Modeloscuantitativosparalatomadedecisiones 120623122256 Phpapp02

UNIVERSIDAD AUTONOMA DEL NORESTE UANE
COLABORADORES ING. JUAN CARLOS GUERRA ING. SERGIO ARTURO GONZALEZ
MAESTRIA ADMINISTRACION Y LIDERAZGGO
MANUAL MODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES
[PROGRAMACION LINEAL]
Contenido
MODELO PARA LA TOMA DE DECISIONES .......................................................................................... 9 ELPROBLEMA DETRANSPORTE:......................................................................................................... 20 El Problema de Transporte .............................................................................................................. 31 El Problema de Transbordo............................................................................................................. 46 MODELO DE INVENTARIOS ............................................................................................................... 50 PRONSTICOS ................................................................................................................................... 61 ADMINISTRACIN DE PROYECTOS.................................................................................................... 91
Pgina 2 de 109
SERGIO GLZ - CARLOS GUERRA
PROGRAMACION LINEAL
La programacin lineal es una tcnica de modelado (construccin de modelos). La programacin lineal (PL) es una tcnica matemtica de optimizacin, es decir, un mtodo que trata de maximizar o minimizar un objetivo. Su inters principal es tomar decisiones ptimas. Se usa mucho en la industria militar y en la petrolera. S i bien esos sectores han sido quiz los principales usuarios de ella, el sector servicios y el sector pblico de la economa tambin la han aprovechado ampliamente. ESTRUCTURA BSICA DE UN PROBLEMA DE PROGRAMACIN LINEAL (PL) Un problema de PL consta de una funcin objetivo (lineal) por maximizar o minimizar, sujeta a ciertas restricciones en la forma de igualdades o desigualdades. Conceptos clave: Funcin objetivo: La funcin por optimizar (maximizar o minimizar) Restricciones: Representan condiciones que es preciso satisfacer. Sistema de igualdades y desigualdades ( ) Ejemplo: Funcin objetivo Maximizar 1.2 Sujeto a 2 Y 3Y 0 0 180 300 Restricciones
Pgina 3 de 109
Ejemplo: Minimizar 6 8 Sujeto a 0 0 Funcin objetivo
Restricciones
TIPOS DE RESTRICCIONES.
De no negatividad Estructurales Garantizan que ninguna variable de Decisin sea negativa. Reflejan factores como la limitacin De recursos y otras condiciones que Funcin objetivo Ejemplo: Maximizar 6 Sujeto a 3 120 4
Impone la situacin del problema.
Restricciones Estructurales
2 6
Restricciones de no negatividad

260
Pgina 4 de 109
0y SERGIO GLZ - CARLOS GUERRA
[PROGRAMACION LINEAL] SOLUCIN GRFICA DE PROBLEMAS DE PL.

Cuando un modelo de programacin lineal se expresa en trminos de dos variables puede resolverse con procedimientos grficos. Conceptos clave: Conjunto factible: Es el conjunto de puntos que integran la regin de resolucin. Solucin factible: Cada punto que integra la regin (plana) que resuelve el problema. Solucin ptima: Constituye la solucin al problema de programacin lineal. Cul es el objetivo de la solucin grfica? Encontrar (entre todos los puntos del conjunto factible) el punto o los puntos que optimicen la funcin objetivo. Ejemplo: Maximizar 2 Sujeto a 2 2 3 3Y Y 0 0 Paso 1 Se igualan las restricciones: 2 12 2 3Y Y Ecuacin 1 8 Ecuacin 2 8 12
Pgina 5 de 109
Paso 2 Se grafican las ecuaciones, se puede hacer escogiendo un conjunto de nmeros que nos permitan dibujar la lnea (por ejemplo 0, 1, 2, 3,-1, -2, -3), es decir, para la ecuacin 1 X 1 2 3 0 -1 -2 -3 Y 10/3 8/3 2 4 14/3 16/3 6
Y de la misma forma se procede con la ecuacin 2. Una manera ms sencilla es la siguiente: Para la ecuacin 1 2 X 0 6 3Y Y 4 0 12 Para la ecuacin 2 2 X 0 4 Y Y 8 0 8
Con estos puntos obtendremos la siguiente grfica.
Pgina 6 de 109
El rea sombreada de azul es la que corresponde al conjunto factible, cada punto que contiene el conjunto factible es un candidato para resolver este problema. Ya que tienes graficado el conjunto factible (el rea azul de la grfica) identifica las coordenadas de todas las esquinas (vrtices) del conjunto factible:
A (0,4)
B (3,2)
C (4,0) Pgina 7 de 109

Nota: Para poder encontrar las coordenadas del punto B tienes que resol ver el sistema de ecuaciones conformado por las dos ecuaciones anteriores (2 3Y 12 y ya debes de 2 Y 8) puedes resolver el sistema a travs de los mtodos que haber estudiado anteriormente (suma y resta, sustitucin, igualacin o grfico). En nuestro caso utilizaremos el mtodo de sustitucin. 2 12 2 8 3Y Y Ecuacin 1 Ecuacin 2
Paso 1. Se despeja Y de la ecuacin 2 Y 8 2
Paso 2. Se sustituye el valor de Y en la ecuacin 1 38 2 12 Paso 3. Se resuelve la ecuacin para encontrar el valor de X. 2 4 24 24 6 12 4 12 12 2
12/ 4 3 Paso 4. Sustituye el valor de X en el despeje que hiciste en el paso 1. Y Y 8 8 23
6 Y 2 Y con esto obtienes el resultado del vrtice B (3,2)
Pgina 8 de 109
Despus de haber encontrado las coordenadas de todas las esquinas es necesario que sustituyas el valor de cada una de ellas en la funcin objetivo, para que encuentres el valor mximo (o mnimo, segn sea el caso). Sustituyendo el valor del vrtice A en la funcin objetivo. 3 Vrtice A (0,4) 3 2 2
30 24 8 Vrtice B (3,2) 3 2
33 22 13 Vrtice (4,0) 3 2
34 20 12 Resultados: Vrtice A (0,4) Vrtice B (3,2) Vrtice C (4,0) Valor 13 Valor 8
Observando los resultados Valor podemos concluir que el mximo se encuentra en el vrtice B. 12
MODELO PARA LA TOMA DE DECISIONES

Pgina 9 de 109
Definicin Una decisin es una eleccin consciente y racional, orientada a conseguir un objetivo, que se realiza entre diversas posibilidades de actuacin (o alternativas). Antes de tomar una decisin deberemos calcular cual ser el resultado de escoger una alternativa. En funcin de las consecuencias previsibles para cada alternativa se tomar la decisin. As, los elementos que constituyen la estructura de la decisin son: los objetivos de quin decide y las restricciones para conseguirlos; las alternativas posibles y potenciales; las consecuencias de cada alternativa; el escenario en el que se toma la decisin y las preferencias de quien decide.
Mtodos y modelos para la toma de decisiones Existen diversas situaciones en las que deben tomarse decisiones empresariales: situaciones de certeza, incertidumbre y riesgo. Decisiones en situacin de certeza Una situacin de certeza es aquella en la que un sujeto tiene informacin completa sobre una situacin determinada, sobre cmo evolucionar y conoce el resultado de su decisin. Ej: decisiones sobre compras cuando se conoce la demanda, de distribucin de personal cuando se conoce el coste por persona y operacin, etc. La toma de decisiones en un marco de certeza no implica dificultad alguna, ms all de las relacionadas con la gestin empresarial. Decisiones en situacin de incertidumbre Una situacin de incertidumbre es aquella en la que un sujeto toma la decisin sin conocer del todo la situacin y existen varios resultados para cada estrategia. Pueden ser decisiones no competitivas y competitivas. Decisiones no competitivas En las decisiones no competitivas nadie se opone a la estrategia del sujeto que decide. Ej: vendedores de peridicos (se quiere conocer la cantidad a adquirir de acuerdo con las ventas). Para decidir existen una serie de criterios de eleccin: - Maximin, pesimista o Wald - Mximax, optimista o Hurwicz - Coeficiente de optimismo-pesimismo - Razn suficiente o Laplace - Mnimax, coste de oportunidad o Savage a) El criterio maximin supone maximizar el resultado mnimo, es decir el decisor quiere asegurarse la eleccin mejor en caso que se de la situacin ms desfavorable. Es pesimista. Es til en situaciones muy inciertas, si quieren evitarse riesgos o si existe conflicto.
Pgina 10 de 109
b) El criterio maximax consiste en maximizar el mximo; escoger el resultado mximo entre los mejores de cada alternativa. El decisor es optimista. c) El criterio del coeficiente de optimismo-pesimismo se sita entre los dos anteriores. Partimos de un grado de optimismo y de pesimismo relacionados del siguiente modo: Coeficiente de optimismo= p; coeficiente de pesimismo= (1-p)= q; donde p+q= 1 y 0<p<1. Dentro de la misma alternativa o estrategia consideraremos el resultado mayor de cada alternativa como p mientras que el resultado menor ser q. Se escoge el mayor tras ponderar los resultados esperados por los coeficientes de optimismo y pesimismo. d) El criterio del principio de razn suficiente espera que todas las situaciones de futuro tendrn la misma probabilidad de suceder. Ante esta situacin se elige el resultado medio ms elevado. e) El criterio minimax plantea elegir en funcin de lo que se dejar de ganar. Por tanto, en primer lugar debe calcularse el mximo coste de oportunidad de cualquier opcin y, en segundo lugar, elegir el menor de ellos. Ejemplo
Supongamos que una empresa quiere realizar una campaa publicitaria. Se le presentan 3 posibilidades: radio (15 minutos de lunes a jueves en un espacio), TV (1 spot cada semana sobre las 12h) y prensa (1 anuncio 2 das a la semana los lunes y los jueves). Como han hecho campaas anteriormente se han podido valorar los resultados de las diferentes posibilidades del siguiente modo: DEMANDA ALTA 100 80 90 DEMANDA MEDIA 40 20 35 DEMANDA BAJA 20 5 25
RADIO T.V. PRENSA
Ej: si la demanda de mercado se mantiene alta, la campaa publicitaria en la radio garantiza los mejores resultados. Si la demanda de mercado se mantiene baja, la campaa publicitaria que garantiza los mejores resultados es la prensa. Qu medio de comunicacin elegirais? a) El pesimista adoptar el MAXIMIN, es decir, escoger el mejor resultado de entre la peor situacin. El peor escenario (o peor situacin) es que la demanda sea baja. El mejor resultado en el peor escenario es: PRENSA. b) El optimista adoptar el criterio MAXIMAX, el mejor de los mejores. El mejor escenario es la demanda alta. El mejor de los mejores es: RADIO.
Pgina 11 de 109
c) Puede escogerse una situacin intermedia entre optimismo y pesimismo (CRITERIO OPTIMISMO-PESIMISMO). Debe suponerse un determinado grado de optimismo (p). Si suponemos p= 60% = 0,6 ; q=0,4: Radio : p * max + q * min = 100 * 0,6 + 20 * 0,4 = 68 T.V. : p * max + q * min = 80 * 0,6 + 5 * 0,4 = 50 Prensa: p * max + q * min = 90 * 0,6 + 25 * 0,4 = 64 Escoger la RADIO, al ser el resultado mayor de entre las distintas alternativas. d) Si creemos que todas las situaciones tienen la misma posibilidad de suceder se escoger el resultado medio ms elevado (LAPLACE). Resultado medio radio = (100+40+20)/3 = 53,3 Resultado medio TV = (80+20+5)/3 = 35 Resultado medio prensa = (90+35+25)/3= 50. Escoger RADIO e) Con el MINIMAX se escoge el mnimo de los mximos costes de oportunidad posibles. Calculamos la matriz de costes de oportunidad: DEM. ALTA Radio T.V. Prensa 0 20 10 DEM. MEDIA 0 20 5 DEM. BAJA 5 20 0 Mx. Coste de Oportunidad 5 20 10
Elegir el mnimo de los mximos costes de oportunidad: RADIO. En resumen: Maximin Radio T.V. Prensa Maximax X Laplace X Optim-pesim X Minimax X
Se escoger realizar la campaa publicitaria por la RADIO.
Decisiones competitivas Muchas veces la empresa se enfrenta a un oponente que conoce sus estrategias y que escoger aquella que ms le perjudique ej: duopolios (coca-cola y pepsi-cola) y oligopolios (fabricantes de coches). Estas decisiones se estudian en la teora de juegos. Esta teora considera que en la toma de decisiones intervienen pocos individuos, con informacin diferente y, generalmente incompleta, sobre los resultados de las decisiones. Pueden darse dos situaciones genricas: Conflicto puro: las ganancias de un jugador son prdidas para el otro (juego bipersonal de suma cero). Conflicto mixto y de cooperacin: quienes deciden pueden llegar a acuerdos o colaborar para mejorar sus resultados aunque ambos se arriesgarn en el juego. Se denomina juego cooperativo o de suma no cero.
Pgina 12 de 109
Ejemplo de Juego de suma no cero Dos empresas A y B pueden optar por mantener o reducir precios. Resultados: Empresa Estrategia (1) Mantenim. precios A (2) Reduccin de Precios 9,2 A gana; B pierde 3,3 Ambos pierden (1) Mantener precios 8,8 todo queda igual B (2) Reducir precios 2,9 B gana; A pierde
La situacin (2) (2) no es satisfactoria ya que ambos pierden. Si B se avanza y reduce precios ganar 9 unidades monetarias. Entonces A bajar precios y llegarn a (2) (2). Si A baja precios ganar 9 pero entonces B bajar precios y llegarn a (2) (2). Les interesa cooperar y as saldrn ganando ambos 8 unidades monetarias, pero con informacin incompleta sobre lo que har el otro tienden a no cooperar y pueden llegar a la insatisfactoria solucin de (2) (2). Decisiones en situacin de riesgo En este tipo de situaciones conocemos la probabilidad de que ocurra cada situacin. Se trata de analizar beneficios y prdidas ponderados por las probabilidades de que sucedan.
Ejemplos
EJERCICIO 1.- Los directivos de la agencia de viajes de Barcelona Cabarna.SA quieren plantear una estrategia de expansin hacia el resto de comarcas, por lo que se plantea si fusionarse con la empresa Sol SA, comprar la empresa de la competencia o bien ampliar sus instalaciones. La decisin se tomar en funcin de la evolucin futura de las ventas. El Departamento comercial prev que las ventas pueden ser altas, medias o bajas, con una probabilidad del 25%, 45% y 30% respectivamente. Por otra parte, los beneficios esperados de acuerdo con la estrategia seleccionada son los siguientes: - Fusionarse: 350.000 euros si las ventas son altas, 60.000 bajas y 140.000 si son medias. - Comprar la empresa competidora: 300.000 si las ventas son altas, 50.000 si son bajas y 180.000 si son medias. - Ampliar instalaciones: 275.000 si las ventas son altas, 80.000 bajas y 160.000 medias.
Pgina 13 de 109
Con estos datos, se pide: 1. Construir la matriz de decisin 2. Escoger la opcin que maximiza los beneficios segn: a) Criterio de certeza, si sabe que la situacin ser de ventas medias b) Criterio de riesgo, si se parte del conocimiento de la probabilidad de ocurrencia de cada uno de los estados de la naturaleza: 25% ventas altas, 45% ventas medias y 30% ventas bajas c) Criterio de incertidumbre I. Criterio pesimista II. Criterio optimista III. Criterio de optimista - pesimista1 IV. Criterio de la razn suficiente V. Criterio de coste de oportunidad SOLUCIN 1. MATRIZ DE DECISIN BENEFICIOS ALTERNATIVAS Ventas Altas Ventas Medias Fusin 350.000 140.000 Compra 300.000 180.000 Ampliacin 275.000 160.000 2. a) Criterio de certeza. Si se conoce que la situacin es de ventas medias, la estrategia escogida entre las tres disponibles ser la de Comprar la empresa de la competencia, ya que le aporta un mayor beneficio (180.000 euros). b) Criterio de riesgo ALTERNATIVAS Fusin Compra Ampliacin Ventas Altas 25% 350.000 300.000 275.000 BENEFICIOS Ventas Medias 45% 140.000 180.000 160.000 Ventas Bajas 30% 60.000 50.000 80.000
Ventas Bajas 60.000 50.000 80.000
Aplicamos el criterio del valor esperado a partir de las probabilidades: VE Fusin: 350.000*0,25+140.000*0,45+60.000*0,3 = 168.500 euros. VE Comprar: 300.000*0,25+180.000*0,45+50.000*0,3 = 171.000 euros. VE Ampliar: 275.000*0,25+160.000*0,45+80.000*0,3 = 164.750 euros. Por lo tanto, la estrategia escogida ser la de Comprar la empresa competidora, ya que da unos beneficios superiores.
Se considera que es un 60% optimista y un 40% pesimista
Pgina 14 de 109
c) Criterio de incertidumbre I. Criterio pesimista o de Wald o maximin Este criterio no desea arriesgar y siempre piensa que una vez escogida una estrategia se le presentar el estado de la naturaleza ms desfavorable, por ello escoger el valor mximo entre los mnimos. En nuestro caso BENEFICIOS ALTERNATIVAS Ventas Ventas Ventas Peor Altas Medias Bajas 350.000 140.000 60.000 60.000 Fusin 300.000 180.000 50.000 50.000 Comprar 275.000 160.000 80.000 80.000 Ampliar Escoger Ampliar las instalaciones, ya que como mnimo tendra unos beneficios de 80.000 euros. II. Criterio optimista o maximax El criterio optimista siempre piensa que se le presentar la mejor alternativa, es decir, escoger el mximo entre los mximos. Arriesga mucho. BENEFICIOS ALTERNATIVAS Ventas Ventas Ventas Mejor Altas Medias Bajas 350.000 140.000 60.000 350.000 Fusin 300.000 180.000 50.000 300.000 Comprar 275.000 160.000 80.000 275.000 Ampliar Segn este criterio, la estrategia escogida ser la de Fusionar, ya que le producir unos beneficios de 350.000 euros.
III.
Criterio optimista - pesimista Mezcla el optimismo y el pesimismo, partiendo de que 40% pesimista. Como consecuencia multiplica por 0.60 alternativa (el mximo) y el 0,40 por el peor (mnimo) BENEFICIOS ALTERNATIVAS Ventas Ventas Ventas Altas Medias Bajas 350.000 140.000 60.000 Fusin 300.000 180.000 50.000 Comprar 275.000 160.000 80.000 Ampliar
es un 60% optimista, y un el mejor resultado de cada
Mejor 350.000 300.000 275.000
Peor 60.000 50.000 80.000
Fusin: 350.000*0,60+60.000*0,40 = 234.000 euros. Comprar: 300.000*0,60+50.000*0,40 = 200.000 euros. Ampliar: 275.000*0,60+80.000*0,40 = 197.000 euros. Segn este criterio, la estrategia escogida sera la de Fusionarse debido a que proporciona unos beneficios superiores. IV. Criterio de la razn suficiente El criterio de la razn suficiente (Laplace), como no conoce la probabilidad de ocurrencia de cada situacin, imagina que todas tienen la misma probabilidad. Como hay tres opciones, la probabilidad de cada una es 1/3 y despus se aplica el criterio de riesgo:
Pgina 15 de 109
ALTERNATIVAS Fusin Comprar Ampliar BENEFICIOS Ventas Altas Ventas Medias 33,33% 33,33% 350.000 140.000 300.000 180.000 275.000 160.000 Ventas Bajas 33,33% 60.000 50.000 80.000
Fusin: 1/3*350.000+1/3*140.000+1/3*60.000 = 183.315 euros. Comprar: 1/3*300.000+1/3*180.000+1/3*50.000 = 176.667 euros. Ampliar: 1/3*275.000+1/3*160.000+1/3*80.000 = 171.667 euros. La estrategia escogida seria Fusionarse. V. Criterio de coste de oportunidad Para aplicar el criterio de coste de oportunidad debe construirse una matriz de costes de oportunidad, que es lo que se deja de ganar por no haber escogido la mejor opcin. Observando los datos de forma vertical, es decir, por columnas, se resta el peor resultado del mejor.
MATRIZ DE COSTE DE OPORTUNIDAD BENEFICIOS ALTERNATIVAS Ventas Altas Ventas Medias Ventas Bajas Mejor 0 40.000 20.000 40.000 Fusin 50.000 0 30.000 50.000 Comprar 75.000 20.000 0 75.000 Ampliar A partir de la matriz se escogen por filas, los costes de oportunidad mayores y de stos el ms pequeo, en resumen, de los mximos se escoge el mnimo. Por ello siguiendo este criterio, el valor escogido sera Fusionarse ya que tiene un coste de oportunidad mnimo.
EJERCICIO 2.- Los directivos de una empresa de Aviacin analizan las nuevas posibles lneas estratgicas para afrontar una competencia ms intensa en el mercado europeo. Sus expertos en prospectiva han elaborado tres posibles escenarios para el futuro prximo: Escenario de recuperacin econmica y bajada de los precios del petrleo. Escenario de mantenimiento de precios altos en el petrleo y economas con dificultades para arrancar. Escenario de nuevos atentados terroristas (y recesin con altos precios del petrleo)
Han propuesto tres posibles orientaciones estratgicas: - Repliegue de la oferta de vuelos hacia los destinos nacionales ms rentables. - Expansin en el continente europeo con estrategia de costes bajos. - Intensificacin de la oferta en el mercado espaol con una mayor oferta de vuelos. La matriz que recoge los posibles beneficios y costes es la siguiente:
Pgina 16 de 109
BENEFICIOS COSTES Recuperacin Mantenimiento Recuperacin Mantenimiento Atentados Atentados econmica de precio altos econmica de precio altos 3000 2500 2000 2000 2500 3000 3400 3100 1500 3100 2700 2800 3100 2700 1700 2700 2100 2400
ALTERNATIVAS Repliege Expansin Intensificacin
A- Escoger la opcin que maximiza los beneficios segn: a) Criterio de certeza, (si sabe que la situacin ser de recuperacin econmica). b) Criterio de incertidumbre I. Criterio pesimista omaximin II. Criterio optimista o maximax III. Criterio de optimista-pesimista2 IV. Criterio de la razn suficiente o Laplace V. Criterio de coste de oportunidad o minimax o Savage c) Criterio de riesgo3 B- Escoger la opcin que minimiza los costes con los mismos criterios del apartado anterior SOLUCIN A. Maximizar beneficios a) Criterio de certeza. Se conoce que la situacin ser de recuperacin, con lo cual se escoger Expansin, debido a que tiene el mayor beneficio; 3.400 euros. b) Criterios de incertidumbre: Criterio pesimista. Este criterio no quiere arriesgar y siempre escoger los peores resultados, es decir, 2000 euros de Repliegue, 1500 de Expansin y 1700 de Intensificacin, y de todos ellos el mayor, que en este caso es Repliegue porque es la alternativa que ofrece un resultado ms alto. Criterio optimista. Consiste en escoger de cada alternativa la mejor porque es muy optimista y siempre cree que todo ir bien. Arriesga mucho. Escoge 3000 euros de Repliegue, 3400 de Expansin y 3100 de Intensificacin. Entre estos tres resultados se queda con Expansin. Criterio optimista - pesimista. Mezcla el optimismo y el pesimismo, parte de que es un 75% optimista y en consecuencia un 25% pesimista. Multiplica 0.75 por el mejor resultado de cada alternativa y 0.25 por el peor: Repliegue: 0.75*3000+0.25*2000= 2750 euros. Expansin: 0.75*3400+0.25*1500= 2925 euros. Intensificacin: 0.75*3100+0.25*1700= 2750 euros.
2 3
Suponemos que es optimista en un 75% y pesimista en un 25% Suponemos que la probabilidad de cada escenario es de 10%, 15% y 75%, respectivamente
Pgina 17 de 109
Escoger Expansin, porque es el resultado ms alto. Criterio la razn suficiente. Como no conoce la probabilidad de ocurrencia de cada situacin una situacin imagina que todas tienen la misma probabilidad, como hay tres opciones la probabilidad de cada una es 1/34: Repliegue: 1/3*3000+1/3*2500+1/3*2000=2500 euros. Expansin:1/3*3400+1/3*3100+1/3*1500=2666.66 euros. Intensificacin: 1/3*3100+1/3*2400+1/3*1500=2500 euros. La mejor opcin segn este criterio es la Expansin. Criterio de coste de oportunidad, construye una matriz de costes de oportunidad, que es lo que dejas de ganar o perder al no haber escogido la mejor opcin. Posteriormente se extrae, por filas, los costes de oportunidad ms grandes(lo que te cuesta de ms); Repliegue (600 euros), Expansin (500) e Intensificacin (400) y de estos costes se escoge el ms pequeo, es decir, Intensificacin. MATRIZ DE COSTE DE OPORTUNIDAD ALTERNATI VAS Repliegue Expansin Intensificacin Recuperacin econmica 400 0 300 BENEFICIOS Mantenimiento de precio altos 600 0 400 Coste oportunidad mayor 600 500 400
Atentados 0 500 300
c) Criterio de riesgo. Parte del hecho que conoce cules son las probabilidades de ocurrencia de cada estado de la naturaleza, para el primero 0.1, para el segundo 0.15 y 0.75 para el tercero y aplica esta probabilidad a cada opcin: Repliegue: 0.1*3000+0.15*2500+0.75*2000=2175 euros. Expansin: 0.1*3400+0.15*3100+0.75*1500=1930 euros. Intensificacin: 0.1*3100+0.15*2700+0.75*2700=1990 euros. Escoger Repliegue debido a que le ofrece un mejor resultado.
B. Minimizar costes a) Criterio de certeza. Sabe que la situacin ser de recuperacin econmica, con lo cual escoger Repliegue, que es la que le da un menor coste (2000 euros). b) Criterios de incertidumbre Criterio pesimista. Con este criterio no se desea arriesgar y siempre se escogen los peores resultados, es a decir, los costes ms altos, los peores, 3000 euros de Repliegue, 3100 de Expansin y 2700 de Intensificacin y de estos el mejor, que en este caso es Intensificacin porque es la alternativa que ofrece el coste ms bajo, de los peores costes. Criterio optimista. Consiste en escoger de cada alternativa la mejor, debido a que es totalmente optimista. Arriesga mucho. Escoge 2000 euros de Repliegue, 2700
Pgina 18 de 109
de Expansin y 2100 de Intensificacin, los costes ms bajos, es decir, los mejores resultados. Entre estos tres se queda con la alternativa de Repliegue. Criterio optimista - pesimista. Mezcla el optimismo y el pesimismo, partiendo que es un 75% optimista y un 25% pesimista. Repliegue: 0.75*2000+0.25*3000= 2250 euros. Expansin: 0.75*2700+0.25*3100= 2800 euros. Intensificacin: 0.75*2100+0.25*2700= 2250 euros. Para la eleccin son indiferentes, la Intensificacin o Repliegue, debido a que ambas tienen los mismos costes. Criterio de la razn suficiente. Como no conoce la probabilidad de que ocurra una situacin imagina que todas tienen la misma probabilidad, como hay tres opciones la probabilidad de cada una es 1/3: Repliegue: 1/3*2000+1/3*2500+1/3*3000=2500 euros. Expansin:1/3*3100+1/3*2700+1/3*2800=2866.66 euros. Intensificacin:1/3*2700+1/3*2100+1/3*2400=2400 euros. La mejor opcin, segn este criterio, es Intensificacin Criterio de coste de oportunidad, se ha de construir una matriz de costes de oportunidad, observando los datos de manera vertical, es decir, por columnas y no por filas. MATRIZ DE COSTE DE OPORTUNIDAD: Recuperacin econmica 0 1100 700 COSTES Mantenimiento de precio altos 400 600 0 Coste de oportun. mayor 600 1100 700
ALTERNATIVAS Repliegue Expansin Intensificacin
Atentados 600 400 0
Se ha extrado, por filas, los costes de oportunidad ms grandes, que representa lo que tengo que pagar de ms, si ocurre ese estado de la naturaleza; Repliegue (600 euros), Expansin (1.100) e Intensificacin (700), y de estos costes se escoge el ms pequeo, es decir, Repliegue. c) Criterio de riesgo. Parte del hecho de que se conoce cuales son las probabilidades de ocurrencia de cada estado de la naturaleza, 0.1, para el primero, 0.15 para el segundo y 0.75 para el tercero y aplica esta probabilidad a cada opcin: Repliegue: 0.1*2000+0.15*2500+0.75*3000=2825 euros. Expansin: 0.1*3100+0.15*2700+0.75*2800=2815 euros. Intensificacin: 0.1*2700+0.15*2100+0.75*2400=2385 euros. Escoger Intensificacin porque es la que tiene un menor coste.
Pgina 19 de 109
ELPROBLEMA DETRANSPORTE:
EL MODELO DE RED Y UNA PROGRAMACINLINEAL FORMULACIN DE
El problema de transporte surge con frecuencia en la planeacin de la distribucin de productos y servicios desde varios sitios de suministro hacia varios sitios de demanda. La cantidad de productos disponibles en cada locacin de suministro (origen), por lo general, es limitada, y la cantidad de productos necesarios en cada una de varios sitios de demanda (destinos) es un dato conocido. El objetivo usual en un roblema de transorte es minimizar el costo de enviar mercanca desde el origen a sus destinos. Lo ilustraremos considerando un problema de transporte enfrentado por Foster Generators. Este problema implica la movilizacin de un producto de tres plantas a cuatro centros de distribucin. Foster Generators opera plantas en Cleveland, Ohio; Bedford, Indiana y York, Pennsylvania. Las capacidades de produccin a lo largo del siguiente periodo de planeacin de tres meses para un tipo de generador son las siguientes:
Pgina 20 de 109
La firma distribuye sus generadores a travs de cuatro centros regionales localizados en Boston, Chicago, San Luis y Lexington; el pronstico de la demanda en los tres meses para los centros de distribucin es la siguiente:
Pgina 21 de 109
A la administracin le gustara determinar cunta de su produccin debera
embarcarse
desde cada planta a cada centro de distribucin. La siguiente grafica muestra las 12 rutas de distribucin que puede usar Foster. Esta grfica se llama red; los crculos se conocen como nodos y las lneas que los conectan como arcos; cada origen y destino se presenta con un nodo y cada ruta de embarque posible se representa con un arco. La cantidad de suministro se escribe junto a cada nodo de origen y la cantidad de la demanda se escribe junto a cada nodo de destino. Los bienes embarcados de los orgenes a los destinos representan el flujo en la red. Observe que la direccin del flujo (del origen al destino) est indicada por las flechas. El objetivo del problema de transporte de Foster es determinar las rutas a usar y la cantidad que se embarcar por cada ruta para lograr que el costo de transporte total sea mnimo. El costo para cada unidad embarcada en cada ruta se da en la tabla siguiente:
Puede usarse un modelo de programacin lineal para resolver este problema de transporte. Usamos variables de decisin con doble subndice, con x11 denotando la cantidad de unidades embarcadas del origen 1 (Cleveland) al destino 1 (Boston), x12 denotando la cantidad de unidades embarcadas del origen 1
(Cleveland) al destino 2 (Chicago), etctera.
Pgina 22 de 109
Los problemas de transporte necesitan restricciones debido a que cada origen tiene un suministro limitado y cada destino tiene un requerimiento de demanda. Consideraremos primero las restricciones de suministro. La capacidad en la planta de Cleveland es de 5000 unidades. Con la cantidad total de unidades desde la planta de Cleveland expresado como
Con tres orgenes (plantas), el problema de transporte de Foster tiene tres restricciones de suministro. Dada la capacidad de 6000 unidades en la planta de Bedford y de 2500 unidades en la planta de York, las dos restricciones de suministro adicionales son:
Con los centros de distribucin como los destinos, se necesitan cuatro restricciones de demanda demandas de destino: para asegurar que se satisfarn las
Combinar la funcin objetivo y las restricciones en un modelo proporciona una formulacin de programacin lineal de 12 variables y 7 restricciones problema de transporte de Foster Generators: del
Pgina 23 de 109
Pgina 24 de 109
Usando el programa the Manangement Scientist lo podremos resolver de dos maneras: I.- como se haba formulado antes en un problema de programacin lineal con 12 variables y 7 restricciones. Comenzamos con entrar al programa por medio de la ruta genrica que ya conocemos y en la siguiente pantalla selecciona
Pgina 25 de 109
1.- Seleccionamos programacin lineal y luego OK
2.- Tomamos la opcin File y luego new
3.- Ponemos el nmero de variables y de restricciones. Y ponemos MINIMIZAR
4.- Procedemos a llenar el cuadro y posteriormente le damos solucin y luego solve

Pgina 26 de 109
5.- Obtenemos el resultado ptimo que es 39500
Pgina 27 de 109
II.- Tambin lo podemos resolver seleccionando el modulo transportacin 1.- Seleccionamos transporte y luego ok
2.- Le damos en clic File y luego en new
3.- Ponemos el nmero de orgenes y de destinos respectivamente y le damos ok
Pgina 28 de 109
4.- Procedemos a llenar el cuadro con las demandas, los suministros y los costos de transporte y posteriormente le damos clic en solucin y luego solve
5.- Escogemos si vamos a maximizar o a minimizar en este caso minimizar y le damos clic en ok
6.- El programa te da el resultado ms ptimo. Que es el costo total mnimo $39500
Pgina 29 de 109
Pgina 30 de 109
El Problema de Transporte
El Problema de Transporte corresponde a un tipo particular de un problema de programacion lineal. Si bien este tipo de problema puede ser resuelto por el m etodo Simplex, existe un algoritmo simplificado especial para resolverlo.
1
1.1
Formulacio n del Problema de Transporte

Ejemplo de Formulacion
A modo de ejemplo, construyamos el modelo de programaci on lineal para el siguiente problema. Ejemplo 1. Una empresa energ etica dispone de tres plantas de generacion para satisfacer la demanda el ectrica de cuatro ciudades. Las plantas 1, 2 y 3 pueden satisfacer 35, 50 y 40 millones de [kWh] respectivamente. El valor maximo de consumo ocurre a las 2 PM y es de 45, 20, 30 y 30 millones de [kWh] en las ciudades 1, 2, 3 y 4 respectivamente. El costo de enviar 1 [kWh] depende de la distancia que deba recorrer la energ a. La siguiente tabla muestra los costos de env o unitario desde cada planta a cada ciudad. Formule un modelo de programcion lineal que permita minimizar los costos de satisfaccion de la demanda maxima en todas las ciudades. Hacia Desde Planta 1 Planta 2 Planta 3 Demanda (Millones kWh) Ciudad 1 8 9 14 45 Ciudad 2 6 12 9 20 Ciudad 3 10 13 16 30 Ciudad 4 9 7 5 30 Oferta (Millones kWh) 35 50 40
En primer lugar debemos definir las variables de decisi on necesarias para representar las posibles decisiones que puede tomar la empresa energ etica . En este caso, corresponde a la cantidad de energ a que se debe enviar desde cada planta a cada ciudad, luego para i = 1 . . . 3 y j = 1 . . . 4 : xij = nu mero de millones de [kWh] producidos en la planta i enviadas a ciudad j En t erminos de estas variables, el costo total de entregar energ a a todas las ciudades es: 8x11 + 6x12 + 10x13 + 9x14 +9x21 + 12x22 + 13x23 + 7x24 +14x31 + 9x32 + 16x33 + 5x34 (Costo de enviar energ a desde la Planta 1) (Costo de enviar energ a desde la Planta 2) (Costo de enviar energ a desde la Planta 3)
El problema tiene dos tipos de restricciones. En primer lugar, la energ a total suministrada por cada planta no puede exceder su capacidad. En este caso se habla de restricciones de oferta o suministro.
Pgina 31 de 109
Como existen tres puntos de oferta o sumistro, existen tres restricciones: x11 + x12 + x13 + x14 35 x21 + x22 + x23 + x24 50 x31 + x32 + x33 + x34 40 (Restricci on de oferta de la Planta 1) (Restricci on de oferta de la Planta 2) (Restricci on de oferta de la Planta 3)
En segundo lugar, se deben plantear las restricciones que permitan asegurar que se satisfaga la demanda en las cuatro ciudades. As , las restricciones de demanda para cada punto de demanda quedan: x11 + x21 + x31 45 (Restricci on de demanda de la Ciudad 1) (Restricci on de demanda de la Ciudad 2) x12 + x22 + x32 20 (Restricci on de demanda de la Ciudad 3) x13 + x23 + x33 30 (Restricci on de demanda de la Ciudad 4) x14 + x24 + x34 30 Evidentemente, cada xij debe ser no negativo, por lo tanto se agregan las restricciones x ij 0 donde i = 1 . . . 3 y j = 1 . . . 4. M as adelante demostraremos que la soluci on de este problema es z = 1020, x12 = 10, x13 = 25, x21 = 45, x23 = 5, x32 = 10 y x34 = 30. El resto de las variables vale cero. Por otro lado, es posible construir una representaci on gr afica del problema: Puntos de Oferta Puntos de Demanda Ciudad 1 s1 = 35 Planta 1 Ciudad 2 s2 = 50 Planta 2 Ciudad 3 s3 = 40 Planta 3 Ciudad 4 d4 = 30 d3 = 30 d2 = 20 d1 = 45
1.2
Formulacio n General
Un problema de transporte queda definido por la siguiente informaci on: 1. Un conjunto de m puntos de oferta. Cada punto de oferta i tiene asociado una oferta s i . 2. Un conjunto de n puntos de demanda. Cada punto de demanda j tiene asociada una demanda dj . 3. Cada unidad enviada desde un punto de oferta i a un punto de demanda j tiene un costo unitario de transporte cij Consideremos: xij = nu mero de unidades enviadas desde el punto de oferta i al punto de demanda j
Pgina 32 de 109
Luego, la formulaci on general del problema de transporte queda: Pi=m Pj=n Min j=1 cij xij i=1 st Pj=n j=1 xij Pi=m i=1 xij xij
si dj 0
(i = 1 . . . m) (j = 1 . . . n) (i = 1 . . . m; j = 1 . . . n)
i=m X j=n
(Restricciones de oferta) (Restricciones de demanda) (Restricciones de signo)
Si se satisface: si =
i=1
X
j=1
dj
se dice que el problema est a balanceado. En el caso del ejemplo anterior, se verifica que tando la suma de ofertas como las de las demandas es igual a 125. En el caso de un problema de transporte balanceado todas las restricciones estar an al l mite, por lo tanto la formulaci on queda: Pi=m Pj=n Min i=1 j=1 cij xij st Pj=n j=1 xij Pi=m i=1 xij xij
= =
si dj 0
(i = 1 . . . m) (j = 1 . . . n) (i = 1 . . . m; j = 1 . . . n)
(Restricciones de oferta) (Restricciones de demanda) (Restricciones de signo)
1.3
Problemas de Transporte no Balanceados
Si la oferta total supera a la demanda total, se puede balancear el problema de transporte incorporando un punto de demanda artificial o dummy que tenga como demanda el excedente de oferta del problema. Como las asignaciones al punto artificial no son reales, se le asigna un costo unitario de cero. En general, el costo unitario no necesariamente debe ser igual a cero, basta co que tenga igual valor a todos los puntos de oferta disponibles de forma de no generar preferencias. Por simplicidad, se prefiere emplear cero. Para ilustrar el balanceo de un problema no balanceado, supongamos en el ejemplo anterior que la demanda de la ciudad 1 disminuye a 40 [kWh]. La siguiente figura ilustra la incoporaci on del punto de demanda artificial y entrega la soluci on respectiva: Puntos de Oferta Puntos de Demanda Ciudad 1 s1 = 35 Planta 1 Ciudad 2 d2 = 20 d1 = 40
s2 = 50
Planta 2
x23 = 10
Ciudad 3
d3 = 30
Ciudad 4 s3 = 40 Planta 3 Artificial
d4 = 30
d5 = 5
Pgina 33 de 109
Una forma m as pr actica de representar un problema de transporte es mediante un tableau de transporte. Una celda de la fila i y la columna j representa la variable xij . Se suele incorporar en la esquina superior derecha de cada celda, el costo unitario cij de la combinaci on i j. En general, el tableau queda: Oferta c11 c21 . . cm1 Demanda d1 c12 c22 . . cm2 d2 . . cmn dn c2n s2 . . sm c1n s1
Construyendo el tableau para el ejemplo anterior (caso balanceado), introduciendo la soluci on optima, se tiene: Ciudad 1 8 Planta 1 Planta 2 Planta 3 Demanda 9 45 14 45 Ciudad 2 6 10 12 9 10 20 Ciudad 3 10 25 13 5 16 30 Ciudad 4 9 7 50 5 30 30 40 Oferta 35
En este caso se puede verificar que el problema est a balanceado comprobando que la suma de la u ltima columna y la suma de la u ltima de la fila es id entica. As como un problema de transporte puede no estar balanceado cuando la demanda es inferior a la oferta, tambi en es posible que la demanda supere a la oferta. En este caso, se recurre a un punto de oferta artificial co valor de oferta equivalente a la diferencia entre oferta y demanda, de modo de balancear el problema. En la mayor a de las situaciones, el hecho de no satisfacer totalmente la demanda puede significar algu n tipo de costo. Por lo tanto, en estos casos el costo unitario de las casillas ficticias suele no ser cero y puede variar de un punto de demanda a otro.
2
2.1
Resolucio n del Problema de Transporte

Solucion Inicial
Consideremos un problema de transporte balanceado con m puntos de oferta y n puntos de demanda. De acuerdo a la formulaci on vista anteriormente, el problema tendr a m + n restricciones de igualdad. Para proceder a describir algunos m etodos para encontrar una primera soluci on inicial, es importante observar que si un conjunto de valores para las variables x ij satisface todas las restricciones salvo una, autom aticamente satisface la otra restricci on. Por ejemplo consideremos que en el ejemplo anterior se sabe que los valores de las varibles satisfacen todas las restricciones, salvo la primera restricci on de oferta. Por lo tanto, los valores de las xij satisfacen d1 + d2 + d3 + d4 = 125 millones de [kWh] y proveen s2 + s3 = 125 s1 = 90 millones de [kWh] de las plantas 2 y 3. Por lo tanto, la planta 1 debe proveer 125 (125 s1 ) = 35 millones de [kWh], luego los valores de xij tambi en satisfacen la primera restricci on de oferta.
Pgina 34 de 109
En lo sucesivo, para resolver el problema de transporte, consideraremos que se satisfacen m + n 1 restricciones, omitiendo alguna. En forma arbitraria, omitiremos la primera restricci on de oferta. Evidentemente, cualquier colecci on de m + n 1 variables no necesariamente es una soluci on factible para el problema. Consideremos el siguiente problema de transporte (omitiremos los costos unitarios): 4 5 3 2 4 En forma matricial, las restricciones del problema de transporte balanceado anterior puede ser escrito de la siguiente forma: x11 1 1 1 0 0 0 4 x12 0 0 0 1 1 1 5 x13 1 0 0 1 0 0 = 3 x21 0 1 0 0 1 0 2 x22 4 0 0 1 0 0 1 x23 Eliminando la primera restricci on de oferta el sistema se reduce a: 0 1 0 0 0 0 1 0 0 0 0 1 1 1 0 0 1 0 1 0 1 0 0 1 x11 x12 x13 x21 x22 x23 5 3 2 4
Como el sistema anterior tiene 4 restricciones y 6 variables posee infinitas soluciones, sin embargo, siempre tendr a como soluci on al menos 4 variables no nulas. Para obtener una soluci on b asica factible en forma simple introduciremos el concepto de loop. Definici on 1 Un orden secuencial de al menos cuatro celdas distintas se denomina loop si: 1. Dos celdas consecutivas estan en la misma columna o en la misma fila. 2. No tiene tres celdas consecutivas en una misma columna o en una misma fila. 3. La u ltima celda de la secuencia tiene una fila o columna comu n con la primera celda de la secuencia. Las figuras siguientes muestran algunos tipos de loop en dos tableaux de transporte:
Pgina 35 de 109
Las siguientes figuras muestran algunos ejemplos de secuencias de celdas que no conforman un loop, pues no satisfacen todas las condiciones.
Teorema 1 En un problema de transporte balanceado con m puntos de oferta y n puntos de demanda, las celdas correspondientes a un conjunto de m + n 1 variables no contienen un loop s y solo s las n + m 1 variables constituyen una solucion inicial. El teorema anterior se desprende del hecho de que en un conjunto de m+n 1 celdas no contienen un loop s y s olo s las m + n 1 columnas correspondientes a las celdas son linealmente independientes. Los m etodos m as empleados para obtener soluciones iniciales son: El m etodo de la Esquina Noroeste. El m etodo del Costo M nimo. El m etodo de Vogel. A continuaci on revisaremos s olo el m etodo de la Esquina Noroeste y el de Vogel. M etodo de la Esquina Noroeste. Para encontrar una soluci on inicial se comienza por la esquina superior izquierda (noroeste) del tableau de transporte intentando asignar la m axima cantidad posible a x 11 . Evidentemente, el valor m aximo de x11 debe ser el menor entre s1 y d1 . Si x11 = s1 , se puede descartar la primera fila pues ya no podr a asignarse m as desde el primer punto de oferta, se avanza a la siguiente fila. Al mismo tiempo, se debe cambiar d1 por d1 s1 , de forma de indicar la cantidad de demanda no satisfecha en el primer punto de demanda. En caso que x11 = d1 , se debe descartar la primera columna y cambiar s1 por s1 d1 , avanzando una columna. Si x11 = d1 = s1 , se debe avanzar en una columna o en una fila (pero no en ambas). Se asigna un cero en la direcci on escogida y se descarta la otra alternativa. El m etodo continu a aplicando el mismo criterio desde la esquina noroeste del tableau restante. Una vez que est an asignadas toda de demanda y oferta disponible, se terminan las asignaciones y est a completa la asignaci on inicial. Apliquemos el m etodo al siguiente tableau (notar que no se incorporan los costos pues el m etodo no los emplea): 5 1 3 2 4 2 1 Comenzamos asignando la m axima cantidad posible por fila o por columna en la esquina noroeste. En este caso, controla la primera columna, luego: 2 0 3 1 3 4 2 1
A continuaci on, avanzamos una columna y en esta celda controla la fila, por lo tanto queda:
Pgina 36 de 109
2 0 3 0 1 3
En este caso, la esquina m as noroeste disponible es la celda 2-2. Aqu , la demanda y la oferta se igualan. Arbitrariamente se escoger a la celda inferior de la misma columna para asignar un cero: 2 0 3 1 0 0 2 1 0 0 3
Luego, la celda m as noroeste disponible es la 3-3. En esta celda, controla la demanda de 2 sobre la oferta de 3, luego: 2 0 3 1 0 0 2 0 1 0 0 1
Finalmente, se completa el tableau haciendo la u ltima asignaci on factible: 2 0 3 1 0 0 2 0 1 0 0 0 0
En el tableau final se puede verificar las m + n 1 asignaciones. Adem as se observa que la secuencia de celdas no no conforman ningu n loop, por lo tanto, de acuerdo al teorema corresponde a una asignaci on inicial factible. M etodo de Vogel. El m etodo comienza calculando por cada columna y por cada fila el castigo o penalty. El castigo se calcula como la diferencia entre los dos costos menores en la columna o en la fila segu n corresponda. A continuaci on, se determina la fila o columna con un mayor valor de castigo. Luego, se selecciona como variable basal la celda con menor costo de la fila o columna, segu n corresponda, y se le asigna la m axima cantidad posible. Una vez realizada la asignaci on, se descarta la fila o columna cuya oferta o demanda haya sido completa. Se recalcula la demanda u oferta disponible en la fila o columna. La primera asignaci on se ha completado. Se vuelven a calcular los castigos por fila y por columna y se repite el procedimiento descrito hasta completar las asignaciones posibles en el tableau. La ventaja del m etodo de Vogel por sobre el de la Esquina Noroeste es que va adelante algunas iteraciones y por lo tanto se obtiene una soluci on inicial mejor. Eventualmente puede ocurrir que aplicando el m etodo se llegue directamente a la soluci on optima. La desventaja del m etodo de Vogel radica en que sin duda es m as complejo que el de la esquina noroeste, por lo tanto es m as dif cil de implementar y m as proclive a errores en la aplicaci on. Para ilustrar la aplicaci on del m etodo veamos un ejemplo. Consideremos el siguiente tableau de transporte:
Pgina 37 de 109
Oferta 6 15 Demanda 15 7 80 5 8 10 78 15 5 De acuerdo al m etodo, en primer lugar se calculan los castigos por fila y por columna: Oferta 6 15 Demanda Castigo 15 9 7 80 5 73 8 10 78 15 5 70 78 15 = 63 76 = 1 Castigo
El mayor castigo entre filas y columnas se encuentra en la segunda columna. De ambas celdas, la de m nimo costo es la de costo unitario de 7, buscando la m axima asiganci on por fila y por columna controla la columna con una signaci on m axima de 5 unidades. Oferta 6 15 Demanda Castigo 15 9 7 5 80 0 8 5 78 15 5 70 78 15 = 63 86 = 2 Castigo
De los castigos recalculados, el mayor corresponde a la tercera columna. En este caso la celda de menor costo es la de la primera fila. Verificando la asignaci on m axima por fila y por columna, controla la fila con una asignaci on m axima de 5 unidades. Oferta 6 15 Demanda Castigo 15 9 7 5 80 0 8 5 78 0 0 15 Castigo
Luego, el u nico castigo disponible (y por lo tanto el mayor) corresponde a la primera columna. En este caso, el m nimo costo corresponde a la primera fila. La m axima cantidad posible a asignar por columna es 15, pero por fila es 0. Por lo tanto, debemos asignar 0 unidades a la celda de menor costo. Oferta 6 0 15 Demanda Castigo 15 7 5 80 0 8 5 78 0 0 15 Castigo
Finalmente, no es posible calcular castigos y debemos asignar las unidades disponibles a la u nica celda libre. Luego:
Pgina 38 de 109
Oferta 6 0 15 15 0 7 5 80 0 8 5 78 0 0 0 Castigo
Demanda Castigo
N otese que el nu mero de asignaciones es exactamente igual a m + n 1 = 2 + 3 1 = 5. Eventualmente, el m etodo puede generar un nu mero inferior de asignaciones. En dicho caso se completa las m + n 1 asignaciones con ceros. En el caso de que falte s olo una asiganci on, se puede ubicar un cero en cualquier casilla no asignada. En el caso que se requiera de dos o m as ceros, la asignaci on no es tan arbitraria. M as adelante se definir a qu e criterio emplear en dichos casos. Existen problemas de maximizaci on que pueden ser considerados como problemas de Transporte. En este caso, los coeficientes cij est an asociado a los beneficios unitarios de la variable asociada a la combinaci on i j y el objetivo es maximizar la suma total de los aportes individuales de las variables. Se mantienen las restricciones de oferta y demanda. En los casos de maximizaci on, es preciso alterar los m etodos para obtener una soluci on inicial factible. En el caso del m etodo de la Esquina Noroeste, se debe intentar asignar la mayor cantidad posible a las casillas con mayor cij . En el caso del m etodo de Vogel, las castigos se calculan entre los dos mayores beneficios por fila y por columna. Al igual que el m etodo de la Esquina Noroeste, se busca asignar la mayor cantidad posible a las casillas con mayor beneficio.
2.2
El M etodo Simplex del Problema de Transporte
A continuaci on se expondr an los pasos para aplicar el m etodo Simplex para el problema de Transporte. La deducci on y justificaci on detallada de cada uno de los pasos se puede encontrar en los textos de la bibliograf a de la asignatura. Paso 1 Si el problema no est a balanceado, balancearlo. Construir el tableau de transporte. Paso 2 Encontrar una solucion inicial factible por el m etodo de la Esquina Noroeste o el de Vogel. Verificar las m + n 1 asignaciones y completarlas si es necesario. Paso 3 Plantear y resolver el sistema que se obtiene a trav es de: Definir para cada fila del tableau la variable u i con (i = 1 . . . m). Definir para cada columna del tableau la variable v j con (j = 1 . . . n). Plantear para cada casilla asignada la ecuacion ui + vj = cij . Donde cij es el costo unitario asociado a la casilla i j. Asignar un valor arbitrario a una de las variables, por ejemplo u 1 = 0. Paso 4 Calcular en todas las casillas no asignadas (no basicas) eij = cij ui vj . Si todos los eij 0 se ha encontrado el o ptimo. Si existe algu n eij < 0, incorporar la variable con menor eij siempre y cuando pueda formar un loop, en dicho caso, asignar el mayor valor posible de modo de mantener las variables basales mayores o iguales a cero. Paso 5 Si la solucion no es la o ptima, emplear la solucion del paso anterior para volver a plantear y resolver el sistema (Paso 3). Seguir al Paso 4.
Pgina 39 de 109
La variable eij representa el aporte neto unitario de la incorporaci on de la variable i j a la base. Por lo tanto, si el problema es de maximizaci on, la soluci on ser a optima si todos los e ij < 0. En caso contrario, se ingresa a la base la variable con mayor eij que pueda formar un loop. En el caso de que al emplear uno de los m etodos para obtener una soluci on inicial falten dos o m as asignaciones para completar las m + n 1 asignaciones requeridas, los ceros deben ser ubicados de tal forma que sea suficiente dar s olo un valor arbitrario a las variables del sistema asociado a la asignaci on para poder resolverlo completamente. Ilustremos el procedimiento resolviendo el tableau planteado para el problema del primer ejemplo. En ese caso, mediante la Esquina Noroeste se obtuvo la siguiente soluci on inicial: Ciudad 1 8 35 9 10 14 45 Ciudad 2 6 12 20 9 20 Ciudad 3 10 13 20 16 10 30 Ciudad 4 9 7 50 5 30 30 40 Oferta 35
Planta 1 Planta 2 Planta 3 Demanda
A continuaci on podemos plantear las variables del sistema asociado: v1 u1 u2 u3 45 20 8 35 9 10 14 v2 6 12 20 9 v3 10 13 20 16 10 30 v4 9 35 7 50 5 30 30 40
Luego, las ecuaciones se plantean en las casillas asignadas: u1 u2 u2 u2 u3 u3 + + + + + + v1 v1 v2 v3 v3 v4 = = = = = = 8 9 12 13 16 5 (1) (2) (3) (4) (5) (6)
Agregando la condici on u1 = 0 se obtiene de (1) v1 = 8. Luego, de (2) u2 = 1. De (3) y de (4) v2 = 11 y v3 = 12. Reemplazando en (5) se calcula u3 = 4. Finalmente, de (6) se obtiene v4 = 1. A continuaci on se calculan los eij en las casillas no b asicas: e12 e13 e14 e24 e31 e32 = = = = = = 6 0 11 10 0 12 901 711 14 4 8 9 4 11 = = = = = = 5 2 8 5 2 6
Por lo tanto, el menor eij corresponde a e32 con valor 6. Lo que significa que por cada unidad asignada a la variable x32 el efecto global neto es de 6, independientemente de que el costo asociado a dicha casilla sea de 9. Veamos si existe un loop factible y el m aximo valor que podr a tomar la variable.
Pgina 40 de 109
8 35 9 10 14 45 6 12 20 9 20 10 13 20 + 16 10 30 9 35 7 50 5 30 30 40
Como las variables deben ser positivas, el valor de debe ser tal que no introduzca una variable negativa al tableau. En este caso, la condici on que controla es 10 0, por lo tanto = 10. Introducimos el valor de y volvemos a plantear el sistema asociado: v1 u1 u2 u3 45 u1 u2 u2 u2 u3 u3 u1 8 35 9 10 14 v2 6 12 10 9 10 20 + + + + + + v1 v1 v2 v3 v2 v4 v3 10 13 30 16 30 = = = = = = = 8 9 12 13 9 5 0 v4 9 35 7 50 5 30 30 40
Las u nicas variables no b asicas que tienen un e ij < 0 son: e12 = 5, e24 = 1 y e13 = 2. Buscando un loop para x12 y su m aximo valor factible se obtiene: 8 35 9 10 + 14 45 6 12 10 9 10 20 10 13 30 16 30 9 35 7 50 5 30 30 40
De acuerdo al loop encontrado, el m aximo valor para es 10. Luego, volvemos a plantear el sistema para las variables basales: v1 u1 u2 u3 45 8 25 9 20 14 v2 6 10 12 9 10 20 v3 10 13 30 16 30 v4 9 35 7 50 5 30 30 40
Pgina 41 de 109
u1 u1 u2 u2 u3 u3 u1 + + + + + + v1 v2 v1 v3 v2 v4 = = = = = = = 8 6 9 13 9 5 0
Resolviendo y evaluando los eij para cada variable no basal, el u nico eij < 0 es e13 = 2. Verificando que exista un loop y determinando el m aximo valor posible se tiene: 8 25 9 20 + 14 45 6 10 12 9 10 20 10 13 30 16 30 9 35 7 50 5 30 30 40
En este caso, para mantener las variables positivas deber ser 25. Haciendo la actualizaci on y volviendo a resolver el sistema asociado se tiene: v1 8 u1 u2 u3 45 u1 u1 u2 u2 u3 u3 u1 9 45 14 v2 6 10 12 9 10 20 + + + + + + v2 v3 v1 v3 v2 v4 v3 10 25 13 5 16 30 = = = = = = = 6 10 9 13 9 5 0 v4 9 35 7 50 5 30 30 40
Resolviendo el sistema, se determina que todos los eij son positivos, por lo tanto la incorporaci on de cualquier variable a la base aumentar a el valor total de la funci on objetivo. Como el problema es de minimizaci on, se ha alcanzado el optimo. Por lo tanto, el tableau final queda: 8 9 45 14 45 6 10 12 9 10 20 10 25 13 5 16 30 9 35 7 50 5 30 30 40
Pgina 42 de 109
La soluci on corresponde exactamente a la entrega con anterioridad. La soluc on optima es: x12 x13 x21 x23 x32 x34 = = = = = = 10 25 45 5 10 30
x11 = x14 = x22 = x24 = x31 = x33 = 0 z = 6(10) + 10(25) + 9(45) + 13(5) + 9(10) + 5(30) = 1020
An alisis de Sensibilidad en Problemas de Transporte
A continuaci on se discustir a tres tipos de an alisis de sensibilidad de un problema de transporte: Variaci on 1 Cambios en los coeficientes de la funcion objetivo de variables no basicas. Variaci on 2 Cambios en los coeficientes de la funcion objetivo de variables basicas. Variaci on 3 Incrementos en un oferta y en una demanda. Para ilustrar el an alisis de sensibilidad sobre la soluci on optima de un problema de transporte emplearemos la soluci on obtenida en la secci on anterior: v1 = 6 8 u1 = 0 u2 = 3 u3 = 3 45 9 45 14 v2 = 6 6 10 12 9 10 20 v3 = 10 10 25 13 5 16 30 v4 = 2 9 35 7 50 5 30 30 40
3.1
Variacion de Coeficientes en la Funcion Objetivo de Variables No Basales
En este caso, simplemente se impone una variaci on en el coeficiente de la variable x ij a modificar, estudiando el rango de variaci on admisible de modo que el eij respectivo mantenga su signo. A modo de ejemplo, supongamos que se desea determinar a cuanto debe disminuir el costo de env o desde la Planta 1 a la Ciudad 1 de modo de incorporar esta combinaci on a la soluci on optima. En este caso, un cambio del coeficiente c11 = 8 a c11 = 8 no afecta los valores de los ui y vj calculados previamente, por lo tanto: e11 = (8 ) 0 6 = 2 Como corresponde a un problema de minimizaci on, para que x11 entre a la base debe cumplirse que e11 0, es decir, 2. Por lo tanto, el costo debe disminuir a menos de 6 para que se incorpore a la soluci on optima. De todas formas, se debe verificar que la variable pueda generar un loop:
Pgina 43 de 109
u1 = 0 u2 = 3 u3 = 3 45 v1 = 6 8 9 45 14 v2 = 6 6 10 12 9 10 20 v3 = 10 10 25 13 5+ 16 30 v4 = 2 9 35 7 50 5 30 30 40
Por lo tanto la variable puede entrar a la base con valor de 25, el nuevo valor de la funci on objetivo ser a: z k+1 = z k + eij = 1020 + (2 )25 2
3.2
Variacion de Coeficientes en la Funcion Objetivo de Variables Basales
En este caso la situaci on es m as compleja pues una variaci on del coeficiente de una variable basal afectar a el valor de los ui y los vj calculados previamente. En este caso, se debe volver a resolver el sistema en t erminos de la variaci on del coeficiente de la variable basal, volver a calcular los e ij y determinar el rango de variaci on admisible. Supongamos por ejemplo que se desea determinar en cuanto podr a aumentar el costo de env o desde la Planta 1 a la Ciudad 3 de modo de mantener la base optima. En este caso, cambiamos c13 = 10 por c13 = 10 + y volvemos a resolver el sistema: u1 u1 u2 u2 u3 u3 u1 De esta forma, se obtiene: u1 v2 v3 v1 u2 u3 v4 = = = = = = = 0 6 10 + 6+ 3 3 2 + + + + + + v2 v3 v1 v3 v2 v4 = = = = = = = 6 10 + 9 13 9 5 0
Luego, calculamos los eij para todas las variables no basales y sus restricciones: e11 e14 e22 e24 e31 e33 = = = = = = 8 u1 v1 9 u1 v4 12 u2 v2 7 u2 v4 14 u3 v1 16 u3 v3 = = = = = = 2 7 3+ 2+ 5 3 0 0 0 0 0 0 2 3 2 5 3
Por lo tanto, la base optima se mantiene para un rango de variaci on: 2 2, o bien, 8 c13 12.
Pgina 44 de 109
3.3 Incrementos en una Oferta y en una Demanda
Si tanto en alguna oferta si como en alguna demanda d j se produce un aumento de , se mantiene el balanceo del problema. En este caso, se demuestra que: znuevo = zoriginal + ui + vj La expresi on anterior se obtiene a partir de que tanto los u i y los vj equivalen a menos el precio sombra de la restricci on asociada a cada origen i o destino j segu n corresponda. Por ejemplo, si la oferta de la Planta 1 y la demanda de la Ciudad 2 crece en una unidad, se tiene: znuevo = 1020 + 1 0 + 1 6 = 1026 Una vez definido el nuevo valor de la funci on objetivo, es importante determinar como cambian los valores de las variables. Para ello se siguen las siguientes reglas: 1. Si xij es una variable b asica, xij se incrementa en . 2. Si xij es una variable no b asica, se debe encontrar el loop que contenga a x ij y algunas de las variables basales. Encontrar la primera celda de la fila i (distinta de xij ) y aumentar su valor en . Continuar el loop, incrementando y disminuyendo en en forma alternada. Para ilustrar la primera situaci on, supongamos que s1 y d2 aumentan en 2. Como x12 es una variable basal, el nuevo tableau o ptimo queda: v1 = 6 8 u1 = 0 u2 = 3 u3 = 3 45 9 45 14 v2 = 6 6 12 12 9 10 22 v3 = 10 10 25 13 5 16 30 v4 = 2 9 37 7 50 5 30 30 40
El nuevo valor de la funci on objetivo es: 1020 + 2u1 + 2v2 = 1032 Para ilustrar la segunda situaci on, supongamos que s1 y d1 aumentan en 1. Como x11 es una variable no basal, debemos determinar el loop que incorpora a la celda (1, 1). En este caso, el loop es (1, 1) (1, 3) (2, 3) (2, 1). La primera celda del loop que est a en la fila i distinta de (1, 1) es (1, 3). Entonces, se debe agregar a x13 . Continuando con el loop, se debe disminuir en x 23 y volver a aumentar en a x21 . El nuevo tableau optimo se muestra a continuaci on: v1 = 6 8 u1 = 0 u2 = 3 u3 = 3 46 9 46 14 v2 = 6 6 10 12 9 10 20 v3 = 10 10 26 13 4 16 30 v4 = 2 9 36 7 50 5 30 30 40
El nuevo valor de la funci on objetivo es: 1020 + u 1 + v1 = 1026.
Pgina 45 de 109
El Problema de Transbordo
Un problema de transporte permite s olo env os directamente desde los puntos de origen a los puntos de demanda. En muchas situaciones, sin embargo, existe la posibilidad de hacer env os a trav es de puntos intermedios (puntos de transbordo). En este caso se habla de un problema de transbordo. A continuaci on veremos como la soluci on a de problema de transbordo puede ser encontrada a trav es de un problema de transporte. Definiremos los puntos de oferta como aquellos puntos desde donde s olo se puede despachar unidades. Similarmente, un punto de demanda es un punto donde s olo se pueden recibir unidades. Un punto de transbordo es punto que puede recibir y enviar unidades a otros puntos. Veamos un ejemplo: Ejemplo 2. Una fabrica posee dos plantas de manufactura, una en Memphis y otra en Denver. La planta de Memphis puede producir hasta 150 unidades al d a, la de Denver hasta 200 unidades al d a. Los productos son enviados por avion a Los Angeles y Boston. En ambas ciudades, se requieren 130 unidades diarias. Existe una posibilidad de reducir costos enviando algunos productos en primer lugar a New York o a Chicago y luego a sus destinos finales. Los costos unitarios de cada tramo factible se ilustran en la siguiente tabla: Hacia Desde Memphis Denver N.Y. Chicago L.A. Boston Memphis 0 8 13 25 28 Denver 0 15 12 26 25 N.Y. 0 6 16 17 Chicago 6 0 14 16 L.A. 0 Boston 0 La fabrica desea satisfacer la demanda minimizando el costo total de env o. En este problema, Memphis y Denver son puntos de oferta de 150 y 200 unidades respectivamente. New York y Chicago son puntos de transbordo. Los Angeles y Boston son puntos de demanda de 130 unidades cada uno. Esquem aticamente, la situaci on es la siguiente:
Memphis New York
Los Angeles
Chicago Denver Boston
A continuaci on construiremos un problema de transporte balanceado a partir del problema de transbordo. Para ello podemos seguir los siguientes pasos (suponiendo que la oferta excede a la demanda): Paso 1 Si es necasario, se debe agregar un punto de demanda dummy (con oferta 0 y demanda igual al excedente) para balancear el problema. Los costos de env o al punto dummy deben ser cero. Sea s la oferta total disponible. Paso 2 Construir un tableau de transporte siguiendo las siguientes reglas:
Pgina 46 de 109
Incluir una fila por cada punto de oferta y de transbordo. Incluir una columna por cada punto de demanda y de transbordo. Cada punto i de oferta debe poseer una oferta igual a su oferta original s i . Cada punto de demanda j debe poseer una demanda igual a su demanda original d j . Cada punto de transbordo debe tener una oferta igual a su oferta original + s y una demanda igual a su demanda original + s. Como de antemano no se conoce la cantidad que transitara por cada punto de transbordo, la idea es asegurar que no se exceda su capacidad. Se agrega s a la oferta y a la demanda del punto de transbordo para no desbalancear el tableau. En el ejemplo, s = 150 + 200 = 350. La demanda total es 130 + 130 = 260. Luego, el punto dummy debe tener una demanda de 350 260 = 90. Como en el ejemplo los puntos de transbordo no tienen ni demanda ni oferta por s mismos, la oferta y demanda en el tableau deber ser igual a s. Una vez planteado el tableau, se pueden emplear los m etodos vistos anteriormente para obtener una soluci on inicial factible y obtener la soluci on optima. En este caso el tableau queda (inclu da la soluci on optima): N.Y. 8 Memphis 130 15 Denver 0 N.Y. 220 6 Chicago Demanda 350 350 350 130 130 90 0 6 16 130 14 12 26 25 130 17 Chicago 13 L.A. 25 Boston 28 Dummy 0 20 0 70 0 350 16 0 350 200 Oferta 150
Para interpretar la soluci on anterior, es preciso revisar cuidadosamente las combinaciones asignadas. De la primera fila, vemos que de Memphis s olo se despacharon 130 unidades a New York del total de 150 disponibles, el excedente de 20 unidades est a asignado al punto artificial. De la segunda fila se desprende que de Denver se enviaron 130 unidades a Boston del total de 200 disponibles, quedando 70 asignadas al punto dummy. En la tercera fila vemos que se enviaron desde el punto de transbordo en New York 130 unidades a Los Angeles. La asignaci on de 220 de N.Y. a N.Y. significa que del total de unidades en tr ansito, 220 no pasaron por dicho nodo de transbordo, o bien, que no se emplearon 220 unidades de la capacidad del punto. Finalmente, en la cuarta fila, la asignaci on de 350 del punto de transbordo de Chicago a Chicago representa simplemente que no se emple o el punto de transbordo. Gr aficamente, la soluci on optima resulta: Memphis New York Los Angeles
Chicago Denver 130 Boston
Pgina 47 de 109
5 Ejercicios
1. Una f abrica de zapatos predice las siguientes demandas por sus pares de zapatos para los pr oximos 6 meses: mes 1, 200; mes 2, 260; mes 3, 240; mes 4, 340; mes 5, 190; mes 6, 150. El costo de fabricar una par de zapatos es de US$ 7 con horas normales de trabajo y de US$ 11 con horas de sobretiempo. Durante cada mes, la producci on en horario normal est a limitada a 200 pares de zapatos y la producci on con sobretiempo est a limitada a 100 pares. Guardar un par de zapatos en inventario cuesta US $ 1 por mes. Formule un modelo que permita obtener una soluci on optima. Determine una soluci on factible y verifique si es la soluci on optima. 2. Debido a las fuertes lluvias de los u ltimos d as en el sur, la empresa stop-lluvia, dedicada al rubro de los paraguas, ha visto un aumento en la demanda de sus productos. Los paraguas se arman en dos plantas, segu n la siguiente tabla: Planta A B Capacidad de producci on [paragua] 2600 1800 Costo de producci on [US$/paragua] 2300 2500
Cuatro cadenas de multitiendas est an interesadas en adquirir los paraguas, con las siguientes caracter sticas: Cadena 1 2 3 4 M axima demanda [paragua] 1800 2100 550 1750 Precio dispuesto a pagar [US$/paragua] 3900 3700 4000 3600
El costo de traslado a cada tienda (fijo) se muestra en la siguiente tabla: Costo Fijo [US$] A B 1 600 1200 2 800 400 3 1100 800 4 900 500
Determinar la mejor decisi on de entrega, para la empresa productora de paraguas. Si todas las tiendas acuerdan pagar lo mismo por cada paragua, plantee el problema desde el punto de vista de la minimizaci on de lo que deja de ganar por no elegir lo que m as conviene. Cu al ser a la mejor asignaci on si el costo de traslado desde ambas plantas es el mismo para todas las tiendas ? 3. Se desataron tres incendios en Santiago. Los incendios 1 y 2 requieren de la participaci on de dos carros bomba y el incendio 3 requierre tres carros bombas. Existen cuatro compan as de bomberos que pueden responder a estos incendios. La compan a 1 tiene tres carros bombas disponibles, las compan as 2 y 3 tienen dos carros bombas cada una y la compan a 4 tiene doce carros bombas disponibles. El tiempo en minutos que toma un carro bomba en viajar desde cada compan a al lugar de cada incendio se muestra en la siguiente tabla: Compan a Compan a Compan a Compan a 1 2 3 4 Incendio 1 6 5 6 7 Incendio 2 7 8 9 10 Incendio 3 9 11 10 12
Pgina 48 de 109
El costo de respuesta a cada incendio puede ser estimado segu n el tiempo que tardan en llegar al lugar de incendio cada uno de los carros bombas requeridos. Sea Tij el tiempo (en minutos) cuando el j esimo carro bomba llega al incendio i. Luego, el costo de respuesta a cada incendio se puede estimar de la siguiente manera: Incendio 1: 4 T11 + 6 T12 Incendio 2: 7 T21 + 3 T22 Incendio 3: 9 T31 + 8 T32 + 5 T33 (a) Formule y resuelva el problema que minimice los costos de respuesta asociados a la asignaci on de los carros bombas a los incendios. (b) Podr a ser v alido lo obtenido anteriormente si el costo del incendio 1 fuese 6 T 11 + 4 T12 ? 4. Usted ha sido encargado de disen ar un plan de producci on ventajoso para una empresa durante las 4 estaciones del an o. Esta empresa tiene una capacidad de producci on para manufacturar 30000 unidades de un producto no perecible en Primavera y Oton o de este an o. Debido a enfermedades, vacaciones y permisos, la producci on ser a s olo de 25000 unidades en Verano e Invierno. La demanda por este producto tambi e es estacional. El Departamento de Marketing has estimado las ventas de Primavera en 25000 unidades, en Verano 40000 unidades, 30000 unidades en Oton o y s olo 15000 unidades en Invierno. Los costos unitarios de producci on han aumentado por la inflaci on y por la influencia de los factores estacionales, los cuales se estiman en U S$80, U S$85, U S$82 y U S$86 en Primavera, Verano, Oton o e Invierno, respectivamente. Cualquier exceso de producci on se puede almacenar a un costo de U S$10 por unidad almacenada durante una estaci on. Una unidad se vende en U S$120, U S$140, U S$125 y U S$105 en Primavera, Verano, Oton o e Invierno, respectivamente. En bodega hab a al comienzo 10000 unidades y al final deben haber 10000 unidades. Cu al es la mayor ganancia para su plan ?
Pgina 49 de 109
MODELO DE INVENTARIOS
Comnmente los inventarios estn relacionados con la mantencin de cantidades suficientes de bienes (insumos, repuestos, etc.), que garanticen una operacin fluida en un sistema o actividad comercial. La forma efectiva de manejar los inventarios es minimizando su impacto adverso, encontrando un punto medio entre la poca reserva y el exceso de reserva. Est actitud prevaleci en los pases industrializados de Occidente, incluso despus de la segunda guerra mundial, cuando Japn instaur con gran xito el sistema (famoso ahora) Just in time, ambiente que requiere un sistema de produccin (casi) sin inventario.
La gestin de inventario preocupa a la mayora de las empresas cualquiera sea el sector de su actividad y dimensin. Por tres factores imperativos: No hacer esperar al cliente. Realizar la produccin a un ritmo regular, aun cuando fluctu la demanda. Comprar los insumos a precios ms bajos. Una buena gestin de los inventarios es definir perfectamente: Mercadera a pedir. Fechas de pedido. Lugar de almacenamiento. La manera de evaluar el nivel de stock. Modo de reaprovisionamiento.
Sistema de reaprovisionamiento
PERIODO Fijo Variable Fijo Variable
CANTIDAD Fijo Fijo Variable Variable

Pgina 50 de 109
Reglas de Gestin. Cundo y como pedir. 1. Cuando es necesario el reaprovisionamiento del inventario; a fecha fija o fecha variable, segn el nivel de stock. 2. Cuando es necesario pedir por cantidades fijas o variables segn el nivel de stock.
JIT es una concepcin tendiente a eliminar los inventarios, mediante mejoras en la calidad y reduccin de desperdicios. JIT considera los inventarios como resultados de deficiencias en los componentes de la produccin, tales como: diseo de productos; control de calidad; seleccin de equipos; administracin del material, etc. Al eliminar estas imperfecciones, el proceso productivo puede equilibrarse y la dependencia del flujo de produccin de los inventarios puede minimizarse o eliminarse. El sistema JIT es muy adecuado para la fabricacin de carcter repetitivo, en consecuencia los requerimientos de las tcnicas tradicionales de control de inventario para otro tipo de procesos productivos o de servicios, continuaran por cierto tiempo. Posicin N3 Autoridad.
En la mayora de las situaciones del mundo real, el manejo de inventario involucra un nmero apreciable de productos que varan en precio, desde aquellos relativamente econmicos hasta los muy costosos. El inventario representa realmente el capital ocioso, es natural que se ejerza un control en aquellos artculos que sean responsables en el incremento en el costo de capital. Empricamente se ha comprobado que un pequeo nmero de productos del inventario son los que suelen incurrir en parte importante del costo del capital, por ende, son los que deben estar sujetos a control ms estricto. ABC es un procedimiento simple que puede ser utilizado para separar los artculos que requieran atencin especial en trminos de control. Pgina 51 de 109
Dicho procedimiento sugiere graficar el porcentaje inventario total contra el artculos en un perodo dado(generalmente un ao) de artculos del
porcentaje del valor monetario total de estos
4.1 Modelo de inventario generalizado.

El objetivo final de cualquier modelo de inventario es dar respuesta preguntas tales como: 1. Qu cantidad de artculos deben pedirse? 2. Cundo deben pedirse? La respuesta a la primera pregunta se expresa en trminos de lo que llamaremos cantidad ptima de pedido (EOQ). Ella representa la cantidad ptima a ordenar cada vez que se realice un pedido y puede variar con el tiempo, dependiendo de la situacin que se considere. La respuesta a la segunda pregunta depender del tipo de sistema de inventarios: a) Si se requiere revisin peridica en intervalos de tiempo iguales, por ejemplo: cada semana, cada mes, etc., el tiempo para adquirir un nuevo pedido, suele coincidir con el inicio de cada intervalo de tiempo. b) Si se requiere revisin contina, el nivel de inventario al cual debe colocarse un nuevo pedido, suele ser especificado como punto para un nuevo pedido. En consecuencia, se puede expresar la solucin del problema general de inventarios como:
Pgina 52 de 109
a) Caso revisin peridica: Recepcin de nuevo pedido de la cantidad especificada por EOQ en intervalos iguales de tiempo. b) Caso revisin contina: Cuando el nivel de inventario llegue al punto para un nuevo pedido, se coloca el pedido, tamao igual al EOQ. El modelo general de inventarios parece ser bastante simple, entonces, porqu existen variedad de modelos que van desde el empleo del simple clculo a refinadas aplicaciones de programacin dinmica y matemtica? La respuesta radica en la demanda: S la demanda del artculo es determinista o probabilstica. de
Una demanda determinista puede ser: a) Esttica (en el sentido que la tasa de consumo permanezca constante durante el transcurso del tiempo. b) dinmica donde la demanda se conoce con certeza, pero vara al perido siguiente. Una demanda probabilstica tiene anlogamente dos clasificaciones: a) Estado estacionario donde la funcin de densidad de probabilidad de la demanda se mantiene sin cambios con el tiempo. b) Estado no estacionaria donde la funcin de densidad de probabilidad vara con el tiempo.
A pesar que el tipo de demanda es el factor principal en e diseo del modelo de inventarios, existen otros factores que tambin pueden influir en la manera como se formula el modelo:
Pgina 53 de 109
1) Demoras en la entrega: al colocar un pedido, puede entregarse inmediatamente o requerir de cierto tiempo. 2) Reabastecimiento del almacn, el abastecimiento del almacn puede ser instantneo (cuando compra de fuentes externas, o uniforme (cuando el producto se fabrica dentro de al organizacin. 3) Horizonte de tiempo, que puede ser finito o infinito. 4) Abastecimiento mltiple: Un sistema de inventario puede tener varios puntos de almacenamiento (en vez de uno). 5) Nmero de artculos: Puede contener ms de un artculo, caso que es de inters, principalmente si existe alguna clase de interaccin entre diferentes artculos.
4.1.2
Modelos deterministas.
Es difcil idear un modelo general de inventarios que tome en cuenta todas las variaciones de los sistemas reales, incluso, aun si puede ser formulado un modelo lo suficientemente general tal vez no sea posible su resolucin analtica, por consiguiente, estos modelos tratan de ser ilustrativos de algunos sistemas de inventarios.
Modelo estocstico de un solo artculo(CPE). Demanda constante con el tiempo, con reabastecimiento instantneo y sin escasez. Demanda ocurre con tasa D(por unidad de tiempo), el nivel ms alto del inventario ocurre cuando se entrega la cantidad ordenada, la demora en la entrega se supone una constante conocida. Mientras ms pequea es la cantidad ordenada, ms frecuente ser la colocacin de nuevos pedidos, sin embargo se reducir el nivel del inventario(promedio) mantenido en la bodega.
Pgina 54 de 109
STOCK
(Unidades)
t0
TIEMPO
Figura N1 Variacin del nivel del Inventario Por otro lado, pedidos de mayor cantidad implica un nivel de inventario mayor, pero colocaciones menos frecuente de pedidos. Ver figura N2.
Baja frecuencia de pedidos Nivel de inventario
Alta frecuencia de pedidos
Tiempo
Figura N2 Diversas frecuencias de pedidos
Pgina 55 de 109
Como existen costos asociados al colocar pedidos y mantencin del inventario en el almacn, la cantidad del artculo se selecciona para permitir un compromiso entre ambos costos. Sea K el costo fijo provocado cada vez que se coloca un pedido y suponga que el costo de mantener una unidad en inventario(por unidad de tiempo) es h, por lo tanto, el costo total por unidad de tiempo CTU (de TCU total cost per unit time) en funcin de Q, se expresa por:
Costo fijo CTU(Q) = Unidad de tiempo +
Costo mantencin inventario Unidad de tiempo
K CTU(Q) = Q/D +h Q/2
Tal como lo muestra la figura N1, la longitud de cada ciclo es: t0 = Q / D Y el inventario promedio es: Q / 2
El valor ptimo de Q se obtiene minimizando CTU(Q) respecto a Q, por consiguiente, suponiendo que Q es una variable continua se deduce:
dCTU(Q) = dQ
KD + Q2
h = 0 2
KD = 2
h Q = Q2
2KD h
Pgina 56 de 109
Cantidad ptima pedida, que tambin se conoce como lote econmico de pedido de Wilson, o cantidad del lote econmico (EOQ).i
Otra forma de expresarlo es la siguiente: Con h = V * C, donde V es el costo promedio unitario, y C es un porcentaje de dicho costo (unitario)por manejar stock. Por ejemplo Sea $24 el costo de realizar un pedido, con una demanda semanal de 120 artculos, el costo de una unidad $100 y los costos de mantener stock un 24%. Determine el EOQ? En la prctica, la mayora de las veces, se tiene un mayor tiempo de fabricacin o de retraso, desde el instante en que se coloca una orden hasta que ella es realmente entregada, en consecuencia, en el modelo la poltica de pedidos debe especificar con claridad en punto de reordenamiento o reposicin, este debe ocurrir cuando queden L unidades de tiempo previo a la entrega, como lo muestra la figura N3.
Nivel de Stock
Puntos de reordenamiento
Tiempo
Figura N3, Puntos de Reordenamiento

Pgina 57 de 109
En general, esta informacin se puede traducir convenientemente para su implantacin prctica especificando solo el nivel de inventario en que se debe volver a pedir. Esto es equivalente a observar continuamente el nivel del inventario hasta que se alcance el punto de reorden (esto hace que en ocasiones se denomina modelo de revisin contina). Tomando el ejemplo anterior, si el tiempo de fabricacin es de 12 das determine el punto de reordenamiento:
Nota: Observe que conforme el sistema se estabiliza(por lo menos dos ciclos), el tiempo de fabricacin L, puede ser tomado siempre menor que t0. Qu sucede cuando existe variabilidad en la demanda y variabilidad en la entrega?, por ejemplo:
DIAS 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
VENTAS EN CAJAS 100 80 70 60 80 90 120 110 100 110 130 120 100 80 90 90 100 140 110 120 70 100 130
Pgina 58 de 109
24 25 110 90
Se debe determinar la desviacin estndar de la demanda. (ver formula N1) Ventas. diarias 60 70 80 90 Media=100 10.000 Frecuencia (f) 1 2 3 4 n=25 Desviacin sobre la Desviacin al 2 media(D) cuadrado (D ) -40 1600 -30 900 -20 400 -10 100 fD2 1600 1800 1200 400 fD2 =
D =
fD2 / (n - 1)
= 20,4 (formula N1)
Tambin es posible que exista variabilidad en los plazos de entrega, en este caso se debe calcular la desviacin estndar combinada. (Ver notas de clases).
Modelo esttico de un solo artculo con distintos precios. Modelos donde el precio unitario de adquisicin depende de la cantidad comprada(rebajas por cantidades). c1 para Q < q (i) Suponga que costo por unidad = c2 para Q q (ii) donde q es la cantidad superior que garantiza la rebaja. Considerando caso (i): Considerando caso (ii): CTU1(Q) = DC1 + (kD/Q) + (h/2)Q CTU2(Q) = DC2 + (kD/Q) + (h/2)Q
Pgina 59 de 109
CT1 Costo CT2
I Qm
II q1
III Unidades
Figura N5, Curvas de Costos con diversos precios.
Sin considerar los efectos del precio por cantidad, el calculo del EOQ es de acuerdo a formula ya vista.
Por lo tanto Qm =
2 KD / h
Cantidad en la cual ocurren los valores mnimos de CTU1 , CTU2

Las funciones de costo CTU1 , CTU2 revelan que la cantidad ptima Q* del pedido depende de en cul zona(I, II, o III) se ubique q, el punto de reduccin en el precio, respecto a las zonas I, II, III que se indican en el grfico. Zonas que estn definidas determinando q1 ( > Q ) a partir de
CTU1(Qm) = CTU2(q1) Como se conoce (Qm), la solucin de la ecuacin producir el valor de q1 , en este caso las zonas se definen como sigue:
zona I
0 <= q < Qm
zona II Qm <= q < q1 zona III q >= q1

Pgina 60 de 109
PRONSTICOS
Introduccin
El pronstico es un proceso de estimacin de un acontecimiento o fenmeno, regularmente econmico en el cual se involucra el tiempo, proyectando hacia el futuro datos del pasado, para realizar una estimacin cuantitativa del comportamiento del fenmeno estudiado hacia el futuro.
La prediccin, previsin o adivinacin, es un proceso de estimacin de un suceso futuro basndose en consideraciones subjetivas diferentes a los simples datos provenientes del pasado; estas consideraciones subjetivas no necesariamente deben combinarse de una manera predeterminada. Es decir, cuando se base en suposiciones subjetivas y no existen datos del pasado, se requiere una prediccin, y de lo contrario, se necesita un pronstico.
Los pronsticos son la base de la planificacin corporativa a largo plazo. El personal de produccin y de operacin utiliza pronsticos para tomar decisiones peridicas con respecto a la seleccin de procesos, a la planificacin de la capacidad, a la planificacin de la produccin, a la programacin de actividades y al inventario.
Tipos de pronsticos
Los pronsticos se pueden clasificar en cuatro tipos bsicos: cualitativos, anlisis de series de tiempo o cuantitativos, relaciones causales y simulacin.
Las tcnicas cualitativas son de carcter subjetivo y se basan en estimaciones y opiniones.
El anlisis de series de tiempo se basa en la idea de que se pueden usar los datos relacionados con la demanda del pasado para realizar pronsticos.
Los pronsticos causales suponen que la demanda esta relacionada con uno o ms factores subyacentes del ambiente.
Pgina 61 de 109
Los modelos de simulacin permiten al pronosticador recorrer una gama de suposiciones sobre la condicin del pronstico.
Modelos comunes para pronsticos cuantitativos
Promedio Mvil Simple Se promedia un periodo que contiene varios puntos de datos, dividiendo la suma de los valores de los puntos entre el nmero de puntos. As, cada punto tiene la misma influencia. Promedio Mvil Ponderado Ciertos puntos se ponderan ms o menos que otros, segn se considere conveniente de acuerdo con la experiencia.
Suavizamiento o suavizacin Exponencial Los puntos de datos ms recientes tienen mayor peso; este peso se reduce exponencialmente cuanto ms antiguos son los datos.
Anlisis de Regresiones Ajusta una lnea recta a datos pasados, por lo general relacionando el valor del dato con el tiempo. El mtodo de ajuste ms comn es el de mnimos cuadrados, permite identificar la tendencia de la serie de tiempo analizada.
Anlisis de series de tiempo
Los modelos de pronstico de series de tiempo tratan de pronosticar el futuro con base a datos pasados.
Los promedios mviles y el suavizamiento exponencial son los mejores y ms fciles de usar para pronsticos a corto plazo: requieren pocos datos y los resultados son de nivel medio. Los modelos a largo plazo son ms complejos, requieren ms datos de entrada y ofrecen mayor precisin. Desde ya, los trminos corto, medio y largo son relativos, dependiendo del contexto en que se apliquen.
Pgina 62 de 109
En los pronsticos empresariales, el corto plazo por lo general se refiere a menos de tres meses; el medio, de tres meses a dos aos; y el largo, a mas de dos aos. En trminos generales, los modelos a corto plazo se ajustan para cambios a corto plazo (como la respuesta de los consumidores ante un nuevo producto).
Los pronsticos a medio plazo son buenos para efectos estacinales y los modelos a largo plazo detectan las tendencias generales y son de utilidad especial para identificar punto de cambios decisivos.
El modelo de pronsticos a escoger depende de lo siguiente:
1. Horizonte de tiempo para el pronstico. 2. Disponibilidad de datos. 3. Precisin requerida. 4. Tamao del presupuesto para pronsticos. 5. Disponibilidad de personal calificado.
Tambin hay que tener en cuenta el grado de flexibilidad de la empresa (si es mayor la capacidad para reaccionar con rapidez ante los cambios, no tiene que ser tan preciso el pronstico)
Promedio Simple
Es un promedio de los datos del pasado en el cual las demandas de todos los perodos anteriores tienen el mismo peso relativo. Se calcula de la siguiente manera: PS = Suma de demandas de todos los perodos anteriores, entre o dividido por K = Nmero de periodos de demanda
Pgina 63 de 109
PS = D1 + D2 +.....+Dk K
Donde: D1= demanda del perodo ms reciente; D2= demanda que ocurri hace dos perodos; Dk= demanda que ocurri hace k perodos.
Promedio Mvil Una media mvil simple combina los datos de demanda de la mayor parte de los periodos recientes, siendo su promedio el pronstico para el siguiente periodo.
Una media mvil simple de n periodos se puede expresar mediante:
MMS = Suma de las demandas anteriores de los ltimos n periodos entre o dividido por N = Nmero de periodos empleados en la media mvil
MMS = Dt = D1 + D2 +.....+ Dn N Donde: t = 1 es el periodo ms antiguo en el promedio de n periodos; t = n es el periodo ms reciente.

Pgina 64 de 109
Suavizamiento o suavizacin Exponencial
Las principales razones de popularidad de las tcnicas de suavizacin son:
1. Los modelos exponenciales tienen una precisin sorprendente. 2. Es muy fcil formular un modelo exponencial. 3. El usuario puede comprender como funciona el modelo. 4. Se requiere muy pocos clculos para usar el modelo. 5. Como se usan datos histricos limitados, son pocos los requisitos de almacenamiento en computadores. 6. Es fcil calcular pruebas para de terminar la precisin del modelo en la practica.
En el mtodo solo se necesitan tres datos: el pronostico ms reciente, la demanda real que se present para ese periodo, y una constante de suavizacin alfa, .
La ecuacin para un pronstico de suavizamiento exponencial simple no es mas que:
Pronstico de la demanda = Ft = F(t 1) + ( A(t-1) F(t-1) )
Donde: Ft = El pronstico suavizado exponencialmente para el periodo t.

Pgina 65 de 109
Ft-1 = El pronstico suavizado exponencialmente para el periodo anterior. At-1 = La demanda real para el periodo anterior. a = La tasa de respuesta deseada, o constante de suavizamiento.
Anlisis de regresin lineal
Se define a la regresin como una relacin funcional entre dos o ms variables correlacionadas y se usa para pronosticar una variable con base en la otra.
En la regresin lineal la relacin entre las variables forma una lnea recta. La lnea de regresin lineal es de forma Y = a + bX, otras formas son Y = aX + b, Y = mX + b donde Y es la variable dependiente que queremos resolver; a es la interseccin de Y; b es la pendiente y X es la variable independiente (en el anlisis de series de tiempo, X representa unidades de tiempo).
Los valores de a y b se obtienen de calcular:
a= n(XtDt) (Xt) (Dt) n(X2t) (Xt)2 b = Dt bXt n
La regresin lineal es til para pronsticos a largo plazo de sucesos importantes.
La restriccin principal para usar los pronsticos de regresin lineal es que, supuestamente, los datos pasados y las proyecciones caen sobre una lnea recta
Pgina 66 de 109
SERGIO GLZ - CARLOS GUERRA Logstica Modelos deterministas
12
Juan Snchez Ramos
Grados o tipos de correlacin:
Para interpretar un coeficiente de correlacin hay que tener en cuenta por un lado su magnitud (relacin entre las variables) y por otro su signo (tipo de relacin).
Regresin: Consiste en predecir o pronosticar los valores de una variable Y conociendo los valores de otra variable X.La regresin se identifica con una lnea recta que se dibuja a travs del diagrama de
Pgina 67 de 109
dispersin.
FRMULA PARA ENCONTRAR EL COEFICIENTE DE CORRELACIN
FRMULAS PARA LA REGRESIN
Pgina 68 de 109
EJEMPLO DE REGRESIN Y CORRELACIN UTILIZANDO MICROSOFT EXCEL 2007

A continuacin se presentan las ventas trimestrales en miles de dlares de diez restaurantes localizados cerca de una Universidad y la poblacin estudiantil en miles que acude a dichos restaurantes:
Calcule el coeficiente de correlacin, elabore la ecuacin de la regresin y pronostique las ventas trimestrales para una poblacin estudiantil de 10 Pasos: 1. Encontrar el coeficiente de correlacin a. Situe el cursor en la celda donde desea que Excel proporcione el resultado.
b. Seleccione el men frmulas y click en insertar funcin
Pgina 69 de 109
c. Seleccione la categora de estadsticas y posteriormente COEF.DE.CORREL presione aceptar
d.En la matriz 1 elija la columna "x" y en la matriz 2 la columna "y" click en aceptar
Pgina 70 de 109
2. Encontrar los valores de la ecuacin de regresin. a. Situe el cursor donde desea que aparezcan los valores.
Pgina 71 de 109
b. Agregue las herramientas de anlisis de excel si no las tiene activas para ello: situe el cursor en la parte superior de los menus, click derecho, elegir personalizar barra de herramientas de acceso rpido
c. Elegir Complementos, en la parte inferior elija complementos de excel ir a
Pgina 72 de 109
d. Elija herramientas para anlisis y click en aceptar.
Pgina 73 de 109
e. Click en anlisis de datos, a continuacin elija regresin y click en aceptar
f. En rango y de entrada elija la columna de datos "y" y en rango x de entrada elija la columna de datos "x" en rango de salida elija la celda donde desea el resultado y haga click en aceptar.
Pgina 74 de 109
g. En la imagen puede observar que obtuvo el valor de la correlacin y los valores de las variables b0 y b1 para la ecuacin de la regresin lineal en este caso los valores son: 60 y 5 respectivamente.
3. Pronostique para cada poblacin estudiantil incluyendo la solicitada que es 10.
Pgina 75 de 109
4. Realice la grfica tomando en cuenta las ventas trimestrales y el valor estimado (pronstico)
EJEMPLO DE MTODOS DE SUAVIZACIN

A continuacin se le presentan las ventas en miles de galones de gasolina para una empresa, los resultados contabilizados son para 12 semanas:
Pgina 76 de 109
Se le solicita: 1) Realizar un promedio mvil tomando 3 semanas como referencia. 2) Realizar un promedio mvil ponderado asignandole un peso de 3 al dato mas reciente, 2 al siguiente y 1 al anterior. 3) Realizar un promedio de suavizado exponencial usando 0.2 como valor de alfa. 4) Determinar el error cuadrado medio para cada mtodo con el fin de determinar el ms confiable. 5) Graficar cada uno de los pronsticos.
PROMEDIO MVIL
Lo que se realizo fue un promedio de las tres anteriores semanas (17+21+19)/3=19 para calcular la cuarta semana y asi sucesivamente hasta la doceava semana. Para calcular el error de pronstico basta con restar el valor de las ventas - pronstico.
Pgina 77 de 109
El error de pronstico al cuadrado consiste en elevar cada dato del error de pronstico al cuadrado. Para determinar el error cuadrado medio se realiza la sumatoria total del pronstico al cuadrado dividido dentro del nmero de datos es decir 92/9 = 10.22
PROMEDIO MVIL PONDERADO
Para calcular el promedio movil ponderado se multiplican cada uno de los pesos asignados en este caso: 3,2 y 1 por las ventas y el resultado se divide dentro de la sumatoria de cada uno de los pesos (vea la barra de formulas en la imagen)
SUAVIZADO EXPONENCIAL
Pgina 78 de 109
Para calcular un pronstico de suavizado exponencial es necesario tomar en cuenta el valor de alfa que para este caso es 0.2 La particularidad de este mtodo es que siempre empieza en la segunda posicin y alli se coloca el primer dato de las ventas que es 17. Para el resto de pronsticos (semana 3 en adelante)el clculo es:(valor de alfa 0.2 * ventas de la semana anterior 17) + (el complemento de alfa 0.8 * el suavizado exponencial anterior 17) = 17.80 y asi sucesivamente
GRFICA UNIFICADA DE LOS PRONSTICOS
Pgina 79 de 109
De lo anterior se deduce que el mtodo mas confiable es el de suavizacion exponencial porque tiene el menor error y se observa en la grafica con la lnea de color purpura
EJEMPLO DE TENDENCIA Y DESESTACIONALIZACION

A continuacin se le presentan las ventas de cuatro aos de una empresa que vende televisores:
Se le solicita: 1)Desestacionalizar las ventas y brindar un pronstico de venta de televisores para el quinto ao. PASOS
Pgina 80 de 109
1) Calcular el promedio mvil. Se toman en cuenta los datos del ao 1 y los cuatro trimestes para el primer promedio (4.8+4.1+6+6.5)/4=5.35, para el segundo promedio se toma las ventas del segundo trimestre del primer ao hasta las ventas del primer trimestre del segundo ao (4.1+6+6.5+5.8)/4=5.6 y asi sucesivamente
2. Calcular el promedio mvil centrado Para este caso se agrupan los pronosticos de dos en dos y se realiza un promedio de ambos por ejemplo para el primer y segundo promedio centrado sera: (5.35+5.6)/2=5.475 (5.6+5.875)/2=5.7375 Y asi sucesivamente hasta terminar la serie.
Pgina 81 de 109
3. Determinar el valor estacional irregular Se divide cada una de las ventas dentro del promedio movil centrado para el primer y segundo ndice sera: (6/5.475)=1.096 (6.5/5.7375)=1.133 Y as sucesivamente hasta terminar la serie.
Pgina 82 de 109
4. Calcular el ndice estacional Para determinar los ndices estacionales de la serie se toma en cuenta los valores estacionales irregulares de cada uno de los trimestres y se realiza un promedio: Trimestre 3 (1.096+1.075+1.109)/3=1.09 Trimestre 4 (1.133+1.156+1.141)/3=1.14 Trimestre 1 (0.971+0.918+0.908)/3=0.93 Trimestre 2 (0.840+0.839+0.834)/3=0.84
Pgina 83 de 109
5. Desestacionalizar las ventas Para ello se divide las ventas dentro del ndice estacional: 4.8/0.93=5.16 4.1/0.84=4.88 Asi sucesivamente hasta terminar la serie
Pgina 84 de 109
6. Realizar el pronstico para el quinto ao Para ello se calculan los valores de la ecuacin de la regresin lineal (vese el tema de regresin) y se efectua el pronstico para cada trimestre en este caso la ecuacin quedara de la siguiente forma: Y=5.1+0.15x
Pgina 85 de 109
Pgina 86 de 109
7. Efectuar la grfica de las ventas desestacionalizadas
Pgina 87 de 109
Pgina 88 de 109
Pgina 89 de 109
Diseo de Proyectos con MS Project
Pgina 90 de 109
ADMINISTRACIN DE PROYECTOS
1.1. Introduccin
La administracin de proyectos conssste en planificar, organizar y administrar las tareas y recursos necesarios para llevar a cabo un objetivo definido, normalmente con limitacin de tiempo y costos. Un plan puede ser desde algo tan simple como escribir en un bloc de notas una llsta de tareas con sus fechas previstas de comienzo y fin hasta alggo ms complejo formado por miles de tareas y recursos con un alto presupuesto. La mayora de planes de proyectos comparten partes comunes como la dvsn del proyecto en partes ms simples y por tanto de ms fcil manee o, la programacin de las tareas y el seguimiento del progreso del trabaao. A la hora de planificar un proyecto existen una serie de preguntas que debemos responder: Qu hay que hacer?, quin o qu realizara una tarea?, para cuando estar realizada?, qu sucede si el trabaao no se termina a tiempo? Normalmente, la administracin de proyectos esta compuesta por tres fases: Planificacin del proyecto y creacin de una programacin: Esta es la fase ms importante de la administracin de proyectos. Incluye la definicin de las tareas y sus duraciones, el establecimiento de relaciones entre tareas y la asignacin de los recursos de que se dispone. Todas las fases posteriores del proyecto se basan directamente en la informacin que se les proporciona en esta primera. Adaptacin a los cambios: Esta fase comienza una vez que se haya creado una planificacin y concluye cuando el proyecto ha finalizado. En esta fase se realiza un seguimiento y aauste de la programacin para que ref^e los cambios que se hallan producido a lo largo del desarrollo del proyecto. Comunicacin de la informacin del proyecto: Esta fase conssste en notificar las partes del proyecto a los cllentes al personal y a la administracin.
Modelos en la administracin de proyectos

Existen dos mtodos que han sido utilizados en la planificacin temporal de proyectos, estos son la tcnica de evaluacin y revisin de programas (Program Evaluation and Review Technique, PERT) y el mtodo del camino crtico (Critical Path Method, CPM o MCC). Mtodo del camino crtico: El proceso de informatizacin de la administracin de proyectos se inicio en la dcada de los 50. DuPont Corporation y Remington Rand, en un esfuerzo por mee orar las tcnicas de programacin de proyectos, desarrollaron este sstema de programacin. Se trata de un modelo matemtico que calcula la duracin total de un proyecto basndose en la duracin de cada tarea en particular y en sus dependencias, y que identifica qu tareas son crticas, es decir, que tareas deben terminarse a tiempo para que el proyecto se acabe a tiempo. Para la
Pgina 91 de 109
representacin grfica de este mtodo de planificacin temporal se utilizan los diagramas de Gantt (en honor a su inventor), que muestran las actividades a realizar a lo largo de una escala de tiempo.
Figura 1.- Diagrama de Gantt.
PERT (Tcnica de evaluacin y revisin de programas): Lockheed desarrollo en los aos 50 para un proyecto de la Marina de los Estados Unidos de Amrica este sstema que utiliza probabilidades estadsticas para calcular las duraciones previstas. Hoy en da un diagrama PERT hace referencia a la representacin grfica de las relaciones entre tareas. Tanto PERT como MCC proporcionan herramientas cuantitativas que permiten al planiffcador del software: determinar el camino crtico (la secuencia de tareas que determinan la duracin total del proyecto); establecer las estimaciones de tiempo ms probables para las tareas individuales con la aplicacin de modelos estadsticos y calcular los lmites de tiempo que definen una "ventana temporal" para cada tarea individual. Este ltimo punto puede ser muy til en la planificacin del proyecto. Un descuido en el diseo de una funcin, por eeemplo, puede retrasar el desarrollo de otras funciones posteriores.
Pgina 92 de 109
E77. GESTIN DE RECURSOS DE INFORMACIN Prctica Project 1
Figura 2.- Diagrama PERT
Los limites de tiempo ms importantes que pueden obtenerse de una red PERT o MCC son: Lo ms pronto que se puede empezar una tarea cuando todas las tareas precedentes se terminan en el mnimo tiempo posible. Lo ms tarde que se puede iniciar una tarea sn que se retrase el tiempo mnimo de finalizacin del proyecto. El final ms temprano (la suma del comienzo ms temprano y la duracin de la tarea). El final ms tardo (El comienzo ms tardo sumado a la duracin de la tarea). El margen total (La cantidad de tiempo sobrante o margen permitido en la planificacin de tareas, de forma que el camino de la red se mantenga dentro de la agenda. Los clculos de los lmites de tiempo llevan a la determinacin del camino crtico y proporcionan un mtodo cuantitativo para la evaluacin del progreso a medida que se van terminando las tareas. Pgina 93 de 109
El proceso de administracin de proyectos

En la planificacin de un proyecto existen una serie de actividades clave que son las que a continuacin se detallan: . Creacin de una programacin Esta es la primera fase en el desarrollo de un proyecto y aqu se deben evaluar y definir todas aquellas tareas en que se puede dividir y cul es el tiempo que debe ocupar cada una de ellas. En esta fase se deben describir cules son las relaciones y dependencias entre las tareas que forman el proyecto, es decir, qu tareas se deben comenzar antes, cules deben esperar a que otras finalicen, qu tareas deben comenzar al mismo tiempo, etc. Asignacin de recursos Aunque es posible crear una programacin sn asignar recursos a las tareas, normalmente es deseable programar que recursos (personal o equipos) van a realizar los diferentes trabaaos del proyecto. El costo es uno de los aspectos ms importantes en la programacin y control de un proyecto. Las consideraciones de costos determinan muchas veces la rapidez con que se llevan a cabo las tareas y como se emplean los recursos. En algunos casos, el xito o fracaso de un proyecto se mide en funcin de la desviacin entre los costos previstos y los costos finales. Una vez asignados los costes de los diferentes recursos es posible desarrollar escenarios de costos del tipo "que pasara si", mediante el aauste de recursos y la posterior revisn del efecto de los cambios en los costos de la programacin, es posible calcular el coste de completar una tarea, etc. Evaluacin y ajuste de la programacin Una vez creada una programacin se debe analizar, evaluar y aaustar para que se adapte a nuestras necesidades. Por eeemplo, si la fecha de finalizacin no satisface nuestras previsiones, se debe modificar la secuencia y/o duracin de las tareas as como los recursos asiggnados para que se aausten a los obetivos deseados y recalcular una nueva programacin. Tambin se deben utilizar diversas estrategias para reducir la longitud de las tareas, buscar y resolver recursos sobreasiggnados y reducir los costes del proyecto. Comunicacin de la informacin del proyecto Como ya se ha mencionado esta es una fase importante y se desarrolla a lo largo de todo el proyecto y conssste en comunicar a las diferentes partes involucradas cual es la evolucin, el estado actual y las previsiones del proyecto.
Pgina 94 de 109
. Seguimiento del progreso La prctica demuestra que hasta los mee ores planes cambian una vez comenzado un trabaao, de ah que se deba realizar un estrecho seguimiento acerca del progreso de las tareas para poder comparar el estado actual de cada una de ellas con las previsiones realizadas y as estudiar como afectan estos cambios a la programadn global, ver si existe algguna tarea que se ha convertido en una tarea crtica y esta retrasando todo el proyecto, etc.
Creacin de una programacin con Microsoft Prooect 2000

La programacin de un proyecto conssste en la llsta de tareas o actividades que se desean llevar a cabo y la cantidad de tiempo o duracin que precisar cada tarea. Microsoft Prooect utiliza las tareas, duraciones y dems informacin como fechas y lmites, para construir la programacin y proporcionar un modelo realista del proyecto que se est administrando. Creacin de una nueva programacin El primer paso conssste en abrir un nuevo archivo e introducir la fecha de comienzo o fin del proyecto, as como el resto de la informacin general del proyecto. Para ello deberemos seleccionar la opcin Nuevo del men Archivo. Normalmente introduciremos la fecha de inicio y dee aremos que se calcule automticamente la fecha de fin, aunque puede realizarse al revs. Se pueden ver ms detalles sobre el proyecto seleccionando la ficha Estadsticas. La informacin almacenada en el resumen del proyecto se puede modificar en cualquier momento si han existido cambios de planes. Introducir informacin clave del proyecto Cada proyecto se compone de un conjunto nico de elementos: las tareas que conlleva, las personas que las realizan y los obetivos del proyecto. Como ayuda para recordar y comunicar los detalles importantes, introduce informacin sobre el proyecto y consltalo cuando sea necesario. Para ello, en el men Archivo, haz clic en Propiedades y, a continuacin, en la ficha Resumen. Ah puedes escribir la informacin que desees acerca del proyecto, por eeemplo, las personas que lo administrarn y que se encargarn del mantenimiento del archivo de proyecto, el obetivo del proyecto, las limitaciones que pueden dificultar el logro de ese obetivo y otras notas de tipo general relativas al proyecto. Se puede cambiar la informacin del proyecto en cualquier momento haciendo clic en Informacin del proyecto en el men Proyecto. Ejercicio 1: Crea y graba la informacin clave de un nuevo proyecto denominado (INFOR) (Anexo 1) que tendr como obetivo la implantacin de un nuevo sstema informatico en una administracin publica.
Pgina 95 de 109
14.2. Introduccin de tareas En estos momentos, ya estamos preparados para introducir las tareas en la programacin. De esta forma identificamos los trabaaos que se deben realizar a lo largo del proyecto. La duracin de las tareas se puede establecer en minutos, horas, das o semanas. En estas duraciones no se tienen en cuenta los das no laborables (en base a un calendario establecido); si queremos establecer una duracin continuada, deberemos establecer duraciones transcurridas que tienen en cuenta los das festivos.
Figura 3.- Formulario de tareas de MS Prooect.
Para introducir una tarea simplemente seleccionaremos una fila que este libre y en el campo nombre de tarea escribiremos el nombre que la identifica, automticamente se le asiggnar una duracin de un da. En el campo Duracin, escribe la cantidad de tiempo que llevar cada tarea en meses, semanas, das, horas o minutos, sn contar los perodos no laborables. Puedes utilizar las abreviaturas siguientes: meses = me, semanas = s, das = d, horas = h, minutos = m. Nota: Para mostrar una duracin estimada, escribe un siggno de interrogacin despus de la duracin. Este proceso lo repetiremos para cada una de las tareas que queramos programar. Tambin es posible definir hitos que no son ms que una tarea con duracin nula y que se utilizan para identificar sucesos significativos de la programacin (en el campo Duracin, escribe 0d). El smbolo utilizado por defecto para definir hitos es diferente al de las tareas.
Pgina 96 de 109
Nombre de tarea '94 | 2 ene '95 V|D|M|J|S|L|M|V|D|M|J|S|L|M|V|D|M|J|S|L|M|V|[ 23 ene '95 | 39 ene '95 6feb'95 ~| Investigacin y desarrollo Inventario de material Acordar prestamos con otros musei Recoger Donaciones Fin de la Investigacin 13d 4,5d 3d 4d Od Antonio, lnuestigador;Juan, Archivero Antonio^ InuestigadorjRosa, Encargada de donaciones [ " 419V1 Rusa, Encrgada de donaciones
Figura 4: Tareas e hitos en Project.
Si a lo largo del proyecto existe alguna tarea que se repite varias veces, podemos definirla fcilmente como una tarea repetitiva. Se puede establecer una tarea diaria, semanal, mensual o anual. Tambin se puede definir la duracin de la aparicin. Despus de seleccionar la fila, donde queremos establecer una tarea repetitiva seleccionaremos la opcin Insertar tarea repetitiva del men Insertar. Aparecer un cuadro de dialogo como el que se muestra donde podremos definir las caractersticas de la tarea.
Informacin de tarea repetitiva
Esto sucede Diariamente Semanalmente Mensualmente Anualmente
Semanalmente
cada semana(s)
r lun [2] r mar [3J T mi [4] r ue [5] T vie (GJ T sb (7J T dom QJ
Ayuda Plazo Desde: 2/01/95 Hasta:
119/01/95 O Para:
Pgina 97 de 109
Figura 5: Cuadro de dialogo de tareas repetitivas.
Para establecer o modificar la duracin de una tarea simplemente pondremos el nuevo valor en el campo duracin. Tambin se puede modificar la duracin de una tarea mediante el ratn situndolo en el margen derecho de la barra de Gantt que queremos cambiar y arrastrndolo hasta la fecha de ff n deseada. Tambin es posible especificar la duracin de una tarea indicando en las columnas correspondientes su fecha de inicio y su fecha de finalizacin. Las abreviaturas que se pueden utilizar para definir la duracin de las tareas son: min. para minutos, h. para horas d. para das y s. para semanas. Para especificar la duracin transcurrida se aade una t detrs de la abreviatura de duracin, este tipo de duracin incluye los fines de semana y das no laborables. Esquematizacin de tareas La utilizacin de una programacin en forma de esquema facilita la administracin del proyecto. Para ello debemos identificar las tareas principales del
Pgina 98 de 109
mismo que denominaremos tareas resumen y que incluyen una serie de subtareas. A su vez cada una de estas subtareas puede ser una tarea resumen que englobe otras subtareas. La esquematizacin de tareas permite: Organizar las tareas en estructuras jerrquicas definiendo subtareas y tareas resumen. Identificar claramente las fases del proyecto mediante dicha tareas resumen. Construir la programacin mediante el mtodo de divisin tcnica (Introducir las tareas resumen en primer lugar y despus las subtareas) o mediante un enfoque inverso de la programacin (introducir las tareas en primer lugar). Crear informes con diversos grados de agrupamiento y detalle. Mostrar el proyecto mediante un sstema de numeracin denominado estructura de descomposicin del trabajo. Se trata de una tcnica de programacin y seguimiento de costos que utiliza identificadores de tareas. Las tareas pueden ser degradadas (cuando se pasan a un nivel inferior dentro del esquema) o promocionadas (cuando pasan a un nivel superior dentro del esquema). Una vez introducidas todas las tareas que forman un proyecto es muy fcil esquematizar la programacin seleccionando las subtareas (deben estar escritas a continuacin de la tarea resumen) y pinchando el botn H. Tambin se puede realizar esta tarea mediante el ratn situndose en la primera letra del nombre de la tarea y cuando el cursor se transforme en una doble flecha arrastrado hacia la derecha. Para promocionar una tarea se hace del mismo modo pero con el botn H o con el ratn arrastrando hacia la izquierda. Modificar una lista de tareas Cuando crees una llsta de tareas, probablemente desees dividir tareas grandes en tareas ms pequeas y reorganizarlas. Tal vez desees copiar, eliminar o mover tareas en el proyecto. Tambin puedes reorganizar fcilmente las fases de un proyecto en una programacin esquematizada. Cuando se mueve o elimina una tarea de resumen, las subtareas asociadas tambin se mueven o eliminan. Para ello, en el campo de identificacin (el campo situado ms a la izquierda), selecciona la tarea que desees copiar, mover o eliminar. Para seleccionar una fila., haz clic en el identificador de la tarea. Para seleccionar un grupo de filas adyacentes, presione la tecla MAYUS y haga clic en el primero y en el ltimo nmero de identificacin del grupo. Para copiar la tarea, haz clic en Copiar. Para mover la tarea, haz clic en Cortar. Para eliminar una tarea, presiona SUPRIMIR. o seleccionar la opcin Eliminar una tarea del men Edicin. Es posible recuperar una tarea eliminada, inmediatamente despus de su eliminacin, mediante el botn deshacer
(0) o con la opcin del mismo
Pgina 99 de 109
nombre en el men Edicin. Si se elimina una tarea resumen tambin sern eliminadas las subtareas que contiene. Nota: El botn de la barra de herramientas que deseas puede estar oculto temporalmente. Quiz no aparezca por falta de espacio para mostrar todos los botones. Haz clic en Ms botones (la doble flecha de la esquina superior derecha) y elige el botn que desees. Sugerencia: Para agregar una nueva tarea entre tareas existentes, haz clic en el nmero de identificacin de la tarea y presiona la tecla INSERTAR. Despus de insertar una tarea nueva, las tareas se vuelven a numerar automticamente. Tambin es posible ordenar y desplazar las tareas una vez introducidas para reorganizar la programacin. Al desplazar una tarea de resumen, sus correspondientes subtareas se desplazarn con ella. Para ordenar una programacin se debe seleccionar la opcin Ordenar en el men Proyecto. Microsoft Prooect nos ofrece los ordenes ms habituales, si ninguno de ellos se adapta a nuestras necesidades podemos seleccionar cualquier otro con la opcin ordenar por ... que nos muestra el cuadro de dialogo de la Figura 6. En ella puede verse como es posible ordenar segn diferentes campos y siguiendo un segundo criterio) en caso de coincidencia del primero, e incluso de un tercero.
Ordenar
Primer criterio Duracin * | Ascendente Segundo criterio Trabajo restante
O Descendente
| | C Ascendente (1 i Descendente
Tercer criterio
| | ( Ascendente
O Descendente
_
f R enumerar tareas permanentemente |x Guardar la estructura del esquema Ordenar Cancelar Restablecer Ayuda
Figura 6: Cuadro de dialogo Ordenar
Tambin es posible mover tareas dentro del esquema con las opciones Cortar tarea y Copiar Tarea del men Edicin seleccionando previamente las tareas a mover o copiar. Con esto movemos al portapapeles la informacin de las tareas seleccionadas, ahora con la opcin pegar podemos ponerlas en la parte del programa que deseemos. Otra facilidad que nos ofrece el Prooect es la de contraer o expandir los esquemas de forma que podemos ocultar o mostrar respectivamente las subtareas del mismo. Para contraer un esquema seleccionaremos la parte del mismo a contraer pulsaremos el botn Q. Para expandir un esquema se acta del mismo modo pero esta vez con la opcin
Pgina 100 de 109

Mostrar subtareas o con el botn il. Es posible contraer o expandir una tarea resumen haciendo doble clic sobre ella. Para visualizar todo el esquema totalmente expandido pulsaremos el botn en la barra de herramientas.
El calendario de trabajo El calendario del proyecto define los das y horas laborables de todo el proyecto. El calendario del proyecto por defecto presenta la siguiente conFiguracin: Das Laborables: de lunes a Viernes. Horas laborables: de 8:00 a 12:00 y de 13:00 a 17:00. Si deseamos cambiar estos valores debemos seleccionar la opcin Cambiar calendario laboral en el men Herramientas. Aqu podemos especificar un horario regular de trabaao o bien especificar unos das concretos que se saltan la norma y sern o no sern considerados laborables. Entonces se muestra el cuadro de dialogo, para hacer un da no laborable en primer lugar lo seleccionamos y acto seguido seleccionamos la opcin No laborable. Si haces clic en Predeterminadas, los das seleccionados vuelven al calendario predeterminado Estndar de Microsoft Prooect, que es de lunes a viernes, de 8:00 a.m. a 12:00 p.m. y de 1:00 p.m. a 5:00 p.m. Si haces clic en Perodo laborable no predet., escribe las horas en las que deseas que comience el trabaao en los cuadros Desde y las horas en las que desea que termine el trabaao en los cuadros Hasta. Si queremos modificar el horario de trabaao o los das de la semana en que se t i r i n a lo podemos hacer mediante el botn opciones que aparece en la parte inferior. Ejercicio 2: Mira la descomposicin de tareas del proyecto PNFOR (Anexo 1), que se basa en la metodologa de informatizacin de una organizacin estudiada en la asignatura 443. Introduce las tareas resumen (son las que estn en negriila), las subtareas del proyecto PNFOR y su duracin. Establece los hitos que creas necesarios (al menos uno para validar cada tarea resumen). Fjate que como no has establecido relaciones entre las tareas, para MS-Project todas empiezan a la vez. cul es la ultima tarea en acabarse? Apuntate su nombre y la fecha prevista de finalizacin del proyecto. Ajusta el calendario laboral estndar del proyecto (lmalo INFOR) para los meses de Marzo 2001 a Diciembre 2001, al calendario acadmico de la Universidad -Jaume I. Considera una dedicacin diaria de 8:00 a 14:00 y de 16:00 a 18:00.
Programacin de tareas con Microsoft Project

Una vez introducidas todas las tareas que forman un proyecto slo nos falta establecer las relaciones entre ellas. Esto nos va a permitir ver como los cambios de comienzo o fin, la duracin de las diferentes tareas, etc., afectan a las dems tareas.
Pgina 101 de 109

Vinculacin de tareas Unas tareas se vinculan con otras de diferentes maneras. Una tarea que deba comenzar o finalizar antes de que otra pueda comenzar se denomina predecesora. La tarea que depende del comienzo o fin de la que le precede se denomina tarea sucesora. Existen cuatro tipos de relaciones entre tareas: Fin a comienzo (FC): La tarea comienza cuando su predecesora finaliza. Comienzo a comienzo (CC): La tarea comienza cuando su predecesora comienza. Fin a fin (FF): La tarea finaliza cuando su predecesora termina. Comienzo a fin (CF): La tarea finaliza cuando su predecesora comienza. De todas ellas la relacin que se utiliza ms frecuentemente en la programacin habitual de proyectos es la de fin a comienzo (FC). Se pueden vincular tareas individuales aunque tambin se pueden crear vnculos entre tareas de resumen de forma que el comienzo de un grupo de subtareas dependa de que otro finalice. Para vincular dos o ms tareas, primero en el men Ver, hacemos clic en Diagrama de Gantt. A continuacin seleccionamos todas aquellas que queramos vincular y escogemos la opcin Vincular Tareas del men Edicin. Tambin podemos realizarlo con el botn 3 de la barra de herramientas. Si solamente vamos a vincular dos tareas lo podemos hacer mediante el ratn pinchando en la primera y arrastrando hasta la segunda. Para desvincular un grupo de tareas actuaremos como en el caso anterior pero esta vez seleccionaremos la opcin Desvincular Tareas del men Edicin o el botn S. La tarea ser automticamente reprogramada segn las dems relaciones con otras tareas. Por defrecto todos los vnculos entre tareas se establecen del tipo FC, si queremos cambiar algn tipo de vnculo simplemente haremos un doble clic sobre la lnea de vinculacin que queramos modificar con lo que se nos mostrar un cuadro de dialogo en el que podremos especificar el tipo de relacin entre tareas.
Dependencia de tareas
De: Investigacin y desarrollo Con: Diseo y desarrollo Xpo: | Comienzo a comienzo (CC) ~~| Posposicin- l^d
Pgina 102 de 109

En ocasiones, las relaciones entre tareas no representan de manera precisa la forma en que se suceder el trabajo en el proyecto. Por ejemplo se puede comenzar una tarea despus de que su predecesora comience, pero antes de que finalice. O retrasar el comienzo de una tarea sucesora tras el fin de su predecesora. Estas acciones se realizan mediante el adelanto y la posposicin. El adelanto permite programar la superposicin de dos tareas, para que una de ellas comience antes de que su predecesora finalice. La posposicin permite retrasar el comienzo de la tarea sucesora. Tanto la posposicin como el adelanto se expresan en unidades o en porcentaae de la tarea predecesora. Una vez realizada la programacin y establecido las relaciones entre tareas podemos analizarla para buscar aquellos casos en los que sea posible (o necesario) aplicar posposiciones o adelantos. Esto nos permitir precisar ms la programacin y disminuir la duracin total del proyecto. Para agregar un adelanto o una posposicin a una tarea la seleccionaremos y elegiremos la opcin Informacin acerca de la tarea en el men Proyecto o bien pulsaremos el botn H de la barra de herramientas. De cualquiera de las dos formas se nos mostrar el cuadro de dialogo mostrado en la Figura 10 donde seleccionaremos la ficha predecesoras. En el campo Posposicin escribiremos el adelanto o la posposicin. El primero lo indicaremos como un nmero negativo o como un porcentaae mientras que el segundo con un nmero positivo. Tambin es posible aadir una posposicin o un adelanto haciendo doble clic el la lnea de vinculacin que une dos tareas y escribiendo en el cuadro de dialogo (Figura 8) la posposicin o el adelanto.
Informacin acerca de la tarea
General : Predecesoras Recursos Avanzado Notas Nombre: |Preparar audiovisuales Predecesoras: Duracin: |5d Aceptar
s
Id Nombre de tarea Tipo Pos
Dibujar esquemas
grficos
i Fin a comienzo (FC) i Od
Cancelar Ayuda
Figura 8: Ficha de informacin de las tareas predecesoras. Algunos
eeemplos de adelanto y posposicin de tareas
podran ser:
Pgina 103 de 109

Comenzar la tarea cuando la tarea 1 est medio terminada. Comenzar la tarea un da despus de que comience la tarea 2. Comenzar la tarea cuando la tarea 1 termine y acabarla dos das antes de que termine la tarea 2.
FC
-50%
CC
1d
12
FC FF
0d 2d
Delimitaciones en tareas Otra accin que podemos realizar sobre las tareas es aplicarles delimitaciones. Con estas podemos controlar el comienzo o fin de cualquier tarea para crear una programacin que proporcione informacin precisa y que cumpla los requisitos. Por defecto todas las tareas empezarn lo antes posible. Existen diferentes tipos de delimitaciones: Lo antes posible (LAP): La tarea se empezar lo antes posible segn otras delimitaciones y relaciones. Esta es la delimitacin ms utilizada junto con la siguiente. Lo ms tarde posible (LMTP): La tarea se empezar lo ms tarde posible segn otras delimitaciones y relaciones. Esta delimitacin se utiliza principalmente cuando se programa desde la fecha de fin. No finalizar antes del (NFAD): Termina la tarea en o a partir de la fecha que se indique. Se utiliza cuando una tarea no puede finalizar antes de una fecha concreta. Si se introduce la fecha de fin, sta es considerada como una delimitacin de este tipo. No comenzar antes del (NCAD): Comienza la tarea en o a partir de la fecha que se indique. La fecha de inicio suele ser una de estas delimitaciones. No finalizar despus de (NFDD): Finaliza la tarea en o antes de la fecha que se indique. Se utiliza cuando una tarea debe finalizar en torno a una fecha concreta. No comenzar despus de (NCDD): La tarea se inicia en o antes de la fecha que se indique. Se utiliza para indicar que una fecha debe comenzar en torno a una fecha. Debe finalizar el (DFE): Termina la tarea en una fecha concreta. Debe comenzar el (DCE): Comienza la tarea en la fecha indicada. Con las dos primeras delimitaciones (LAP, LMTP) las tareas se pueden programar de forma senciila con respecto a sus sucesoras y a sus predecesoras. Sin
Pgina 104 de 109

embargo con el resto de delimitaciones, al vincular las tareas con fechas concretas, se impone una mayor rigidez a la programacin Las fechas de las delimitaciones limitan la disponibilidad para nivelar los recursos sobreasignados. Si una delimitacin entra en conflicto con una relacin entre tareas, la delimitacin se superpondr a la relacin entre tareas. Para introducir una delimitacin en una tarea seleccionaremos la tarea a delimitar, pulsaremos el botn U y cogeremos la ficha Avanzado tal y como se muestra en la Figura 9. En el apartado delimitar tarea pondremos el tipo de delimitacin y la fecha si es necesario. Para ver las delimitaciones asignadas a cada tarea seleccionaremos la opcin Ms tablas dentro de tablas en el men Ver y, a continuacin, eligiendo fechas de delimitacin. De esta forma se visualizarn una columna ms en la tabla de Gantt con el tipo de delimitacin de cada tarea.
Informacin acerca de la tarea
General Predecesoras Recursos Avanzado Notas Nombre: Recoger Donaciones Delimitar tarea Xipo: Duracin: 4d Aceptar Debe finalizar el
V Marcar la tarea como hito

Cancelar Fecha: 12/01/95 Cdigo EDT: 1.3 lAyudai Subproyecto Nombre de archivo: Examinar.
Figura 9: Introduccin de delimitaciones en tareas.
Ejercicio 3:
Establece la vinculacin adecuada entre las diferentes tareas del proyecto INFOR (ANEXO 1). Fjate como se va reorganizando el diagrama Gantt. Cambia la escala utilizando la opcin de Ver zoom. Qu tarea es la ultima en ejecutarse ahora? Cundo finaliza el proyecto? Compralo con la fecha que tenias antes de establecer vinculaciones. Guarda el proyecto en el disquete como FNFOR-sin recursos. Ordena las tareas por fecha de inicio y deea solo las tareas resumen. Vuelve a expandir completamente el esquema del proyecto y ordnalas por identificador.
Pgina 105 de 109

ANEXO 1
ACTIVIDAD 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 Estudio del marco organizativo Recogida de informacin Validacin Anlisis de los procesos (as-is) Cuestionarios Entrevistas Modelo idef0 Nuevo modelo de funcionamiento (to-be) Descripcin textual Modelo idef0 Definicin de requisitos Estudio Anlisis Sntesis Validacin Desarrollo del software Anlisis Diseo Codificacin Test y pruebas Hardware Seleccin Compra (HW) Red de comunicaciones Anlisis Diseo T02
****
PRECEDENCIAS
****
DURACIN
****
RECURSOS
****
2 semanas 0 das
****
/ GA, 1 ANS 1 GA
****
T03 T05 T06+2 das

****
1 semana 3 semanas 2 meses

****
V GA, 1 US, 2 ANS Va GA, US, 2 ANS

V GA, 2 ANS
****
T07+ 1 semana T09

****
2 meses 2 meses
****
1/8 GA, 2 ANS 1/8 GA, 2 ANS

****
T10 T12 T13 T14

****
3 semanas 2 semanas 1 semana 3 das

****
1/8 GA, US, 2 ANS 2 ANS 2 ANS GA, US, 2 ANS

****
T15 T17 T18 + 1 semana T19

****
2 meses 1 mes 4 meses 1 mes

****
2 ANS 2 DIS 3 PR 2 PR
****
T15 T22
****
2 semanas 2 semanas
****
ANH 1/8 GA, V IN

****
T15 T25
1 semana 2 semanas
****
ANR DIR
****
Implantacin del nuevo sistema informatico **** Instalacin del hardware Instalacin de la red (RD) T20,T23 T28, T26
1 semana 1 semana
2 INH 2 INR
Pgina 106 de 109

30 31 32
Instalacin del software Formacin de usuarios Migracin de datos
T28 T30 T31
1 semana 3 semanas 1 semana
1,5 INS 1,5 INS 2 PR
Pgina 107 de 109

RECURSO
INICIALES
TIPO
CDIGO RECURSO
CAPACIDAD MXIMA (UNIDADES)
01 02 03 04 05 06 07 08 09 10 11
ANH ANR ANS DIR DIS GA INH INR INS PR US
ANH ANR ANS DIR DIS GA INH INR INS PR US
Trabajo Trabajo Trabajo Trabajo Trabajo Trabajo Trabajo Trabajo Trabajo Trabajo Trabajo
Analista de Hardware Analista de Redes Analista de Sistemas Diseador de Redes Diseador de Software Gestor de la Administracin Publica (Director del proyecto) Instalador de Hardware Instalador de Redes Instalador de Software Programador Usuario
NOTA: MS PROJECT utiliza, en la asignacin de recursos, los porcentajes (sobre 100%) por defecto (Figura 1). Sin embargo, se puede cambiar a la modalidad de asignacin por unidades. Esto se hace mediante la opcin "Herramientas Opciones Programacin", y en la casiila "Mostrar las unidades de asignacin como:" se sustituye "Porcentaaes" por "Valores decimales" (Figura 2). Esto se aplicar con detalle en la Prctica P08.
Pgina 108 de 109

Pgina 109 de 109


Modeloscuantitativosparalatomadedecisiones 120623122256 Phpapp02

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modeloscuantitativosparalatomadedecisiones 120623122256 Phpapp02

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD AUTONOMA DEL NORESTE UANE

COLABORADORES ING. JUAN CARLOS GUERRA ING. SERGIO ARTURO GONZALEZ

MAESTRIA ADMINISTRACION Y LIDERAZGGO

MANUAL MODELOS CUANTITATIVOS PARA LA TOMA DE DECISIONES

Impone la situacin del problema.

0y SERGIO GLZ - CARLOS GUERRA

[PROGRAMACION LINEAL] SOLUCIN GRFICA DE PROBLEMAS DE PL.

Con estos puntos obtendremos la siguiente grfica.

C (4,0) Pgina 7 de 109

Paso 1. Se despeja Y de la ecuacin 2 Y 8 2

12/ 4 3 Paso 4. Sustituye el valor de X en el despeje que hiciste en el paso 1. Y Y 8 8 23

6 Y 2 Y con esto obtienes el resultado del vrtice B (3,2)

34 20 12 Resultados: Vrtice A (0,4) Vrtice B (3,2) Vrtice C (4,0) Valor 13 Valor 8

MODELO PARA LA TOMA DE DECISIONES

RADIO T.V. PRENSA

Se escoger realizar la campaa publicitaria por la RADIO.

Ventas Bajas 60.000 50.000 80.000

Se considera que es un 60% optimista y un 40% pesimista

SERGIO GLZ - CARLOS GUERRA

es un 60% optimista, y un el mejor resultado de cada

Mejor 350.000 300.000 275.000

Peor 60.000 50.000 80.000

ALTERNATIVAS Repliege Expansin Intensificacin

SERGIO GLZ - CARLOS GUERRA

Atentados 0 500 300

ALTERNATIVAS Repliegue Expansin Intensificacin

Atentados 600 400 0

A la administracin le gustara determinar cunta de su produccin debera

(Cleveland) al destino 2 (Chicago), etctera.

1.- Seleccionamos programacin lineal y luego OK

2.- Tomamos la opcin File y luego new

3.- Ponemos el nmero de variables y de restricciones. Y ponemos MINIMIZAR

4.- Procedemos a llenar el cuadro y posteriormente le damos solucin y luego solve

5.- Obtenemos el resultado ptimo que es 39500

2.- Le damos en clic File y luego en new

3.- Ponemos el nmero de orgenes y de destinos respectivamente y le damos ok

6.- El programa te da el resultado ms ptimo. Que es el costo total mnimo $39500

Formulacio n del Problema de Transporte

(Restricciones de oferta) (Restricciones de demanda) (Restricciones de signo)

(Restricciones de oferta) (Restricciones de demanda) (Restricciones de signo)

Problemas de Transporte no Balanceados

Ciudad 4 s3 = 40 Planta 3 Artificial

Resolucio n del Problema de Transporte

Finalmente, se completa el tableau haciendo la u ltima asignaci on factible: 2 0 3 1 0 0 2 0 1 0 0 0 0

El M etodo Simplex del Problema de Transporte

Planta 1 Planta 2 Planta 3 Demanda

A continuaci on podemos plantear las variables del sistema asociado: v1 u1 u2 u3 45 20 8 35 9 10 14 v2 6 12 20 9 v3 10 13 20 16 10 30 v4 9 35 7 50 5 30 30 40

An alisis de Sensibilidad en Problemas de Transporte

Variacion de Coeficientes en la Funcion Objetivo de Variables No Basales

Variacion de Coeficientes en la Funcion Objetivo de Variables Basales

El nuevo valor de la funci on objetivo es: 1020 + u 1 + v1 = 1026.

Memphis New York

Chicago Denver Boston

Chicago Denver 130 Boston

PERIODO Fijo Variable Fijo Variable

CANTIDAD Fijo Fijo Variable Variable

SERGIO GLZ - CARLOS GUERRA

porcentaje del valor monetario total de estos

4.1 Modelo de inventario generalizado.

Baja frecuencia de pedidos Nivel de inventario

Alta frecuencia de pedidos

Figura N2 Diversas frecuencias de pedidos

Costo fijo CTU(Q) = Unidad de tiempo +