Ancho del rollo (pulg)
Unidades
1.5
2.5
3.5
1000
2000
4000
a) Si la empresa desea minimizar el numero de rollos Cuntos rollos se

procesaran en cada alternativa de corte?Cuantos rollos se requieren y cual es
el desperdicio total (pulgadas)?
b) Si la empresa desea minimizar el desperdicio generado, Cuntas unidades
debern ser procesadas en cada alternativa de corte?Cuantos rollos se
requieren y cual es el desperdicio total?
RPTA
a) X1=0 ; X2=125 ; X3=500 ; X4=1500 ; X5=X6=X7 = 0
Desperdcio = 750
b) X2=500 ; X3=2000; X1=X4=X5=X6=X7=0

Desperdcio = 2500 rollos sin desperdcio
14.- Williams Calculators Company manufactura dos tipos de calculadoras la TW100 y

la TW200. El proceso de ensamble requiere 3 personas. Los tiempos de ensamble son
como sigue:
Ensamblador
Calculadora
Mano de obra mxima
TW100
TW200
disponible
4 min
3 min
8 horas/dia
2 min
4 min
8 horas/dia
3.5 min
3 min
8 horas/dia
Si la empresa obtiene una utilidad de $2.5 por cada uno de los TW100 y de $3.50 por
cada uno de los TW200. Cuntas calculadoras debern producirse por da?. Cunto
tiempo se le asignara a cada ensamblador por da?
167
Rpta: TW100 = 48; TW200 = 96
Z = 456
Ensamblador 1 = 480; Ensamblador 2 = 480; Ensamblador 3 = 456
15.- Winkler Furniture fabrica dos tipos de vitrinas: un modelo francs y un modelo
moderno, cada vitrina producida debe pasar por tres departamentos: carpintera,
pintura y acabados segn la tabla siguiente:
Estilo Vitrina
Carpintera
Pintura
Acabado
Utilidad neta
Horas/Vitrina
Horas/Vitrina
Horas/Vitrina
Francs
1.5
0.75
28
Moderno
0.75
25
Capacidad Dpto
360
200
125
La compaa firmo un contrato con un distribuidor de Mxico para producir un mnimo

de 300 vitrinas de cada modelo por semana (o 60 por dia). El director desea determina
una mezcla de productor para maximizar su ingreso diario
16.- El famoso restaurante Fok Tou est abierto las 24 horas Del da. Los meseros
trabajan en turnos de 8 horas consecutivas. La tabla siguiente muestra el nmero
mnimo de trabajadores necesarios durante los 6 turnos diarios. El problema Del
administrador de Fok Tou es determinar cuntos meseros debern reportarse AL
trabajo al inicio de cada perodo para minimizar el personal total requerido
Periodo
Horario
Requerimiento mnimo de meseros
3 AM 7 AM
7 AM 11 AM
12
11 AM 3 PM
16
3 PM 7 PM
7 PM 11 PM
11
11 PM 3 AM
17.- Un establo tiene caballos que los usa para jalar carruajes de turistas. El
propietario del establo reconoce la necesidad de disear una dieta nutricional para los
caballos. Al mismo tiempo quiere mantener al minimimo el costo diario total de
alimentacin.
Las mezclas de los alimentos disponibles para la dieta de caballos son un producto de
avena, un grano enriquecido y un producto mineral de 5 ingredientes requeridos
168
diariamente para mantener saludable al caballo. La tabla siguiente muestra esos

requerimientos:
MEZCLA DE ALIMENTOS
Requerimiento
Producto de
Granos
Prod.
Requerim.
diettico
Avena (unid/lb)
Enriquecidos
Minerales
Mnimos
(unid/lb)
(unid/lb)
diarios
0.5
0.5
1.5
0.5
0.5
1.5
Costo/lb
$0.09
$0.14
$0.17
El propietario del caballo sabe que un caballo sobrealimentado es un trabajador

perezoso. Por consiguiente determina que 6 lb de alimentos por da son lo mximo
que cualquier caballo necesita para funcionar apropiadamente. Formule este problema
de mezcla diaria ptima de los tres alimentos.
18. Maestro Home Center fabrica 2 tipos de vitrinas: un modelo francs y un modelo
moderno dans. Cada vitrina producida debe pasar por 3 departamentos: carpintera,
pintura y acabado. La tabla siguiente contiene toda la informacin de los tiempos de
produccin de cada vitrina
Horas/Vitrina
Tipo de Vitrina
Ingreso neto x
vitrina (S/.)
Carpintera
pintura
Acabado
Francs
3.5
3/4
28
Dans moderno
3/4
25
360
200
125
Capacidad (horas)
La compaa firmo un contrato con un distribuidotr para producir un minimo de 300

vitrinas de cada modelo por semana (o 60 por dia). Maestro Home Center quiere
determinar la mezcla de productos para maximizar su ingreso diario.
19.
169
8. APLICACIONES DE PROGRAMACION LINEAL

En la practica la programacin lineal ha demostrador ser uno de los mas exitosos
procedimientos cuantitativos administrativos para la toma de decisiones. Se sabe de
numerosas aplicaciones en la industria qumica, de aerolneas, del acero, del papel,
del petrleo y otras. Los problemas que se han estudiado son diversos e incluyen:
-
Programacin de la produccin
Seleccin de medios, Planeacin financiera
Inversiones de capital
Transporte
Localizacin de plantas
Mezclas de productos
Personal
Composicin de mezclas y muchos otros.
8.1.- EN LA MERCADOTECNIA: Seleccin de medios

La programacin lineal en la seleccin de medios estn diseadas ayudar a asignar un
presupuesto fijo de publicidad a diversos medios. Los medios potenciales incluyen
peridicos, revistas, radio, TV, emails
En estas aplicaciones el objetivo es maximizar el: alcance, frecuencia y calidad de la

exposicin. Las restricciones pueden ser: Polticas de la empresa, requisitos
contractuales y disponibilidad de medios
En el siguiente ejemplo ilustramos como puede formularse un problema de seleccin

de medios y resolverse utilizando la programacin lineal.
Relax and Enjoy esta desarrollando una comunidad habitacional a la orilla de un lago.
Relax and Enjoy ha contratado a la agencia BP&J para disear la campaa de
publicidad.
Despus de considerar posibles medios y el mercado a cubrir, BJ&J ha recomendado

que la publicidad del primer mes se limite a 5 medios. Al final del mes BP&J reevaluara
sus estrategias con base al primer mes.
La evaluacin de la calidad se mide en funcin de una unidad de calidad de exposicin

(una medida relativa de una anuncio en cada medio)
170
Relax and Enjoy autorizo a BP&J un presupuesto de publicidad de $30,000 para la

campaa del primer mes- Adems impuso las siguientes restricciones sobre la forma
en que BP&J puede asignar estos fondos:
- Debe utilizar por lo menos 10 comerciales de TV
- Se debe alcanzar por lo menos 50,000 clientes potenciales y
- No puede gastarse mas de $18,000 en anuncios de TV
BP&J ha reunido los siguientes datos:

Medios de Publicidad
Nro
Costo x Nro mximo de
clientes
anuncio tiempo disponib calidad de
alcanzados
Unidades de
por mes
exposicin
1.- TV diurna (1 min)
1000
$1500
15
65
2.- TV vespertina (30 seg.)
2000
$3000
10
90
3.- Peridico diario
1500
$400
25
40
4.- Revista dominical (1/2 pag) 2500
$1000
60
5.- Radio noticias (30 seg)
$100
30
20
(pag. Completa)
300
Que plan de seleccin de medios deber recomendarse?. La decisin a tomar

es cuantas veces se debe utilizar cada uno de los medios.
Empezamos definiendo las variables de decisin:

DTV = Numero de veces en que se utiliza la TV diurna
ETV = Numero de veces en que se utiliza la TV nocturna
DN = Numero de veces en que se utiliza la peridico cotidiano
SN = Numero de veces en que se utiliza la peridico dominical
R
= Numero de veces en que se utiliza la radio
En la tabla encontramos que la TV nocturna (ETV) esta clasificada en 90 unidades de

exposicin, el peridico diario (DN) en 40; el dominical (SN) en 60 y la radio (R) en 20.
Con el objetivo de maximizar las unidades totales de calidad de exposicin para el
plan general de seleccin de medios, la funcin objetivo se convierte en:
Calidad de exposicin: Max. 65 DTV + 90 ETV + 40 DN + 60 SN + 20 R
Ahora formulamos las restricciones para el modelo a partir de la informacin dada
171
La solucin por computadora utilizando WinQSB de este modelo con 5 variables de

decisin y 9 restricciones es.
La solucin optima de este modelo, requiere que se distribuyan 10 veces en TV diurna;

25 veces el peridico diario; 2 veces en el peridico dominical y 30 veces en radio.
El nmero mximo de unidades de calidad de exposicin es 2370 y el nmero total de
clientes alcanzados es de 61,500 clientes
Ntese que la restriccin presupuestal (restriccin C6) tiene un precio dual de 0.060,
esto es un incremento de un dlar en el presupuesto de publicidad llevara a un
incremento de 0.06 unidades de calidad de exposicin
El precio dual de -25 (restriccin C7), indica que una reduccin en el nmero de
comerciales de TV aumentara la calidad de exposicin en el plan de publicidad
172
El plan de publicidad para Relax and Enjoy queda de la siguiente manera:

Medios
Frecuencia
Presupuesto
Televisin diurna
10
$15,000
Peridico Diario
25
$10,000
Peridico dominical
$2,000
Radio
30
$3,000
Total $30,000
Clientes totales alcanzados =
61,500
Unidades de calidad de exposicin = 2,370
8.2.- EN INVESTIGACION DE MERCADOS:

Una organizacin lleva a cabo la investigacin de mercados para aprender lo
relacionado con las caractersticas de los consumidores, sus actitudes y preferencias
Los servicios ofrecidos por las empresas de investigacin de mercados incluyen el
diseo del estudio, encuestas del mercado, anlisis de datos, informe y
recomendaciones para el cliente
En la fase de diseo de la investigacin pueden establecerse metas o cuotas para el

nmero y tipo de personas que deben encuestarse de manera que se satisfagan las
necesidades del cliente a un costo mnimo
La empresa Datum SA, se especializa en la evaluacin de la relacin de los

consumidores a nuevos productos, servicios y campaas publicitarias. Un cliente ha
solicitado la ayuda a Datum para saber cual es la reaccin de los consumidores ante
un producto domestico recin introducido al mercado.
En reuniones con el cliente Datum estuvo de acuerdo en efectuar entrevistas
personales en el da y en la noche a hogares con nios y hogares sin nios.
De manera especfica el cliente exiga que se realizaran 1000 entrevistas bajo las
siguientes guas de accin:
1. Se entrevistaran por lo menos 400 hogares con nios.
2. Se entrevistaran por lo menos 400 hogares sin nios
3. El numero total de hogares entrevistados por la noche debe ser por lo menos
tan elevado como el de los entrevistados durante el da
4. Por lo menos 40% de las entrevistas en hogares con nios debern hacerse
durante la noche
173
5. Por lo menos 60% de las entrevistas en hogares sin nios debern hacerse
durante la noche
Dado que las entrevistas en hogares con nios
Costo de la entrevista
ocupan ms tiempo del entrevistador, y debido a que
Hogar
Dia
los entrevistadores de la noche cobran ms que los
Con nios
$20
$25
diurnos, el costo vara segn el tipo de entrevista.
Sin nios
$18
$20
Noche
Cual es el plan de entrevistas, tipo de hogar y hora del da que satisface los
requisitos del contrato a un costo de entrevistas total mnimo?
Al formular el modelo de programacin lineal utilizamos la siguiente notacin para las
variables de decisin.
DC = Numero de entrevistas diurnas en hogares con nios
EC = Numero de entrevistas nocturnas en hogares con nios
DNC = Numero de entrevistas diurnas en hogares sin nios
ENC = Numero de entrevistas nocturnas en hogares sin nios
Funcin Objetivo: como queremos minimizar el costo total de entrevistas tenemos
Restricciones
DC + EC + DNC + ENC = 1000
Requiere un total de 1000 entrevistas
DC + EC = 400
Se entrevistaran por lo menos 400 hogares con nios (R1)
DNC + ENC = 400
Se entrevistaran por lo menos 400 hogares sin nios (R2)

Por lo menos tantas entrevistas
EC + ENC = DC + DNC EC + ENC - DC - DNC = 0 Nocturnas como diurnas (R3)

EC = 40%(DC + EC) o -0.4 DC + 0.6 EC = 0
Por lo menos 40% de entrevistas en

hogares con nios durante la noche
Por lo menos 60% de entrevistas en
ENC = 40%(DNC+ENC) o -0.6 DNC + 0.4 ENC = 0 hogares sin nios durante la noche
Cuando agregamos el requisito de no negatividad, el modelo de programacin lineal

con 4 variables y 6 restricciones se convierte en:
Min.
20 DC + 25 EC + 18 DNC + 20 ENC
sa
DC +
EC + DNC +
DC +
EC
DNC +
-DC +
EC DNC +
-0.4 DC + 0.6 EC
ENC = 1000
Entrevistas Totales
400
Hogares con nios
ENC 400
Hogares sin nios
ENC 0
Entrevistas nocturnas
-0.6 DNC + 0.4 ENC 0
Hogares en la noche con nios

Hogares en la noche sin nios
174
Numero de entrevistas
La solucin muestra que el costo

mnimo de $20,320 ocurre con el
siguiente programa de entrevistas
Hogar
Diurno
Nocturno
Totales
Con nios
240
160
400
Sin nios
240
360
600
Totales
480
520
1000
Entonces se programaran 480 entrevistas durante el da y 520 durante la noche. Los

hogares con nios sern cubiertos mediante 400 entrevistas y los hogares sin nios
sern cubiertos mediante 600 entrevistas
La informacin del anlisis de sensibilidad muestra que un precio sombra de 19,200

(restriccin 1), es decir que la funcin objetivo mejorara (el costo total de la entrevista
disminuir) en 19.20 dlares, si la cantidad de entrevistas se incremente de 1000 a
1001, por lo que $19.20 es el costo incremental de obtencin de entrevistas
adicionales. Tambin es el ahorro que conseguir al reducir el nmero de entrevistas
de 1000 a 999.
La variable excedente de la restriccin 3 muestra que se entrevistaran a 200 hogares

sin nios ms de los requeridos, de la misma forma la variable excedente de la
restriccin 4, muestra que el numero de entrevistas nocturnas excede el numero de
entrevistas diurnas en 40
175
El precio sombra de 5 para la restriccin 5, indica que si durante la noche ha de

entrevistarse un hogar adicional (con nios) al requisito mnimo, el costo total de las
entrevistas disminuirn en 5 dlares
El precio sombra de 2 para la restriccin 6, indica que si entrevistara un hogar

adicional (sin nios) durante la noche, los costos disminuirn en 2 dlares
8.3.- APLICACIN EN LAS FINANZAS: Seleccin de cartera

La programacin lineal se ha aplicado en las finanzas, en problemas que involucran
- Presupuesto de capital,
- Decisiones de fabricar o comprar
- Asignacin de activos
- Seleccin de carteras
- Planeacin financiera y mucho mas
Los problemas de seleccin de cartera indican situaciones en las que el administrador

financiero debe seleccionar inversiones especificas, por ejemplo acciones, bonos entre
una diversidad de alternativas de inversin.
Los administradores de fondos, uniones de crditos, aseguradoras y bancos
frecuentemente se encuentran ante este tipo de problemas
Por lo general la funcin objetivo para estos problemas de seleccin de cartera es la

maximizacin del rendimiento esperado o la minimizacin de un riesgo. Comnmente
las restricciones toman la forma de limitaciones del tipo de inversiones permisibles, las
leyes estatales, la poltica de empresa, el riesgo mximo permisible, etc.
Welte Mutual Funds (New York) acaba de obtener $100,000 convirtiendo bonos
industriales en efectivo, y ahora esta buscando nuevas oportunidades de inversin
para estos fondos. Con base en las inversiones actuales el analista principal financiero
de la empresa recomienda que las inversiones se efectuen en la industria petrolera, en
la industria del acero o en bonos del gobierno. Especficamente, el analista ha
identificado cuatro oportunidades de inversin y ha proyectado sus tasas de
rendimiento anual.
176
Inversin
Tasa rendimiento
proyectado (%)
Atlantic Oil
7.3 %
Pacific Oil
10.3 %
Midwest Steel
6.4 %
Huber Steel
7.5 %
Bonos del gobierno
4.5 %
La administracin de Welte ha impuesto las siguientes guas de inversin:

2. Ninguna de estas industrias (petroleras o acero) debe recibir mas de $50,000
3. Los bonos del gobierno deben ser por lo menos 25% de las inversiones de la
industria del acero
4. En la inversin en Pacific Oil (alto riesgo) no puede ser mayor de 60% de la
inversin total de la industria petrolera
Que recomendacin de cartera (inversiones y montos) deber darse para los
$100,000 disponibles? Dado el objetivo de maximizar el rendimiento proyectado
sujeto a las restricciones impuestas
Supongamos que
A = Dlares invertidos en Atlantic Oil
P = Dlares invertidos en Pacific Oil
M = Dlares invertidos en Migwest Oil
H = Dlares invertidos en Huber Steel
G = Dlares invertidos en bonos del gobierno
Funcin Objetivo: utilizando las tasas de rendimiento proyectadas queremos
maximizar el rendimiento total de la cartera:
Max. 0.073 A + 0.103 P + 0.064 M + 0.075 H + 0.045 G
Restricciones:
A + P + M + H + G = 100,000
A+P
50,000
M+H
50,000
inversin de $100,000 disponibles

Restriccin a que ni la industria petrolera ni
la del acero deben recibir ms de $50,000
G 0.25(M + H) es decir -0.25M 0.25H + G 0 Mximo de los bonos del gobierno

P 0.60(A + P) es decir -0.6 A + 0.4 P 0 Restriccin de Pacific Oil 60% Petrleo
El problema se resolvi utilizando WinQSB; el resultado aparece en la siguiente figura.
177
La solucin optima indica que la inversin debe estar diversificada excepto

para Midwest Steel. El rendimiento anual proyectado es de $8000, es decir un
rendimiento general de 8%
El precio sombra para C3 es cero, la razn es que el mximo de la industria de

acero no es un recurso limitante, los incrementos en el limite de $50,000 de la
industria del acero no mejorara el valor de la funcin objetivo. La variable de
holgura para esta restriccin (C3) muestra que la inversin actual de la
industria de acero queda $10,000 por debajo de su limite de $50,000
El precio sombra de 0.069 para C1, muestra que la funcin objetivo se puede
incrementar en 0.069, si se puede tener disponible un dlar mas para inversin
en cartera
El precio sombra de -0.024 para C4, este resultado indica que al aumentar del
lado derecho de la restriccin en una unidad la funcin objetivo se reduzca en
0.024, es decir tambin si Welte invierte un dlar adicional al bono de gobierno
el rendimiento total se reducir en $0.024
8.4. APLICACIN DE ADMINISTRACION DE LA PRODUCCION:

Decisin de Fabricar o Comprar
Janders Company vende varios productos para oficina y de ingeniera. Actualmente
Janders esta preparando la introduccin de 2 nuevas calculadoras: una para el
mercado de oficinas llamada Financial y otra para el mercado de ingeniera llamada
Technican. Cada calculadora tiene 3 componentes: una base, un cartucho electrnico
y una caratula o parte superior. En ambas calculadora utiliza las misma base, pero los
cartuchos y las caratulas son diferentes. La empresa puede fabricar todos los
178
componentes o puede adquirirlos a un proveedor externo. Los costos de manufactura

y los precios de adquisicin de los componentes son:
COSTOS DE MANUFACTURA Y PRECIOS DE ADQUISICION PARA JANDERS
Costo por unidad
Componente
Manufactura (tiempo normal)
Adquisicin
Base
$0.50
$0.60
Cartucho Financial
3.75
4.00
Cartucho Technican
3.30
3.90
Caratula Financial
0.60
0.65
Caratula Technican
0.75
0.78
TIEMPO EN MINUTOS DE MANUFACTURA POR UNIDAD DE LOS COMPONENTES

DE LAS CALCULADORAS DE JANDERS
COMPONENTE
TIEMPO MANUFACTURA
BASE
1.0
CARTUCHO FINANCIAL
3.0
CARTUCHO TECHNICAN
2.5
CARATULA FINANCIAL
1.0
CARATULA TECHNICAN
1.5
Janders cree que sern necesarios 3000 calculadoras Financial y 2000 Technican. Sin
embargo, la capacidad de produccin esta limitada.
La empresa cuenta con 200 horas de tiempo normal de fabricacin y 50 horas de
tiempo extra que pueden usarse en la fabricacin de calculadoras. El tiempo extra
implica un sobrecosto a un costo adicional de $9 por hora.
El problema de Jander es determinar cuantas unidades de cada componente
manufacturar y cuantas adquirir.
Definimos las variables de decisin como sigue:
BM = numero de bases fabricadas
BP = numero de bases adquiridas
FCM = numero de cartuchos Financial fabricados
FCP = numero de cartuchos Financial adquiridos
TCM = numero de cartuchos Technican fabricados
TCP = numero de cartuchos Technican adquiridos
FTM = numero de caratulas Financial fabricados
179
FTP = numero de caratulas Financial adquiridos

TTM = numero de caratulas Technican fabricados
TTP = numero de caratulas Technican adquiridos
Es necesaria una variable de decisin adicional para determinar las horas de tiempo
extra que se debe programar:
OT = numero de horas de tiempo extra a programar
La funcin objetivo es minimizar el costo total, incluyendo los costos de manufactura
de adquisicin y de tiempo extra. Utilizando los datos de costos unitarios y la tasa del
costo por tiempo extra de $9 por hora, escribimos la funcin objetivo:
Min Costo Total = 0.5 BM + 0.6 BP + 3.75 FCM + 4 FCP + 3.37 TCM + 3.9 TCP + 0.6
FTM + 0.65 FTP + 0.75 TTM + 0.78 TTP + 9 OT.
Las 5 primeras restricciones definen la cantidad que se debe obtener de cada

componente para satisfacer la demanda de 3000 calculadoras Financial y 2000
Technican. Se necesita un total de 5000 bases y el volumen de los otros 2
componentes dependen de la demanda de cada calculadora en particular.
BM + BP = 5000
Bases
FCM + FCP = 3000 Cartuchos Financial

TCM + TCP = 2000 Cartuchos Technican
FTM + FTP = 3000 Caratulas Financial
TTM + TTP = 2000
Caratulas Technican
Se necesitan 2 restricciones para garantizar que no exceda la capacidad de

produccin en tiempo normal y extra.
OT 50
capacidad total de tiempo extra
Tiempo total de manufactura Capacidad total de produccin (incluyendo

tiempo normal y tiempo extra)
En la segunda restriccin, el tiempo total de manufactura se expresa en minutos, por lo

que convertiremos las 200 horas de capacidad de tiempo normal en 60(200) = 12000
minutos, y como el tiempo extra es desconocido lo escribiremos como 60*OT minutos
Por lo que la segunda restriccin queda de esta forma:
BM + 3 FCM + 2.5 TCM + FTM + 1.5 TTM 12,000 + 60 OT
180
BM + 3 FCM + 2.5 TCM + FTM + 1.5 TTM 60 OT 12,000
El modelo completo del problema de fabricar o comprar de Janders, incluyendo todas

las variables de decisin mayores o igual a cero es:
Min Costo Total = 0.5 BM + 0.6 BP + 3.75 FCM + 4 FCP + 3.37 TCM + 3.9 TCP + 0.6
FTM + 0.65 FTP + 0.75 TTM + 0.78 TTP + 9 OT.
Sujeto a
BM + BP
= 5000
Bases
FCM + FCP
= 3000
Cartuchos Financial
TCM + TCP
= 2000
Cartuchos Technican
FTM + FTP
= 3000
Caratulas Financial
TTM + TTP
= 2000
Caratulas Technican
50
Horas de tiempo extra
OT
BM + 3 FCM + 2.5 TCM + FTM + 1.5 TTM 60 OT 12,000
cap de prod.
La solucin usando el WinQSB de este problema es:

La solucin optima indica que deben fabricarse la totalidad de 5000 bases (BM), 667
cartuchos Financial Manager (FCM) y 2000 cartuchos Technician (TCM).
Los restantes 2333 cartuchos Financial Manager (FCP), todas las cartulas Financial
Manager (FTP) y toas las cartulas Technician (TTP) debern ser adquiridas.
No es necesario tiempo extra de manufactura y el costo total asociado con el plan
optimo de fabricar o adquirir es de $24,443.33
181
El anlisis de sensibilidad nos da alguna informacin adicional sobre la capacidad de

tiempo extra no utilizada
La columna de costos reducidos muestra que el sobrecosto de tiempo extra

(OT) tendra que disminuir en $4 la hora, antes de que pudiera considerarse
produccin en tiempo extra. Esto es, si el sobrecosto por tiempo extra es $9 $4 = $5 o menos.
Janders pudiera desear reemplazar parte de los componentes adquiridos por
componentes fabricados en tiempo extra
El precio dual para la restriccin por capacidad de produccin (C7) es 0.083.

Este precio indica que una hora adicional de capacidad de manufactura vale
$0.083 por minuto, es decir ($0.083)(60 min) = $5/hora.
El rango de factibilidad de C7 muestra que esta conclusin es valida hasta que

el total del tiempo ordinario se eleve a 19,000 minutos, es decir 316.7 horas
La interpretacin correcta del precio dual por capacidad de manufactura (C7) es

que una hora adicional de capacidad de produccin vale $0.083*60 = $5 por hora
por encima del costo horario actual por tiempo ordinario, por lo que si el costo
normal u ordinario es de $18 por hora, Janders debera estar deseoso de pagar
hasta $18+5=$23 la hora, para conseguir capacidad adicional de mano de obra
8.5. APLICACIN EN ASIGNACION DE FUERZA DE TRABAJO

Los problemas de asignacin de fuerza de trabajo ocurren con frecuencia cuando los
gerentes de produccin deben tomar decisiones que involucren requerimientos del
personal para un periodo de planeacin dado. Las asignaciones de la fuerza de trabajo
a menudo tiene algo de flexibilidad y por lo menos parte del personal puede asignarse
a mas de un departamento o centro de trabajo. Este es el caso cuando esta persona
puede desempear 2 o mas puestos.
En la aplicacin que sigue mostramos como utilizar la programacin lineal para

determinar no solo cual es la mezcla optima del producto, sino tambin es la
asignacin ptima de la fuerza de trabajo.
La empresa de manufactura ABC, fabrica dos productos con contribuciones a la

utilidad por unidad de $10 y $9 respectivamente. En la tabla siguiente aparecen las
necesidades de mano de obra por unidad producida y las horas totales de mano de
obra disponible por personal asignado a cada uno de los 4 departamentos.
182
Suponiendo que el nmero de horas disponible en cada departamento es fijo,

podemos formular el problema de ABC como un programa lineal estndar de mezcla
de productos, con las siguientes variables de decisin:
P1 = Unidades del producto 1
P2 = Unidades del producto 2
Horas de mano de obra por unidad y horas disponibles para ABC
Departamento
Producto 1
Producto 2
Horas disponibles
0.65
0.95
6500
0.45
0.85
6000
1.00
0.70
7000
0.15
0.30
1400
El programa lineal es:

Max 10P1 + 9P2
Sujeto a
0.65 P1 + 0.95 P2 6500
0.45 P1 + 0.85 P2 6000
1.00 P1 + 0.70 P2 7000
0.15 P1 + 0.30 P2 1400
P1, P2 0
La solucin ptima al modelo es:
El resultado indica que se necesitan 5744 unidades del producto 1, 1795 unidades del
producto 2 y se obtiene una utilidad de $73,590. Con esta solucin optima, los
departamentos 3 y 4 estn operando a plena capacidad y los departamentos 1 y 2
tiene una holgura de 1151 y 1890 horas respectivamente
183
9. PROBLEMAS DE TRANSPORTE, ASIGNACION

Y TRANSBORDO
Los problemas de transporte, asignacin y trasbordo corresponden a una clase
especial de problemas de programacin lineal conocida como problemas de flujo de
red
El Problema de Transporte corresponde a un tipo particular de un problema de
programacin Lineal. Si bien este tipo de problema puede ser resuelto por el Mtodo
Simplex, existe un algoritmo simplificado especial para resolverlo.
9.1. PROBLEMAS DE TRANSPORTE

El problema de transporte frecuentemente se presenta al planear la distribucin de
bienes y servicios desde varias localizaciones de suministro (origen) hacia varias
ubicaciones de la demanda (destino).
La cantidad de los bienes disponibles en cada localizacin de suministro (origen) es
limitada y la cantidad de los bienes necesarios en cada localizacin de demanda
(destino) es conocida.
Por lo general, en un problema de transporte el objetivo es minimizar el costo de
embarcar los bienes desde los orgenes hacia los destinos.
El modelo general de programacin lineal de un problema de transportes con m
orgenes y n destinos es como sigue:
m
Min. CijXij
i 1 j 1
Sujeto a
n
Xij Suministro i
i = 1, 2, ., m
j1
m
Xij Demanda j
j = 1, 2, ., n
i 1
Xij 0 Para todas las i y j

Donde
i = ndice de los orgenes, i = 1, 2, , m
j = ndice para los destinos, j = 1, 2, , n
Xij = Numero de unidades embarcadas desde el origen i hasta el destino j
Cij = Costo unitario de embarcar del origen i al destino j
184
Ejemplo
Foster Generators tiene plantas en Cleveland (Ohio), Bedford (Indiana), York
(Pensilvania), la capacidad de produccin para el siguiente periodo de plantacin para
un tipo especifico de generador es como sigue
Origen Planta
Capacidad de produccin (unidades)
Cleveland
5,000
Bedford
6,000
York
2,500
TOTAL
13,500
La empresa distribuye sus generadores a travs de 4 centros regionales de

distribucin localizados en Boston, Chicago, San Lus y Lexington; el pronstico de la
demanda de los centros de distribucin es como sigue:
Origen
1
Centro de
distribucin
Boston
Pronostico demanda
(unidades)
6,000
Chicago
4,000
San Luis
2,000
Lexington
1,500
TOTAL
13,500
Los costos unitarios de los orgenes hacia los destinos se dan en la siguiente tabla:
COSTO UNITARIO DE TRANSPORTE (FOSTER)
Origen
Boston Chicago
San Lus Lexington
Cleveland
Bedford
New York
La administracin deseara determinar cuanto de su produccin deber embarcase

desde cada una de las plantas hasta cada uno de los centros de distribucin. La figura
siguiente muestra de manera grafica las 12 rutas de distribucin que la Empresa
Foster Generators puede utilizar.
185

Centro Distribucin
(Destino)
Plantas
(Origen)
Costo
transporte
Unitario
1
Boston
6000
Esta grafica se conoce como

red. Los crculos son los
nodos y las lneas que los
conectan son los arcos. La
5000
1
Cleveland
oferta o suministro se
escribe al lado de cada nado
7
6
7
6000
2
Bedford
2
Chicago
4000
de origen y la demanda se
escribe al lado de cada nodo
de destino.
2
3
2
2500
3
York
5
4
3
San Luis
2000
Los bienes embarcados

desde los orgenes hacia los
destinos representan el flujo
5
4
Lexington
1500
en la red (flechas).
Para el problema de de Foster el objetivo es determinar las rutas a usar y la cantidad a

embarcar en cada una de ellas y que den el mnimo costo de transporte total
a) Solucin del problema de Foster usando programacin Lineal

Para resolver el problema de transportes se puede utilizar un modelo de programacin
lineal, para esto usaremos variables de decisin con doble subndices (Xij) indicando
el numero de unidades que se embarcan del origen i hacia el destino j
La funcin objetivo es minimizar el costo total de transporte de Foster Generators,
para esto se debe sumar los costos de transporte de cada planta (origen)
Unidades embarcadas desde Cleveland = 3X11 + 2X12 + 7X13 + 6X14
Unidades embarcadas desde Bedford = 7X21 + 5X22 + 2X23 + 3X24
Unidades embarcadas desde York = 2X31 + 5X32 + 4X33 + 5X34
La suma de estas expresiones nos da la funcin objetivo que nos muestra el costo
total de transporte de Foster Generators
Restricciones de capacidad: Cada uno de los orgenes tiene un suministro limitado
Suministro de Cleveland
X11 + X12 + X13 + X14 5000
Suministro de Bedford
X21 + X22 + X23 + X24 5000
Suministro de York
X31 + X32 + X33 + X34 5000
186
Restricciones de Demanda: Cada centro de distribucin tiene una demanda

especfica para satisfacer las demandas de los destinos
Demanda de Boston
X11 + X21 + X31 = 6000
Demanda de Chicago
X12 + X22 + X33 = 4000
Demanda de San Lus
X13 + X23 + X33 = 2000
Demanda de Lexington
X14 + X24 + X34 = 1500
Combinando la funcin objetivo y las restricciones en un modelo, obtenemos un

problema de programacin lineal con 12 variables y 7 restricciones del problema de
transportes de Foster Generation
Min 3X11 + 2X12 + 7X13 + 6X14 + 7X21 + 5X22 + 2X23 + 3X24 + 2X31 + 5X32 + 4X33 + 5X34
Sujeto a
X11 + X12 + X13 + X14 5000
X21 + X22 + X23 + X24 5000
X31 + X32 + X33 + X34
X11
+ X21
X12
+ X31
+ X22
X13
= 6000
+ X32
+ X23
X14
5000
= 4000
+ X33
+ X24
= 2000
+ X34
= 1500
Resolviendo el problema de Foster Generators utilizando WinQSB.
1
2
3
4
5
6
7
8
9
10
11
12
Decision Solution Unit Cost or Total

Reduced
Variable Value
Profit C(j)
Contribution Cost
X11
3,500.00
3
10,500.00
0
X12
1,500.00
2
3,000.00
0
X13
0
7
0
8
X14
0
6
0
6
X21
0
7
0
1
X22
2,500.00
5
12,500.00
0
X23
2,000.00
2
4,000.00
0
X24
1,500.00
3
4,500.00
0
X31
2,500.00
2
5,000.00
0
X32
0
5
0
4
X33
0
4
0
6
X34
0
5
0
6
Objective Function (Min.) =
La solucin muestra que costo total

de transporte es de $39,500. Los
valores de las variables de
decisin muestran los valores
ptimos a embarcar en cada ruta.
Ejemplo X11 = 3,500 debern
embarcarse 3,500 unidades de
Cleveland hacia Boston
39,500.00
187
1
2
3
4
5
6
Solution for Foster Generators: Minimization (Transportation Problem)

From
To
Shipment
Unit Cost Total Cost Reduced Cost
Cleveland
Boston
3500
3
10500
0
Cleveland
Chicago
1500
2
3000
0
Bedford
Chicago
2500
5
12500
0
Bedford
San Luis
2000
2
4000
0
Bedford
Lexington
1500
3
4500
0
York
Boston
2500
2
5000
0
Total
Objective Function
Value =
39500
SOLUCION POR EXCEL DEL PROBLEMA DE TRANSPORTES

DE FOSTER GENERATORS
Primero deber escribirse en la hoja de clculo los datos de los costos de transporte,
la capacidad de las plantas (centro de origen) y la demanda de los centros de
distribucin (destino)
Segundo debern identificarse las celdas donde se almacenan los valores de las
variables de decisin Xij (numero de unidades embarcadas desde cada origen y el
numero de unidades recibidas en cada destino.
188
Ahora estamos listos para utilizar el Solver y obtener la solucin optima al problema.
Seleccione el men Herramientas Solver (Resolver)
La solucin ptima de este problema es
189
VARIANTES AL PROBLEMA DE TRANSPORTES

El problema de Foster Generators muestra el uso del modelo de transportes bsico,
las variantes al problema de transporte bsico pueden implicar una o ms de las
siguientes situaciones:
2. Oferta o suministro total no es igual a la demanda total
3. maximizacin de la funcin objetivo
4. rutas con capacidad limitada
5. rutas no aceptables
Con ligeras modificaciones en el modelo de programacin lineal estas situaciones se

pueden tomar en cuenta fcilmente
1. OFERTA O SUMINISTRO TOTAL NO ES IGUAL A LA DEMANDA TOTAL
Si el suministro total es mayor a la demanda total, no es necesaria ninguna

modificacin al problema de PL. aparecer en la solucin un suministro
excedente (como holgura). La holgura de cualquier origen en particular se
puede interpretar como suministro u oferta sin utilizar, es decir una cantidad
que no se ha embarcado desde el origen
Si el suministro total es inferior a la demanda total, el modelo de PL no tendr

solucin factible. En este caso modificamos la representacin en la red
agregando un origen ficticio, con un suministro igual a la diferencia entre la
demanda total y la oferta total y un costo unitario igual a cero. Al agregar un
origen ficticio y un arco que salga del origen ficticio a cada destino el modelo de
PL tendr una solucin factible. Al obtener la solucin optima, aquellos destinos
que muestren embarques recibidos del origen ficticio sern los que
experimenten carencias o demandas insatisfechas.
2. MAXIMIZACIN DE LA FUNCIN OBJETIVO

En algunos problemas de transportes, el objetivo es encontrar una solucin que
maximice la utilidad o los ingresos, estos valores de utilidad o ingresos deben estar
reflejados en la funcin objetivo. Simplemente resolvemos un programa de PL de
maximizacin en vez de uno de minimizacin. Este cambio no afecta a las
restricciones.
190
3. RUTAS CON CAPACIDAD LIMITADA

La formulacin del problema de transportes tambin puede tomar en consideracin
capacidades o cantidades mnimas para una o mas rutas. Por ejemplo: suponga
que en el problema de Foster, la ruta York Boston (origen 3 al destino 1) tiene una
capacidad de 1000 unidades (transporte pequeo). Solamente se agrega la
siguiente restriccin por capacidad
X31 1000
De manera similar se puede definir montos mnimos. Por ejemplo
X22 2000,
esto garantiza un pedido para entregar de por lo menos 2000 unidades desde
Bedford a Chicago
4. Rutas no aceptables
A veces no pueda ser posible establecer una ruta desde cualquier origen hasta
cualquier destino. A fin de manejar esta situacin simplemente hacemos
desaparecer el arco correspondiente de la red y eliminamos la variable
correspondiente a la formulacin del problema de la PL. Por ejemplo si la ruta
Cleveland San Luis (origen 1 a destino 3) fuera no utilizable, se eliminara el arco
que va de Cleveland a San Luis y X13 podra eliminarse de la formulacin de PL.
La solucin de este problema con 11 variables y 7 restricciones nos dar la solucin
ptima garantizando que la ruta Claveland San Luis no se utilizara.
9.2. PROBLEMAS DE ASIGNACION

Los problemas tpicos de asignacin implican asignar tareas a maquinarias, agentes a
trabajos especiales, personal de ventas a territorios, contratos a licitantes, etc.
Una caracterstica que distingue a los problemas de asignacin es que un agente se le
asigna a una y solamente una tarea
Especficamente buscamos el conjunto de asignaciones que optimizarn un objetivo

dado como minimizar el costo, minimizar el tiempo o maximizar la utilidad
El problema de asignacin es un caso especial de problema de transporte, en que

todos los valores de oferta y demanda son iguales a 1, y la cantidad que se embarca
en cada uno de los arcos es 0 o 1
El problema general de asignacin involucra a m agentes a n tareas. Si hacemos
que Xij = 1 o 0 dependiendo si el agente i es asignado o no a la tarea j, y si Cij indica
191
el costo de asignar el agente i a la tarea j, podemos escribir el modelo general de

asignacin de la forma:
m
CijXij
Min.
i 1 J 1
Sujeto a
n
Xij 1
i = 1, 2, , m
Agentes
Xij 1
i = 1, 2, , m
Agentes
Xij 0
para todas las i y j
j 1
m
i 1
Ejemplo
Fowle Marketing Co. acaba de recibir solicitudes de investigacin de mercado de 3
clientes nuevos. La empresa se enfrenta a la tarea de asignar un lder o jefe del
proyecto (agente) a cada cliente (tarea). Fowle cuenta con 3 ejecutivos que estn
disponibles, sin embargo se da cuenta de que el tiempo requerido para terminar cada
uno de los estudios depender de la experiencia y capacidad del lder de proyecto.
Los proyectos tienen aproximadamente la misma prioridad y la administracin de
Fowle desea asignar lderes de proyecto para minimizar el nmero total de das
necesarios para completar los 3 proyectos. Si se debe asignar a un lder a un solo
cliente. Qu asignaciones debern efectuarse?
Para resolver esto, la administracin de Fowle primero deber considerar tolas las
posibles asignaciones lder del proyecto cliente y a continuacin estimar los tiempos
de terminacin del proyecto correspondiente. La siguiente tabla muestra las
alternativas y los tiempos estimados de terminacin
Lder proyecto
Cliente
1
1 Terry
10
15
2. Carle
18
3. McClymond
14
Tiempo estimado (das) de

terminacin del proyecto
192
Lideres del Proyecto

(nodos de origen)
Tiempo de
terminacin
en das
1
Terry
Clientes
(nodos de destino)
representacin en red del

Cliente
1
10
15
los modelos de red en un
problema de asignacin de
Fowle. Note la similitud entre
2
Carle
La siguiente figura muestra la
problema de asignacin y en
18
5
Cliente
2
Cliente
3
un problema de transporte.
6
14
3
McClymond
Oferta
Asignaciones posibles
(arcos)
Demanda
Dado que el problema de asignacin es un caso especial del problema de transporte,

se puede desarrollar una formulacin de programacin lineal.
Sea Xij
1 si el del lder del proyecto i se le asigna al cliente j

0 de no ser ese el caso
Donde i = 1, 2, 3 y j = 1, 2, 3
La suma de los tiempos de terminacin de los 3 lderes de proyecto nos dar los das
totales mnimo necesarios para terminar las 3 asignaciones, la funcin objetivo es:
Das requeridos para la asignacin de Terry = 10X11 + 15X12 + 9X13
Das requeridos para la asignacin de Carle = 9X21 + 18X22 + 5X23
Das requeridos para la asignacin de McClymond) = 6X31 + 14X32 + 3X33
Las restricciones para el problema de asignacin reflejan las condiciones de que cada
lder del proyecto solo puede ser asignado como mximo a un cliente y que cada
cliente solo puede tener como mximo un lder de proyecto asignado. Estas
restricciones se escriben como sigue:
X11 + X12 + X13 1
Asignacin de Terry
X21 + X22 + X23 1
Asignacin de Carle
X31 + X32 + X33 1
Asignacin de McClymond
X11 + X21 + X31 = 1
Cliente 1
193
X12 + X22 + X32 = 1
Cliente 2
X13 + X23 + X33 = 1
Cliente 3
Combinando la funcin objetivo y las restricciones en un modelo de PL con 9 variables

y 6 restricciones queda as:
Min. 10X11 + 15X12 + 9X13 + 9X21 + 18X22 + 5X23 + 6X31 + 14X32 + 3X33
Sujeto a
1
X11 + X12 + X13
X21 + X22 + X23
X31 + X32 + X33

X11
+ X21
X12
+ X31
+ X22
X13
=1
+ X32
+ X23
=1
+ X33
=1
Xij 0 para i = 1, 2, 3; j = 1, 2, 3
La solucin por computadora usando WinQSB. Segn este modelo Ferry es asignado
al cliente 2, Carle es asignado al cliente 3 y McClymonds es asignado al cliente 1. El
tiempo total de terminacin requerido es de 26 das
Lder
Cliente asignado
Das
Terry
Cliente 2
15
Carle
Cliente 3
McClymond
Cliente 1
Total
26
194
VARIANTES AL PROBLEMA DE PROBLEMAS DE ASIGNACION

Debido a que el problema de asignacin se puede considerar como un caso especial
del problema de transportes, las variantes que pueden ocurrir en un problema de
asignacin son paralelas a las correspondientes en los problemas de transportes
1. Numero total de agentes (suministros) distinto al numero total de
tareas (demanda)
2. maximizacin de la funcin objetivo
3. asignaciones no aceptables
1. NUMERO TOTAL DE AGENTES DISTINTO AL NMERO TOTAL DE TAREAS
Si el nmero de agentes excede al de tareas, en el modelo de PL los agentes

adicionales simplemente se quedan sin asignacin.
Si el nmero de tareas excede al de agentes, el modelo de PL no tendr una

solucin factible. En este caso agregamos los suficientes agentes ficticios para
igualar el nmero de agentes y de tareas, con coeficiente en la funcin objetivo
de cero. Por ejemplo en el problema de Fowle pudiramos haber tenido 5
clientes (tareas) y solo 3 lderes (agentes). Al agregar 2 lderes ficticios
podemos crear un nuevo problema de asignacin ahora con igual cantidad de
lderes y clientes.
2. MAXIMIZACIN DE LA FUNCIN OBJETIVO

Si en vez de tiempo o de costo las alternativas de asignacin se evalan en funcin
de ingresos o de utilidades, se puede resolver la PL como una maximizacin en vez
de minimizacin
195
3. ASIGNACIONES NO ACEPTABLES
Si una o ms de las asignaciones no son aceptables, se puede eliminar la variable
de decisin en la formulacin del PL. Esta situacin pudiera ocurrir si uno de los
agentes no tuviera la experiencia necesaria para una o ms de las tareas
9.3. EL PROBLEMA DE TRASBORDO
El problema de trasbordo es una extensin al problema de transporte, en el

cual se agrega nodos intermedios conocidos como nodos de trasbordo, para
tomar en consideraciones localizaciones como por ejemplo: almacenes
La oferta o suministro disponible en cada origen es limitada y en cada destino

la demanda es conocida
El objetivo del problema de trasbordo es determinar cuantas unidades debern

embarcarse en cada uno de los arcos de la red, de manera que todas las
demandas destino se satisfagan al costo de transporte mnimo posible
El modelo de programacin lineal general del problema de trasbordo es:
Min
CijXij
todoslos arcos
Sujeto a
Xij
Xij Suministro i
arcos de salida
arcos de entrada
arcos de salida
arcos de entrada
Xij
Xij 0
Xij Xij Demanda j
arcos de entrada
Nodos de Origen i
Nodos de Trasbordo
Nodo de destino j
arcos de salida
Donde
Xij = numero de unidades embarcadas del nodo i al nodo j
Cij = Costo unitario de embarque del nodo i al nodo j
Por Ejemplo: Ryan Electronic es una empresa con instalaciones de produccin en

Denver y en Atlanta. Los componentes de produccin en cualquiera de estas
instalaciones pueden ser embarcadas a cualquiera de los almacenes de la empresa
que estn localizadas en Kansas City y en Lousiville. De los almacenes regionales la
empresa suministra a los detallistas al menudeo en Detroit, Miami, Dallas y nueva
Orlens.
196
Almacn
Planta
Kansas City
Louisville
Denver
Atlanta
Distribucin al detalle
Almacn
Detroit
Miami
Dallas
Nueva Orlens
Kansas City
Louisville
Las caractersticas claves del problema aparecen en el modelo de red siguiente
Representacin en red del problema de trasbordo de Ryan Electrics

Distribuidores al menudeo
(nodo destino)
Plantas
(nodo origen)
600
1
Denver
Almacenes
(nodo de trasbordo)
2
3
Kansas
City
6
3
4
2
Atlanta
200
6
Miami
150
7
Dallas
350
8
Nueva
Orleans
300
400
5
Detroit
4
Louisville
Suministros
Rutas de distribucin
(arcos)
Demandas
Igual que el problema de transporte y de asignacin, podemos formular un modelo de

Programacin Lineal de trasbordo a partir de la representacin en red.
Supongamos que Xij denota el nmero de unidades embarcadas del nodo i hacia el
nodo j.
Dado que el suministro de la planta de Denver es de 600 unidades, las cantidades
embarcadas desde la planta de Denver debe de ser menor que o igual a 600
X13 + X14 600
Similarmente, para la planta de Atlanta tenemos
X23 + X24 400
197
Consideremos ahora como expresar las restricciones que corresponden a los 2 nodos
de trasbordo.
Para el nodo 3 (almacn de Kansas City), debemos garantizar que el numero de

unidades que se embarquen sea igual al numero de unidades que se hayan recibido
en el almacn, es decir
Unidades embarcadas
hacia dentro del nodo3
X13 + X23
Obtenemos
Almacn de
Kansas City
(Nodo 3)
Unidades embarcadas
hacia fuera del nodo 3
X35 + X36 + X37 + X38
X35 + X36 + X37 + X38 = X13 + X23

- X13 - X23 + X35 + X36 + X37 + X38 = 0
De manera similar para el nodo 4 es: X45 + X46 + X47 + X48 = X14 + X24
- X14 - X24 + X45 + X46 + X47 + X48 = 0
Para desarrollar las restricciones asociadas con los nodos destino, reconocemos que
cada nodo, la cantidad embarcada al destino debe ser igual a la demanda. Ejemplo
X35 + X45 = 200
satisfacer la demanda de 200 unidades en el nodo 5
X36 + X46 = 150
X37 + X47 = 350
X38 + X48 = 300
La funcin objetivo refleja el costo total de embarque en las 12 rutas de embarque.

Combinando la funcin objetivo y las restricciones nos lleva al modelo de PL con 12
variables y 8 restricciones del problema de trasbordo de Ryan Electronics
Min. 2X13 + 3X14 + 3X23 + 1X24 + 2X35 + 6X36 + 3X37 + 6X38 + 4X45 + 4X46 + 6X47 + 5X48
Sujeto a
600
X13 + X14
400
X23 + X24
-X13
- X23
- X14
+ X35 + X36 + X37 + X38

- X24
X35
=0
Restricciones de los
nodos de trasbordo
+ X45 + X46 + X47 + X48
=0
+ X45
= 200
X36
+ X46
X37
= 150
+ X47
X38
= 350
+ X48
nodos de origen
= 300
Xij 0 para todas las i y j
198
nodos de destino
Para obtener la solucin ptima se utilizo el WinQSB y se muestra a continuacin

Tal como se menciono al principio, los arcos del problema de trasbordo pueden
conectar cualquier par de nodos. En un problema de trasbordo son posibles todos
estos patrones de embarques. Solo seguiremos requiriendo una restriccin por nodo,
pero la restriccin deber incluir una variable para cada uno de los arcos que entren o
salgan del nodo.
Nodos de Origen
(Embarques de salida) - (embarques de entrada) suministro de origen
Nodos de destino: (Embarques de entrada) - (embarques de salida) = demanda
Nodos de Trasbordo:
(Embarques de salida) = (embarques de salida)
199
VARIANTES DEL PROBLEMA

Igual que en los problemas de transporte y de asignacin, se pueden formular
problemas de trasbordo con varias variantes, incluyendo:
1. Suministro total no igual a la demanda total
2. Maximizacin de la funcin objetivo
3. Rutas con capacidad limitada
4. Rutas no aceptables
Las modificaciones al modelo de PL requeridas para aceptar estas variantes son
idnticas al de problema de transportes

1. Una empresa importa bienes de 2 puertos: Filadelfia y Nueva Orlens. Los
embarques de un producto se efectan a clientes en Atlanta, Dallas, Columbus y
Boston. Para el siguiente periodo de planeacin, los suministros en cada puerto, la
demanda de los clientes y los costos de embarques por caja desde cada puerto a
cada uno de los clientes son como sigue:
Clientes
Suministro
Atlanta
Dallas
Columbus
Boston
del puerto
Filadelfia
5000
Nueva Orleans
3000
1400
3200
2000
1400
Puerto
Demanda
Desarrolle una representacin en red del sistema de distribucin y obtenga los

valores ptimos de distribucin
2. La compaa Muebles Ejecutivos decidi expandir la capacidad de produccin en

su fbrica de Des Moines y reducirla en la dems fbricas.
DE / A
Albuquerque
Boston
Cleveland
Capacidades
de Fabrica
Des Moines
300
Evansville
150
Fort
250
Requerimiento
200
200
300
de almacenes
200
3. Considere la representacin en red siguiente de un problema de transportes:

los suministros, demandas y costos de transportes por unidad aparece en la red
Huaraz
25
Chiclayo
15
Puno
10
14
30
Trujillo
7
8
10
20
Lima
Suministros
Demanda
a) Desarrolle un modelo de programacin lineal para este problema

b) Resuelva el problema lineal para determinar la solucin optima
4. Un producto es manufacturado en 3 plantas y embarcado a 3 almacenes (los

costos de transporte por unidad aparecen en la tabla siguiente)
Planta
Almacn
W2
W3
16
24
Capacidad de
la planta
300
Planta1
W1
20
Planta2
10
10
500
Planta3
12
18
10
100
Demanda de cada almacn
200
400
300
a) Muestre una representacin en red del problema

b) Desarrolle un modelo de programacin lineal para minimizacin de costo de
transporte
c) Resuelva el problema y determine la solucin a costo mnimo
Rpta: b) X12= 300; X21= 100; X22= 100; X23= 300; X31= 100; Costo = $10,400
5. Tri-Country suministra gas natural a clientes en 3 distritos. La empresa adquiere el

gas natural a 2 empresas: Southern Gas y Northwest gas. Los pronsticos de
demanda son: Hamilton 400 unidades; Butler 200 unidades; Clermon 300
unidades. Se han suscrito contratos de suministro de las cantidades siguientes
Southern Gas 500 unidades y Northwest Gas 400 unidsades. El costo de
distribucin para cada uno de los distritos vara en funcin de la ubicacin de los
201
proveedores. El costo de distribucin por unidad (en miles de dlares) es como

sigue:
Desde
A Hamilton
A Butler
A Clermont
Southern Gas
10
20
15
Nortwest Gas
12
15
18
a) Desarrolle la representacin en red de este problema

b) Desarrolle el modelo de PL que se puede utilizar para determinar cual es el
plan que minimizara los costos totales de distribucin
6. Arnoff Enterprise manufactura CPUs para una lnea de computadoras. Los CPU
se fabrican en Seatle, Columbus, New Cork y se embarcan a almacenes en
Pittsburg, Mobile, Denver, los ngeles, Washington para su distribucin posterior.
La tabla que sigue muestra el numero de CPU disponible en cada planta, el
numero de CPU requeridos por cada almacn y los costos de embarque (dlares
por unidad)
Planta
Pittsburg
Mobile
Denver Los ngeles
Washington CPU disk
Seatle
10
20
10
9000
Columbus
10
30
4000
New York
20
10
8000
CPU
3000
5000
4000
6000
3000
21,000
requeridos
a) Desarrolle una representacin grafica en red de este problema

b) Determine la cantidad que deber embarcase desde cada una de las plantas a
cada uno de los almacene para minimizar el costo total de embarque
Rpta: b) Seatle Denver = 4000
Seatle Los ngeles = 5000
Columbus mobile = 4000
New York Pittsburg = 3000
New York Mobile = 1000
New York Los ngeles = 1000
New York Washington = 3000 Costo = $150,000
7. Klein Chemicals produce un materia especial con base en petrleo, que

actualmente es muy escaso. 4 de los clientes de Klein ya han colocado pedidos
que en conjunto exceden la capacidad combinada de las 2 plantas de Klein. La
administracin de Klein se enfrenta al problema de decidir cuantas unidades
deber suministrar a cada uno de los clientes. Dado que los 4 clientes son de
distintas ramas industriales, Klein ha definido la siguiente utilidad por unidad para
cada alternativa planta cliente
202
Planta
Cliente1
Cliente2
Cliente3
Cliente4
Capacidad de
planta (unid.)
Clifton Spring
$ 32
$ 34
$ 32
$ 40
5000
Danville
$ 34
$ 30
$ 28
$ 38
3000
Pedidos distrib
2000
5000
3000
2000
a) Cuantas unidades deber producir cada una de las plantas para cada uno de
los clientes, para maximizar las utilidades?.
b) Qu demandas de cliente no sern cumplidas?.
c) Muestre un modelo de red
Rpta: a) Clifton Cliente2 = 4000; Clifton Cliente4 = 1000;
Danville Cliente1 = 2000; Danville Cliente2 = 1000
b) El cliente 2 tien un dficit de 1000; no se satisface la demanda del cliente3
8. Ace Manufacturing tiene pedidos de 3 productos similares; Hay disponibles 3

maquinas para las operaciones de manufactura; las 3 maquinas pueden producir
todos los productos a la misma velocidad de produccin. Sin embargo, debido a
distintos porcentajes de defectuosos en cada producto y cada mquina, el costo
unitario de los productos vara dependiendo de la maquina utilizada. La capacidad
de maquinas para la semana siguiente, as como los costos unitarios son los
siguientes:
Maquina
Prod A
Prod B
Prod C
Capacidad (unid)
$1
$ 1.20
$ 0.90
1500
$ 1.30
$ 1.40
$ 1.20
1500
$ 1.10
$1
$ 1.20
1000
Pedido (unid)
2000
500
1200
Utilice el modelo de transporte para desarrollar el programa de produccin a

costo mnimo de productos y maquinas
Rpta: 1 A = 300; 1 C = 1200; 2 A = 1200; 3 A = 500; 3 B = 500
9. Scott and Associattes es una empresa de contabilidad que tiene 3 nuevos clientes.
Se asignaran jefes de proyectos a estos 3 nuevos clientes. Con base en los
antecedentes y experiencia las varias asignaciones lder cliente difieren en
funcin a los tiempos de terminacin estimados (en dias)
Lider
Cliente1
Cliente2
Cliente3
Jackson
10
16
32
Ellis
14
22
40
203
Smith
22
24
34
a) Desarrolle una representacin grafica en red de este problema

b) Cul es el tiempo total requerido?
Rpta: b) Jackson cliente2; Ellis Cliente1; Smith Cliente3; Tiempo total de
terminacin = 64 das
10. Wilson Distributors est abriendo 2 nuevos territorios de ventas en nuevos

territorios de venta. Se estn tomando en consideracin 3 vendedores para
promoverlos al puesto de gerente regional de ventas en los nuevos territorios. La
administracin ha estimado ventas anuales totales (en miles de dlares) para cada
vender a cada territorio de ventas
Gerente
Regional
Regin de Ventas
Noroeste
Sudoeste
$ 100
$ 95
$ 85
$ 80
$ 90
$ 75
a) Desarrolle una representacin grafica del problema

b) Obtenga la solucin optima a este problema
Rpta: b) 1 Sudoste; 3 Noroeste
11. El sistema de distribucin de Herman Company esta formado por 3 plantas, 2

almacenes y 4 clientes. La capacidad de las plantas y los costos de embarque en
dlares desde cada una de las plantas a cada uno de los almacenes son:
Planta
Almacen1
Almacen2
Capacidad
450
600
380
La demanda de clientes y los costos unitarios de embarque en dlares de cada

uno de los almacenes a cada uno de los clientes son
Almacn
Cliente1
Cliente2
Cliente3
Cliente4
Demanda
300
300
300
400
a) Desarrolle una representacin grafica en red para este problema

b) Resuelva el problema determinando el plan optimo de embarque
204
12. Paper Mils tiene fbrica de papel en Augusta (Maine) y en Tupper (New York). Las
instalaciones de almacenaje estn en Albany (New York) y Portsmouth. Los
distribuidores estn en Boston, New York y Filadelfia. Los costos unitarios de
transporte en dlares para embarques de las 2 plantas hacia los 2 almacenes y de
los 2 almacenes hacia los 3 distribuidores son:
Capacidad planta
Planta
(unidades)
Albany
Portsmouth
Augusta
$7
$5
300
Tupper
$3
$4
100
Distribuidor
Almacn
Boston
New York
Filadelfia
Albano
Portsmouth
10
Demanda (unidades)
150
100
150
a) Dibuje la representacin grafica en red de este problema

b) Determine el programa de embarque a costo mnimo
Rpta: Augusta 1; Tupper 2; Albano 3; Portsmouth 4; Boston 5; New York 6;
Filadelfia 7
13. Saussy Lumber Co. Enva pisos de pino a 3 tiendas de materiales de construccin.
Determine el mejor programa de transportes con los datos de la tabla
Pineville
OAK Ridge
Mapletown
Demanda de
tienda
Tienda 1
Tienda 2
Tienda 3
3
4
3
30
3
2
2
30
2
3
3
35
Capacidad
de Fabrica
25
40
30
14. Una empresa dedicada a la distribucin de aceite de oliva debe enviar 30

toneladas a Madrid, 40 a Barcelona, 20 a Valencia y 10 a Bilbao. Esta empresa
suministra en Badajoz, Cceres y Jan, cuyas disponibilidades son de 35, 25 y 20
toneladas, respectivamente. Los costes en euros de envo de una tonelada de los
lugares de promocin a los destinos son:
Badajoz
Madrid
Barcelona
Valencia
Bilbao
10
15
20
205
Cceres
10
15
Jan
15
20
25
30
Por cada tonelada no recibida en los puntos de destino, la empresa tiene unas
prdidas de 5, 8, 6 y 4 nuevos soles respectivamente. La empresa desea minimizar el
costo total de la distribucin de la mercadera. Cmo podra hacerse la distribucin
optima?
15. Tres empresas suministran ordenadores a cuatro detallistas. La cantidad de

demanda semanal de los cuatro detallistas es de 150, 150, 400 y 100 ordenadores,
respectivamente. La oferta de las tres empresas est dictada por la mano de obra
regular disponible y se calcula en 250, 300 y 250 unidades a la semana. El costo en
euros del transporte por unidad viene detallado en la siguiente tabla
Detallistas
1
Proveedores 1
10
20
30
20
20
40
10
20
10
30
50
30
Determinar el costo mnimo del programa de envi.
16. Una empresa de camiones enva camiones cargados de grano desde tres silos a
cuatro molinos. La oferta (en camiones cargados) y la demanda (tambin en camiones
cargados), junto con los costes de transporte por carga de camin en las diferentes
rutas se resumen en el modelo de transporte siguiente. Los costos de transporte por
unidad, cij , son en cientos de euros.
Molinos
1
Silos
10
20
11
15
12
20
25
14
16
18
10
15
15
15
Determinar el costo mnimo del programa de envo entre los silos y los molinos.
17. Un fabricante de chips tiene que planificar la produccin para los prximos tres
meses de tres diferentes chips (A,B,C). Los costes de produccin por chip son de A, 6
206
cntimos en los primeros meses y de 9 cntimos en el tercero; de B, 8 los dos

primeros y 11 el ltimo mes; y de C, 6 cntimos los dos primeros meses y 8 el ultimo.
El departamento de marketing ha llevado a cabo un estudio estimado que la demanda
en los tres meses ser a de 300, 400 y 500 unidades, respectivamente.
La fbrica puede producir 400 unidades de cada tipo de chip.
Cmo se puede optimizar la distribucin de la fabricacin de los chips en estos tres
meses?
18. Un fabricante de automviles puede comprar neumticos a 3 proveedores y su

objetivo es minimizar el costo total de la compra. Los proveedores disponen, en miles
de unidades, de 6, 2 y 2 respectivamente. El fabricante necesita neumticos en 3
plantas de produccin que requieren en miles de unidades, 5 y 3 y 2 respectivamente.
El precio en cientos de $ por cada unidad entregada en cada planta es como sigue.
Localidad
1
Proveedor
1. Describir el problema como un problema de programacin lineal.

2. Encuentra la solucin ptima
19. Una empresa de componentes informticos puede comprar discos duros a tres
proveedores y su objetivo es minimizar el coste total de la compra. Los proveedores
disponen de 1000, 3000 y 1000 discos respectivamente. La empresa necesita los
discos en tres cadenas de montaje sitas en tres localidades distintas.
Dichas cadenas requieren 1500, 1000 y 2500 discos respectivamente. Los precios en
cientos de euros por cada disco entregado a cada cadena son como siguen:
Cadena
Proveedor
11
10
Se pide:
1. Describir el problema como un problema de programacin lineal
2. Calcular la solucin ptima.
207
10. PROGRAMACION DE PROYECTOS: PERT / CPM

En muchas situaciones, los administradores son responsables de planear, programar y
controlar proyectos compuestos de numerosas tareas o trabajos independientes que
efectan diversos departamentos o individuos
A menudo estos complejos son tan grandes o complejos que el administrador
realmente no puede recordar toda la informacin correspondiente al plan, programa y
avance del proyecto
La tcnica de evaluacin y revisin de programas (PERT por sus siglas en ingles) y el
mtodo de camino crtico (CPM por sus siglas en ingles) se han utilizado para planear,
programar y controlar una amplia diversidad de proyectos como:
1. Investigacin y desarrollo de nuevos productos y procesos
2. Construccin de plantas, edificios y carreteras
3. Mantenimiento de equipos grandes y complejos
4. Diseo e instalacin de sistemas nuevos
5. Planeacin y localizacin de proyectos
En proyectos de este tipo los administradores deben programar y coordinar los

diversos trabajos o actividades de tal manera que el proyecto se concluya a tiempo.
Un factor que complica estas tareas es la interdependencia de las actividades. Por
ejemplo: algunas actividades dependen de la terminacin de otras antes de que pueda
iniciarse la segunda actividad.
Los proyectos pueden llegar a involucrar miles de actividades, por lo que los
administradores de proyectos buscan procedimientos que ayuden a responder
preguntas como las siguientes:
1. Cul es el tiempo total para terminar el proyecto?
2. Cules son las fechas programadas de inicio y de terminacin de cada
una de las actividades?
3. Qu actividades son crticas y deben terminarse exactamente?
4. Cunto tiempo se puede retardar las actividades no criticas antes de
incrementar el tiempo de terminacin del proyecto?
Aunque PERT y CPM tienen el mismo propsito general, las tcnicas se desarrollaron
de manera independiente.
208
PERT fue desarrollado a fines de los aos 50 para el proyecto de misiles Polaris.
Muchas actividades asociadas a este proyecto jams se haban intentado
anteriormente por lo que PERT se desarrollo para manejar tiempos inciertos de
actividades
CPM en cambio se desarrollo para proyectos industriales, los que generalmente se
conocan los tiempos de actividad. CPM reduca los tiempos de actividad mediante el
aporte o el incremento de ms trabajadores o recursos generalmente a un costo
aumentado, por lo que una caracterstica distintiva de CPM es que identificaba los pro
y los contras entre el tiempo y el costo para las diversas actividades del proyecto.
Como se indic antes, la principal diferencia entre PERT y CPM es la manera en que
se realizan los estimados de tiempo. PERT supone que el tiempo para realizar cada
una de las actividades es una variable aleatoria descrita por una distribucin de
probabilidad. CPM infiere que los tiempos de las actividades se conocen en forma
determinsticas y se pueden variar cambiando el nivel de recursos utilizados.
10.1. PROGRAMACION DE PROYECTOS CON TIEMPOS

DE ACTIVIDAD CONOCIDOS: CPM
El propietario de Western Hills Shopping Center esta planeando modernizar y expandir
el complejo actual del centro comercial de 32 negocios. Se espera que el proyecto d
espacio para 8 o 10 nuevos negocios, con financiamiento privado.
El primer paso en el proceso de programacin PERT/CPM es desarrollar una lista de

las actividades que conforman el proyecto. La siguiente tabla muestra la lista de
actividades al proyecto de expansin de Western Hills Shopping Center
Activ.
Descripcin de la actividad
Predecesor
inmediato
A
B
C
D
E
F
G
H
I
Preparar dibujos arquitectnicos

Identificar nuevos clientes potenciales
Desarrollar prospecto para los clientes
Seleccionar contratista
Preparar las licencias de construccin
Obtener aprobacin de las licencias
Llevar a cabo la construccin
Finalizar los contratos con los arrendatarios
Entrada de los arrendatarios
------A
A
A
E
D, F
B, C
G, H
Total
Duracin de la
actividad
(semanas)
5
6
4
3
1
4
14
12
2
51 semanas
209
El predecesor inmediato identifica las actividades que deben haberse terminado

inmediatamente antes que el inicio de esta actividad siguiente. Las actividades A y B
no tienen predecesores inmediatos por lo que puede iniciarse simultneamente al
iniciarse el proyecto.
Pudiera pensarse que el tiempo total requerido para terminar el proyecto es 51
semanas, pero a menudo 2 actividades se pueden programar se manera simultanea,
reduciendo as el tiempo de terminacin del proyecto.
Utilizando el WinQSB se puede construir una representacin grafica del proyecto (red
del proyecto)
Inicio WinQSB PERT_CPM
Menu Format Switch to graphic model
Observe que la parte

superior del crculo indica el
tiempo de la actividad
Para determinar el tiempo
de terminacin del proyecto,
tenemos que analizar la red
e identificar lo que se
conoce como el camino
critico de la red.
Para resolver el problema

hacemos lo siguiente
Menu Solver and Analyze
Solver critical Path
Menu Results
Graphics Activity Analisys
210
Donde:
Fecha ms
temprana de inicio
Fecha ms temprana
de terminacin
12
Fecha ms tarda
de terminacin
C
Fecha ms
tarda de inicio
Fecha ms temprano de un evento: Es el tiempo (estimado) en el que ocurrir el

evento, si las actividades que lo preceden comienzan lo ms pronto posible. Se calcula
hacia adelante y la iniciacin se etiqueta con cero
Fecha ms tarda de un evento: Es el ltimo momento (estimado) en el que podra
ocurrir un evento, sin retrasar la duracin total del proyecto. La revisin de la red se
realiza hacia atrs.
Holgura para un evento: Se define como la diferencia entre el tiempo ms tardo y su
tiempo ms temprano.
Holgura para
una actividad
Fecha ms
ms temprana
- Fecha
tarda de
de terminacin
terminacin
La holgura para una actividad indica cunto retraso puede tolerarse para llegar a esa
actividad sin retrasar la terminacin del proyecto
Una ruta crtica en un proyecto es una ruta a travs de la red tal que todas sus
actividades tienen holgura cero.
RESPUESTA DEL MODELO CPM
211
1. Cuanto tiempo tomara finalizar el proyecto?

Rpta: El proyecto se puede terminar en 26 semanas, si cada una de las
actividades se termina segn el programa
2. Cuales son las fechas programadas de inicio y fin de cada actividad?
Rpta: El programa de actividades muestra las fechas mas tempranas y tardas de
inicio y finalizacin de cada actividad
3. Que actividades son criticas y deben terminarse a tiempo?
Rpta: Las actividades criticas son A, E, F, G, I
4. Cuanto se puede retrazar las actividades no criticas?
Rpta: en la tabla muestra la holgura asociada con cada una de las actividades
10.2. PROGRAMACION DE PROYECTOS CON TIEMPOS

INCIERTOS DE ACTIVIDADES: PERT
Aqu abordaremos detalles de la programacin de proyectos para un problema que
involucra investigacin y desarrollo de nuevos productos. Dado que muchas de las
actividades de este proyecto nunca se han intentado, el administrador del proyecto
desea tomar en consideracin la incertidumbre en los tiempos de las actividades.
Ahora demostraremos como se pueden programar proyectos con tiempos inciertos de
actividad.
EL PROYECTO DE DAUGHERTY PORTA VAC
Daugherty Company ha manufacturado sistemas industriales de aspiradoras durante
muchos aos. Recientemente la empresa esta considerando la manufactura de una
aspiradora inalmbrica. El nuevo producto conocido como Porta Vac, podra
contribuir a la expansin de la empresa en el mercado domestico. La administracin
espera que se pueda fabricar a un costo razonable y que el hecho que sea porttil e
inalambrico lo haran muy atractivo, por lo que la empresa desea estudiar la posibilidad
de manufacturar el Porta Vac.
Para realizar este estudio, se debe obtener informacin de los grupos de investigacin
y desarrollo, de prueba de productos de manufactura, estimacin de costos y de
investigacin de mercados de la empresa. En el anlisis que sigue, mostraremos un
diagrama de actividades para este proyecto.
De nuevo el primer paso en el proceso de programacin del proyecto es identificar
todas las actividades que lo conforman y a continuacin determinar los predecesores
inmediatos de cada una de las actividades
212
LISTA DE ACTIVIDADES PARA EL PROYECTO PORTA-VAC

Actividad
Descripcin
Predecesor
inmediato
Desarrollar diseo del producto
----
Planeacin de la investigacin de mercado
----
Ingeniera de manufactura
Construir modelo prototipo
Preparar folletos de mercadeo
Estimaciones de costos
Efectuar pruebas preliminares del producto
Finalizar investigacin de mercado
B, E
Informe de precios y de pronostico
Preparar informe final
F, G, I
TIEMPOS INCIERTOS DE ACTIVIDAD

Una vez desarrollada una red del proyecto necesitamos informacin del tiempo
requerido para finalizar cada una de las actividades. Mucho de los tiempos de la
actividad son inciertos y se describe mejor mediante un rango de valores posibles en
lugar de un estimado especfico.
En estos casos los tiempos de actividad se tratan como variables aleatorias con
distribucin de probabilidad asociada.
Es necesario que tengamos 3 estimaciones de tiempo para cada una de las

actividades
Tiempo Optimista (a)= tiempo mnimo de actividad si todo avanza de manera

ideal
Tiempo mas probable (m) = tiempo de actividad mas probable bajo

condiciones normales
Tiempo Pesimista (b) = tiempo mximo de actividad si se encuentra con

retardos significativos
La siguiente tabla muestra las estimacin de los tiempos optimista, pesimista y mas
probable para las actividades de Porta Vac
213
Actividad
Optimista (a)
Mas probable (m)
Pesimista (b)
12
1.5
11
1.5
2.5
1.5
4.5
2.5
3.5
7.5
1.5
2.5
El tiempo promedio o esperado (t) para cada actividad es como sigue:
a 4m b
6
Con tiempos inciertos de actividad podemos utilizar una varianza para describir una
dispersin o variacin en los valores de tiempo de actividad que esta dada por:
ba
2
Las ecuaciones del tiempo promedio y de la varianza se basan en la hiptesis de que

la distribucin del tiempo de actividad se puede describir como una distribucin de
probabilidad beta.
Actividad
Tiempo esperado (semanas)
Varianza
(4 + (4*5) + 12) / 6 = 6
1.78
(1 + (4*1.5) + 5) / 6 = 2
0.44
(2 + (4*3) + 4) / 6 = 3
0.11
(3 + (4*4) + 11) / 6 = 5
1.78
(2 + (4*3) + 4) / 6 = 3
0.11
(1.5 + (4*2) + 2.5) / 6 = 2
0.03
(1.5 + (4*3) + 4.5) / 6 = 3
0.25
(2.5 + (4*3.5) + 7.5) / 6 = 4
0.69
(1.5 + (4*2) + 2.5) / 6 = 2
0.03
(1 + (4*2) + 3) / 6 = 2
0.11
Total
32
214
Una vez que tengamos la red de proyectos y los tiempos esperados de actividad
estamos listo para determinar el camino critico y determinar el tiempo esperado
requerido para la terminacin del proyecto.
En el clculo del camino crtico trataremos los tiempos esperado de actividad como un
tiempo de longitud fija (esta representado por el tiempo esperado). Como resultado de
esto, podemos utilizar el procedimiento de camino crtico CPM.
Una vez determinadas las actividades criticas y el tiempo esperado para la
culminacin del proyecto analizaremos el efecto de la variabilidad en los tiempos de
las actividades.
10.3. VARIABILIDAD EN EL TIEMPO DE TERMINACION

DEL PROYECTO
Ahora sabemos que el camino critico es A E H I J con un tiempo total de
culminacin del proyecto en 17 semanas.
E(T) = E(A) + E(E) + E(H) + E(I) + E(J) = 6 + 3 + 4 + 2 + 2 = 17 semanas
Sin embargo las variaciones en las actividades crticas tambin pueden causar
variaciones en el tiempo de terminacin del proyecto. Por lo general las variaciones de
las actividades no criticas no tienen efecto en el tiempo de terminacin del proyecto
debido a las holguras asociadas.
Sin embargo, si una actividad no critica se retrasa lo suficiente para consumir todo su
tiempo de holgura, se convierte en parte de un nuevo camino crtico y puede afectar el
tiempo de culminacin del proyecto.
215
La variabilidad que lleva a un tiempo total mas largo de lo esperado para las
actividades criticas siempre aumentara el tiempo de finalizacin del proyecto, y por la
misma razn la variabilidad que resulte en tiempos crticos mas cortos producirn un
tiempo de culminacin del proyecto mas breve de los esperado, a menos de que otras
actividades se conviertan entonces en criticas.
Utilicemos ahora la varianza de las actividades crticas para determinar la varianza del
tiempo de culminacin del proyecto.
Var(T) = Var(A) + Var(E) + Var(H) + Var(I) + Var(J)
Var(T) = 1.78 + 0.11 + 0.69 + 0.03 + 0.11 = 2.72
Var (t ) 2.72 1.65

Suponiendo que la distribucin del tiempo del proyecto T sea normal en forma de
campana. Con esta distribucin podemos calcular la probabilidad de cumplir con una
fecha de finalizacin especificada para el proyecto. Por ejemplo suponga que la
administracin ha asignado 20 semanas para el proyecto Porta-Vac. Cul es la
probabilidad de que se cumpla con este vencimiento de 20 semanas?. Utilizando la
distribucin de probabilidad Normal tenemos:
20 17
1.82
1.65
Utilizando Z = 1.82 encontramos que la probabilidad de que el proyecto cumpla con el

vencimiento de 20 semanas es 0.9656.
Entonces, aunque la variabilidad del tiempo de las actividades pueden causar que el
tiempo de terminacin exceda de 17 semanas. Hay una excelente probabilidad de que
el proyecto se termine antes del vencimiento de 20 semanas
Normal Distribution
0.24
Mean,Std. dev.
17,1.82
density
0.2
0.16
0.12
P(T 20)
0.08
0.04
0
9
11
13
15
17
19
21
23
25
x
20
216

1.- Considere la siguiente red de proyecto y sus tiempos de actividad (en semanas)
Actividad
Predecesor ----
----
D, E
Duracin
10
a) Identifique el camino critico

b) Cuanto tiempo se necesitara para terminar el proyecto
2.- Un proyecto que implica la instalacin de un sistema de cmputo esta formado por
8 actividades. La tabla enlista los predecesores y los tiempos de cada actividad en
semanas.
Actividad
A
B
C
D
E
F
G
H
a) Dibuje una red de proyecto
Predecesor
------A
B, C
D
E
B, C
F, G
Tiempo
3
6
2
5
4
3
9
3
b) Cuales son las actividades criticas

c) Cual es el tiempo de terminacin esperado del proyecto
3.- El Colonial State Collage esta considerando construir un complejo atltico multiuso
en el campus, que tendra un nuevo gimnasio para juegos intercolegiales de
bsquetbol. Las siguientes actividades debern realizarse antes de que la
construccin pueda iniciar.
Actividad
Descripcin
A
Topografa del lugar
B
Desarrollar diseo inicial
C
Aprobacin del consejo
D
Seleccionar arquitectos
E
Establecer Presupuesto
F
Terminar diseo
G
Obtener financiamiento
H
Contratar constructor
a) Dibuje una red del proyecto
Predecesor
------A, B
C
C
D, E
E
F, G
Tiempo (semanas)
6
8
12
4
6
15
12
8
b) Identifique el camino critico

c) Desarrolle el programa de actividades del proyecto
217
4.- Hamilton Company Park esta planeando desarrollar un nuevo parque y rea
recreacional en un terreno de 100 acres recin adquirido. Las actividades de desarrollo
del proyecto incluyen la limpieza de las reas de juegos y das de campo, la
construccin de carreteras, de un albergue, y as sucesivamente. La tabla se est
utilizando en la planeacin, programacin y control de este proyecto.
Actividad
----
----
B, C
B, C
D, E
G, H
Tiempo
9
6
6
(semanas)
Predecesor
b) Cual es el camino critico de este proyecto
5.- Las siguientes estimaciones de tiempo de actividad (en das) estn disponibles
para un pequeo proyecto
Actividad
Optimista
Ms probable
Pesimista
A
4
5.0
6
B
8
9.0
10
C
7
7.5
11
D
7
9.0
10
E
6
7.0
9
F
5
6.0
7
a) Calcule los tiempos de terminacin esperado de las actividades y la varianza
de cada una de ellas
b) Un analista determino que el camino critico est formado por las actividades
B C calcule el tiempo de terminacin esperado as como la varianza
6.- Suponga que las estimaciones del tiempo y de actividades (en das) para el
proyecto de construccin de una alberca en el patio trasero est constituida por 9
actividades. Las actividades y sus predecesores son los que aparecen en la siguiente
tabla.
Actividad
A
B
C
D
E
F
G
H
I
Predecesor
------A, B
A, B
B
C
D
D, F
E, G, H
Optimista
3
2
5
7
2
1
5
6
3
Ms probable
5
4
6
9
4
2
8
8
4
Pesimista
6
6
7
10
6
3
10
10
5
218
a) Desarrolle una grafica de la red del proyecto

b) Cules son las actividades criticas
c) Cul es el tiempo esperado para terminar el proyecto
d) Cul es la probabilidad de que se pueda terminar el proyecto en 25 das o
menos
7.- Doug Casey esta a cargo de planear y coordinar el programa de capacitacin del
personal de administracin de ventas para su empresa. Doug ha enlistado la siguiente
informacin de actividades para este proyecto
Activ.
Descripcin
Predec
Optimista
Mas
Pesimista
probable
A
Planear tema
Obtener conferencistas
Ubicaciones de reuniones
Seleccionar ubicaciones
planes de viajes conferencistas
Revisin final con los conferencistas
Preparar y enviar folleto por correo
Hacer reservaciones
Manejar detalles ltimo minuto
----
1.5
2.0
2.5
2.0
2.5
6.0
----
1.0
2.0
3.0
1.5
2.0
2.5
B, D
0.5
1.0
1.5
1.0
2.0
3.0
B, D
3.0
3.5
7.0
3.0
4.0
5.0
F, H
1.5
2.0
2.5

b) Cules son las actividades crticas y cul es el tiempo de finalizacin esperado
del proyecto
c) Si Doug desea tener una probabilidad del 99% de terminar el proyecto a
tiempo, Con que anticipacin antes de la fecha programada de la reunin
deber empezar a trabajar sobre el proyecto?
8. La Compaa constructora PREFAB ha identificado nueve actividades que tiene

lugar durante la construccin de una casa. Las cuales se enumeran a continuacin
ID
TAREA
PREDEC
EREGIR LA ESTRUCTURA
HACER LOS CIMIENTOS
PONER LAS VIGAS TECHO
REVESTIR EL TECHO
CABLEADO ELECTRICO
TN
5
3
219
TABLAS PAREDES EXTERIORES
COLOCAR LAS VENTANAS
TABLAS PAREDES INTERIORES
4,6,8
PINTURA EXT. E INT.
5,7
A. Dibuje la red del proyecto

B. Calcule las fechas Inicio Temprano e Inicio Tardo de cada actividad.
C. Identifique el Camino Crtico.
9. La Compaa constructora PREFAB ha identificado nueve actividades que tiene
lugar durante la construccin de una casa. Las cuales se enumeran a continuacin
ID
TAREA
PREDEC TN
1
Preparacin Manuscrito (autor)
30
2
Diseo de materiales promocionales
1
6
3
Produccin de mat promocionales
2,7
4
4
Correccin del manuscrito
1
5
5
Correccin de galeras y revisin
4
10
6
Produccin del libro final
7,5
8
7
Obtencin de Permisos legales y Derechos
1
14
8
Capacitacin en ventas
3,6
2
A. Dibuje la red del proyecto
B. Calcule las fechas Temprano y Tardo
C. Identifique el Camino Crtico.
220

Curso Completo de Metodos Cuantitativos

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Curso Completo de Metodos Cuantitativos

Diunggah oleh

Hak Cipta:

Format Tersedia

Facultad de Ciencias Econmicas

Dr. Higinio Wong Aitken

Universidad Privada Antenor Orrego Facultad de Ciencias Empresariales

Dr. Higinio Wong Aitken

1.- Introduccin a los Mtodos Cuantitativos

1.1.- Impacto de la Investigacin de Operaciones

1.2.- Breve historia de los mtodos cuantitativos

1.3.- Definicin de Mtodos Cuantitativos

1.4.- El Proceso de toma de decisiones

1.5.- Estructura de los modelos en los Mtodos Cuantitativos

1.6.- Formulacin de un Modelo Matemtico

1.6.1.- Preparacin de datos

1.6.2.- Solucin del modelo

1.7.- Anlisis de punto de equilibrio

1.8.- Ejercicios propuestos 1

2.- Anlisis de decisiones

2.2.1.- Enfoque Optimista

2.2.2.- Enfoque Conservador

2.2.3.- Enfoque mnimax de arrepentimiento

2.3.- Toma de decisiones con probabilidades

2.4.- Anlisis de Sensibilidad

2.5.- Valor esperado de la informacin perfecta (VEIP)

2.6.- Anlisis de decisiones con informacin Muestral

2.7.- Ejercicios Propuestos 2

3.2. Componentes de una Serie de Tiempo

3.2.1 Componentes de Tendencia

3.2.2 componente Cclico

3.2.3 Componente Estacional

Universidad Privada Antenor Orrego Facultad de Ciencias Empresariales

Dr. Higinio Wong Aitken

3.2.4 Componente Irregular

3.3.1 Promedios Mviles

3.3.2 Promedios Mviles Ponderados

3.3.3 Suavizacin Exponencial

3.4. Pronsticos en la Proyeccin de Tendencias

3.5. Pronsticos en los componentes de Tendencia y Estacional

3.5.1 Modelo Multiplicativo

3.5.2 Desestacionalizacin de la Serie de Tiempo

3.5.3 Uso de la Serie de tiempo desetacionalizada

para identificar la Tendencia

3.6. Anlisis de Regresin en Pronsticos

de una serie de tiempo disponibles

3.8. Problemas Propuestos 3

4.- Modelos de lnea de espera (Teora de Colas)

Universidad Privada Antenor Orrego Facultad de Ciencias Empresariales

Dr. Higinio Wong Aitken

4.12. Modelos de lnea de espera con poblaciones de solicitantes

6.- Programacin Lineal

6.1. Estructura de un modelo de programacin Lineal

6.2. Solucin grfica de Programacin Lineal

6.3. Variables de Holgura (Slack)

6.4. Variables Excedentes (Surplus)

6.5. Anlisis de Sensibilidad en PL

6.5.2. Anlisis de sensibilidad grafico

6.6.- Ejercicios Propuestos 6

7.- Programacin Lineal: Formulacin, Solucin por computadora

8.- Aplicaciones de programacin lineal

8.1.- En la Mercadotecnia: Seleccin de medios

8.2.- Investigacin de mercados

8.3.- Aplicacin en las Finanzas: Seleccin de cartera

8.4.- Aplicacin de administracin de la produccin

8.5.- Aplicacin en Asignacin de Fuerza de Trabajo

9.- Modelos de Transporte, Asignacin y Trasbordo

9.1.- Problemas de Transporte