6
Modelos
matemticos
para
la
planificacin
y
anlisis
de
operaciones
Al
trmino
de
este
captulo
el
lector
ser
capaz
de:
6.1
INTRODUCCIN
Los
modelos
matemticos
para
mejorar
y
optimizar
operaciones
productivas
son
ampliamente
utilizados
en
la
produccin
industrial,
pero
raramente
en
la
construccin.
Sin
embargo,
la
creciente
complejidad
de
los
proyectos
de
construccin
y
la
competitividad
del
mercado,
ha
creado
mayor
inters
por
estudiar
y
aplicar
nuevas
herramientas
de
apoyo
a
la
toma
de
decisiones,
tales
como
los
modelos
matemticos.
Mundo real
Mundo
real
Modelo
asumido
Fig. 6.1 Abstraccin del mundo real a travs de un modelo (adaptado de Taha, 2007)
1. El
administrador
est
obligado
a
pensar
en
su
problema
antes
de
que
la
operacin
comience,
ya
que
el
uso
de
cualquier
modelo
requiere
de
un
completo
anlisis
previo
de
la
realidad
a
modelar.
2. El
administrador
est
obligado
a
una
comprensin
ms
acabada
del
problema,
para
poder
definirlo
y
posteriormente
obtener
los
datos
necesarios
para
una
solucin
matemtica.
3. Los
modelos
matemticos
consideran
solamente
los
parmetros
relevantes
del
problema,
y
entregan
una
respuesta
basada
en
esos
datos
y
esos
parmetros,
y
no
en
consideraciones
irracionales
tales
como
opiniones
preconcebidas,
presiones
externas
o
ideas
personales.
Cualquier
solucin
que
un
modelo
matemtico
produzca,
es
slo
tan
buena
como
lo
sean
los
datos
que
se
le
ingresen.
Por
lo
tanto,
ser
necesario
evaluar
todas
las
soluciones
para
verificar
la
lgica
de
los
datos
y
la
definicin
del
problema.
Despus
de
llegar
a
una
solucin
lgica,
lo
importante
es
utilizarla
como
una
buena
base
para
la
toma
de
decisiones,
en
conjunto
con
la
experiencia
y
criterio
de
la
persona
que
decide.
La
Figura
6.2
muestra
un
esquema
de
la
interaccin
que
se
produce
entre
un
administrador
y
un
modelo
matemtico.
Modelo es
Revisin requerida
implementado
Los
principales
modelos
que
se
revisan
en
este
captulo
corresponden
a
modelos
de
investigacin
operacional.
La
investigacin
operacional
es
un
enfoque
cientfico
de
la
toma
de
decisiones,
comenzando
con
la
descripcin
de
algn
sistema
mediante
un
modelo,
que
luego
se
manipula
para
determinar
la
mejor
forma
de
operacin
del
sistema.
Sus
aplicaciones
ms
valiosas
se
encuentran
en
dos
tipos
de
problemas
decisionales:
a. Aquellos
en
que
existe
una
cantidad
tan
grande
de
soluciones
alternativas,
que
no
se
puede
derivar
fcilmente
una
decisin
racional
a
partir
de
un
anlisis
intuitivo.
b. Aquellos
en
que
la
decisin
debe
basarse
en
factores
probabilsticos
y
en
que
slo
es
posible
obtener
una
decisin
ms
probable
o
no
determinstica.
Estos
tipos
de
problemas
son
caractersticos
de
los
proyectos
de
construccin,
lo
que
justifica
en
mayor
medida
la
utilizacin
de
los
modelos
matemticos
en
el
anlisis
y
solucin
de
ellos.
4. Prueba
del
modelo
y
de
la
solucin
deducida
de
ste:
datos
histricos
comparados
del
modelo
o
estudio
directo
del
sistema
modelado.
5. Establecimiento
de
controles
sobre
la
solucin:
detectar
cambios
en
las
condiciones
sobre
las
que
se
basa
el
modelo.
En
muchas
disciplinas
aparecen
situaciones
en
que
unidades
discretas
llegan
a
una
instalacin
que
presta
algn
servicio,
en
demanda
de
ste.
Si
la
estacin
de
servicio
est
ocupada
atendiendo
a
otra
unidad,
la
unidad
que
llega
est
forzada
a
esperar,
producindose
as
una
lnea
de
espera
o
cola.
Si
por
otro
lado,
se
colocan
estaciones
de
servicio
adicionales
para
eliminar
la
cola,
puede
producirse
una
utilizacin
ineficiente
de
las
unidades
o
estaciones
de
servicio,
con
un
exceso
de
tiempo
ocioso.
Los
fenmenos
de
espera
son
comunes
en
todos
los
procesos
industriales
y
particularmente
en
los
procesos
u
operaciones
de
la
construccin.
Este
tipo
de
modelo
permite
analizar
el
diseo
y
la
operacin
de
stas.
Ejemplos
clsicos
de
este
tipo
de
situaciones
en
la
construccin
son,
entre
otros:
1. Camiones que son cargados o servidos por una pala en una faena de movimiento de tierras
2. Trallas que deben esperar por un tractor empujador para ser cargadas
4. Materiales que son servidos por una gra para su transporte vertical
Para
el
administrador
de
una
obra
hay
varias
interrogantes
de
inters
en
relacin
a
los
problemas
de
colas:
1. Cunto tiempo debern esperar las unidades en la cola para ser servidas?
3. Cuntas
unidades
pueden
ser
atendidas
por
el
servidor,
considerando
las
demoras
causadas
por
la
cola?
4. Cuntos servidores deben proveerse para lograr una capacidad de servicio adecuada?
5. Cmo
puede
relacionarse
la
falta
de
servicio,
con
el
ocio
y
el
uso
ineficiente
de
los
servidores?
Por
ejemplo,
en
diversas
obras
se
ha
detectado
una
demanda
insatisfecha
de
capacidad
de
gra
para
transporte
de
materiales.
Sin
embargo,
al
realizar
estudios
sobre
utilizacin
de
estos
equipos,
se
han
encontrado
factores
reales
de
utilizacin
de
la
gra
menores
al
40%
de
la
jornada
de
trabajo.
El
anlisis
que
se
presenta
en
esta
seccin,
permitir
entender
mejor
este
tipo
de
problemas
y
dar
respuesta
a
las
interrogantes
planteadas.
Una
ilustracin
general
del
modelo
de
lneas
de
espera
se
muestra
en
la
Figura
6.3,
en
la
que
se
identifican
los
principales
componentes
que
forman
parte
de
este
tipo
de
sistemas.
Los
parmetros
asociados
a
estos
componentes,
permiten
definir
una
clasificacin
de
estos
sistemas.
SISTEMA DE SERVICIO
Las caractersticas de una lnea de espera pueden ser definidas por los siguientes elementos:
1. Distribucin
de
las
llegadas:
En
la
mayora
de
las
situaciones,
las
llegadas
son
controladas
por
algunos
factores
externos
que
producen
incertidumbre
en
el
tiempo
de
ocurrencia
entre
ellas.
Por
esta
razn,
el
tiempo
entre
llegadas
sucesivas
es
una
variable
aleatoria
y
su
distribucin
de
probabilidades
es
llamada
distribucin
de
las
llegadas.
2. Distribucin
de
los
servicios:
Debido
a
factores
como
el
tipo
de
servicio
requerido
y
la
inherente
variabilidad
entre
los
servidores,
la
duracin
de
un
servicio
es
tambin
una
variable
aleatoria
y
su
distribucin
de
probabilidades
es
llamada
distribucin
de
los
servicios.
3. Nmero
de
canales
de
servicio:
Puede
haber
uno
o
ms
servidores.
Si
hay
mltiples
servidores,
debe
especificarse
si
estn
en
paralelo
o
en
serie.
4. Poblacin
de
clientes:
Existen
dos
clases
distintas
de
lneas
de
espera,
de
acuerdo
al
tamao
de
la
poblacin:
poblacin
infinita
y
poblacin
finita
(en
general,
se
considera
este
ltimo
caso
cuando
el
nmero
de
unidades
de
la
poblacin
es
menor
que
30
unidades).
5. Disciplina
de
la
cola:
Se
refiere
al
orden
en
que
los
clientes
son
atendidos.
La
disciplina
ms
comn
es
el
sistema
FIFO
(First
In,
First
Out).
trallas
servidas
por
tractores,
etc.).
Un
modelo
de
poblacin
finita
se
entrega
en
la
Figura
6.4,
el
cual
podra
ser
aplicado
a
cualquiera
de
los
ejemplos
mencionados,
como
se
ver
ms
adelante.
SISTEMA
Unidad de
servicio
Las
variables
usadas
para
describir
los
estados
de
un
sistema
en
un
instante
de
tiempo,
son
llamadas
variables
de
estado.
Un
estado
particular
de
un
sistema,
es
entonces
identificado
por
un
conjunto
de
valores
instantneos
de
las
variables
de
estado.
Si
el
valor
de
una
o
ms
variables
del
sistema
cambia,
una
nueva
configuracin
puede
ser
reconocida
existiendo
un
nuevo
estado.
Los
modelos
de
teora
de
colas
pueden
ser
fcilmente
descritos
a
travs
de
estados
definidos
por
el
nmero
de
unidades
en
el
sistema,
estados
que
van
cambiando
a
medida
que
pasa
el
tiempo.
Por
ejemplo,
en
el
modelo
finito
representado
en
la
Figura
6.4,
estara
definido
el
estado
E3
(donde
E=
estado
y
el
nmero
3
corresponde
al
nmero
de
unidades
en
el
sistema).
En
este
ejemplo,
dado
que
el
nmero
de
unidades
es
finito
e
igual
a
cinco,
el
nmero
de
estados
posibles
de
identificar
son
seis,
como
se
indica
en
la
Figura
6.5.
E0 E1 E2 E3 E4 E5
El
nmero
de
estados
caractersticos
de
un
sistema
dado
es
una
funcin
del
nmero
de
parmetros
usados
para
definir
el
sistema
y
el
rango
de
valores
asociado
a
cada
parmetro.
En
nuestro
ejemplo
se
ha
usado
un
parmetro
solamente
(unidades
en
el
sistema),
y
los
estados
posibles
se
pueden
representar
por
Ei,
con
i=1,
M
+
1.
Si
se
usan
dos
parmetros,
el
nmero
de
estados
ser:
Eij= ni x mj (6-1)
Para
definir
este
tipo
de
sistema
pueden
usarse
dos
parmetros;
el
parmetro
i
corresponder
a
las
unidades
en
el
sistema,
y
el
parmetro
j
indicar
el
nmero
de
cargas
en
la
tolva
o
almacenador.
Por
ejemplo,
si
i
=
0,
1,
2,
3
y
j
=
0,
1,
2,
los
estados
del
sistema
pueden
representarse
como
se
indica
en
la
Figura
6.6.
Dado
un
conjunto
particular
de
estados,
existe
una
probabilidad
Pk
de
estar
en
alguno
de
los
estados
Ek
en
el
instante
t,
y
un
conjunto
de
probabilidades
Tkl
de
pasar
de
un
estado
Ek
a
otro
estado
El.
Por
consiguiente,
existe
un
conjunto
de
probabilidades
de
transicin
Tkl
que
describen
la
posibilidad
de
moverse
desde
Ek
a
El.
El
grfico
que
representa
esta
situacin
se
muestra
a
continuacin
en
la
Figura
6.7.
En
el
esquema
se
han
considerado
slo
aquellas
probabilidades
de
transicin
desde
el
estado
En
a
En+1,
o
del
estado
En
a
En-1.
En
otras
palabras,
se
consideran
transiciones
movindose
desde
E3
a
E4
o
de
E3
a
E2
para
el
estado
E3.
E0 E1 E2 E3 E4 E5
P0 P1 P2 P3 P4 P5
T10 T21 T32 T43 T54
Figura 6.7 Diagrama de estados con probabilidades de estado (Pk) y de transicin (Tkl)
En
realidad
podra
ser
posible
moverse
desde
E3
a
E0
si
tres
unidades
abandonan
el
sistema
simultneamente
o
de
E1
a
E3
si
llegaran
dos
unidades
simultneamente.
Las
llegadas
o
salidas
simultneas
son
llamadas
llegadas
o
salidas
en
masa.
Por
simplicidad
matemtica,
se
asume
que
el
perodo
de
tiempo
t
en
que
pueden
ocurrir
llegadas
o
salidas,
se
ha
definido
lo
suficientemente
pequeo
como
para
que
slo
pueda
ocurrir
una
llegada
o
salida
en
t.
Finalmente,
los
diagramas
de
estado
que
representan
las
probabilidades
de
transicin
como
arcos,
son
referidos
como
modelos
markovianos.
Los
modelos
Markovianos
son
muy
tiles
en
la
representacin
de
situaciones
en
que
un
sistema
se
mueve
desde
un
estado
a
otro,
estado
basado
en
un
conjunto
de
probabilidades
de
transicin.
En
particular,
los
modelos
Markovianos
son
tiles
en
situaciones
de
fenmenos
de
espera.
Los
dos
primeros
casos
cubren
la
posibilidad
de
partir
en
el
estado
n
(En),
y
terminar
en
el
mismo
estado.
Esto
es,
la
probabilidad
de
transicin
de
partir
en
el
estado
En
y
permanecer
en
el
mismo
estado
es:
Tnn= P(no llegada) x P (no servicio) + P (una llegada) x P(un servicio) (6-2)
Se
asume
que
los
sucesos
"no
llegada",
"no
servicio",
"una
llegada"
y
"un
servicio",
son
estadsticamente
independientes.
El
caso
4
especifica
la
probabilidad
de
transicin
de
partir
de
un
estado
menor
E(n-1)
y
llegar
al
estado
En
durante
el
intervalo
t,
como:
Por ejemplo, considerando el caso de que n=3, entonces se tiene la siguiente expresin:
Las
tasas
de
llegada
o
de
servicio
de
un
sistema
de
lneas
de
espera
pueden
ser
descritas
en
trminos
de
intervalos
aleatorios
o
determinsticos
de
tiempo.
Las
soluciones
matemticas
de
los
modelos
bsicos
de
teora
de
colas,
normalmente
asumen
que
los
tiempos
entre
llegadas
y
tiempos
de
servicio
se
distribuyen
exponencialmente,
y
que
las
llegadas
de
las
unidades
al
sistema
pueden
ser
modeladas
a
travs
de
un
proceso
de
Poisson,
el
cual
asume
lo
siguiente:
La
distribucin
exponencial
se
relaciona
con
el
proceso
de
Poisson
de
la
siguiente
manera:
si
los
eventos
ocurren
de
acuerdo
a
un
proceso
de
Poisson,
entonces
el
tiempo
T
hasta
la
primera
ocurrencia
del
evento
tiene
una
distribucin
exponencial,
y
se
cumple
que:
t
P(t<
T)
=
P (Xt = 0 ) = e
(6-6)
donde
T
es
el
tiempo
entre
dos
ocurrencias
consecutivas
del
evento,
t
es
un
intervalo
de
tiempo
dado,
y
Xt
es
el
nmero
de
ocurrencias
en
dicho
intervalo.
Por
otro
lado,
t
P (t T ) = 1 e (6-7)
1
T= = t f (t ) dt
(6-8)
Si se aplican estos conceptos al modelo de lneas de espera, se tiene que para un intervalo t,
donde
=
tasa
promedio
de
llegadas
de
unidades
al
sistema.
Expandiendo
la
expresin
en
una
serie
de
Taylor.
Propiedad
intelectual
de
Alfredo
Serpell
Bley,
2015
Modelos
matemticos
para
la
planificacin
y
anlisis
de
operaciones
209
con
1/
=
la
esperanza
matemtica
del
tiempo
entre
llegadas.
Anlogamente,
siguiendo
el
mismo
procedimiento,
Para
estos
sistemas
con
distribucin
exponencial
para
las
llegadas
y
los
servicios,
las
probabilidades
de
transicin
que
estn
expresadas
en
las
ecuaciones
(5-1),
(5-2)
y
(5-3)
se
transforman
en
lo
siguiente:
= 1 - t - t + (t)2 + (t)2
Tn,n= 1 - ( + ) t (6-14)
A su vez,
Tn+1,n= (1 - t) x t @ t (6-15)
Tn-1,n= t x (1 - t) @ t (6-16)
dPn(t)/dt=0
Entonces:
La
ecuacin
(6-21)
puede
ser
escrita
directamente
a
partir
de
la
Figura
6.8,
sumando
los
flujos
que
entran
al
nodo
n
e
igualndolos
con
los
flujos
de
salida
del
mismo
nodo.
b b b b
Pn-1 Pn Pn+1
m m m m
En
el
diagrama
de
la
Figura
6.8,
se
grafica
el
balance
que
se
produce
entre
el
flujo
de
entrada
y
el
flujo
de
salida.
Ahora
si
se
tiene
el
diagrama
de
la
Figura
5.8
a
continuacin,
b b b
P0 P1 P2
m m m
P0 = P1
P1 = [/] P0 (6-22)
donde / = , conocido como factor de utilizacin, el que debe ser siempre menor que 1.
Definiendo
un
modelo
de
lnea
de
espera
con
poblacin
infinita
y
con
tiempo
entre
llegadas
y
tiempo
de
servicio
exponencialmente
distribuidos,
y
resuelto
en
funcin
de
P0,
se
obtiene
la
siguiente
expresin
para
la
solucin
de
Pn:
A
partir
de
la
ecuacin
deducida,
pueden
obtenerse
un
conjunto
de
ecuaciones
bsicas
que
se
utilizan
para
el
anlisis
de
los
modelos
de
lneas
de
espera
con
poblacin
infinita.
a. Canal simple
P0= 1 - / (6-24)
1
n=k1 n k
P 0 = (1 n!) ( ) + (1 k!) ( ) (k (k ))
(6-29)
n=0
La
probabilidad
Pk
de
que
una
unidad
que
llegue
al
sistema
tenga
que
esperar
(probabilidad
de
que
haya
k
o
ms
unidades
en
el
sistema
en
un
instante
dado),
Los
modelos
de
poblacin
infinita
tienen
varias
aplicaciones
tiles
en
la
construccin,
en
situaciones
tales
como:
a. Plataforma
de
carga
que
debe
atender
un
gran
nmero
de
elementos
distintos
para
su
movilizacin
vertical.
Ejemplo
6.1
Una
gra
tiene
un
tiempo
medio
de
servicio
de
10
minutos
y
las
cargas
llegan
a
una
tasa
de
3
por
hora.
Suponiendo
distribucin
exponencial
para
las
llegadas
y
los
servicios:
2. Despus de llegar, cunto tiempo debe esperar una carga antes de ser movilizada?
Solucin:
a) P0 = 1 - / = 1 - 3/6 = 0.5
Ejemplo
6.2
Una
secretaria
copia
una
carta
en
un
tiempo
promedio
de
8
minutos,
el
que
se
distribuye
exponencialmente.
Si
ella
necesita
el
40%
de
su
tiempo
para
otras
actividades,
cuntas
cartas
diarias
se
espera
que
ella
escriba?
P0= 1 - / = 0.4
Por
lo
tanto,
diariamente
es
capaz
de
escribir
8
x
4.5
=
36
cartas
considerando
una
jornada
de
8
horas
diarias.
Este
tipo
de
modelos
son
de
gran
inters
en
la
construccin,
dado
que
en
muchas
situaciones
un
nmero
finito
de
recursos
son
servidos
por
uno
o
ms
servidores
en
un
modo
cclico.
Este
reciclaje
de
unidades
servidas
conduce
a
un
modelo
de
poblacin
finita.
Para
sistemas
de
poblacin
finita,
con
tiempos
entre
llegadas
y
de
servicio
exponencialmente
distribuidos,
es
tambin
posible
utilizar
los
modelos
grficos
Markovianos.
Para
este
tipo
de
modelos
sin
embargo,
las
probabilidades
de
transicin
de
las
llegadas
deben
ser
modificadas,
dado
que
varan
en
funcin
del
nmero
de
unidades
que
estn
fuera
del
sistema.
O
sea,
la
probabilidad
de
llegada
es
proporcional
al
nmero
de
unidades
que
son
externas
al
sistema,
nmero
que
en
este
caso
es
finito.
Propiedad
intelectual
de
Alfredo
Serpell
Bley,
2015
Modelos
matemticos
para
la
planificacin
y
anlisis
de
operaciones
215
La
Figura
6.10
muestra
un
sistema
con
una
poblacin
finita
de
6
unidades
(camiones)
y
un
servidor
(pala).
C
C
PALA
C C C
C CAMIONES
En
la
Figura
6.10
se
puede
apreciar
que
hay
tres
unidades
dentro
del
sistema
y
tres
fuera
de
l.
Las
unidades
dentro
del
sistema
no
pueden
afectar
la
probabilidad
de
llegada,
dado
que
ya
llegaron.
En
este
caso,
la
probabilidad
de
llegada
es
igual
a
la
tasa
de
llegada
,
que
corresponde
al
valor
recproco
del
tiempo
promedio
entre
llegadas,
multiplicada
por
3,
para
indicar
la
proporcionalidad
dependiente
del
nmero
de
unidades
fuera
del
sistema.
Por
consiguiente,
la
probabilidad
de
llegada
del
sistema
mostrado
es
3.
Si
hubiera
cinco
unidades
fuera
del
sistema,
la
probabilidad
de
llegada
para
ese
caso
sera
de
5.
En general, la probabilidad de llegada de las unidades entrando al sistema est dada por:
(M - i) x
donde:
= 1/Tpr donde Tpr es el tiempo promedio que permanece una unidad fuera del sistema.
El modelo Markoviano que representa este sistema se muestra a continuacin, en la Figura 6.11.
6b 5b 4b 3b 2b b
P0 P1 P2 P3 P4 P5 P6
m m m m m m
Nuevamente,
las
probabilidades
de
estado
han
sido
asociadas
con
cada
estado
y
los
arcos
representan
las
probabilidades
de
transicin
entre
los
estados.
Utilizando
nuevamente
el
mtodo
de
igualar
los
flujos
de
ingreso
y
egreso
a
cada
estado,
es
posible
determinar
las
siguientes
ecuaciones
de
estado
para
el
sistema:
0 P1 = 6P0
1 6P0 + P2 = 5P1 + P1
2 5P1 + P3 = 4P2 + P2
3 4P2 + P4 = 3P3 + P3
4 3P3 + P5 = 2P4 + P4
5 2P4 + P6 = P5 + P5
6 P5 = P6
El
valor
de
P0
puede
determinarse
a
partir
de
las
ecuaciones
de
estado.
En
adicin
a
estas
ecuaciones,
la
suma
de
todas
las
probabilidades
de
estado
debe
sumar
1,
o
sea,
se
tiene
la
siguiente
ecuacin
adicional:
P i = 1.0
(6-36)
i =0
Esta
ecuacin
reemplaza
una
de
las
ecuaciones
de
estado
que
es
redundante,
teniendo
as
las
ecuaciones
requeridas
para
resolver
el
sistema.
Suponiendo
=
6
y
=12,
la
solucin
de
las
ecuaciones
de
estado
indicadas
anteriormente
dara:
P0 = 0.0121
P1 = 0.0363
P2 = 0.0906
P3 = 0.1813
P4 = 0.2719
P5 = 0.2719
P6 = 0.1359
3
Prod
=
1.5
x
(1-0.0121)
x
12
x
15
=
267m
La
solucin
general
para
un
sistema
finito
de
M
unidades
con
distribucin
exponencial
de
los
servicios
y
las
llegadas,
es:
1
M
P0 = M! ( )
i
( ) (M i )!
(6-37)
i =o
[
Pi = M !( ) P0
i
] (M i)!
(6-38)
con las M unidades de igual capacidad. El nmero medio de unidades en el sistema est dado por:
M
N= Pi Xi = M [ (1 P 0 ) / ]
(6-39)
i=0
donde:
Por
otro
lado,
el
largo
promedio
de
la
cola
de
unidades
que
estn
en
espera,
est
dado
por
la
siguiente
expresin:
M
Q = Pi ( X i 1) = M [( + ) (1 P0 ) / ]
(6-40)
i =0
En
el
caso
de
existir
ms
de
una
unidad
de
servicio,
se
introduce
una
pequea
modificacin
en
el
modelo
de
Markov
en
relacin
a
las
probabilidades
de
transicin
asociadas
a
los
servicios.
Si,
por
ejemplo,
hubieran
dos
unidades
de
servicio,
la
probabilidad
de
transicin
para
pasar
del
estado
En+1
al
estado
En
sera
de
2,
siempre
que
las
tasas
de
servicio
de
las
unidades
de
servicio
sean
iguales.
En
un
esquema
markoviano
la
representacin
sera
la
mostrada
en
la
Figura
6.12
a
continuacin.
6b 5b 4b 3b 2b b
P0 P1 P2 P3 P4 P5 P6
m 2m 2m 2m 2m 2m
Figura 6.12 Modelo de Markov con dos servidores de igual tasa de servicio.
Es
necesario
hacer
notar
que
el
multiplicador
asociado
con
no
puede
exceder
el
nmero
de
unidades
asociadas
al
estado
de
origen.
En
el
caso
de
que
las
tasas
de
servicio
no
sean
iguales,
stas
se
suman.
Cuando
corresponda
disminuir
la
tasa
de
servicio
debido
al
nmero
de
unidades
asociadas
al
estado
original,
la
tasa
considerada
depender
de
la
disciplina
que
se
haya
asumido
para
la
confeccin
del
modelo.
A
travs
del
siguiente
ejemplo
se
muestra
una
situacin
de
este
tipo.
Ejemplo
6.3
Supngase
que
se
tienen
5
unidades
y
tres
servidores
con
tasas
de
servicios
1,
2
y
3
respectivamente.
El
esquema
que
sigue
grafica
esta
situacin
en
la
Figura
6.13.
El
clculo
de
la
produccin
para
este
sistema
tambin
debe
ser
modificado.
La
expresin
que
corresponde
para
este
caso
en
particular,
es
la
siguiente:
6b 5b 4b 3b 2b b
P0 P1 P2 P3 P4 P5 P6
m1 m1+m2 Sm Sm Sm Sm
S m
=
m1 + m2 + m3
Figura 6.13 Modelo finito con tres servidores, con tasas de servicio diferentes
(H+1) x (M+1)
Para el desarrollo del modelo Markoviano de este tipo de situacin, supngase el siguiente caso:
M = 6 camiones
H = 2 cargas (camiones)
Se
cuenta
con
una
pala
mecnica
con
una
tasa
de
servicio
de
,
y
con
una
tolva
cuya
tasa
de
servicio
es
.
La
distribucin
de
los
tiempos
est
dada
por
los
parmetros
1/,
1/,
y
1/,
asumindose
que
se
distribuyen
exponencialmente.
El
modelo
markoviano
correspondiente
a
esta
situacin
se
indica
en
la
Figura
6.14.
6b 5b 4b 3b 2b b
m m m m m m
m
W W W W W W
6b 5b 4b 3b 2b b
m
W W W W W W
6b 5b 4b 3b 2b b
Se
puede
apreciar
en
el
modelo
que
cuando
un
camin
llega
al
sistema
y
la
tolva
est
cargada,
el
camin
es
cargado
por
aquella,
con
una
tasa
de
servicio
de
cargas
por
hora.
De
esta
forma
el
sistema
transita
del
estado
Eij
al
estado
Ei-1,j-1,
o
sea
hacia
arriba
y
a
la
izquierda
en
el
esquema.
La
produccin
del
sistema
puede
determinarse
a
travs
de
la
resolucin
de
las
ecuaciones
de
estado,
utilizando
la
siguiente
expresin:
M H M
Pr oduccin = Pi 0 + Pij CL
(6-42)
i =1 j =1 i =1
Ejemplo
6.4.
Una
compaa
constructora
est
realizando
una
excavacin
para
lo
cual
cuenta
con
una
pala
mecnica,
cuya
capacidad
es
de
12
cargas
por
hora,
y
con
una
flotilla
de
4
camiones
con
una
3
capacidad
de
10
m
cada
uno.
Se
ha
determinado
que
el
tiempo
promedio
entre
las
llegadas
de
los
camiones
es
de
10
minutos.
Adems
la
empresa
dispone
de
una
tolva
con
capacidad
para
una
carga,
y
con
un
tiempo
de
carga
de
2
minutos.
Determinar
cual
es
la
produccin
horaria
esperada
del
sistema.
El
modelo
Markoviano
que
representa
el
sistema
es
el
indicado
en
la
Figura
6.15.
4b 3b 2b b
m m m m
m
W W W W
4b 3b 2b b
= 12 cargas/hora
= 60/10 = 6 camiones/hora
= 60/2 = 30 cargas/hora
P40 = P30
P01 4 = P00
P31 (+ ) = 2P21
P41 = P31
Pij = 1
Prod = [12x0.859+30x0.03] x 10
Para
calcular
la
produccin
de
un
sistema
utilizando
datos
de
terreno,
es
necesario
determinar
valores
para
y
.
Si
se
usa
un
sistema
con
tolva
(almacenamiento)
se
requiere
tambin
el
valor
de
.
Estos
parmetros
deben
ser
obtenidos
a
partir
de
observaciones
realizadas
en
terreno.
Para
una
situacin
de
cola
finita,
es
posible
de
obtener
registrando
el
tiempo
desde
que
una
unidad
deja
el
sistema
hasta
que
regresa,
determinando
as
el
tiempo
de
ciclo.
Repitiendo
este
procedimiento,
es
posible
obtener
un
valor
promedio
a
partir
de
la
siguiente
expresin:
M N j M
A = IAC ij ITC(i1),j / N j
( ) (6-43)
j=1 i=1 j=1
donde:
As,
el
tiempo
promedio
entre
llegadas
para
una
unidad
es
la
suma
de
los
tiempos
de
ciclo
para
todas
las
unidades,
dividido
por
el
nmero
total
de
ciclos
para
todas
las
unidades.
Por otro lado, el clculo de debe ser hecho cuidadosamente, existiendo dos situaciones posibles:
1. Si
la
cola
est
vaca
en
el
momento
que
llega
una
unidad
no
hay
demora
y
el
instante
de
comienzo
del
servicio
es
el
mismo
de
la
llegada
de
la
unidad
al
sistema,
de
tal
manera
de
mantener
las
suposiciones
del
modelo.
En
este
caso,
el
tiempo
de
servicio
est
dado
por:
donde:
Nuevamente,
el
factor
de
control
no
es
el
instante
de
inicio
del
servicio
propiamente
tal,
dado
que
el
modelo
asume
que
el
inicio
del
servicio
se
produce
simultneamente
con
la
partida
de
la
unidad
precedente.
Otra
modificacin
de
los
datos
es
requerida
para
mantener
las
suposiciones
del
modelo,
y
se
refiere
a
que
ste
asume
una
disciplina
de
la
cola
del
tipo
FIFO
(primero
que
llega,
primero
que
es
atendido).
Sin
embargo,
en
terreno
se
producen
algunas
veces
ciertos
quiebres
de
esta
disciplina,
llegando
una
unidad
primero
que
otra,
pero
siendo
atendida
despus
de
la
segunda.
Una
solucin
para
el
problema
planteado
es
la
modificacin
del
instante
registrado
de
llegada
de
la
primera
unidad,
colocndole
una
hora
igual
al
instante
de
arribo
de
la
unidad
posterior
(que
es
atendida
primero)
ms
1
segundo,
cumplindose
as
la
disciplina.
1
0 = , donde 0 = observado
(6-46)
A
y
1
0 = donde 0 = observado
(6-47)
S
Los
problemas
de
lneas
de
espera
generalmente
se
relacionan
con
la
solucin
de,
entre
otras,
las
siguientes
interrogantes:
3. Qu espacio deber haber disponible para las unidades que llegan y deben esperar?
Las
soluciones
de
estas
interrogantes
conllevan
una
decisin
econmica,
la
cual
deber
balancear
los
costos
debidos
a
la
espera
de
las
unidades
con
los
costos
del
servicio
de
las
mismas.
La
Figura
6.16
ilustra
el
comportamiento
de
los
costos
de
servicio
y
espera
en
funcin
del
nivel
de
servicio.
El
costo
total
esperado
por
perodo
es
la
suma
del
valor
esperado
del
costo
de
espera
y
el
costo
de
servicio
por
perodo,
por
ejemplo:
donde:
k = nmero de servidores.
Costo
Costo Total
Costo de
servicio
Costo de espera
Nivel de servicio
Nivel de servicio 100%
ptimo
En
la
utilizacin
de
la
expresin
anterior,
cuando
se
desee
optimizar
el
costo
total,
se
debe
tener
especial
cuidado
con
la
composicin
de
los
costos
involucrados.
Por
ejemplo,
se
debe
definir
con
precisin
lo
que
se
incluye
en
el
costo
de
espera
de
una
unidad
por
perodo.
En
el
caso
de
camiones
de
transporte
de
material
excavado,
ser
necesario
incluir
costos
tales
como
el
costo
por
perodo
de
poseer
(arrendar)
y
operar
cada
camin.
Al
igual
que
con
el
costo
de
espera
por
perodo,
es
tambin
importante
definir
claramente
los
componentes
del
costo
de
servicio.
Una
vez
identificados
ambos
costos,
se
debe
buscar
la
combinacin
que
d
como
resultado
el
costo
mnimo.
Esto
se
puede
hacer
variando
la
capacidad
del
servicio
hasta
llegar
al
punto
de
costo
mnimo.
En
el
caso
de
cola
finita,
es
tambin
posible
variar
el
nmero
de
unidades,
manteniendo
la
capacidad
de
servicio
constante
y,
de
ese
modo,
encontrar
el
punto
de
costo
mnimo.
En
ambos
casos
se
debe
tener
presente
si
existe
algn
nivel
de
produccin
mnima
que
representa
una
restriccin
para
el
modelo.
Finalmente
es
necesario
recalcar
que,
sin
dudar
de
la
gran
utilidad
de
los
modelos
de
fenmenos
de
espera
finitos
e
infinitos,
en
el
anlisis
de
situaciones
reales
de
este
tipo
es
conveniente
considerar
cuidadosamente
las
posibles
desviaciones
que
se
pueden
producir
en
la
realidad
y
que
afectan
o
modifican
las
suposiciones
en
que
se
basa
el
desarrollo
terico.
La
programacin
matemtica
comprende
las
tcnicas
usadas
para
resolver
en
forma
ptima,
problemas
del
mundo
real,
a
travs
de
representaciones
matemticas
de
dichos
problemas.
Hay
dos
clases
especiales
de
programacin
lineal
a
los
que
se
hace
referencia
frecuentemente
con
el
nombre
de
modelos
de
distribucin.
Estos
son
los
modelos
de
transporte
y
asignacin.
Como
se
ver
ms
adelante,
existe
un
gran
nmero
de
situaciones
que
se
presentan
en
la
construccin
que
pueden
ser
eficientemente
modeladas
utilizando
estas
herramientas.
DESTINOS
1 C11 C12.........................C1n O1
2 C21 C22.........................C2n O1
. . . .
. . . .
. . . .
m Cm1 Cm2.........................Cmn Om
DEMANDA D1 D2.........................Dn
donde
Cij
es
el
costo
de
transportar
1
unidad
de
producto
o
recurso
desde
el
origen
i
hasta
el
destino
j.
Este
costo
puede
estar
compuesto
de
varios
elementos
tales
como:
costo
de
adquisicin
y/o
produccin
de
una
unidad
de
recurso
o
producto,
costo
de
transporte
propiamente
tal,
derechos,
aranceles,
etc.
Matemticamente,
el
problema
se
define
como
sigue:
m n
Funcin objetivo = C ij Xij
(6-49)
i=1 j=1
m
Xij = D j
j=
1,2..........,n
(6-51)
i=1
m n
Oi = D j
(6-52)
i=1 j=1
La
ecuacin
(6-52)
indica
que
la
suma
de
los
valores
Oi
y
Dj
deben
ser
iguales.
Esta
restriccin
no
impone
limitaciones
serias
al
problema,
ya
que
en
caso
de
no
cumplirse,
bastar
introducir
un
origen
o
un
destino
ficticio
para
satisfacerla.
Los
problemas
de
transporte
son
normalmente
resueltos
usando
el
mtodo
de
la
esquina
noroeste,
o
el
mtodo
de
aproximacin
de
Vogel.
Aunque
ambos
mtodos
entregan
soluciones
ptimas,
se
desarrollar
a
continuacin
el
mtodo
de
aproximacin
de
Vogel
debido
a
su
mayor
eficiencia.
Ejemplo
6.5:
Una
empresa
constructora
recibe
4
pedidos
de
ladrillos
de
diferentes
obras
de
edificacin
que
est
ejecutando.
La
empresa
puede
acudir
a
tres
proveedores,
con
diferentes
costos
y
ofertas.
En
la
Tabla
6.1
se
entregan
los
costos
de
colocar
100
ladrillos
desde
cada
proveedor
a
cada
obra,
las
demandas
de
cada
obra
y
las
ofertas
de
cada
proveedor.
Determinar
la
asignacin
que
minimice
el
costo
de
transporte.
Obras
Proveedores 1 2 3 4 Ofertas
A 30 35 25 30 1500
B 28 30 30 34 1000
C 32 29 33 31 2000
1. Formar
la
matriz
inicial
origen-destino
como
se
muestra
en
la
siguiente
pgina.
Los
costos
asociados
se
indican
en
las
celdas
de
la
esquina
superior
derecha
de
cada
cuadro
de
asignacin.
2. Determinar
las
diferencias
entre
los
dos
coeficientes
de
costo
menores
para
cada
fila
y
cada
columna.
Estos
valores
se
muestran
al
lado
derecho
y
en
la
parte
inferior
de
la
matriz.
3. En
la
fila
o
columna
con
la
mayor
diferencia
encontrada
en
el
paso
anterior,
asignar
la
mxima
cantidad
permitida
por
los
requerimientos
de
demanda
y
oferta
a
la
casilla
que
tiene
el
menor
coeficiente
de
costo.
En
caso
de
empate
entre
valores,
elegir
uno
en
forma
arbitraria.
En
este
caso
se
elige
el
valor
correspondiente
a
la
fila
A,
que
es
igual
a
25.
Tambin
se
podra
haber
elegido
la
columna
3.
4. Asignar
cero
a
las
casillas
restantes
de
la
fila
o
columna
donde
la
demanda
o
suministro
se
haya
agotado.
En
este
ejemplo
se
asigna
cero
a
la
casilla
A1,
A2
y
A4.
5. Repetir
los
pasos
2
a
4
hasta
obtener
una
solucin
completa.
Las
casillas
que
ya
han
recibido
asignacin
o
cero
no
deben
ser
consideradas
para
efecto
de
los
clculos.
OBRAS
PROVEEDORES 1 2 3 4
30 35 25 30
A 1500 5
- - 1500 -
28 30 30 34
B 1000 2 2 0
500 - 500 -
32 29 33 31
C 2000 2 2 2
e 1200 - 800
2 1 5 1
4 1 3 3
1 3 3
Para
el
ejemplo,
se
ha
asignado
un
a
la
casilla
C1,
ya
que
de
esta
manera
ser
posible
comprobar
si
la
solucin
es
ptima
o
no.
Para
verificar
si
una
solucin
es
ptima,
se
debe
realizar
lo
siguiente:
6.1
Formar
una
matriz
que
contenga
los
costos
asociados
de
las
casillas
en
las
cuales
se
han
hecho
asignaciones.
6.2 Utilizando
esta
matriz,
establecer
un
conjunto
de
nmeros
ui
y
otro
conjunto
de
nmeros
vj,
tales
que
su
suma
iguale
los
costos
obtenidos
en
el
paso
anterior.
Matemticamente
esto
se
expresa
por:
Cij = ui + vj (6-54)
vj
ui 0 -3 2 -1
23 25
28 28 30
32 32 29 31
6.3 Se coloca el valor ui + vj en las casillas que no tienen asignaciones de acuerdo a la siguiente matriz:
ui + vj
23 20 - 22
- 25 - 27
- - 34 -
6.4 Restar los valores as obtenidos a los respectivos coeficientes de costo de la matriz original, es decir:
- 5 - 7
- - -1 -
Si
cualquier
valor
obtenido
de
la
operacin
anterior
es
negativo,
la
solucin
no
es
ptima.
En
este
caso
se
tiene
que
el
casillero
C3
tiene
un
valor
-1
y,
por
lo
tanto,
la
solucin
no
es
ptima.
7.
En
el
caso
de
que
la
solucin
no
sea
ptima,
hacer
un
desplazamiento
hacia
una
solucin
ptima
siguiendo
el
procedimiento
descrito
a
continuacin:
7.1
Identificar
la
casilla
de
la
matriz
anterior
que
no
tenga
asignacin
inicial,
cuyo
valor
de
la
expresin
Cij
-
(ui
+vj)
sea
el
menor.
En
el
ejemplo,
este
valor
es
-1
en
la
casilla
C3.
7.2
Trazar
una
trayectoria
ms-menos
en
la
matriz
de
transporte.
Esta
trayectoria
debe
comenzar
y
terminar
en
la
casilla
identificada
en
el
paso
anterior,
la
cual
comienza
con
signo
positivo.
Las
esquinas
donde
la
trayectoria
cambia
de
direccin,
se
designan
alternativamente
menos
y
ms,
siendo
todas
ellas
casillas
con
asignaciones.
Este
proceso
se
muestra
a
continuacin:
OBRAS
PROVEEDORES 1 2 3 4
30 35 25 30
A
- - 1500 -
+ 28 30 - 30 34
B
500 - 500 -
- 32 29 + 33 31
C
e 1200 - 800
7.3
Seleccionar
en
las
esquinas
negativas,
la
cantidad
ms
pequea
y
hacer
una
nueva
asignacin,
sumando
o
restando
esta
cantidad
de
las
esquinas
ms
o
menos,
respectivamente.
La
matriz
resultante
para
el
ejemplo
queda:
OBRAS
PROVEEDORES 1 2 3 4
A - - 1500 -
B 500+e - 500-e -
C - 1200 e 800
vj
0 -2 2 0
23 - - 25 -
28 28 - 30 -
31 - 29 33 31
2. Determinacin de ui + vj
ui + vj
23 21 - 23
- 26 - 28
31 - - -
3. Determinacin
de
Cij
-
(ui
+
vj)
- 4 - 6
1 - - -
Dado
que
todos
los
valores
son
positivos,
la
solucin
es
ptima
y
se
puede
hacer
igual
a
cero.
De
esta
forma,
la
asignacin
es:
C (total) = $126.100.
El
ejemplo
anterior
ha
servido
de
ilustracin
para
presentar
el
desarrollo
del
modelo
de
transporte.
En
la
construccin
existen
muchas
situaciones
en
las
cuales
este
modelo
puede
aplicarse
convenientemente,
tales
como:
Este
modelo
est
relacionado
con
la
asignacin
de
un
determinado
nmero
de
orgenes
al
mismo
nmero
de
destinos
con
el
objeto
de
optimizar
alguna
funcin
de
efectividad.
Matemticamente,
el
modelo
de
asignacin
se
define
como
la
optimizacin
de
la
funcin:
n n
C ij Xij
(6-55)
i=1 j=1
donde Cij son los coeficientes de costo (ganancia), sujeto a las restricciones:
n
Xij = 1,0 ;
j=1,2,3,
....,
n
(6-56)
i=1
n
Xij = 1, 0;
i=1,2,3,....,
n
(6-57)
j=1
Este
tipo
de
problema
es
una
situacin
especial
del
problema
de
transporte.
Para
su
resolucin
se
ha
desarrollado
un
algoritmo
especial
cuyos
pasos,
a
partir
de
la
confeccin
inicial
de
la
matriz
de
asignacin,
son
los
siguientes:
1. Restar el elemento ms pequeo de cada fila de los dems elementos de la misma fila.
2. Restar el elemento menor de cada columna de los dems elementos de la misma columna.
3. Verificar
si
la
solucin
es
ptima,
trazando
el
mnimo
nmero
de
lneas
que
puedan
pasar
a
travs
de
todos
los
ceros
de
la
matriz
resultante
de
los
dos
primeros
pasos.
Las
lneas
deben
ser
verticales
u
horizontales.
6. Hacer
una
asignacin
ptima,
determinando
en
la
matriz
final
las
posiciones
de
los
ceros
y
recordando
las
restricciones
impuestas
por
las
ecuaciones
(6-56)
y
(6-57).
Frecuentemente
en
algunos
problemas
es
posible
hacer
ms
de
una
asignacin
ptima.
Por
otro
lado,
en
algunos
casos,
por
definicin
del
problema
en
estudio,
no
se
tiene
una
matriz
nxn
necesaria
para
utilizar
el
modelo
de
asignacin.
En
estos
casos,
se
soluciona
el
problema
agregando
filas
o
columnas
ficticias
en
que
todos
sus
elementos
son
cero,
conformando
as
una
matriz
nxn.
Ejemplo
6.6
Una
empresa
constructora
tiene
cinco
cargadores
frontales
en
diferentes
depsitos.
Por
otro
lado,
desde
cinco
obras
han
solicitado
una
de
estas
mquinas.
La
siguiente
tabla
muestra
la
distancia
en
kilmetros
entre
cada
obra
y
cada
depsito.
Cul
debe
ser
la
asignacin
de
los
cargadores
frontales
a
las
obras,
de
forma
de
satisfacer
la
demanda
y
minimizar
la
distancia
total
de
transporte?
DEPSITOS
Elemento
OBRAS 1 2 3 4 5
menor
A 53 74 89 66 98 53
B 67 10 32 87 52 10
C 11 81 43 24 93 11
D 80 43 92 69 53 43
E 18 76 63 19 72 18
Paso 1
OBRAS 1 2 3 4 5
A 0 21 36 13 45
B 57 0 22 77 42
C 0 70 32 13 82
D 37 0 49 26 10
E 0 58 45 1 54
Elemento 0 0 22 1 10
menor
Paso 2
OBRAS 1 2 3 4 5
A 0 21 14 12 35
B 57 0 0 76 32
C 0 70 10 12 72
D 37 0 27 25 0
E 0 58 23 0 44
Paso 3
Se trazan el nmero mnimo de lneas que crucen todos los ceros. En total 4 lneas, menor que n=5.
Paso 4
Se
debe
hacer
una
iteracin.
El
elemento
menor
no
cruzado
es
10.
Se
resta
a
los
elementos
no
cruzados
y
se
suma
a
los
elementos
que
estn
en
las
intersecciones
de
las
lneas,
tal
como
se
muestra
a
continuacin.
OBRAS 1 2 3 4 5
A 0 11 4 12 25
B 67 0 0 86 32
C 0 60 0 12 62
D 47 0 27 35 0
E 0 48 13 0 34
Paso 5
Paso 6
Depsitos Obra
1 A
2 B
3 C
4 E
5 D
Ejemplo
6.7.
En
el
terreno
de
una
universidad,
cuatro
contratistas
diferentes
1,2,3,
y
4
se
proponen
para
construir
cuatro
edificios
diferentes
A,B,C
y
D.
Debido
a
que
los
contratistas
contribuyen
generosamente
a
la
universidad,
se
ha
decidido
asignar
una
obra
a
cada
uno
de
ellos.
Cada
contratista
ha
remitido
propuestas
para
la
construccin
de
los
cuatro
edificios,
en
millones
de
pesos.
Determinar
que
edificio
debe
adjudicarse
a
cada
contratista
para
lograr
un
mnimo
costo
de
construccin
de
los
cuatro
edificios.
CONTRATISTA
Elemento
EDIFICIOS 1 2 3 4
menor
A 48 48 50 44 44
B 56 60 60 68 56
C 96 94 90 85 85
D 42 44 54 46 42
Paso 1
A 4 4 6 0
B 0 4 4 12
C 11 9 5 0
D 0 2 12 4
0 2 4 0
Paso 2
A 4 2 2 0
B 0 2 0 12
C 11 7 1 0
D 0 0 8 4
Paso 3
Paso 4
El
elemento
menor
no
cruzado
es
1.
Se
resta
a
los
elementos
no
cruzados
y
se
suma
a
los
elementos
en
las
intersecciones
de
las
lneas.
A 3 1 1 0
B 0 2 0 13
C 10 6 0 0
D 0 0 8 5
Paso 5
La
prueba
de
optimizacin
da
un
total
de
4
lneas,
lo
que
es
igual
a
n.
Se
puede
hacer
una
asignacin
ptima.
Paso 6
Asignacin ptima
Depsitos Obra
A 4
B 1
C 3
D 2
6.4 SIMULACIN
Muchos
problemas
reales
no
permiten
el
uso
de
soluciones
analticas,
debido
a
que
son
muy
complejos,
incluyendo
la
presencia
de
situaciones
de
incertidumbre
o
no
se
cuenta
con
la
capacidad
analtica
para
resolverlos.
Es
as
como
se
considera
que
en
esas
situaciones
la
nica
solucin
posible
es
la
simulacin,
hasta
el
punto
que
se
dice
que
cuando
todo
lo
dems
falla,
entonces
se
debe
usar
la
simulacin.
En
la
construccin
existen
muchas
situaciones
que
presentan
estas
caractersticas.
La
simulacin,
para
el
estudio
y
solucin
de
problemas
de
operaciones
de
construccin
se
realiza
normalmente
con
el
apoyo
del
computador.
Definicin
del
problema
a
simular,
estableciendo
sus
lmites,
objetivos,
limitaciones
y
suposiciones
a
considerar
Obtencin
de
datos
para
especificar
los
parmetros
de
entrada
del
modelo.
Normalmente,
esta
etapa
en
una
de
las
ms
costosas
del
estudio
de
simulacin
Validacin
del
modelo
y
revisin
en
caso
necesario.
Interesa
determinar
si
el
modelo
es
una
representacin
lo
suficientemente
precisa
de
la
realidad,
sobre
la
base
a
una
validacin
de
los
parmetros,
datos,
resultados
y
nmero
de
iteraciones
del
modelo.
Uno
de
los
aspectos
ms
relevantes
es
la
validacin
de
las
distribuciones
probabilsticas
que
se
usan
en
el
modelo
Anlisis
de
sensibilidad
del
modelo,
hacindose
variaciones
de
los
parmetros
del
modelo
y
analizando
los
resultados
que
se
obtienen
El
desarrollo
que
se
presenta
a
continuacin,
hace
uso
del
lenguaje
de
modelacin
CYCLONE
(CYCLic
Operations
NEtwork
system),
creado
por
Daniel
W.
Halpin
(1977).
Este
lenguaje
fue
creado
en
forma
especfica
para
la
modelacin
y
anlisis
de
operaciones
de
construccin,
continundose
su
desarrollo
hasta
el
da
de
hoy.
En
la
actualidad
existen
otras
alternativas
disponibles.
- Identificacin
de
todos
los
estados
posibles
(actividad
y
ocio)
de
las
unidades
de
flujo
e
identificacin
de
los
ciclos
individuales
de
recursos
Ya
que
cada
modelo
representa
a
un
sistema,
se
querr
conocer
la
respuesta
de
ste
a
los
estmulos
que
el
analista
seleccione.
Esto
se
consigue
gracias
al
proceso
de
simulacin
del
modelo,
por
medio
de
un
anlisis
y
sntesis
no
determinstico.
Es
decir,
se
analiza
la
respuesta
del
modelo
ya
estructurado
ante
variaciones
de
los
estados
temporales
de
las
actividades,
para
luego
variar
la
estructura
del
modelo,
dejando
constante
las
caractersticas
de
entrada
o
salida
(anlisis
de
sensibilidad).
Al
indicar
un
estudio
no
determinstico,
se
quiere
decir
que
es
posible
estimar
una
probabilidad
de
ocurrencia
para
ciertos
estados
e
incorporar
la
incertidumbre
propia
de
las
variables
de
una
operacin
de
construccin.
Dado
que
es
muy
complicado
realizar
manualmente
las
iteraciones
de
todos
los
ciclos,
se
cuenta
con
programas
computacionales
de
procesamiento
de
datos
que,
por
lo
general,
permiten
seguir
los
siguientes
pasos:
- Ingreso computacional de una representacin grfica ("malla") del modelo y de los datos asociados
CYCLONE
est
basado
en
tres
estados
temporales
bsicos
en
que
se
puede
encontrar
cualquier
recurso:
estado
activo
o
de
procesamiento,
estado
pasivo
o
de
espera,
y
transicin
entre
estados.
La
representacin
de
estos
estados
otorga
un
formato
grfico
para
la
construccin
del
modelo,
el
cual
se
transcribe
a
un
lenguaje
computacional
en
el
proceso
de
simulacin.
Siguiendo
la
convencin
de
representar
el
estado
activo
con
un
cuadrado,
el
pasivo
por
un
crculo
y
los
arcos
de
unin
por
flechas,
CYCLONE
define
los
elementos
que
se
muestran
en
la
Figura
6.17.
Nodo
NORMAL:
es
un
elemento
con
una
funcin
intrnseca
de
demora
del
flujo
de
unidades
y
con
propiedad
de
libre
acceso.
La
magnitud
y
caractersticas
de
distribucin
probabilstica
de
las
demoras
las
establece
inicialmente
el
modelador.
De
un
nodo
NORMAL
pueden
salir
y
entrar
cuantos
arcos
se
desee.
En
caso
que
salgan,
por
ejemplo,
dos
arcos
con
distinto
rumbo,
se
estar
procesando
una
unidad
por
cada
va.
En
este
caso,
una
unidad
de
recurso
procesada
se
encontrar
con
la
misma
probabilidad
de
continuar
por
un
camino
u
otro.
Si
a
los
caminos
de
salida
se
les
especifica
una
probabilidad
de
ruta,
se
estar
satisfaciendo
slo
un
camino
por
unidad,
con
distinta
posibilidad
de
continuar
por
cada
ruta.
Nodo
COMBI:
es
un
elemento
con
una
funcin
intrnseca
de
demora
del
flujo
de
unidades,
que
opera
en
el
instante
en
que
ciertos
recursos
se
encuentran
disponibles.
Es
por
ello
que
cada
arco
que
ingresa
al
Propiedad
intelectual
de
Alfredo
Serpell
Bley,
2015
Modelos
matemticos
para
la
planificacin
y
anlisis
de
operaciones
243
nodo
COMBI
debe
provenir
directamente
de
un
nodo
QUEUE.
Al
igual
que
el
nodo
NORMAL,
el
nodo
COMBI
permite
una
definicin
de
duraciones
constantes
(determinsticas)
o
aleatorias
dentro
de
un
rango
con
distribucin
probabilstica.
Tambin
cabe
la
asignacin
probabilstica
de
rutas
que
salgan
desde
l.
Nodo
QUEUE:
es
un
elemento
que
define
disponibilidad
de
recursos
que
espera
ser
utilizados
o
servidos
en
el
nodo
COMBI.
Es
en
estos
nodos
donde
se
asignan
los
recursos
que
circularn
en
la
malla
del
modelo.
Si
un
QUEUE
libera
recursos
a
dos
o
ms
COMBI
y
tales
recursos
deben
satisfacer
varias
actividades,
se
preferir
aquellos
COMBI
que
primero
cumplan
sus
condiciones
de
admisin
y,
en
caso
que
ocurra
lo
mismo
en
ms
de
uno,
la
unidad
optar
por
aquel
nodo
COMBI
etiquetado
con
el
nmero
ms
bajo.
Los
informes
finales
de
simulacin
demuestran
particular
inters
en
los
nodos
QUEUE,
ya
que
indican
el
porcentaje
de
desocupacin
de
los
recursos
que
se
definieron
en
l.
Otra
utilidad
de
este
nodo
es
una
funcin
intrnseca
de
generacin
de
unidades
a
partir
de
las
que
recibe,
donde
gracias
a
su
funcin
GENERATE
amplifica
las
unidades
que
arriban
a
l
por
un
nmero
predeterminado
por
el
modelador.
ARCO
de
unin:
es
un
elemento
que
define
la
direccin
del
flujo
de
unidades
y
no
tiene
demora
de
tiempo
asignada.
El
paso
de
unidades
a
travs
de
l
puede
ser
probabilstico,
pero
cabe
recordar
que
no
se
puede
asociar
probabilidad
a
ARCOS
que
salgan
de
nodos
QUEUE.
Nodo
COUNTER
o
ACCUMULATOR:
es
un
elemento
que
permite
contar
las
unidades
que
lo
atraviesan,
con
lo
que
se
puede
cuantificar
la
productividad
del
proceso
y
determinar
el
fin
de
ste
despus
de
una
cantidad
de
ciclos
preestablecida.
Slo
se
debe
colocar
un
nodo
de
este
tipo
en
cada
modelo.
Nodo
FUNCTION:
es
un
elemento
que
no
presenta
funciones
intrnsecas,
sino
que
deben
ser
definidas
por
el
modelador.
Una
de
ellas
es
la
de
consolidar
unidades
(CONSOLIDATE)
al
dividir
las
unidades
segn
un
nmero
predefinido
por
el
modelador.
Otras
funciones
de
menor
inters
y
con
fines
estadsticos
son
las
de
STATISTICS
y
MARKING,
ms
una
funcin
COUNT
muy
similar
al
COUNTER.
En
la
Tabla
6.2
se
resumen
las
relaciones
de
precedencia
entre
cada
uno
de
estos
elementos,
entendindose
por:
R
=
requerido
por
definicin;
N
=
no
factible;
P
=
posible.
B
A
N P P P P
N P P P P
R N N N N
N P P P P
N P P P N
Una
vez
que
la
tecnologa
operacional
haya
sido
decidida,
corresponder
asignar
duraciones
de
tiempo
a
cada
actividad.
Para
ello
se
puede
acudir
a
bibliotecas
o
bases
de
datos
de
tiempos
medios
y
su
variacin,
en
caso
que
existan,
o
simplemente
realizar
observaciones
en
terreno
que
satisfagan
los
requerimientos
de
validacin
estadstica
para
el
ajuste
de
distribucin
de
ocurrencias.
Por
ejemplo,
si
se
realiza
X
cantidad
de
observaciones
al
ciclo
de
transporte
de
material
en
camiones,
se
podr
utilizar
la
duracin
ms
probable
y
su
variabilidad
de
acuerdo
a
un
ajuste
estadstico
como
el
representado
en
Figura
6.18,
en
el
cual
se
compara
la
distribucin
de
frecuencias
obtenida
con
una
variedad
de
distribuciones
tericas.
S fi = X
Frecuencia
OBSERVADO:
Histograma de ocurrencias
fi
Tiempo
(min.)
Probabilidad
REPRESENTADO EN:
Distribucin probabilstica
5 5
Ej: x = 15 min
s = 5 min
Tiempo
(min.)
Figura 6.18 Relacin entre frecuencias (de demoras) y distribucin probabilstica ajustada
Para
resumir
la
informacin
de
los
recursos
involucrados
y
sus
relaciones
en
los
ciclos,
es
conveniente
utilizar
un
esquema
como
el
de
la
Tabla
6.3.
A
ello
se
puede
agregar
el
clculo
de
costos
operacionales,
desagregados
en
variables
y
fijos,
de
modo
de
incluir
parmetros
de
control
factibles
de
modificar
durante
la
simulacin,
para
analizar
su
influencia
en
la
respuesta
del
sistema.
Para
la
simulacin
computacional
puede
usar
el
programa
MicroCYCLONE,
creado
por
Daniel
W.
Halpin,
de
la
Universidad
de
Purdue,
EE.UU.
Aunque
no
es
de
inters
mostrar
los
comandos
de
manejo
del
programa
MicroCYCLONE,
vale
la
pena
indicar
que
cuenta
con
un
lenguaje
natural
especialmente
orientado
al
problema
de
emulacin
de
procesos
(POL
=
process-oriented
language).
La
organizacin
del
software
MicroCYCLONE
considera
una
serie
de
mdulos
independientes
que
controlan
segmentos
particulares
de
procesamiento,
segn
se
muestra
en
la
Figura
6.19.
MEN PRINCIPAL
MEN DE PROCESAMIENTO
MDULO DE ANLISIS DE
SENSIBILIDAD
La
descripcin
del
proceso
de
simulacin
se
entiende
mejor
por
medio
de
un
ejemplo
de
aplicacin.
Este
ejemplo
consiste
en
la
operacin
de
hormigonado
de
losas
de
un
edificio.
El
hormigonado
de
losas
se
realiza
con
una
gra
torre
que
traslada
capachos
de
0.7m3
de
capacidad.
Se
dispone
de
dos
capachos,
con
dos
obreros
que
se
encargan
de
dirigir
la
ubicacin
de
los
capachos,
adems
de
su
enganche
y
desenganche
de
la
gra.
El
abastecimiento
de
hormign
est
determinado
por
la
llegada
de
camiones
de
hormign
premezclado,
cada
35
minutos.
Luego
del
transporte
del
capacho
cargado,
y
dirigido
por
dos
ayudantes
hacia
la
zona
de
colocacin,
el
hormign
es
descargado
por
dos
"concreteros",
esparcido
por
tres
"paleros",
vibrado
por
dos
operarios
"concreteros"
con
un
vibrador
de
inmersin
y
con
un
ayudante
cada
uno,
regleado
por
tres
"concreteros"
y
finalmente
platachado
por
tres
"albailes".
Los
ciclos
de
los
recursos
son
bastante
elementales,
explicndose
por
s
solos
en
las
Figuras
6.20,
6.21,
6.22,
6.23
y
6.24.
2 4
6 8
10 12
14 15 16
22
19: Gra esperando enganchar capacho
20: Enganche y transporte de capacho cargado
21: Espera para descarga de capacho
19 21 22: Descarga y transporte de retorno de
capacho vaco
20
Figura 5.25 Integracin de los recursos de un modelo que representa lo observado en terreno.
Haciendo
uso
del
esquema
de
tabulacin
de
datos
propuesto
en
la
seccin
5.4.3,
en
la
Tabla
5.4
se
resumen
los
parmetros
de
inters
del
modelo
que
se
pretende
simular.
Si
tambin
se
incluyen
los
costos
operacionales
de
los
recursos
involucrados,
se
puede
evaluar
el
costo
por
hora
y
por
m3
de
hormign
colocado.
En
esta
oportunidad
no
vale
la
pena
detallar
el
desglose
de
costos
unitarios,
aunque
ser
interesante
observar
las
disminuciones
porcentuales
en
costos
por
concepto
de
ahorros
en
equipo
y
mano
de
obra.
Del
anlisis
de
ociosidad
de
recursos,
despus
de
una
simulacin
de
200
minutos,
o
lo
que
es
equivalente
a
32
ciclos
de
carga
de
capacho,
se
aprecia
que
la
gra
tiene
un
tiempo
de
desocupacin
relativamente
bajo
en
los
estados
de
operacin
en
rgimen,
supeditado
a
la
capacidad
del
capacho
y
a
la
habilidad
para
enganchar
y
desocupar
capachos.
- Los
obreros
relacionados
al
transporte
presentan
bajo
grado
de
utilizacin
(75%
del
tiempo
estn
esperando)
- Los concreteros-paleros que esparcen el hormign cuentan con un 28% del tiempo desocupado
- Uno de los vibradores est esperando gran parte del tiempo (97.7%)
- Los albailes del platachado estn cerca de la mitad de su tiempo desocupados (44%)
Del
anlisis
de
tiempos
muertos
de
equipos
y
maquinaria,
se
puede
observar
que
la
gra
es
el
recurso
mayormente
utilizado
en
la
colocacin
de
hormign,
de
tal
manera
que
la
eficiencia
de
su
utilizacin
determina
en
gran
medida
la
productividad
de
la
mano
de
obra
que
participa
en
la
operacin
de
hormigonado.
En
la
Tabla
5.5
se
demuestra
que
si
se
reduce
uniformemente
la
duracin
de
las
actividades
en
que
se
ve
envuelta
la
gra
(nodos
7,
10,
11
y
12),
se
obtendr
una
consecuente
disminucin
del
tiempo
ocioso
de
los
recursos
humanos
involucrados.
De
esta
forma,
al
aumentar
ficticiamente
la
productividad
de
la
mano
de
obra
y
gra,
hasta
alcanzar
un
incremento
del
30%
sobre
el
rendimiento
inicial,
se
conseguir
una
ocupacin
total
de
los
esparcidores
de
hormign.
Ello
es
difcil
de
alcanzar
en
la
prctica,
no
obstante,
un
anlisis
de
este
tipo
permite
cuantificar
las
condiciones
de
borde
de
una
poltica
de
aumento
de
rendimientos.
Los
siguientes
pasos
corresponden
a
sucesivas
modificaciones
de
las
relaciones
entre
recursos,
con
el
fin
de
reducir
la
cantidad
de
recursos
ociosos
o
aumentar
su
rendimiento.
En
la
Figura
6.26
se
representa
una
modificacin
de
la
estructura
del
modelo
inicial,
la
cual
consta
de
una
reduccin
de
18
a
12
operarios
y
un
reordenamiento
de
sus
funciones,
manteniendo
el
rendimiento
inicial
de
colocacin
de
hormign
de
16.7
m3/hr.
Se
estima
que
en
este
ejemplo
se
ha
conseguido
disminuir
en
un
25%
los
costos
directos
relativos
a
la
mano
de
obra,
a
travs
de
una
disminucin
de
la
ociosidad
de
los
recursos
y
modificaciones
del
proceso
productivo
en
que
stos
participan,
cuidando
no
disminuir
el
rendimiento
de
produccin
de
la
cuadrilla.
Es
importante
mencionar
dos
tipos
de
factores
que
determinan
la
eleccin
del
tiempo
o
demora
asignados
a
cada
actividad:
ellos
son
la
naturaleza
de
la
operacin
y
las
habilidades
del
estimador.
En
vista
de
ello,
a
continuacin
se
proponen
cuatro
mtodos
simples
(adicionales
a
las
filmaciones)
de
obtencin
de
datos
relativos
a
la
duracin
de
actividades.
(i) Experiencia:
quienes
participan
del
proceso
de
trabajo
en
cuestin
normalmente
conocen
el
tiempo
requerido
para
cada
tarea,
debido
a
su
experiencia
y
a
la
frecuencia
con
que
ejecutan
tareas
similares
o
de
magnitud
comparable.
(iii) Ensayos
iniciales
propios:
en
aquellos
casos
en
que
la
experiencia
no
sea
aplicable
a
la
realidad
que
se
enfrenta,
o
no
se
cuente
con
expertos
cercanos,
es
conveniente
crear
cuadrillas
y
faenas
"piloto"
para
medir
rendimientos
por
tarea
y
factores
de
variabilidad.
(iv) Uso
de
modelos
predictivos:
conocindose
las
tareas
componentes
de
una
actividad
y
el
rendimiento
de
sus
recursos,
se
podra
variar
la
magnitud
de
combinaciones
de
ellos
por
medio
de
un
modelo
simple,
con
el
fin
pronosticar
las
posibles
duraciones
de
las
actividades.
En
lo
que
concierne
a
las
duraciones
determinsticas,
que
es
la
asignacin
de
un
valor
especfico
y
fijo
para
la
duracin
de
la
tarea,
se
pueden
presentar
los
siguientes
casos
de
variabilidad:
b. La
duracin
de
cada
tarea
que
conforma
una
actividad
puede
estar
sujeta
a
muy
pequeas
variaciones
alrededor
de
un
valor
promedio,
de
tal
modo
que
se
pueden
fijar
valores
constantes
a
las
duraciones
de
tareas,
y
mediante
la
combinacin
de
ellas
(adicin,
traslapos,
etc.)
se
establece
una
duracin
para
la
actividad
que
las
globaliza
en
un
slo
tem
de
trabajo.
Por
el
contrario,
en
aquellos
sistemas
donde
las
duraciones
de
tareas
estn
gobernadas
por
una
asignacin
de
tiempo
aleatoria,
la
productividad
de
las
operaciones
puede
verse
influida
por
sus
duraciones
y
variabilidad,
y
por
consiguiente,
por
una
excesiva
acumulacin
de
tiempo
en
estados
ociosos
y
de
espera.
Lo
usual
es
que
los
sistemas
de
administracin
en
obras
de
construccin
estn
postulados
desde
un
concepto
de
"administracin
por
excepcin",
basados
en
la
deteccin
de
desviaciones
del
plan
de
trabajo
y
readecuacin
de
recursos
para
nuevas
metas
de
plazo
y
costo.
Los
mtodos
de
modelacin
y
simulacin
computacional
responden
efectivamente
a
este
esquema
de
administracin,
en
tanto
se
tenga
una
medida
del
tiempo
transcurrido
en
los
ciclos
de
cada
recurso.
De
esta
manera,
no
slo
se
pueden
detectar
las
causas
de
ineficiencia,
sino
que
se
cuenta
con
una
herramienta
para
el
mejoramiento
de
procesos
y
para
la
instruccin
de
supervisores.
Sin
embargo,
el
esfuerzo
profesional
adicional
al
tradicional
y
la
exactitud
de
las
respuestas
se
veran
justificados
para
operaciones
de
una
importancia
o
envergadura
tal
que
los
recursos
invertidos
en
modelar
y
simular
fueran
menos
costosos
que
los
beneficios
de
las
mejoras
factibles
de
aplicar.
Este
puede
ser
el
caso
actividades
crticas
para
el
avance
del
proyecto
o
para
maquinaria
y
mano
de
obra
cara
y
escasa.
Otro
factor
determinante
se
refiere
al
tamao
del
proyecto
de
construccin
y
de
las
operaciones
que
se
pretende
modelar
y
simular.
Actualmente,
el
programa
MicroCYCLONE
no
permite
archivos
de
datos
demasiado
extensos
en
la
definicin
de
relaciones
entre
recursos,
debindose
parcelar
los
problemas
o
simplificar
los
ciclos.
Otros
casos
factibles
de
evaluar
mediante
modelacin
y
simulacin
de
actividades
son
la
edificacin
residencial
e
industrial,
construccin
de
caminos
y
canales,
instalacin
de
tuberas,
construccin
de
tneles
y
represas,
excavaciones,
movimientos
de
tierra,
explotacin
minera,
procesos
agrcolas
repetitivos
y
de
carcter
lineal,
procesos
industriales
de
fabricacin
y
reparacin,
etc.
En
resumen,
se
puede
asegurar
que
la
tcnica
de
modelacin
presenta
notables
ventajas
para
el
anlisis
de
procesos,
al
exigir
una
definicin
de
los
recursos
y
ciclos
que
ellos
comprenden,
y
al
aceptar
incertidumbres
previas
a
la
ejecucin.
La
simulacin
computacional
permite
iterar
el
flujo
de
los
recursos
y
evaluar
rendimientos
y
costos.
Por
ltimo,
en
la
etapa
de
materializacin
de
las
faenas
de
construccin,
se
pueden
evaluar
modificaciones
en
un
muy
corto
plazo.
6.5 RESUMEN
Se
han
presentado
en
este
captulo
algunos
modelos
matemticos
que
presentan
un
gran
potencial
de
utilizacin
en
la
construccin
junto
con
algunos
antecedentes
de
la
herramienta
de
simulacin
y
su
aplicacin
para
el
anlisis
de
operaciones
de
construccin.
Con
esto
se
pretende
estimular
a
los
ingenieros
administradores
de
obras
a
utilizar
estas
herramientas
como
ayudas
para
el
anlisis
de
problemas
complejos,
que
requieren
una
decisin
correcta.
Es
importante
enfatizar
que
los
modelos
son
tan
slo
una
ayuda
y,
por
lo
tanto,
no
reemplazan
en
ningn
caso
a
la
persona
que
debe
decidir,
cuyo
criterio
y
experiencia
profesional
son
ingredientes
fundamentales
en
cualquier
proceso
de
toma
de
decisiones.
Cij.Xij
Indique
qu
significa
cada
variable
y
explique
verbalmente
las
restricciones,
para
los
dos
modelos.
2. Explique
en
forma
conceptual,
el
proceso
de
modelacin
y
simulacin,
y
sus
objetivos.
Aplique
este
proceso
a
una
operacin
especfica,
indicando
la
descomposicin
que
usara
para
ello.
6.7 EJERCICIOS
1. Una
empresa
constructora
compr
hace
algn
tiempo
atrs
5
excavadores
frontales,
que
incrementaron
considerablemente
la
productividad
de
las
operaciones
de
excavacin
y
movimiento
de
tierras.
Uno
de
los
problemas
que
enfrenta
la
empresa
en
la
actualidad
es
el
mantenimiento
de
estas
mquinas.
Debido
a
la
gran
variabilidad
en
las
panas
que
se
producen,
la
empresa
no
aplica
mantenimiento
preventivo.
Cada
mquina
tiene
una
distribucin
exponencial
de
ocurrencia
de
averas,
con
un
tiempo
promedio
de
200
horas
entre
una
y
otra
pana.
Cada
hora
mquina
perdida
como
tiempo
ocioso
cuesta
a
la
empresa
$21.000,
lo
cual
significa
que
la
empresa
tiene
que
reaccionar
con
rapidez
cada
vez
que
se
produce
una
falla.
La
empresa
ha
decidido
contratar
a
una
cuadrilla
de
mantenimiento
formada
por
un
tcnico
y
un
ayudante,
la
que
necesita
10
horas
de
trabajo
para
reparar
una
mquina.
Los
tiempos
de
reparacin
estn
distribuidos
exponencialmente.
El
costo
de
la
cuadrilla
de
mantenimiento
es
de
$20.000
por
hora
de
trabajo.
Calcule
el
costo
diario
por
concepto
de
tiempo
ocioso
de
la
cuadrilla
de
mantenimiento
y
de
las
mquinas,
si
la
jornada
de
trabajo
es
de
9
horas
diarias.
2. Ud.
debe
realizar
una
faena
de
movimiento
de
tierras,
para
lo
cual
tiene
que
excavar
y
transportar
un
total
de
120.000
m3
de
material.
Las
caractersticas
del
equipo
disponible
son
las
siguientes:
o Camiones
de
20
m3
de
capacidad
con
un
costo
horario
de
$25.000
cada
uno.
o Cargadores
frontales
con
una
produccin
horaria
de
250
m3/hora,
con
un
factor
de
operacin
de
0,8
y
con
un
costo
horario
de
$20.000
cada
uno.
o El
tiempo
de
ciclo
estimado
para
un
camin
es
de
12
min.
sin
considerar
tiempo
de
carga
(fuera
del
sistema).
1)
Disee
su
operacin
de
tal
manera
de
terminar
la
faena
en
30
das
de
8
horas
cada
uno,
e
indique
el
costo
por
m3
de
su
solucin.
Utilice
los
bacos
para
esta
pregunta.
Optimice
al
mximo
su
solucin.
2)
Construya
un
modelo
markoviano
de
su
solucin
final.
4. La
simulacin
es
una
poderosa
herramienta
para
obtener
informacin
sobre
sistemas
complejos.
Considere
la
situacin
en
que
es
necesario
remover
material
suelto
de
una
excavacin
por
una
flotilla
de
camiones.
Los
camiones
son
cargados
por
un
cargador
frontal
y
viajan
a
un
sector
de
relleno,
donde
descargan
el
material.
A
medida
que
aumenta
la
extensin
de
la
zona
de
relleno,
los
camiones
deben
retroceder
cuidadosamente,
a
travs
de
material
descargado
previamente,
antes
de
descargar.
Esto
significa
que
el
tiempo
que
toman
los
camiones
para
regresar
a
cargar
nuevamente
aumenta
un
poco
para
cada
vuelta.
Se
intenta
simular
esta
operacin
de
modo
de
encontrar
el
nmero
de
camiones
requeridos
para
asegurar
que
el
cargador
frontal
no
tenga
que
parar
su
labor
debido
a
que
no
hay
camiones
para
cargar.
o Describa
su
modelo
y
defina
las
variables
de
entrada
necesarias
para
ste.
o Defina
las
variables
de
salida
del
modelo
que
proveern
informacin
para
la
administracin
de
la
operacin.
Sugiera
como
ejemplo,
un
par
de
acciones
(o
decisiones)
que
podran
derivarse
del
anlisis
del
modelo.
5. Un
contratista
se
gana
una
propuesta
para
ejecutar
una
faena
de
movimiento
de
tierras.
El
material
de
relleno
puede
obtenerse
de
tres
emprstitos
o
yacimientos:
1,
2
y
3,
con
una
capacidad
de
60.000,
80.000
y
120.000
m3
respectivamente.
Los
rellenos
se
van
a
hacer
en
tres
lugares:
A,
B
y
C,
que
requieren
90.000,
50.000
y
40.000
m3
de
material
respectivamente.
Los
costos
en
pesos
de
colocar
1
m3
de
relleno
desde
cada
emprstito
a
cada
sector
de
relleno
son
los
siguientes:
Emprstitos
o
yacimientos
Relleno
A
Relleno
B
Relleno
C
Ofertas
en
m3
1
70
40
100
60.000
2
50
30
90
80.000
3
60
50
95
120.000
Demandas
en
m3
90.000
50.000
40.000
Determinar
la
asignacin
que
minimice
el
costo
de
transporte,
e
indique
el
costo
final
de
su
asignacin.
6. Dibuje
el
diagrama
de
Markov,
para
la
siguiente
operacin,
indicando
todos
los
parmetros:
o 8
camiones
con
tasa
de
llegada
o 3
palas
(p1,p2,p3),
con
tasas
de
carga
1,
2
y
3
respectivamente
o 1
tolva
con
tasa
de
carga
y
con
capacidad
de
carga
=
3
camiones
La
disciplina
del
sistema
es
como
sigue:
a)
Estando
la
tolva
cargada,
se
le
da
prioridad
a
sta
para
la
carga.
b)
El
orden
de
prioridad
de
carga
para
las
palas
es
p2,p3,p1
(siempre
se
carga
con
p2
si
est
disponible,
con
p3
si
p2
est
ocupada
y
con
p1
si
tanto
p2
y
p3
estn
ocupadas).
7. Una
empresa
constructora
cuenta
con
una
pala
mecnica
y
tres
camiones
para
una
faena
de
movimiento
de
tierras,
y
desea
saber
la
produccin
de
este
sistema.
De
la
informacin
que
ella
le
ha
entregado,
Ud.
determina
que
la
tasa
de
carga
es
de
21
cargas
por
hora,
y
la
razn
de
llegada
de
los
camiones
es
de
=
6
unidades
por
hora.
a)
Dibuje
el
modelo
Markoviano
para
el
sistema.
b)
Escriba
las
ecuaciones
de
estado
y
resulvalas.
c)
Cul
es
la
produccin
del
sistema?
8. Se
ha
planificado
la
construccin
de
una
carretera
que
cruza
un
sector
de
muchos
desniveles.
Por
lo
tanto
ser
necesario
realizar
cortes
a
travs
de
colinas
y
rellenar
hondonadas
para
la
construccin
del
camino.
La
alineacin
vertical
del
camino
ha
sido
elegida
de
modo
de
balancear
los
cortes
de
terreno
con
los
volmenes
de
relleno.
La
siguiente
figura
ilustra
el
perfil
vertical.
400
200
800
400
100
600
Perfil
0
1
2
4
6
7
9
Los
nmeros
sobre
el
perfil
corresponden
a
la
cantidad
de
corte
o
relleno
en
metros
cbicos
para
cada
sector.
Los
nmeros
bajo
el
perfil,
indican
la
distancia
en
kilmetros
desde
el
inicio
del
perfil
hasta
el
centro
de
cada
sector
de
corte
o
relleno.
Asumiendo
que
el
costo
de
mover
material
de
relleno
desde
un
sector
de
corte
a
un
sector
de
relleno
es
proporcional
a
la
distancia
entre
el
centro
del
sector
de
corte
y
el
centro
del
sector
de
relleno,
determine
como
distribuira
el
material
de
corte
a
los
sectores
de
relleno
de
modo
de
minimizar
el
costo
total.
9. Un
operador
maneja
una
gra
en
una
obra
de
construccin.
La
tasa
promedio
de
servicio
es
de
5
cargas
por
hora.
Las
cargas
que
demandan
uso
de
la
gra
llegan
con
un
promedio
de
4
cargas
por
hora.
Los
clientes
son
atendidos
sobre
una
base
del
primero
que
llega,
es
el
primero
en
ser
atendido
y
proceden
de
una
poblacin
muy
grande
(puede
considerarse
infinita).
A
partir
de
esta
descripcin,
se
pide
lo
siguiente:
a) Cul
es
la
produccin
del
sistema?
b) Cul
es
la
probabilidad
de
que
no
hayan
cargas
en
el
sistema?
c) Dibuje
el
diagrama
markoviano
para
este
sistema.
10. Los
registros
del
Departamento
de
Adquisiciones
de
una
empresa
constructora
muestran
que
cada
una
de
las
3
impresoras
lser
para
computadora
que
el
depto
tiene,
necesita
reparacin
aproximadamente
cada
10
horas
de
uso.
El
nico
tcnico
de
turno
puede
dar
servicio
a
una
impresora
en
un
tiempo
promedio
de
4
horas.
El
tiempo
en
que
la
impresora
est
en
mal
estado
tiene
un
costo
de
$50.000
por
hora.
A
los
tcnicos
se
les
paga
$12.500
por
hora.
Recomendara
Ud.
contratar
a
otro
tcnico?
Justifique
su
recomendacin.
(Nota:
Npromedio
= M
[ x
(1-P0)/])
Un
contratista
ha
ganado
las
propuestas
de
cinco
proyectos,
A,
B,
C,
D
y
E,
cada
uno
de
ellos
de
caractersticas
diferentes.
Despus
de
considerar
cuidadosamente
todos
los
factores,
ha
seleccionado
a
cinco
administradores,
cuyas
habilidades
han
sido
evaluadas
en
funcin
de
cada
proyecto,
asignndoles
una
nota
de
0
a
100.
Las
evaluaciones
individuales
son
las
siguientes:
Administradores
1
2
3
4
5
Proyecto
A
75
28
61
48
59
Proyecto
B
78
71
51
35
19
Proyecto
C
73
61
40
49
68
Proyecto
D
55
50
52
48
63
Proyecto
E
71
60
61
74
70
Cul
administrador
asignara
Ud.
a
cada
proyecto,
si
desea
distribuirlos
de
la
forma
ms
efectiva
para
la
empresa?