Professional Documents
Culture Documents
Facultad de Ingeniera
Escuela de Ingeniera Mecnica Industrial
FACULTAD DE INGENIERA
TRABAJO DE GRADUACIN
AL CONFERRSELE EL TTULO DE
INGENIERA INDUSTRIAL
DECANO
Ing.
VOCAL I
Ing.
VOCAL II
Ing.
VOCAL III
Ing.
VOCAL IV
Br.
VOCAL V
Br.
SECRETARIO
Ing.
DECANO
Ing.
EXAMINADOR
Ing.
Ing.
SECRETARIA
Dios
Mis paps
Mis hermanos
Mi prometido
AGRADECIMIENTOS A:
Seor mi Dios
Mis tos
La Universidad de San
Carlos de Guatemala
Facultad de Ingeniera
Mis compaeros de la
facultad
NDICE GENERAL
1.
ANTECEDENTES ..................................................................................... 1
1.1.
1.2.
2.
1.1.2.
Definiciones .................................................................. 3
2.1.2.
2.1.3.
2.2.
Prctica 2......................................................................................12
2.2.1.
2.2.2.
2.3.
Prctica 3i.................................................................................... 22
2.3.1.
2.4.
2.5.
2.6.
2.3.2.
Tcnica M .................................................................... 29
2.3.3.
Prctica 4i.................................................................................... 42
2.4.1.
2.4.2.
2.5.2.
2.5.3.
Prctica 6i.................................................................................... 60
2.6.1.
2.6.2.
2.7.
2.8.
Prctica 8i.................................................................................... 78
2.9.
2.8.1.
2.8.2.
CPM ............................................................................ 79
2.8.3.
2.8.4.
Prctica 9 119
2.9.1.
2.9.2.
2.9.3.
2.9.4.
2.9.5.
2.9.6.
II
3.
3.2.
3.3.
3.4.
3.5.
3.2.1.
3.2.2.
3.2.3.
3.2.4.
3.3.2.
3.4.2.
3.4.3.
3.6.
3.7.
3.8.
3.7.2.
3.7.3.
3.7.4.
III
IV
NDICE DE ILUSTRACIONES
FIGURAS
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
VI
TABLAS
.I.
.II.
.III.
IV.
V.
VI.
VII.
VIII.
IX.
X.
XI.
XII.
XIII.
.XIV.
.XV.
XVI.
XVII.
XVIII.
XIX.
XX.
XXI.
XXII.
XXIII.
.XXIV.
.XXV.
.XXVI.
XXVIII.
VII
XXVIII.
XXIX.
XXX.
XXXI.
XXXII.
XXXIII.
XXXIV.
XXXV.
XXXVI.
XXXVII.
XXXVIII.
XXXIX.
XL.
XLI.
XLII.
XLIII.
XLIV.
XLV.
XLVI.
XLVII.
XLVIII.
XLIX.
L.
LI.
LII.
LIII.
.LIV.
.LV.
.LVI.
VIII
. LVII.
.LVIII.
LVIX.
IX
GLOSARIO
Acotar
Establecer lmites.
Coeficiente
Desigualdad
Diagrama
Estrategia
Funcin
Grfica
Inventario
XI
Iteracin
Proporcionalidad
Restriccin
Solucin
Tcnica
Teorema
Variable
Vrtices
Punto
geomtrica.
XII
lados de
una figura
RESUMEN
XIII
XIV
OBJETIVOS
General
Especficos
1.
2.
3.
4.
5.
6.
7.
XV
XVI
INTRODUCCIN
asignacin.
lote
econmico
simple
con
sin
faltantes,
inventarios
XVII
1.
1.1.
ANTECEDENTES
1.1.1.
Visin EMI
1.1.2.
Misin EMI
1.2.
2.
2.1.
2.1.1.
Definiciones
Muchas veces la solucin del programa lineal truncado esta lejos de ser el
ptimo entero, por lo que se hace necesario usar algn algoritmo para hallar
esta solucin de forma exacta. El ms famoso es el mtodo de Ramificar y
Acotar o Branch and Bound por su nombre en ingls. El mtodo de Ramificar y
Acotar parte de la adicin de nuevas restricciones para cada variable de
decisin (acotar) que al ser evaluado independientemente (ramificar) lleva al
ptimo entero
Tipo 1:
Aj aij X i
i 1
Tipo 2:
B j bij X i
i 1
Tipo 3:
C j cij X i
i 1
Donde:
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser
determinado, y puede no tener sentido una optimizacin.
o en su efecto
Donde:
f = coeficientes son relativamente iguales a cero.
por
varias
razones,
muchos
investigacin
de
operaciones pueden
problemas prcticos
plantearse
como
de
la
problemas
de
programacin lineal.
Otros son:
2.1.2.
X2 >= 0,
...,
Xn>=0.
Mtodo grfico o de las rectas de nivel. Las rectas de nivel dan los puntos
del plano en los que la funcin objetivo toma el mismo valor.
10
2.1.3.
Forma cannica: esta es til para el manejo del tema que se refiere al
problema dual de cualquier problema de programacin lineal. La forma
cannica aceptable y reconocida en la mayora de los textos debe cumplir con
los siguientes requisitos:
Otra forma legtima para considerar como cannica es cumpliendo con los
siguientes requisitos:
11
2.2.
Prctica 2
2.2.1.
El proceso de formulacin del modelo del sistema real bajo estudio, juega
un papel importante ya que dependiendo del modelo que se construya se
tendr una u otra solucin para el problema. Tal construccin es ms un arte y
un producto de la experiencia que una ciencia, por lo que se desarrollar en lo
que sigue algunos ejemplos iniciales en los que se tratar de hacer hincapi en
los diferentes pasos del proceso de formulacin del modelo que trata de
representar un problema real.
Ejemplo 1: suponer una fbrica de cervezas que produce tres tipos distintos que
se denominan negra (N), rubia (R) y de baja graduacin (B). Para su obtencin
son necesarios, adems de agua y lpulo para los cuales no hay limitacin de
disponibilidad, malta y levadura, que limitan la capacidad diaria de produccin.
12
Tabla I.
Disponibilidad
Malta
30
Levadura
45
Beneficio
13
se denomina un
)(
X1 + 2X2 + 2X3 45
Hay que aadir las condiciones de no negatividad de las variables de
decisin, es decir,
Xj 0 ( j
15
45
0
Sujeto a:
16
2.2.2.
17
Ax b
x0
Construccin de un modelo. Resolucin por el mtodo grfico
Los pasos a seguir son los siguientes:
En primer lugar hay que identificar las variables de decisin del problema.
Por lo tanto:
xi 0 i
Grficos:
Normalmente los grficos no son el mejor mtodo para resolver los
problemas de programacin lineal del mundo real. No obstante, una solucin
grfica sirve para entender mejor la estructura de los modelos de programacin
lineal.
18
Una vez obtenida una solucin hay que interpretarla. Es decir, explicar qu
es lo mejor que se puede hacer para optimizar el objetivo.
Objetivo:
Maximizar la ganancia total por la venta de los dos tipos de ventanas.
19
Condiciones:
Los trabajadores Doug, Linda y Bob no pueden exceder su capacidad de
produccin.
Trabajador
V. Madera
Doug
V. Aluminio
Capacidad
6 ventanas
Linda
4 ventanas
Bob
6 ft2/v
8 ft2/v
Ganancia
60 $/v
30 $/v
48 ft2/v
Formulacin:
Max z = 60 x1 + 30 x2 ganancia total
Sujeta a:
4
4
20
Figura 1.
X2
Doug
Bob
Linda
Solucin grfica:
a. z(0, 0) = 60(0) + 30(0) = 0
b. z (0, 4) = 60(0) + 30(4) = 120
c. z (2,66, 4) = 60(2,66) + 30(4) = 280
d. z (6, 1,5) = 60(6) + 30(1,5) = 405
e. z (6, 0) = 60(6) + 30(0) = 360
X1* = 6
X2* = 1,5
X3* = 405
21
Conclusiones
2.3.
Prctica 3
2.3.1.
Mtodo simplex
Maximizar Z= f(x,y)= 3x + 2y
22
Sujeto a:
2x + y
18
2x + 3y
3x + y
42
24
x 0,y
2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
- 3x - 2y + Z = 0
23
Tabla III.
Base
Variable de decisin
Ejemplo 3 iteracin 1
18
42
24
-3
-2
24
25
Fila del pivote: nueva fila del pivote= (Vieja fila del pivote): (Pivote)
Resto de las filas: nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la
columna de la variable entrante) X (Nueva fila del pivote)
Vieja fila de s
Coeficiente
Nueva fila de s
42
1/3
1/3
7/3
-2/3
26
Tabla IV.
Ejemplo 3 iteracin 2
Variable de holgura
Valores solucin
1/3
-2/3
7/3
-2/3
26
1/3
1/3
-1
24
26
Como en los elementos de la ltima fila hay uno negativo, -1, significa que
no se ha llegado todava a la solucin ptima. Hay que repetir el proceso:
Tabla V.
Base
Variable de decisin
Ejemplo 3 iteracin 3
Variable de holgura
Valores solucin
-2
-7
12
-1
-1
30
Como en los elementos de la ltima fila hay uno negativo, -1 significa que
no se ha llegado todava a la solucin ptima. Hay que repetir el proceso:
27
Se obtiene la tabla:
Tabla VI.
Base
Variable de decisin
Variable de holgura
Valores solucin
-1/2
12
-7/4
-3/4
5/4
33
28
2.3.2.
Tcnica M
Hasta este momento se han presentado los detalles del mtodo simplex
con la suposicin de que el problema se encuentra en la forma estndar
(maximizar Z sujeta a las restricciones funcionales de la forma y restricciones
de no negatividad sobre todas las variables) con bi 0 para toda i = 1, 2, ..., m.
En esta seccin se establecer cmo hacer los ajustes requeridos a otras
formas legtimas de modelos de Programacin Lineal. Se ver que todos estos
ajustes se pueden hacer en el paso inicial, de manera que el resto del mtodo
simplex se aplica justo como se aprendi.
29
30
variable artificial.
Ejemplo 4
Tabla VII.
Minimizar
sujeta a
Ejemplo 4 tcnica M
0,4x1
0,5x2
0,3x1
0,1x2
2,7
0,5x1
0,5x2
0,6x1
0,4x2
x1 0
x2 0
31
Se nota que la tercera restriccin es del tipo , por lo que para cambiarla a
su forma de igualdad se tendra que restar una variable de supervit (o de
excedente), quedando de la siguiente manera: 0,6x1 + 0,4x2 - x5 = 6
Se ha restado la variable de excedente x5 (se utiliz x5 porque en la
primera restriccin se agrega una variable de holgura que sera x3 y en la
segunda restriccin se agrega tambin una variable artificial que sera x4; todo
esto con el fin de convertir las desigualdades a su forma de igualdades) para
que consuma el exceso de 0,6x1 + 0,4x2, o sea, lo que se pasa de 6. No
obstante en este caso debe agregarse otra variable. Esta variable extra,
llamada variable artificial se aumenta como sigue: 0,6x1 + 0,4x2 - x5 + x6 = 6
La razn de esto es que, si no se agrega la variable artificial, no se
estaran cumpliendo las restricciones de no negatividad. Para comprenderlo, se
dejar sin aumentar. El mtodo simplex comienza por hacer todas las variables
reales (originales) iguales a cero. Entonces:
0,6x1 + 0,4x2 - x5 = 6
Sea x1 = 0 y x2 = 0, entonces:
-x5 = 6
32
Ejemplo 5
Tabla VIII.
Maximizar
sujeta a
Ejemplo 5 Tcnica M
3x1
5x2
2x2
12
2x2
18
x1
3x1
x1 0
x2 0
Z = 3x1 + 5x2 a:
Z = 3x1 + 5x2 - Mx5,
33
Maximizar Z, sujeta a:
Tabla IX.
3x1
Ejemplo 5 iteracin 1
5x2
x1
+
+
x3
2x2
3x1
x4
2x2
xj
Mx5
Par j
34
x5
12
18
Tabla X.
Ejemplo 5 iteracin 2
Variable
Lado
Bsica
x1
x2
x3 x4 x5 derecho
3 5 0
x3
x4
12
x5
18
Cociente
Es ptima?
Esta condicin que debe cumplir toda tabla del mtodo simplex para que
pueda reportar la siguiente solucin bsica factible dice que: toda variable
bsica debe tener un 1 en la interseccin de su rengln y columna
correspondiente y cero en los dems renglones incluido el rengln de Z, en
otras palabras, que toda variable que sea bsica solamente debe aparecer en el
rengln de la restriccin que representa.
Tabla XI.
Variable
Lado
Bsica
x1
x2
x3 x4 x5 derecho
Cociente
Es ptima?
-3M-3
-2M-5
-18M
-Mx5 + Z
x3
x4
12
Z = -18M
x5
18
se
tienen
coeficientes
negativos
en
el
rengln
de
(los
correspondientes a x1 y x2).
Aplicando el mtodo simplex a la tabla anterior se tiene: el coeficiente
negativo con el mayor valor absoluto corresponde a x1 (-3M-3), recordando que
M es un nmero muy grande positivo, por lo tanto, x1 se convierte en la variable
bsica entrante, realizando los cocientes correspondientes, se ve que x3 se
convierte en la variable bsica saliente.
36
Tabla XII.
Var.
Lado
Bs.
x1
x2
x3
x4
x5
derecho
-3M-3
2M-5
-18M
x3
Es
Cociente
ptima?
4/1 = 4
(0, 0, 4, 12,
18)
x4
12
x5
18
-2M-5
3M+3
-6M+12
x1
x4
12
12/2 = 6
x5
-3
6/2 = 3
-9/2
M+5/2
27
x1
4/1 = 4
(4, 3, 0, 6, 0)
x4
-1
6/3 = 2
Z = 27
x2
-3/2
3/2
M+1
36
x1
-1/3
1/3
(2, 6, 2, 0, 0)
x3
1/3
-1/3
Z = 36
x2
ptima
37
Z = -18M
18/3 = 6
(4, 0, 0, 12, 6)
Z = -6M+12
2.3.3.
Paso
inicial:
se
revisan
las
restricciones
del
problema
original
Minimizar
restricciones revisadas.
Fase 2: se eliminan las variables artificiales (de todas formas, ahora todas
valen cero). Comenzando con la solucin bsica factible que se obtuvo al final
de la fase 1, se usa el mtodo simplex para resolver el problema real.
Ejemplo 6
Minimizar
W = x4 + x6,
sujeta a:
0,3X1 + 0,1X2 + X3 = 2,7
0,5X1 + 0,5X2 + X4 = 6
0,6X1 + 0,4X2 - X5+X6 = 6
38
Y X1 0, X2 0
30
X40
50
X60
Minimizar
Z = 0,4x1 + 0,5x2
sujeta a:
0,3x1+0,1x2+x3=2,7
0,5x1+0,5x2=6
0,6x1+0,4x2-x5=6
Y x1 0 x2 0 x30 x50
Las nicas diferencias entre estos dos problemas se encuentran en la
funcin objetivo y en la inclusin (fase 1) o exclusin (fase 2) de las variables
artificiales x4 y x6. Sin las variables artificiales, el problema para la fase 2 no
tiene una solucin bsica factible inicial obvia.
39
Tabla XIII.
Var.
Lado
Bs.
x1
x2
x3
x4
x5
x6
Der.
Cociente
Es ptima?
-1
-1
x3
0,3
0,1
2,7
x4
0,5
0,5
x6
0,6
0,4
-1
1,1
0,9
-1
12
x3
0,3
0,1
2,7
2,7/0,3=9
(0,0,2,7,6,0,6)
x4
0,5
0,5
6/0,5=12
W = 12
x6
0,6
0,4
-1
6/0,6=10
0,53
-1
2,1
3,66
x1
0,33
3,33
9/0,33=27,2
(9,0,0,1,5,0,0,6)
x4
0,33
1,5
1,5/0,33=4,5
W = 2,1
0,6/0,2=3
1,66
x6
0,2
-2
-1
0,6
1,64
1,65
0,51
2,65
x1
6,63
1,65
8,01
8,01/1,65=4,8
(8,01,3,0,0,51,0,0)
0,51
0,51/1,65=0,30
W = 0,51
1,65
x4
1,64
1,65
1,65
x2
-10
-5
-1
-1
x1
-1
7,5
(7,5,4,5,0,0,0,3,0)
x5
0,99
0,60
-1
0,3
W=0
x2
4,5
ptima fase 1
5,05
40
Tabla XIV.
Ejemplo 6 iteracin 1
Var.
X1
X2
X3
X4
X5
X6
Lado D.
-0.4
-0.5
x1
-1
7.5
x5
0.99
0.60
-1
0.3
x2
-5.05
4.5
-0.5
x1
7.5
x5
0.99
0.3
x2
-5.05
4.5
-0.52
5.25
x1
7.5
(7.5,4.5,0,0,0.3,0)
x5
0.99
0.3
Z = 5.25
x2
-5.05
4.5
ptima fase 2
41
Cocien.
Es ptima?
2.4.
Prctica 4
2.4.1.
Definicin de dualidad
Todo programa lineal lleva asociado otro programa lineal conocido como
su programa dual; el programa inicial se conoce tambin como programa
primal.
Para
comprender
el
concepto
de
dualidad
Definicin:
Dado un programa lineal de la forma:
42
sus
posibles
min cx
Ax >= b
x >= 0
Su programa dual es
mx b'z
A'z <= c'
z >= 0
43
2.4.2.
Ejemplo 7: primal. Una granja utiliza dos preparados alimenticios (P1 y P2) para
la cra del ganado. El coste por kilogramo de esos dos preparados es de 2
unidades monetarias y 3 unidades monetarias respectivamente.
Por otra parte, los aportes vitamnicos de cada kilo de los preparados se
expresan en la siguiente tabla:
Tabla XV.
Kg P1
Kg P2
Unidades de Vitamina A
Unidades de Vitamina B
1,5
Unidades de Vitamina C
1,3
44
Tabla XVI.
20
15
X1 = 4,286 X2 = 2,857
45
Por supuesto, los precios de las pastillas vitamnicas deben ser positivos,
por tanto se tienen adems las restricciones Z1, Z2, Z3 0.
46
Por tanto los ingresos de la empresa por la venta de las pastillas seran de
V(Z1,Z2,Z3) = 20Z1+15Z2 + 8Z3 por animal y da.
Para establecer los precios, la empresa debera plantearse el programa
lineal:
Z1 = 0
Z2 = 0,381
Z3 = 1,428
Siendo entonces el valor mximo V(0, 0,381, 1,428) = 17,143 unidades
monetarias.
47
Observar como uno de los precios ha resultado ser nulo. Esto significa que
la granja con los preparados P1 y P2 solo debe preocuparse de aportar al
ganado las unidades necesarias de vitaminas B y C, ya que con ello
conseguira tambin la aportacin necesaria de vitamina A.
48
2.5.
49
Tabla XVII.
Molino
Silo
10
20
11
11
12
Silo
Silo
20
23
14
31
25
24
16
32
33
15
14
22
13
21
12
Oferta
18
34
10
Demanda
5
15
15
15
Los pasos del mtodo de transporte son exactamente iguales a los del
mtodo simplex.
50
51
2.5.1.
Paso 1.
Asignar todo lo ms que se pueda a la celda seleccionada y ajustar las
Paso 2.
Salir del rengln o columna cuando se alcance oferta o demanda cero, y
Paso 3.
Si queda exactamente un rengln o columna sin tachar, detenerse. En
52
Tabla XVIII.
Molino
Silo
Silo
10
20
11
10
12
15
20
25
4
Silo
15
14
16
18
10
10
Demanda
Oferta
15
15
53
15
2.5.2.
La celda (3,1) tiene el mnimo costo unitario sin tachar (=$4). Se asignan
54
Molino
Silo
10
20
11
15
12
Silo
Demanda
2
4
Silo
14
20
15
10
16
18
15
15
55
15
Oferta
15
25
10
2.5.3.
56
Paso 3.
o
Ejemplo 12.
57
Tabla XX.
Penalizacin de
rengln
Silo
Molino
1
10
20
11
12
Silo
14
16
25
97=2
18
10 14 4 = 10
5
Penalizacin de
10 2 = 8
20
4
Silo
15
15
15
15
10 4 = 6 7 2 = 5 16 9 = 7 18 11 = 7
Columna
Fuente: elaboracin propia.
58
Tabla XXI.
Ejemplo 12 iteracin 1
Penalizacin de
rengln
15
25
10
Penalizacin de
---
Columna
Fuente: elaboracin propia.
Z = 15 ( 2) + 0 ( 11 ) + 15 ( 9 ) + 10 ( 20 ) + 5 ( 4 ) + 5 ( 18 ) = $ 475
59
Sucede que esta solucin tiene el mismo valor objetivo que la obtenida
con el mtodo del costo mnimo. En general, el mtodo Vogel obtiene mejor
solucin.
2.6.
Prctica 6
2.6.1.
Mtodo de banquillo
60
Ejemplo 13.
61
Tabla XXII.
13
23
21
11
12
13
23
22
Diferencia de costos = + 18 17 + 21 19 = 3
X24
23
13
14
24
Diferencia de costos = + 31 19 + 21 30 = 3
X32
12
13
23
21
31
32
Diferencia de costos = + 0 17 + 21 19 + 14 0 = - 1
X33
31
21
23
33
Diferencia de costos = + 0 0 + 14 19 = - 5
X34
31
21
23
13
14
34
Cmo asignar?
Restar 3 unidades a negativos y sumar 3 unidades a positivos.
62
Tabla XXIII.
Ejemplo 13 iteracin 1
13
23
21
11
12
13
23
22
Diferencia de costos = + 18 17 + 21 19 = 3
X24
23
13
14
24
Diferencia de costos = + 31 19 + 21 30 = 3
X31
21
23
13
14
34
31
Diferencia de costos = + 0 14 + 19 21 + 30 0 = 14
X32
12
14
34
32
Diferencia de costos = + 0 17 + 30 0 = 13
X33
13
14
34
33
Diferencia de costos = + 0 21 + 30 0 = 9
63
Solucin inicial:
X12 = 6 autos
X13 = 3 autos
X14 = 6 autos
X24 = 9 autos
X23 = 4 autos
Z = 547
2.6.2.
Mtodo de multiplicadores
suponiendo
un
valor
arbitrario
para
cualquiera
de
los
64
Ejemplo 14
Una compaa est considerando una demanda de 5 clientes utilizando
artculos que tienen disponibles en 2 almacenes. Los almacenes cuentan con
800 y 1000 unidades respectivamente. Los clientes necesitan 200, 150, 200,
180 y 500 unidades respectivamente. Los costos de embarque por artculo de
los almacenes de los clientes son:
Tabla XXIV.
00
000
00
50
00
00
500
j
j
00
65
Tabla XXV.
Ejemplo 14 iteracin 1
Ui + Vj = Cij
U1 + V1 = C11 U1 + V1 = 15
U1 + V3 = C13 U1 + V3 = 23
U1 + V4 = C14 U1 + V4 = 18
U1 + V5 = C15 U1 + V5 = 40
U2 + V2 = C22 U2 + V2 = 22
U2 + V5 = C25 U2 + V5 = 44
U2 + V6 = C26 U2 + V6 = 0
Se acostumbra
U1 = 0
V1 = 15
V3 = 23
66
V4 = 18
V5 = 40
U2 = 4
V6 = - 4
V2 = 18
Para encontrar costos:
Cij = Cij Ui - Vj
C12 = C12 U1 V2
C12 = 25 0 18 = 7
C16 = C16 U1 V6
C16 = 0 0 ( - 4 ) = 4
C21 = C21 U2 V1
C21 = 17 4 15 = - 2
C23 = C23 U2 V3
C23 = 31 4 23 = 4
C24 = C24 U2 V4
C24 = 28 4 18 = 6
Solucin inicial:
X13 = 200
X14 = 180
X15 = 420
X21 = 200
X22 = 150
X25 = 80
X26 = 570
67
Tabla XXVI.
Ejemplo 14 iteracin 2
2.7.
68
Tabla XXVII.
DESTINO
ORIGEN
A
11
B
3OFERTA
12
C
21
C
22
C
31
DEMANDA
32
1
13
C
23
C
33
1
Metodologa:
Mtodo Hngaro.
Caso A. Minimizacin.
Criterio de optimidad:
Regresar al paso 4.
Caso B. Maximizacin.
Metodologa:
70
de ganar o
Ejemplos 16
Se necesita procesar 4 diferentes tareas para lo cual se cuenta con 4
mquinas. Por diferencias tecnolgicas el desperdicio que se produce depende
del tipo de tarea y la mquina en la cual se ejecuta, dada la matriz de
desperdicios (tabla XXVIII) expresada en pesos definir la asignacin ptima.
Tabla XXVIII.
MQUINAS
TAREAS
49
86
54
70
45
79
66
81
46
58
78
88
44
38
66
69
Al revisar que todas las casillas tengan su costo unitario, en este caso se
cumple sin ningn problema, como se observa en la siguiente tabla.
71
N = columnas = 4
Tabla XXIX.
Ejemplo 16 iteracin 1
MQUINAS
TAREAS
49
86
54
70
45
79
66
81
46
58
78
88
44
38
66
69
Por rengln.
Elegir el menor valor de rengln y restarlo a los dems. En este caso es
son: 49, 45, 46, 38 de la siguiente tabla.
Tabla XXX.
MQUINAS
TAREAS
49-49=0
86-49=37 54-49=5
45-45=0
46-46=0
44-38=6
38-38=0
72
70-49=21
66-38=28 69-38=31
Tabla XXXI.
MQUINAS
TAREAS
37
21
34
21
36
12
32
42
28
31
Por columna.
Se elige los menores valores de cada columna en este caso son: 0,0,5,21
Se restan esos valores a los dems nmeros de las columnas
Tabla XXXII.
MQUINAS
TAREAS
0-0=0
37-0=37
5-5=0
21-21=0
0-0=0
34-0=34
21-5=16
36-21=15
0-0=0
12-0=12
32-5=27
42-21=21
6-0=6
0-0=0
28-5=23
31-21=10
73
Tabla XXXIII.
MQUINAS
TAREAS
37
34
16
15
12
27
21
23
10
Tabla XXXIV.
MQUINAS
TAREAS
37
34
16
15
12
27
21
23
10
74
Tabla XXXV.
MQUINAS
TAREAS
1
A 0+12=12
37
3412=22
16-12=4
15-12=3
12-12=0
2712=15
21-12=9
D 6+12=18
23
10
Queda
Tabla XXXVI.
MQUINAS
TAREAS
12
37
22
15
18
23
10
75
Tabla XXXVII.
MQUINAS
TAREAS
1
A
12+3=15
37+3=40
22
4-3=1
3-3=0
15-3=12
9-3=6
18
23-3=20
10-3=7
Tabla XXXVIII.
MQUINAS
TAREAS
15
40
22
12
18
20
76
4 = 4 Es ptimo
Tabla XXXIX.
MQUINAS
TAREAS
15
40
22
12
18
20
0 = se escogen
0= se deshabilitan
Se traduce la solucin:
77
2.8.
Prctica 8
2.8.1.
Diagramas de flechas
Cada actividad est representada por una y un solo una flecha en la red.
Ninguna actividad puede representarse dos veces en la red.
78
esta
2.8.2.
CPM
79
80
Ejemplo 17.
Figura 2.
1
Fuente: elaboracin propia.
82
Tabla XL.
Ejemplo 17 iteracin 1
Tarea
Predec.
Duracin
E DII+1
F BFI-1
G D, E, F
H GFF
Figura 3.
Ejemplo 17 nodos 2 y 3
A(2)
C(2)
83
Tabla XLI.
Tarea
Ejemplo 17 iteracin 2
Predec.
Duracin
DII+1
BFI-1
G D, E, F
GFF
Figura 4.
Ejemplo 17 nodos 4 y 5
B(3)
A(2)
1
C(2)
D(3)
84
Tabla XLII.
Ejemplo 17 iteracin 3
Tarea
Predec.
Duracin
DII+1
BFI-1
D, E, F
GFF
85
Figura 5.
A(2)
Ejemplo 17 nodos 6 y 7
4
B(3)
1
C(2)
5
D(3)
6
F1(2)
7
E(2)
En este paso se aade la tarea F, que tiene una dependencia fin/inicio con
retardo negativo con la tarea B. Consulte el apartado mtodo constructivo si
necesita repasar la representacin de las relaciones bsicas.
Tabla XLIII.
Tarea
Ejemplo 17 iteracin 4
Predec.
Duracin
DII+1
BFI-1
D, E, F
GFF
86
Figura 6.
Ejemplo 17 nodos 8 y 9
2
A(2)
B(3)
rFE(-1)
9
F(3)
1
C(2)
3
D(3)
f1(-2)
7
E(2)
87
Tabla XLIV.
Tarea
Ejemplo 17 iteracin 5
Predecesora
Duracin
DII+1
BFI-1
D, E, F
GFF
Figura 7.
4
B(3)
8
IFB(-1)
9
F(3)
10
G(3)
A(2)
f2(0)
f3(0)
C(2)
5
D(3)
6
f1(-2)
88
7
E(2)
Figura 8.
2
A(2)
4
B(3)
8
fFB(-1)
9
F(3)
f3(0)
C(2)
3
5
D(3)
6
f1(-2)
7
E(2)
10
G(3)
f2(0)
Fuente: elaboracin propia.
89
Tabla XLV.
Tarea
Ejemplo 17 iteracin 6
Predec.
Duracin
DII+1
BFI-1
D, E, F
GFF
Figura 9.
2
A(2)
Ejemplo 17 nodos 11 y 12
4
B(3)
8
fFB(-1)
9
F(3)
10
G(3)
f2(0)
f3(0)
C(2)
D(3)
3
f1(-2)
5
E(2)
6
90
11
f4(-2)
12
H(2)
Figura 10.
Ejemplo 17 clculo 1
B(3)
fFB(-1)
10
F(3)
G(3)
11
f4(-2)
12
H(2)
A(2)
0
1
f2(0)
f3(0)
C(2)
2
5
D(3)
6
f1(-2)
7
E(2)
En los nodos a los que llegan varias flechas, se calculan todos los valores
posibles que puede tomar la parte superior del nodo (uno por cada flecha que
apunte al nodo) y se toma el mayor de dichos valores.
91
Figura 11.
Ejemplo 17 clculo 2
7
2 2
4 5
8 4
9 7
10
11
12
A(2)
B(3)
F(3)
fFB(-1)
1 0
G(3)
f 2(0)
H(2)
f4(-2)
f3(0)
C(2)
2 D(3)
3
5 f1(-2)
3 E(2)
5
7
Figura 12.
2 2
A(2)
4 5
B(3)
Ejemplo 17 clculo 3
8 4
fFB(-1)
9 7
F(3)
10 10
G(3)
0
1
f2(0)
f3(0)
C(2)
2
3
D(3)
5
5
f1(-2)
E(2)
5
7
92
11 8
f4(-2)
12 10
H(2)
El proceso contina hasta llegar a algn nodo del que partan dos o ms
flechas. Obsrvese que, al igual que en el recorrido inverso, se ha de tener en
cuenta el signo de las duraciones al restarlas.
Figura 13.
2 2
A(2)
Ejemplo 17 clculo 4
4 5
2 B(3)
8 4
5 fFB(-1)
1 0
9 7
4 F(3)
f2(0)
7 G(3)
f3(0)
C(2)
3 2
5 5
D(3)
6 3
f1(-2)
75
5 E(2)
93
10 10
10 f4(-2)
11 8
8 H(2)
12 10
10
En los nodos de los que parten varias flechas, se calculan todos los
valores posibles que puede tomar la parte inferior del nodo (uno por cada flecha
que nazca en el nodo) y se toma el menor de dichos valores. En este caso
(nodo 5) tanto a travs de la tarea f1 como a travs de la tarea f2 se obtiene el
mismo valor.
Figura 14.
2 2
2
4 5
5
B(3)
Ejemplo 17 clculo 5
8 4
9 7
10 10
11 8
12 10
4
7
10
8
10
fFB(-1)
F(3)
G(3)
f4(-2)
H(2)
A(2)
1 0
f2(0)
f3(0)
7
C(2)
D(3)
3 2
f1(-2)
E(2)
5 5
6 3
7 5
7 7
5
7
94
Figura 15.
2 2
4 5
A(2)
1 0
B(3)
Ejemplo 17 clculo 6
8 4 F(3) 9 7
4
fFB(-1)
G(3)
f 2(0)
10 10
11 8
12 10
10
10
f4(-2)
H(2)
f3(0)
C(2)
3 2
5 5
6 3
7 5
D(3)
f1(-2)
E(2)
95
Figura 16.
F(3)
2 2
4 5
8 4
9 7
1010
11 8
12 10
10
10
A(2)
B(3)
fFB(-1)
G(3)
f4(-2)
H(2)
0
10
f2(0)
C(2)
f3(0)
D(3)
3 2
E(2)
5 5 f1(-2) 6 3
7 5
Tabla XLVI.
Tarea
Predecesora
Duracin
im
fm
IM
FM
MT
DII+1
BFI-1
D, E, F
10
10
GFF
10
10
96
2.8.3.
Mtodo PERT
97
Figura 17.
Te
Te (z) =
( )
b-
98
99
E [ Tij ]e ( z ) =
V [ Tij ] =
( b-
(j
(j
100
101
CP =
Las actividades que tienen tiempo flojo y que pueden prestar recursos a
las actividades de la trayectoria crtica.
Limitaciones.
Los siguientes son algunas de las debilidades del PERT:
103
Se debe tender una lnea telefnica a lo largo de una ruta. Para esto se
debe:
a)
Hacer agujeros
b)
c)
Donde:
A1: Agujereado del sector 1
A2: Agujereado del sector 2
P1: Posteado del sector 1
P2: Posteado del sector 2
T1: Tendido del sector 1
T2: Tendido del sector 2
104
Figura 18.
Figura 19.
Fecha temprana
ft
n
Se
colocan
las
duraciones
de
cada
tarea
sobre
los
arcos
correspondientes.
Figura 20.
2
C
4
D
106
Figura 21.
4
D
5
E
Figura 22.
0
A
4
D
E 6
Figura 23.
11
F
11
5
E
Figura 24.
0
A
11
D
15
F
5
E 6
108
Figura 25.
Fecha tarda
ft
n
FT
Fuente: elaboracin propia.
Figura 26.
0
A
11
D
15
F
5
6
E
Cul es la fecha tarda para comenzar con la tarea DF? 9. (15 - 4 = 9).
Se supone que se comienza el da 12. Entonces: 12 (suceso D) ms 4
(duracin DF) hace que e proyecto termine el da 16, es decir un da ms tarde.
109
Figura 27.
B 2
11
11
F 15
15
5
6
E
Figura 28.
B 2
C 5
D 11
11
F 15
15
5
6
E
6
Figura 29.
11
15
D
6
F
11
15
5
6
E
6
Figura 30.
0
A
C
2
11
D
E 6
6
111
15
F
11
15
FTC: 6
ftf: 11
FTF: 11
Sucesos crticos
Un suceso crtico es aquel cuyas ft y Ft son iguales.
Figura 31.
B
0
C
2
11
D
15
F
11
15
5
6
E
6
Tareas crticas.
Son aquellas cuya duracin es igual a la diferencia entre los sucesos
crticos que la determinan. Se encuentra entonces el camino crtico. (Subgrafo
crtico). Estas son las tareas que hacen que el proyecto dure 15 das.
112
Figura 32.
B
0
11
C
2
D
6
11
15
F
15
5
6
E
6
Hasta ahora se calculan tiempos del proyecto. Note que la longitud de los
arcos no es proporcional a la duracin de a tarea.
Figura 33.
E
C
10
12
D
---------
113
14
F
Figura 34.
B
--
10
12
14
C------
2.8.4.
114
Los clculos de la ruta crtica incluyen dos fases. La primera fase se llama
clculos haca adelante, donde los clculos comienzan desde el nodo de inicio y
se mueven al nodo de terminacin. En cada nodo se calcula un nmero que
representa el tiempo de ocurrencia ms prximo del evento correspondiente.
Estos nmeros se colocan sobre la flecha de la actividad (al inicio y final). En la
Segunda fase llamada clculos hacia atrs, comienzan los clculos desde el
nodo de terminacin y se mueven hacia el nodo de inicio. El nmero calculado
en cada nodo (colocados debajo de la flecha de cada actividad) representa el
tiempo de ocurrencia ms tardo del evento correspondiente.
Fase 1: clculo hacia adelante: para cada evento calcule tiempo de inicio
ms prximo:
Fase 2: clculo hacia atrs: para cada evento calcule tiempo de trmino
ms tardo:
115
Ejemplo 19.
Diagrama de Flechas de las actividades A, B,..., F, A y B son las
actividades iniciales del proyecto que comienzan simultneamente, A precede a
C y a D, B precede a E, D y E preceden a la actividad F. C y F son las
actividades finales del proyecto.
Figura 35.
2
C
A
D
1
F
B
3
4
E
116
Tabla XLVII.
Ejemplo 19 fase 1
8+2=10
4+5=9
8+10=18
10+3=13
IP
10
18
Tabla XLVIII.
Ejemplo 19 fase 2
TT
88=0
10 4 = 6
15 2=13
18 10=8
0
15 - 5=10
18 3 =15
10
117
15
18
Tabla XLIX.
Act.
IPi*
TP
IT
TT*
HT
IPj
HL
No.
Tab
4-2
7-3
Frm
A
10
10
10
18
18
18
10
13
15
15
10
15
15
10
13
15
18
18
118
2.9.
Prctica 9
2.9.1.
Criterio de Laplace
Ejemplo 20.
La tabla siguiente contiene los costos de abastecimiento frente a la
asistencia de clientes a un a fiesta.
Tabla L.
Abastecimiento / Clientes
E1
E2
E3
E4
A1
A2
23
A3
21
18
12
21
A4
30
22
19
15
119
Entonces:
E(A1) = (1/4)*(5+10+18+25) = 14,5
E(A2) = (1/4)*(8+7+8+23) = 11,5(*)
E(A3) = (1/4)*(21+18+12+21) = 18,0
E(A4) = (1/4)*(30+22+19+15) = 21,5
(*) Se selecciona la accin A2.
2.9.2.
Criterio Minimax
Tabla LI.
Abastecimiento/ E1
E2
E3
E4
MAX
US$10
US$18
US$25
25
23
23
Clientes
A1
US$5
A2
A3
21
18
12
21
21(*)
A4
30
22
19
15
30
2.9.3.
Criterio de Savage
Tabla LII.
E1
E2
A1
$11000
$90
A2
$10000
$10000
El criterio MINIMAX escogera A2, Pero sin ser tan pesimista uno
escogera A1 puesto que hay una alternativa de perder slo $ 90.
121
Tabla LIII.
E1
E2
A1
$1000
$0
A2
$0
$9910
2.9.4.
Criterio de Hurwics
122
Tabla LIV.
Abastecimiento / Clientes
E1
E2
E3
E4
A1
US$5
US$10
US$18
US$25
A2
23
A3
21
18
12
21
A4
30
22
19
15
123
Tabla LV.
MATRIZ DE PAGOS
Las
estrategias
del otro jugador
A
Mi estrategia A
ste es por tanto un juego de suma cero. Se llama juego de suma cero
aqul en el que lo que gana un jugador es exactamente igual a lo que pierde o
deja de ganar el otro.
124
Tabla LVI.
mnimos
B 6
C 7
Mi estrategia A
En efecto,
125
Se muestran ahora slo los pagos asignados al otro jugador en los que
destacan el pago mnimo que puede obtener para cada una de sus estrategias.
Se subrayan el mximo de los mnimos y su estrategia maximin.
Tabla LVII.
Mi estrategia
mnimos
En efecto,
Cada uno sabe lo que jugar el otro la siguiente vez. Ninguno estar
tentado de cambiar su estrategia ya que el que decida cambiar su estrategia
perder.
127
Tabla LVIII.
MATRIZ
DE
PAGOS
AL
OTRO
JUGADOR
La estrategia del
La estrategia del
otro jugador
otro jugador
C
Mi estrategia
Mi
estrategia
C 7
2.9.6.
Estrategias mixtas
El teorema del maximin afirma que en todo juego bipersonal de suma cero
en el que sea posible jugar estrategias mixtas adems de las puras, las
estrategias maximin de cada jugador coincidirn siempre en una solucin
estable, un punto de silla.
Una estrategia pura es aquella que especfica por adelantado todo lo que
un jugador debe hacer. Un equilibrio en el que todos los jugadores usan una
estrategia pura es un equilibrio en estrategias puras.
129
Cada estrategia pura que se usa como parte de una estrategia mixta tiene
el mismo valor esperado.
La razn es que si una estrategia pura recibiera una ganancia menor que
otra, entonces debera usarse la estrategia que recibe una ganancia
mayor y debera excluirse la estrategia pura que recibe una ganancia
menor.
130
3.
3.1.
problemas
de
fabricacin,
transporte,
construccin,
131
Desarrollar
capacidades
necesarias
para
el
diseo
de
modelos
132
3.2.
3.2.1.
Sistemas de inventarios
133
3.2.2.
Definicin y caractersticas
Tipos de inventarios:
Materias primas
Productos en proceso
Productos terminados y
Refracciones
134
Costo de ordenar
Costo de lo comprado
135
3.2.3.
Figura 36.
Pendiente = R - D
Q
Pendiente = D
lm
t1
t2
T
Fuente: elaboracin propia.
136
= Tasa de manufacturacin
Im = Inventario mximo
t
= Perodo de planeacin
t1
t2
137
138
Esta cantidad ptima que debe fabricarse representa un balance entre los
costos de almacenamiento y los costos de organizacin de una tanda de
produccin.
500
0 5
000
000
44 0
000
000) 500
000
44 0
0 5
44 0
44 0
000
000
139
000
000
40 0
3.2.4.
Figura 37.
Pendiente = R - D
Pendiente = D
Q
lm
t4
t1
t2
t3
T
Fuente: elaboracin propia.
140
Im = Inventario mximo
t
= Perodo de planeacin
t1 t4 = Tiempo de manufacturacin
t2 t3 = Tiempo de consumo de las unidades producidas
El costo de un perodo de produccin estar determinado por la siguiente
ecuacin:
4
141
4
4
Ejemplo 26.
La demanda de un artculo de una determinada compaa es de 18 000
unidades por ao y la compaa puede producir ese artculo a una tasa de 3
000 unidades por mes, el costo de organizar una tanda de produccin es $
500,00 y el costo de almacenamiento de una unidad es de $ 0,15 por mes.
Determinar la cantidad ptima que debe de manufacturarse y el costo total por
ao suponiendo que el costo de una unidad es de $ 2,00. El costo por unidad
agotada es de $ 20,00 por ao.
142
Datos
D = 18 000 Unidades por ao
R = 3 000 por mes
C1 = $ 2,00
C2 = $ 500,00
C3 = $ 0,15 por mes
C4 = $ 20,00 por ao
La cantidad ptima estar definida por:
500
0 5
000
000
0 5
000
0
0
0 5
0 5
000
000
000
500
000
4 0
0 5
4
4 0
0
4
000
000
000
143
000
000
000
3.3.
3.3.1.
Smbolos
Q = Cantidad optima a pedir
Im = Inventario mximo
t = Perodo entre pedidos
T = Perodo de Planeacin
144
Figura 38.
El costo total para un perodo en este modelo esta conformado por tres
componentes de costo:
145
Anlisis de ecuaciones.
Costo unitario por perodo: el costo unitario por periodo simplemente es el
costo de la cantidad ptima a pedir.
C1 Q
Costo de ordenar una compra: puesto que solo se realiza una compra en
un perodo el costo de ordenar una compra esta definido por:
C2
Costo de mantener el inventario por perodo: el inventario promedio por
perodo es [Q / 2]. Por consiguiente el costo de mantenimiento del inventario
por perodo es:
146
Figura 39.
Costo de almacenamiento
Costo de ordenar una compra
Costo unitario
Q ptimo
Cantidad pedida Q
Fuente: elaboracin propia.
147
Ejemplo 25.
Una empresa vende un artculo que tiene una demanda de 18 000
unidades por ao, su costo de almacenamiento por unidad es de $ 1,20 por ao
y el costo de ordenar una compra es de $ 400,00. El costo unitario del artculo
es $ 1,00. No se permite faltante de unidades y su tasa de reemplazo es
instantnea. Determinar:
148
Datos:
C1= $ 1,00
C2 = $ 400,00
C3 = $ 1,20
La cantidad ptima a pedir se calcula de la siguiente forma.
400
000
0
4 5
400
000
4 5
149
4 5
3.3.2.
El modelo de compra que permite dficit tiene como base las siguientes
suposiciones:
Este modelo tiene costos normales (costo unitario del producto, costo de
ordenar una compra, costo de mantener en inventario) pero adems tiene un
costo adicional, el costo por unidad de faltante.
Figura 40.
lm
S
t1
t2
T
150
Anlisis de ecuaciones.
El costo unitario y el costo de ordenar un pedido se determinan de una
manera semejante a como se determinan en el modelo de compra sin faltante.
151
152
Ejemplo 26: una empresa vende un artculo que tiene una demanda de 18 000
unidades por ao, su costo de almacenamiento por unidad es de $1,20 por ao
y el costo de ordenar una compra es de $400,00. El costo unitario del artculo
es $1,00. El costo por unidad de faltante es de $5,00 por ao. Determinar:
Datos
C1= $1,00
C2 = $400,00
C3 = $1,20
C4 = $5,00
153
400
000
0 5
5
4 5
400
000
000)
000
0
400
0 4 )
(
0)
( 4 )
(
0)
3.4.1.
Riesgo de faltantes
Costos
Registros
Almacenamiento fsico
Demanda
155
Figura 41.
R = Punto de reorden
R1
0
R2
L1
R3
L2
L3
156
Donde:
Q* = Cantidad ptima o econmica de pedido
D = Demanda promedio en unidades por ao
Co = Costo de cada pedido
Cm = Costo de mantenimiento por unidad por ao
157
Figura 42.
d = demanda / da promedio
L = tiempo entrega promedio
DL
demanda (unidades)
Como casi siempre una posibilidad del 50 por ciento de quedar sin
existencias es muy alta, se debe agregar un inventario de seguridad.
158
Figura 43.
Cantidad que se
tiene
Q
Punto de
Reorden R
DL
Inventario de
Seguridad
L1
L2
L3
R = punto de reorden
d = demanda diaria
L = tiempo de entrega promedio en das
B = inventario de seguridad en unidades
159
Los niveles de servicio en general varan del 80 por ciento al 99 por ciento.
Esto significa que la posibilidad de quedar sin artculos en el almacn vara
entre un 20 por ciento y 1 por ciento.
Figura 44.
Probabilidad
d = 10 unidades / da
L = 5 das
50 dL
R
unidades
(Punto de reorden)
Inventario de
Seguridad
160
B = Z
Donde:
B = Inventario de seguridad en unidades
s = Desviacin estndar de la demanda durante el tiempo de entrega o
tiempo de adelanto
B = Z s = (1,645)(20) = 33 unidades
R = dL + B = (10)(5) + 33 = 83 unidades
161
R=dL+B
Ejemplo 28.
El proveedor de la tienda de un gran comerciante es un almacn lejano. El
almacn puede abastecer cualquier artculo que se le pide en cualquier
cantidad. Uno de los artculos que se vende es aceite de motor para
automviles, la demanda del aceite tiende a un promedio de 5 cajas por da y
se distribuye normalmente.
162
Datos:
D = (5) (300) = 1 500 unidades por ao
Co = $1,50 por cada pedido
Cm = $1,00 por caja al ao
Nivel de servicio = 98 % con un valor de Z = 2,06
Das hbiles al ao = 300
Para el nivel de servicio = 80 % Z = 0.85
son:
5 ( 500)
B = Z s = (2,06)(3,9) = 8 cajas
R = d L + B = (5)(3) + 8 = 23 cajas
163
Esto da como resultado que debe ordenarse una cantidad menor que la
ptima, y la razn es que los costos por faltantes tienden a aumentar el tamao
de la orden, para reducir el nmero de rdenes, pero los costos de
mantenimiento se elevan si hay pocas rdenes, el efecto neto es que el valor
ptimo es muy poco diferente al valor aproximado de la CEP.
164
Como puede ocurrir un faltante cada vez que se hace un pedido. El costo
anual por faltantes depende del nmero de rdenes, con una demanda anual D
y una cantidad que debe ordenarse Q, el nmero promedio de ordenes = D/Q ,
entonces:
E
165
Figura 45.
b b
166
167
Ejemplo 29.
Cierto artculo de inventario tiene una demanda anual promedio de 5 000
unidades con base a 250 das hbiles por ao, entonces, la demanda diaria
tiene un promedio de 5 000/250 = 20 unidades por da, el tiempo de entrega
vara, con un promedio de 2 das se supone que la demanda durante el tiempo
de entrega tiene una distribucin normal con una desviacin estndar s = 6,3
unidades, el costo por cada pedido es de $2,00, el costo de mantenimiento es
de $2,50 por unidad por ao y el costo por agotamiento o por faltante es de $
1,00 por unidad por ao.
Calcular:
Solucin:
Datos:
D = 5 000 unidades promedio por ao
d = 20 unidades en promedio por da
L = 2 das
Co = $2,00 por cada pedido
Cm = $2,50 por unidad por ao
Ca = $1,00 por unidad por ao
Das hbiles = 250 das
s = 6,3 unidades
168
169
3.4.2.
170
171
Tabla LVIX.
Cantidad ptima
Si 1Cu<Co Entonces Q* = -
.
Si 2Cu>Co Entonces
.
Si 3Cu=Co Entonces Q* =
.
172
Ejemplo 30
La empresa J & B CardShop vende calendarios con ilustraciones de arte
colonial para cada mes, el pedido para el calendario anual que se formula una
sola vez al ao, llega en Septiembre, se sabe de acuerdo con la experiencia,
que es posible aproximar la demanda de calendario de septiembre a julio
mediante una distribucin normal con una demanda promedio de m = 500
calendarios y una desviacin estndar s= 120 calendarios, los calendarios
cuestan $ 1,50 cada uno y esta empresa los vende a $ 3,00 cada uno.
173
3.4.3.
Figura 46.
174
De tal manera que para el clculo del periodo fijo de reorden se utiliza la
expresin:
0
El costo total anual del inventario CT est representado por la suma del
costo total anual de los pedidos, ms el costo total anual del mantenimiento
normal del inventario ms el costo total anual del mantenimiento del inventario
de seguridad:
0
176
Ejemplo 31
Cierto artculo de inventario tiene una demanda promedio de 5 cajas de
aceite por da, distribuida normalmente. El tiempo de entrega tiene un promedio
de 3 das, el costo de cada pedido es de $ 1,50, el costo de mantenimiento es
de $ 1,00 por caja por ao, el vendedor deseaba un nivel de servicio del 98 por
ciento de tener existencias durante el tiempo de entrega, y se trabajan 300 das
hbiles al ao.
3.5.
177
3.5.1.
Estados estables
entonces un vector
tal que:
( )
178
( )
Ejemplo 32
Suponga que toda la industria de refrescos produce dos colas. Cuando
una persona ha comprado la cola 1, hay una probabilidad de 90 por ciento de
que su siguiente compra se de cola 1. Si una persona compr cola 2, hay un 80
por ciento de probabilidades que su prxima compra sea de cola 2.
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
Entonces:
0 0
0 0
0 0
0 0
se obtiene
el sistema:
0 0
0 0
Por lo tanto, despus de largo tiempo, hay probabilidad 2/3 de que una
persona dada compre cola 1 y 1/3 de probabilidad de que una persona compre
cola 2.
179
3.6.
3.6.1.
Estados absorbentes
0
Aqu I est la matriz unidad m x m (m = nmero de estados absorbentes),
S es una matriz cuadrada (n - m) x (n - m) (n = nmero total de estados, de
modo n - m = el nmero de estados absorbentes), 0 es un matriz cero y T es un
matriz (n-m) x m. La matriz S es la matriz de transicin para la circulacin entre
los estados de absorcin. La matriz fundamental para el sistema absorbente es:
Q = (I-S)-1.
180
Ejemplo 33
Diagrama de transicin:
(Estados 3 y 4 estn absorbiendo. Desapareciendo flechas indican la
probabilidad cero).
Figura 47.
0,2
0,25
0,5
0,25
0,2
0,6
181
Matriz:
Figura 48.
Ejemplo 33 matriz
0 5 0
0
0
0
0
0
0
0
05 0 5
0
0
0
0
En el ejemplo anterior:
0 5 0
0
0
0
54
As, por ejemplo, el nmero de veces, a partir del estado 2, que se espera
visita estado 1 antes de la absorcin es el entrada (2,1) de Q.
El producto QT es:
5
Pues la segunda fila es [1/6 5/6], significa que, a partir del estado 2, hay
una probabilidad de 1/6 de llegar en el primero estado de absorcin (Estado 5),
y en una probabilidad de 5/6 de llegar en el segundo estado de absorcin
(Estado 6).
182
3.7.
3.7.1.
MM1 finito
b b
q
. E
183
Figura 49.
La poblacin evidentemente es
M=4
Pero segn las circunstancias dos de stos tendrn que llegar al taller a
recibir servicio debido a mal funcionamiento.
Figura 50.
Entonces n = 2
El tiempo que un cliente espera en la cola antes de ser atendido est dado
por:
q
185
C = (costo por
) (
)(
C = (nmero de trabajos por da) (Ws) (costo por unidad de tiempo del
servicio)
Nmero de trabajos por da: intervalo o jornada de tiempo por las llegadas
que suceden por unidad de tiempo.
Ejemplo 35
En un Car-wash se tiene un solo compresor para el lavado de autos, ste
tiene una tasa de llegada de 5 autos/hora y el tiempo que se tarda en lavar un
auto en promedio es de 8 minutos, en el Car-wash no deben de permanecer
ms de 3 autos debido al espacio disponible. Determine Po, Ls, Lq, Ws, Wq.
Identificacin de variables
l = 5 autos/hr
m = 1auto/8min=7,5 autos/hr
M= 3
186
Solucin
0
5
5
5
q
5
5
5
0
q
5
0
3.7.2.
MM1 infinito
187
Salidas:
no
se
permite
que
las
unidades
inmediatamente al servicio.
Caractersticas de operacin.
Llegada Poisson
Cola:
Longitud promedio de la lnea:
Tiempo de espera promedio:
q
q
Sistema:
Longitud promedio de la lnea:
Utilizacin de la instalacin:
Probabilidad de que la lnea exceda a n:
A = tasa promedio de llegada
S = tasa promedio de servicio
188
que
salgan
entren
Si hay poco intercambio entre las lneas, puede tratarse este problema
como 10 sistemas separados de una sola lnea, cada uno con una llegada de 9
clientes por hora.
Entonces:
)
(
0 5
(
5
0 5
5
0
189
3.7.3.
MMK finito
Figura 51.
Salida
s
Llegadas
Cola
Servidor
Salida
Servidor
Salida
s
Ejemplo 37
Dos mecnicos estn atendiendo cinco mquinas en un taller. Cada
mquina se descompone segn una distribucin de Poisson con una media de
1 mquina por hora.
190
04
04
0
4
5
0
0 04
q
q
5
q
191
3.7.4.
MMK infinito
Supngase que las llegadas son Poisson, los tiempos de servicio son
exponenciales, hay una sola lnea, varios servidores y una cola infinita que
opera con la disciplina de primero en llegar primero en ser servido. Las
ecuaciones para las caractersticas de operacin se vuelven un poco ms
complicadas. Sea:
N = nmero de servidores
A = tasa promedio de llegadas (llegadas por unidad de tiempo)
S = tasa promedio de servicio por cada servidor (llegadas por unidad de tiempo)
Entonces:
192
0
0
Para N = 3
4
q
Ejemplo 38
Considrese la biblioteca de una universidad cuyo personal est tratando
de decidir cuntas copiadoras debe de instalar para uso de los estudiantes. Se
ha escogido un equipo particular que puede hacer hasta 10 copias por minuto.
No se sabe cul es el costo de espera para un estudiante, pero se piensa que
no debe tener que esperar ms de dos minutos en promedio. Si el nmero
promedio de copias que se hacen por usuario es cinco, cuntas copiadoras se
deben instalar?
193
A = 1 por minuto
S = 0,6 por minuto
N=2
0
q
194
4
q
4
0
4( )
0
0
0
(0 )
3.8.
05
195
.).
.).
que
falta
hasta
la
siguiente
muerte)
son
mutuamente
independientes.
196
Por otro lado, es bastante directo derivar esta distribucin despus de que
el sistema ha alcanzado la condicin de estado estable (en caso de que pueda
alcanzarla).
Ejemplo 39
La estacin de gasolina de una pequea poblacin tiene capacidad para 2
automviles nicamente. Cuando la estacin est desocupada llegan 3
automviles por hora, pero cuando en la estacin hay un automvil la tasa de
llegadas disminuye a 2 automviles por hora. La tasa a la cual el servidor
atiende a los automviles que llegan es de 4 por hora.
197
04
0 5
0 04
0 5
0 0
0 0 5
0 5
0 0
q
04
0
0
0 0
4
00
198
CONCLUSIONES
1.
2.
describen los
3.
4.
5.
Por medio de los ejemplos resueltos se puede ver el alcance que tienen
ambos cursos si sus herramientas son utilizadas adecuadamente, ya que
no slo son ejemplos tericos sino que son ejemplos aplicados a la carrera
profesional de un ingeniero industrial.
6.
199
200
RECOMENDACIONES
1.
2.
201
202
BIBLIOGRAFA
2.
3.
4.
5.
6.
7.
SHAMBLIN,
James.
Investigacin
de
operaciones:
un
enfoque
8.
203
9.
10. WINSTON,
Wayne.
Investigacin
de
operaciones:
aplicaciones
204